UJI CHI SQUARE

Disusun guna memenuhi tugas kelompok

mata kuliah Manajemen Data
Hari/Tanggal: Jumat, 8 Mei 2020
Pukul: 13.50 – 15.30 WIB

Dosen Pengampu:
Terry Yuliana, MKM

Disusun oleh:
Dian Pertiwi 1810713053
Fina Budi Rahayu 1810713056
Alifia Azzahrah Rahmayanti 1810714094
Nadia Fauzana 1810713144

UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAKARTA

FAKULTAS ILMU KESEHATAN
PROGRAM STUDI S1 KESEHATAN MASYARAKAT
2020
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena atas rahmat
dan karunia-Nya yang telah dilimpahkan, kami dapat menyelesaikan makalah ini tepat
pada waktunya. Makalah yang berjudul Uji Chi Square ini ditulis untuk memenuhi salah
satu tugas dari mata kuliah Manajemen Data serta bertujuan untuk memberi
pengetahuan kepada pembaca tentang segala hal mengenai uji Chi Square.
Pada kesempatan yang baik ini, izinkanlah kami menyampaikan rasa hormat dan
ucapan terima kasih kepada semua pihak yang dengan tulus ikhlas telah memberikan
bantuan dan dorongan kepada penulis sehingga dapat menyelesaikan makalah ini
dengan sebaik-baiknya. Kami menyadari bahwa makalah ini masih jauh dari kata
sempurna. Maka dari itu, kami berharap adanya kritik dan saran yang membangun guna
kesempurnaan makalah ini.

Depok, 5 Mei 2020

Penulis
 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. Rumusan Masalah
1. Apa pengertian dari uji Chi Square?
2. Apa saja tujuan uji Chi Square?
3. Bagaimana langkah-langkah dan aplikasi melakukan uji Chi Square?
4. Bagaimana cara interpretasi uji Chi Square?
5. Bagaimana cara menyajikan hasil analisis uji Chi Square?
C. Tujuan Penulisan
1. Untuk mengetahui pengertian dari uji Chi Square.
2. Untuk mengetahui tujuan uji Chi Square.
3. Untuk mengetahui langkah-langkah dan aplikasi melakukan uji Chi Square.
4. Untuk mengetahui cara interpretasi uji Chi Square.
5. Untuk mengetahui cara menyajikan hasil analisis uji Chi Square.
 BAB II
PEMBAHASAN

A. Pengertian Uji Chi Square

Uji Chi Square adalah salah satu uji dari statistika non parametik yang sering
dipakai untuk sebuah penelitian. Uji Chi Square diterapkan pada kasus dimana akan
diuji apakah frekuensi yang akan diamati (data observasi) berbeda secara nyata
ataukah tidak dengan frekuensi yang diharapkan (expected value). Sehingga akan
menentukan apakah penelitian kita sesuai dengan yang diharapkan atau tidak. Chi
Square test adalah teknik analisis yang digunakan untuk menentukan perbedaan
frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi harapan (Ei)
suatu kategori tertentu. Uji Chi Square ini bisa diterapkan untuk pengujian
kenormalan data, pengujian data yang berlevel nominal atau untuk menguji
perbedaan dua atau lebih proporsi sampel. Data yang dapat diujikan dengan ch
square ini adalah data yang berupa diskrit atau frekunsi.
Pengertian Chi Square lainnya adalah sebuah uji hipotesis tentang
perbandingan antara frekuensi observasi dengan frekuensi harapan yang didasarkan
oleh hipotesis tertentu pada setiap kasus atau data. Chi kuadrat adalah pengujian
hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi
(Haryono, 1994). Chi Square biasanya di dalam frekuensi observasi berlambangkan
dengan frekuensi harapan yang didasarkan atas hipotesis dilambangkan. Ekspresi
matematis tentang distribusi chi kuadrat hanya tergantung pada suatu parameter,
yaitu derajat kebebasan (d.f.).
Chi Square mempunyai masing-masing nilai derajat kebebasan, yaitu distribusi
(kuadrat standard normal) merupakan distribusi Chi Square dengan d.f. = 1, dan
nilai variabel tidak bernilai negatif. Kegunaan dari Chi Square untuk 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 kategorik tersebut (Sri, 1990).
 Jadi uji Chi Square ini merupakan uji untuk mengetahui apakah hasil penelitian
kita akan sama dengan kenyataan/harapan atau tidak. Dan uji ini akan menentukan
apakah uji yang kita lakukan berhasil atau tidak.
1. Prinsip Dasar Uji Chi Square
Proses uji Chi Square adalah membandingkan frekuensi yang terjadi
(observasi) dengan frekuensi harapan (ekspektasi). Bila nilai frekuensi observasi
dengan nilai frekuensi harapan sama, maka dikatakan tidak ada perbedaan yang
bermakna (signifikan). Sebaliknya, bila nilai frekuensi observasi dan nilai
frekuensi harapan berbeda, maka dikatakan ada perbedaan yang bermakna
(signifikan). Pembuktian dengan uji Chi Square dengan menggunakan formula:

