MAKALAH STATISTIKA

CHI-KUADRAT

Disusun Oleh

Kelompok 7

Widia Nur Latifah 41117010004

Febi Afifa Ajengsari 41117010006

Diah Ayu Lestari 41117010032

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
JAKARTA
2018
 BAB I
PENDAHULUAN

A. Latar belakang
Pada umumnya penelitian ilmiah lebih banyak berhubungan dengan data yang
bersifat interval atau rasio. Data interval dan rasio merupakan data yang berupa angka
hasil dari pengukuran baik pengukuran yang bersifat langsung maupun tidak
langsung. Namun demikian tidak jarang peneliti harus bekerja dan terlibat dengan
data yang berwujud frekuensi. Data frekuensi atau distribusi frekuensi merupakan
data hasil dari pencacahan atau pembilangan. Jika kita perhatikan pengujian atau tes
hipotesis untuk harga proporsi hanya melibatkan paling banyak dua proporsi yang
diukur dari dua proporsi yang berbeda. Dalam kenyataannya kita tidak hanya akan
menggunakan dua proporsi, namun lebih dari itu. Oleh karena itu kita tentu akan
mengalami kesulitan jika tiga atau lebih proporsi diuji menggunakan uji hipotesis
harga perbedaan dua proporsi.
Untuk mengatasi kesulitan tersebut kita menggunakan pengujian lain yaitu uji
Chi-kuadrat atau Chi- square test yang disimbolkan dengan x 2. Chi 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.

B. Rumusan masalah
1. Apa pengertian Chi-Kuadrat ?
2. Apa saja kegunaan Chi- Kuadrat ?
3. Bagaimana kelebihan dan kekurangan Chi-Kuadrat ?
C. Tujuan
1. Untuk mengetahui pengertian Chi-Kuadrat
2. Untuk mengetahui kegunaan Chi- Kuadrat
3. Untuk mengetahui kelebihan dan kekurangan Chi-Kuadrat

D. Manfaat makalah
1. Mahasiswa dapat mengetahui cara mengolah data yang diperoleh.
2. Mahasiswa mengaplikasi uji Chi-Kuadrat pada penelitian

E. Sistematika penyusunan makalah

BAB I
PENDAHULUAN : A. latar belakang
B. rumusan masalah
C. tujuan
D. manfaat makalah
E. sistematika penulisan

BAB II
KAJIAN TEORI : A. pengertian Chi-Kuadrat
B. Kegunaan Chi-Kuadrat
C. kelebihan dan kekurangan Chi-Kuadrat

BAB III
PEMBAHASAN : Penerapan uji Chi-Kuadrat

BAB IV
PENUTUP : A. kesimpulan
B. Saran
 BAB II
KAJIAN TEORI

A. PENGERTIAN CHI KUADRAT

Uji Chi Kuadrat (X2) dapat dikatakan sebagai uji proporsi untuk dua peristiwa
atau lebih dan data berjenis nominal, sehingga datanya bersifat dikrit. Dalam uji Chi-
Kuadrat dihadapkan pada suatu pengujian apakah perbedaan antara frekuensi hasil
observasi (disimbolkan fo) dengan frekuensi yang diharapkan pleh peneliti
(disimbolkan fe/fh) dari sampel yang terbatas merupakan perbedaan yang signifikan
atau tidak. 1
Rumus :

( fe−fo)2
X2 = ∑
fe

Dimana :
fo = frekuensi observasi
fe = frekuensi yang diharapkan (teoritis)
X2 = Chi-Kuadrat
Catatan :
∑ fo
Bila frekuensi harapn (fe) tidak diketahui maka dapat dicari dengan rumus fe =
n

B. KEGUNAAN CHI-KUADRAT
1. Chi – Kuadrat Untuk Menguji Proporsi
Pengujian ini dilakukan untuk menguji hipotesis nihil yang menyatakan
proporsi-proporsi dari beberapa individu (sampel) yang diteliti mempunyai
sifat/kriteria yang sama. Misalnya proporsi tidak senang, proporsi setuju, proporsi
tidk setuju, dll.

Prosedur uji statistic Chi -Kuadrat

a. Membuat hipotesis dalam uraian kalimat
Ho : fo = fh (fo dan fh sesuai atau fit)
Ha : fo ≠ fh (fo dan fh tidak sesuai atau tidak fit)
1
b. Menentukan level of significance
Disini kita dapat menggunakan taraf keyakinan 80 %, 90%, 95%, 98%, dan
99%. Sesuai dengan taraf keyakinan si penguji, derajat kebebasan ditentukan
melalui banyaknya pasang frekuensi dikurangi dengan banyaknya besaran
yang dihitung dari hasil observasi (pengamatan) yang digunakan untuk
menghitung frekuensi harapan.
c. Menghitung X2hitung dan X2tabel
1) Mengitung nilai X2hitung
Rumus

2 ( fe−fo)2
X =∑
fe

2) Nilai X2tabel
Nilai dari distribusi X2tabel tergantung dari derajat bebas (v)/degree of
freedom
X2tabel = X2(α,db) db = k-1, α= derajat bebas (taraf signifikan)
d. Menentukan kriteria pengujian
Ho diterima Jika X2hitung ≤ X2tabel, (α; k-1)
Ho ditolak Jika X2hitung > X2tabel, (α; k-1)
e. Membuat keputusan

