UJI Khi KUADRAT

Uji Khi Kuadrat adalah salah satu jenis uji statistika yang diperuntukkan untuk
data berskala nominal atau data katagorial yaitu data yang diperoleh dengan cara
membilang, sehingga dalam uji Khi kuadrat data yang disajikan pada berbentuk
frekuensi. Lafadz Khi diperoleh dari oleh huruf Greek χ 2 (Khi kuadrat) artinya
data pada uji χ2 menyebar mengikuti sebaran χ2. Uji χ2 mempunyai nama
lengkap uji Khi Kuadrat Pearson, karena uji ditemukan oleh K, Pearson.
Sebaran χ2 adalah sebaran teoritik atau matematik yang digunakan untuk
menyelesaikan uji statistika χ2 . satu sebaran data yang mempunyai ciri :
- Tidak ada data yang bernilai negatif (ingat : data diperoleh dari membilang
atau mencacah)
- Data menyebar asimtotik ke arah axis kanan yang bentuknya bergantung
pada derajat bebasnya, dalam arti pada derajat bebas kecil maka
sebesaran data cenderung miring ke kanan (positif) dan berangsur –
angsur menjadi simetris sesuai dengan derajat bebasnya, sehingga pada
derajat bebas besar sebaran χ2 menyerupai sebaran normal.
- Walaupun bentuknya bermacam- macam tetapi luas kurvanya tidak lebih
dari satu.

Gambar. Sebaran χ2
df = degree of fredom (derajat bebas). Perhatikan bentuk sebaran bersesuaian
dengan derajat bebas. Semakin besar derajat bebasnya maka bentuk sebaran
menyerupai gunung yang simetris.
Tujuan Uji χ2 adalah untuk menentukan apakah apakah peubah yang diminati dari
sample saling bebas atau tidak?
Konsep Uji χ2 didasarkan pada beda frekuensi data sebenarnya (observasi)
terhadap frekuensi harapan (harapan). Dari konsep tersebut nillai Uji χ2
diformulasikan ke dalam bentuk Persmaan Pearson :

O = frekuensi sebenarnya (observation)

E = frekuensi harapan (expection)

Kegunaan Uji χ2
Uji χ2 menurut kegunaannya dipilah menjadi :
A. Uji χ2 untuk sampel bebas
B. Uji χ2 untuk sampel berpasangan

A, Uji χ2 untuk sampel bebas menurut tujuannya dipilah menjadi :

1. Uji Goodness-of-Fit
Uji ini digunakan untuk mengetahui kesesuaian antara frekwensi data
harapan terhadap frekwensi data sebenarnya, misalnya dalam sebuah
pacuan maka setiap kuda pada pelbagai lintasan berpulang sama untuk
menjadi juara pertama, semua mahasiswa berpulang sama untuk dapat
menyelsaikan studi tepat waktu atau semua jenis unggas berpeluang sama
untuk terjangkit penyakit flu burung dan seterusnya. Karena sifat tersebut Uji
Goodness-of-Fit juga dinamakan uji untuk eksperimen dengan variabel
tunggal.(single-variable experiment).

2. Uji Independensi
Uji Independensi digunakan untuk mengetahui hubungan dua atau lebih
variabel dari sampel tunggal. Variabel – variabel tersebut disusun ke dalam
sebuah tabel yang dinamakan Tabel Kontingensi. Variabel – variabel ini juga
dinamakan katagori. Contoh uji independen terdapat hubungan antar musim
dengan wabah penyakit malaria pada ayam. Musim dibedakan menjadi
musim penghujan dan musim kemarau sedangkan respon ayam
dikatagorikan menjadi sakit atau tidak.

3. Uji Homogenitas.
 Uji homogenitas digunakan untuk mengetahui sebuah respon (katagori)
pada dua atau lebih sample yang berbeda. Contoh pada daerah tertentu
terjadi wabah penyakit gangguan reproduksi terhadap ternak ruminansia.
Dalam hal ini didpilah menjadi bererapa bentuk sedangkan ruminansia
beruapa, sapi dan kambing.