, df = (k-1)(b-1)

Keterangan:
X2 = Nilai X 2
O = Nilai observasi
E = Nilai harapan
K = Jumlah kolom
B = Jumlah baris
Untuk mempermudah analisisuji Chi Square, nilai data kedua variabel
disajikan dalam bentuk tabel silang:

a, b, c, d merupakan nilai observasi, sedangkan nilai ekspektasi (harapan)

masing-masing sel dicari dengan rumus:
2. Keterbatasan Uji Chi Square
Seperti kita ketahui, uji Chi Square menuntut frekuensi harapan/ekspektasi
(E) dalam masing-masing sel tidak boleh terlampau kecil. Jika frekuensi sangat
kecil, penggunaan uji ini mungkin kurang tepat. Oleh karena itu dalam
penggunaan uji Chi Square harus memperhatikan keterbatasan-keterbatasan uji
ini. Adapun keterbatasan uji Chi Square adalah sebagai berikut:
a) Tidak boleh ada sel yang mempunyai nilai harapan (nilai E) kurang dari 1.
b) Tidak boleh ada sel yang mempunyai nilai harapan (nilai E) kurang dari 5,
lebih dari 20% dari jumlah sel.
Jika keterbatasan tersebut terjadi pada saat uji Chi Square dan data yang
tersedia tidak sesuai dengan syarat dalam melakukan uji Chi Square, maka uji
Chi Square menjadi kurang akurat untuk dilakukan dan tidak tepat untuk
dilakukan. Tetapi peneliti dianjurkan menggunakan uji Fisher’s Exact (Hastono,
2006).
3. Penggunaan Uji Chi Square Sesuai Pemenuhan Asumsi
a) Tabel 2x2 memenuhi asumsi menggunakan Continuity Correction
b) Tabel 2x2 tidak memenuhi asumsi menggunakan Uji Fisher’s Exact
c) Tabel lebih dari 2x2 memenuhi asumsi menggunakan Pearson Chi Square
d) Tabel lebih dari 2x2 tidak memenuhi asumsi menggunakan Likehood Ratio
Expected 2x2 >2 x 2

20% Continuity Correction Pearson Chi Square

>20% Fisher’s Exact Test Likelihood Ratio

4. Ketentuan Uji Chi Square

a) Bila pada 2 x 2 dijumpai nilai Expected (harapan) kurang dari 5, maka yang
digunakan adalah “Fisher’s Exact Test”. Nilai E dilihat pada footnote b di
bawah kotak Chi Square Test.
b) Bila tabel 2 x 2, dan tidak ada nilai E < 5, maka uji yang dipakai sebaiknya
“Continuity Correction (a)”
c) Bila tabelnya lebih dari 2 x 2, misalnya 3 x 2, 3 x 3, dsb maka digunakan uji
“Pearson Chi Square”
d) Uji “Likelihood Ratio” dan “Linear-by-Linear Association”, biasanya
digunakan untuk keperluan lebih spesifik, misalnya analisis stratifikasi pada
 bidang epidemiologi dan juga untuk mengetahui hubungan linier dua
variabel kategorik, sehingga keduanya jarang digunakan.

B. Tujuan Uji Chi Square

Tujuan dari digunakannya uji Chi Square adalah untuk menguji perbedaan
proporsi atau persentase antara beberapa kelompok data. Dilihat dari segi datanya
uji Chi Square dapat digunakan untuk mengetahui hubungan antara variabel
kategorik dengan variabel kategorik. Adapun kegunaan dari uji Chi Square, adalah:
1) Ada tidaknya asosiasi antara 2 variabel (Independent test)
2) Apakah suatu kelompok homogen atau tidak (Homogenity test)
3) Uji kenormalan data dengan melihat distribusi data (Goodness of fit test).
Contoh pertanyaan penelitian untuk kasus yang dapat dipecahkan oleh uji Chi
Square misalnya:
1) Apakah ada perbedaan status ibu menyusui secara eksklusif antara yang kerja
dan tidak kerja. Kasus tersebut berarti menguji hubungan antara status ibu
menyusui (kategori eksklusif dan tidak eksklusif) dengan variabel status kerja
ibu (kategori kerja dan tidak kerja)
2) Apakah ada perbedaan status ibu menyusui secara eksklusif antara yang kerja
penuh waktu, kerja paruh waktu, dan tidak bekerja. Kasus tersebut berarti
menguji hubungan antara status ibu menyusui (kategori eksklusif dan tidak
eksklusif) dengan variabel status kerja ibu (kategori kerja penuh waktu, kerja
paruh waktu, dan tidak bekerja).

C. Langkah-Langkah dan Aplikasi Melakukan Uji Chi Square

1. Uji Chi Square Tabel 2 x 2
No
Status Kerja Ibu Status Menyusui Ibu
.
 1 Kerja Tidak Eksklusif
2 Kerja Eksklusif
3 Tidak Kerja Tidak Eksklusif
4 Kerja Tidak Eksklusif
5 Tidak Kerja Eksklusif
6 Tidak Kerja Eksklusif
7 Tidak Kerja Eksklusif
8 Kerja Tidak Eksklusif
9 Kerja Eksklusif
10 Tidak Kerja Tidak Eksklusif
11 Tidak Kerja Tidak Eksklusif
12 Kerja Eksklusif
13 Tidak Kerja Eksklusif
14 Kerja Tidak Eksklusif
15 Tidak Kerja Eksklusif
16 Kerja Tidak Eksklusif
17 Tidak Kerja Eksklusif
18 Tidak Kerja Eksklusif
19 Kerja Tidak Eksklusif
20 Kerja Tidak Eksklusif
21 Kerja Tidak Eksklusif
22 Kerja Eksklusif
23 Tidak Kerja Tidak Eksklusif
24 Kerja Tidak Eksklusif
25 Tidak Kerja Eksklusif
26 Tidak Kerja Eksklusif
27 Tidak Kerja Eksklusif
28 Kerja Tidak Eksklusif
29 Kerja Eksklusif
30 Tidak Kerja Tidak Eksklusif
31 Tidak Kerja Tidak Eksklusif
32 Kerja Eksklusif
33 Tidak Kerja Eksklusif
34 Kerja Tidak Eksklusif
35 Tidak Kerja Eksklusif
36 Kerja Tidak Eksklusif
37 Tidak Kerja Eksklusif
38 Tidak Kerja Eksklusif
39 Kerja Tidak Eksklusif
40 Kerja Tidak Eksklusif
41 Tidak Kerja Tidak Eksklusif
42 Kerja Eksklusif
43 Tidak Kerja Eksklusif
44 Kerja Tidak Eksklusif
45 Tidak Kerja Eksklusif
46 Kerja Tidak Eksklusif
 47 Tidak Kerja Eksklusif
48 Tidak Kerja Eksklusif
49 Kerja Tidak Eksklusif
50 Kerja Eksklusif

Data diatas digunakan untuk mengetahui hubungan antara status kerja ibu
dengan status menyusui ibu. Variabel status kerja ibu terdiri dari 2 (dua)
kategori yaitu kerja dan tidak kerja, sedangkan variabel status menyusui ibu
terdiri dari kategori eksklusif dan tidak eksklusif. Kemudian data tersebut
diolah menggunakan SPSS Statistic dengan langkah-langkah dan
pengaplikasian sebagai berikut:
a) Definisikan variabel pada halaman Variable View

b) Input data pada halaman Data View, hasil setelah dilakukan coding
Status kerja ibu : 0 (kerja) dan 1 (tidak kerja)
Status menyusui ibu : 0 (tidak eksklusif) dan 1 (eksklusif)

c) Klik menu Analyze, kemudian pilih Descriptive Statistics, lalu pilih

Crosstabs hingga muncul menu Crosstabs
d) Pada kotak dialog menu Crosstabs, klik variabel status kerja ibu,
kemudian masukkan variabel ke kotak Row dan klik variabel status
menyusui ibu, kemudian masukkan variabel ke kotak Column

e) Klik pilihan Statistics, kemudian centang pilihan Chi Square, lalu centang
pilihan Risk, kemudian klik Continue
 f) Klik pilihan Cells, kemudian centang pilihan Observed pada bagian
Counts, lalu centang pilihan Row pada bagian Percentages

g) Klik Continue, kemudian OK.

