1

BAB 1. PENDAHULUAN

1.1 Latar Belakang

Sebagai sesuatu yang berkenaan dengan data numerikal, statiska sudah banyak
digunakan oleh berbagai negara, misalnya untuk mendaftar jumlah penduduk,
perpajakan, pencatatan personel militer, dn lain sebagainya. Dengan semakin
berkembangnya zaman, dewasa ini penggunaan statistika sudah semakin meluas
di berbagai bidang kegiatan. Statistika tidak lagi hanya dignakan untuk
kepentingan pemerintahan saja melainkan meluas sampai pada bidang bisnis,
ekonomi, kedokteran, pendidikan, dan lain sebagainya.

Pada sebuah data statistik dimana variabel yang dihubungkan bersifat

numerik, maka analisis menggunakan korelasi merupakan salah satu pilihan.
Namun jika kedua variabel yang dihubungkan bersifat kategorik, maka
penggunaan analisis korelasi tidak bisa lagi digunakan karena angka pada suatu
kategori hanya berupa kode bukan nilai yang sebenarnya sehingga operasi
aritmatika tidak sah untuk kasus data kategorik. Dalam kasus seperti ini analisis
chi-square dapat digunakan untuk mengetahui apakah ada hubungan (asosiasi)
dan perbedaan (komparasi) anttar variabel-variabel kategorik tersebut. Oleh
karena itu penulisan makalah ini perlu dilakukan untuk meningkatkan pemahaman
chi square (kai kuadrat) dan uji prasyarat analisis yang baik dan benar dalam
sebuah penelitian

1.2 Rumusan Masalah

1. Bagaimana penggunaan Chi Square dalam metode statistik?
2. Apa saja syarat penggunaan Chi Square?
3. Apa yang dimaksud Fisher Exact Test dan Koreksi Yates?

1.3 Tujuan dan Manfaat

1.3.1 Tujuan
1. Untuk mengetahui bagaimana penggunaan Chi Square dalam metode
statistik.
 2

2. Untuk mengetahui syarat-syarat penggunaan Uji Chi Square.

3. Untuk mengetahui penggunaan Fisher Exact Test dan Koreksi
Yates dalam uji Chi Square
1.3.2 Manfaat
1. Dapat memahami penggunaan Chi Square dalam metode statistik.
2. Memahami syarat-syarat penggunaan Chi Square.
3. Memahami cara penggunaan Fisher Exact Test dan Koreksi Yates
dalam uji Chi Square
 3

BAB 2. TINJAUAN PUSTAKA

2.1 Statistik Non-Parametrik

Metode statistik nonparametrik merupakan metode statistik yang dapat

digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan
metode statistic parametrik, terutama yang berkaitan dengan distribusi
normal. Istilah lain yang sering digunakan untuk statistik nonparametrik adalah
statistik bebas distribusi (distribution free statistics) dan uji bebas asumsi
(assumption-free test). Statistik nonparametric banyak digunakan pada
penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial pada
umunya berbentuk kategori atau berbentuk rangking.

Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga
sebagai statistik bebas sebaran (distribution free). Statistik nonparametrik
tidak mensyaratkan bentuk sebaran parameter populasi berdistribusi normal.
Statistik nonparametrik dapat digunakan untuk menganalisis data yang
berskala nominal atau ordinal karena pada umumnya data berjenis nominal dan
ordinal tidak menyebar normal. Dari segi jumla data, pada umumnya statistik
nonparametrik digunakan untuk data berjumlah kecil (n <30). Adapun macam-
macamnya yaitu Uji Tanda, Uji Peringkat 2 Sampel Wilcoxon, Uji Korelasi
Peringkat Spearman, Uji Konkordansi Kendall, Uji Run(s), Uji Median, dan Uji
Chi Square.

2.1.1 Keunggulan Statistik Nonparametrik

Beberapa keunggulan dari statistik nonparametrik antara lain :

a. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika
pengujian data menunjukkan bahwa salah satu atau beberapa asumsi
yang mendasari uji statistik parametrik. (misalnya mengenai sifat
 4

distribusi data) tidak terpenuhi, maka statistik nonparametrik lebih

sesuai diterapkan dibandingkan statistic parametrik.
b. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan
mudah, sehingga hasil penelitian segera dapat disampaikan.
c. Untuk memahami konsep-konsep dan metode-metodenya tidak
memerlukan dasar matematika serta statistika yang mendalam.
d. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita
menghadapi keterbatasan data yang tersedia, misalnya jika data telah
diukur menggunakan skala pengukuran yang lemah (nominal atau
ordinal).
e. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode
parametrik untuk jumlah sampel yang sedikit.

