METODE STATISTIKA

LANJUT
(1)
Dosen : Sri Utami Zuliana, S.Si.
e-mail : suzuliana@yahoo.com
 REVIEW TENTANG
STATISTIKA INFERENSIAL
 INFERENSI STATISTIK
• Inferensi Statistik adalah pengambilan
kesimpulan tentang parameter-parameter
populasi (μ, σ, p) berdasarkan data
sampel yang diambil dari populasinya.
• Konsep inferensi statistik meliputi estimasi
titik, estimasi interval dan uji hipotesis
untuk berbagai macam parameter
populasi.
 Inferensi Statistik

p s2
 UJI HIPOTESIS
• Uji hipotesis adalah suatu proses untuk
menentukan apakah dugaan tentang nilai
parameter/karakteristik populasi didukung
kuat oleh data sampel atau tidak.
 Langkah-langkah umum uji
hipotesis
• Menentukan hipotesis nol
• Menentukan tingkat signifikansi α
• Menentukan statistik uji
• Menentukan daerah kritis
• Menghitung statistik uji
• Membuat kesimpulan
 UJI HIPOTESIS
PADA METSTAT LANJUT
• UJI GOODNESS OF FIT DISTRIBUSI
MULTINOMIAL DAN DISTRIBUSI NORMAL
• TEKNIK ANALISIS DATA KATEGORIK
• ANALISIS VARIANSI DAN PERBANDINGAN
GANDA
• ANAVA MULTI ARAH DAN KOMPONEN
VARIANSI
• ANALISIS REGRESI SEDERHANA
• ANALISIS REGRESI GANDA
 UJI GOODNESS OF FIT
DISTRIBUSI MULTINOMIAL
• Uji Goodness of Fit adalah uji hipotesis
yang dilakukan untuk mengetahui apakah
data hasil observasi berasal dari populasi
yang mempunyai distribusi tertentu, misal :
distribusi multinomial dan distribusi
normal.
 Langkah-langkah Uji Goodness of
Fit : Distribusi Multinomial :
• Ho: p1=… p2=… … pk=…
• α=…
• Statistik Penguji
k
( yi − npi ) 2 k (Oi − Ei ) 2
W =∑ =∑
i =1 npi i =1 Ei

• Hitungan
• Daerah Kritis
W > χ (2k −1;α )

• Kesimpulan
• Untuk kasus khusus dimana
1
p1=p2=…=pk= k

dapat dihitung dengan statistik penguji

sebagai berikut :
k k n 2
W = ∑ ( yi − )
n i =1 k
 Contoh
• Dalam suatu eksperimen persilangan dua
macam tanaman, Mendel memperoleh
hasil spt tertuang dlm tabel di bawah. Mnr
teoeinya ttg keturunan perbandingan
antara frekuensi-frekuensi ini adalah
9:3:3:1. Apakah Tabel 1 itu cenderung
bertentangan dg model teoritis Mendel?
 Tabel
Mcm tanaman Frek. Frek. Harapan pi
Observasi =Ei = npi
=Oi = yi
Bulat & 315 312,75 9/16
Kuning
Bulat & Hijau 108 104,25 3/16
Berkeriput & 101 104,25 3/16
Kuning
Berkeriput & 32 34,75 1/16
Hijau
Jumlah n=556 n=556 1
 2
Frek.observasi Frek.harapan pi (Oi-Ei) /Ei
315 312.75 9/16 0.016187
108 104.25 3/16 0.134892
101 104.25 3/16 0.101319
32 34.75 1/16 0.217626
0.470024
• Daerah kritis

W > χ (2k −1;α ) = χ (24−1;0, 05) = 7,815

• Kesimpulan
Karena hitungan tidak masuk daerah kritis
(0,47<7,815) maka H0 diterima artinya penelitian
tsb sesuai dengan teori Mendell
 UJI GOODNESS OF FIT
DISTRIBUSI NORMAL
• Ada banyak jenis distribusi peluang
variabel random kontinu yang dikenal
dalam ilmu probabilitas, seperti distribusi
normal, chi-kuadrat, distribusi F, distribusi
t dll. Distribusi frekuensi normal
merupakan distribusi yang paling sering
digunakan dalam statistika.
 pdf distribusi normal
• Fungsi probabilitas (pdf, probability density
functions) variabel random normal dengan
mean μ, dan variansi σ2 dapat dinyatakan
sebagai : 1 ⎛ Y −μ ⎞
2

1 − ⎜ ⎟
F ( x, μ , σ ) = Z = e 2⎝ σ ⎠

σ 2π

dengan π = 3,14159 dan e = 2,71828

Kurva distribusi normal
 Distribusi normal standar
• Di dalam tabel distribusi normal digunakan
distribusi normal standar dimana μ=0 dan σ=1.
Distribusi normal standar dapat ditulis sebagai :
z 2
1 −
f (z) = e 2
2π
• Jika X berdistribusi normal dengan mean μ dan
variansi σ2, maka kita dapat mengkonstruksikan
varabel random normal standar dengan
transformasi
X − μ
Z =
σ
 TABEL NORMAL STANDAR
• Ada 2 jenis tabel normal standar yang
dikenal.
– Jenis tabel yang pertama menabelkan luasan
kurva normal dengan bentuk P(-∞ ≤ X ≤ k),
dengan k suatu titik dalam sumbu x,
– tabel jenis kedua menabelkan luasan kurva
normal dengan bentuk P(0 ≤ X ≤ k).
tabel pertama P(-∞ ≤ X ≤ k)
tabel kedua P(0 ≤ X ≤ k).

Title
• Suatu populasi dapat dianggap normal
kadang-kadang karena didukung oleh
suatu teori tertentu. Namun, kadang-
kadang dapat juga didukung oleh hasil uji
hipotesis tertentu, yang dikenal sebagai
uji goodness of fit distribusi normal.
• Ada 2 metode :
– Metode Chi-kuadrat
– Uji Normalitas Lilliefors
 Metode Chi-kuadrat
• Uji goodness of fit normalitas dengan metode
Chi-Kuadrat dapat kita gunakan untuk data yang
tersusun dalam distribusi frekuensi (jumlah
datanya besar).
• Prosedur uji hipotesis ini hanya baik digunakan
jika tidak ada frekuensi harapan yang lebih
kecil dari lima. Jika dalam hitungan terdapat
frekuensi harapan yang lebih kecil dari lima,
maka frekuensi ini digabungkan dengan
frekuensi kelas yang lain.
 Langkah-langkah
metode Chi-kuadrat (1)
• Ho: sampel diambil dari populasi berdistribusi normal
H1: Ho tidak benar
• α=…
• Statistik Penguji
k
( y i − np i ) 2 k
(O i − E i ) 2
W = ∑i =1 np i
= ∑
i =1 Ei

di mana
Oi = frekuensi observasi
Ei = frekuensi harapan jika populasinya normal
 Langkah-langkah
metode Chi-kuadrat (2)
• Hitungan
• Daerah Kritis

W >χ 2
( k −3;α )
k adalah jumlah kelas setelah penggabungan
bila frekuensinya kurang dari 5
• Kesimpulan
 CONTOH
• Materi pokok Metode Statistika II modul 1
halaman 25 – 34 (Contoh 7 dan 8)