RANGKUMAN MATERI STATISTIKA

OLEH : SHEREN PHAEDRA

NIM : 14020220140054

DOSEN : Drs. HERBASUKI NURCAHYANTO M.T.

MATA KULIAH : STATISTIKA

UNIVERSITAS DIPONEGORO

FAKULTAS ILMU SOSIAL DAN POLITIK

PROGRAM STUDI S1 ADMINISTRASI PUBLIK K. REMBANG

SEMESTER II

2021
 KUARTIL, DESIL, PRESENTIL, DAN VARIABILITAS

Pertemuan ke 5, Senin 8 Maret 2021

1. Kuartil (Q)
Kuartil adalah ukuran letak yang membagi data yang telah diukur atau data yang
berkelompok menjadi empat bagian yang sama besar. Kuartil adalah bilangan yang
‘dapat dianggap’ membagi data yang telah diurutkan menurut besarnya dari yang terkecil
ke yang terbesar menjadi empat sub kelompok yang sama banyak. Istilah kuartil dalam
kehidupan kita sehari-hari lebih dikenal dengan istilah kuartal. Dalam dunia statistik,
yang dimaksud dengan kuartil ialah titik atau skor atau nilai yang membagi seluruh
distribusi frekuensi ke dalam empat bagian yang sama besar, yaitu masing masing
sebesar ¼ N. jadi disini akan kita jumpai tiga buah kuartil, yaitu kuartil pertama (Q1),
kuartil kedua (Q2), dan kuartil ketiga (Q3). Ketiga kuartil inilah yang membagi seluruh
distribusi frekuensi dari data yang kita selidiki menjadi empat bagian yang sama besar,
masing-masing sebesar ¼ N, seperti terlihat dibawah ini metode yang digunakan adalah
sebagaimana yang telah kita lakukan pada saat kita menghitung median. Hanya saja,
kalau median membagi seluruh distribusi data menjadi dua bagian yang sama besar,
maka kuartil membagiseluruh distribusi data menjadi empat bagian yang sama besar.
Cara menentukan kuartil dibagi menjadi 2 tipe, yaitu data tunggal dan data kelompok.
a. Data Tunggal
Rumus:

Qi = 1 x ((n + 1) : 4) atau 2 x ((n + 1) : 4) atau 3 x ((n + 1) :

4)

Contoh soal:
Tentukan Q1, Q2 dan Q3 dari data:3, 4, 7, 8, 7, 4, 8, 4, 9, 10, 8, 3, 7, 12
Penyelesaian :
Data yang telah di urutkan: 3, 3, 4, 4, 4, 7, 7, 7, 8, 8, 8, 9, 10, 12
Letak Q1 adalah 1 (14+1)/4 = 15/4 = 3 ¾
Q1 =X3 + ¾ (X4 – X3)
= 4 + ¾ (4-4) = 4
Letak Q2 adalah 2 (14+1)/4 = 15/2 = 7 ½
 Q2 =X7 + ½ (X7 – X6)
= 7 + ½ (7-7) = 7
Letak Q3 adalah 3 (14+1)/4 = 45/4 = 11 ¼
Q3 =X11 + ¼ (X12 – X11) = 8 + ¼ (9-8)
= 8 + ¼ (9-8)
= 8 ¼ atau 8,25
b. Data Kelompok
Rumus:

Qi = L + ((i/4N – Cf) x I) : f

Keterangan:
Q = Kuartil Cf = Frekuensi komulatif
L =Titik bawah sebelum kelas
N = Banyak data f = Frekuensi kelas kuartil
i = Kuartil 1, 2, 3 I = Panjang kelas

Contoh soal :
Tentukan kuartil 1 dan 3 dari data table berikut:
Interval f
87-108 2
109-130 6
131-152 10
153-174 4
175-176 3
25
Penyelesaian:

Q1 (kuartil 1)
N = 25
1/4N = ¼ x 25 = 6.25
L = 109 – 0.5 = 108.5
Cf = 2
 F=6
I = 22
Q1 = L + ((1/4N – Cf) x I) : f
= 108.5 + ((6.25 – 2) x 22) : 6
= 108.5 + (4.25 x 22) : 6
= 108.5 + 93.5 : 6
= 108.5 + 15.58
= 124.08
Penyelesaian :
Q3 (kuartil 3)
N = 25
3/4N = 3/4 x 25 = 18.75
L = 153 – 0.5 = 152.5
Cf = 2 + 6 + 10 = 18
F=4
I = 22
Q3 = L + ((3/4N – Cf) x I) : f
= 152.5 + ((18.75 – 18) x 22) : 4
= 152.5 + (0.75 x 22) : 4
= 152.5 + 16.5 : 4
= 152.5 + 4.125
= 156.625

2. Desil (Ds)
Desil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah diurutkan
menurut besarnya, dari yang terkecil ke yang terbesar menjadi sepuluh sub kelompok
yang sama banyak. Desil ialah titik atau skor atau nilai yang membagi seluruh distribusi
frekuensi dari data yang kita selidiki ke dalam 10 bagian yang sama besar, yang masing-
masing sebesar 1/10 N. Jadi disini kita jumpai sebanyak 9 buah titik desil, dimana
kesembilan buah titik desil itu membagi seluruh distribusi frekuensi ke dalam 10 bagian
yang sama besar. Kegunaan desil ialah untuk menggolongkan-golongkan suatu distribusi
data ke dalam sepuluh bagian yang sama besar, kemudian menempatkan subjek-subjek
penelitian ke dalam sepuluh golongan tersebut. Cara menentukan desil dibagi menjadi 2
tipe, yaitu data tunggal dan data kelompok.
a. Data Tunggal
Rumus

Ds = 1 x ((n + 1) : 10) atau 2 x ((n + 1) : 10) atau 3 x ((n + 1) : 10)

….10 x ((n + 1) : 10)

Contoh soal :
Diketahui data: 9,10, 11, 6, 8, 7, 7, 8, 9, 10, 11.
Tentukanlah:
1. Desil ke -2
2. Desil ke- 4
Penyelesaian :
Data di urutkan: 4, 5, 5, 6, 7, 7, 8, 9, 10
Letak desil ke- 2 diurutan data ke- 2(10+1)/10 = 22/10 = 2,2
D2 terletak pada urutan ke- 2,2 sehingga
D2 = X2 + 0,2 (X3-X2)
D2 = 5 + 0,2 (5-5)
=5+0
=5
Letak desil ke- 2 diurutan data ke- 4(10+1)/10 = 44/10 = 4,4
D4 terletak pada urutan ke- 4,4 sehingga
D4 = X4 + 0,4 (X5-X4)
D4 = 6 + 0,4 (7-6)
= 6 + 0,4
= 6,4

b. Data Kelompok
Rumus :

Dsi = L + ((i/10N – Cf) x I) : fd

Keterangan:
D = Desil
L = Titik bawah
N = Banyak data
I = Desil 1, 2, 3 … 10
Cf = Frekuensi komulatif – sebelum kelas
Fd = Frekuensi kelas desil
I = Panjang kelas
Contoh soal :
Tentukan Desil 7 dari data table berikut:
Interval f
87-108 2
109-130 6
131-152 10
153-174 3
175-176 4
25

Penyelesaian :
Ds 7 (desil 7)
N = 25
7/10N = 7/10 x 25 = 17.5
L = 131 – 0.5 = 130.5
Cf = 2 + 6 = 8
Fd = 10
I = 22
Ds 7 = L + ((7/10N – Cf) x I) : fd
= 130.5 + ((17.5 – 8) x 22) : 10
= 130.5 + (9.5 x 22) : 10
 = 130.5 + 209 : 10
= 130.5 + 20.9
= 151.4

3. Persentil (Ps)
Persentil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah diurutkan
dari yang terkecil ke yang terbesar, menjadi 100 sub kelompok yang sama banyak.
Persentil adalah titik atau skor atau nilai yang membagi seluruh distribusi frekuensi dari
data yang kita selidiki ke dalam 100 bagian yang sama besar, karena itu presentil sering
disebut ukuran perseratusan. Persentil yang biasa dilambangkan P, adalah titik atau nilai
yang membagi suatu distribusi data menjadi seratus bagian yang sama besar. Karena itu
persentil sering disebut ukuran perseratusan. Titik yang membagi distribusi data ke dalam
serratus bagian yang sama besar itu ialah titik-titik: P1, P2, P3, P4, P5, P6, … dan
seterusnya, sampai dengan P99. jadi disini kita dapati sebanyak 99 titik persentil yang
membagi seluruh distribusi data ke dalam seratus bagian yang sama besar, masing-
masing sebesar 1/ 100N atau 1%. Cara menentukan presentil dibagi menjadi 2 tipe, yaitu
data tunggal dan data kelompok.
a. Data Tunggal
Rumus :