Maka akan didapatkan hasil output SPSS yang berisi tabel Case Processing
Summary, tabel status kerja ibu * status menyusui ibu Crosstabulation, tabel
Chi-Square Tests dan Risk Estimate.
2. Uji Chi Square Tabel 3 x 2
No
Status Kerja Ibu Status Menyusui Ibu
.
 1 Kerja Penuh Waktu Tidak Eksklusif
2 Kerja Penuh Waktu Eksklusif
3 Kerja Penuh Waktu Tidak Eksklusif
4 Kerja Penuh Waktu Tidak Eksklusif
5 Kerja Penuh Waktu Eksklusif
6 Kerja Penuh Waktu Eksklusif
7 Kerja Penuh Waktu Eksklusif
8 Kerja Penuh Waktu Tidak Eksklusif
9 Kerja Penuh Waktu Eksklusif
10 Kerja Penuh Waktu Tidak Eksklusif
11 Kerja Penuh Waktu Tidak Eksklusif
12 Kerja Penuh Waktu Eksklusif
13 Kerja Penuh Waktu Eksklusif
14 Kerja Penuh Waktu Tidak Eksklusif
15 Kerja Penuh Waktu Eksklusif
16 Kerja Penuh Waktu Tidak Eksklusif
17 Kerja Paruh Waktu Eksklusif
18 Kerja Paruh Waktu Eksklusif
19 Kerja Paruh Waktu Tidak Eksklusif
20 Kerja Paruh Waktu Tidak Eksklusif
21 Kerja Paruh Waktu Tidak Eksklusif
22 Kerja Paruh Waktu Eksklusif
23 Kerja Paruh Waktu Tidak Eksklusif
24 Kerja Paruh Waktu Tidak Eksklusif
25 Kerja Paruh Waktu Eksklusif
26 Kerja Paruh Waktu Eksklusif
27 Kerja Paruh Waktu Eksklusif
28 Kerja Paruh Waktu Tidak Eksklusif
29 Kerja Paruh Waktu Eksklusif
30 Kerja Paruh Waktu Tidak Eksklusif
31 Kerja Paruh Waktu Tidak Eksklusif
32 Kerja Paruh Waktu Eksklusif
33 Tidak Kerja Eksklusif
34 Tidak Kerja Tidak Eksklusif
35 Tidak Kerja Eksklusif
36 Tidak Kerja Tidak Eksklusif
37 Tidak Kerja Eksklusif
38 Tidak Kerja Eksklusif
39 Tidak Kerja Tidak Eksklusif
40 Tidak Kerja Tidak Eksklusif
41 Tidak Kerja Tidak Eksklusif
42 Tidak Kerja Eksklusif
43 Tidak Kerja Eksklusif
44 Tidak Kerja Tidak Eksklusif
45 Tidak Kerja Eksklusif
46 Tidak Kerja Tidak Eksklusif
 47 Tidak Kerja Eksklusif
48 Tidak Kerja Eksklusif
49 Tidak Kerja Tidak Eksklusif
50 Tidak Kerja Eksklusif

Data diatas digunakan untuk mengetahui hubungan antara status kerja ibu
dengan status menyusui ibu. Variabel status kerja ibu terdiri dari 3 (tiga)
kategori yaitu tidak kerja, kerja paruh waktu, dan kerja penuh waktu,
sedangkan variabel status menyusui ibu terdiri dari kategori eksklusif dan tidak
eksklusif. Kemudian data tersebut diolah menggunakan SPSS Statistic dengan
langkah-langkah dan pengaplikasian sebagai berikut:
a) Definisikan variabel pada halaman Variable View

b) Input data pada halaman Data View, hasil setelah dilakukan coding
Status kerja ibu : 0 (kerja penuh waktu), 1 (kerja paruh waktu), 2
(tidak kerja)
Status menyusui ibu : 0 (tidak eksklusif) dan 1 (eksklusif)
c) Klik menu Analyze, kemudian pilih Descriptive Statistics, lalu pilih
Crosstabs hingga muncul menu Crosstabs

d) Pada kotak dialog menu Crosstabs, klik variabel status kerja ibu,
kemudian masukkan variabel ke kotak Row dan klik variabel status
menyusui ibu, kemudian masukkan variabel ke kotak Column
e) Klik pilihan Statistics, kemudian centang pilihan Chi Square, lalu centang
pilihan Risk, kemudian klik Continue

f) Klik pilihan Cells, kemudian centang pilihan Observed pada bagian

Counts, lalu centang pilihan Row pada bagian Percentages

g) Klik Continue, kemudian OK.