2.1.1 Keterbatasan Statistik Nonparametrik

Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan.

Beberapa keterbatasan statistik nonparametrik antara lain:

a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji

nonparametric meskipun lebih cepat dan sederhana, akan menyebabkan
pemborosan informasi.
b. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih
rendah dibandingkan dengan metode parametrik.

2.2 Uji Chi Square

Sebuah metode statistika nonparametrik yang paling terkenal dan banyak

digunakan ialah uji kai kuadrat. Uji ini tidak dibatasi oleh asumsi-asumsi ketat
tentang jenis populasi maupun parameter populasi, yang dibutuhkan hanya derajat
bebas. Uji kai kuadrat menggunakan teknik goodness of fit, yaitu dapat digunakan
untuk menguji apakah terdapat perbedaan yang nyata antara banyak yang diamati
yang masuk dalam masing-masing kategori dengan banyak yang diharapkan
berdasarkan hipotesis nol. (Suciptawati, 2010). Chi square test atau tes kai kuadrat
 5

tergolong ke dalam jenis statistik nonparametrik sehingga chi square test tidak
memerlukan syarat data berdistribusi normal (Sufren dan Natanael, 2013).
Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu
sampel atau satu variabel, yang terdiri atas dua kategori atau lebih. Selain itu
dapat digunakan untuk menguji hipotesis komparatif 2 sampel atau 2 variabel
serta untuk menguji hipotesis asosiatif yang berskala nominal.

2.2.1 Chi Square untuk Uji Hipotesis Deskriptif Satu Sampel

Menurut Sugiyono (2013), Chi square satu sampel adalah teknik statistik
yang digunakan untuk menguji hipotesis deskriptif bila dalam populasi terdiri atas
dua atau lebih klas, data berbentuk nominal dan sampelnya besar. Yang dimaksud
hipotesis deskriptif dapat merupakan estimasi/dugaan terhadap ada tidaknya
perbedaan frekuensi antara kategori satu dan kategori lain dalam sebuah sampel
tentang sesuatu hal.
Rumus :

Dimana:
2 = Chi square
= Frekuensi yang diobservasi
= Frekuensi yang diharapkan

2.2.2 Chi Square untuk Uji Hipotesis Komparatif Dua Sampel Independen

Menguji komparatif dua sampel independen berarti menguji signifikansi

perbedaan nilai dua sampel yang tidak berpasangan. Sampel independen biasanya
digunakan dalam penelitian yang menggunakan pendekatan penelitian survey,
sedangkan sampel berpasangan banyak digunakan dalam penelitian eksperimen.
Chi square digunakan untuk menguji hipotesis komparatif dua sampel bila
 6

datanya berbentuk nominal dan sampelnya besar. Cara perhitungan dapat

menggunakan rumus yang telah ada atau dapat menggunakan tabel kontingensi
2x2 (2 baris x 2 kolom) (Sugiyono, 2013).
Untuk menguji hipotesis ini, hitung jumlah individu dari tiap kelompok yang
termasuk ke dalam berbagai kategori dan bandingkan jumlah individu dari satu
kelompok dalam berbagai kategori dengan kelompok lainnya.
Tabel Kontingensi :
Sampel Frekuensi pada: Jumlah Sampel
Obyek I Obyek II
Sampel A A B A+B
Sampel B C D C+D
Jumlah A+C B+D N

N = jumlah sampel
Rumus :

2.2.3 Chi Square untuk Uji Hipotesis Komparatif K Sampel Independen

Chi square k sampel digunakan untuk menguji hipotesis komparatif lebih
dari dua sampel, atau untuk memeriksa apakah sampel-sampel yang diambil
secara acak variabelnya berasal dari populasi yang homogen bila datanya
berbentuk diskrit atau nominal. Dalam uji ini hipotesis nol adalah frekuensi atau
proporsi k sampel berasal dari populasi yang sama atau populasi yang identik
(Suciptawati, 2010).