Contoh
Seorang mahasiswa fakultas ilmu komunikasi universitas “Z” dalam penelitiannya
ingin mengetahui penggunaan jenis operator seluler yang digunakan buat kartu
handphone mereka. Untuk keperluan penelitian tersebuut diambil secara acak 138
orang mahasiswa fakultas ilmu komunikasi universitas “Z” . Dari hasil survey
didapat 23 orang memilih simpati, 15 orang memilih XL, 27 orang memilih Esia,
24 orang memilih IM3, 23 orang memilih Mentari dan 16 orang Memilih Frend.
Pertanyaan :
Ujilah pernyataan yang menyebutkan bahwa proporsi mahasiswa memilih
operator seluler adalah sama, gunakan taraf nyata 5%
Langkah-langkah menjawab
1. Membuat hipotesis (Ha dan Ho) dalam uraian kalimat
 Ho : proporsi mahasiswa fakultas ilmu komunikasi universitas “Z” dalam
memilih operator seluler adalah sama
Ha ; proporsi mahasiswa fakultas ilmu komunikasi universitas “Z” dalam
memilih operator seluler adalah tidak sama
2. Menentukan taraf signifikan
Pada penelitian ini digunakan taraf signifikasi α= 5%
3. Menghitung X2hitung
rumus
( fe−fo)2
X2 = ∑
fe
a. Tahapan menghitung X2hitung
1) Membuat tabel penolong
Tabel 1.1 tabel penolong untuk menghitung nilai X2hitung

X2 =
Frekuensi Frekuensi
Jenis
observasi harapan (fo-fe)2 ( fe−fo)2
operator ∑
fe
(fo) (fe)

Simpati 23 23 0 0
XL 15 23 64 2,78
Esia 27 23 16 0,7
IM3 24 23 1 0,04
Mentari 23 23 0 0
Frend 26 23 9 0,39
138 3,91

2) Untuk menetukan nilai (fe) dapat dicari dengan rumus

∑ fo 138
fe = = = 23
n 6
( fe−fo)2
3) Menentukan nilai X2hitung dengan rumus X2 = ∑
fe

( fe−fo)2 (23−23)2 (15−23)2 (24−23)2

X2 = ∑ = + + ¿ ¿+ + ¿¿
fe 23 23 23

(16−23)2
+ = 3,91
23

b. Nilai X2tabel
 Nilai dari distribusi X2tabel tergantung dari derajat bebas (v)/ degree of
freedom
X2tabel = X2(α,db)
Dengan n = 6, α = 5%
X2tabel = X2(α,db), db = n-1 = 6-1 = 5
Nilai X2tabel = X2(0,05,5) lihat tabel Chi Kuadrat = 11,07
4. Kaidah pengujian
Jika X2hitung ≤ X2tabel, maka diterima Ho
Jika X2hitung > X2tabel, maka ditolak Ho
5. Membandingkan antara X2hitung dan X2tabel
Ternyata X2hitung = 3,91 ≤ X2tabel = 11,07 maka diterima Ho
6. Membuat keputusan
Karena X2hitung ≤ X2tabel, maka Ho diterima, sehingga keputusannya adalah
proporsi mahasiswa fakultas ilmu komunikasi universitas “Z” dalam
memilih operator telepon seluler adalah sama.

2. Uji Independensi
Uji independen digunakan untuk menguji ada tidaknya pengaruh suatu
variable (sampel) terhadap variasi (sampel) lainnya yang dibagi menjadi beberapa
subvariabel. Misalnya pengaruh tingkat pendapatan terhadap pola konsumsi,
pengaruh usia terhadap kemangkiran bekerja, pengaruh usia terhadap tingkat
produktivitas kerja, dsb.
Tabel 2.1 uji independensi

VARIABEL I
S1 S2 …… Sk JUMLAH
T1 N11 N22 …... N1.k NT1
VARIABE T2 N21 N22 …… N2.k NT2
L II …… …… …… …… …… …..
Tr Nr.1 Nr.2 Nr.K NTr
JUMLAH NS1 NS2 …… NS N

Langkah pengujiannya adalah sbb.

1. Menentukan Ho dan Ha
Ho : P11 = P12 = P13 = P14 = ….. = P1.k
P21 = P22 = P23 = P24 = ….. = P2.k
 P31 = P32 = P33 = P34 = ….. = P3.k
P41 = P42 = P43 = P44 = ….. = P4.k

Ha : P11 ≠ P12 ≠ P13 ≠ P14 ≠ ….. = P1.k

P21 ≠ P22 ≠ P23 ≠ P24 ≠ ….. = P2.k
P31 ≠ P32 ≠ P33 ≠ P34 ≠ ….. = P3.k
P41 ≠ P42 ≠ P43 ≠ P44 ≠ ….. = P4.k
2. Menetukan level of significance
3. Kriteria pengujian
Ho diterima Jika X2hitung ≤ X2tabel, α;( r-1)(k-1)
Ho ditolak Jika X2hitung > X2tabel, α;( r-1)(k-1)
( fo−fh )2
4. Pengujian dengan rumus X2= ∑
fh
5. Kesimpulan

Contoh
Riset sebuah perusahaan mengenai pengaruh usia terhadap tingkat kemangkiran
karyawan yang bekerja di perusahaan tersebut selama satu tahun menunjukkan
angka-angka berikut
Tabel 3.1 hasil riset pengaruh usia terhadap kemangkiran karyawan
Usia karyawan (tahun)
20-35 36-50 51-65 66 ≤
1–5 20 13 4 3
Kemangkiran 6-10 15 15 9 5
(hari) 11-15 8 5 16 10
16 ≤ 2 7 25 10
Jumlah 45 40 54 28
Dengan menggunakan alfa 5%, ujilah pendapat yang menyatakan bahwa usia dan
tingkat kemangkiran karyawan bersifat independen satu sama lain!

