Chi-Kuadrat untuk Uji Independensi

Chi-Kuadrat dapat digunakan untuk uji independensi yang digunakan untuk

mengetahui apakah ada hubungan antara dua variable bila datanya berbentuk nominal.
Uji independensi merupakan uji antara dua variabel yaitu variabel satu dalam kolom
dan variabel kedua dalam baris atau yang biasa dikenal dengan Tabel Kontingensi.
Tabel Kontingensi adalah tabel berisi data dengan ukuran baris r dan kolom c yang
berisi data yang diperoleh dari sampel. Nilai-nilai yang terdapat pada perpotongan
kolom dan baris adalah isi sel tabel kontigensi dan merupakan frekuensi teramati.
Langkah melakukan Uji Independensi:
1. Menyusun Hipotesa. Hipotesa Ho biasanya menyatakan tidak ada hubungan
antara dua variabel, sedangkan Ha menyatakan ada hubungan antara dua
variabel.
2. Mengetahui nilai tabel dengan taraf nyata dan derajat bebas

= banyaknya baris

= banyaknya kolom

3. Menentukan frekuensi harapan di mana untuk setiap sel dirumuskan

4. Mencari nilai dengan rumus

5. Membuat keputusan.
maka Ho diterima dan Ha ditolak

maka Ho ditolak dan Ha diterima

6. Membuat kesimpulan.

Contoh Soal:
Dilakukan sebuah penelitian yang bertujuan untuk mengetahui apakah ada hubungan
antara jurusan dan metode pembelajaran yang disukai dalam proses pembelajaran di
kelas. Jurusan ada 3 macam yaitu, IPA, IPS, dan Bahasa, sedangkan metode
pembelajaran yang diterapkan ada 2 macam, yaitu ceramah dan multimetode.

1
Berdasarkan penelitian tersebut, diperoleh data sebagai berikut: yang menyukai metode
ceramah untuk jurusan IPA ada 68 orang, IPS ada 75 orang, dan Bahasa ada 57 orang.
Sedangkan yang menyukai multimetode untuk jurusan IPA ada 32 orang, IPS ada 45
orang, dan Bahasa ada 33 orang. Ujilah data tersebut dengan taraf signifikansi 5%!

KONTINGENSI HASIL OBSERVASI

Metode Pembelajaran
Jurusan Jumlah Sampel
Ceramah Multimetode
IPA 68 32 100
IPS 75 45 120
Bahasa 57 33 90
Jumlah 200 110 310

Langkah-langkah pengujian:
1. Tulis Hipotesis
Ho : Tidak ada hubungan antara jurusan dan metode pembelajaran yang disukai
dalam proses pembelajaran di kelas.
Ha : Ada hubungan antara jurusan dan metode pembelajaran yang disukai dalam
proses pembelajaran di kelas.
2. Menentukan daerah kritis. Taraf nyata yang digunakan adalah 5 % = 0,05 dan

derajat kebebasan . Nilai table

untuk df , dan adalah 5,9915.

3. Menentukan frekuensi harapan

Sehingga nilai fo dan fe dalam table kontingensi menjadi sebagai berikut:

Metode Pembelajaran Jumlah

Jurusan Ceramah Multimetode
Fo fe fo fe Sampel
IPA 68 64,52 32 35,48 100
IPS 75 77,42 45 42,58 120

2
 Bahasa 57 58,06 33 31,94 90

4. Menentukan nilai dengan menggunakan rumus dan dapat

disajikan dalam table sebagai berikut:

68 64,52 3,48 12,1104 0,187699

75 77,42 -2,42 5,8564 0,075644
57 58,06 -1,06 1,1236 0,019352
32 35,48 -3,48 12,1104 0,341330
45 42,58 2,42 5,8564 0,137538
33 31,94 1,06 1,1236 0,035178

Langkah 4 (Chi-Square) 0,796744

Jadi nilai hitung = 0,796744.

5. Menetukan keputusan. Nilai hitung dari tabel .

Dengan demikian Ho diterima dan Ha ditolak pada taraf signifikansi 5%. Oleh
sebab itu, dapat disimpulkan bahwa tidak ada hubungan antara jurusan dan
metode pembelajaran yang disukai dalam proses pembelajaran di kelas.

