Buku Pintar Minitab 15

ANALISIS DATA KATEGORIK
7.1 Uji Independensi Khi Kuadrat

Adakalanya kita menjumpai data yang bersifat kategorikal. Yang
dimaksud dengan kategorikal di sini adalah data terkelompokkan
berdasarkan kategori unit-unit eksperimen tertentu dan dihitung
jumlahnya berdasarkan pengkategorian tersebut. Apabila data
didasarkan menurut dua variabel kategori maka kita dapat
menyusun tabel kontingensi 2 x 2. Misalkan dari data tersebut, kita
ingin mengetahui indepedensi antara dua varibel, maka kita dapat
menganalisisnya menggunakan uji khi kuadrat sebagai alternatif uji
independensi.
Contoh 7.1
Sebuah pabrik konveksi home industri mencatat ada 300 konveksi
yang rusak dalam kurun satu bulan. Kerusakan ini kemudian
dikelompokkan pada 4 jenis berdasarkan tingkat kerusakan (misal
kerusakan I, II, III, dan IV). Si QC pabrik tersebut menduga jenis
kerusakan berhubungan dengan shift karyawan yang terbagi menjadi
3, yaitu shift pagi, siang, dan malam. Untuk menguji dugaan QC,
diperoleh data sesuai dengan Tabel 7.1.
Tabel 7.1. Tabel Data Contoh 7.1.
Kerusakan
Shift
II
III
IV
Pagi
15
21
45
13
Siang
26
31
34
Malam
33
17
49
11
141
Dengan tingkat signifikansi 5%, QC pabrik akan mencoba menguji

dugaannya.
Penyelesaian:
1. Konversi Data
Sebelum input data ke worksheet Minitab, data pada Tabel 7.1 perlu
dikonversi ke dalam bentuk Tabel 7.2 di bawah ini.
Tabel 7.2. Konversi Data Tabel 7.1.
142
K1
K2
K3
K4
K5
K6
K7
K8
K9
No
shift
tipe
No
shift
tipe
No
shift
tipe
101
201
102
202
103
203
104
204
105
205
106
206
107
207
108
208
109
209
10
110
210
11
111
211
12
112
212
13
113
213
14
114
214
15
115
215
16
116
216
17
117
217
18
118
218
19
119
219
20
120
220
21
121
221
22
122
222
23
123
223
24
124
224
25
125
225
K1
K2
K3
K4
K5
K6
K7
K8
K9
No
shift
tipe
No
shift
tipe
No
shift
tipe
26
126
226
27
127
227
28
128
228
29
129
229
30
130
230
31
131
231
32
132
232
33
133
233
34
134
234
35
135
235
36
136
236
37
137
237
38
138
238
39
139
239
40
140
240
41
141
241
42
142
242
43
143
243
44
144
244
45
145
245
46
146
246
47
147
247
48
148
248
49
149
249
50
150
250
51
151
251
52
152
252
53
153
253
54
154
254
55
155
255
56
156
256
57
157
257
58
158
258
59
159
259
143
144
K1
K2
K3
K4
K5
K6
K7
K8
K9
No
shift
tipe
No
shift
tipe
No
shift
tipe
60
160
260
61
161
261
62
162
262
63
163
263
64
164
264
65
165
265
66
166
266
67
167
267
68
168
268
69
169
269
70
170
270
71
171
271
72
172
272
73
173
273
74
174
274
75
175
275
76
176
276
77
177
277
78
178
278
79
179
279
80
180
280
81
181
281
82
182
282
83
183
283
84
184
284
85
185
285
86
186
286
87
187
287
88
188
288
89
189
289
90
190
290
91
191
291
92
192
292
93
193
293
K1
K2
K3
K4
K5
K6
K7
K8
K9
No
shift
tipe
No
shift
tipe
No
shift
tipe
94
194
294
95
195
295
96
196
296
97
197
297
98
198
298
99
199
299
100
200
300
Keterangan:
K2, K5, K8 adalah kolom shift dengan pemberian label 1
menunjukkan nilai untuk shift Pagi. Label 2: shift Siang, dan label 3:
shift Malam.
K3, K6, K9 adalah kolom kerusakan dengan pemberian label 1
menunjukkan nilai untuk Kerusakan jenis I. Label 2: Kerusakan jenis
II. Label 3: Kerusakan jenis III, dan label 4: Kerusakan jenis IV.
2. Input Data
Setelah konversi data, selanjutnya yang kita lakukan adalah input
data dengan melakukan langkah-langkah sebagai berikut.
Buka Minitab 15.
Arahkan kursor pada Worksheet 1***.
Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai
data pada kolom K1, K4, K7 pada Tabel 7.2.
Beri Nama kolom C2: Shift dan isi sel-sel pada kolom C2 sesuai
data pada kolom K2, K5, K8 pada Tabel 7.2.
Beri Nama kolom C3: Kerusakan dan isi sel-sel pada kolom C3
sesuai data pada kolom K3, K6, K9 pada Tabel 7.2.
Simpan file dengan nama: Chi1. Data dapat dibuka pada bonus
CD dengan nama Chi1.MPJ. Tampilan worksheet 1*** seperti
Gambar 7.1.
145
Gambar 7.1 Input data Chi1
3. Analisis Data
Pilih menu Stat Tables Cross Tabulation and Chi -Square...,
tampilan seperti Gambar 7.2.
Gambar 7.2 Stat Tables Cross Tabulation and Chi-Square...
146
Isi kotak dialog Cross Tabulation and Chi-Square dengan