Hipotesis Uji
Bentuk hipotesis uji pada Uji χ2 bergantung pada bentuknya misal :
Uji Goodness-of-Fit
H0 : Tidak terdapat perbedaan kejadian pada pengamatan diminati
H1 : Terdapat perbedaan kejadian pada pengamatan yang diminati

Uji Independisi
H0 : Tidak terdapat hubungan respon antara peubah yang diminati
H1 : Terdapat hubungan respon antara peubah yang diminati

Uji Homogenitas
H0 : Tidak terdapat perbedaan respon antara sampel yang berbeda
H1 : Terdapat perbedaan respon pada antara sampel yang berbedang
diminati

Daerah Kritis
Daerah kritis adalah batas apakah hipotesis diterima atau ditolak. Besaran daerah
kritis bergantung pada taraf kesalahan (α)yang ditawarkan dan derajat bebas uji.
Contoh daerah kritis untuk α = 0,05 dan derajat bebas (db) = 15 adalah 11,071.

Gambar. Daerah Kritis.

Warna menujukkan daerah penolakan sebaliknya warna putih
Cara mencari titik kritis
Penentuah daerah kritis dapat dilakukan setelah mentransformasi daerah kritis yang
ditentukan ke dalam Tabel χ2 . Tabel terdiri atas beberapa baris dan lajur. Lajur
paling kiri menunjukkan deerajat bebas sedangkan baris paling atas menunjukkan
nilai peluang kesalahan (α). Misalnya berapakah daerah kritis untuk db = 15 dan α =
0,05 ?. Setelah melihat Tabel, mula – mula kita cari angka 15 pada lajur paling kiri
dari Tabel χ2. Selanjutnya kita cari angka 0,05 pada baris paling atas. Dari kedua titik
ini ditarik ke kanan dan ke bawah dari masing – masing besaran tersebut hingga
bertemu. Angka yang terdapat pada pertemuan tersebut merupakan batas kritis
yang dicari (lihat Tabel χ2).

Gambar. Sebagaian dari Tabel χ2.

Baris paling atas (warna biru) menunjukkan nilai α sedangkan derajat bebas
terdapat pada lajur paling kiri dari Tabel (dalam tampilan ini derkat bebas terbesar
hanya sampai 18). Besar nilai χ2.yang dicari ditunjukkan oleh anak panah
berwarna biru.

Cara mencari titik kritis selain menggunakan Tabel χ2 juga dapat i melalui Program
Microsof Excel.
C. Dalam pencarian tersebut aktifikan Program Microsof Excel.
D. Setelah diaktifkan maka , maka akan muncul tampilan lembar kerja yang
bentuknya seperti berikut

Klik icon formula fx di toolbars

Pilih Function Category : Statistical dan Function Name : CHIINV, kllk OK
Setelah muncul ketik nilai α yang diinginkan pada baris Probability ,
misalnya 0,05 selanjutknya
Ketik derajat bebas yang sesuai uji pada baris Deg_freedom misalnya 5
dan klik OK, nilai χ2 yang dicari muncul di bawah baris Deg_freedom
(tanda anak panah)
Jumlah Sampel.
Secara pasti belum terdapat kesepakatan berapa jumlah sampel minimum untuk Uji
χ2 tetapi terdapat dua faktor yang perlu diperhatikan yaitu :
- Frekuensi harapan uji tidak diperkenankan bernilai nul.
1
- Frekuensi harapan yang bernilai ≤ 5 tidak diperkenakan lebih dari atau
5
20 persen dari jumlah sel yang ada, bahkan pada tabel uji yang jumlah
selnya lebih dari empat (Tabel 2 X 2), setiap sel mempunyai nilai
sekurang-kurangnya sebesar 10.
Sehubungan dengan itu, jumlah sampel yang dianjurkan pada uji χ2 sekurang-
kurangya 20 hingga 50. Jika hal tersebut tidak terpenuhi dianjurkan untuk
menggabungkan sel yang ada pada yang menggunkan Tabel lebih dari 2 x 2,
sedangkan untuk uji yang mempunyai Tabel 2 X 3 dianjurkan untuk menggunakan
Uji Eksak Fisher.

