BAB I

PENDAHULUAN

A. Latar Belakang
Dalam kasus 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 sebenamya sehingga
operasi aritmatika tidak sah untuk kasus data kategorik. Alasan yang lain mengapa analisis
korelasi tidak bisa digunakan pada data kategorik karena salah satu tipe variabel kategorik
adalah nominal yang tidak bisa diurutkan kategorinya. Pemberian urutan yang berbeda jelas
akan memberikan nilai korelasi yang berbeda pula sehingga dua orang yang menghitung nilai
korelasi besar kemungkinan memberikan hasil yang tidak sama. Untuk itulah maka analisis
chi-square yang akan digunakan untuk mencari apakah ada hubungan (asosiasi) dan perbedaan
(komparasi) antar variabel-variabel kategorik tersebut.
Beberapa formula statistika disusun berdasarkan asumsi-asumsi tertentu. Formula
tersebut dapat menggambarkan sebuah fenomena ketika asumsi-asumsi tersebut terpenuhi.
Oleh karena itu, jika kita memakai formula tersebut maka data yang diharapkan sesuai
dengan asumsi sebuah formula penelitian. Berkaitan dengan hal tersebut makalah ini dapat
dijadikan referensi untuk meningkatkan pemahaman chi square (kai kuadrat) dan uji
prasyarat analisis yang baik dan benar di dalam sebuah penelitian.

B. Topik Bahasan
1. Chi square untuk uji hipotesis deskriptif satu sampel.
2. Chi square untuk uji hipotesis komparatif dua sampel independen.
3. Chi square untuk uji hipotesis komparatif k sampel independen.
4. Uji persyaratan analisis yang meliputi uji normalitas, uji homogenitas, uji linieritas, uji
heterokedasitas, uji multikolinieritas, uji autokorelasi.

C. Tujuan Penulisan Makalah

1. Dapat memahami chi square untuk uji hipotesis deskriptif satu sampel.
2. Dapat memahami chi square untuk uji hipotesis komparatif dua sampel independen.
3. Dapat memahami chi square untuk uji hipotesis komparatif k sampel independen.
4. Dapat memahami uji persyaratan analisis yang meliputi uji normalitas, uji
homogenitas, uji linieritas, uji heterokedasitas, uji multikolinieritas., uji autokorelasi.
 BAB II
PEMBAHASAN

A. 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 tergolong ke
dalam jenis statistik nonparametrik sehingga chi square test tidak memerlukan syarat
data berdistribusi normal (Sufren dan Natanael, 2013).
Karakteristik Chi‐Square:
- Nilai Chi Square selalu positif karena merupkan hasil pengkuadratan.
- Terdapat beberapa kelompok distribusi Chi Square, yaitu distribusi Chi
square dengan dk=1, 2, 3, dst.
- Datanya berbentuk diskrit atau nominal
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.
1. 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 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 :

Contoh :
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 :
1) Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan lulusan dalam memilih untuk melanjutan studi ke perguruan
tinggi atau bekerja.
2) Variabel penelitiannya :
1) Variabel Independen : Jenis sekolah
2) Variabel dependen : Minat lulusan
3) Rumusan Masalah:
 Adakah perbedaan jenis sekolah dengan minat lulusan untuk melanjutan studi
ke perguruan tinggi atau bekerja.
4) Sampel : Terdiri dari dua kelompok sampel independen yaitu kelompok lulusan
SMA dengn jumlah 80 orang dan kelompok lulusan SMK dengn jumlah 70
orang.
5) Hipotesis:
H0 : Tidak terdapat perbedaan jenis sekolah dengan minat lulusan
Ha : Terdapat perbedaan jenis sekolah dengan minat lulusan
6) Kriteria pengujian hipotesis
Dengan dk = 1 dan probabilitas 5%. H0 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.
7) Penyajian data
Data hasil penelitian disusun ke dalam tabel:
Tabel : Frekuensi minat lulusan
Sampel Minat lulusan Jumlah Sampel
Melanjutkan Bekerja
studi
Lulusan SMA 60 20 80
Lulusan SMK 20 50 70
Jumlah 80 70 150

8) Perhitungan
Berdasarkan tabel tersebut dan menggunakan rumus chi square 2 sampel
independen, dapat dihitung:

1
150 (|60.50 − 20.20| − 2 150) ²
(𝑥)2 =
(60 + 20)(20 + 50)(60 + 20)(20 + 50)
150(|3000 − 400| − 75)²
=
(80)(70)(80)(70)
 150(2600 − 75)²
=
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.
9) 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.
Perhitungan SPSS:
1) Buka Variable View → Isi nama dengan Minat dan Jenis sekolah

2) Isi Value labels minat

3) Isi value labels jenis sekolah

4) Buka Data view → Masukkan data

5) Klik anlyze → descriptive statistic → crosstabs

6) Pindahkan Minat ke row dan jenis sekolah ke column

7) Klik statistics → centang chi square → continue

8) Klik OK

Hasil Perhitungan SPSS

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig. (1-

Value df (2-sided) (2-sided) sided)

Pearson Chi-Square 32.334a 1 .000

Continuity Correctionb 30.496 1 .000

Likelihood Ratio 33.546 1 .000

Fisher's Exact Test .000 .000

Linear-by-Linear
32.119 1 .000
Association

N of Valid Casesb 150

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
32.67.

b. Computed only for a 2x2 table

 Dengan df = 1 dan probabilitas 5%, maka diperoleh chi square tabel = 3,84.
Ternyata nilai Chi square hitung = 32,334 > Chi square tabel 3,84. Dengan
demikian H0 ditolak dan Ha diterima.
10) 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.
 BAB III
PENUTUP

A. Kesimpulan
Chi square dapat dihitung menggunakan data kategori. Datanya berbentuk diskrit atau
nominal. Hasil dari chi kuadrat selalu positif karena hasilnya selalu dikuadratkan. Hasil chi
kuadrat hitung jika lebih kecil dari chi kuadrat tabel maka hasilnya adalah tidak terjadi
perbedaan yang signifikan. Tetapi jika hasilnya lebih besar dari chi kuadrat tabel maka terjadi
perbedaan yang signifikan. Sehingga dapat disimpulkan semakin besar hasil dari chi kuadrat
hitung terhadap chi kuadrat tabel maka semakin signifikan perbedaannya.
Uji persyaratan analisis meliputi uji normalitas, homogenitas, linieritas,
heterokedasitas, multikolinieritas dan autokorelasi. Uji tersebut sangat penting untuk
dilakukan, karena dalam statistik inferensial agar kesimpulan analisis data berlaku pada
populasi, maka sebaran data harus memenuhi beberapa kriteria tersebut.
 DAFTAR RUJUKAN

Gunawan, Muhammad Ali. 2013. Statistik Untuk Penelitian Pendidikan. Yogyakarta: Parama
Publishing
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