Tabel Chi-Square dan Cara

Menggunakannya

tabel chi-square

Tabel Chi-Square dan Cara Menggunakannya

Tabel Chi Square Apa itu chi square? Chi Square merupakan salah jenis uji hipotesa yang dikenal
dalam statistik. Distribusi chi square dilambangkan dengan 2. Kegunaan Uji Chi Square adalah
untuk menguji hubungan ataupengaruh dua buah variabel nominal dan mengukur kuatnya
hubungan antara variabel yang satu dengan variabel nominal lainnya (C = Coefisien
of contingency).

Karakteristik ChiSquare:

Nilai ChiSquare selalu positip.

Terdapat beberapa keluarga distribusi ChiSquare, yaitu distribusi ChiSquare dengan
DK=1, 2, 3, dst.
Bentuk Distribusi ChiSquare adalah menjulur positip.Semakin besar derajat bebas,
semakin mendekati distribusi normal.
df = k 1, dimana k adalah jumlah katagori. Jadi bentuk distribusi chi square tidak
ditentukan banyaknya sampel, melainkan banyaknya derajat bebas.

Rumus Chi Square

 2: Nilai chi-kuadrat
fe: Frekuensi yang diharapkan
fo: Frekuensi yang diperoleh/diamati

Tabel Chi-Square

Berikut ini tabel Chi-Square dengan derajat kebebasan dari 1-100 dan alpha 0,001, 0,01, dan
0,05

df P = 0.05 P = 0.01 P = 0.001 df P = 0.05 P = 0.01 P = 0.001

1 3.84 6.64 10.83 51 68.67 77.39 87.97
2 5.99 9.21 13.82 52 69.83 78.62 89.27
3 7.82 11.35 16.27 53 70.99 79.84 90.57
4 9.49 13.28 18.47 54 72.15 81.07 91.88
5 11.07 15.09 20.52 55 73.31 82.29 93.17
6 12.59 16.81 22.46 56 74.47 83.52 94.47
7 14.07 18.48 24.32 57 75.62 84.73 95.75
8 15.51 20.09 26.13 58 76.78 85.95 97.03
9 16.92 21.67 27.88 59 77.93 87.17 98.34
10 18.31 23.21 29.59 60 79.08 88.38 99.62
11 19.68 24.73 31.26 61 80.23 89.59 100.88
12 21.03 26.22 32.91 62 81.38 90.80 102.15
13 22.36 27.69 34.53 63 82.53 92.01 103.46
14 23.69 29.14 36.12 64 83.68 93.22 104.72
15 25.00 30.58 37.70 65 84.82 94.42 105.97
16 26.30 32.00 39.25 66 85.97 95.63 107.26
17 27.59 33.41 40.79 67 87.11 96.83 108.54
18 28.87 34.81 42.31 68 88.25 98.03 109.79
19 30.14 36.19 43.82 69 89.39 99.23 111.06
20 31.41 37.57 45.32 70 90.53 100.42 112.31
21 32.67 38.93 46.80 71 91.67 101.62 113.56
22 33.92 40.29 48.27 72 92.81 102.82 114.84
23 35.17 41.64 49.73 73 93.95 104.01 116.08
24 36.42 42.98 51.18 74 95.08 105.20 117.35
25 37.65 44.31 52.62 75 96.22 106.39 118.60
26 38.89 45.64 54.05 76 97.35 107.58 119.85
27 40.11 46.96 55.48 77 98.49 108.77 121.11
28 41.34 48.28 56.89 78 99.62 109.96 122.36
29 42.56 49.59 58.30 79 100.75 111.15 123.60
30 43.77 50.89 59.70 80 101.88 112.33 124.84
31 44.99 52.19 61.10 81 103.01 113.51 126.09
32 46.19 53.49 62.49 82 104.14 114.70 127.33
33 47.40 54.78 63.87 83 105.27 115.88 128.57
34 48.60 56.06 65.25 84 106.40 117.06 129.80
35 49.80 57.34 66.62 85 107.52 118.24 131.04
36 51.00 58.62 67.99 86 108.65 119.41 132.28
37 52.19 59.89 69.35 87 109.77 120.59 133.51
38 53.38 61.16 70.71 88 110.90 121.77 134.74
39 54.57 62.43 72.06 89 112.02 122.94 135.96
40 55.76 63.69 73.41 90 113.15 124.12 137.19
41 56.94 64.95 74.75 91 114.27 125.29 138.45
42 58.12 66.21 76.09 92 115.39 126.46 139.66
43 59.30 67.46 77.42 93 116.51 127.63 140.90
44 60.48 68.71 78.75 94 117.63 128.80 142.12
45 61.66 69.96 80.08 95 118.75 129.97 143.32
46 62.83 71.20 81.40 96 119.87 131.14 144.55
47 64.00 72.44 82.72 97 120.99 132.31 145.78
48 65.17 73.68 84.03 98 122.11 133.47 146.99
49 66.34 74.92 85.35 99 123.23 134.64 148.21
50 67.51 76.15 86.66 100 124.34 135.81 149.48

