TUGAS INDIVIDU BIOSTATISTIK

CHI SQUARE

OLEH :

KELAS B12C

I WAYAN WIDYARSANA
NIM :193223173

PROGRAM STUDI ALIH JENJANG S1 ILMU KEPERAWATAN

STIKES WIRA MEDIKA PPNI BALI
2020
 CHI SQUARE

Chi Square adalah salah satu jenis uji komparatif non parametris yang dilakukan pada
dua variabel, di mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1
variabel dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus
digunakan uji pada derajat yang terendah).
Uji Chi Square adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi
atau frekuensi aktual dengan frekuensi harapan atau frekuensi ekspektasi.Frekuensi obserfasi
diperoleh dari nilai pada hasil percobaan, sedangkan frekuensi harapan diperoleh dari
perhitungan secara teoritis. Bentuk distribusi Chi Square dan  nilainya selalu positif.
1. Distribusi chi square memiliki satu parameter yaitu derajad bebas (db)
2. Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak terhingga
di sebelah kanan
3. Probabilitas nilai chi square di mulai dari sisi sebelah kanan
Luas daerah di bawah kurva normal adalah 1. Nilai dari chi square bisa dicari jika kita
memiliki informasi luas daerah disebelah kanan kurva serta derajad bebas

Syarat Uji Chi Square

Uji chi square merupakan uji non parametris yang paling banyak digunakan. Namun
perlu diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan
besar, sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
a. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0)
sebesar 0 (Nol).
b. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
c. Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Dasar uji chi square itu sendiri adalah membandingkan perbedaan frekuensi hasil observasi
(O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan jika harga dari chi
square sama atau lebih besar dari suatu harga yang ditetapkan pada taraf signifikan tertentu
(dari tabel χ2).
 Uji chi square dapat digunakan untuk menguji :
a. Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).
b. Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).
c. Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)

1. Tabulasi Silang (Crostab)

Statistik deskriptif crosstab (tabulasi silang) termasuk dalam analisis deskripsi. Namun ada
perbedaan dibandingkan dengan statistik deskriptif frekuensi,dan eksplore. Deskriptif crosstab
menyajikan data dalam bentuk tabulasi, yang meliputi baris dan kolom.Ciri-ciri crosstab pada
umumnya adalah dua variabel atau lebih yang mempunyai hubungan secara deskriptif.
Penyajian data pada umumnya adalah data kualitatif, khususnya berskala nominal seperti
hubungan antara jenis kelamin dengan usia, jenis kelamin dengan pekerjaan dan lain
sebagainya.
Contoh kasus.
Sebuah rumah sakit ingin mengetahui respon dari pasien mengenai pelayanan di rumah sakit
tersebut dengan kriteria adalah usia, gender, dan persepsi pasien. Apakah ada hubungan antara
usia dengan persepsi (sikap) dan hubungan antara gender dengan sikap pasien mengenai
pelayanan yang telah diberikan ?
Langkah analisisnya :
1. Pilih Analyse
2. Descriptive Statistics
3. Crosstabulation
4. Pindahkan variable ke Rows, dan variabel yang lain ke Colums
5. KlikStatistics dan chi-square, continue
6. Klik OK untuk di proses.
Hasil Output SPSS

Crosstabulasi Usia dan Sikap Pasien

Crosstabulasi Usia daan Sikap (Lanjutan)

Pada tabel usia*sikap pasien di atas menunjukan, responden yang besikap sangat puas
sebanyak 13 (52%) dan tidak puas sebanyak 12 responden (48%). Responden yang bersikap
sangat puas terdiri dari responden yang berumur di atas 13 tahun (15,4%), umur 13-19 th
(7,7%),22-24 th (23,1%), umur 25-34 th (7,7%), umur 35-44 th (23,1%). Begitu juga untuk
sikap responden yang lainnya.
2. Uji Kesesuaian
Uji Chi Square di bagi menjadi menjadi 2 yaitu
1. Uji Kesesuaian (GOODNESS OF FIT TEST)
2. Uji Kebebasan
Uji Kesesuaian / Goodness Of Fit Test
Pengujian hipotesis kompatibilitas (goodness of fit) merupakan pengujian hipotesis untuk
menentukan apakah suatu himpunan frekuensi yang diharapkan sama dengan frekuensi yang
diperoleh dari suatu distribusi, seperti distribusi binomial, poisson, normal, atau dari
perbandingan lain. Jadi, uji goodness of fit merupakan pengujian kecocokan atau kebaikan suai
antara hasil pengamatan (frekuensi pengamatan) tertentu dengan frekuensi yang diperoleh
berdasarkan nilai harapannya (frekuensi teoretis).
Langkah-langkah pengujian hipotesis goodness of fit ialah sebagai berikut:
1. Menentukan hipotesis
H0 : frekuensi pengamatan sesuai dengan frekuensi yang diharapkan
H1 : frekuensi pengamatan tidak sesuai dengan frekuensi yang diharapkan
2. Menentukan tingakat signifikansi ( α ) dan nilai χ2 dari table Tingakat signifikansi ( α )
dan nilai χ2 tabel ditentukan dengan derajat bebas (db) = k – N
3. Menentukan kriteria pengujian
H0 diterima apabila χ20 ≤ χ2α (k – N)
H0 ditolak apabila χ20 > χ2α (k – N)
4. Menentukan nilai uji statistik
5. Membuat kesimpulan
Menyimpulkan apakah H0 ditolak atau diterima berdasarkan nilai statistik uji yang
diperoleh
Rumus Uji Kesesuaian

