Dosen pengajar :
Djoni Hatidja,S.Si,M.Si
Disusun Oleh :
i
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena berkat
dan rahmat-Nya lah sehingga penulis dapat menyelesaikan makalah tentang “Uji Chi
Square dan Uji Kolmogorov-Smirnov” ini.
Dalam pembuatan makalah ini tidak lepas dari bantuan berbagai pihak. Oleh karena
itu, penulis berterima kasih kepada semua pihak yang telah membantu dalam pembuatan
makalah ini, terutama kepada orang tua yang telah memberikan kasih dan sayangnya serta
supportnya juga kepada teman-teman yang turut ikut membantu dalam pembuatan
makalah ini dan juga kepada penulis blog/website yang telah penulis copy beberapa
ilmunya. Penulis menyadari bahwa dalam penulisan makalah ini terdapat banyak
kekurangan di dalamnya dan jauh dari kesempurnaan. Oleh sebab itu, penulis berharap
adanya saran atau kritikan untuk memperbaiki kesalahan dalam penulisan laporan ini.
Semoga makalah ini dapat memberikan manfaat kepada pembaca dalam rangka
menambah wawasan.
Fiqih Belenehu
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji statistic normalitas. Karena belum tentu data yang lebih
dari 30 bisa di pastikan berdistribusi normal, demikian sebaliknya data yang banyaknya
kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian.
Uji statistic normalitas yang dapat digunakan diantaranya Chi-Square dan Kolmogorov
Smirnov.
1.3. Tujuan
Adapun tujuan penulisan makalah ini agar mahasiswa dapat mengetahui dan
memahami tentang Uji Statistik metode Chi Square dan metode Kolmogorov Smirnov.
1
BAB II
DASAR TEORI
Uji chi-square (Khi kuadrat) merupakan suatu teknik statistik yang menggunakan
untuk menilai probabilitas guna memperoleh perbedaan frekuensi nyata atau hasil
pengamatan atau observasi dengan frekuensi yang diharapkan dalam kategori-kategori
tertentu. Alat uji ini khusus digunakan untuk menguji lebih dari dua proporsi dengan
kriteria tertentu. Kriteria-kriteria itu didasarkan pada ciri data yang akan diuji proporsinya
sehingga menimbulkan jenis pengujian yang berbeda, walaupun tetap menggunakan satu
bentuk rumus yang sama.
Chi square adalah test of independence, merupakan salah satu pengujian untuk
mengetahui hubungan atau kebebasan antar variabel yang bersifat kategori.
Uji chi square tidak dibatasi oleh asumsi-asumsi ketat tentang jenis populasi maupun
parameter populasi, yang dibutuhkan hanya derajat bebas. Uji chi square 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). Uji chi square
tergolong ke dalam jenis statistik nonparametrik sehingga uji chi square tidak memerlukan
syarat data berdistribusi normal (Sufren dan Natanael, 2013). Chi square dapat digunakan
untuk menguji ada tidaknya interdependensi antara variabel kualitatif yang satu terhadap
lainya berdasarkan pada observasi yang ada. Secara umum uji chi square digunakan
untuk:
a) Interdepensensi satu variabel atau lebih dengan variabel lainya
b) Kesesuaian antara frekuensi observasi variabel tertentu dengan frekuensi yang
didapat berdasarkan nilai harapannya.
2
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.
Rumus Umum:
k
X 2 =∑ ¿ ¿ ¿
i=1
Dimana:
Hipotesis-hipotesis
Daerah Kritis
Misalnya dari tabel untuk α =0,01; df = 3-2 = 2; diperoleh chi kuadrat tabel = 9,21
Statistik Uji
Tabel Kontingensi :
Sampel Frekuensi pada: Jumlah Sampel
Obyek I Obyek II
3
Sampel A A B A+B
Sampel B C D C+D
Jumlah A+C B+D N
N = jumlah sampel
2
b
(Oij −Eij )2
k
X =∑ ∑
i=1 j=1 Eij
O ij: frekuensi observasi baris i dan kolom j
Eij : frekuensi ekspetasi baris i dan kolom j
Kriteria Pengujian
- Ho: chi square hitung < chi square tabel
- H1 : chi square hitung ≥ chi square tabel
4
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal
baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk
Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji
beda antara data yang diuji normalitasnya dengan data normal baku.
Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan
yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi
di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan
data normal baku, berarti data tersebut tidak normal.
Kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa jika kesimpulan kita
memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti
apa yang harus kita gunakan untuk normalisasi.
Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan
atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan
transformasi seperti apa yang paling tepat dipergunakan.
Prinsip uji Kolmogorov Smirnov adalah menghitung silisih absolut F s (x) (distribusi
frekuensi kumulatif sampel) dengan F t (x) (distribusi frekuensi kumulatif teoritis).