mengisikan:
For rows: Shift, dengan cara arahkan kursor pada For rows
kemudian dobel klik pada C2 Shift, sehingga Shift secara
otomatis masuk pada For rows.
For column: Kerusakan, dengan cara arahkan kursor pada For
column kemudian dobel klik pada C3 Kerusakan sehingga
Kerusakan secara otomatis masuk pada For column. Tampilan
kotak dialog Display Descriptive Statistics seperti Gambar 7.3.
Gambar 7.3 Kotak dialog Cross Tabulation and Chi-Square
Klik Chi Square...

Klik Chi-Square analysis.
Klik Expected cell counts.
Klik OK, tampilan seperti Gambar 7.4.
Gambar 7.4 Kotak dialog Cross Tabulation - Chi-Square
147
Klik OK.
4. Output Analisis Data
Tabulated statistics: shift, Kerusakan

Rows: shift
Columns: Kerusakan
All
15
23.19
21
21.62
45
40.11
13
9.09
94
94.00
26
23.68
31
22.08
34
40.96
5
9.28
96
96.00
33
27.13
17
25.30
49
46.93
11
10.63
110
110.00
All
74
74.00
69
69.00
128
128.00
29
29.00
300
300.00
Cell Contents:
Count
Expected count
Pearson Chi-Square = 16.273, DF = 6, P-Value = 0.012
Likelihood Ratio Chi-Square = 16.804, DF = 6, P-Value =
0.010
5. Interpretasi Output Data

5.1. Frekuensi Amatan dan Estimasi Data
Rows: shift
1
Columns: Kerusakan
2
All
15
(23.19)
21
(21.62)
45
(40.11)
13
(9.09)
94
94.00
26
(23.68)
31
(22.08)
34
(40.96)
5
(9.28)
96
96.00
33
(27.13)
17
(25.30)
49
(46.93)
11
(10.63)
110
110.00
All
74
74.00
69
69.00
128
128.00
29
29.00
148
300
300.00
Analisis:
Dari informasi di atas nampak bahwa jumlah (frekuensi) tiap sel yang
teramati sudah sesuai dengan data Tabel 7.1. Apabila dibandingkan
dengan dua shift lainnya, nampak jumlah kerusakan terbanyak
terjadi pada shift malam, yaitu sebanyak 110 kerusakan. Adapun
angka di dalam kurung menunjukkan frekuensi yang diestimasi.
Misal frekuensi estimasi untuk kerusakan jenis I adalah 23.19 dan
seterusnya.
5.2. Uji Khi Kuadrat

Selanjutnya untuk menguji dugaan QC, dapat dilakukan uji Khi
Kuadrat dengan langkah-langkah sebagai berikut.
i.
Susun Hipotesis:
H 0 : Faktor shift dan kerusakan konveksi saling independen
H 1 : Faktor shift dan kerusakan konveksi tidak saling
independen
ii.
Tingkat Signifikansi = 0.05
iii.
Hitungan:

0.010
iv.
Kesimpulan:
Dari tabel di atas dapat diperoleh kesimpulan, yaitu:

Karena Pearson Chi- Square= 2 = 16.273 dan tolak H 0 jika 2
> (2r 1)(c 1), = (231)( 4 1),0.05 = 62,0.05 = 12.5916 maka H 0 ditolak.
Karena P-Value =0.012 dan tolak H 0 jika = 0.05 > P Value
maka H 0 ditolak.
Dengan kata lain, faktor shift dan kerusakan saling dependen, QC
bisa mengatakan bahwa kerusakan konveksi yang terjadi berkaitan
149
dengan shift karyawan yang diberlakukan pada pabrik tersebut.