Tabel Kontingensi
Tabel Kontingensi berupa tabel yang berisi petak-petak kecil disebut sel. Tabel ini
digunakan pada uji χ2 yang menggunakan Tabel lebih dari 2 X 2 atau disebut Tabel b
X L (baris X lajur)

Katagori 2 Katagori 1
1 2 3 ... L Jumlah
1 n11 n12 n13 ... n1L B1
2 n21 n21 n21 ... n2L B1
3 n31 n31 n31 ... n3L B1
... ... ... ... ... ... ...
B nb1 nb1 nb1 ... nBL B1
Jumlah J1 J1 J1 ... JL N

Gambar Struktur Tabel Kontingensi

Contoh :
1. Uji Goodness-of-Fit
Distribusi Prevalensi penyakit parasit scabies pada kambing di empat
kecamatan Kabupaten Gresik bagian selatan adalah disajikan dalam Tabel :
Tabel : Frekuensi Kasus Scabies di Kabupten Gresik Bagian Selatan
Lokasi Jumlah Positif
Kecamatan Wringin Anom 11
Kabupaten Kedamean 19
Kabupaten Driyorejo 13
Kecamatan Menganti 17
Jumlah 60
Data fiktif

Berdasarkan Tabel tersebut apakah cukup bukti bahwa terdapat perbedaan distribusi
kasus Trypanosoma antar lokasi ?.
Untuk menyelesaikan masalah tersebut :
Mula – mula kita susun hipotesisnya
H0 : tdak terdapat penyebaran kasus atar lokasi
H1 : terdapat perbedaanpenyebaran Trypanosma antar likasi,
Menentukan taraf kesalahan (α)
Misal α = 0,05 (5 persen)
Menentukan titik kritis uji
Karena terdapat empat kecamatan yang digunakan sebagai maka
derajt bebas penelitian =
4 – 1 = 3 dan α = 0,05
Mengitung statitistik uji
Mencari frekuensi harapan (E)
Dalam contoh E = jumlah kasus dibagi banyak kota sehingga:
60
= 12
4
Mengitung statitik uji menggunakan persamaan

χ2 (O−E)2
= . Agar lebih mudahnya penghitungan tersebut disusun ke dalam
E
Tabel, sehingga diperoleh :
Tabel : Frekuensi Kasus Scabies di Kabupten Gresik Bagian Selatan

Lokasi Jumlah Positif

Kecamatan Observasi (O) Harapan (O – E) (O−E)2
(E) =
E
 .
Wringin Anom 11 12 -1 0,08
Kedamean 19 12 7 4,08
Driyorejo 13 12 1 0,08
Menganti 17 12 5 2,08
Jumlah 60 60 6,33
Dari nilai α dan derajat bebas sebesar 4 maka diperoleh nilai kritis pada
Tabel χ2 = 7,815
Pengambilan Keputusan
Menolak H0 jika χ2 hasil hitungan uji statistik lebih kecil daripada Tabel
χ2
Hasil statitik uji diperoleh χ2 hitung = 6,333
Karena χ2 hitung < χ2 tabel (6,33 < 7,815), maka diputuskan gagal menolak
H0
Penarikan Kesimpulan :
Tidak cukup bukti untuk mengatakan bahwa terdapat perbedaan kasus
scabies di empat kecamatan di kabupaten Gresik.

2. Uji Indpendensi
Tabel berikut ini menyajikan data kasus protozoa darah pada ayam yang
dipotong di pasar tradisional di Kota Surabaya.

Pasar Positif Negatif Jumlah

Pucang 8 17 25
Wonokromo 6 19 25
Keputran 6 19 25
Kembang 7 18 25
Jumlah 27 73 100
Sumber : Retno Hariani (Skripsi FKH Unair, 2003)

Dari Tabel tersebut ingin diketahui apakah terdapat hubungan lokas pasar terhadap
kasus protozoa pada darah ayam buras.
Seperti penyelesaian pada uji Uji Goodness-of-Fit, maka mula – mula kita susun
hipotesisnya yaitu :
H0 : tdak terdapat hubungan antara lokasi pasar dengan kasus protozoa
darah.
H1 : terdapat hubungan antara lokasi pasar dengan kasus protozoa
darah pada ayam.
Menentukan taraf kesalahan (α)
Misal α = 0,10 (10 persen)
Menentukan titik kritis uji
Seperti terlihat dalam Tabel maka Tabel ini tersusun empat baris masing –
masing terisi oleh lokasi pasar (Pucang, Wonokromo, Keputran dan
Kembang) dan dua lajur (kasus positif dan kasus negatif), maka derajat
bebasnya adalah (baris – 1)(lajur – 1) = (4 -1)(2 – 1) = 3. Titik kritis pada α
= 0,10, db = 3 adalah 6,251.
(O−E)2
Menghitung statistik uji menggunakan persamaan χ2 = .
E
Mencari frekuensi harapan untuk masing – masing sel.
Karena uji indpendensi dan uji homogenensi menggunakan Tabel
kontingensi maka bear frekuensi untuk setiap sel diperoleh dari