Ps = 1 x ((n + 1) : 100) atau 2 x ((n +

1) : 100) atau 3 x

((n + 1) : 100)…. 99 x ((n + 1) : 100)

b. Data Kelompok
Rumus :

Psi = L + ((i/100N – Cf) x I)

: fd
Keterangan:

D = Presentil I = Persentil 1, 2, 3 … 100

L = Titik bawah Cf = Frekuensi komulatif –

sebelum kelas
N = Banyak data
Fd = Frekuensi kelas presentil I = Panjang kelas

Contoh soal:

Tentukan presentil 94 dari data table berikut:

Interval f
87-108 2
109-130 6
131-152 10
153-174 3
175-176 4
25
Penyelesaian :

Ps 94

N = 25

94/100N = 94/100 x 25 = 23.5

L = 175 – 0.5 = 174.5

Cf = 2 + 6 + 8 + 10 + 4 = 22

Fps = 3

I = 22

Ps94 = L + ((94/100N – Cf) x I) : fd

= 174.5 + ((23.5 – 22) x 22) : 3

= 174.5 + (1.5 x 22) : 3

= 174.5 + 33 : 3

= 174.5 + 11

= 185.5
1. Range
Range atau nilai jarak adalah selisih nilai-nilai extreme yang terdapat dalam kumpulan
data atau dengan kata lain selisih nilai tertinggi dengan nilai terendah dalam kumpulan
data.
Rumus :

R= Xn – X1

Xn = Nilai maksimum (terbesar)

Xi = Nilai minimum (terkecil)
Contoh : Terdapat kumpulan data sbb:
50 ; 40 ; 30 ; 60 ; 70.
Diurutkan dahulu ⇒ X1= 30, X2 = 40, X3 = 50, X4= 60, X5= 70
R = X5– X1
=70 – 30
= 40
2. Simpangan Kuartil
Jangkauan Antar Kuartil adalah K3 - K1. atau dengan JAK = jangkauan antar kuartil, K3
= kuartil ke 3, K1 = kuartil ke 1.

Q = Q3 – Q1
D

Kuartil membagi data (n) yang berurutan atas 4 bagian yang sama banyak.
------|------|-------|------- Q1 Q2 Q3
Q1 = kuartil bawah (1/4n )
Q2 = kuartil tengah/median (1/2n)
Q3 = kuartil atas (1/4n )
Untuk data yang tidak dikelompokkan terlebih dahulu dicari mediannya, kemudian
kuartil bawah dan kuartil
atas. Untuk data yang dikelompokkan rumusan kuartil identik dengan rumusan mencari
median. Q1 = L1 + [(1/4n - (å f)1)/fQ1] . c
Q3 = L3 + [(3/4n - (å f)3)/fQ3] . c
Simpangan kuartil Notasi: Qd
(Jangkauan semi interkuartil) Qd = (Q3 - Q1) / 2
Simpangan kuartil / rentang semi antar kuartil
Simpangan Kuartil (Qd)
a. Data Tunggal
Diketahui data 95, 84, 86, 90, 93, 88, 97, 98, 89, 94
Data diurutkan terlebih dahulu, menjadi: 84 86 818 89 90 93 94 915 97 98
Q1 = 88 ; Q2 = 90 93 ; Q3 = 95
➢ Jangkauan J = 98 - 84 = 14
➢ Kuartil Q1=88 ; Q2 = (90+93)/2 = 91,5 ; Q3 = 95
➢ Simpangan kuartil = Qd = (95 - 88) / 2 = 3,5
➢ Rata-Rata = (88+86+88+89+90+93+95+97+98)/10 = 91,4
➢ Simpangan baku = Ö(((84-91,4)² + ...... + (98-91,4)²)/10) = 4,72
b. Data Berkelompok
Skor Titik tengah Frekuensi
50-54 52 4
55-59 57 6
60-64 62 8
65-69 67 16
70-74 72 10
75-79 77 3
80-84 82 2
85-89 87 1
N = 50
➢ Jangkauan
= Titik tengah kelas tertinggi - Titik tengah kelas terendah = 87-52 =35
➢ Kuartil bawah (¼n )
Q1 = 59,5 + ((12,5 - 10)/8 . (5)) = 61,06
Kuartil bawah (¾n )
Q3 = 69,5 + (37,5 - 34)/10 . 5 = 71,25
Simpangan Kuartil
 Qd = (Q3 - Q1) / 2 = (71,25 - 61,06) / 2 = 5,09
Jangkauan Semi antar kuartil = simpangan kuartil = Qd = ½H = ½(Q3-Q1)
➢ Rata-rata
x = ((4)(52) + (6)(57) + ... + (1)(870) / 50 = 66,4
➢ Simpangan Baku

