Diskusi.

9
Rabu, 28 Agustus 2019, 09:00
DISKUSI INI DINILAI.
Saudara mahasiswa, silakan pelajari serta diskusikan dengan sesama temannya mengenai topik
Analisis Frekwensi Data Kategorik pada inisiasi ke-7 yang terdapat dalam modul. Jelaskan
manfaat serta kelemahan dari analisis dimaksud. Selamat berdiskusi.
Tutor
Jawab :
Mohon ijin menanggapi diskusi mengenai manfaat serta kelemahan dari Analisis Frekwensi
Data Kategorik

Manfaat Analisis Frekwensi Data Kategorik (chi-square) adalah :

1. Dapat digunakan sebagai uji hipotesis tentang perbandingan Antara frekuensi observasi
dengan frekuensi harapan yang didasarkan oleh hipotesis tertentu pada setiap kasus atau
data yang ambil untuk diamati
2. Bermanfaat dalam melakukan analisis statistic jika kita tidak memiliki informasi
tantang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan
statistic parametric tidak terpenuhi
3. Menguji seberapa baik kesesuaian diantara frekuensi yang teramati dengan frekuensi
harapan yang didasarkan pada sebaran yang akan dihipotesiskan, atau juga menguji
perbedaan antara dua kelompok pada data dua kategorik untuk dapat menguji
signifikansi asosiasi dua kelompok pada data dua katagorik tersebut.
4. Mengetahui ada tidaknya asosiasi antara 2 variabel (Independent test)
5. Mengetahui apakah suatu kelompok homogen atau tidak (Homogenity test)
6. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
7. Digunakan untuk menganalisis data yang berbentuk frekuensi.
8. Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-variabel yang
dianalisis
9. Cocok digunakan untuk data kategorik, data diskrit atau data nominal

Kelemahan yang melekat pada uji dengan menggunakan Analisis Frekwensi Data Kategorik
(chi-square) adalah :
1. Uji ini sensitif terhadap banyaknya sampel yang digunakan. Uji ini akan menjadi
kurang akurat jika terdapat nilai frekuensi harapan yang kurang dari 5 pada sel tabel
kontingensi. Bahkan uji ini tidak bisa digunakan jika frekuensi harapan yang kurang
dari 5 terdapat lebih dari 20 % dari total sel yang ada atau bila terdapat nila frekuensi
harapan yang kurang dari 1. Hal ini mengindikasikan bahwa uji ini baik digunakan
pada jumlah sampel yang cukup besar dan tidak efektif digunakan untuk sampel
yang kecil. Beberapa alternatif bisa digunakan untuk mengatasi masalah tersebut.
Penggabungan kolom atau baris untuk menghilangkan nilai frekuensi harapan yang
kurang dari 5 bisa dilakukan asalkan penggabungan tersebut tidak menghilangkan
 makna dari pengklasifikasian yang ada pada tabel. Dengan kata lain penggabungan
hanya bisa dilakukan apabila masih masuk akal (common sense) dan bermakna.
Sebagai contoh, klasifikasi tingkat pendidikan Sekolan Dasar, Sekolah Menengah
Pertama, Sekolah Menengah Atas, dan Perguruan Tinggi dapat dilakukan
penggabungan klasifikasi menjadi Sekolah Dasar, Sekolah Menengah Pertama, dan
minimial Sekolah Menengah Atas. Dari contoh tersebut dilakukan penggabungan
klasifikasi antara Sekolah Menengah Atas dan Perguruan Tinggi menjadi minimal
Sekolah Menengah Atas. Penggabungan tersebut juga hanya berlaku untuk tabel
kontingensi yang bukan 2×2, untuk tabel kontingensi tabel 2×2 bisa menggunkan Uji
Exact Fisher. Bahkah Cohran menyarankan untuk menggunkan Uji Exact Fisher untuk
tabel kontingensi 2×2 apabila jumlah sampelnya kurang dari 20 atau kurang dari 40 dan
terdapat frekuensi harapan yang kurang dari 5.
2. Uji Chi-Square hanya memberikan informasi tentang ada atau tidaknya hubungan
antara kedua variabel. Uji ini tidak memberikan informasi mengenai seberapa besar
hubungan yang ada antara kedua variabel tersebut serta bagaimana arah hubungan yang
ada. Oleh karena itu, dibutuhkan alat analisis sebagai informasi tambahan yang akan
mendukung analisis menggunakan Uji Chi Square. Untuk mengetahui seberapa besar
hubungan yang ada dapat menggunakan Odds Ratio dan Relative Risk. Odds Ratio dan
Relative Risk juga dapat memberikan informasi mengenai arah hubungan yang ada dari
kedua variabel. Selain itu, dengan melakukan dekomposisi Chi-Square dan
mempelajari residualnya dapat lebih mempertajam analisis.
3. Uji Chi-Square hanya bagus digunakan untuk skala data nominal untuk kedua variabel
yang diuji. Uji ini lemah digunakan jika kedua variabel tersebut berskala ordinal. Uji
Chi-Square bergantung pada jumlah marginal dan bukan pada pengurutan dari baris
dan kolom. Jadi, pengubahan urutan dari baris atau kolom tidak akan menguabah nilai
dari uji chi square yang didapat. Dengan kata lain, uji ini memperlakukan klasifikasi
yang ada pada baris dan kolom sebagai nominal. Dengan demikian, jika terdapat dari
sala satu variabel yang berskata ordinal sebaiknya menggunkan uji yang lain
seperti koefisien gamma dan yang lainnya.

Sumber :
https://parameterd.wordpress.com/2013/09/24/keterbatasan-chi-square-limitation-of-chi-
square/
https://elearningti3605.wordpress.com/2013/12/26/uji-chi-square/

Sekian tanggapan dari saya, mohon koreksi apabila terdapat kekeliruan.

Terimakasih.