Uji chi kuadrat

 2
Uji Chi kuadrat umumnya digunakan pada analisis yang
menggunakan data frekuensi. Struktur datanya umumnya
berbentuk tabel kontingensi.

Berikut beberapa pengujian yang menggunakan uji Chi

kuadrat .
• Uji untuk memeriksa ketidaktergantungan (uji
Independensi)
• Uji untuk memeriksa kehomogenan variabel (uji
homogenitas)
• Uji keselarasan distribusi /Goodness of Fit
( uji ini akan dibahas secara khusus pada uji keselarasan distribusi)
 Strukur data umum dari Tabel Kontingensi
Faktor II (k taraf/ kategori)
Jumlah
1 2 . . . k
O11 O12 . . . O1k
Faktor I (b taraf/ kategori)
1 n 1.
E11 E12 . . . E1K
O21 O22 . . . O2k
2 n 2.
E21 E22 . . . E2k
. . . .
. . . .
. . . .
Ob1 Ob2 . . . Obk
b n b.
Eb1 Eb2 . . . Ebk
Jumlah n.1 n.2 . . . n.K n
Keterangan : Dengan :
Oij : observasi ke - i dari faktor I dan ke - j dari faktor II
ni   n j
Eij : ekspektasi ke - i dari faktor I dan ke - j dari faktor II
Eij 
Catatan : sebaiknya frekuensi minimal tiap sel adalah 5 n
 Uji Independensi
Uji independensi merupakan suatu uji yang digunakan untuk
mengetahui apakah faktor-faktor yang diteliti memiliki
keterkaitan ataukah tidak (independen). Hipotesis untuk uji
independensi ini diberikan sebagai berikut :
• Perumusan Hipotesis :
Ho : Kedua faktor independen ( bebas statistik)
H1 : Kedua faktor dependen ( tak bebas statistik)
• Statistik Uji : 2 b k Oij  Eij 2
 hit  
i 1 j 1 Eij
• Daerah kritis :
 2
  2
Tolak Ho apabila hit  ,{(b 1)(k 1)}
• Apabila terjadi tolak Ho berarti kesimpulannya menyatakan antar faktor
tidak bebas/ dependen/ berhubungan. Dan derajat hubungan antar faktor
satu dengan lainnya dapat diperoleh melalui koefisien kontingensi C yang
rumusnya ditentukan sebagai :
 hit
2
C
 hit
2
n dengan mengambil akar yang positip.
• Agar harga C dapat digunakan untuk melihat derajat asosiasi/hubungan
antar faktor maka harga C ini perlu dibandingkan dengan harga koefisien
kontingensi maksimum yang dirumuskan berikut ini.

m 1
Cmaks 
m

m = harga minimum antara b dan k.

Semakin kecil selisih antara C dengan Cmaks semakin besar derajat asosiasi
antar faktor tersebut atau dengan kata lain faktor yang satu makin
berkaitan dengan faktor yang lain
• Tingkat keeratan hubungan ini juga dapat dihitung dengan Cramer’s V :
• Dengan :
• Koefisien lain yang dapat dipakai untuk mengukur tingkat asosiasi
adalah : C
Cadj 
Cmaks
jika nilai Cadj ~1 maka hubungan antar Faktor tersebut sangat kuat.
Contoh kasus 1.
Ingin diteliti hubungan antara pengemudi dengan usia 31 tahun atau lebih
dengan frekuensi kecelakaan lalulintas yang dialami selama periode tertentu
adalah independen ( saling bebas).
Usia pengemudi digolongkan menjadi 3 kategori yaitu :
31 – 40, 41 – 50 dan 51 – 60 tahun.
Frekuensi kecelakaan digolongkan dalam 3 kategori yaitu :
Tidak pernah mengalami kecelakaan (0), pernah mengalami satu kecelakaan
(1) dan lebih dari satu kali kecelakaan ( 2 atau lebih).
Berikut adalah data yang diamati dari 1559 orang pengemudi, diberikan pada
tabel pada bagian berikut.

Usia Pengemudi
Jumlah
31 - 40 41 - 50 51 - 60
kecelakaan

0 420 472 340 1232

Frekuensi

1 70 97 87 254
2 atau
22 25 26 73
lebih
Jumlah 512 594 453 1559
Penyelesaian :
Perumusan Hipotesis :
Ho : Faktor Frekuensi kecelakaan Lalin dengan Usia Pengemudi adalah
independen
H1 : Faktor Usia Pengemudi dengan Frekuensi kecelakaan Lalin dependen
Statistik Uji : b k O  E 2
 hit
2
 ij ij

i 1 j 1 Eij
Daerah kritis :
 2
Tolak Ho apabila hit   2
 ,{( b 1)(k 1)} pada taraf nyata α = 0,05

Perhitungan : n n 1232 * 512

E11  1
 1
 404,6
n 1559
n n 1232 * 594
E12  1 2   469,4
n 1559

n n 73 * 453
E33  1 2   21,2
n 1559
 Sehingga tabel menjadi
Usia Pengemudi
Jumlah
31 - 40 41 - 50 51 - 60
420 472 340
0 1232
404,6 494,4 358,0
kecelakaan
Frekuensi

70 97 87
1 254
83.4 96.8 73.8
2 atau 22 25 26
73
lebih 24 27,8 21,2
Jumlah 512 594 453 1559

 2
b
 
k Oij  Eij 
2
 (420  404,6) 2
 
(26  21,2) 2 
 7,56
hit 
i 1 j 1 Eij  404,6 21,2 
Untuk α = 0,05 dan dk = (3-1)(3-1) = 4, dari daftar distribusi diperoleh  0,95, 4  9,49
2

Ternyata  hit
2
  02,95, 4 berarti gagal tolak Ho.
Kesimpulan : Faktor Frekuensi kecelakaan Lalin dengan Usia Pengemudi (untuk usia
31 tahun lebih) adalah independen / saling bebas
Atau Frekuensi Kecelakaan Lalin tidak bergantung pada usia pengemudi (untuk
usia 31 tahun lebih)
 Contoh Kasus 2.
Misalkan penggolongan pendapatan telah disetujui terbagi atas kelas-kelas tinggi,
menengah dan rendah. Selanjutnya untuk tingkat pendapatan ini terdapat pula empat
kelas pasar tempat mereka berbelanja sehari-hari, yaitu pasar kelas I, kelas II kelas III
dan kelas IV. Hasil penelitian yang dilakukan terhadap 668 orang diberikan pada tabel
berikut ini.
Kelas pasar
Jumlah
I II III IV
Pendapat

Tinggi 56 71 12 35 174
Tingkat

an

Menengah 47 163 38 62 310

Rendah 14 42 85 43 184
Jumlah 117 276 135 140 668
Apakah terdapat hubungan antara golongan pendapatan dengan kelas pasar
tempat belanja kebutuhan harian ?
Penyelesaian :
Perumusan Hipotesis :
Ho : Faktor Tingkat Pendapatan dengan kelas pasar tempat belanja adalah
independen
H1 : Faktor Tingkat Pendapatan dengan kelas pasar tempat belanja dependen
Statistik Uji :
Daerah kritis :
Tolak Ho apabila dengan diperoleh dari tabel distribusi pada taraf nyata α = 0,05
dengan derajat kebebasan dk = (b-1)(k-1)
Perhitungan : n n 117 *174 n n 276 *174
E11  1 1
  30,5 ; E12  1 2
  71,9
n 668 n 668

n1  n2 140 *184
E34    38,5
n 668
Sehingga tabel menjadi : Kelas Pasar
Jumlah
I II II IV
56 71 12 35
Tingkat Pendapatan

Tinggi 174
30,5 71,9 35,2 36,5
Menenga 47 163 38 62
310
h 54.3 128,1 62,6 65
14 42 85 43
Rendah 184
32,2 76 37,2 38,5
Jumlah 117 276 135 140 668
   
b k O  Eij 
2
 (56  30,5) 2
 
(43  38,5) 2 
  144,2
2 ij
hit
i 1 j 1 Eij  30 ,5 38 ,5 

Untuk α = 0,05 dan dk = (3-1)(4-1) = 6, dari daftar distribusi diperoleh  0,95,6  16,8
2

 2
Ternyata hit   2
0,95, 6 berarti tolak Ho.

Kesimpulan : Faktor Tingkat Pendapatan dengan kelas pasar tempat belanja

dependen/berhubungan.

Selanjutnya perlu dihitung koefisien kontingensi C dan Cmaks.

 hit
2
144,12
C   0.421
 hit
2
n 144,12  668
m 1 3 1
Untuk b = 3, k = 4 maka m = 3 berarti Cmaks    0,816
m 3

Jika dibandingkan antara C= 0,421 dan Cmaks = 0,816 maka

|C - Cmaks | =|0,421 - 0,816| =0,395
Nilai ini cukup kecil sehingga dapat dikatakan derajat hubungan antara tingkat
pendapatan dan pemilihan kelas pasar sebagai tempat belanja kebutuhan
sehari-hari cukup besar.
 C
• Jika dilihat berdasarkan Cadj maka Perhatikan nilai Cadj  = 0,52
Cmaks
ada hubungan cukup besar
Untuk tabel kontingensi 2x2
Kriterium klasifikasi Kriterium klasifikasi ke-dua
pertama 1 2 Jumlah
1 a b a+b
2 c d c+d
Jumlah a+c b+d n

Perumusan Hipotesis :
Ho : Kedua faktor independen ( bebas statistik)
H1 : Kedua faktor dependen ( tak bebas statistik)
Statistik Uji :
n(ad  bc) 2
 2

(a  b)(c  d )(a  c)(b  d )
hit

Daerah kritis :
Tolak Ho apabila  hit
2
 2,1
 Uji Homogenitas
Asumsi-asumsi:
• Sampel-sampel yang diamati saling bebas
• Sampel-sampel yang diamati acak
• Masing-masing subyek dalam populasi boleh
diklasifikasikan kedalam salah satu dari dua
kategori yang saling eksklusif berdasarkan
apakah subyek tersebut memiliki atau tidak
memiliki karakteristik yang diteliti.
• Perumusan Hipotesis :
Ho : populasi-populasi asal sampel adalah homogen
H1 : populasi-populasi asal sampel adalah tidak omogen
• Statistik Uji : b k O  E 2

• Untuk tabel kontingensi bxk : hit   E

2 ij ij

i 1 j 1 ij

Daerah kritis : Tolak Ho apabila hit

2
 2,{( b 1)(k 1)}

n(ad  bc) 2
• Untuk tabel kontingensi 2x2 :  
2

(a  b)(c  d )(a  c)(b  d )

hit

• Daerah kritis : Tolak Ho apabila  hit

2
 2,1