___________________________________

Ö((52-66,4)² + ...... + (87-66,4)²)/50 = 7,58

Jangkauan Semi antar kuartil = simpangan kuartil = Qd = ½H = ½(Q3-Q1)

4. Simpangan Rata-rata
Simpangan rata-rata (deviasi mean) adalah rata-rata jarak antara nilai-nilai data
menuju rata-ratanya. Simpangan rata-rata termasuk ke dalam ukuran penyebaran data
seperti halnya varian dan standar deviasi. Kegunaannya adalah untuk mengetahui
seberapa jauh nilai data menyimpang dari rata-ratanya.
Simpangan rata-rata (SR) didefinisikan oleh

Contoh :
Penyelesaian:
5. Simpangan Baku
Ukuran simpangan atau ukuran variasi atau ukuran dispersi. Ukuran ini
menggambarkan derajat berpencarnya data kuantitatif. Ukuruan simpangan ini terdiri atas
rentang,rentang antar kuartil, simpangan kuartil, rata-rata simpangan, simpangan baku
dan koefisien variasi, serta varians. Dari bermacam-macam ukuran simpangan tersebut,
maka ukuran yang paling penting untuk dipelajari adalah rentang, simpangan baku, dan
varians. Ukuran simpangan baku yang paling banyak digunakan adalah simpangan baku.
Simpangan baku adalah suatu nilai yang menunjukkan tingkat variasi suatu kelompok
data. Jika simpangan baku tersebut dikuadratkan, 14ubsamp disebut varians. Simpangan
baku untuk data sampel disebut s dan variansnya adalah s2, sedangkan simpangan
baku untuk data populasi disebut σ (baca tho) dan variansnya ialah σ2. Jadi s dengan s2
merupakan statistic dan σ serta σ2 merupakan parameter. Jika kita mempunyai
sampel berukuran n dengan data X1, X2, ……..Xn, maka ratarata x, maka s2 dapat
dihitung dengan rumus:
S2= ∑(𝑥1−𝑥 )2
𝑛−1
Contoh :
Diketahui data 14ubsample 1: 3, 5, 7, 8, 10, 10, 12,
14, 14, 14 dengan simpangan baku = 3,92 dan data
14ubsample 2: 3, 5, 7, 8, 10, 10, 12 dengan
simpangan baku 3,13. Hitunglah simpangan baku
gabungannya.
Penyelesaian :
S2gab = (𝑛1−1)𝑠1/2+ (n2−1)𝑠2/2+ … + (n1−1)Sk2
𝑛1+ 𝑛2+ … + 𝑛k−𝑘
= (10−1)3,922+(7−1)3,132
10+7−2
= 13,1386
s = √13,1386 = 3,6247
 KORELASI SEDERHANA

Pertemuan ke 6, Senin 15 Maret 2021

Sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika dikembangkan

lebih jauh, korelasi tidak hanya dapat dipahami sebatas pengertian tersebut. Korelasi merupakan
salah satu teknik analisis dalam statistik yang digunakan untuk mencari hubungan antara dua
variabel yang bersifat kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya
hubungan sebab akibat atau dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan
berkolerasi apabila perubahan pada variabel yang satu akan diikuti perubahan pada variabel yang
lain secara teratur dengan arah yang sama (korelasi positif) atau berlawanan (korelasi negatif).