fbaris X flajur
. Jadi misalnya frekuens harapan untuk sel petama
Total sampel

25 X 27
(pucang positif adalah (EPasar Pucang, Positif ) = = 6,75 dan
100
seterusnya, sehingga jikia disusun ke dalam sebuah Tabel maka
diperoleh :

1
Pasar Positif Negatif Jumlah
O E O E
Pucang 8 6,75 17 18,25 25
Wonokromo 6 6,75 19 18,25 25
Keputran 6 6,75 19 18,25 25
Kembang 7 6,75 18 18,25 25
Jumlah 27 73 100

2
Pasar Positif Negatif Jumlah
O E (O−E)2 O E (O−E)2
E E
. .
Pucang 8 6,75 0,23 17 4,93 0,23
Wonokromo 6 6,75 0,08 19 4,93 0,08
Keputran 6 6,75 0,08 19 4,93 0,08
Kembang 7 6,75 0,01 18 4,93 0,01
 Jumlah 0,41 0,15 0,96

Mengitung statitisk uji

χ2 = 0,96

Pengambilan Keputusan
Karena χ2 hitung > χ2 kritis (0,96 > 7,84), maka diputuskan untuk menolak H0
Penarikan Kesimpulan
Terdapat hubungan antara lokasi pasar dengan kasus protozoa darah
pada ayam.

3. Uji Homogenitas
Sebuah penelitian dilakukan untuk mengetahui pengaruh bahan pengencer
terhadap viabilitas spermatozoa sapi dan kerbau. Bahan Pengender yang
digunakan terdiri atas tiga konentrasi (A, B, C). Hasi l penelitian selengkapnya
disajikan dalam Tabel sebagai berikut

Viabilitas Bahan Pengencer

A B C Jumlah
Sapi 63 22 57 142
Kerbau 57 78 90 225
Jumlah 120 100 147 367
Data Fiktif

Secara prinsip teknik penyelesaian uji homogenitas mirip dengan uji independensi
mula – mula kita susun hipotesisnya yaitu :
H0 : tdak terdapat perbedaan viabilitas spermatozoa sapi dan kerbau
terhadap bahan pengencer.
H1 : terdapat perbedaan viabilitas spermatozoa sapi dan kerbau
terhadap bahan pengencer.
Menentukan taraf kesalahan (α)
Misal α = 0,01 (1 persen)
Menentukan titik kritis uji
 Seperti terlihat dalam Tabel maka Tabel ini tersusun empat baris masing –
masing terisi oleh lokasi pasar (Pucang, Wonokromo, Keputran dan
Kembang) dan dua lajur (kasus positif dan kasus negatif), maka derajat
bebasnya adalah (baris – 1)(lajur – 1) = (3 -1)(2 – 1) = 3. Titik kritis pada α
= 0,01, db = 2 adalah 9,210

χ2 (O−E)2
Menghitung statistik uji menggunakan persamaan = . Agar lebih
E
mudah Tabel data disusun kembali lengkap sehingga

Viabili- Bahan Pengencer

tas A B C Jumlah

O E (O−E)2 O E (O−E)2 O E (O−E)2 (O−E)2

E E E E
. . . .
Sapi 63 46 5,91 22 39 7,20 57 57 0
Kerbau 57 74 3,73 78 61 5,54 90 90 0
Jumlah 21,39

Pengambilan Keputusan
Karena χ2 hitung > χ2 kritis (21,39 > 9,49), maka diputuskan untuk menolak
H0

Penarikan Kesimpulan
Terdapat perbedaan viabilitas spermatozoa sapi dan kerbau terhadapa
paparan bahan pengencer.