Cara Membaca Tabel Chi-Square

Sama seperti dalam tabel T, dalam tabel ci-square ada yang namannya tingkata signifikasi ( )
serta derajad kebebasan (dk) atau degree of freedom. Tingkat signifikansi merupakan ukuran
seberapa besar keyakinan yang kita ambil. Misalnya jika nilai (alpha) adalah 0,01 maka kita
memiliki keyakinan bahwa keputusan yang kita ambil 90% benar. Jika kita mengambil (alpha)
sebesar 0,01 maka kita memiliki keyakinan 90% keputusan yang kita ambil adalah benar. Derajat
kebebasan didapat dengan rumus n-1. Jadi jika kita memiliki n observasi maka derajad bebasnya
adalah n-1. Jika obyek yang kita teliti berjumlah 60 maka derajad bebasnya adalah 60-1 = 59.
Contoh
kita ingin mencari berapa nilai di tabel chi-square untuk df = 50 dengan tingkat signifikansi 0,05,
maka kita lihat di kolom derajat signifikasi sebesar 0,05 kemudian tarik kebawah hingga ketemu
angka derajat kebebasan di angka 59. Sobat akan menemukan angka 77.93
Download tabel chi-square dalam format PDF
Distribusi chi-kuadrat Dengan Microsoft
Excel
Para chi-square distribusi umumnya digunakan untuk membuat kesimpulan tentang varians
populasi.

Jika suatu populasi mengikuti distribusi normal, Anda dapat menarik sebuah sampel berukuran N
dari distribusi ini dan membentuk jumlah nilai standar kuadrat (chi-kuadrat). Hal ini variabel
acak chi-square mengikuti distribusi probabilitas chi-kuadrat dengan derajat kebebasan n (df),
dimana n adalah bilangan bulat positif sama dengan N-1. Derajat kebebasan menentukan
parameter bentuk distribusi. Dengan derajat lebih kebebasan, condong kurang.

CHIDIST

Fungsi CHIDIST kembali daerah ini di ekor atas distribusi chi-kuadrat. Anda menggunakan
fungsi CHIDIST cara yang sama Anda akan menggunakan tabel distribusi chi-kuadrat. Fungsi
CHIDIST menggunakan sintaks berikut:

= CHIDIST (x, df)

Sebagai contoh, jika Anda menarik sampel acak dari 16 dari suatu populasi dan ingin mencari
probabilitas dari nilai chi-kuadrat sampel (x) 25 atau lebih besar, Anda akan memasukkan:

= CHIDIST (25,15)

Fungsi mengembalikan nilai 0.049943, yang berarti bahwa nilai 25 atau lebih harus dalam
jangka panjang terjadi sekitar lima kali dalam seratus.

CHIINV

Anda dapat menggunakan fungsi untuk membuat perkiraan CHIINV interval kepercayaan dari
varians populasi. Artinya, Anda menggunakan fungsi CHIDIST jika Anda tahu x dan ingin
mencari probabilitas, dan Anda menggunakan fungsi CHIINV jika Anda memiliki probabilitas
dan ingin menemukan x. Sebagai contoh, jika Anda sedang menciptakan produk dan berat
sampel dari 18 unit untuk menemukan varians sampel sebesar 0,36, Anda mungkin ingin untuk
membangun sebuah estimasi interval keyakinan 90% dari varians populasi untuk produk.
Dengan ukuran sampel dari 18, Anda memiliki 17 derajat kebebasan.

Untuk menemukan batas atas, masukkan:

= CHIINV (0.95,17)

Untuk menemukan batas bawah, masukkan:

= CHIINV (0.05,17)

Rumus-rumus ini mengembalikan nilai 8,67175 dan 27,5871. Kalikan varians sampel sebesar
0,36 dengan derajat kebebasan dan membagi produk ini oleh masing-masing nilai kembali dari
fungsi CHIINV untuk menemukan batas bawah dan atas dari interval kepercayaan. Anda dapat
mengambil akar kuadrat dari nilai-nilai untuk membangun perkiraan interval deviasi standar
populasi.

