CHI-KUADRAT
Disusun Oleh
Kelompok 7
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
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
( 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.
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
(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
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
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 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
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 )
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
(10−10,20)2 (3−2,56)2
+
10,20 2,56
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 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.
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
4
frekuensi yang diperoleh dari dua sampel (atau lebih) merupakan perbedaan frekuensi yang
terjadi karena adanya kesalahan sampling, atau merupakan perbedaan yang signifikan.
( fe−fo)2
X2 = ∑
fe
Ha : kondisi ekonomi pedagang pasar Prambanan tidak mengalami kenaikan pasca relokasi
di Dusun Pelemsari, Bokoharjo, Prambanan, Sleman, Yogyakarta
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).
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%
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
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.
Tabel 7.2 Daftar nilai frekuensi yang diharapkan dan pengamatan pada kelas
eksperimen
∑ 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.
∑ 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