1.

0 PENGENALAN UJIAN KHI KUASA DUA

2.0 PENYELESAIAN
2.1 Penyelesaian masalah dengan Ujian kebagusan Khi Kuasa Dua

SOALAN KAJIAN BAGI LAPORAN:

Satu sampel 100 orang pelajar guru ditanya, mana satu jenis pizza kesukaan
mereka. Jumlah pelajar guru mengikut jenis pizza kesukaan mereka direkodkan
dalam jadual berikut.

JENIS PIZZA A B C D
PELAJAR 20 60 10 20
GURU

Pada aras keertian 5%, tentukan sama ada salah satu atau lebih di antara jenis-
jenis pizza tersebut lebih disukai oleh pelajar guru.

Langkah 1: Nyatakan ujian hipotesis.

Melalui soalan ini, saya dapat tahu bahawa taburan yang digunakan ialah taburan Chi-
Kuasa dua di mana soalan menanyakan sama ada salah satu atau lebih di antara jenis-jenis
pizza tersebut lebih disukai oleh pelajar guru wujud hubungan di antara dua pembolehubah.
Ujian Chi-Kuasadua ialah ujian untuk menentukan samaada dua pemboleh ubah adalah
bersandar atau tidak bersandar. Oleh yang demikian, hipotesis yang sesuai bagi soalan ini
ialah :-

Ho : Salah satu diantara jenis-jenis pizza tersebut disukai oleh pelajar guru

H1 : Lebih daripada satu di antara jenis-jenis pizza tersebut disukai oleh pelajar guru
Langkah 2: Nyatakan darjah kebebasan dan nilai kritikal untuk menguji hipotesis ini.

Bentuk lengkungan graf adalah bergantung kepada bilangan pembolehubah bebas yang
terlibat iaitu darjah kebebasan atau dikenali sebagai degrees of freedom, v. Darjah
kebebasan bagi bagi taburan khi kuasa dua ialah

df =k −1

Di mana k ialah kategori

df =4−1=3

Maka, df bagi penyelesaian ini ialah 3.

Seterusnya dengan melihat pada jadual, pada aras keertian 5% iaitu α = 0.05 dan v = 3 d.f.,
nilai kritikal ialah 7.815.

7.815

Rajah 1 menunjukkan nilai kritikal bagi aras keertian a=0.05 dan df=3
Langkah 3 : Kirakan nilai ujian statistik.

NILAI E, nilai O-E (O−E)2 (O−E)2

x 2= ∑
JENIS OBJEKTIF, jangkaan E
PIZZA O n
E=
k
A 20 100 -5 25 1
=25
4
B 60 100 35 1125 45
=25
4
C 10 10 0 -15 225 9
=25
4
D 20 100 -5 25 1
=25
4
x 2 = 56
Jadual 2 menunjukkan nilai jangkaan dan ujian statistik.
Langkah 4: Membuat keputusan.

Melalui ujian statistik, x 2 = 56>7.815 dan jatuh dalam kawasan penolakan. Oleh yang
demikian, cukup bukti untuk menolak hipotesis nol.

NILAI JANGKA, E Column1

70

60

50

40

30

20

10

0
M S W D

Rajah 2 menunjukkan graf kebagusan penyesuaian nilai cerapan melawan nilai jangkaan
bagi taraf perkahwinan individu Penduduk Kampung Bahagia.

Berdasarkan rajah di atas, didapati nilai cerapan, (O) dan nilai jangkaan, (E) bagi keempat-
empat kategori adalah jauh dan ini bermaksud kebagusan adalah lemah.

Langkah 5: Tuliskan kesimpulan bagi ujian tersebut.

Kesimpulannya, lebih daripada satu di antara jenis-jenis pizza tersebut disukai oleh pelajar
guru.
2.2 Penyelesaian masalah dengan Ujian ketidaksandaran Khi Kuasa Dua

SOALAN KAJIAN BAGI LAPORAN:

Sebuah syarikat pemasaran telefon bimbit ingin menentukan sama ada jenama telefon
bimbit yang dibeli oleh pengguna bersandar kepada pendapatan keluarga atau tidak. Satu
tinjauan telah dijalankan ke atas 500 pembeli telefon bimbit dan data yang dikumpul telah
dijadualkan seperti berikut.

PENDAPATAN JENAMA
A B C
KELUARGA
TINGGI 65 32 32
SEDERHANA 80 68 104
RENDAH 25 35 59

Pada aras keertiaan 5%, adakah jenama telefon bimbit yang dibeli oleh pengguna bersandar
kepada pendapatan keluarga mereka?

Langkah 1: Nyatakan ujian hipotesis.