 Maka akan didapatkan hasil output SPSS yang berisi tabel Case Processing
Summary, tabel status kerja ibu * status menyusui ibu Crosstabulation, tabel
Chi-Square Tests dan Risk Estimate.

Output SPSS tidak bisa menampilkan nilai OR pada tabel 3 x 2 maupun 3 x

3, karena nilai OR hanya bisa dihitung pada tabel 2 x 2. Maka dari itu, untuk
mendapatkan nilai OR dan CI pada tabel 3 x 2 maupun 3 x 3 terdapat dua cara
yang dapat dilakukan yaitu dibuat dummy variabel terlebih dahulu kemudian
baru dilakukan Crosstabs atau melakukan analisis regresi logistik sederhana.
3. Regresi Logistik Sederhana
Crosstabs pada tabel 3 x 2 tidak bisa menampilkan nilai OR. Untuk bisa
mendapatkan nilai OR dan CI salah satunya caranya yaitu dengan melakukan
analisis regresi logistik sederhana. Langkah-langkah pada regresi logistik
sederhana, yaitu:
a) Klik Analyze, kemudian pilih Regression, lalu klik Binary Logistic

b) Masukkan variabel status menyusui ibu ke kotak Dependent dan variabel

status kerja ibu ke kotak Covariates
c) Klik Categorical, kemudian masukkan variabel status kerja ibu ke kotak
Categorical Covariates. Lalu pastikan Reference Category adalah Last
(artinya kelompok pembanding yang digunakan adalah kode tertinggi (kode
2 = kerja penuh waktu) dan klik Continue

d) Klik Options, kemudian pilih centang CI for exp(B). Selanjutnya klik

Continue, kemudian OK.
 Pada hasil output regresi logistik sederhana hanya mengambil bagian yang
paling akhir saja, yaitu yang berkaitan dengan perbandingan status menyusui ibu
pada status kerja ibu (OR atau Exp(B)) seperti berikut:

D. Interpretasi Uji Chi Square

1. Interpretasi Uji Chi Square Tabel 2 x 2
a) Output Case Processing Summary

Dalam output ini menjelaskan tentang ringkasan kasus atau data. Untuk
data status kerja ibu dan status menyusui ibu yang valid berjumlah 50 dan
tidak ada data yang hilang (missing) dengan persentase 100%.

b) Output Status Kerja Ibu dan Status Menyusui Ibu Crosstabulation

Dalam output ini menjelaskan tentang tabulasi silang antara status kerja
ibu dengan status menyusui ibu. Dapat dilihat bahwa ibu yang bekerja dan
tidak menyusui secara eksklusif berjumlah 17 orang (68%), sedangkan yang
 menyusui secara eksklusif berjumlah 8 orang (32%). Kemudian, untuk ibu
yang tidak bekerja dan tidak menyusui secara eksklusif berjumlah 7 orang
(28%), sedangkan yang menyusui secara eksklusif berjumlah 18 orang (72%).

c) Output Chi Square Tests

Dalam output ini terdapat beberapa jenis uji, yakni pearson chi square,
continuity correction, likelihood ratio, fisher’s exact test, dan linear by linear
association. Namun, yang dipakai hanyalah bagian continuity correction,
karena table nya 2 x 2 dan tidak ada nilai E < 5. Untuk mengetahui adanya
nilai E kurang dari 5, dapat dilihat pada footnote dibawah kotak Chi Square
Test, dan tertulis diatas nilainya 0 cell (0 %) berarti pada tabel silang diatas
tidak ditemukan ada nilai E < 5.
Output ini menjelaskan tentang hasil uji Chi Square. Uji Chi Square
dimaksudkan untuk menguji hubungan antara variabel baris dan kolom untuk
data berskala nominal. Dalam hal ini untuk menguji hubungan antara variabel
status kerja dan status menyusui ibu. Cara untuk menguji hubungan antara
variabel pada Chi Square:
1. Membandingkan nilai Chi Square hitung dengan tabel Chi Square
Kriteria pengujian:
a) Nilai Chi Square hitung ≤ Chi Square table maka Ho diterima (tidak
ada hubungan).
b) Nilai Chi Square hitung > Chi Square table maka Ho ditolak (ada
hubungan).
2. Membandingkan p value (signifikansi) dengan α
Kriteria pengujian:
a) Signifikansi ≤ 0,05 atau p value ≤ α maka Ho ditolak (ada
hubungan).
b) Signifikansi > 0,05 atau p value > α maka Ho diterima (tidak ada
hubungan).
Namun, dalam hal ini karena kita menggunakan SPSS, maka lakukan
cara yang ke dua, yakni membandingkan p-value dengan α. Langkah-langkah
menguji hubungan antara variabel pada Chi Square adalah sebagai berikut:
1. Menyusun Hipotesis
Ho : Tidak ada hubungan antara status kerja ibu dengan status menyusui
ibu.
Ha : Ada hubungan antara status kerja ibu dengan status menyusui ibu.
2. Menentukan nilai p value (siginifikansi)