Dalam Matematika, korelasi merupakan ukuran dari seberapa dekat dua variabel berubah
dalam hubungan satu sama lain. Sebagai contoh, kita bisa menggunakan tinggi badan dan usia
siswa SD sebagai variabel dalam korelasi positif. Semakin tua usia siswa SD, maka tinggi
badannya pun menjadi semakin tinggi. Hubungan ini disebut korelasi positif karena kedua
variabel mengalami perubahan ke arah yang sama, yakni dengan meningkatnya usia, maka tinggi
badan pun ikut meningkat.

Sementara itu, kita bisa menggunakan nilai dan tingkat ketidak hadiran siswa sebagai
contoh dalam korelasi negatif. Semakin tinggi tingkat ketidak hadiran siswa di kelas, maka nilai
yang diperolehnya cenderung semakin rendah. Hubungan ini disebut korelasi negatif karena
kedua variabel mengalami perubahan ke arah yang berlawanan, yakni dengan meningkatnya
tingkat ketidak hadiran, maka nilai siswa justru menurun.

Kedua variabel yang dibandingkan satu sama lain dalam korelasi dapat dibedakan
menjadi variabel independen dan variabel dependen. Sesuai dengan namanya, variabel
independen adalah variabel yang perubahannya cenderung di luar kendali manusia. Sementara
itu variabel dependen adalah variabel yang dapat berubah sebagai akibat dari perubahan variabel
indipenden. Hubungan ini dapat dicontohkan dengan ilustrasi pertumbuhan tanaman dengan
variabel sinar matahari dan tinggi tanaman. Sinar matahari merupakan variabel independen
karena intensitas cahaya yang dihasilkan oleh matahari tidak dapat diatur oleh manusia.
Sedangkan tinggi tanaman merupakan variabel dependen karena perubahan tinggi tanaman
dipengaruhi langsung oleh intensitas cahaya matahari sebagai variabel indipenden.
Macam – macam korelasi :

1. Korelasi Sederhana

Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk

mengukur kekuatan hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk
hubungan keduanya dengan hasil yang bersifat kuantitatif. Kekuatan hubungan antara 2
variabel yang dimaksud adalah apakah hubungan tersebut erat, lemah, ataupun tidak erat.
Sedangkan bentuk hubungannya adalah apakah bentuk korelasinya linear positifataupun
linear negatif.

2. Korelasi Pearson Product Moment

Korelasi Pearson Product Moment adalah korelasi yang digunakan untuk data kontinu
dan data diskrit. Korelasi pearson cocok digunakan untuk statistik parametrik. Ketika
data berjumlah besar dan memiliki ukuran parameter seperti mean dan standar deviasi
populasi. Korelasi Pearson menghitung korelasi dengan menggunakan variasi data.
Keragaman data tersebut dapat menunjukkan korelasinya. Korelasi ini menghitung data
apa adanya, tidak membuat ranking atas data yang digunakan seperti pada korelasi Rank
Spearman. Ketika kita memiliki data numerik seperti nilai tukar rupiah, data rasio
keuangan, tingkat pertumbuhan ekonomi, data berat badan dan contoh data numerik
lainnya, maka Korelasi Pearson Product Moment cocok digunakan. Sebaliknya,
Koefisien Korelasi Rank Spearman digunakan untuk data diskrit dan kontinu namun
untuk statistik nonparametrik. Koefisien korelasi Rank Spearman lebih cocok untuk
digunakan pada statistik nonparametrik. Statistik nonparametrik adalah statistik yang
digunakan ketika data tidak memiliki informasi parameter, data tidak berdistribusi normal
atau data diukur dalam bentuk ranking. Berbeda dengan Korelasi Pearson, korelasi ini
tidak memerlukan asumsi normalitas, maka korelasi Rank Spearman cocok juga
digunakan untuk data dengan sampel kecil. Rumus :
Sebagai contoh gunakan data yang ada dibawah ini.

jika dihitung dengan Menggunakan SPSS hasil yang didapat adalah 0,894 seperti
gambar dibawah ini

jika dihitung secara manual dengan menggunakan rumus diatas adalah seperti berikut:

hasil yang didapat adalah: 0,894.

 3. Korelasi Parsial

Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara
variabel bebas dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk
melihat korelasi natural antara variabel yang tidak terkontrol. Analisis korelasi parsial
(partial correlation) melibatkan dua variabel. Satu buah variabel yang dianggap
berpengaruh akan dikendalikan atau dibuat tetap (sebagai variabel kontrol).