5
dst
Keterangan :
X i = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
F t = Probabilitas komulatif normal
F s = Probabilitas komulatif empiris
Hipotesis-hipotesis
H0 : F(x) = F t (x) , ∀ x
H1 : F(x) ≠ F t (x) , paling sedikit satu x
Statistik Uji
X i− X́
No Xi Z= Ft Fs D=| Ft −F s|
SD
1
2
3
dst
Kriteria Pengujian
H0 : D max< k
6
H1 : D max ≥ k
Kaidah Pengambilan Keputusan
Jika nilai D max> k maka H1 diterima dan H0 ditolak
BAB III
PEMBAHASAN
7
3. Hasil dari outopsi mendapatkan data berat otak 15 orang dewasa yang menderita
penyakit X sebagai berikut: 1348, 1140, 1086, 1039, 920, 1233, 1146, 1002, 1012,
904, 1255, 1168, 1016, 1001, 973. Berdasarkan data tersebut apakah dapat ditarik
kesimpulan bahwa populasi asal sampel adalah normal dengan rata-rata 1082,87
dan simpangan baku 128,792? Selidikilah dengan tingkat signifikansi 0,05.
3.2. Penyelesaian
1. Uji Chi Square #1
Hipotesis :
H0: Tidak ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya
H1: Ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya
Daerah Kritis:
Taraf Nyata : α = 0,05 Derajat Bebas : df = (5-1) (2-1) = (4)(1) = 4 sehingga didapat X 2
tabel = 9,49.
Statistik Uji :
O i × jumlah kategori ekonomi
a. Menentukan nilai yang diharapkan rumus E =
jumlah seluruh data
Nilai O (Observasi) adalah nilai pengamatan di lapangan
Nilai E (expected) adalah nilai yang diharapkan, dihitung sebagai berikut:
12× 48
1) Nilai E untuk kategori tidak tamat SD di bawah garis kemiskinan ¿ =4,43
130
12× 82
2) Nilai E untuk kategori tidak tamat SD di atas garis kemiskinan ¿ =¿7,57
130
37× 48
3) Nilai E untuk kategori SD di bawah garis kemiskinan ¿ = 13,66
130
37 ×82
4) Nilai E untuk kategori SD di atas garis kemiskinan = = 23,34
130
8
31× 48
5) Nilai E untuk kategori SMP di bawah garis kemiskinan = = 11,45
130
31× 82
6) Nilai E untuk kategori SMP di atas garis kemiskinan = = 19,55
130
26 ×48
7) Nilai E untuk kategori SMA di bawah garis kemiskinan = = 9,60
130
26 ×82
8) Nilai E untuk kategori SMA di atas garis kemiskinan = = = 16,40
130
24 × 48
9) Nilai E untuk kategori Perguruan Tinggi di bawah garis kemiskinan = = =
130
8,86
24 ×82
10) Nilai E untuk kategori Perguruan Tinggi di atas garis kemiskinan = = 15,14
130
b. Tabel Kontingensi:
2
b
(Oij −Eij )2
k
X =∑ ∑
i=1 j=1 Eij
Dapat kita selesaikan dengan mudah menggunakan table,
9
Tinggi
Tidak tamat
4 7,57 -3,57 12,74 1,68
SD
SD 17 23,34 -6,34 40,20 1,72
Diatas garis
SMP 16 19,55 -3,55 12,60 0,64
kemiskinan
SMA 23 16,4 6,6 43,56 2,66
Perguruan
22 15,14 6,86 47,06 3,11
Tinggi
Jumlah 130 130 X 2 =26,584
Keputusan:
Hasil analisis menunjukkan bahwa nilai X 2 hitung = 26,584 yaitu lebih besar dari nilai X 2
tabel yaitu 9,49 sehingga H1 diterima.
Kesimpulan:
Dengan demikian, kita simpulkan bahwa ada kaitan yang signifikan antara keadaan
ekonomi seseorang dengan tingkat pendidikannya. Pada taraf nyata 0,05.
Daerah Kritis:
Taraf Nyata : α = 0,05 Derajat Bebas : df = k-1 = 2-1 =1 sehingga didapat X 2 tabel =
3,841.
Statistik Uji :
Pengaruh perlakuan
Kelompok Berpengaru Tidak Jumlah
h berpengaruh
ikut diklat 60 20 80
belum ikut
30 40 70
diklat
Jumlah 90 60 150
10
2
1
X2=
(
N | AD−BC|− N
2 )
( A+ B ) ( C+ D )( A+C ) ( B+ D )
2
1
X2=
(
150 |60.40−20.30|− 150
2 )
( 60+ 20 )( 60+ 30 )( 20+ 40 ) ( 30+40 )
2
2 150 (|2400−600|−75 )
X =
( 80 ) ( 90 ) ( 60 )( 70 )
X 2 =14,7
Keputusan:
Hasil analisis menunjukkan bahwa nilai X 2 hitung = 14,7 yaitu lebih besar dari nilai X 2
tabel yaitu 3,841 sehingga H1 diterima.
Kesimpulan :
Dengan demikian, kita simpulkan bahwa ada perbedaan signifikan pengetahuan sebelum
dan sesudah mengikuti program diklat. taraf nyata 0,05.