Melalui soalan ini, saya dapat tahu bahawa taburan yang digunakan ialah taburan Chi-
Kuasa dua di mana soalan menanyakan “adakah jenama telefon bimbit yang dibeli oleh
penggunan bersandar kepada pendapatan keluarga mereka?” wujud hubungan di antara
dua pembolehubah. Ujian Chi-Kuasadua ialah ujian untuk menentukan samaada dua
pemboleh ubah adalah bersandar atau tidak bersandar. Oleh yang demikian, hipotesis yang
sesuai bagi soalan ini ialah :-

Ho : Jenama telefon bimbit yang dibeli oleh pengguna bersandar kepada pendapatan
keluarga

H1 : Jenama telefon bimbit yang dibeli oleh pengguna tidak bersandar kepada pendapatan
keluarga
Langkah 2: Nyatakan darjah kebebasan dan nilai kritikal untuk menguji hipotesis ini.

Bentuk lengkungan graf adalah bergantung kepada bilangan pembolehubah bebas yang
terlibat iaitu darjah kebebasan atau dikenali sebagai degrees of freedom, v. Darjah
kebebasan bagi bagi taburan khi kuasa dua ialah

dk =( baris−1)×(lajur−1)

Di mana k ialah kategori

dk =( 3−1 ) × ( 3−1 )

dk =( 2 ) × ( 2 )=4

Maka, dk bagi penyelesaian ini ialah 4.

Seterusnya dengan melihat pada jadual, pada aras keertian 5% iaitu α = 0.05 dan v = 4 d.k.,
nilai kritikal ialah 9.488.

9.488

Rajah 1 menunjukkan nilai kritikal bagi aras keertian a=0.05 dan df=4
Langkah 3 : Kirakan nilai ujian statistik.

jumlah baris × jumlah lajur

Expected value =
jumlah semua

PENDAPATAN JENAMA
Jumlah
KELUARGA A B C
TINGGI 65 (43.86) 32 (34.83) 32 (50.31) 129
SEDERHANA 80 (85.68) 68 (68.04) 104 (98.28) 252
RENDAH 25 (40.46) 35 (32.13) 59 (46.41) 119
Jumlah 170 135 195 500

NILAI
PENDAPATAN E, nilai (O−E)2
OBJEKTIF O-E (O−E)2 x 2= ∑
KELUARGA DAN jangkaan E
,O
JENAMA
TINGGI A 65 43.86 21.14 446.8996 10.1892
TINGGI B 32 34.83 -2.83 8.0089 0.2299
TINGGI C 32 50.31 -18.31 335.2561 6.6638
SEDERHANA A 80 85.68 -5.68 32.2624 0.3765
SEDERHANA B 68 68.04 -0.04 0.0016 0.0000235
SEDERHANA C 104 98.28 5.72 32.7184 0.3329
RENDAH A 25 40.64 -15.64 244.6096 6.0189
RENDAH B 35 32.13 2.87 8.2369 0.2564
RENDAH C 59 46.41 12.59 158.5081 3.4154
x2 =
27.4830/27.3716
Jadual 2 menunjukkan nilai jangkaan dan ujian statistik.

Langkah 4: Membuat keputusan.

Melalui ujian statistik, x 2 = 27.4830/27.3716 > 9.488 dan jatuh dalam kawasan penolakan.
Oleh yang demikian, cukup bukti untuk menolak hipotesis nol.
Langkah 5: Tuliskan kesimpulan bagi ujian tersebut.

Kesimpulannya, jenama telefon bimbit yang dibeli oleh pengguna tidak bersandar kepada
pendapatan keluarga.
 2.1 Penafsiran keputusan ujian statistik
3.0 PENGENALAN REGRESI LINEAR MUDAH
4.0 PENYELESAIAN
4.1 Penyelesaian masalah dengan analisis kolerasi melalui rajah serakan dan pengiraan
garis regrasi.

SOALAN KAJIAN BAGI LAPORAN:

Data dalam jadual berikut telah direkod oleh salah sebuah pasaraya untuk menentukan
sama ada terdapat hubungan sebab-akibat di antara jumlah jualan dan perbelanjaan
pengiklanan.

BULAN JUMLAH JUALAN (‘000000) PEMBELANJAAN PENGIKLANAN

(‘00000)
1 157.5 47.7
2 157.5 52.2
3 160.0 52.2
4 160.0 54.5
5 167.6 54.5
6 154.9 59.0
7 167.6 61.3
8 172.7 61.3
9 167.6 64.5
10 170.2 65.8
11 175.3 66.8
12 182.9 68.1

Dengan menggunakan data yang dibekalkan, anda perlu

i. Melukis dan mentafsir rajah serakan
ii. Menentu dan mentafsir pekali penentu
iii. Hitungkan persamaan garis regresi
iv. Melaksanakan ujian kecerunan garis regresi dan mentafsir keputusan.
v. Terangkan dengan satu contoh bagaimana menggunakan model ini untuk
membuat ramalan.
LANGKAH 1: Plot graf serakan

Berdasarkan jadual, graf jumlah jualan melawan pembelanjaan pengiklanan diplot.