4. Korelasi Ganda

Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan
antara tiga atau lebih variabel (dua atau lebih variabel independen dan satu variabel
dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-variabel independen
sebagaimana korelasi mereka dengan variabel dependen.Korelasi ganda adalah suatu nilai
yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih secara
bersama-sama dengan variabel lain. Korelasi ganda merupakan korelasi yang terdiri dari
dua atau lebih variabel bebas (X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila
perumusan masalahnya terdiri dari tiga masalah, maka hubungan antara masing-masing
variabel dilakukan dengan cara perhitungan korelasi sederhana.

Korelasi sempurna terjadi bila hubungan antara dua variabel atau lebih itu mempunyai koeffisien
korelasi = 1 atau –1 maka hubungan tersebut sempurna. Artinya kejadian-kejadian pada variabel
yang satu akan dapat dijelaskan atau diprediksikan oleh variabel yang lain tanpa terjadi
kesalahan (error). Semakin kecil koeffisien korelasi, maka akan semakin besar error untuk
membuat prediksi. Besarnya koeffisien korelasi dapat diketahui berdasarkan penyebaran titik-
titik pertemuan antara dua variabel misalnya X dan Y. Bila titik-titik pertemuan itu terdapat
dalam satu garis, maka koeffisien korelasinya = 1 atau –1.

Langkah – langkah menghitung koefisien korelasi sederhana :

➢ Susun tabel yang memuat data-data perhitungan yang dibutuhkan

➢ Hitung rata-rata Xi dan Yi
➢ Hitung Xi – Xi ; dan Yi – Yi
➢ Hitung (Xi – Xi) 2; dan (Yi – Yi )2
➢ Hitung (Xi – X). (Yi – Y )
➢ Masukan angka yang diperoleh dalam rumus
contoh perhitungan koefisien korelasi

Penyelesaian:
Masukkan ke dalam rumus koefisien korelasi;

Koefisien Determinasi
KD = r2 x 100 %
= (0,9129) 2 x 100%
= 0,83339 x 100%
= 83,34 %
Artinya pendapatan memberikan kontribusi terhadap pengeluaran sebesar 83,34%, dan
sisanya (16,66%) ditentukan oleh variabel lain (persepsi, minat dll)
 CHI SQUARE
Pertemuan ke 7, Senin 29 Maret 2021

Chi-square disebut juga dengan Kai Kuadrat. Uji Chi-square adalah salah satu jenis uji
komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua
variabel adalah nominal (Sutrisno, 2000). Apabila dari 2 variabel, ada 1 variabel dengan
skala nominal maka dilakukan uji Chi-square dengan merujuk bahwa harus digunakan uji
pada derajat yang terendah. Uji Chisquare merupakan uji non parametris yang paling
banyak digunakan. Namun diketahui syarat-syarat uji ini adalah frekuensi responden atau
sampel yang digunakan besar, sebab ada beberapa syarat di mana uji Chi-square dapat
digunakan yaitu:
1. Tidak ada sel dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0)
sebesar 0 (Nol);
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 sel saja yang
memiliki frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5;
3. Apabila bentuk tabel lebih dari 2 x 2, misal 2 x 3, maka jumlah sel dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Rumus pada uji Chi–square sebenarnya tidak hanya ada satu. Apabila pada tabel
kontingensi 2 X 2 maka rumus yang digunakan adalah Continuty Correction. Apabila
tabel kontingensi 2 X 2, tetapi tidak memenuhi syarat dalam uji Chi-square maka rumus
yang digunakan adalah Fisher Exact Test. Sedangkan apabila tabel kontingensi lebih dari
2 X 2 misal 2 X 3 maka rumus yang digunakan adalah Pearson Chi-square (Supranto,
2000).
Uji Chi-square dapat dirumuskan sebagai berikut:

2
∑ (f - f
o e)

f
e

x 2= Distribusi Chi-square
Oi = Nilai observasi (pengamatan) ke-i
i = Nilai ekspektasi ke-i
 Adapun langkah – langkah dalam pengujian Chi-square yaitu :
➢ Merumuskan hipotesis H0 dan H1
H0 : Tidak terdapat pengaruh yang signifikan antara dua variable
H1 : Terdapat pengaruh yang signifikan antara dua variabel
➢ Mencari nilai frekuensi harapan (Ei)
Ei untuk setiap sel = (Total Baris )(Total kolom)
total keseluruhan