Dari output tersebut didapat nilai p value (signifikansi) pada Continuity

Correction adalah 0,011.
3. Bandingkan p value dengan α (0,05)
P value ≤ α (0,011 ≤ 0,05)
4. Mengambil keputusan
Sebagaimana hasil perbandingan p value dengan α, maka dapat diambil
keputusan bahwa Ho ditolak, yang artinya terdapat hubungan yang
bermakna secara statistik antara status kerja ibu dengan status menyusui
ibu.
 d) Output Risk Estimate

Dalam output ini menjelaskan nilai OR digunakan untuk jenis penelitian

Cross Sectional dan Case Control, sedangkan nilai RR digunakan bila jenis
penelitiannya Kohort. Dalam hal ini kita hanya melihat nilai OR nya saja.
Pada hasil di atas nilai OR terdapat pada baris Odds Ratio yaitu 5,464. Dapat
diinterpretasikan bahwa ibu yang statusnya bekerja memiliki peluang 5,464
kali lebih besar untuk tidak menyusui secara eksklusif.

2. Interpretasi Uji Chi Square Tabel 3 x 2

a) Output Case Processing Summary

Dalam output ini menjelaskan tentang ringkasan kasus atau data. Untuk
data status kerja ibu dan status menyusui ibu yang valid berjumlah 50 dan
tidak ada data yang hilang (missing) dengan persentase 100%.

b) Output Status Kerja Ibu dan Status Menyusui Ibu Crosstabulation

 Dalam output ini menjelaskan tentang tabulasi silang antara status kerja
ibu dengan status menyusui ibu. Dapat dilihat bahwa ibu yang kerja penuh
waktu dan tidak menyusui secara eksklusif sebanyak 12 orang (75%),
sedangkan yang menyusui secara esklusif sebanyak 4 orang (25%).
Kemudian, ibu yang bekerja paruh waktu dan tidak menyusui secara eksklusif
sebanyak 9 orang (56,3%), sedangkan yang menyusui secara eksklusif
sebanyak 7 orang (43,8%). Serta, ibu yang tidak bekerja dan tidak menyusui
secara eksklusif sebanyak 5 orang (27,8%), sedangkan yang menyusui secara
eksklusif sebanyak 13 orang (72,2%).

c) Output Chi Square Tests

Dalam output ini terdapat beberapa jenis uji, yakni pearson chi square,
continuity correction, likelihood ratio, fisher’s exact test, dan linear by linear
association. Namun, yang dipakai hanyalah bagian pearson chi-square,
karena table nya 3 x 2.
Output ini menjelaskan tentang hasil uji Chi Square. Uji Chi Square
dimaksudkan untuk menguji hubungan antara variabel baris dan kolom untuk
data berskala nominal. Dalam hal ini untuk menguji hubungan antara variabel
status kerja dan status menyusui ibu. Karena kita menggunakan SPSS, maka
caranya kita membandingkan p-value dengan α. Langkah-langkah menguji
hubungan antara variabel pada Chi Square adalah sebagai berikut:
1. Menyusun Hipotesis
Ho : Tidak ada hubungan antara status kerja ibu dengan status menyusui
ibu.
Ha : Ada hubungan antara status kerja ibu dengan status menyusui ibu.
 2. Menentukan nilai p value (siginifikansi)

Dari output tersebut didapat nilai p value (signifikansi) pada Person Chi
Square adalah 0,021.
3. Bandingkan p value dengan α (0,05)
P value ≤ α (0,021 ≤ 0,05)
4. Mengambil keputusan
Sebagaimana hasil perbandingan p value dengan α, maka dapat diambil
keputusan bahwa Ho ditolak, yang artinya terdapat hubungan yang
bermakna secara statistik antara status kerja ibu dengan status menyusui
ibu.