Dalam pemodelan sistem uji kecocokan atau kesesuaian ini sangatlah penting karena uji
goodness of fit merupakan pengujian kecocokan atau kebaikan suai antara hasil pengamatan
(frekuensi pengamatan) tertentu dengan frekuensi yang diperoleh berdasarkan nilai
harapannya (frekuensi teoretis).
Katakan kita mempunyai sebuah hipotesa (dugaan) tentang populasi yang menyatakan
probabilitas atau kemungkinan bahwa sebuah observasi sampel akan berada pada setiap
kategori yang ada. Observasi-observasi dalam sampel tersebut digunakan untuk mengecek
hipotesa tersebut.Jika jumlah dari nilai sampel dalam setiap kategori mendekati dengan nilai
harapan dalam hipotesa tersebut, maka kenyataan ini dapat mendukung hipotesa tersebut.
Dalam situasi seperti ini, dapat kita katakan bahwa data tersebut mendekati
kecocokan/kesesuaian (fit) pada distribusi probabilitas populasi yang diasumsikan.
Ketika hipotesa nol benar, yaitu ada kecocokan/kesesuaian antara jumlah observasi dan
harapan serta jumlah sampel cukup besar (perkiraan ini akan bekerja dengan baik jika setiap
nilai harapan sedikitnya adalah 5), maka variabel random akan mengikuti distribusi Chi-
Square (Chi-Kuadrat). Uji dari hipotesa nol versus hipotesa alternatif yang menyatakan
sebaliknya yaitu probabilitas tidak benar dengan tingkat kesalahan α.
Persamaannya adalah:

Dimana:
 Oi = nilai obeservasi pada kategori ke-i
 Ei = nilai harapan pada kategori ke-i
  Ei = np(i) dimana i = 1,2,..k
 k = banyaknya kategori
Keputusan:

Tolak Ho jika
Contoh Misalnya:
Pada tahun lalu didapatkan hasil bahwa pembayaran tagihan adalah sebagai berikut:

Pembayaran Persentase
Bayar Penuh 80%
1 Bulan 10%
2 Bulan 6%
> 2 Bulan 4%
Sedangkan pada tahun ini ada 400 pelanggannya yang secara random ternyata 287 pelanggan
membayar langsung tagihannya, 49 pelanggan menunda satu bulan, 30 pelanggan menunda dua
bulan, dan 34 menunda tagihan lebih dari dua bulan.
Apakah data tersebut masih mempunya pola tertentu (distribusi) yang sama seperti tahun-tahun
sebelumnya. Kita gunakan α sebesar 1%.
Penyelesaiannya:

Tahun ini
Pembayaran Tahun lalu (Oi) Ei (Oi-Ei)^2 Hasil
Bayar Penuh 80% 287 320 1089 3.403125
1 Bulan 10% 49 40 81 2.025
2 Bulan 6% 30 24 36 1.5
> 2 Bulan 4% 34 16 324 20.25
Total = 400 Chi Squared = 27.17813
Hasilnya:
χ²(0.01,3) = 11.3
Untuk mendapatkan 11.3 caranya adalah calculate d.f. (4 – 1)(2 – 1) = 3 kemudian lihat tabel
disini pada signifikansi 0.01
 Keputus
an

Tolak Ho karena => 27.17813 > 11.3

Kesimpulan: pola pembayaran invoice tahun ini berbeda dengan tahun-tahun sebelumnya dengan
tingkat keyakinan sebesar 99%. Setelah diamati lebih seksama tenyata ada kecenderungan bahwa
pembayaran pelanggan tahun ini tertunda lebih lama dibanding dengan pembayaran tahun
sebelumnya.