Langkah pengujian :
a. Menentukan Ho dan Ha
20 13 4 3
Ho :
45
= 40
= 54
= 28

15 15 9 5
45
= 40
= 54
= 28
 8 5 16 10
45
= 40
= 54
= 28

2 7 25 10
45
= 40
= 54
= 28

semua proporsi usia karyawan terhadap tingkat kemahirannya adalah

sama, atau tidak terdapat pengaruh usia karyawan terhadap tingkat
kemangkirannya
Ha :tidak semua proporsi usia karyawan terhadap tingkat kemangkirannya
adalah sama, atau terdapat pengaruh usia karyawan terhadap tingkat
kemangkirannya.
b. Menentukan level of significance
Kita menggunakan taraf keyakinan 95% dan alfa 5%
c. Kriteria pengujian
X2 α;( r-1)(k-1) = X2 5% (4-1)(4-1) = X2 (5%;9) = 16,919
Ho diterima jika X2 hitung ≤ 16,919
Ha ditolak jika X2 hitung > 16,919
d. Pengujian
Rumus umum :

2∑( fo−fh)2
X=
fh
Fh = ¿ ¿
Perhitungan frekuensi harapan (fh) :
1) Kemangkiran 1-5 hari:
(40)(45)
Usia 20 – 35 : fh1 = = 10,78
167
(40)(40)
Usia 36 – 50 : fh2 = = 9,58
167
(40)(54 )
Usia 51 – 65 : fh3 = = 12,93
167
(40)(28)
Usia 66 ≤ : fh4 = = 6,71
167
2) Kemangkiran 6-10 hari
(44)(45)
Usia 20 – 35 : fh5 = = 11,86
167
 (44)(45)
Usia 36 – 50 : fh6 = = 10,54
167
(44)(45)
Usia 51 – 65 : fh7 = = 14,23
167
(44)(45)
Usia 66 ≤ : fh8 = = 7,38
167
3) Kemangkiran 11-15 hari
(39)(45)
Usia 20 – 35 : fh9 = = 10,51
167
(39)(45)
Usia 36 – 50 : fh10 = = 9,34
167
(39)(45)
Usia 51 – 65 : fh11 = = 12,61
167
(39)(45)
Usia 66 ≤ : fh12 = = 6,54
167
4) Kemangkiran 16 ≤ hari :
(44)(45)
Usia 20 – 35 : fh13 = = 11,86
167
(44)(45)
Usia 36 – 50 : fh14= = 10,54
167
(44)(45)
Usia 51 – 65 : fh15 = = 14,23
167
(44)(45)
Usia 66 ≤ : fh16 = = 7,38
167
Perhitungan X2 :

¿ ¿ = 7,88 ¿ ¿ = 0,60
¿ ¿ = 1,22 ¿ ¿ = 2,02
¿ ¿ = 6,17 ¿ ¿ = 0,91
¿ ¿ = 2,05 ¿ ¿ = 1,83
¿ ¿ = 0,83 ¿ ¿ = 8,20
¿ ¿ = 1,89 ¿ ¿ = 1,19
¿ ¿ = 1,92 ¿ ¿ = 8,15
¿ ¿ = 0,77 ¿ ¿ = 0,93

Jumlah X2 = 46,56
e. Kesimpulan
 Karena X2 hitung = 46,565 > 16,565 , Ho ditolak, berarti tidak semua
proporsi usia karyawan terhadap tingkat kemangkirannya adalah sama .

3. Uji kecocokan/kesesuaian
Dimana uji ini akan mengetes apakah frekuensi nyata (hasil pengamatan/
observasi) sesuai dengan frekuensi harapan. 2
Contoh soal
Berikut adalah tabel distribusi frekuensi nilai statistic dari 50 mahasiswa
Tabel 4.1 distribusi frekuensi nilai statistic dari 50 mahasiswa

Interval nilai Jumlah mahasiswa

1 – 20 5
21 – 40 15
41 – 60 17
61 – 80 10
81 – 100 3
Total 50
Dengan menggunakan α = 1%

Tabel 5.1 perhitungan tepi kelas, nilai Z, probilitas, selisih dan fh

Interval Tepi
Nilai Z Probabilitas Selisih Fh
nilai kelas
0,50 -2,18 0,4854

1 – 20 0,0929 4,645
20,50 -1,27 0,3925

21 – 40 0,2746 13,73
40,50 -0,30 0,1179

41 – 60 0,1210 6,05
60,50 0,64 0,2389

61 – 80 0,2040 10,20
80,50 1,58 0,4429

81 – 100 0,0512 2,56

100,50 2,52 0,4941

2
 (X − X́ )
a. Nilai Z = dimana X ditentukan oleh tepi kelas (0,50 ; 20,50 ;
s
…;100,50)
Disini harus dicari rata-rata dan deviasi standar (S) data berkelompok
∑ FM ∑ F (M − X́)
X́ =
N dan S =
√ N −1
Tabel 6.1 perhitungan Mean

