Anda di halaman 1dari 37

CHI KUADRAT (

A. DEFINISI CHI KUADRAT Uji Chi Kuadrat merupakan

pengujian yang

hipotesis benar-benar

tentang terjadi

perbandingan

antara

frekuensi

sampel

(selanjutnya disebut frekuensi observasi, yang dilambangkan dengan fo ) dengan frekuensi harapan yang didasarkan atas hipotesis tertentu pada setiap kasus atau data (selanjutnya disebut dengan frekuensi harapan, dilambangkan dengan fh kemudian dirumuskan sebagai berikut:

(f f ) o h fh
2

Keterangan : fo = frekuensi observasi atau pengamatan fh = frekuensi harapan = Chi Kuadrat

Dengan ketentuan fo adalah harga yang diamati, dan fh adalah harga harapan, semakin besar sampel size maka semakin besar pula harga

2 sehingga 2 mempunyai tendensi meningkat dengan meningkatnya


sampel size. Jumlah kategori mempengaruhi besar DF (degrees of freedom) yang juga akan mempengaruhi bentuk distribusi teoritis chi kuadrat. Makin besar DF makin besar pula titik kritisnya pada tingkat kepercayaan tertentu. B. PRINSIP-PRINSIP CHI KUADRAT 1) Hanya dapat dipergunakan pada data kualitatif 2) Dapat dipergunakan pada sampel dari berbagai macam ukuran (sampel size) selama tidak menyimpang dari ketentuan butir 9 dan 10. Juga dapat dipergunakan pada berbagai macam katagori 3) Hitungan akhir selalu melibatkan angka sebenarnya (frekuensi) bukan prosen atau proporsi 4) Bila ingin membandingkan dua atau lebih distribusi sampel maka uji yang sesuai adalah r x c contingency chi square. Data disusun menurut r baris (r = 2,3,x) dan menurut c-kolom (c = 2,3,x) mempunyai db = (r-1)(c1). Nilai harapan diperoleh dari perkalian jumlah data pada kolom dengan

jumlah data pada baris kemudian dibagi dengan jumlah total data. Rumus untuk menghitung fh adalah sebagai berikut:

fh

nc x nr nt

Dimana: fh = frekuensi harapan nc = jumlah kolom nb = jumlah baris nt = jumlah total data 5) Bila distribusi sampel berasal dari satu populasi maka uji yang sesuai adalah chi kuadrat. Dalam hal ini nilai harapan diperoleh dari proporsi distribusi populasi dan mempunyai db= r-1 atau c-1 6) Bila ingin mengetahui asosiasi atau korelasi diantara dua variabel dari data kualitatif, maka lakukan uji chi kuadrat dulu. Jika dalam pengujian, ho ditolak maka dapat dilanjutkan dengan menghitung koefisien kontingensi dengan rumus: Rumus 2: C=

2 2 N

Dimana: N = jumlah sampel (sampel size) C = koefisien kontingensi dengan C selalu lebih dari nol. 7) Distribusi sampling chi kuadrat akan sesuai dengan distribusi teoritis chi kuadrat bila: frekuensi harapan setiap sel tidak boleh kurang dari satu, dan banyaknya sel yang mempunyai frekuensi harapan kurang dari 5 (fh < 5) tidak boleh lebih dari atau sama dengan 20% dari jumlah sel seluruhnya. 8) Jika tidak sesuai dengan ketentuan diatas, kategori-kategori tertentu yang sesuai digabung. Sehingga jumlah sel lebih sedikit dan frekuensi harapan baru memenuhi syarat. Penggabungan ini menyebabkan sel dalam tabel menjadi 2x2 dan bila masih tidak memenuhi syarat maka uji statistik yang digunakan adalah fishers exact test.

9) Untuk db =1 diperlukan koreksi yang disebut koreksi yates. Besarnya koreksi itu ialah 0,5 hingga rumus itu menjadi : a. Rumus 3: b. c
2

( f o f h 0,5) 2 fh

atau 2

N( ad - bc

N 2 ) 2 m1 .m2 .n1 .n2

10) Pada umumnya chi kuadrat hanya dapat digunakan untuk uji independensi antar faktor pada satu sampel dengan faktor yang bersifat bebas (independent). Chi kuadrat tidak dapat dipergunakan pada sampel korelasi atau correlated sample (misal rancangan penelitian sebelum-sesudah pada data kualitatif) dan dalam hal ini harus menggunakan McNemar symetri chi square test.

C. DERAJAD KEBEBASAN UNTUK CHI-KWADRAD Derajat kebebasan atau d.b. untuk nilai-nilai x2 tidak tergantung kepada jumlah individu dalam sampel. Derajad kebebasan itu diperoleh dari kenyataan berapa banyaknya kebebasan yang kita miliki dalam menetapkan isi petak-petak yang diharapkan dalam tabel kita. Untuk mengerti ini kita periksa tabel berikut: Kategori I II Jumlah A B (a+b) fo m n (m+n) fh

Sudah dinyatakan bahwa dalam mengerjakan chi-kwadrad kita terikat oleh suatu syarat, yaitu jumlah frekwensi yang diperoleh harus sama dengan jumlah frekwensi yang diharapkan. Atau dalam skema di atas (a+b) harus sama dengan (m+n). Oleh sebab itu kita tidak mempunyai kebebasan lagi untuk menetapkan jumlah frekwensi yang diharapkan, yaitu (m+n). Jadi derajat kebebasan yang kita miliki dalam mengisi petak-petak fh tinggal lagi satu, yaitu kebebasan dalam menetapkan m, atau dalam menetapkan n. Dengan d.b =1 kita periksa table. Bilamana kita sudah menetapkan salah satu taraf signifikasi, katakana 5%, maka ketentuannya yaitu jika 5%, nilai

chi-kuadrat yang kita peroleh, atau x2 itu kita katakana signifikan, dan sebagai konsekwensinya hipotesa (nihil) akan kita tolak. Sebaliknya jika nilai 5%

itu akan kita katakan nonsignifikan, dan sebagai konsekwensinya

hipotesa (nihil) akan kita terima (ketentuan semacam itu berlaku untuk semua pengetesan hipotesa nihil; perhatikan betul-betul bahwa ketentuan itu berlaku juga untuk pengetesan nilai-t dan nilai-r). Nilai = 4,50, sedang dengan taraf signifikansi 5% dengan d.b. = 1 nilai itu signifikan, karena ia sudah melebihi
2

= 3,841. Dengan demikian

yang

kita pandang sebagai bilangan x

maksimal sebagai akibat dari kesalahan

sampling atas dasar taraf signifikasi 5%. Konsekwensinya, jika kita yakin bahwa sarat sampel random telah kita penuhi, maka kita tolak hipotesa nihil yang mengatakan bahwa setengah dari populasi setuju koedukasi dan setengahnya lagi tidak setuju adalah kurang mungkin jika kita memperoleh nilai x 2 sebesar 4,50 dari perbandingan pro dan kontra koedukasi sebesar 115:85 dari sampel yang kita ambil secara random bila mana 50:50 dari populasi pro dan kontra. Dengan kata lain, harapan bahwa setengah-setengah dari jumlah populasi akan pro dan kontra koedukasi tidak dapat kita terima atas dasar bahan-bahan yang kita kumpulkan dari random sampel. Akan tetapi jika kita periksa kembali tabel diatas, ternyata bilamana kita menggunakan taraf signifikansi 4,50 sedangkan nilai %, hipotesa nihil akan kita terima. Nilai x2 =