Rumus :
 7

Dimana:

2 = Chi square
= Frekuensi yang diobservasi
= Frekuensi yang diharapkan

2.3 Ketentuan Pemakaian Chi Square

Sebelum menggunakan metode chi square dalam pengujian hipotesis, maka

perlu diperhatikan ketentuan-ketentuan berikut agar chi square dapat digunakan
dengan baik, antara lain :

1. Jumlah sampel harus cukup besar untuk meyakinkan bahwa terdapat

kesaman antara distribusi teoritis dengan dengan distribusi sampling chi
square.
2. Pengamatan harus bersifat independen (unpaired). Hal ini berarti bahwa
jawabab satu subjek tidak berpengaruh terhadap jawaban subjek lainatau
satu subjek hanya satu kali digunakan dalam analisis.
3. Pengujian chi square hanya dapat digunakan pada deskrit (data frekuensi
atau data kategori) atau data kontinu yang telah dikelompokkan menjadi
kategori.
4. Jumlah frekuensi yang diharapkan harus sama dengan frekuensi yang
diamati.
5. Pada derajat kebebasan sama dengan 1 (tabel 2x2) tidak boleh ada nilai
ekspektasi yang sangat kecil. Secara umum, bila nilai yang diharapkan
terletakdalam satu sel terlalu kecil (<5) sebaiknya chi kuadrat tidak
digunakan karena dapat menimbulkan tafsiran yang berlebih (over
estimete) sehingga banyak hipoteis yang ditolak kecuali dengan
menggunakan koreksi yates.
6. Apabila bentuk atabel lebih dari 2x2, maka jumlah cell dengan frekuensi
harapan kerang dari lima (<5) tidak boleh lebih dari 20%.
 8

Adanya nilai ekspektasi yang lebih kecil dari 5 tidak akan banyak
mempengaruhi hasil yang diinginkan. Pada pengujian chi square dengan banyak
kategori, jika terdapat lebih dari satu nilai ekspektasi kurang dari 5 maka niali-
nilai ekspektasi dapat digabungkan dengan konsekuensi jumlah kategori akan
berkurang dan informasi yang diperoleh juga berkurang. Apabila tabel
kontingensi 2x2 tetap digunakan, namun tidak memenuhi syarat seperti yang telah
disebutkan, yaitu cell frekuensi harapan kurang dari 5, maka rumus harus diganti
dengan rumus Fisher Exact Test.

2.4 Koreksi Yates dan Fisher Exact

Koreksi yates dan fisher exact merupakan uji alternatif yang digunakan untuk
tabel kontingensi 2x2 pada kondisi dimana terdapat nilai cell yang terampau
kecil dari batas minimal yang ditentukan. Kedua koreksi tersebut akan baik
digunakan pada kondisi berikut :
1. Bila sampel >40, gunakan koreksi Yates pada kondisi apapun.
2. Bila sampel 20-40, gunakan koreksi Yates dengan ketentuan tidak ada
sel yang nilai ekspektasinya <5. Jika ada sel yang nilai ekspektasinya
<5, maka gunakan Fisher Exact.
3. Bila sampel <20, gunakan Fisher Exact pada kondisi apapun.

Rumus koreksi Yates yaitu:

Adapun rumus koreksi Fisher Exact yaitu :

 9

BAB 3. PEMBAHASAN

3.1 Contoh Kasus Chi Square untuk Uji Hipotesis Deskriptif Satu Sampel

Suatu SMK x di Kota A ingin membuka jurusan baru, sehingga ingin

mengetahui jurusan apa yang banyak diminati. Untuk itu dilakukan survey ke
beberapa sekolah yang memiliki jurusan-jurusan tata busana, tata boga, dan
kecantikan. Menurut survey, diketahui dari 375 siswa sebanyak 85 siswa memilih
jurusan tata boga, 116 memilih jurusan tata busana, dan 174 siswa memilih
kecantikan.
Berdasarkan hal tersebut, maka :
a. Judul penelitian dapat dirimuskan sebagai berikut:
b. Kecenderungan siswa dalam memilih jurusan SMK.
c. Variabel penelitiannya jurusan SMK.
d. Sampel : jumlah sampel 375 siswa terdiri atas 3 jurusan. 85 siswa memilih
jurusan tata boga, 116 memilih jurusan tata busana, dan 174 siswa
memilih kecantikan
e. Tempat penelitian : beberapa SMK di Kota A
f. Data hasil penelitian terdapat pada tabel berikut :

