P. 1
1.Uji Goodness of Fit

1.Uji Goodness of Fit

|Views: 3,703|Likes:
Published by artdika

More info:

Published by: artdika on Apr 30, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/19/2013

pdf

text

original

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
( yi − npi ) 2 k (Oi − Ei ) 2 =∑ W =∑ Ei npi i =1 i =1
k

• Hitungan • Daerah Kritis • Kesimpulan

W > χ (2k −1;α )

• 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. Harapan Frek. =Ei = npi Observasi =Oi = yi 315 312,75 108 104,25 101 104,25 32 34,75 n=556 pi

Bulat & Kuning Bulat & Hijau Berkeriput & Kuning Berkeriput & Hijau Jumlah

9/16 3/16 3/16 1/16

n=556 1

Frek.observasi Frek.harapan pi (Oi-Ei)2/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 2 sebagai : 1 ⎛ Y −μ ⎞
− ⎜ 1 2⎝ F ( x, μ , σ ) = Z = e σ 2π

σ

⎟ ⎠

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 :
f (z) = 1 2π e
z 2 − 2

• Jika X berdistribusi normal dengan mean μ dan variansi σ2, maka kita dapat mengkonstruksikan varabel random normal standar dengan transformasi
Z = X −

μ

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, kadangkadang 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

W =

k

i =1

( y i − np i ) 2 = np i

k

i =1

(O i − E i ) 2 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)

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->