d) Output Risk Estimate

Output SPSS tidak bisa menampilkan nilai OR pada table 3 x 2, karena

nilai OR hanya bisa dihitung pada tabel 2 x 2. Untuk bisa mendapatkan nilai
OR dan CI-nya pada tabel 3 x 2 ada dua cara yang dapat dilakukan yaitu,
harus dibuat dummy variabel tabel terlebih dahulu kemudian baru dilakukan
Crosstabs atau melakukan analisis regresi logistik sederhana. Dalam hal ini
kami memilih untuk melakukan analisis regresi logistic sederhana.
 3. Interpretasi Uji Regresi Logistik Sederhana

Dalam output ini kita lihat nilai signifikansinya atau p value dan OR atau
Exp(B), dapat disimpulkan bahwa status ibu bekerja paruh atau status kerja
ibu(1) memiliki kecenderungan untuk menyusui secara eksklusif sebesar 0,128
kali lebih besar dibandingkan dengan ibu yang bekerja penuh waktu (p value:
0,009 < 0,05). Namun, pada status ibu tidak bekerja atau status kerja ibu(2) tidak
menunjukkan hubungan yang signifikan (p value: 0,098 > 0,05).

E. Cara Menyajikan Hasil Analisis Uji Chi Square

1. Menyajikan Hasil Analisis Uji Chi Square Tabel 2 x 2
Dari hasil pengujian diatas, angka-angka tersebut disajikan dalam tabel
dalam laporan penelitian. Bentuk penyajian dan interpretasinya adalah sebagai
berikut:
Tabel Distribusi Proporsi Status Kerja Ibu
dengan Status Menyusui Ibu
Status Menyusui
Status Total OR (95% CI) P=Value
Tidak Esklusif
Pekerjaan N % N % N %

Bekerja 17 68 8 32% 25 100% 5,464 0,011

% 1,6 – 18,3
Tidak 7 28 18 72% 25 100%
Bekerja %
Jumlah 24 48 26 52% 50 100%
%
Hasil analisis hubungan antara status pekerjaan dengan status menyusui
eksklusif diperoleh bahwa ada sebanyak 8 (32%) ibu yang bekerja menyusui
 bayi secara eksklusif. Sedangkan diantara ibu yang tidak bekerja, ada 18
(72,0%) yang menyusui secara eksklusif. Hasil uji statistic diperoleh nilai
p=0,011 maka dapat disimpulkan ada perbedaan proporsi kejadian menyusui
eksklusif antara ibu tidak bekerja denganibu yang bekerja (ada hubungan yang
signifikan antara pekerjaan dengan status menyusui). Dari hasil analisis
diperoleh pula nilai OR=5,464, artinya ibu tidak bekerja mempunyai peluang
5,46 kali untuk menyusui eksklusif dibanding ibu yang bekerja.

2. Menyajikan Hasil Analisis Uji Chi Square Tabel 3 x 2

Dari hasil pengujian diatas, angka-angka tersebut disajikan dalam tabel
dalam laporan penelitian. Bentuk penyajian dan interpretasinya adalah sebagai
berikut:
Tabel Distribusi Proporsi Status Kerja Ibu
dengan Status Menyusui Ibu

Status Menyusui P=
Status Total OR (95% CI)
Tidak Esklusif Value
Pekerjaan
N % N % N %
Pekerja
Penuh 12 75% 4 25% 16 100% 0, 128 0,009
Waktu
Pekerja
Paruh 9 56,3% 7 43,8% 16 100% 0,299 0,098
waktu
Tidak
5 27,8% 13 72,2% 18 100% Ref Ref
Bekerja
Jumlah 26 52% 24 48% 50 100%
Hasil analis hubungan antara status pekerjaan ibu dengan status menyusui
diperoleh bahwa sebanyak 4 (25%) ibu yang bekerja penuh memiliki status
menyusui ekslusif, sebanyak 7 (43,8%) ibu yang bekerja paruh waktu memiliki
status menyusui ekslusif, dan sebanyak 13 (72,2%) ibu yang tidak bekerja
memiliki status menyusui ekslusif. Hasil uji statistik diperoleh nilai P value
untuk ibu yang berstatus kerja penuh sebesar 0,009, maka dapat disimpulkan
bahwa ada perbedaan proporsi yang signifikan antara status meyusui dengan
status pekerjaan ibu untuk kelompk 1 yaitu ibu yang bekerja penuh dengan ibu
yang tidak bekerja. Sedangkan nilai pvalue untuk ibu yang berstatus kerja paruh
waktu sebesar 0,098. Maka dapat disimpulkan kembali bahwa tidak ada
perbedaan proporsi antara status menyusui dengan status pekerjaan ibu untuk
kelompok 2 yaitu ibu yang bekerja paruh waktu dengan ibu yang tidak bekerja.
Dari hasil analisis diperoleh pula pada ibu yang status bekerja penuh
memiliki nilai OR 0,128, artinya ibu yang memiliki status bekerja penuh
mempunyai peluang 0,128 kali untuk menyusui ekslusif dibandingkan dengan
ibu yang status tidak bekerja. Karena tidak ada perbedaan pada kelompok 2 ,
maka peluang keduanya (ibu yang tidak bekerja dengan ibu yang bekerja paruh
waktu) untuk menyusui ekslusif adalah sama.