Uji kai kuadrat untuk satu sampel dapat dipakai untuk menguji apakah data sebuah sampel yang
diambil menunjang hipotesa yang menyatakan bahwa populasi asal sampel tersebut mengikuti
suatu distribusi yang telah ditetapkan.Oleh karena itu uji ini disebut juga uji keselarasan
(goodness of fit test), karena untuk menguji apakah sebuah sampel selaras dengan salah satu
distribusi teoritis (seperti distribusi normal, uniform, binomial dan lainnya).
Rumus yang digunakan untuk uji ini sama dengan rumus umum Uji Kai Kuadrat :

Contoh Kasus :
Sebuah survei berminat menyelidiki determinasi orang dalam mencegah factor-faktor risiko
penyakit jantung koroner. Setiap subjek dari sampel berukuran 200 orang diminta menyatakan
sikapnya terhadap sebuah pertanyaan kuesioner sebagai berikut “ apakah anda yakin dapat
menghindari makanan berkolesterol tinggi” dengan hasil 70 orang sangat yakin, 50 orang yakin,
45 orang ragu-ragu, dan 35 orang sangat ragu-ragu. Dapatkah kita menarik kesimpulan
berdasarkan data tersebut, bahwa keempat sikap yang berbeda menyebar merata di dalam
populasi asal sampel?
(soal latihan dikutip dari Bhisma Murti, hal. 45).
Penyelesaian :
Buat tabel seperti ini untuk memudahkan dalam perhitungan :

Nilai E = 50, karena kita berharap bahwa jumlah yang menjawab pada masing-masing kategorik
akan berdistribusi sama. Selanjutnya masukan dalam rumus.

Dari hasil perhitungan terlihat Chi square hitung adalah 13. Selanjutnya melihat nilai tabel pada
kemaknaan alfa = 0.05 pada df = 4-1 = 3.
 Dari tabel chi square diperoleh chi square tabel dengan df= 3 adalah 7,815, berarti Chi-square
hitung > chi-square tabel, maka Ho ditolak. Artinya sikap responden terhadap pertanyaan tidak
proporsional, dimana sikap responden cendrung pada sikap tertentu.

3. Uji Kebebasan (Independensi)

Uji kebebasan ini digunakan untuk memeriksa kebebasan atau independensi dari dua variabel
(frekuensi observasi dan frekuensi harapan) sehingga kita dapat menyimpulkan apakah kedua
peubah tersebut saling bebas (tidak berpengaruh) ataukah keduanya saling bertalian
(berpengaruh).
Data untuk menguji kebebasan dua variabel tersebut disajikan dalam bentuk Tabel Kontingensi
atau Tabel Berkemungkinan yang umumnya berukuran r baris x k kolom. Sebelum melakukan
pengujian, terlebih dahulu kita harus mendefinisikan Hipotesis Awal (H0) dan Hipotesis
Alternatif (H1), yaitu:
H0          : variabel-variabel saling bebas
H1          : variabel-variabel tidak saling bebas
Biasanya Tabel Kontingensi berisikan data berupa frekuensi observasi yang diperoleh dari suatu
pengujian.Untuk itu, kita perlu mencari frekuensi ekspektasi terlebih dahulu sebelum melakukan
pengujian.

Suatu percobaan dilakukan untuk mengetahui apakah pendapat penduduk pemilih di negara
bagian Illinois mengenai perubahan pajak baru tidak ada hubungannya dengan tingkat
penghasilannya. Suatu sampel acak 1000 pemilih yang tercatat di Illinois dikelompokan menurut
apakah penghasilan mereka rendah, sedang, atau tinggi, dan apakah mereka setuju atau tidak
terhadap perubahan pajak baru dalam tabel kontingensi berikut: (gunakan taraf uji 0,05)

Perubahan Tingkat Pendapatan Total

Pajak
R (Rendah) M (Menengah) B (Berada)

Setuju 182 213 203 598

Tidak Setuju 154 138 110 402

Total 336 351 313 1000

Jawab :
H0 : pendapat penduduk pemilih di negara bagian Illinois mengenai perubahan pajak baru dan
tingkat penghasilannya saling bebas
H1 : pendapat penduduk pemilih di negara bagian Illinois mengenai perubahan pajak baru dan
tingkat penghasilannya tidak saling bebas
α = 0,05
Daerah kritis  X2 > 5,991 dengan derajat kebebasan v =(2-1)(3-1)= 2
Perhitungan X2
Frekuensi harapan untuk: