UJI CHI-SQUARE (χ2)

Prinsip-prinsip penggunaan :
1. Hanya dapat dipergunakan pada data kualitatip.
2. Dapat dipergunakan pada sampel dari berbagai macam ukuran (sample
size) selama tidak menyimpang ketentuan butir 9 dan 10. juga dapat
dipergunakan pada berbagai macam kategori.
3. Hitungan akhir selalu melibatkan angka sebenarnya (frekuensi) bukan
prosen atau proporsi.
4. Untuk setiap kategori, perbedaan nilai pengamatan (observed value) dan
nilai harapan (expected value) dihitung, selanjutnya dikuadratkan dan dibagi
dengan nilai harapan sehingga secara keseluruhan rumus perhitungan χ 2

 fo  fe  2
menjadi :  fe
dengan ketentuan fo harga yang diamati dan fe adalah

harga harapan ; makin besar sample size makin besar harga χ 2 sehingga
kuadrat mempunyai tendensi meningkat dengan meningkatnya sample size.
Jumlah kategori mempengaruhi besar df (derajat bebas) yang juga akan
mempengaruhi bentuk : distribusi teoritis chi-quadrat. Makin besar df
makin besar pula titik kritisnya pada tingkat kepercayaan tertentu.
5. bila kita ingin membandingkan 2 atau lebih distribusi sampel maka uji yang
sesuai adalah r x c contingency chi square. Data disusun menurut r-baris (r =
2, 3, ..., k) dan menurut c-kolom (c = 2, 3, ..., k) dan menurut harapan
diperoleh dari perkalian jumlah total setiap sampel dengan proporsi yang
sesuai pada distribusi total.
6. bila distribusi sampel berasal dari satu populasi maka uji yang sesuai adalah
Goodness of fit test. Dalam hal ini nilai harapan diperoleh dari proporsi
distribusi populasi dan mempunyai db = r – 1 atau k – 1.
7. bila kita ingin mengetahui asosiasi atau korelasi diantara 2 variabel dari
data kualitatif, maka lakukan uji chi kuadrat dulu dengan rumus diatas.
Jika ternyata dalam pengujian Ho, kita menolak Ho, maka kita dapat

86
 melanjutkan dengan menghitung koefisien kontingensi dengan rumus : c =

2
dengan c selalu > 0.
 N
2

8. Distribusi sampling chi kuadrat akan sesuai dengan distribusi teoritis chi
kuadrat bila : nilai harapan setiap sel tidak boleh kurang dari satu. Cacah
sel yang mempunyai nilai harapan < 5 tidak melebihi 20 % jumlah sel
seluruhnya (Rule of The Thumb).
9. Jika tidak sesuai dengan ketentuan di atas, kategori-kategori tertentu yang
sesuai digabung, seh ingga cacah sel lebih sedikit hingga nilai harapan baru
memenuhi syarat. Sering penggabungan ini menyebabkan sel dalam tabel
tinggal 2 x 2 dan bila toh masih tidak memenuhi syarat maka uji statistik
yang digunakan adalah Fisher’s Exact Test.
10. Untuk db=1 diperlukan koreksi yang disebut Yate’s Correction for
Continuity. Besarnya koreksi itu ialah 0,5 hingga rumus itu menjadi :

f  f e  0,5
2
N ( ad  bc  N / 2) 2
 
2
c
o
=
fe m1m2 n1n2

11. Pada umumnya chi-kuadrat hanya dapat dipergunakan untuk uji

independensi antar faktor pada satu sampel dengan faktor yang bersifat
bebas (independen). Chi kuadrat tidak dapat digunakan pada correlated
sample (misal rancangan penelitian sebelum – sesudah pada data kualitatif)
dan dalam hal ini harus mempergunakan Mc Nemar Simetry Chi Square
atau modifikasinya.
RULE OF THE THUMB UJI 2 :
(1).TIDAK BOLEH ADA NILAI HARAPAN < 1
(2).NILAI HARAPAN : 5 > E ≥ BISA ASAL TIDAK LEBIH DARI 20 %
JUMLAH SEL YANG MENGANDUNG NILAI TERSEBUT.
k x r chi kuadrat
Uji chi kuadrat yang termasuk dalam analisis kategorik yang berlaku hanya
untuk data berskala nominal, baik nominal yang asli ataupun nominal hasil
transformasi. Seperti yang kita telah ketahui bahwa untuk data berskala interval

87
atau rasio yang berdistribusi normal kita gunakan analisis parameterik dan untuk
data berskala ordinal atau berskala interval yang berdistribusi tidak normal atau
tidak diketahui macam distribusinya kita gunakan uji non-parametrik.
Analisis kategorik merupakan analisis data berskala nominal yang
diklasifikasi silangkan dalam bentuk tabel kategorik B kali K (B x K). B dalam hal
ini adalah baris dan K adalah kolom, dengan ketentuan B minimal 2 kategori begitu
juga K minimal 2. analisis ini mempeljari pendekatan chi-kuadrat untuk sampel
besar, koefisien asosiasi dan metode Fisher untuk sampel kecil.
Kegunaan analisis kategorik :
1. Pada sampel – sampel bebas digunakan uji homogenitas proporsi pada
masing-masing sampel.
2. Pada satu sampel digunakan uji independensi bila faktor-faktor yang
dipelajari bersifat bebas (independent factor), dan digunakan uji simetri
McNemar bila faktor-faktor yng dipelajari berkaitan (related factor).
Uji Homogenitas Untuk K Sampel
Uji ini dipergunakan untuk menguji Ho : tidak terdapat perbedaan
distribusi kategori sebanyak r dari k – sampel.
Syarat :
1. Kita berhadapan dengan k sampel bebas
2. Sampel tersebut mempunyai data kualitatif yang terbagi dalam r –
kategori
3. Memenuhi syarat penggunaan uji chi kuadrat pada umumnya
Seperti pada perhitungan chi kuadrat pada umumnya, bila syarat penggunaan
uji chi kuadrat terpenuhi, maka rumus perhitungan ialah seperti rumus 1, dan
dstribusi samplingnya mendekati distribusi chi kuadarat dengan db = (k - 1) (r – 1).
Hipotesis yang diuji :
Ho : sebanyak k populasi mempunyai distribusi sama
Ha : paling sedikit satu dari k populasi mempunyai distribusi yang
berbeda dengan yang lain.
Contoh :

88
 Dua sampel terdiri dari 100 pria dan 100 wanita, kepada mereka
ditanyakan apakah setuju atau tidak terhadap pernyataan “wanita mempuyai hak
dan kewajiban yang sama dengan pria”, hasilnya ialah dari pria 30 orang setuju
dan 70 tidak sedang dari wanita 45 orang setuju dan 55 tidak.
Jika pria dari populasi 1 dan wanita dari populasi 2, dapat dinyatakan bahwa
peluang setuju untuk populasi ke i = Pi (i = 1, 2, jadi untuk uji homogenitas dua
populasi kita menguji Ho yang berbunyi : P1 = P2
Tabel 1. Kerangka Hubungan
S T Jumlah
Pria a b n1
Wanita c d n2
Jumlah m1 m2 N

Di mana p1 = a/n1 dan P2 = c/n2. Statistik pengujiannya adalah χ 2 seperti pada

rumus pertama yaitu :
n ad  bc  n / 2 
2

2 
m1 m 2 n1 n2

Untuk n1 dan n2 besar maka χ 2 mendekati distribusi chi kuadrat dengan derajat
bebas (db) = 1, Ho ditolak bila χ 2 > χα(1). Setelah data dimasukkan dalam tabel maka
terlihat sebagai berikut :
Tabel 2. Hubungan Sex dan Tanggapan
S T Jumlah
Pria 30 70 100
Wanita 45 55 100
Jumlah 75 125 200
Kita hitung statistik χ2 :
n ad  bc  n / 2  2 200 30 x55  70 x 45  100
2

 
2
  4,1813
m1 m 2 n1 n 2 75 x125x100 x100

Untuk α = 0,05 dan db = 1 maka χ20,05(1) = 3,841. Karena χ2 > χ2 0,05(1) maka Ho
ditolak berarti P1 ≠ P2.
Kita menyelidiki hasil biakan kuman stafilokokus yang terdiri dari 4 strain, yaitu
strain I, II, III dan NT (No Typing). Sampel diambil dari luka-luka dari para
pekerja tambang. Selanjutnya dibiakkan dalam pembenihan yang berbeda yaitu

89
pembenihan H, E dan L maka dalam hal ini k = 3 dan r = 4, hasilnya sebagai
berikut :
Tabel 3
Pembenihan Stafilokokus
H E L
Strain Subtotal
Obs Exp Obs Exp Obs Exp
I 34 30,9 47 45,9 22 26,3 103
II 19 23,4 41 34,8 18 19,8 78
III 12 12,3 14 18,3 15 10,4 41
IV 7 5,4 5 8,0 6 4,6 18
Subtotal 72 107 61 240
(GT)

1. Hitung harga harapan (expected) dengan mengalikan subtotal baris yang

bersangkutan dengan subtotal kolom yang bersangkutan kemudian dibagi
dengan grand total (GT), misalnya untuk menghitung harga harapan I – H
didapat dengan mengalikan 103 (subtotl baris) dengan 72 (subtotal kolom)
dan dibagi dengan 240 (GT) hasilnya ialah : 103 x 72 / 240 = 30,9. Dengan
cara yang sama kita hitung harga harapan setiap sel dan hasilnya tercantum
dalam tabel 3.
2. Dengan rumus 1 kita hitung chi kuadrat hasilnya :

2 
 34  30,9 2  ... 
 6  4,6 2  8,183
30,9 4,6

3. db = (4 – 1)(3 – 1) = 6 α = 0,05
4. Dari tabel chi kuadrat kita dapatkan χ20,05(6) = 12,59
5. Karena χ2 < 12,59 maka Ho diterima dengan p> 0,05
6. Kesimpulan : tidak terdapat perbedaan distribusi strain kuman stafilokokus
pada ketiga pembenihan (H, E dan L).
Uji Chi Kuadrat Untuk Dependensi dan Asosiasi / Korelasi
Uji ini dipakai untuk menguji Ho : apakah variabel X dan Y independen
satu sama lain.
Uji ini dipakai bila :
1. kita berhadapan dengan satu sampel

90
 2. masing-masing individu / elemen dalam sampel tersebut mempunyai dua
variabel x dan y yang masing-masing merupakan data kualitatip (atau
disebut atribut)
3. masing-masing variabel dibagi menjadi dua atau lebih kategori.
4. bila kita akan menguji korelasi/asosiasi dari 2 variabel tersebut kita harus
melakukan pengujian chi kuadrat dulu, bila dalam pengujian itu Ho ditolak,
yang berarti menerima Ha yang berbunyi : variabel X dan Y dependen satu
sama lain, maka dilanjutkan dengan menghitung kuat hubungan dengan

2
rumus sebagai berikut : C  C = contingency
2  N

coeficient
Sifat – Sifat C :
Bila tidak terdapat hubungan antara kedua variabel maka C = 0 dan C
tidak dapat mencapai nilai 1, karena bila k = r batas atas harga C merupakan
fungsi jumlah kategori (k) dengan demikian :
k 1
C max 
k

C max bergantung pada besarnya k dan r, jadi dua nilai C yang berasal dari tabel 3 x
3 tidak dapat dibandingkan (not comparable).
Proses penghitungan C
1) hitung chi kuadrat dari tabel kontingensi yang tersedia dengan mengingat
syarat perhitungan chi kuadrat
2) buktikan bahwa Ho ditolak atau diterima
3) hitung C dan Cmax
C
4) hitung C corrected dengan rumus : Ccorr = C
max

Contoh :
Seorang ahli bedah saraf menyelidiki hubungan antara jenis tumor otak
dengan letaknya di otak. Untuk itu diselidiki 200 penderita tumor yang diselidiki :