Tabel Kontingensi 2 X 2 dan Koreksi Yates

Uji χ2 yang menggunkan piranti Tabel 2 X 2, Persamaan Pearson untuk
mencari nilai χ2 disederhanakan menjadi

2 N ( AD−BC )2
χ =
( A +B )( A+C ) ( B+C ) ( B+ D)

Tabel 2 X 2
Katagori dalam lajur Jumlah
 Katagori dalam A B A+B
baris C D C+D
Jumlah A+C B+D N

Yate mengargumentasikan bahwa Persamaan Pearson sebaran χ2 digunakan

untuk mengestimasi peluang diskrit yang diwujudkan dalam bentuk frekuensi
maka penerapan nilai peluang pada nilai χ2 yang diperoleh dari persamaan
Pearson akan memberikan nilai dibawah acan yang diestimasikan.
Sehubungan dengan itu Yate menganjurkan menggunkan faktor koreksi.
Faktor koreksi ini dinamakan faktor koreksi kontinuitas Yate’s yang besarnya
0,5. Jadi secara umum persamaan tersebut menjadi :
(|fo – fe| - 0,5)2 fo : frekuensi data amantan
fe : frekuensi data harapan
0,5 : besar faktor kpreksi Yate;s

Atau jika disesuaikan dengan persamaan uji pada Tabel Kontingensi 2 x 2

menjadi
- χ2 = N ¿ ¿ ¿

Contoh :
Apahakah terdapat kota yang berdekatan dengan gangguna reproduksi pada sapi
perah. Hasil pencatatan data pengamatan kasus disajikan pada Tabel sebagai
berikut :
Kota Jumlah
Gangguan X Y
Ya 345 570 915
Tidak 1200 1980 3180
Jumlah 1545 2550 4095

Seperti langkah yang terdahulu mula – mula kita susun :

Hipotesis
H0 : tdak terdapat hubungan antara kota dengan kasus gangguan
reproduksi pada sapi..
H1 : terdapat hubungan antara kota dengan kasus gangguan
reproduksi pada sapi..
Menentukan taraf kesalahan (α)
Misal α = 0,10 (10 persen)
 Menentukan titik kritis uji
- Dari susunan Tabel hasil pencatatan pengamatan gangguan reproduksi
didapatkan derjat bebas (2 -1)(2 -1) = 1, sehingga titik kritisnya sebesar
2,706.
- Menghitung statistik uji menggunkana persamaan

- χ2 = N ¿ ¿ ¿, sehingga

2
1 ¿
- χ2 = 4095 ( 345.1980−570,1200 )− 2 .4095 ¿ ( 915 ) ( 1545 ) (3180) ( 2550 )

- χ2 = 0,0047
Pengambilan Keputusan
Karena χ2 hitung < χ2 kritis (0,0047 < 2,706), maka diputuskan gagal
menolak H0
Penarikan Kesimpulan
Tidak terdapat hubungan antara gangguan reprodksi pada sapi yang
diternakan pada Kota X dan Kota Y..

Uji Eksak Fisher

Uji χ2 digunakan untuk sampel kecil atau jika pada yang dianalis mempunyai
frekuensi harapan yang kurang dari lima lebih dari 80 persen dari jumlah sel yang
ada, bahkan berlaku pada data yang memmpunyai frekuensi harapan kurang dari
satu. Secara struktural tabel pada uji Eksak Fisher mengunakan Tabel 2 X 2 .

Katagori I Jumlah
Katagori II 1 2
1 A B A+B
2 C D C+D
Jumlah A +C B+D N
Besar nilai uji ditentukan oleh persamaan :

( A +B ) ! ( A+C ) ! ( C+ D ) ! ( B + D ) !
p = N ! A ! B ! C ! D!
Contoh
Sebuah penelitian dilakukan untuk mengetahui perbedaan menghindari
rintangan. Untuk keperluan tersebut peneliti menyiapkan sembilan ekor yag
dilatih dan tujuh ekor tikus yang tidak dilatih. Pencatatan hasil percobaan disajka
dalam Tabel berikut:

Tikus Jumlah
Mampu menghindar rintangan Dilatih (A) Tidak dilatih (B)
Ya (X) 7 3 10
Tidak (Y) 2 4 6
Jumlah 9 7 16

Hipotesis
H0 : Tidak terdapat perbedaan antara tikus – tikus yang dilatih dengan
tikus yang tidak dilatih dalam hal mengindari rintangan.
H1 Tikus – tikus yang dilatih lebih mampu mengindari rintangan
daripada tikus – tikus yang tidak dilatih..