1% = 6,635. Ini berarti bahwa nilai x2 sebesar atau lebih

besar dari 6,635 yang terjadi hanya 1% dari seluruh kejadianlah yang kita pandang sebagai batas penerima nilai x2 yang kita peroleh karena kesalahan sampling. Oleh karena itu hipotesa nihil yang ditetapkan semula, kita terima atas dasar taraf signifikasi 1%. Dengan kata lain, kita mengharapkan bahwa jika dilakukan pemungutan suara secara meluas, hasilnya akan 50% pro dan 50% kontra koedukasi. Contoh: Suatu perusahaan penggorengan kopi ingin menetapkan apakah masyarakat lebih senang kopi cap anjing (yang digoreng dengan suatu cara) atau cap kucing (yang digoreng dengan cara lain) yang diproduksi oleh perusahaannya. Perusahaan itu kemudian menyewa seorang penyelidik untuk member

laporannya tentang kesenangan masyarakat itu untuk menetapkan kopi cap apa yang harus diproduksi secara besar-besaran tahun depan. Hasil penyelidikan terhadap suatu sampel random yang terdiri dari 400 orang konsumen kopi perusahaan itu terlihat dalam tabel sebagai berikut: TABEL 2 FREKWENSI YANG DIPEROLEH DAN YANG DIHARAPKANDARI 400 ORANG PEMINUM KOPI PERUSAHAAN ALPHA Pilihan Cap anjing Cap kucing Total fo 240 160 400 fh 200 200 400

Untuk mengadakan estimasi tentang keadaan populasi dipakai hipotesa bahwa setengah dari konsumen minum kopi cap anjing, dan setengah dari konsumen meminum kopi cap kucing. Bilamana bahan-bahan itu kita masukkan dalam tabel kerja, maka hasilnya akan sebagai berikut: Pilihan Cap anjing Cap kucing Total fo 240 160 400 fh 200 200 400 fo - fh +40 -40 0 (fo - fh)2 1.600 1.600 8,00 8,00 16,00

Jadi

= 16,00

Derajat kebebasan untuk ini adalah satu (diperoleh dengan cara seperti tersebut dalam contoh pertama). Nilai x2 yang diharapkan sebagai batas kesalahan sampling dengan taraf signifikasi 5% adalah 3, 841, dengan taraf signifikasi 1% adalah 6,635. Ternyata bahwa nilai x2 yang kita peroleh dari random sampel itu jauh di atas batas signifikansi 5% maupun 1%. Dengan demikian hipotesa nihil ditolak: dapat diharapkan ada perbedaan yang signifikan dalam populasi antara frekwensi peminum kopi cap anjing dengan frekwensi peminum kopi cap kucing.

Apa saran penyelidik itu kepada perusahaan kiranya sudah jelas : produksi lebih banyak kopi cap anjing dari pada kopi cap kucing. D. BENTUK DISTRIBUSI CHI KUADRAT () Nilai adalah nilai kuadrat, karena itu nilai selalu positif. Bentuk distribusi tergantung dari derajat bebas(db) atau degree of freedom. Contoh : 1. Berapa nilai untuk db = 5 dengan = 0.010? (15.0863) 2. Berapa nilai untuk db = 17 dengan = 0.005? (35.7185) Pengertian pada Uji sama dengan pengujian hipotesis yang lain, yaitu luas daerah penolakan H0 atau taraf nyata pengujian

Perhatikan gambar berikut :

Pengunaan Uji Uji dapat digunakan untuk : a. Uji Kecocokan = Uji kebaikan-suai = Goodness of fit test b. Uji Kebebasan c. Uji beberapa proporsi

Dalam beberapa uji diatas, prinsip pengerjaan uji kebebasan dan uji beberapa proporsi bias dikatakan sama. 1. Uji Kecocokan (Goodness of fit test) 1.1. Penetapan Hipotesis Awal dan Hipotesis Alternatif Dalam uji kecocokan kita mengenal istilah H0 dan H1. H0 merupakan frekuensi setiap kategori memenuhi suatu nilai atau perbandingan, sedangkan H1 merupakan frekuensi dimana ada kategori yang tidak memenuhi nilai/perbandingan tersebut. Contoh 1 : Pelemparan dadu 120 kali, kita akan menguji kesetimbangan dadu . Dadu setimbang jika setiap sisi dadu akan muncul 20 kali. H0 : setiap sisi akan muncul = 20 kali. H1 : ada sisi yang muncul 20 kali. Contoh 2 : Sebuah mesin pencampur adonan es krim akan menghasilkan perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H0 : perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H1 : perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 : 1 1.2. Rumus

Keterangan: k : banyaknya kategori/sel, 1,2 ... k o : frekuensi observasi untuk kategori ke-i i e : frekuensi ekspektasi untuk kategori ke-i i kaitkan dengan frekuensi ekspektasi dengan

nilai/perbandingan dalam H0 Derajat Bebas (db) = k 1 1.3 Perhitungan Contoh 3 :

Pelemparan dadu sebanyak 120 kali menghasilkan data sebagai berikut : Kategori Frekuensi ekspetasi (e) 20 Sisi-1 20 22 Sisi-2 20 17 Sisi-3 20 18 Sisi-4 20 19 Sisi-5 20 20 22 *) Nilai dalam kotak kecil adalah frekuensi ekspektasi Apakah dadu itu dapat dikatakan setimbang? Lakukan pengujian dengan taraf nyata = 5 % Solusi : 1. H0 : Dadu setimbang semua sisi akan muncul = 20 kali. H1 : Dadu tidak setimbang ada sisi yang muncul 20 kali. 2. Statistik Uji 3. Nilai = 5 % = 0.05 k = 6 ; db = k - 1 = 6-1 = 5 4. Nilai Tabel k = 6 ; db = k - 1 = 6-1 = 5 db = 5; = 0.05 tabel = 11.0705 5. Wilayah Kritis = Penolakan H0 jika hitung > tabel (db; ) hitung > 11.0705 6. Perhitungan Sisi-6 20

(catatan : Gunakan tabel seperti ini agar pengerjaan lebih sistematik)

hitung = 1.70

7. Kesimpulan : hitung = 1.70 < tabel Nilai hitung ada di daerah penerimaan H0 H0 diterima; pernyataan dadu setimbang dapat diterima. Contoh 4 : Sebuah mesin pencampur adonan es krim akan menghasilkan perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1. Jika 500 kg adonan yang dihasilkan, diketahui mengandung 275 kg Coklat, 95 kg Gula, 70 kg Susu dan 60 kg Krim, apakah mesin itu bekerja sesuai dengan perbandingan yang telah ditentukan? Lakukan pengujian dengan taraf nyata = 1 %. Solusi : 1. H0 : perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H1 : perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 : 1 2. Statistik Uji 3. Nilai = 1 % = 0.01 4. Nilai Tabel k = 4; db =k -1 = 4-1= 3 db = 3; = 0.01 tabel = 11.3449 5. Wilayah Kritis = Penolakan H0 jika hitung > tabel (db; ) hitung > 11.3449 6. Perhitungan

*) Perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 :1 Dari 500 kg adonan Nilai ekspektasi Coklat = 5/10 x 500 = 250 kg