91
Keganasan tumor :ganas, jinak, borderline. Letak tumor yang diselidiki : occipital
(bagian belakang), temporo-occipital (bagian kanan-kiri dan pelipis), frontal
(depan).
Akan di uji Ho : tidak terdapat hubungan antara jenis tumor dengan letak tumor
tersebut. Hasilnya sebagai berikut :
Tabel 4
Hubungan Jenis Tumor Otak dan Letaknya
Jenis
Letak Ganas Jinak Borderline Subtotal
Obs Exp Obs Exp Obs Exp
Occipital 100 70,79 8 4,57 9 21,64 117
Frontal 10 29,04 25 10,08 13 8,88 48
temporal 11 21,18 9 7,35 15 6,48 35
Subtotal 121 42 37 200
(GT)

Cara :
1. Lakukan uji chi kuadrat setelah mempersiapkan nilai harapan masing-
masing sel.
2. Hitung signifikansi chi kuadrat yang didapat dengan membandingkan hasil
chi kuadrat dengan tabel chi dengan ketentuan db = (r – 1) (k – 1) = (3 – 1) (3
– 1) = 4 dan α = 0,05
Hasil hitungan chi kuadrat :
χ2 = 88,09 χ2 0,05(4) = 9,4 ternyata Ho ditolak.
3. Lanjutkan dengan menghitung C dengan rumus 2 hasilnya :

2 88,09
C   0,55 Hitung C max dengan rumus sebagai
 N
2
88,09  200

k 1 3 1 0,55
berikut : C max    0,82 dengan C corrected   0,67 di
k 3 0,82

mana > 0,75 = kuat, 0,5 – 0,75 = cukup kuat. Artinya dari hasil perhitungan
C corrected bahwa hubungan cukup kuat.

92
Uji Ø untuk Asosiasi
Uji Ø hampir sama dengan uji C bedanya ialah bahwa uji Ø hanya untuk
tabel kategorik 2 x 2, dan nilai minimal 0 (nol) dan maksimal 1 (satu). Pada tabel
yang lebih besar dari 2 x 2 tidak dapat digunakan uji asosiasi Ø karena nilainya
mungkin lebih besar dari 1.
Cara :
1) Seperti pada perhitungan koefisien kontingensi C maka cara penghitungan
chi kuadrat. Bila Ho ditolak pada tingkat chi kuadrat baru dilanjutkan
penghitungan koefisien Ø.
2
2) Untuk menghitung koefisien Ø digunakan rumus :  
N

PILIHAN UJI STATISTIK

Bivariat
Skala Skala Peubah 2
Univariat Interval
Peubah 1 Dichotome Nominal Ordinal
/rasio

93
 Proportion, Difference of
ratio, proportion,
percent chi square,
Dichotome
fisher’s
Exact Ø,
 b , b , Q
Proportion, Chi square, Chi square,
rasio, V, C, T, V, C, T,
Nominal
percent  b , b , Q b , b  b , b , Q b , b
mode
Median Mann- Kruskal Sommer D,
quartile, Whitney, Wallis, Spearman,
mode runs, Fridmann Kendall 
quartile Kolmogorov Gamma
Ordinal
deviation e Smirnov,
Wilcoxon
Signed rank
rG
Mean, t test: Anova, t Pearson r
median, Paired test, epsilon, Regression
Interval /
mode, Indep. ε, rintraclass rbis, rtetrachor
Rasio
standard rpbis
deviation

KAI – KUADRAT (CHI-SQUARE)

Merupakan metode analisis non-parametrik yang paling terkenal dan banyak

digunakan pada penelitian kesehatan dan kedokteran. Uji ini tidak dibatasi oleh

94
asumsi-asumsi ketat tentang jenis populasi maupun parameter populasi. Yang
dibutuhkan hanya derajat bebas ( berarti pula ukuran sampel).
Metode ini sangat bermanfaat ketika data yang tersedia hanya berupa frekuensi
(count), misalnya banyaknya subyek dalam kategori sakit dan tidak sakit atau
banyaknya penderita DM dalam kategori I, II, III, IV menurut keparahan
penyakitnya.
Teknik ini dikembangkan oleh Pearson tahun 1900 dengan kegunaan sebagai
berikut :
(1) Menguji kesesuaian (test of goodness of fit). Dengan uji kesesuaian, suatu
distribusi sampel dievaluasi apakah sesuai (fit) dengan distribusi populasi
tertentu.
(2) Menguji ketidaktergantungan (test of independence). Dengan uji
independensi, diperiksa apakah dua buah variabel dari sebuah sampel saling
tergantung atau tidak.
(3) Menguji homogenitas ( test of homogeneity). Dengan uji homogenitas,
beberapa sampel dievaluasi apakah berasal dari populasi-populasi yang
sama (homogen) dalam hal variabel tertentu.
Dalam penerapan uji kai kuadrat, satu hal yang perlu diingat ialah bahwa cara
kategorisasi, baik frekuensi pengamatan maupun frekuensi harapan harus sama,
agar memungkinkan perbandingan secara proporsional. Yang dimaksud dengan
frekuensi harapan ialah :
1. Frekuensi teoritis yang diharapkan muncul pada keadaan yang hipotesis
nolnya benar. Frekuensi harapan ini disebut pula frekuensi teoritis.
2. Frekuensi dari suatu distribusi perumpamaan. Frekuensi harapan ini
disebut pula frekuensi hipotesis.

Secara umum variabel dikategorikan ke dalam tabel kontingensi r x c, dengan r =

banyaknya baris dan c = banyaknya kolom. Format tabel yang paling sederhana
adalah tabel 2 x 2, tetapi dapat juga lebih dari dua misal 2 x 3 dan sebagainya.
Format tabel 2 x 2 sebagi berikut :

95
 Variabel I
Kategori 1 Kategiri 2

Kategori 1
a+b = n1 a b
Variabel II

Kategori 2 c+d=n2
c d

a+c=m1 b+d=m2 a+b+c+d=N

Rumus umum uji kai – kuadrat (χ2) sebagai berikut :

(Oij  Eij ) 2
2  
E ij

Dengan :
Oij = Frekuensi teramati dari sel baris ke – i dan kolom ke-j.
Eij = frekuensi harapan dri sel baris ke-i dan kolom ke – j.
Derajat bebas = (r – 1)(c - 1), jika Ho ditolak berarti nilai kai-kuadrat hitung > kai
kuadrat tabel.
Syarat – syarat yang harus dipenuhi pada analisis kai-kuadrat
1. sampel diambil secara acak
2. data minimal kuantitatif
3. semua pengamatan dilakukan independen.
4. setiap sel paling sedikit berisi frekuensi hrapan sebesar 1. sel-sel
dengan frekuensi harapan kurang< 5 tidak melebihi 20 % dri total
sel. Untuk tabel 2 x 2,syarat itu berarti tidak satu sel pun beleh berisi
frekuensi harapan kurng dari 5.

5. meskipun dapat diterapkan pada sampel kecil, ukuran sampel

sebaiknnya > 40 (Cochran, 1954), bila ukuran sampel < 20 atau

96
 terdapat frekuensi harapan kurang dari 5, maka data hendknya
dianalisis menggunakan uji Exact Fiher.

6. jika derajat bebas = 1 maka rumus uji kai – kuadrat diatas dikoreksi
dengan menggunakan Yate’s Correction for continuety sebagai berikut
:
 Fo  Fe  0,5 2
N  ad  bc  N / 2 
2

 2
corr  atau  corr
2

Fe m1.m2.n1.n 2

Kerjakan soal dibawah ini :

Sebuah studi berminat meneliti hubungan antara persepsi tentang kerentanan
terhadap penyakitnya dan pemilihan jenis pemberi pelayanan kesehatan. Data
terdiri sebagai berikut :

Persepsi kerentanan terhadap penyakit :

Sangat serius Kurang serius

Rumah sakit
24 6
Pilihan
pelayanan
kesehatan
Alternatif
8 12

Berdasarkan data tersebut, dapatkah kita simpulkan bahwa terdapat hubungan

antara persepsi kerentanan terhadap penyakit dan pemilihan jenis pemberi
pelayanan kesehatan (α = 5%) dan berapa kuat hubungannya.

97