Dengan SPSS:
1. Buka program SPSS. Klik Variable View pada SPSS data editor.
2. Pada kolom Name baris pertama, isikan Jurusan. Pada Baris ke dua isiskan
MetodePembelajaran. Pada baris ketiga isikan Perhitungan.
3. Pada kolom Values baris pertama, klik kotak kecil, lalu akan muncul kotak
dialog Value Label. Pada kotak Value, isikan 1, pada kotak Label isikan IPA,
klik Add, pada kotak Value isikan 2, pada kotak Label isikan IPS, klik Add. Pada
kotak Value isikan 3, pada kotak Label isikan Bahasa, klik Add. Klik OK.
Pada kolom Value baris kedua, klik kotak kecil, lalu akan muncul kotak dialog
Value Label. Pada kotak Value, isikan 1, pada kotak Label isikan Ceramah, klik
Add, pada kotak Value isikan 2, pada kotak Label isikan Multimetode, klik Add.
Klik OK.
4. Pada kolom Measure baris pertama dan kedua ganti dengan Nominal, dan baris
ketiga tetap Scale
5. Buka data View dan isikan datanya. Pada kolom Jurusan isikan 1 untuk IPA, 2
untuk IPS, dan 3 untuk Bahasa. Pada kolom MetodePembelajaran isikan 1

3
 untuk Ceramah dan 2 untuk Multimetode. Pada kolom Perhitungan, isikan nilai
tiap masing-masing sel.
6. Setelah data diinput maka anda adalah harus menegaskan kepada SPSS bahwa
variabel PERHITUNGAN mewakili frekuensi untuk masing-masing unik
pengkodean Jurusan dan Metode Pembelajaran, dengan menerapkan perintah
DATA WEIGHT CASE.
7. Setelah muncul kotak dialog, pilih variabel PERHITUNGAN, pilih weight
case by kemudian pindahkan variabel PERHITUNGAN ke kotak Frequency
Variable dengan mengklik tanda panah. Klik OK.
8. Setelah itu pilih Analyze - Descriptive Statistic - Crosstabs, kemudian akan
muncul kotak dialog. Masukkan variabel Jurusan ke ROW, dan variabel
Metode Pembelajaran ke COLUMN, sedangkan untuk variabel Perhitungan
tidak perlu lagi, karena sudah dilakukan pada tahap sebelumnya.
9. Kemudian pilih button Statistic, centang chi-square. Lalu klik Continue dan
klik OK
10. Kemudian pilih button Cell, centang Observed dan centang juga Expected,
yang akan muncul pada output berupa table kontigensi dan table hasil yang
diharapkan. Lalu centang Unstandardized untuk melihat selisih nilai observed
dan expected. lalu klik Continue, dan OK
11. Setelah itu akan didapatkan output seperti berikut:

4
 a. Setelah output didapat, maka nilai Pearson Chi-Square = 0,798 dibandingkan
dengan Chi-square tabel. Pembandingan ini menggunakan derajat bebas dengan

rumus (baris 1)(kolom 1) = (3 1)(2 1) = 2 dan , maka nilai

kritiknya pada tabel sebaran chi-square adalah 5,9915 artinya

. Dengan demikian Ho diterima.

b. Dari hasil diatas dapat dilihat bahwa nilai Asymp. Sig.(2-sides) adalah 0,671
maka lebih besar dari 0,05 (0,671 > 0,05). Dengan demikian Ho diterima.
Dari kedua analisis di atas, dapat diambil keputusan yang sama, yaitu H o diterima
pada taraf signifikansi 5%. Dengan demikian dapat disimpulkan bahwa tidak ada
hubungan antara jurusan dan metode pembelajaran yang disukai dalam proses
pembelajaran di kelas.

Catatan:
o Likehood Ratio atau ukuran yang ada setelah Chi-Square, mempunyai fungsi yang
sama dengan Chi-Square, hanya alat ini banyak digunakan pada pengujian untuk model-
model logaritmik linier (loglinear). Namun, pada jumlah sampel atau kasus yang besar,
kedua angka hampir sama.
o Linear-by-Linear Association adalah fungsi koefisien korelasi Pearson, dan hanya
digunakan untuk variabel kuantitatif (tidak relevan untuk kasus ini).

5
TABEL DISTRIBUSI CHI-KUADRAT

6
7