Nilai ekspektasi Gula = 2/10 x 500 = 100 kg Nilai ekspektasi Susu = 2/10 x 500 = 100 kg Nilai ekspektasi Krim = 1/10 x 500 = 50 kg hitung = 13.75 7. Kesimpulan : hitung > tabel ( 13.75 > 11.3449) H0 ditolak, H1 diterima. Perbandingan Coklat : Gula : Susu : Krim 5 : 2 : 2 :1 2. Uji Kebebasan dan Uji Beberapa Proporsi Uji kebebasan antara 2 variabel memiliki prinsip pengerjaan yang sama dengan pengujian beberapa proporsi. (Berbeda hanya pada penetapan Hipotesis awal dan hipotesis alternatif) 2.1 Penetapan Hipotesis Awal dan Hipotesis Alternatif A. Uji Kebebasan : H0 : variabel-variabel saling bebas H1 : variabel-variabel tidak saling bebas B Uji Beberapa Proporsi : H0 : setiap proporsi bernilai sama H1 : ada proporsi yang bernilai tidak sama 2.2 Rumus Uji 2 Data dalam pengujian ketergantungan dan beberapa proporsi disajikan
dalam bentuk Tabel Kontingensi. Bentuk umum Tabel Kontingensi berukuran r baris x k kolom Frekuensi harapan

Keterangan: derajat bebas = (r-1)(k-1)

r : banyak baris k : banyak kolom o: frekuensi observasi baris ke-i, kolom ke-j ij, e : frekuensi ekspektasi baris ke-i, kolom ke-j Perhitungan Contoh 5 : Kita akan menguji kebebasan antara faktor gender (jenis kelamin) dengan jam kerja di suatu pabrik. Tabel kontingensi dapat dibuat sebagai berikut : Pria Kurang dari 25 Jam/minggu 25 sampai 50 Jam/minggu Lebih dari 50 Jam/minggu Total Kolom 14 16 5 7 5.60 7 2 6,07 6 6.40 12 Total Observasi = 30 2,33 3 6,93 13 wanita 2,67 5 Total baris

*) Nilai dalam kotak kecil adalah frekuensi ekspektasi Apakah ada kaitan antara gender dengan jam kerja? Lakukan pengujian kebebasan variabel dengan taraf uji 5 % Ukuran Tabel Kontingensi di atas = 3 x 2 ( 3 baris dan 2 kolom) db = (3-1)(2-1) = 2 x 1 = 2 Solusi : 1. H0 : Gender dan Jam kerja saling bebas H1 : Gender dan Jam kerja tidak saling bebas 2. Statistik Uji = 3. Nilai = 5 % = 0.05 4. Nilai Tabel d.b = 2; = 0.05 tabel = 5.99147

5. Wilayah Kritis : Penolakan H0 hitung > tabel hitung > 5.99147 6. Perhitungan
Frekuensi harapan

frekuensi harapan untuk : pria, < 25 jam = 6,07 = 2,33 pria, 25-50 jam = =

pria, > 50 jam = wanita, < 25 jam = wanita, > 50 jam =

= 5,60 = 2,67 . wanita, 25-50 jam = = 6,40 = 6.93

Selesaikan Tabel perhitungan di bawah ini.

7. Kesimpulan hitung < tabel (0.4755 < 5.99147) hitung ada di daerah penerimaan H0 H0 diterima, gender dan jam kerja saling bebas Catatan : Kesimpulan hanya menyangkut kebebasan antar variabel dan bukan hubungan sebab-akibat (hubungan kausal) Contoh 6 :

Berikut adalah data proporsi penyiaran film(satuan pengukuran dalam persentase (%) jam siaran TV) di 3 stasiun TV. Apakah proporsi pemutaran Film India, Kungfu dan Latin di ketiga stasiun Tv tersebut sama? Lakukan Pengujian proporsi dengan Taraf Nyata = 2.5 % ATV(%) Kurang dari 25 Jam/minggu 25 sampai 50 Jam/minggu Lebih dari 50 Jam/minggu Total Kolom 10 7 7 3,0 2,5 2,50 2,5 4,5 3,33 1,0 1,75 0,5 Total Observasi(%)= 24 4,17 3,5 2,33 4,5 1,75 6 BTV(%) 2,92 2,0 2,33 8 CTV(%) Total Baris (%) 10

*) Nilai dalam kotak kecil adalah frekuensi ekspektasi Ukuran Tabel Kontingensi di atas = 3 x 3( 3 baris dan 3 kolom) db = (3-1)(3-1) = 2 x 2 = 4 Solusi : 1. H0 : Proporsi pemutaran film India, Kungfu dan Latin di ketiga stasiun TV adalah sama. H1 : Ada proporsi pemutaran film India, Kunfu dan Latin di ketiga stasiun TV yang tidak sama. 2. Statistik Uji = 3. Nilai = 2.5 % = 0.025 4. Nilai Tabel db = 4; = 0.025 tabel = 11.1433 5. Wilayah Kritis : Penolakan H0 hitung > tabel hitung > 11.1433

6. Perhitungan frekuensi harapan untuk India, ATV = = 4,17 Kungfu, ATV = = 3,33

Latin, ATV =

= 2,50

India, BTV = 2.33 Latin,BTV =

= 2,92

Kungfu,BTV =

= 1,75

India,CTV = 2.33 Latin,CTV =

= 2,92

Kungfu,CTV =

= 1,75

Tabel perhitungan berikut

7. Kesimpulan :

hitung terletak di daerah penerimaan H0. H0 diterima, proporsi pemutaran ketiga jenis film di ketiga s stasiun TV adalah sama

CHI KWADRAD SEBAGAI ALAT UNTUK ESTIMASI Dengan menggunakan chi kwadrat kita dapat menggunakan pernilaian probabilitas perbedaan frekwensi dalam sampel dari frekwensi dalam populasi sebagai akibat dari kesalahan sampling. Adapun frekwensi dalam populasi itu dapat didasarkan atas informasi yang diperoleh dari suatu sumber, atau dpat juga didasasrkan atas suatu hipotesa. Dalam contoh di atas, kalau tidak ada sumbersumber lain yang member ketentuan, kita mengjukan hipotesa bahwa dalam populasi frekwensi dari mereka yang pro dan kontra koedukasi terbagi rata (50% lawan 50%). Kita menanyakan, mengapa kita peroleh perbandingan 115 dengan 85 antara mereka yang pro dan yang kontra dari suatu sampel yang kita ambil secara random? Apakah perbedaan itu hanya semata-mata disebabkan oleh kesalahan sampling, ataukah memang dalam populasi terdapat perbedaan semacam itu? Kalau kita mengharapkan frekwensi dari mereka yang pro dan yang kontra terbagi rata, maka frekwensi yang diharapkan adalah yang pro 100 orang dan yang kontra 100 orang, dalam sampel yang jumlahnya 200 orang itu, frekwensi yang diperoleh (disingkat fo) dan yang frekwensi yang diharapkan (disingkat fh) dari mereka yang pro dan yang kontra dapat ditunjukkan dalam tabel sebagai berikut. Tabel 1 FREKWENSI YANG DIPEROLEH DAN YANG DIHARAPKAN DARI SUATU SAMPEL YANG TERDIRI ATAS 200 ORANG PENDUDUK Sikap terhadap keedukasi Pro Kontra total Frekwensi yang diperoleh (fo) 115 85 200 Frekwensi yang diharapkan (fh) 100 100 200

Dalam membuat tabel untuk mengerjakan chi-kwadrad kita terikat pada suatu ketentuan yang harus kita perhatikan, yaitu bahwa jumlah fo harus sama dengan jumlah fh. dalam tabel di atas ketentuan ini telah kita perhatikan yaitu masingmasing fo=200 dan fh=200.