Apabila diperhatikan dengan jumlah kerusakan pada tiap shift-nya,
QC dapat memfokuskan perhatiannya pada shift malam dengan
memberikan perlakuan tertentu pada karyawan, mengingat pada
shift tersebut kerusakan terjadi paling banyak.
7.2 Uji Homogenitas Khi Kuadrat

Khi Kuadrat dapat pula digunakan untuk menguji apakah sampel
yang diambil secara acak oleh eksperimenter sudah homogen sesuai
dengan populasinya.
Contoh 7.2
Data diambil dari Bhisma Murti (1996). Suatu hipotesis menyatakan
bahwa insidensi depresi di antara penderita hipoglikemia, lebih tinggi
yang tidak menderita hipoglikemia. Sebanyak 200 orang diobservasi
dan diperoleh data sesuai Tabel 7.3.
Tabel 7.3. Tabel Data Contoh 7.2.
Sampel
Depresi
Ya
Tidak
Hipoglikemia
30
20
Tidak Hipoglikemia
72
78
Dengan tingkat signifikansi 5%, akan dilakukan uji homogenitas

antara kedua sampel tersebut!
Penyelesaian:
1. Konversi Data
150

K1
K2
K3
K4
K5
K6
No
Sampel
Depresi
No
Sampel
Depresi
101
102
103
104
105
106
107
108
109
10
110
11
111
12
112
13
113
14
114
15
115
16
116
17
117
18
118
19
119
20
120
21
121
22
122
23
123
24
124
25
125
26
126
27
127
28
128
29
129
30
130
31
131
32
132
33
133
151
152
K1
K2
K3
K4
K5
K6
No
Sampel
Depresi
No
Sampel
Depresi
34
134
35
135
36
136
37
137
38
138
39
139
40
140
41
141
42
142
43
143
44
144
45
145
46
146
47
147
48
148
49
149
50
150
51
151
52
152
53
153
54
154
55
155
56
156
57
157
58
158
59
159
60
160
61
161
62
162
63
163
64
164
65
165
66
166
67
167
K1
K2
K3
K4
K5
K6
No
Sampel
Depresi
No
Sampel
Depresi
68
168
69
169
70
170
71
171
72
172
73
173
74
174
75
175
76
176
77
177
78
178
79
179
80
180
81
181
82
182
83
183
84
184
85
185
86
186
87
187
88
188
89
189
90
190
91
191
92
192
93
193
94
194
95
195
96
196
97
197
98
198
99
199
100
200
153
Keterangan:
K2, K5 adalah kolom sampel dengan pemberian label 1
menunjukkan nilai untuk Hipoglikemia. Label 2: Tidak Hipoglikemia
K3, K6 adalah kolom depresi dengan pemberian label 1
menunjukkan nilai untuk depresi, label 2: tidak depresi.
2. Input Data
data dengan melakukan langkah-langkah berikut.
Buka Minitab 15.
data pada kolom K1, K4 Tabel 7.4.
Beri Nama kolom C2: Sampel dan isi sel-sel pada kolom C2
sesuai data pada kolom K2, K5 Tabel 7.4.
Beri Nama kolom C3: Depresi dan isi sel-sel pada kolom C3
sesuai data pada kolom K3, K6 Tabel 7.4.
Simpan file dengan nama: Chi2. Data dapat dibuka pada bonus
CD dengan nama Chi1.MPJ.
Gambar 7.5 Input data Contoh Kasus 7.2
154
3. Analisis Data
Pilih menu Stat Tables Cross Tabulation and Chi -Square....
Isi kotak dialog Cross Tabulation and Chi-Square dengan:
For rows: Sampel, dengan cara arahkan kursor pada For

rows kemudian dobel klik pada C2 Sampel, sehingga Sampel
secara otomatis masuk pada For rows.
For column: Kerusakan, dengan cara arahkan kursor pada

For column kemudian dobel klik pada C3 Kerusakan
sehingga Kerusakan secara otomatis masuk pada For
column.
155
Klik Chi Square...
Klik Chi-Square analysis.
Gambar 7.8 Kotak dialog Cross Tabulation - Chi-Square
Klik OK.
Tabulated statistics: Sampel, Depresi

Rows: Sampel
1
2
All
Columns: Depresi
All
30
72
102
20
78
98
50
150
200
Cell Contents:
Count