Interval nilai F M FM F (M - X́ )

1 – 20 5 10,50 52,50 5 (10,50 – 46,9)2 = 6624,80

21 – 40 15 30,50 457,50 15 (30,50 – 46,9)2 = 4034,40

41 – 60 17 50,50 858,50 17 (50,50 – 46,9)2 = 220,32

61 – 80 10 70,50 705,00 10 (70,50 – 46,9)2 = 5569,60

81 – 100 3 90,50 271,50 3 (90,50 – 46,9)2 = 5702,88

2345
X́ = = 46,90
50

22.152
S=
√ 50−1
= 221,26

Perhitungan nilai Z :

0,50−46 , 9
Z1 = = -2,18
21,26

20,50−46 , 9
Z2 = = -1,24
21,26

40,50−46 , 9
Z1 = = -0,30
21,26

60,50−46 , 9
Z1 = = 0,64
21,26
 80,50−46 , 9
Z1 = = 1,58
21,26

100,50−46 , 9
Z1 = = 2,52
21,26

b. Nilai probabilitas ditentukan oleh nilai Z melalui tabel luas kurva normal
c. Selisih/ beda diperoleh dari nilai probilitas besar dikurangi nilai
probabilitas kecil
Missal : 0,4854 – 0,3925 = 0,0929
0,3925 – 0,1179 = 0,2746
d. Frekuensi harapan (fh) diperoleh dari selisih/beda dikalikan total fo
Missal : 0,9260 X 50 = 46,3
0,2746 X 50 = 13,73

Langkah pengujian :
a. Menentukan ho dan ha
Ho : fo = fh (fo dan fh sesuai atau fit)
Ha : fo ≠ fh (fo dan fh tidak sesuai atau tidak fit)
b. Menentukan level of significance
Menggunakan taraf keyakinan 99% dan toleransi kesalahan 1%
c. Kriteria pengujian
X2α; (db), dimana db =k-3, k= banyaknya kelas (5 kelas) dan 3= besaran
statistic (mean, deviasi standar standar unit), jadi x21%; (5-3)= x21%; (2) =
9,210
Ho diterima jika x2 hitung ≤ 9,210
Ho ditolak jika x2 hitung > 9,210
d. Pengujian

2 ( fo−fh)2 (5−4,4645)2 (15−13,73)2 (17−6,05)2

X= ∑ = + + +
fh 4,645 13,73 6,05

(10−10,20)2 (3−2,56)2
+
10,20 2,56

= 0,027 + 0,117 + 19,818 + 0,0039 + 0,078 = 20,0439

e. Kesimpulan
 Karena x2 hitung = 20,0439 > 9,210, Ho ditolak , berarti frekuensi nyata
(observasi) tidak sesuai/tidak fit dengan frekuensi harapan. Atau distribusi
jumlah mahasiswa bukan merupakan sampel dari populasi yang berdistribusi
normal.

4. Chi-Kuadrat Untuk Pengujian Hipotesis

Suatu survei pendahuluan yang terbatas ingin mengetahui tingkat golput
dalam pemilihan umum tahun 2009. Kategori subjek dipilah berdasarkan
pendidikan tertinggi, yakni tidak berpendidikan (TP), sekolah dasar (SD), sekolah
menengah pertama (SMP), sekolah menengah atas/kejuruan (SMA/K), diploma
(D1-D3), dan sarjana (D4, S1-S3). Survey dilakukan di lima kota besar di
Indonesia dengan sampel acak 1.000 subjek. Komposisi sampel berdasarkan
tingkat pendidikan adalah TP = 220; SD = 200; SMP = 180; SMA/K= 160;
diploma = 140; sarjana; 100.
Berdasarkan verivikasi dan analisis data diperoleh gambaran distribusi data
kasar golput, yaitu TP=120; SD=110; SMP=90; SMA/K=85; diploma=75;
sarjana=60. Distribusi data kasar orang yang bukan golput adalah TP = 100;
SD=90; SMP=90; SMA/K=75; diploma=65; sarjana=40. Berdasarkan data kasar
yang telah terkumpul, peneliti belum memperoleh gambaran apa pun. Agar
peneliti memperoleh petunjuk yang jelas, yaitu apakah ada perbedaan antara orang
yang akan menjadi golput dan tidak golput, data kasar tersebut harus diolah untuk
memperoleh nilai x2.
Cara yang ditempuh untuk memperoleh x2 adalah dengan menghitung fh
(frekuensi harapan) berdasarkan fo (frekuensi observasi). Formula untuk
menghitung adalah :
(n s)(¿)
Fh =
N

Keterangan :
fh = frekuensi harapan
 ns = jumlah subsampel
nj = jumlah jawaban
N = jumlah sampel
Tugas berikutnya adalah membuat tabel persiapan fo dan fh
Tabel 7.1. Frekuensi observasi (fo)
No Subsampel Golput Memilih Jumlah
1 TP 120 100 220
2 SD 110 90 200
3 SMK 90 90 180
4 SMA/K 85 75 160
5 Diploma 75 65 140
6 Sarjana 60 40 100
Jumlah 540 460 1.000

Tabel 8.1. Frekuensi harapan (fh)

Subsampe
No Golput Memilih Jumlah
l
1 TP 118,8 101,2 220
2 SD 108,0 92,0 200
3 SMK 97,2 82,8 180
4 SMA/K 86,4 73,6 160
5 Diploma 75,6 64,4 140
6 Sarjana 54,0 46,0 100
Jumlah 540 460 1.000
Berdasarkan tabel fo dan fh, langkah selanjutnya adalah mempersiapkan
tabel kerja untuk menghitung chi-kuadrat.