Tabel : Frekuensi yang disurvey dan yang diharapkan pemilih jurusan SMK

Jurusan

Tata Boga 85 125 -40 1600 12,8

Tata Busana 116 125 -9 81 0,65
Kecantikan 174 125 49 2401 19,21
Jumlah 375 375 0 4482 32,66

g. Hipotesis :
Ho : Jumlah siswa yang memilih 3 jurusan tidak berbeda (peluang 3
jurusan untuk dipilih siswa adalah sama)
 10

Ha :Jumlah siswa yang memilih 3 jurusan berbeda (peluang 3 jurusan

untuk dipilih siswa adalah tidak sama)
h. Kriteria Pengujian Hipotesis : bila Nilai Chi square hitung lebih kecil dari
nilai Chi square tabel, maka Ho diterima dan bila lebih besar atau sama
dengan nilai tabel, maka Ha diterima.
i. Pengujian Hipotesis : berdasarkan hasil perhitungan seperti yang
ditunjukkan pada Tabel, maka dapat diketahui bahwa Chi square hitung =
32,66. Dalam hal ini dk = N-1 = 3-1 = 2. Berdasarkan dk 2 dan
probabilitas 5%, maka diperoleh chi square tabel = 5,99. Chi square
hitung lebih besar dari chi square tabel (32,66 > 5,99). Dengan demikian
H0 ditolak dan Ha diterima.
j. Kesimpulan : jumlah siswa yang memilih 3 jurusan SMK berbeda, dan
berdasarkan data jurusan kecantikan paling banyak diminati siswa.
k. Saran untuk SMK x : jurusan yang dibuka adalah kecantikan, karena
paling banyak diminati siswa.

3.2 Contoh Kasus Chi Square untuk Uji Hipotesis Komparatif Dua Sampel
Independen

Penelitian dilakukan untuk mengetahui adakah hubungan antara jenis

sekolah (SMA/SMK) dengan minat lulusan untuk melanjutan studi ke perguruan
tinggi atau bekerja.. Jenis sekolah dikelompokkan menjadi dua yaitu SMA dan
SMK. Sampel pertama sebanyak 80 orang, sampel kedua sebanyak 70 orang.
Berdasarkan angket yang diberikan kepada sampel lulusan SMA, maka dari 80
orang tersebut yang memilih melanjutkan studi ke perguruan tinggi sebanyak 60
orang, dan yang memilih bekerja sebanyak 20 orang. Selanjutnya dari kelompok
sampel lulusan SMK memilih melanjutkan studi ke perguruan tinggi sebanyak 20
orang, dan yang memilih bekerja sebanyak 50 orang.

Berdasarkan hal tersebut, maka :

a. Judul penelitian dapat dirimuskan sebagai berikut:
 11

Kecenderungan lulusan dalam memilih untuk melanjutan studi ke

perguruan tinggi atau bekerja.
b. Variabel penelitiannya :
- Variabel Independen : Jenis sekolah
- Variabel dependen : Minat lulusan
c. Rumusan Masalah:
Adakah perbedaan jenis sekolah dengan minat lulusan untuk melanjutan
studi ke perguruan tinggi atau bekerja.
d. Sampel : terdiri dari dua kelompok sampel independen yaitu kelompok
lulusan SMA dengn jumlah 80 orang dan kelompok lulusan SMK dengn
jumlah 70 orang.
e. Hipotesis:
Ho : Tidak terdapat perbedaan jenis sekolah dengan minat lulusan
Ha : Terdapat perbedaan jenis sekolah dengan minat lulusan
f. Kriteria Pengujian Hipotesis
Dengan dk = 1 dan probabilitas 5%. Ho diterima bila nilai Chi square hitung
lebih kecil dari nilai Chi square tabel dan bila lebih besar atau sama dengan
nilai tabel, maka Ha diterima.
g. Penyajian data
Data hasil penelitian disusun ke dalam tabel:

Tabel frekuensi minat lulusan

Sampel Minat lulusan Jumlah
Melanjutkan studi Bekerja Sampel
Lulusan SMA 60 20 80
Lulusan SMK 20 50 70
Jumlah 80 70 150

h. Perhitungan
Berdasarkan tabel tersebut dan menggunakan rumus chi square 2 sampel
independen, dapat dihitung:
 12

1
150 (|60.50 20.20| 2 150)
()2 =
(60 + 20)(20 + 50)(60 + 20)(20 + 50)
150(|3000 400| 75)
=
(80)(70)(80)(70)
150(2600 75)
=
5600.5600
150.6375625
=
31360000
956343750
=
31360000
= 30,50
Dengan dk = 1 dan probabilitas 5%, maka diperoleh chi square tabel = 3,84.
Ternyata nilai Chi square hitung = 35,86 > Chi square tabel 3,84. Dengan
demikian H0 ditolak dan Ha diterima.
i. Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat lulusan, dimana lulusan
SMA lebih cenderung memilih melanjutkan studi ke perguruan tinggi dan
lulusan SMK cenderung memilih bekerja.

3.3 Contoh Kasus Chi Square untuk Uji Hipotesis Komparatif K Sampel
Independen

Penelitian dilakukan untuk mengetahui ada tidaknya perbedaan jenis asal

sekolah antar mahasiswa lima prodi di fakultas teknik, yaitu Pendidikan Teknik
Elektro, Pendidikan Teknik Informatika, Pendidikan Teknik Mesin, Pendidikan
Tata Boga, Pendidikan Tata Rias. Jenis asal sekolah dibagi menjadi 2 yaitu SMA
dan SMK. Berdasarkan 115 anggota sampel mahasiswa prodi Pendidikan Teknik
Elektro, 80 orang berasal dari SMA dan 35 orang berasal dari SMK. Dari 160
anggota sampel mahasiswa prodi Pendidikan Teknik Informatika, 100 orang
 13

berasal dari SMA dan 60 orang berasal dari SMK. Dari 130 anggota sampel
mahasiswa prodi Pendidikan Teknik Mesin , 80 orang berasal dari SMA dan 50
orang berasal dari SMK. Dari 95 anggota sampel mahasiswa prodi Pendidikan
Tata Boga, 65 orang berasal dari SMA dan 30 orang berasal dari SMK. Dari 80
anggota sampel mahasiswa prodi Pendidikan Tata Rias , 45 orang berasal dari
SMA dan 35 orang berasal dari SMK.

Berdasarkan hal tersebut, maka :

a. Judul penelitian dapat dirimuskan sebagai berikut:
Perbedaan jenis asal sekolah mahasiswa lima prodi di fakultas teknik
b. Variabel penelitiannya : Jenis asal sekolah
c. Rumusan Masalah: Adakah perbedaan yang signifikan jenis asal sekolah
mahasiswa lima prodi di fakultas teknik.
d. Sampel terdiri dari 5 kelompok sampel, yaitu:
- Sampel mahasiswa prodi Pendidikan Teknik Elektro berjumlah 115
orang.
- Sampel mahasiswa prodi Pendidikan Teknik Informatika berjumlah 160
orang.
- Sampel mahasiswa prodi Pendidikan Teknik Mesin berjumlah 130 orang.
- Sampel mahasiswa prodi Pendidikan Tata Boga berjumlah 95 orang.
- Sampel mahasiswa prodi Pendidikan Tata Rias berjumlah 80 orang.
e. Hipotesis:
Ho : Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah
mahasiswa lima prodi di fakultas teknik.
Ha : Terdapat perbedaan yang signifikan jenis asal sekolah mahasiswa lima
prodi di fakultas teknik.
f. Kriteria pengujian hipotesis
Bila Nilai Chi square hitung lebih kecil dari nilai tabel, maka H0 diterima dan
bila lebih besar atau sama dengan nilai tabel, maka Ha diterima.
 14

g. Penyajian data:
Hitung frekuensi harapan dari kelima kelompok sampel tersebut dalam setiap
aspek. Hitung berapa persen dari sampel keseluruhan lulusan SMA dan SMK.
Jumlah seluruh sampel dari 5 prodi adalah 115 + 160 + 135 + 95 + 80 = 585