Penjelasan secara rinci

a) Indikator 1
Status pekerja penuh waktu dengan p valuenya adalah 0,009 lalu
dibandingkan dengan alfa yaitu 0,05, maka 0,009 < 0,05 (p value lebih kecil
dari alfa, maka Ho = Ditolak dan ada perbedaan antara status menyusui
dengan status pekerjaan ibu untuk kelompok 1, Kelompok 1 nya yaitu pada
status pekerja penuh waktu dengan tidak bekerja).
b) Indikator 2
Status pekerja paruh waktu dengan pvaluenya adalah 0,098 lalu
dibandingkan dengan alfa yaitu 0,05, maka 0,098 > 0,05 (p value lebih besar
dari alfa, maka Ho = Gagal ditolak dan tidak ada perbedaan antara status
menyusui dengan status pekerjaan pada kelompok 2, Kelompok 2 nya yaitu
pada status pekerja paruh waktu dengan tidak bekerja).
Setelah melakukan analisis regresi logistik apabila di salah satu kelompok
ditemukan tidak ada perbedaan (p value lebih dari alfa) dan di kelompok lain ada
perbedaan (p value kurang dari alfa), maka tetap disimpulkan bahwa ada
perbedaan proporsi pada uji chi square ini.
 BAB III
PENUTUP

A. Kesimpulan
Uji Chi Square adalah salah satu uji dari statistika non parametik yang sering
dipakai untuk sebuah penelitian dan diterapkan pada kasus apakah frekuensi yang
akan diamati (data observasi) berbeda secara nyata ataukah tidak dengan frekuensi
yang diharapkan (expected value). Tujuan uji Chi Square adalah untuk menguji
perbedaan proporsi atau persentase antara beberapa kelompok data. Adapun
keterbatasan yang dimiliki oleh uji Chi Square yaitu, tidak boleh ada sel yang
mempunyai nilai expected (E) kurang dari 1 dan tidak boleh ada sel yang
mempunyai nilai E kurang dari 5, lebih dari 20% dari jumlah sel.
Uji Chi Square memiliki beberapa ketentuan yaitu, pada tabel 2 x 2 dijumpai
nilai expected (harapan) kurang dari 5 menggunakan uji Fisher’s Exact Test, pada
tabel 2 x 2 dan tidak ada nilai E < 5 menggunakan uji Continuity Correction, pada
tabel 3 x 2, 3 x 3, dsb mengunakan uji Pearson Chi Square, Uji Likelihood
Ratiodan Linear-by-Linear Association jarang digunakan dan biasanya digunakan
untuk keperluan lebih spesifik, contohnya analisis stratifikasi pada bidang
epidemiologi, serta untuk mengetahui hubungan linier dua variabel kategorik.

B. Saran
Semoga makalah yang kami buat dapat bermanfaat bagi penulis maupun
pembaca. Penulis menyadari bahwa makalah ini masih banyak sekali kesalahan dan
jauh dari kesempurnaan. Maka dari itu, penulis mengharapkan kritik dan saran
mengenai pembahasan makalah dalam kesimpulan di atas.
 DAFTAR PUSTAKA

BESRAL. 2010. Pengolahan dan Analisa Data-1 Menggunakan SPSS. Depok:

Universitas Indonesia.
Damudi, Dian. 2015. Uji Chi-Square. Sumedang: Universitas Padjadjaran.
Hastono, Sutanto Priyo. 2006. Analisis Data. Depok: Universitas Indonesia.
Pribadi, Edi Minaji. 2008. Chi Square Test. Jakarta: Universitas Gunadarma.