Tabel 9.1 Tabel kerja untuk menghitung chi-kuadrat golput dalam pemilu
2009
(fo−fh)2
Subsampel
Fo fh fo-fh (fo-fh)2 fh
kategori
TP
Golput 120 118,8 +1,2 1,44 0,012
Memilih 100 101,2 -1,2 1,44 0,014
Jumlah
220 220 0,0 - 0,026
golongan
SD
Golput 110 108,0 +2,0 4,00 0,037
Memilih 90 92,0 -2,0 4,00 0,043
Jumlah 200 200 0,0 - 0,080
 golongan
SMP
Golput 90 97,7 -72 51,84 0,533
Memilih 90 82,8 +7,2 51,84 0,626
Jumlah
180 180 0,0 - 1,159
golongan
SMA/K
Golput 85 86,4 -1,4 1,96 0,023
Memilih 75 73,6 +1,4 1,96 0,027
Jumlah
160 160 0,0 - 0,050
golongan
Diploma
Golput 75 75,6 -0,6 0,36 0,005
Memilih 65 64,4 +0,6 0,36 0,006
Jumlah
140 140 0,0 - 0,011
golongan
Sarjana
Golput 60 54,0 +6,0 36,00 0,667
Memilih 40 46,0 -6,0 36,00 0,783
Jumlah
100 100 0,0 - 1,450
golongan
TOTAL 1000 1000 0,0 - 2,776
Pekerjaan selanjutnya adalah menguji x2.. Pada alfa atau taraf
signifikansi tertentu. Untuk pengujian tersebut dibutuhkan derajat kebebasan.
Derajat kebebasan dihitung berdasarkan kolom dan baris, yakni kolom
dikurangi satu dikalikan baris dikurangi satu. Kolom untuk survey tersebut
dua dan barisnya enam sehingga perhitungannya adalah : dk = (2-1)(6-1) = 5.
Periksa pada tabel Chi –Kuadrat taraf signifikansi 1% dengan derajat
kebebasan 5. Berdasarkan tabel chi-kuadrat teoritis 15,086. Harga chi-kuadrat
empiris berada jauh dibawah harga chi-kuadrat teoritis. Kesimpulannya adalah
bahwa tingkat pendidikan tidak membedakan dalam memilih pada pemilu
2009.

5. Chi-Kuadrat Untuk Uji Normalitas

Salah satu syarat analisis statistik adalah bahwa data empiris berdistribusi
normal. Untuk uji normalitas data menggunakan perangkat SPSS, peneliti bisa
menguji Kolmogorow-Smirnov (KZ). Sedangkan untuk uji normalitas secara
manual, tersedia chi-kuadrat. Cara yang ditempuh untuk uji normalitas dengan
chi-kuadrat adalah :
1. Menyusun data dalam distribusi frekuensi
 2. Menghitung nilai rata-rata
3. Menghitung standar deviasi
4. Menghitung luas daerah dibawahkurva normal masing-masing kelas
interval.

Perhatikan contoh berikut :

Tabel 10.1 Nilai hasil ujian Pengantar Statistika 80 mahasiswa S1 Jurusan Sistem
Komputer STMIK Raharja
Interval Kelas Frekuensi (f) Titik Tengah (X) Fx
45-49 6 47 282
40-44 10 42 420
35-39 12 37 444
30-34 17 32 544
25-29 14 27 378
20-24 9 22 198
15-19 6 17 102
10-14 6 12 72
- 80 - 2.440
Guna memperoleh luas daerah dibawah kurva normal, kita memerlukan
satu tabel lagi, yaitu tabel frekuensi harapan.

Tabel 11.1. Frekuensi harapan berdasarkan luas daerah kurva normal.

Batas Z Luas Luas
Kelas untuk Daerah Tiap (fo−fh )2
Batas Kurva Kelas fo fh fo-fh (fo-fh)2 fh

Kelas Normal Interval

1 2 3 4 5 6 7 8 9
49,50 +1,95 0,474 0,0493 6 3,944 +2,056 4,227136 1,07179
44,50 +1,44 0,4251 0,1013 1 8,104 +1,896 3,594818 0,44359
0
39,50 +0,93 0,3238 0,1647 1 13,17 -1,176 1,382976 0,10496
2 6
34,50 +0,41 0,1591 0,2029 1 16,23 +0,768 0,589824 0,03634
7 2
29,50 -1,10 0,0438 0,1886 1 15,08 -1,088 1,183744 0,07846
4 8
24,50 -0,62 0,2324 0,1384 9 11,07 -2,072 4,293184 0,38775
2
19,50 -1,13 0,3708 0,0797 6 6,376 -0,376 0,141376 0,02217
14,50 -1,65 0,4505 0,0341 6 2,728 +3,272 10,705984 3,92448
9,50 -2,16 0,4846 - - - - - -
 - - - - - - - - 6,06954