0.140

Rows: Sampel
1
2
All
156
Columns: Depresi
All
30
72
102
20
78
98
50
150
200
Analisis:
Sebanyak 200 pasien diobservasi terdiri atas 50 orang sampel I yang
merupakan penderita hipoglikemia dan 150 bukan penderita
hipoglikemia. Dari 50 orang hipoglikemia tersebut sebanyak
30 orang mengalami depresi, dan dari 150 orang bukan penderita
hipoglikemia sebanyak 72 orang menderita depresi. Selanjutnya uji
homogenitas dapat dilakukan dengan langkah-langkah uji sebagai
berikut.
i.
Susun Hipotesis:
H 0 : Sampel I dan II homogen
H 1 : Sampel I dan II tidak homogen
ii.
Tingkat Signifikansi = 0.05
iii.
Hitungan:
iv.
Kesimpulan:
Dari tabel di atas nampak dapat diperoleh kesimpulan, yaitu:

2
Karena Pearson Chi- Square= 2 = 2.161 dan tolak H 0 jika >
(2r 1)(c 1), = (22 1)(2 1),0.05 = 12,0.05 = 3.84146 maka H 0 tidak ditolak
Karena P-Value =0.142 dan tolak H 0 jika = 0.05 > P Value
maka H 0 tidak ditolak.
Dengan kata lain, sampel I dan sampel II homogen, kita dapat
mengatakan pula bahwa insidensi depresi penderita hipoglikemia
belum tentu lebih tinggi daripada yang bukan penderita hipoglikemia.
7.3 Uji Pasti Fisher

Menurut Fisher (1973), uji ini dapat digunakan untuk mengetahui
ada tidaknya hubungan antara dua variabel yang bersifat kategorikal
157
(dalam Murti B, 1996). Masih diambil dari buku yang sama, akan
diuraikan contoh kasus penggunaan uji pasti Fisher.
Contoh 7.3
Data diambil dari buku Murti B (1996). Suatu eksperimen dilakukan
untuk mengetahui manfaat pemakaian obat indomethacine atau
plasebo pada bayi prematur terhadap penutupan ductus ateriosus.
Data sesuai dengan Tabel 7.5.
Tabel 7.5. Data Contoh Kasus 7.3.
Penutupan Ductus
Arteriosus
Perlakuan
Indomethacine
Plasebo
Ya
Tidak
Dengan tingkat signifikansi 5%, akan dilakukan uji pasti Fisher.

Penyelesaian:
1. Konversi Data
158
No
Penutupan
Perlakuan
10
11
No
Penutupan
Perlakuan
12
13
14
15
Keterangan:
Kolom penutupan dengan pemberian label 1 menunjukkan nilai
untuk penutupan Dusctu s Arteriosus (Ya), dan label 2 menunjukkan
nilai untuk penutupan Dusctu s Arteriosus (Tidak).
Kolom perlakuan dengan pemberian label 1 menunjukkan nilai untuk
Indomethacine dan label 2 menunjukkan nilai untuk plasebo.
2. Input Data
data dengan melakukan langkah-langkah sebagai berikut.
Buka Minitab 15.
data pada kolom 1 Tabel 7.6.
Beri Nama kolom C2: Penutupan dan isi sel-sel pada kolom C2
sesuai data pada kolom 2 Tabel 7.6.
Beri Nama kolom C3: Perlakuan dan isi sel-sel pada kolom C3
sesuai data pada kolom 3 Tabel 7.6.
Simpan file dengan nama: Fisher. Data dapat dibuka pada bonus
CD dengan nama Fisher.MPJ. Tampilan worksheet 1*** seperti
Gambar 7.9.
159
Gambar 7.9 Input data Fisher
3. Analisis Data
Pilih menu Stat Tables Cross Tabulation and Chi -Square...,
tampilan seperti Gambar 7.10.
160
Isi kotak dialog Cross Tabulation and Chi-Square dengan

mengisikan:
For rows: Penutupan, dengan cara arahkan kursor pada For

rows kemudian dobel klik pada C2 Penutupan sehingga
Penutupan secara otomatis masuk pada For rows.
For column: Perlakuan, dengan cara arahkan kursor pada For

column kemudian dobel klik pada C3 Perlakuan sehingga
Perlakuan secara otomatis masuk pada For column.
Klik Other Stats...
Klik Fishers exact test for 2x2 tables.
Gambar 7.12 Kotak dialog Cross Tabulation Other Statistics
161
Klik OK.
Tabulated statistics: Penutupan, Perlakuan

Rows: Penutupan
1
2
All
All
5
2
7
1
7
8
6
9
15
Cell Contents:
Columns: Perlakuan
Count
Fisher's exact test: P-Value =
0.0405594