Persentase lulusan SMA p1 :

80+100+80+65+45
p1 =
580
370
= x 100%
580

= 63,79%
Frekuensi harapan untuk lulusan SMA adalah sebagai berikut:
- Pendidikan Teknik Elektro = 115 x 63,79% = 73,36
- Pendidikan Teknik Informatika = 160 x 63,79% = 102,06
- Pendidikan Teknik Mesin = 130 x 63,79% = 82,93
- Pendidikan Tata Boga = 95 x 63,79% = 60,6
- Pendidikan Tata Rias = 80 x 63,79% = 51,03

Persentase lulusan SMK p2 :

35+60+50+30+35 210
P2 = = x 100% = 36,21%
580 580
Frekuensi harapan untuk lulusan SMA adalah sebagai berikut:
- Pendidikan Teknik Elektro = 115 x 36,21% = 41,65
- Pendidikan Teknik Informatika = 160 x 36,21% = 57,94
- Pendidikan Teknik Mesin = 130 x 36,21% = 47,07
- Pendidikan Tata Boga = 95 x 36,21% = 34,39
- Pendidikan Tata Rias = 80 x 36,21% = 28,97
- Nilai-nilai tersebut kemudian dimasukkan ke dalam tabel:
 15

Tabel Perbandingan Jenis asal sekolah mahasiswa 5 prodi di Fakultas Teknik

Jenis asal
Prodi
sekolah
SMA 80 73,36 6,64 44,09 0.6
P. Teknik Elektro
SMK 35 41,65 -6,67 44,49 1,07
SMA 100 102,06 -2,06 4,24 0.04
P. Teknik Informatika
SMK 60 57,94 2,06 8,74 0,15
SMA 80 82,93 -2,93 8,58 0,1
P. Teknik Mesin
SMK 50 47,07 2,93 8,58 0,18
SMA 65 60,6 4,4 19,36 0,32
Pendidikan Tata Boga
SMK 30 34,39 -4,39 19,27 0,56
SMA 45 51,03 - 6,03 36,36 0,71
Pendidikan Tata Rias
SMK 35 28,97 6,03 36,36 1,26
Jumlah 580 580 4,99

h. Pengujian hipotesis
Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka
dapat diketahui bahwa Chi square hitung = 4,99. Dalam hal ini dk = N-1 5-1
= 4. Berdasarkan dk 4 dan probabilitas 5%, maka diperoleh chi square tabel =
9,488. Chi square hitung lebih kecil dari chi square tabel (4,99 < 9,488).
Dengan demikian H0 diterima dan Ha ditolak.
i. Kesimpulan
Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah mahasiswa
lima prodi di fakultas teknik
 16

BAB 4. KESIMPULAN

Berdasarkan pembahasan yang telah dijabarkan mengenai Chi Square di

atas, dapat diambil kesimpulan sebagai berikut:
1. Penggunaan Chi Square dalam metode hanya membutuhkan derajat
bebas. Chi kuadrat dapat dogunakan untuk menguji hipotesis satu
sampel atau satu variable yang terdiri atas dua variable atau lebih.
2. Ketentuan penggunaan chi square yaitu jumlah sampel harus cukup
besar, pengamatan harus bersifat independent, dilakukan pada deskrit
atau data kontinyu, jumlah frekuensi yang diamati harus sama dengan
yang diharapkan, tidak boleh ada nilai ekspektasi yang kecil dan pada
tabel 2x2 maka jumlah sel harapan <5 tidak boleh kurang dari 20%.
3. Fisher exact test digunakan bila sampel <20 dak sampel 20-40 dengan
syarat ada sel yang nilai ekspektasinya <5.
4. Fisher exact test digunakan bila sampel >40 dak sampel 20-40 dengan
syarat tidakada sel yang nilai ekspektasinya <5.
 17

DAFTAR PUSTAKA

Suciptawati, Ni luh Putu. 2010. Metode Statistika Nonparametrik. Denpasar:

Udayana University Press

Sufren dan Natanael, Yonathan. 2013. Mahir Menggunakan SPSS Secara

Otodidak. Jakarta: PT. Elex Media Komputindo

Sugiyono. 2013. Statistik Nonparametris Untuk Penelitian. Bandung: CV.

Alfabeta