Berdasarkan tabel diatas, setelah melalui perhitungan yang panjang

diperoleh x2 sebesar 6,06954. Langkah selanjutnya adalah menguji x2 yang
dibandingkan dengan x2 tabel. Terdapat perbedaan dalam menentukan derajat
kebebasan untuk uji normalitas. Menurut Soedjano (2008), banyaknya kelas
dikurangi tiga, sedangkan Hadi (2007), sel fh dikurangi satu. Menurut Soedjana,
derajat kebebasannya adalah 8-3 = 5, sedangkan menurut Hadi, 8-1 = 7. Marilah
kita uji dengan pendapat ahli tersebut. Pertama dengan dk = 5 pada taraf
signifikansi 1% chi-kuadrat tabel sebesar 15,086. Kedua dengan dk = 7 chi-
kuadrat sebesar 18,475. Ternyata chi-kuadrat tabel hitung , yakni 6,06954 berada
jauh dibawah chi-kuadrat tabel baik menurut pendekatan Soedjana maupun Hadi.

C. KELEBIHAN DAN KELEMAHAN CHI-KUADRAT

Beberapa kelebihan dari distribusi chi-kuadrat, yaitu antara lain :
1. Konsep chi-kuadrat dalam statistik nonparametrik mudah untuk dimengerti.

2. Dapat digunakan untuk menganalisa data yang berbentuk hitungan maupun

peringkat (rank).
3. Perhitungan yang harus dilakukan pada umumnya sederhana dan mudah,
khususnya untuk data yang kecil. 3

Kelemahan uji chi-kuadrat

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.
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.

3
 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. 4

BAB III
PEMBAHASAN

Hipotesis yang diuji adalah hipotesis nol (Ho),

sedangkan hipotesis yang diajukan berdasarkan teori merupakan hipotesis alternatif (Ha). Chi
kuadrat digunakan untuk mengambil kesimpulan dari sampel untuk populasi. Dalam
pengetesan hipotesis peneliti menggunakan Chi kuadrat untuk menguji apakah perbedaan

4
frekuensi yang diperoleh dari dua sampel (atau lebih) merupakan perbedaan frekuensi yang
terjadi karena adanya kesalahan sampling, atau merupakan perbedaan yang signifikan.

Rumus Chi Kuadrat :

( fe−fo)2
X2 = ∑
fe

Ho : kondisi ekonomi pedagang pasar Prambanan mengalami kenaikan pasca relokasi di

Dusun Pelemsari, Bokoharjo, Prambanan, Sleman, Yogyakarta

Ha : kondisi ekonomi pedagang pasar Prambanan tidak mengalami kenaikan pasca relokasi
di Dusun Pelemsari, Bokoharjo, Prambanan, Sleman, Yogyakarta

a. Kondisi Ekonomi Pedagang Pasar Prambanan Pasca Relokasi

Tabel 1.2 Kondisi Sebelum dan Sesudah Relokasi Pasar terhadap Rata- rata Omset Penjualan
Per Minggu Pedagang Pasar Prambanan
Omset penjualan rata- sebelum Sesudah
rata perminggu (Rp) F % F %
<1.000.000 0 0 10 11
1.000.000-2.000.000 22 23 38 40
2.000.000-3.000.000 25 26 27 28
3.000.000-4.000.000 35 37 12 13
4.000.000-5.000.000 5 5 2 2
>5.000.000 8 8 6 6
Total 95 100 95 100

Tabel 2.2 Rata-rata Omset Penjualan Per Minggu Pedagang Pasar Prambanan Pasca
Relokasi
dampak frekuensi %
Naik 19 20
Turun 76 80
Tetap/tidak berubah 0 0
total 95 100
Sumber: Data Primer (diolah).

Tabel 3.2 Frekuensi Harapan dan Frekuensi yang Ditentukan

fo Fh
Kondisi ekonomi naik 19 47,5
Kondisi ekonomi pedagang turun 76 47,5
Fh = 95:2 = 47,5

2 ( fe−fo)2
X =∑
fe
(47,5−19)2 (47,5−76)2
= +
47,5 47,5
= 17,1 +17,1
= 34,2
taraf signifikansi dengan hasil dari Chi Kuadrat hitung.
dk = (jumlah baris - 1)(jumlah kolom - 1)
dk = (2 - 1)(2 - 1)
dk = (1)(1)
dk = 1
menggunakan taraf signifikansi 5%

Chi Kuadrat tabel = 3,841

Dari hasil perhitungan yang menunjukkan bahwa Chi Kuadrat hitung > Chi Kuadrat
tabel. maka dapat ditarik kesimpulan bahwa hasil di atas menunjukkan hipotesis alternatif
(Ha) diterima dan Hipotesis Nol (Ho) ditolak. Hipotesis alternatif dari peneliti adalah kondisi
ekonomi pedagang pasar Prambanan mengalami penurunan pasca relokasi di Dusun
Pelemsari, Bokoharjo, Prambanan, Sleman, Yogyakarta. Sehingga setelah dilakukan
perhitungan di atas peneliti menarik kesimpulan bahwa kondisi ekonomi pedagang pasar
Prambanan mengalami penurunan pasca relokasi signifikan. 5