➢ Menghitung distribusi Chi-square

➢ Menentukan taraf signifikansi α
➢ Menentukan nilai χ2 tabel
a. Taraf signifikansi (α) = 0,05
b. d.f = (Jumlah baris – 1) (Jumlah kolom – 1)
➢ Menentukan kriteria pengujian
Jika χ2 hitung χ 2 tabel, maka H0 Diterima
Jika χ2 hitung > χ 2 tabel, maka H0 Ditolak
Jika Sig. ≥ 0,05 maka H0 Diterima
Jika Sig. < 0,05 maka H0 Ditolak
➢ Membandingkan χ2 hitung dengan χ2 tabel atau Sig. dengan α Keputusan H0 ditolak
atau diterima
➢ Membuat kesimpulan
Ada tidaknya pengaruh antar variabel

Contoh soal :
Pada suatu penelitian yang melibatkan antara hobi dengan jenis kelamin, para peneliti
ingin melihat ada tidaknya hubungan yang terbentuk antara kegemaran berolahraga
dengan jenis kelamin. Berikut data yang tersedia:

Jumlah wanita yang memiliki hobi berolahraga 15

Jumlah pria yang memiliki hobi berolahraga 29
Jumlah wanita yang memiliki hobi komputer 27
Jumlah pria yang memiliki hobi komputer 27
Jumlah wanita yang memiliki hobi berkebun 17
Jumlah pria yang memiliki hobi berkebun 37
Jumlah wanita yang memiliki hobi belanja 29
Jumlah pria yang memiliki hobi belanja 35

a) Hitung nilai fe pada setiap selnya dengan rumus:

fe = (Total baris) (Total Kolom) / Total Seluruhnya
b) Nilai fe pada sel pertama = (128) (54) / (216) = 32
Nilai fe pada sel kedua = (88) (54) / (216) = 22
Nilai fe pada sel ketiga = (128) (54) / (216) = 32
Nilai fe pada sel keempat = (88) (54) / (216) = 22
Nilai fe pada sel kelima = (128) (44) / (216) = 26
Nilai fe pada sel keenam = (88) (44) / (216) = 18
Nilai fe pada sel ketujuh = (128) (64) / (216) = 38
Nilai fe pada sel kedelapan = (88) (64) / (216) = 26
Dari tabel kontingensi diatas, kita dapat menghitung nilai df/kb dengan
perhitungan berikut ini:
Jumlah baris tabel kontingensi (r) = 2
Jumlah kolom tabel kontingensi (c) = 4
df = (r-1)(c-1)
df = (2-1)(4-1)
df = 1 x 3
df = 3
Dari tabel χ2(df;α)→ χ2(3;0.05) diperoleh = 7,815
Dengan menggunakan rumus Area penolakan, maka:
Tolak H0 jika χ2hitung≥χ2tabel
χ2hitung:χ2tabel
5,47 : 7,815
χ2hitung<χ2tabel
H0 diterima dan H1 ditolak, artinya berdasarkan data yang diperoleh diatas,
perbedaan tidak signifikan.
Dengan kata lain, dapat disimpulkan dengan hasil uji chi square, tidak ada
hubungan antara jenis kelamin dengan hobi masing-masing orang yang diikuti
dalam survei diatas. (Kuartil et al., 2018; Safitri, 2016; Sahibul Munir, 2007)
 DAFTAR PUSTAKA

Kuartil, S., Semi, J., & Kuartil, A. (2018). Skor Titik Tengah Frekuensi. 11–13.

Safitri, W. R. (2016). Analisis korelasi pearson dalam menentukan hubungan antara

kejadian demam berdarah dengue dengan kepadatan penduduk di kota surabaya
pada tahun 2012 - 2014. Jurnal Ilmu Kesehatan Masyarakat Universitas
Airlangga, 9.
http://journal.stikespemkabjombang.ac.id/index.php/jikep/article/view/23

Sahibul Munir, Me. (2007). Ukuran Variasi (Dispersi).