CHITEST

Para uji chi-kuadrat digunakan untuk menguji independensi dari dua variabel. Anda dapat
menggunakan uji chi-kuadrat untuk menentukan apakah ada perbedaan yang signifikan antara
frekuensi yang diamati dan diharapkan. Sebagai contoh, jika Anda ingin mengetahui apakah
preferensi minuman ringan berbeda antara pria dan wanita peminum, Anda dapat membangun
sebuah hipotesis nol bahwa preferensi minuman ringan adalah independen dari jenis kelamin
peminum, dan menciptakan berbagai lembar kerja, atau tabel, yang diharapkan hasil berdasarkan
sampel dari 93 pria dan 85 peminum peminum perempuan. Anda kemudian dapat membuat tabel
dari hasil temuan studi yang sebenarnya.

TIP: Anda dapat menggunakan tes fungsi Microsoft Excel Fisher s bukan uji chi-kuadrat untuk
menganalisis tabel kontingensi s dengan dua baris dan dua kolom. Uji Fisher s selalu
mengembalikan nilai p yang tepat, sedangkan uji chi-kuadrat hanya mengembalikan nilai p
perkiraan. Jelas menghindari uji chi-kuadrat ketika angka dalam tabel kontingensi yang sangat
kecil (di digit tunggal).

Rumus CHITEST menggunakan sintaks berikut:

= CHITEST (kisaran aktual, kisaran yang diharapkan)

mana kisaran aktual adalah data dalam tabel hasil sampel aktual dan kisaran yang diharapkan
adalah data dari tabel hasil yang diharapkan.

Rumus mengembalikan nilai p. Anda menolak hipotesis nol jika nilai ini kurang dari tingkat
signifikansi alpha. Jadi jika tingkat signifikansi 0,05, Anda akan menolaknya, tetapi tidak jika
tingkat signifikansi 0,025 atau 0,01. Tes untuk kemerdekaan adalah uji satu-ekor, sehingga
tingkat signifikansi .05 sesuai dengan tingkat kepercayaan 95%.
Chi Square Goodness of Fit Test in Excel
There are different types of Chi Square tests:

Chi Square Goodness of Fit Tests - see below

Chi Square test of a Contingency Table
Fisher Exact Test for 2X2 Tables - Use Fisher's Exact Test for 2x2 tables.

Chi Square Goodness of Fit Test

A Chi Square Goodness of Fit test evaluates the probabilities of multiple outcomes.

Las Vegas Dice Chi Square Goodness of Fit Test Example

Let's say you want to know a six-sided die is fair or unfair (Advanced Statistics by Dr. Larry
Stephens). So we develop a null hypothesis (H0) that the die is fair (each side will have an equal
probability of coming up) and the alternate hypothesis (Ha ) that one or more of the sides will
come up more often.:

H0: p1 = p2 = p3 = p4 = p5 = p6 = 1/6
Ha : At least one p is not equal to 1/6

Now, test 120 rolls of the die and enter the data into Excel (120 tries = expected number of 20
per side):

Then, in an empty cell, begin typing the formula "=chitest(". Excel will prompt for the observed
and expected ranges:

Use your mouse to select the Observed (actual_range) and Expected range. Put a comma
between the two and a parenthesis at the end and hit return.
The Chi Square test will calculate the probability (i.e., p value) of all sides being equal:

Interpreting the Chi Square Goodness of Fit results

If Then

p value < a Reject the null hypothesis

p value > a Accept the null hypothesis

In the above results the p value = 4.55759E-05 (0.0000456) which is dramatically lower than our
alpha value of 0.05, so, we can reject the null hypothesis that the die is fair.

Chi-Square
1. Enter your observed results on one row and your expected results on a second row
on the Excel spreadsheet (see the example below). After the data has been entered,
place the cursor where you wish to have the significance test for chi-square appear
and click the mouse button. Now move the cursor to the Function Wizard (fx) button
and click on it.
2. A dialog box will appear. Click on Statistical from the left section of the box and
CHITEST on the right section. After you have made those two selections, click on
Next> at the bottom of the dialog box.

3. Enter the cell range for your observed data in the actual_range box. For example,
if the data for your first variable were in row 2 from column B to D, you would enter
B2:D2. Instead of typing the range, you can also move the cursor to the beginning of
the set of scores you wish to use and click and drag the cursor across them. Do the
same for the expected results in the expected_range box. Once you have entered the
range for both variables, click on Finish at the bottom of the dialog box.
4. The significance test for chi-square goodness of fit will appear in the cell you
selected.