Gambar Rajah Serakan

80

70
Pembelanjaan Pengiklanan

60

50

40

30

20

10

0
150 155 160 165 170 175 180 185
Jumlah Jualan

Rajah 3 menunjukkan graf jumlah jualan melawan pembelanjaan pengiklanan

Berdasarkan graf tersebut, ramalan yang dapat dibuat adalah kolerasi yang akan terbentuk
adalah kolerasi positif kerana titik menunjukkan keatas dan titik-titik tersebut juga saling
berhampiran jika diletakkan satu garisan.
LANGKAH 2 : Cari nilai r (pekali korelasi)

Cari nilai r iaitu nilai hubungan antara dua pembolehubah, iaitu antara jumlah jualan dan
pembelanjaan pengiklanan dengan menggunakan formula. Maklumat-maklumat dimasukkan
seperti yang ditunjukkan di lampiran 4.

Bulan x y x2 y2 xy
1 157.5 47.7 24806.25 2275.29 7512.75
2 157.5 52.2 24806.25 2724.84 8221.5
3 160 52.2 25600 2724.84 8352
4 160 54.5 25600 2970.25 8720
5 167.6 54.5 28089.76 2970.25 9134.2
6 154.9 59.0 23994.01 3481 9139.1
7 167.6 61.3 28089.76 3757.69 10273.88
8 172.7 61.3 29825.29 3757.69 10586.51
9 167.6 64.5 28089.76 4160.25 10810.2
10 170.2 65.8 28968.04 4329.64 11199.16
11 175.3 66.8 30730.09 4462.24 11710.04
12 182.9 68.1 33452.41 4637.61 12455.49
Sum = 1993.8 707.9 332051.62 42251.59 118114.83

Berdasarkan data dalam jadual tersebut, tentukan nilai pekali penentu (r) dengan
menggunakan formula seperti berikut:

n( ∑ xy−( ∑ x ) ∑ y
r=

√[ (∑ x )−(∑ x ) )][n(∑ y )−(∑ y ) ]

n
2 2 2 2

Gantikan nilai-nilai dalam formula di atas:

( 12 )( 118114.83 )−(1993.8)(707.9)
r= 2 2
√ {( 12 ) ( 332051.62 )−( 1993.8 ) } ×{( 12 ) ( 42251.59 ) −( 707.9 ) }

r =0.8023

Kemudian, pekali penentu ( R¿¿ 2)¿ , dikira dengan hanya menguadkuasakan pekali kolerasi
yang terdapat di atas.

Maka, r =0.8023 R2=(0.8023)2

R2=0.6437
Oleh itu, berdasarkan data sample yang diberikan, didapati bahawa pekali penentu adalah
R2=0.6437. Ini menunjukkan bahawa kira-kira 64.37% variasi dalam pembolehubah
bergantung dijelaskan oleh pembolehubah bebas

Oleh itu, berdasarkan data sample yang diberikan, didapati bahawa pekali penentu adalah
R2=0.6437. Ini menunjukkan bahawa kira-kira 64.37% variasi dalam pembelanjaan
pengiklanan dijelaskan oleh jumlah jualan.
Oleh itu, berdasarkan data sample yang diberikan, didapati bahawa pekali penentu adalah
R2=0.6437 . Ini menunjukkan bahawa kira-kira 64.37% daripada variabiliti pembelanjaan
pengiklanan boleh diramalkan oleh jumlah jualan yang terdapat pada pasar raya tersebut.

REGRASI

Dengan menggunakan formula, nilai a dan b bagi regresi persamaan linear y=a+bx dicari.

∑ X 1993.8
X́ = = =166.15
n 12
∑ Y 707.9
Ý = = =58.9917
n 12

(∑ X ) (∑Y ) ( 1993.8 )( 707.9 )

SS xy =∑ XY − [ n ] =118114.83−
12
=497.245

( ∑ X )2 ( 1993.8 )2
2
SS xx =∑ X − [ ]
n
=332051.62−
12
=781.75
 SS xy 497.245
b= = =0.6361
SS xx 781.75

a=Ý − X́ . ( b )=58.9917− ( 166.15 )( 0.6361 )=−46.6963

Oleh itu, persamaan regrasi adalah :

Y =−46.6969+(0.6361) X

Lakaran graf:
 4.1 Membuat ramalan dengan model regrasi linear mudah
5.0 RUJUKAN