Untuk memeriksa tabel 1.1 kita dapat melihat bahwa ada perbedaan fo dengan fh. makin besar perbedaan semacam itu makin kecil probabilitasnya (kemungkinannya) bahwa perbedaan itu semata-mata disebabkan oleh kesalahan sampling. RUMUS BANGUN UNTUK CHI-KWADRAD Rumus bangun yang umum untuk chi-kwadrad adalah sebagai berikut:

2 = chi kwadrad fo = frekwensi yang diperoleh dari (diobservasi dalam) sampel. fh = frekwensi yang diharapkan dalam sampel sebagai pencerminan dari frekwensi yang diharapkan dalam populasi. Untuk member penjelassan tentang bagaimana menggunakan rumus itu, marilah kita buat tabel persiapan perhitungan chi-kwadrad. Sikap Pro Kontra total fo 115 85 200 fh 100 100 200 fo - fh +15 -15 0 (fo - fh)2 225 225 2,25 2,25 4,50

Dari perhitungan-perhitungan dalam tabel itu pada lajur yang terakhir kita dapat dengan mudah mengisi rumusnya. = 4,50

Jadi dengan hipotesa 50-50, yaitu 50% pro dan 50% kontra, kita memperoleh nilai : x2 = 4,50 Apa artinya angka 4,50 ini? Interpretasi tentang nilai x2 pada dasarnya tidak berbeda dengan interpretasi tentang nilai-t. Disini kita ingin mengadakan estimasi tentang populasi dari

kenyataan yang kita peroleh dari sampel yang kita pilih secara random. Kita mengajukan hipotesa bahwa populasi tidak berbeda dengan sampel dalam jumlah frekwensi dalam dua kategori penyelidikan, yaitu kategori pro dan kontra koedukasi atau dinyatakan dalam bentuk hipotesa nihil : tidak ada perbedaab frekwensi dari yang pro dan yang kontrakoedukasi antara sampel dan populasi. Kita menanyakan bagaimana probabiloitas x2 yang sebesar atau lebih besar dari nilai yang kita peroleh itu disebabkan oleh kesalahan sampling kita? Bilamana nilai x2 yang kita peroleh itu terjadinya hanya 5% atau 1% dari seluruh kejadian, maka kita tolak hipotesa atas dasar taraf signifikasi 5% dan 1%. Untuk menilai frekwensi yang diperoleh, kita memerlukan suatu tabel yang memuat distribusi x2 yang diharapkan. Tabel semacam ini disediakan di bagian belakang , yang disebut tabel chi-kwadrad. Tabel ini hanya memuat nilai-nilai chikwadrad dengan derajad kebebasan dari 1 sampai dengan 30 dengan berbagai taraf signifikan. Tidak seperti nilai r dan nilai t, nilai x2 selalu makin meningkat bersamaan dengan meningkatnya derajad kebebasan.

TABEL DENGAN BANYAK SEL Chi kuadrat tidak hanya terbatas untuk mengetes hipotesa perbedaan frekuensi antaradua kelompok dengan dua kategori (tabel 2x2 atau tabel 4 petak), melainkan juga dapat digunakan untuk mengetes hipotesa perbedaan frekuensi antara banyak kelompok dengan beberapa kategori. Cara menghitungnya pada dasarnya sama. Demikian juga dalam menetapkan derajat kebebasannya. D.b. diperoleh dari rumus: d.b. = (baris - 1) (kolom - 1) Jadi, dengan tabel 3x2 (tiga baris dua kolom) d.b.nya ada (3-1) (2-1) = 2. Demikian juga dalam tabel 2x3 . (dua baris tiga kolom) d.b. nya= 2. Dalam tabel 3x3 d.b. nya = (3-1) (3-1)= 4, dan dalam tabel 2x5 d.b.nya= 1x4= 4. Berikut contoh-contoh penggunaan chi kuadrat pada pengetesan hipotesa terhadap lebih dari dua sampel dan menyangkut lebih dari dua kategori. Suatu penyelidikan tentang pendapat rakyat telah dilakukan dengan angket. Pertanyaannya adalah: Apakah pada waktu ini keluarga anda lebih makmur, sama saja, atau kurang

makmur dari pada dua tahun yang lalu? Hasil penyelidikan tercantum dalam tabel di halaman berikut. Yang diselidiki semuanya ada 5.000 keluarga dari empat golongan kelas sosial ekonomi. Kelas A adalah kelas yang paling makmur, sedang kelas D adalah kelas yang paling kurang makmur. Jawaban mereka diklasifikasikan dalam empat golongan, yaitulebih, sama saja, kurang, dan tidak dapat menentukan. Namun, dalam hal ini, rumus untuk menghitung dalam tabel 2x2 sperti

penjelasan di atas tidad dapat digunakan. Ada rumus lain yang lebih praktis digunakan dalam kasus ini dan tidak menghabiskan banyak waktu. Namun, bila tidak ada alat hitung yang cukup besar, rumus ini justru menjadi tidak praktis sama sekali. Oleh karena itu, kita harus puas dengan menggunakan rumus aslinya, yaitu:

Cara mengisi sel

, yaitu pertama, jumlahkan tiap-tiap kategori. Kemudian,

jumlahkan frekuensi dalam tiap-tiap golongan subskrip sampel. Akhirnya setelah diketahui N-nya, masukkan bilangan-bilangan itu ke dalam rumus sebagai berikut:

Atau dapat disingkat dengan: ( ) dan

Untuk penyelesaian contoh soal di atas bisa dengan bantuan membuat tabel tabel

secara terpisah lalu memasukkan semua hasil perhitungannyake dalam dan tabel .

tabel kerja yang sesungguhnya. Berikut tabel Tabel 1.

Golongan (sub sampel)

Jumlah Kategori

Respon Lebih makmur Sama saja

A 115

B 375

C 460

D 250 1.200

245

690

920

440

2.295

Kurang makmur Tidak tentukan Jumlah golongan

125

375

540

270

1.310

25

60

80

40

195

500

1.500

2.000

1.000

5.00

Tabel 2 Golongan (subsampel) respon Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah golongan 500 1.500 2.000 1.000 5.000 78 39 195 668,5 2.295 1.310 A 120 B C D Jumlah Kategori 1.200

Bilangan-bilangan seperti terdapat dalam tabel 2 di atas diperoleh dengan rumus , yang cara mengerjakannya sebagai berikut: Untuk kelas A kategori lebih makmur : Untuk kelas B kategori sama saja : Untuk kelas C kategori tak tentukan : Untuk kelas D kategori tak tentukan : Dengan cara yang sama sel-sel = 120. = 688,5. . .

yang lainnya dapat diisi dan memasukkannya

dalam tabel kerja yang sesungguhnya (lihat tabel di bawah). Tabel 3. Tabel Cerja untuk ContohMengerjakan Chi Kuadrat dari Banyak Sampel (Bahan dari Tabel 1 dan 2)

Gol Sos-Ek. Kategori jawaban Kelas A Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Kelas B Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Kelas C Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Kelas D Lebih 150 240,0 +10,0 100,00 0,417 2000 2000 0,0 1,377 460 920 540 80 480,0 918,0 524,0 78,0 -20 + 2,0 +16,0 +2,0 400,00 4,00 256,00 4,00 0,833 0,004 0,489 0,051 1500 1500 0,0 1,490 375 690 375 60 360,0 688,5 393,0 58,5 +15,0 +1,5 -18,0 +1,5 225,00 2,25 324,00 2,25 0,625 0,003 0,824 0,038 500 500 0,0 2,568 115 245 125 15 120,0 229,5 131,0 19,5 -5,0 +15,5 -6,0 -4,5 25,00 240,25 36,00 20,25 0,208 1,047 0,275 1,038

makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Total Jendral:

440 270 40

459,0 262,0 39,0

-19,0 +8,0 +1,0

361,00 64,00 1,00

0,786 0,244 0,026

1000

1000

0,0

1,473

5000

5000

0,0

Seperti terlihat dalam tabel 3 di atas, dalam kolom yang terakhir nilai

yang

diperoleh adalah 6,908. Derajat kebebasan dari bahan itu dapat diperoleh dengan mengingat banyaknya sampel (mewakili kolom dalam tabel kontingensi) dan banyaknya kategori (mewakili baris dalam tabel kontingensi). Seperti yang diketahui, sampel ada sebanyak empat sampel (sub-sampel), yitu sampel-ssampel kelas A, B, C, dan D. Jadi jumlah kolomnya = 4. Kategori yang digunakan jumlahnya juga 4. Jadi, ada 4 baris. Dengan demikian, d.b. dari tabel itu adalah (41) (4-1) = (3) (3) = 9. Dengan d.b. = 9 itu tabel tersebut menunjukkan bahwa nilai = 6,908 yang

diperoleh itu masih jauh berada di bawah batas kemungkinan kesalahan teoritik, yaitu 16,919 pada taraf signifikansi 5% dan 21,666 pada taraf signfikansi 1%. Dengan demikian, dapat disimpulkan bahwa keempat kelas sosial ekonomi itu tidak menunjukkan perbedaan yang signifikan dalam frekuensi jawaban mereka terhadap pertanyaan yang diajukan kepada mereka. Contoh Soal: Suatu penyelidikan hipotetik dilakukan terhadap anak-anak dari SMP, SMA, dan mahasiswa-mahasiswa di Universitas tentang kesukaan mereka membaca bukubuku. Pertanyaan yang diajukan adalah: Buku bacaan apa yang paling disenangi: petualangan, percintaan, keajaiban, atau buku-buku ilmiah?. Jumlah orang yang diselidiki adalah 350 orang. Hasil-hasil yang yang dikumpulkan disusun dalam tabel berikut: Tabel 4. Tabel Frekuensi yang Diperoleh

Sampel

Buku kesenangan Petualangan Percintaan 19 26 22 67 Keajaiban 36 20 23 79 Ilmiah 46 38 20 104

Total

SMP SMA Universitas Total

24 41 35 100

125 125 100 350

Frekuensi yang diharapkan dapat diperoleh dengan rumus: ( )

Dengan rumus itu, akan diperoleh frekuensi-frekuensi yang diharapkan seperti berikut: Tabel 5. Tabel Frekuensi yang Diharapkan Sampel Buku kesenangan Petualangan SMP SMA Universitas Total 35,71 35,71 35,71 100,00 Percintaan 23,93 23,93 19,14 67,00 Keajaiban 28,22 28,22 22,56 79,00 Ilmiah 37,14 37,14 29,72 104,00 125 125 100 350 Total

Dengan

dan

yang telah diperoleh, dapat dibuat tabel kerja seperti berikut:

Tabel 6. Tabel Kerja untuk Mencari Chi Kuadrat dari Bahan-bahan dalam Tabel 4 dan 5. Sampel Kategori SMP Petualangan Percintaan Keajaiban Ilmiah Jumlah Golongan: 24 19 36 46 125 35,71 23,93 28,22 37,14 125,00 -11,71 -4,93 +7,78 +8,86 0,00 137,1241 24,3049 60,5284 78,4996 3,8399 1,0157 2,1449 2,1136 9,1141

SMA Petualangan Percintaan Keajaiban Ilmiah Jumlah Golongan: Universitas Petualangan Percintaan Keajaiban Ilmiah Jumlah Golongan: Total Jendral: 350 350,00 0,0 35 22 23 20 100 28,58 19,14 22,56 29,72 100,00 +6,42 +2,86 +0,44 -9,72 0,0 41,2164 8,1796 0,1936 94,4784 1,4421 0,4274 0,0086 3,1790 5,0571 41 26 20 38 125 35,71 23,93 28,22 37,14 125,00 +5,29 +2,07 -8,22 +0,86 0,0 27,9841 4,2849 67,5684 0,7396 0,7836 0,1791 2,3943 0,0199 3,3769

Derajat kebebasan dari tabel itu adalah (3-1) (4-1) = 6. Ternyata nilai

yang

diperoleh itu melewati nilai batas teoritik atas dasar taraf signifikansi 1%, yaitu 16,812. Kesimpulannya adalah: ketika kelompok itu berbeda secara signifikan dalam pemilihan buku-buku bacaanseperti yang ditunjukkan oleh hasil angket itu.

CHI

KWADRAD

SEBAGAI

ALAT

MENGETES

SIGNIFIKANSI

KORELASI Teknik statistic digunakan untuk hal-hal sebagai berikut. 1) Chi kwadrad adalah alat untuk mengadakan estimasi. Sebagai alat estimasi chi kwadrad digunakan untuk menaksir apakah ada perbedaan yang signifikan ataukah tidak antara frekuensi yang diobservasi dalam sample dengan frekuensi yang diharapkan dalam populasi. Frekuensi yang diharapkan dalam populasi ini kadang-kadang disebut juga frekuensi hipotetik, karena ia digunakan sebagai hipotesa yang akan diuji dengan frekuensi yang diperoleh dari sample. Oleh karena itu dalam pengertian

yang longgar chi kwadwrad sebagai alat estimasi diberi kedudukan juga sebagai alat pengetesan hipotesa. 2) Chi kwadrad sebagai alat mengetes hipotesa. Dalam pengertian yang sempit tiap-tiap pengetesan hipotesa harus membandingkan sedikitnya dua sample. Karena itu dalam kedudukannya sebagai alat pengetesan hipotesa ini apa yang ingin dijawab olehnya adalah masalah apakah frekuensi yang diperoleh dalam sample yang satu berbeda secara signifikan ataukah tidak dengan sample lainnya dalam kategori-kategori tertentu, seandainya penyelidikan dilakukan terus-menerus dengan sample-sampel yang sama. Hipotesa nihil yang hendak dites di sini adalah bahwa tidak ada perbedaan yang signifikan di antara frekuensi yang diperoleh atau fo dengan frekuensi yang diharapkan atau fh 3) Kecuali sebagai alat mengetes hipotesa perbedaan frekuensi, chi kuadrad juga merupakan alat untuk mengetes hipotesa tentang ada tidaknya korelasi antara dua dibicarakan di atas, ketiga kelompok subjek yang berbeda tingkatan pendidikannya, yaitu SMP, SMA, dan Universitas, berbeda secara signifikan dalam pemilihan buku-buku bacaan. Sebenarnya kesimpulan itu dapat dibyatakan dengan cara lain, yaitu bahwa ada korelasi yang signifikan antara tingkatan pendidikan dengan pilihan bukubuku bacaan. Adanya korelasi itu menunjukkan bahwa tingkatan pendidikan tertentu menunjukkan kecenderungan tertentu dalam memilih buku-buku bacaan. Dari pembicaraan di atas dapat ditarik kesimpulan bahwa sebenarnya hipotesa yang hendak dites dengan chi kwadrad dapat dinyatkan dalm dua bentuk. Pertama, dalam bentuk perbedaan frekuensi. Hipotesa secara umum berbunyi: frekuensi-frekuensi yang diperoleh dalam sample-sampel yang diselidiki tidak berbeda secara signifikan dengan frekuensi-frekuensi yang diharapkan dalam populasi dalam kategori-kategori tertentu. Kedua, dalam bentuk korelasi. Hipotesanya berbunyi : tidak ada korelasi antara kolom dan baris.

CHI KWADRAD DENGAN DERAJAT KEBEBASAN LEBIH DARI 30 Akhirnya perlu dilengkapkan pembicaraan ini dengan kemungkinan menghadapi perhitungan chi kwadrad dengan derajat kebebasan yang lebih besar dari 30. Rumus untuk menghitung nilai probabilitas nilai chi kwadrad yang diperoleh dengan kurve normal adalah sebagai berikut.
x SD 2x2 2( db) 1

Dimana: 2 = nilai chi kwadrad yang kita peroleh. db = derajat kebebasan dari table kontingensi kita. jadi misalnya kalau kita memperoleh nilai 2 sebesar 81,50 tabel kontingensi 26x3, maka
x 2(81 ,50) 2(50) 1 SD 163,00 99 12,7671 9,9499 2,8172atau 2,82

Dengan

x SD

= 2,82 ini kita periksai table kurve normal. Kita lihat,

x SD

sebesar 2,82 itu meliputi 49,76% daerah sebelah kurve normal, atau seluruhnya ada 2(49,76%)= 99,52%. Dengan demikian maka hipotesa yang diajukan sebelum penyelidikan ditolak, baik atas dasar taraf signifikansi 1%, apalagi 5 %. Dalam beberapa situai nilai chi kuadrad yang kita perolehadalah sedemikian kecilnya sehingga setelah disalin ke dalam
x menghasilkan SD

nilai

negative. Dalam hal semacam ini, persentase daerah kurve normal yang sesuai dengan nilai
x SD

itu denaikkan dengan menambahnya 50%, dihitung dari

ujung distribusi. Jadi misalnya kita memperoleh nilai chi kuadrad =42,530 dari table 25x3. diubah menjadi nilai z atau
x . SD

2( 42,530) 85,06

2( 48) 1

95 9,28 9,7468

0,5240atau 0,52

Dengan nilai z sebesar -0,52 itu kita periksai table kurve normal. Dengan z =-0,52 itu kita lihat daerah kurve dari mean sebesar 19,85%. Akan tetapi dalam situasi kita sekarang, daerah sebesar itu tidak kita hitung dari mean, melainkan kita tambahkan pada 50% daerah dari ekor distribusi. Dengan demikian kita mengharapkan kemungkinan sebesar 69,85% dari seluruh kejadian kita akan memperoleh nilai chi kwadrad sebesar atau lebih besar dari 42,530. Yang dimaksud dengan petak kecil adalah petak yang frekuensinya kurang dari 5. chi kuadarad kurang dapat memberikan gambaran yang memuaskan bilamana ada petak kecil dalam table kontingensi yang dikerjakan. Kesimpulan yang agak memuaskan baru dapat diperoleh bilamana diadakan suatu koreksi atau penyesuaian sebagaimana diuslkan oleh YATES terhadap petak yang kecil itu lebih dahulu sebelum perhitungan chi kuadrad dilakukan. Koreksi YATES itu berupa menambah terhadap petak yang paling kecil dan menyesuaikan frekuensi-frekuensi lainnya sehingga jumlah kolom dan jumlah baris sebelum dan sesudah koreksi masih tetap sama. Saying sekali, koreksi dan penyesuaian YATES hanya berlaku untuk table 2x2. Contoh tentang petak-petak kecil dapat dilihat dalam table 60 A. data itu dimaksudkan untuk menyelidiki ada tidaknya korelasi antara kelulusan dan jenis kelamin. Table 60B menunjukkan data sesudah dikoreksi dan disesuaikan. TABEL 60 JENIS KELAMIN DAN KELULUSANNYA A. Data yang diperoleh Sekse Pria Wanita Total L 16 8 24 G 4 2 6 Total 20 10 30

B. Data setelah disesuaikan Sekse Pria Wanita Total L 16,5 7,5 24,0 G 3,5 2,5 6,0 Total 20,0 10,0 30,0

L = lulus G = gagal. Pengkoreksian dilakukan terhadap frekuensi yang terkecil, yaitu dengan jalan menambahkan 0,5 terhadap frekuensi ini. Karena suatu ketentuan bahwa jumlah tidak dapat diubah-ubah maka frekuensi-frekuensi lain kemudian disesuaikan untuk mempertahankan ketentuan itu. Baru setelah pengkoreksian dan penyesuaian itu chi kuadrad dihitung dengan cara yang biasa. Dengan memakai rumus 2 = kita peroleh 2 =
30{(16 ,5)( 2,5) (3,5)( 7,5)} 2 30 (41,25 26 ,25 ) 2 (20 )(10 )( 24 )( 6) 28,800 N (ad bc) 2 (a b)( c d )( a c)(b d )

30(15) 2 225 = 28,800 960 0,234

Dengan d.b =1 dan batas signifikansi 5%=6,635 kita menerima hipotesa nihilnya dan menyimpulkan bahwa kelulusan bukan kecendrungan salah satu jenis kelamin.

REALIBITAS SAMPEL KECIL Resiko kesalahan dalam penyelidikan dengan sample kecil selalu akan lebih besar daripada resiko kesalahan dalam penyelidikan dengan sample besar. Seorang karyawan research yang teliti kiranya akan ragu-ragu menarik kesimpulan dari penyelidikan data seoerti tersebut dalam table 60 itu. Sebab kiranya sample penyelidikan diperbesar lima atau sepuluh kali lipat, pada

umumnya hasil penyelidikannya akan berubah, dan perubahan hasil itu kadangkadang sedemikian diperbesar lima atau sepuluh kali lipat, pada umumnya hasil penyelidikannya akan berubah, dan perubahan hasil itu kadang-kadang sedemikian besarnya sehingga agak sukar untuk mempercayai hasil penyelidikan dengan sample kecil yang semula. Sebagai ilustrasi daripada apa yang dikemukakan itu dapat kita selidiki dari contoh-contoh hipotetik seperti tersebut dalam table 61 dan table 62 di bawah ini. TABEL 61 A DATA HIPOTETIK TENTANG SEKSE DAN KELULUSANNYA Sekse Pria Wanita Total L 9 6 15 G 4 1 5 Total 13 7 20 TABEL 61 B DATA TABEL 61 A SETELAH

DIKOREKSI DAN DISESUAIKAN Sekse Pria Wanita Total L 9,5 5,5 15,0 G 3,5 1,5 5,0 Total 13,0 7,0 20,0

2 =

20{( 9,5)(1,5) (3,5)(5,5)} 2 20 (14 ,25 19 ,25 ) 2 (13)( 7)(15 )(5) 6,825 20(-5) 2 500 0,073 6,825 6,825

TABEL 62 10 KALI DATA TABEL 61 A Sekse Pria Wanita L 90 60 G 40 10 Total 130 70

Total

150

50

200

2 =

200 {( 90 )(10 ) (40 )( 60 )} 2 200 (900 2400 ) 2 (130 )( 70 )(150 )( 50 ) 68 .250 .000
200(-1500) 2 200 (3) 6,593 . 68 .250 .000 91

Nampaklah dari contoh di atas bahwa perbedaan antara chi kuadrad yang sesuai dengan chi kuadrad dengan sample besar sangat menyoloknya sehingga mempersulit penarikan kesimpulannya. Dalam hal apapun penyelidik pasti selalu lebih meyakini hasil penyelidikan dari sample yang lebih besar, karena pada populasi-populasi yang tidak homogin besarnya sample selalu menjadi petunjuk tentang representativitas sample. Pada umumnya memang sangat sulit untuk mendemonstrasikan perbedaan atau korelasi yang signifikan dari sample kecil, sungguhpun jika diadakan penyelidikan secara besar-besaran perbedaan atau korelasi itu ada dalam kenyataannya. Seperti kita lihat dari contoh di atas, chi kuadrad sebesar 0,073 adalah jauh sekali dari batas signifikansi 5%, yaitu hamperhampir mendekati bilangan batas signifikansi 5% itu.

CHI KUADRAT UNTUK MENGHITUNG PERBEDAAN PERSENTASE Kecuali untuk menyelidiki signifikasi perbedaan frekuaensi yang biasa, chi kuadrat dapat juga digunakan untuk menilai signifikasi perbedaan frekuensi yang sudah diubah dalam presentase. TABEL 63 DATA TENTANG SEKSE DAN KELULUSAN DALAM PER SEN
f 0 dalam %
f h dalam %

Sekse Pria Wanita

Lulus 45 30

Gagal 20 5

Total 65 35

Sekse Pria Wanita

Lulus 48,75 26,25

Gagal 16,25 8,75

Total 65,00 35,00

Total

75

25

100

Total

75,00

25,00

100,00

X2

(45 48,75) 2 (20 16,25) 2 (30 26,25) 2 (5 8,75) 2 48,75 16,25 26,25 8,75

(3,75) 2 (3,75) 2 (3,75) 2 (3,75) 2 48,75 16,25 26,25 8,75 14,0625 14,6025 14,6025 14,6025 48,75 16,25 26,25 8,75 0,288 0,865 0,536 1,60 X 2 3,296

Dalam menggunakan chi kuadrat untuk menghitung perbedaan persentase, ada dua catatan penting yang perlu diperhatikan: (1) Terhadap petak yang kecil telah diadakan koreksi dan penyesuaian lebih dahulu. Sebabnya ialah karena probabilitas signifikasi sesuatu kejadian lebih tergantung kepada frekuensi yang nyata daripada frekuensi dalam presentase. Kita mengetahui bahwa untuk suatu mata uang logam yang dilemparkan 10 kali, munculnya 6:4 untuk kepala : ekornya tidak sama signifikannya dengan munculnya 60:40 untuk perbandingan kepala dan ekor jika mata uang itu dilemparkan 100 kali, sungguhpun perbandingan munculnya kepala dan ekor itu jika dinyatakan dalam persentase samasama 60% : 40%. (2) Nilai chi kuadrat yang diperoleh dari perhitungan-perhitungan frekuensi dalam persen harus diubah dahulu dalam nilai chi kuadrat dari perhitungan-perhitungan dengan frekuensi yang nyata, sebelum

pengetesan signifikasi dilakukan. Pengubahan itu dilakukan dengan jalan mengalikan nilai chi kuadrat dengan N/100. dalam contoh di atas oleh karena frekuensi selanjutnya dijadikan dasar perhitungan adalah data dalam tabel 62 dengan N=200, maka chi kuadrat dalam persen yang kita peroleh itu harus kita kalikan dengan 200/100, atau sama dengan 3,296 x 2 = 6,592, suatu bilangan yang sama dengan yang sudah kita peroleh lebih dahulu, yaitu 6,593. Dengan chi kuadrat sebesar 6,593 itu pada taraf signifikasi 5% kita akan tetap menolak hipotesa bahwa perbedaan lulusan

pria dan wanita adalah signifikan. Atau dinyatakan dalam bentuk korelasi, kita menolak hipotesa yang menyatakan bahwa antara jenis kelamin dan lulusan terdapat korelasi yang signifikan. Catat, karena derajat kebebasan daripada chi kuadrat tidak tergantung kepada N, melainkan kepada jumlah petak
f h , maka baik dikerjakan dengan cara yang biasa, maupun

dikerjakan

melalui

persentase,

pengetesan

nilai

chi

kuadratnya

menggunakan derajat kebebasan yang sama.

BATAS PENGGUNAAN KOREKSI YATES Perlu sekali lagi ditekankan bahwa korelasi YATES sayang sekali hanya dapat dikenakan pada tabel 2x2. Untuk tabel-tabel lebih besar daripada 2x2 ada cara lain untuk memperhitungkannya. Cara-cara ini akan dibicarakan dalam pasal dibawah ini. PETAK KECIL DALAM TABEL GANDA-PETAK TABEL 64 DATA TENTANG PILIHAN FILM DAN JURUSAN Jurusan dalam fakultas Perniagaan Sejarah Seni Rupa Seni Suara Alam Pasti Adm. Perusah. Total Petualangan 15 5 3 6 12 79 120 Film kesukaan Total Sejarah 8 32 10 6 6 8 70 Perang 10 5 7 5 47 16 90 Roman 6 11 22 13 8 10 70 Song 1 7 8 20 7 7 50 40 60 50 50 80 120 400

(1) Membuang sama sekali data yang diperoleh dari jurusan perniagaan dan jurusan seni rupa karena dari kedua jurusan itu terdapat frekuensi-

frekuensi kecil, yaitu 1 pada petak perniagaan-song dan 3 pada petak seni rupa-petualangan. (2) Mengkombinasikan jurusan-jurusan itu dengan jurusan-jurusan lain yang terdekat, misalnya jurusan perniagaan dengan jurusan administrasi perusahaan dan jurusan seni rupa dengan jurusan seni suara. Tentu saja pengkombinasian semacam itu harus didasarkan atas alasan-alasan yang dapat dipertanggungjawabkan. Baik ditempuh langkah membuang maupun langkah mengkombinasikan, penyelidik harus memperhatikan konsekuensinya dalam memperhitungkan derajat kebebasan. Untuk mendapatkan derajat kebebasan ini rumus d.b.=(b-1)(k1) masih tetap berlaku. Jadi misalnya jika ditempuh langkah membuang data jurusan-jurusan perniagaan dan seni rupa, maka d.b.nya = (4-1)(5-1) =12, sedang jika ditempuh jalam mengkombinasikan kedua jurusan itu dengan jurusan-jurusan lainnya d.b.nya akan =(4-1)(5-1) =12 juga. Umumnya jika yang ditempuh adalah langkah mengkombinasi, maka jurusanjurusan yang dikombinasikan tetap kedua-duanya dicatat dalam melaporkan hasilnya, misalnya jika jurusan perniagaann dikombinasikan dengan jurusan administrasi perusahaan, kombinasinya menjadi jurusan perniagaan/administrasi perusahaan. Demikian jika jurusan seni rupa digabungkan dengan jurusan seni suara, maka kombinasinya akan menjadi seni rupa/seni suara atau seni rupa/suara. Sebagai akibat dari pada langkah yang berbeda itu kadang-kadang diperoleh hasil yang berbeda pula. Mungkin juga terjadi bahwa dengan langkah pembuangan hasilnya hipotesa dapat diterima, tetapi dengan jalan

pengkombinasian hasilnya hipotesa harus ditolak. Dalam keadaan semacam ini ada baiknya jika penyelidik melaporkan saja apa adanya. Artinya ia harus menghitung chi kuadrat dengan kedua langkah itu dan menyajikan apapun hasilnya dari kedua langkah yang berbeda itu.