Statistik Uji:
1. Urutkan data dari yang terkecil ke yang terbesar:
904, 920, 973, 1001, 1002, 1012, 1016, 1039, 1086, 1140, 1146, 1168, 1233, 1255,
1348.
2. Hitung distribusi F s (x) dengan nilai rata-rata dan nilai simpangan baku
11
Xi f f kum Fs
904 1 1 0.066667
920 1 2 0.133333
973 1 3 0.2
1001 1 4 0.266667
1002 1 5 0.333333
1012 1 6 0.4
1016 1 7 0.466667
1039 1 8 0.533333
1086 1 9 0.6
1140 1 10 0.666667
1146 1 11 0.733333
1168 1 12 0.8
1233 1 13 0.866667
1255 1 14 0.933333
12348 1 15 1
X i− X́
No Xi Z= Ft Fs D=| Ft −F s|
SD
1 904 -1,38883 0,823 0.066667 0,015633
12
2 920 -1,26460 0,1038 0.133333 0,029533
3 973 -0,85308 0,1977 0.2 0,0023
4 1001 -0,63568 0,2611 0.266667 0,005567
5 1002 -0,62791 0,2643 0.333333 0,069033
6 1012 -0,55027 0,2912 0.4 0,1088
7 1016 -0,51921 0,3015 0.466667 0,165167
8 1039 -0,34063 0,3669 0.533333 0,166433
9 1086 0,02430 0,508 0.6 0,092
10 1140 0,44358 0,67 0.666667 0,003333
11 1146 0,49017 0,6879 0.733333 0,045433
12 1168 0,66099 0,7454 0.8 0,0546
13 1233 1,16568 0,877 0.866667 0,010333
14 1255 1,33650 0,9082 0.933333 0,025133
15 1348 2,05859 0,9798 1 0,0202
Keputusan:
Karena D max=0,166433<k =0,338, maka H0 diterima.
Kesimpulan:
Sampel berat otak berdistribusi Normal.
Statistik Uji:
1. Urutkan data dari yang terkecil ke yang terbesar:
67, 67, 68, 69, 70, 70, 72. 72, 77, 77, 78, 78, 78, 78, 80, 82, 84, 87, 88, 89, 90, 90,
95, 97, 97, 97, 98.
2. Didapatkan X́ = 81, 2963 dan S = 10,29372
13
3. Hitung D. Tentukan nilai D (max) dalam table.
No X i− X́
Xi Z= Ft Fs D=| Ft −F s|
SD
1 67
-1,3902 0,0823 0,0741 0,0082
2 67
3 68 -1,2929 0,0985 0,1111 0,0126
4 69 -1,1957 0,1151 0,1481 0,033
5 70
-1,0985 0,1357 0,2222 0,0865
6 70
7 72
-0,904 0,1847 0,2963 0,1122
8 72
9 77
-0,4178 0,3372 0,3704 0,0332
10 77
11 78
12 78
-0,3205 0,3745 0,5185 0,144
13 78
14 78
15 80 -0,1261 0,4483 0,5556 0,1073
16 82 0,0684 0,5279 0,5926 0,0647
17 84 0,2629 0,6026 0,6296 0,027
18 87 0,5546 0,7088 0,6667 0,0421
19 88 0,6519 0,7422 0,7037 0,0385
20 89 0,7491 0,7734 0,7407 0,0327
21 90
0,8464 0,8023 0,8148 0,012
22 90
23 95 1,3326 0,9082 0,8519 0,0563
24 97
25 97 1,527 0,937 0,963 -0,026
26 97
27 98 1,6243 0,9474 1 -0,0526
Keputusan:
Karena D max=0,1 44< k=0 , 254, maka H0 diterima.
Kesimpulan:
Sampel berat badan peserta pelatihan kebugaran fisik berdistribusi Normal.
14
BAB IV
PENUTUP
4.1. Kesimpulan
1. Uji chi-square (Khi kuadrat) merupakan suatu teknik statistik yang menggunakan
untuk menilai probabilitas guna memperoleh perbedaan frekuensi nyata atau hasil
pengamatan atau observasi dengan frekuensi yang diharapkan dalam kategori-
kategori tertentu. Rumus Umum:
k
2
X =∑ ¿ ¿ ¿
i=1
15
Prinsip uji Kolmogorov Smirnov adalah menghitung silisih absolut F s (x)
(distribusi frekuensi kumulatif sampel) dengan F t ( x) (distribusi frekuensi
kumulatif teoritis).
D=max∨F s ( x )−Ft ( x )∨¿
16
DAFTAR PUSTAKA
Arini, Sukma. 2011. Uji Chi Kuadrat Kasus Dua Sampel Independen.
arini2992.blogspot.com/2011/10/fungsi-bila-penelitian-terdiri-dari.html [Diakses pada
4 April 2020]
Jayanti, Atik, Tri, dkk. 2011. Uji Normaliats. Universitas Negeri Semarang: Kota
Semarang.
iv
LAMPIRAN