Data yang digunakan untuk analisis tahap awal penelitian ini adalah data ulangan
harian semester gasal siswa kelas XI IPA 2 dan XI IPA 3 pada materi jaringan tumbuhan
mata pelajaran biologi tahun pelajaran 2014/2015. Berdasarkan data tersebut untuk
menganalisis data awal penelitian, peneliti melakukan uji normalitas. Uji normalitas data
digunakan untuk mengetahui apakah data tersebut terdistribusi normal atau tidak. Pengujian
dilakukan dengan uji Chi- Kuadrat yang diambil dari nilai ulangan harian semester gasal
pada masing-masing sampel. Untuk lebih jelasnya dapat dilihat dalam tabel distribusi
frekuensi berikut:
Tabel 4.2 Daftar Distribusi Frekuensi Nilai Awal Kelas Kontrol (XI IPA 3)
No Kelas frekuensi Frekuensi

5
 relative
interval
(%)
1 20 - 27 5 14,29
2 28 - 35 2 5,71
3 36 - 43 6 17,14
4 44 - 51 12 34,29
5 52 - 59 2 5,71
6 60 - 67 4 11,43
7 68 - 75 4 11,43
jumlah 35 100

Tabel 5.2 Daftar Distribusi Frekuensi Nilai Awal Kelas Eksperimen (XI IPA 2)
Kelas Frekuensi
No frekuensi
interval relative (%)
1 20 - 27 2 5,88
2 28 - 35 8 23,53
3 36 - 43 2 5,88
4 44 - 51 7 20,59
5 52 - 59 7 20,59
6 60 - 67 6 17,65
7 68 - 75 2 5,88
jumlah 34 100

Kriteria pengujian yang digunakan untuk taraf signifikan α = 5% dengan dk = k-1.

Jika hitung < tabel maka data berdistribusi normal dan sebaliknya jika hitung ≥
tabel maka data tidak berdistribusi normal. Hasil pengujian normalitas data dapat dilihat
pada tabel berikut:
Tabel 6.2 Data Hasil Uji Normalitas Awal


tabe
Kelas  hitung Dk Ket
l
Eksperimen
(XI MIPA 2) 7,93572 6 12,592 Normal

Kontrol
(XI MIPA 3) 5,89761 6 12,592 Normal

Dari tabel di atas dapat diketahui uji normalitas nilai awal pada kelas eksperimen (XI
IPA 2) untuk taraf signifikan 5% dengan dk = 7 – 1 = 6, diperoleh hitung = 7,93572 dan
tabel = 12,592 Karena hitung < tabel, maka dapat disimpulkan bahwa data tersebut
berdistribusi normal. Sedangkan uji normalitas nilai awal pada kelas kontrol (XI IPA 3)
untuk taraf signifikan 5% dengan dk = 7 -1 = 6, diperoleh hitung = 5,89761 dan tabel =
12, 592. Karena hitung < tabel, maka dapat disimpulkan bahwa data tersebut juga
berdistribusi normal.

1. Uji Normalitas Nilai Awal Kelas Eksperimen (XI IPA 2)

Nilai terbesar = 75
Nilai terkecil = 20
N = 34
Rentang (R) = 75 – 20 = 55
Banyaknya kelas interval (k) = 1 + 3,3 log N
1+ 3,3 log 34
1+ 3,3.1,53
=6,049 dibulatkan menjadi 6
55
Panjanng kelas interval (p)=  9,1 dibulatkan menjadi 9
6

Tabel 7.2 Daftar nilai frekuensi yang diharapkan dan pengamatan pada kelas
eksperimen

No Interval kelas fi Xi Xi2 Fi.Xi Fi.Xi2

1 20-27 2 23,5 552,25 47 1104,4
2 28-35 8 31,5 992,25 252 7938
3 36-43 2 39,5 1560,25 79 3120,5
4 44-51 7 47,5 2256,25 332,5 15793,75
5 52-59 7 55,5 3080,25 388,5 21561,75
6 60-67 6 63,5 4032,25 381 24193,5
7 68-75 2 71,5 5112,25 143 10224,5
jumlah 34 1623 83936,5

∑ f ₁ X ₁ 1623
Rata-rata = = = 47,34
f₁ 34
n ∑ f ₁ X ₁²−(∑f ₁ x ₁)² 34.83936,5−( 1623) ²
Varian (S2) = = =
n(n−1) 34( 34−1)

2853841−(2634129) ²
= 195,821
122
Simpangan Baku (S) = √ S ²= √ 195,82 = 13,99
 Tabel 8.2 Daftar nilai frekuensi yag diharapkan dan pengamatan pada kelas
eksperimen
Interval Peluang (fo−fh)²
Bk Z LD fo fh
kelas Z fh
19,5 -2,02
0,4787 0,0522 2 0,02858
20-27 1,7748
27,5 -1,45
0,4265 0,1187 8 3,89387
28-35 4,0358
35,5 -0,87
0,3078 0,1899 2 3,07612
36-43 6,4566
43,5 -0,3
0,1179 0,2243 7 0,05142
44-51 7,6262
51,5 0,27
0,1064 0,1931 7 0,02877
52-59 6,5654
59,5 0,84
0,2995 0,1212 6 0,85967
60-67 4,1208
67,5 1,41
0,4207 - 2 -8,0072
68-75 -
75,5 1,98
Jumlah 7,93572

