SELAMAT DATANG. SELAMAT DATANG Kelompok 3 ganti teks sesuai selera TMT- VI A.

Slides:



Advertisements
Presentasi serupa
Distribusi Chi Kuadrat, t dan F
Advertisements

ANALISIS KORELASI.
UJI PROPORSI k POPULASI
Modul 7 : Uji Hipotesis.
Bab X Pengujian Hipotesis
ANALISIS VARIANSI (ANOVA)
1. U/ MENGETAHUIAPAKAH ADA HUBUNGAN YG SIGNIFIKAN ANTARA 2 VARIABEL 2. U/ MENGETAHUI APAKAH PERBEDAAN YG SIGNIFIKAN ANTARA 2 ATAU LEBIH KELOMPOK SAMPEL.
STATISTIK NONPARAMETRIK Kuliah 4: Uji Chi Squares untuk Dua Sampel independen dan Uji Tanda Dosen: Dr. Hamonangan Ritonga, MSc Sekolah Tinggi.
Statistik Non Parametrik
UJI CHI-KUADRAT.
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
UJI SATU SAMPEL Jakarta, 27 Maret 2013.
Nonparametrik: Data Tanda
UJI HOMOGINITAS VARIANS
Pengujian Beberapa Proporsi (II) Pertemuan 20 Matakuliah: I0014 / Biostatistika Tahun: 2008.
Analisis Data (UJI KAI KUADRAT)
Bab 12 Nonparametrik: Data Tanda Bab
UJI NORMALITAS DAN HOMOGENITAS
STATISTIKA Pertemuan 13-14: Analisis Nonparametrik Dosen Pengampu MK:
Uji Hipotesis.
Uji Perbandingan / Beda Dua Nilai Tengah
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
UJI CHI KUADRAT.
MODUL VIII STATISTIKA NON PARAMETRIK
Uji Chi Kuadrat Statistika Pertemuan 14.
PROSEDUR UJI STATISTIK/ HIPOTESIS
Aplikasi Komputer & Pengolahan Data Analisa Data Kategorik
ANALISIS VARIANSI (ANOVA)
NON_PARAMETRIK.
Uji Chi Square.
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
CHI KUADRAT.
UJI BEDA PROPORSI Chi Square.
Topik Bahasan: UJI CHI KUADRAT (2) Uji chi kuadrat-statistika 2.
( f 0 fe ) ( x ) fe 1 2  MODUL PERKULIAHAN SESI 2
Metode Statistik Non Parametrik
PROBABILITAS dan DISTRIBUSI
STATISTIKA INFERENSIAL
Pengantar Statistika Bab 1
BAB 9 PENGUJIAN HIPOTESIS
Dalam uji hipotesis, dibandingkan 2 parameter dari 2 populasi:
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
LUKMAN HARUN IKIP PGRI SEMARANG
Analisis hubungan katagorik dengan katagorik uji kai kuadrat (chi square) Fery Mendrofa.
BAB 14 PENGUJIAN HIPOTESIS SAMPEL KECIL
Uji chi square (kai kuadrat)
Statistik Non Parametrik
TEKNIK ANALISIS KOMPARASIONAL BIVARIAT
( f 0 fe ) ( x ) fe 1 2  MODUL PERKULIAHAN SESI 2
BAB IV PENGUJIAN HIPOTESIS
Pengujian Statistika Nonparametrik
D0124 Statistika Industri Pertemuan 21 dan 22
STATISTIKA LINGKUNGAN
CHI SQUARE DAN UJI PERSYARATAN ANALISIS
HIPOTESIS Pertemuan 7 Laras Sitoayu, S.Gz., MKM
Pengantar Statistika Bab 1
UJI SATU SAMPEL (UJI CHI SQUARE) Devi Angeliana K SKM., M.PH
Pengantar Statistika Bab 1 DATA BERPERINGKAT
UJI RATA-RATA.
PENGUJIAN HIPOTESIS Anik Yuliani, M.Pd.
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
DASAR-DASAR UJI HIPOTESIS
STATISTIKA.
Distribusi dan Uji Chi-Kuadrat
Kai Kuadrat.
PERTEMUAN Ke- 5 Statistika Ekonomi II
DISTRIBUSI CHI SQUARE (Kai kuadrat ) 1. UJI KESELARASAN (GOODNESS OF FIT) 2 UJI KEBEBASAN (Independency test) 1.
Pengujian Sampel Tunggal (1)
STATISTIKA LINGKUNGAN
TABEL KATEGORIK 2×2.
Transcript presentasi:

SELAMAT DATANG

Kelompok 3 ganti teks sesuai selera TMT- VI A

NAMA KELOMPOK : 1. FATHUR ROHMAH. (3214113006) 2. M. LUTFI ASHARI NAMA KELOMPOK : 1. FATHUR ROHMAH (3214113006) 2. M. LUTFI ASHARI (3214113016) 3. ZULVA MUMAZIZATUL (3214113030) ganti teks sesuai selera TMT- VI A

Uji chi square untuk memeriksa homogenitas Pengertian Chi Square Uji kai kuadrat (dilambangkan dengan "χ2" dari huruf Yunani "Chi" dilafalkan "Kai") digunakan untuk menguji dua kelompok data baik variabel independen maupun dependennya berbentuk kategorik atau dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat diskrit. Misalnya ingin mengetahui hubungan antara status gizi ibu (baik atau kurang) dengan kejadian BBLR (ya atau tidak). Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan jika harga dari Kai Kuadrat sama atau lebih besar dari suatu harga yang ditetapkan pada taraf signifikan tertentu (dari tabel χ2). ganti teks sesuai selera

Dengan statistika elementer, kita telah mempelajari penggunaan distribusi normal untuk mendekati distribusi binomial pada pengujian hipotesis nol yang mengatakan bahwa dua proporsi dan sama besar. Hipotesia nol ini biasanya ditulis sebagai. Sebagai alternative, hipotesis nol tidak bisa dinyatakan dengan kedua populasi homogen (dalam hal proporsi subjek subjek dengan karakteristik yang diamati). Pada lazimnya kita menarik sebuah sampel dari masing-masing populasi yang diselidiki, lalu mengklasifikasikan subjek-subjeknya menurut apakah subjek-subjek tersebut memiliki karakteristik yang diamati. Hasil-hasilnya boleh diperagakan dalam table kontigensi 2x2 seperti pada table dibawah ini. Table kontigensi 2x2 Adanya karakteristik yang diamati Sampel Ya Tidak Jumlah 1 a b a + b 2 c d c + d Jumlah a + c b + d n

Kendati baik pada pengujian homogenitas maupun pengujian ketidakbergantungan kita menghitung dalam table untuk derajat bebas satu. Uji seperti ini disebut uji homogenitas kai kuadrat atau uji kai kuadrat untuk memeriksa homogenitas. Prosedur Pengujian yang dijelaskan diatas untuk table kontigensi 2x2 hanyalah suatu kasus khusus. Apabila table kontigensi terdiri atas baris dan kolom, kita boleh meringkaskan prosedur pengujian sebagai berikut. Asumsi-asumsi A sampel-sampel yang diamati bebas B Sampel-Smpel yang diamati acak C masing-masing subjek dalam populasi boleh diklasifikasikan kedalam salah satu dari dua kategori yang saling eklusif, berdasarkan apakah subjek tersebut memiliki atau tidak memiliki karakteristik yang diamati.

Hipotesis-hipotesis H0 : Populasi-populasi asal sampel homogen H1 : Populasi-populasi asal sampel tidak homogen Statistika uji Statistika uji adalah Kaidah pengambilan keputusan Kita menolak jika nilai hasil perhitungan lebih besar dari atau sama dengan nilai dalam table untuk derajat bebas ( r – 1) ( c – 1), dimana r = kolom dan c adalah baris.

Tabel : Ada tidaknya kecurangan dalam ujian di sekolah dasar tersebut Contoh Kasus Prof D dkk, melaporkan ada tidaknya kecurangan dalam dua Sekolah Dasar yang berbeda. SD 1 terdiri atas 42 anak yang mengikuti ujian, sementara SD 2 terdiri atas 22 anak yang mengikuti ujian. Data tersebut tampak dalam tabel di bawah ini dan kita menggunakanya untuk menguji Hipotesis nol yang menyatakan bahwa kedua populasi homogen. Misal = 0,05 Tabel : Ada tidaknya kecurangan dalam ujian di sekolah dasar tersebut Kecurangan Sekolah Ya Tidak Jumlah SD 1 27 15 42 SD 2 7 22 34 30 64

Penyelesaian dengan manual: Hipotesis: H0 : Kedua populasi yang diwakili oleh kedua sekolah dasar dalam penelitian tersebut homogen dalam hal adanya kecurangan dalam ujian H1 : Kedua populasi tidak homogen Statistik Uji = 6, 112 Karena 6,112 > 3, 841 maka H0 ditolak dan disimpulkan bahwa kedua populasi tersebut tidak homogen

Sekian,. Terima Kasih Semoga Bermanfaat