Rows: Penutupan
1
2
All
All
5
2
7
1
7
8
6
9
15
Columns: Perlakuan
Analisis:
Dari tabel kontingensi di atas menunjukkan bahwa pemberian
indomethacine pada bayi prematur, sebanyak 5 bayi mengalami
penutupan Ductus Arteriosus dan 2 bayi tidak mengalaminya.
Adapun dengan pemberian obat placebo, hanya 1 bayi yang
mengalami penutupan Dustus Arteriosus, sedangkan 7 bayi tidak
mengalaminya. Untuk menguji kemaknaan antara variable
Penutupan dan Perlakuan dilakukan uji Pasti Fisher dengan langkahlangkah sebagai berikut.
i.
Susun Hipotesis:
H 0 : Pemakaian obat Indomethacine dan Plasebo mempengaruhi pada penutupan Dustus Arteriosus bayi prematur.
162
H 1 : Pemakaian obat Indomethacine dan Plasebo tidak mempengaruhi pada penutupan Dustus Arteriosus bayi prematur.
ii.
Dipilih tingkat signifikansi 1%.
iii. Hitungan:
Fisher's exact test: P-Value =
0.0405594
iv. Kesimpulan:
Karena diperoleh Fishers exact test: P-Value=0.0405594 dan H 0
ditolak jika =0.01> P-Value maka diperoleh analisis bahwa H 0
tidak ditolak. Dengan kata lain, pemberian obat Indomethacine dan
Plasebo dapat mempengaruhi penutupan Dustus Arteriosus pada
bayi prematur.
***
163

Buku Pintar Minitab 15

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Pintar Minitab 15

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS DATA KATEGORIK

7.1 Uji Independensi Khi Kuadrat

Dengan tingkat signifikansi 5%, QC pabrik akan mencoba menguji

Gambar 7.1 Input data Chi1

Gambar 7.2 Stat Tables Cross Tabulation and Chi-Square...

Isi kotak dialog Cross Tabulation and Chi-Square dengan

Gambar 7.3 Kotak dialog Cross Tabulation and Chi-Square

Klik Chi Square...

Gambar 7.4 Kotak dialog Cross Tabulation - Chi-Square

Tabulated statistics: shift, Kerusakan

5. Interpretasi Output Data

5.2. Uji Khi Kuadrat

Tingkat Signifikansi = 0.05

Pearson Chi-Square = 16.273, DF = 6, P-Value = 0.012

Dari tabel di atas dapat diperoleh kesimpulan, yaitu:

dengan shift karyawan yang diberlakukan pada pabrik tersebut.

7.2 Uji Homogenitas Khi Kuadrat

Dengan tingkat signifikansi 5%, akan dilakukan uji homogenitas

Tabel 7.4. Konversi Data Tabel 7.3.

Gambar 7.5 Input data Contoh Kasus 7.2

Gambar 7.6 Stat Tables Cross Tabulation and Chi-Square...

Isi kotak dialog Cross Tabulation and Chi-Square dengan:

For rows: Sampel, dengan cara arahkan kursor pada For

For column: Kerusakan, dengan cara arahkan kursor pada

Gambar 7.7 Kotak dialog Cross Tabulation and Chi-Square

Klik Chi Square...

Klik Chi-Square analysis.

Klik OK, tampilan seperti Gambar 7.8.

Gambar 7.8 Kotak dialog Cross Tabulation - Chi-Square

Tabulated statistics: Sampel, Depresi

Pearson Chi-Square = 2.161, DF = 1, P-Value = 0.142

5. Interpretasi Output Data

Tingkat Signifikansi = 0.05

Pearson Chi-Square = 2.161, DF = 1, P-Value = 0.142

Dari tabel di atas nampak dapat diperoleh kesimpulan, yaitu:

7.3 Uji Pasti Fisher

Dengan tingkat signifikansi 5%, akan dilakukan uji pasti Fisher.

Gambar 7.9 Input data Fisher

Gambar 7.10 Stat Tables Cross Tabulation and Chi-Square...

Isi kotak dialog Cross Tabulation and Chi-Square dengan

For rows: Penutupan, dengan cara arahkan kursor pada For

For column: Perlakuan, dengan cara arahkan kursor pada For

Gambar 7.11 Kotak dialog Cross Tabulation and Chi-Square

Klik Other Stats...

Klik Fishers exact test for 2x2 tables.

Klik OK, tampilan seperti Gambar 7.12.

Gambar 7.12 Kotak dialog Cross Tabulation Other Statistics

Tabulated statistics: Penutupan, Perlakuan

Fisher's exact test: P-Value =

5. Interpretasi Output Data

Dipilih tingkat signifikansi 1%.

Anda mungkin juga menyukai