BK − X́ 19,5 47,7
Z= = = -2,02
S 13 , 99
Untuk mencari peluang Z lihat tabel Z, misal Z = -2,02 maka, Ztabel = 0, 4787
Luas Daerah (LD) misal : 0,4787 – 0,4265 = 0,0522
Frekuensi diharapkan (fh) = LD x 34, misal 0,0522 x 34 = 1,7748
Didapat ² 7,93572
Dengan α = 0,05 dan dk = (k – 1) =( 7 – 1) = 6, dari tabel distribusi Chi-
kuadrat didapat ² 12,592
Karena ² hitung ² tabel , maka data tersebut BERDISTRIBUSI NORMAL.

2. Uji Normalitas Nilai Awal kelas Kontrol (XI IPA 3)

Nilai terbesar = 75
Nilai terkecil = 20
N = 35
Rentang (R) = 75 – 20 = 55
Banyaknya kelas interval (k) = 1 + 3,3 log N
1 + 3,3 log 35
1 + 3,3.1,54
 = 6,082 dibulatkan menjadi 6
55
Panjanng kelas interval (p) = =  9,1 dibulatkan menjadi 9
6
Tabel 9.2 distribusi nilai post-test kelas eksperimen:
Interval
No fi Xi Xi2 Fi.Xi Fi.Xi2
kelas
1 20-27 5 23,5 552,25 117,5 2761,25
2 28-35 2 31,5 992,25 63 1984,5
3 36-43 6 39,5 1560,25 237 9361,5
4 44-51 12 47,5 2256,25 570 27075
5 52-59 2 55,5 3080,25 111 6160,5
6 60-67 4 63,5 4032,25 254 16129
7 68-75 4 71,5 5112,25 286 20449
jumlah 35 1623 1638,5 83920,75

∑ f ₁ X ₁ 1638,5
Rata-rata = Rata-rata = = = 46,81
f₁ 35
n ∑ f ₁ X ₁²−(∑f ₁ x ₁)² 35.83920,75−(1638,5) ²
Varian (S2) = = =
n(n−1) 35(35−1)

2937226,25−( 2684682,25) ²
= 212,22
1190
Simpangan Baku (S) = √ S ²= √ 212,22 = 14,57

Tabel 10.2 Daftar nilai frekuensi yag diharapkan dan pengamatan pada kelas
Kontrol
Interval Peluang (fo−fh)²
Bk Z LD fo fh
kelas Z fh
19,5 -1,87
0,4697 0,0615 2,1525 3,7669
20-27 27,5 -1,33 5
0,4082 0,1259 4,4065 1,31425
28-35 35,5 -0,37 2
0,2823 0,6277 21,97 11,6081
36-43 43,5 -0,23 6
0,91 1,0355 36,243 16,2157
44-51 51,5 0,32 12
0,1255 -0,1823 -6,3805 -11,007
52-59 59,5 0,87 2
0,3078 -0,1144 -4,004 -16
60-67 67,5 1,42 4
0,4222 -0,0534 -1,869 -18,43
68-75 75,5 1,97 4
0,4756
Jumlah 5,89761

BK − X́ 19,5 46,8
Z= = = -1,87
S 14 , 57
Untuk mencari peluang Z lihat tabel Z, misal Z = -1,87 maka, Ztabel = 0, 4697
Luas Daerah (LD) misal : 0,4697 – 0,4082 = 0,0615
Frekuensi diharapkan (fh) = LD x 35, misal 0,0615 x 35 = 2,1525
Didapat ² 5,89761
Dengan α = 0,05 dan dk = (k – 1) =( 7 – 1) = 6, dari tabel distribusi Chi-
kuadrat didapat ² 12,592
Karena ² hitung ² tabel , maka data tersebut BERDISTRIBUSI NORMAL.
 BAB IV
PENUTUP
A. Kesimpulan

Uji Chi Kuadrat (X2) dapat dikatakan sebagai uji proporsi untuk dua
peristiwa atau lebih dan data berjenis nominal, sehingga datanya bersifat dikrit.
Kegunaan chi-kuadrat diantaranya untuk Menguji Proporsi, untuk menguji uji
Independensi, uji kecocokan/kesesuaian, untuk Pengujian Hipotesis, untuk Uji
Normalitas.
Kelebihan Konsep chi-kuadrat dalam statistik nonparametrik mudah untuk
dimengerti. Kekurangan uji Chi-Square hanya memberikan informasi tentang ada
atau tidaknya hubungan antara kedua variabel.

B. Saran
Diharapkan kedepannya mahasiswa dapat memahami dan mengaplikasikan
rumus uji Chi-kuadrat, dan mampu membuat skripsi dengan mencantumkan
rumus uji Chi-kuadrat

DAFTAR PUSTAKA

Thofa, tt, kelebihan chi-kuadrat , https://thofa.page.tl/Analisis-

Nonprametrik.htm
https://dwiyanscg.wordpress.com/2015/12/22/makalah-distribusi-khi-kuadrat-
chi-square/