CHI KUADRAT UNTUK MENGETES NORMALITAS Sangat banyak teknik-teknik statistik yang berlandaskan kepada distribusi normal. Jika dari penyelidikan-penyelidikan yang terdahulu belum pernah dipastikan bahwa sesuatu gejala mengikuti ciri-ciri distribusi normal, mengetest

apakah gejala yang diahdapi merupakan distribusi yang normal atau tidak merupakan keharusan yang mutlak. Banyak cara yang dapat digunakan untuk mengetest normalitas suatu distribusi, misalnya saja dengan menyelidiki kejulingan (skewness) dan kurtosisnya. Chi kuadrat pun dapat digunakan untuk keperluan pengetesan normalitas itu. Dari kurva normal kita mengetahui bahwa: Nilai-nilai yang terletak dari -3SD sampai -2SD dari -2SD tsampai -1SD dari -1SD sampai Mean dari Mean sampai +1SD dari +1SD sampai +2SD dari +2SD sampai +3SD Total meliputi frekuensi sebesar: 2,15% 13,59% 34,13% 34,13% 13,59% 2,15% 99,74% atau dibulatkan 2% 14% 34% 34% 14% 2% 100%

Dari ciri-ciri distribusi normal teoritik itu kita dapat menguji apakah sesuatu distribusi empirik mengikuti ciri-ciri itu ataukah tidak. Hipotesa (nihil) yang hendak kita tes adalah bahwa f 0 dari distribusi gejala yang kita selidiki tidak menyimpang secara signifikan dari f h dalam distribusi normal teoritik. Tabel 65 menunjukkan distribusi empirik daripada intelegensi yang diperoleh dengan THORNDIKE Intelligence Examination. Para ahli telah mengetahui bahwa intelegensi adalah salah satu gejala psikologik yang dengan tertib mengikuti ciri-ciri distribusi normal. Misalkan kita andaikan pengetahuan itu belum ada pada kita, dan kita ingin menyelidiki buat pertama kalinya tentang normal tidaknya distribusi intelegensi. Mean dari distribusi itu = 81,59, dengan SD = 12,14. dari statistik-statistik itu kita dapat memperhitungkan interval nilai sepanjang distribusi yang terbagi menjadi 6 SD, yaitu dari -3SD sampai +3SD. Jika nilai-nilai diatas kita bulatkan dan distribusi itu kita golong-golongkan kembali menjadi 6 golongan secara konvensional, maka akan kita jumpai

distribusi seperti tercantum dalam tabel kerja dibawah ini. Kolom f h diisi atas dasar persentase kurva normal sebelumnya.

TABEL 65 DISTRIBUSI NILAI-NILAI THORNDIKE INTELLIGENCE EXAMINATION DARI 206 MAHASISWA TINGKAT I Nilai 115-119 110-114 105-109 100-104 99-94 90-94 85-89 80-84 75-79 70-74 65-69 60-64 55-59 50-54 45-49 Total
f0

1 2 4 10 13 18 34 30 37 27 15 10 2 2 1 206 Karena itu : +2SD keatas = 105,87 keatas. +1SD sampai +2SD = 93,43 105,87. Mean sa,pai +1SD = 81,59 93, 43. -1SD sampai Mean = 69,45 81,58. -2SD sampai -1SD = 57,31 69,45. -2SD kebawah = 57, 31 kebawah. M = 31,9 SD = 12,14

Jika nilai-nilai di atas kita bulatkan dan distribusi itu kita golong-golongkan kembali menjadi 6 golongan secara konvensional, maka akan kita jumpai

distribusi seperti yang tercantum pada tabel di bawah ini. Kolom f h diisi atas dasar persentase kurva normal.

TABEL 66 TABEL KERJA UNTUK MENCARI PROBABILITAS NORMALITAS DATA DALAM TABEL Interval distandarisasi 106-119 94-105 82-93 70-81 58-69 45-57 Total
f0
fh

f0 - fh

( f0 fh )2

( f0 fh )2 fh

6 28 66 76 26 4 206

4,12 28,84 70,04 70,04 28,84 4,12 206,00

+1,88 -0,84 -4,04 +5,96 -2,84 -0,12 0,0

3,5344 0,7056 16,3216 35,5216 8,0656 0,0144

0,8579 0,0245 0,2330 0,5072 0,2797 0,0035 1,9058

Derajat kebebasan untuk tes signifikasi ini adalah jumlah sel f h dikurangi satu, atau 6-1 =5. Dengan d.b.= 5 ini pada taraf signifikasi 5% batas penolakan hipotesanya =11,070. Nilai chi kuadrat yang kita peroleh sebesar 1,9058 itu ternyata jauh di bawah batas penolakan, sehingga dengan demikian hipotesa kita diterima. Distribusi intelegensi yang diperoleh itu ternyata tidak menyimpang dari distribusi normal. Cara pengetesan normalitas seperti yang dicontohkan diatas berlaku juga untuk semua penggolongan gejala yang kurang atau lebih dari enam golongan. Jika gejala digolongkan hanya menjadi tiga golongan, maka harus digunkan 2SD untuk tiap-tiap penggolongan. Sekiranya gejala diklasifikasi dalam 10 golongan, masing-masing golongan akan berjarak kira-kira 0,6SD. Jarak penggolongan dalam satuan SD ini didasarkan atas teori bahwa suatu distribusi normal teoritik terdiri dari 6SD. Pegangan pokok yang perlu diperhatikan adalah bahwa dalam

usaha menggolong-golongkan gejala untuk keperluan pengetesan normalitas ini dua macam. Statistika yang mutlak diperlukan adalah mean dan standard deviasi dari pada skor gejala yang diselidiki.

SATU DUA CATATAN TENTANG BATAS-BATAS PENGGUNAAN CHI KUADRAT Chi kuadrat memang merupakan salah satu teknik statistik yang kerap kali digunakan dalam penyelidikan-penyelidikan. Sungguhpun begitu, teknik ini mengandung dalam dirinya batas-batas penggunaan tertentu. (1) Chi kuadrat pada dasarnya hanya dapat digunakan untuk menganalisa data yang berwujud frekuensi. Perlu diingatkan kembali frekuensi adalah bilangan sebagai hasil daripada perhitungan atau counting. (2) Untuk pengetesan korelasi chi kuadrat hanya dapat menunjukkan apakah korelasi antara dua gejala (atau lebih) signifikan ataukah tidak. Dengan chi kuadrat sama sekali tak dapat diungkapkan kenyataan tentang besarkecilnya korelasi yang diselidiki. (3) Pada dasarnya chi kuadrat belum dapat menghasilkan kesimpulan yang memuaskan untuk menyelidiki tabel-tabel kontingensi dengan petak-petak kecil. Korelasi YATES pada umumnya hanya digunakan sekiranya jalan lain tertutup untuk bekerja dengan sampel-sampel yang lebih besar. Jika jumlah individu dan jumlah sampel cukup banyak, cara membuang atau mengkombinasikan kategori-kategori yang mempunyai petak kecil memberikan hasil yang lebih memuaskan. (4) Chi kuadrat paling tepat digunakan pada data yang diperoleh dari sampelsampel dan ketegori-kategori yang terpisah (eksklusif) satu sama lain. Data semacam ini disebut data kategorik, data diskrit, atau data nominal.

DAFTAR PUSTAKA

Cholil Munif, Muhammad. 1991. Chi Kuadrat Analisis Katagorik. Surabaya:Satgas Komputer Fakultas kedokteran Universitas Airlangga Sudiana, I Ketut dan Maruli Simamora. 2004. Statistika Dasar. Singaraja: Jurusan Pendidikan Kimia, Fakultas MIPA, Institut Keguruan dan Ilmu Pendidikan Negeri Singaraja Hadi, Sutrisno. 2000. Statistik. Yogyakarta: Penerbit Andi.