Menentukan taraf kesalahan (α)

Misal α = 0,05 (5 persen)
- Menghitung statistik uji :
Mula kita membuat tabel induk dengan beberapa kemungkinan teeapi
jumlah sampel tetap.
B.
1 2 3

A B A B A B

2 7 3 6 4 5

7 0 6 1 5 2

9 7 9 7 9 7

4 5 6

A B A B A B

5 4 6 3 7 2
 4 3 3 4 2 5

9 7 9 7 9 7

7 8

A B A B

8 1 9 0

1 6 0 7

9 7 9 7

Mengitung nilai peluang untuk setiap tabel, misal :

9 ! .9 ! .7 ! 7 !
Tabel 1, p = = 0,003147
16 ! 2! 7 ! 7 ! 0 !
9 ! .9 ! .7 ! 7 !
Tabel 2, p = = 0,051399
16 ! 3! 6! 6! 1 !
9 ! .9 ! .7 ! 7 !
Tabel 3, p = = 0,231294
16 ! 4 ! 5 ! 5 ! 2!
9 ! .9! .7! 7!
Tabel 4, p = = 0,38549
16 ! 5! 4 ! 4 ! 3 !
9! .9 ! .7 ! 7 !
Tabel 5, p = =0,256993
16 ! 6 ! 3! 3 ! 4 !
9 ! .9 ! .7! 7!
Tabel 6, p = = 0,066084
16 ! 7! 2! 2 ! 5 !
9 ! .9 ! .7 ! 7 !
Tabel 7, p = = 0,005507
16 ! 8 ! 1! 1 ! 6 !
9 ! .9 ! .7 ! 7 !
Tabel 8, p = = 8,74.10-05
16 ! 9 ! 0 ! 0 ! 7 !

Pengambilan Keputusan
Keputusan untuk menerima atau menolak H0 , diperoleh dengan cara
membandingkan hasil penjumlahan dari setiap kemungkinan (Tabel 1
samapi dengan Tabel 8) terhadap kritisnya, (dalam contoh ini kita
menggunakan α = 0,05). Dalam contoh ini dari hasil penjumlahan peluang
 diperoleh nilai sebesar 0,999913 ≈ 0,10, sehingga dapat diputuskan gagal
menolak H0.
Penarikan Kesimpulan.
Berdasarkan keputusan tersebut dapat ditarik simpulan bahwa tikus yang
dilatih tidak berbeda nyata dengan tikus yang tidak dilatih dalam
menghindari rintangan.

Metode penghitungan untuk setiap peluang dirasakan menjemukan dan

kadang – kadang dianggap tidak praktis, sehubungan dengan itu telah
diciptakan Tabel Eksak Fisher. Cara melihat Tabel hanya mensesuaikan
angka – angka dalam Tabel uji dengan Tabel Eksak Fisher. Tabel Eksak
Fisher terdiri atas tujuh lajur yang dipilah menjadi kelompok. Lajur sebelah
kiri berisi huruf yang menggambarkan kondisi sel, sedang lajur sebelah
kanan berisi nilai peluang yang hendak dibandingkan. . H0 ditolak jika <
daripada nilai peluang yang bersesuaian.
Laju peluang merupakan peluang yang muncul bersesuaian dengan nilai b

Bentuk Tabel Uji Eksak Fisher.

Katagori I Jumlah

Katagori II X Y

X a A-a A

Y b B-b B

Jumlah a+b (A – b) + (B – b) A+B

Dalam menyesuaikan Tabel uji dangan Tabel Eksak Fisher maka diusahakan
sel a/A lebih besar daripada b/B.

Penggunaan
Marilah kita melihat kembali contoh sol yang disjikan pada uji Eksak Fisher
yang sudah dibahas. Tabel terebut adalah :

Tikus Jumlah
Menghindar rintangan Dilatih (A) Tidak dilatih (B)
 Ya (X) 7 3 10
Tidak (Y) 2 4 6
Jumlah 9 7 16

Dalam Tabel tersebut A = 10, B = 6 dan a = 7 mempunyai peluang untuk 0,05

dan 0,025 kebetulan sama ssebesar 0,010, sedangkan untuk 0,01 dan 0,005
tidak terdeteksi. Karena dalam H1 mengatakan bahwa tikus yang dilatih lebih
mampu menghindari rintangan daripada tikus yang tidak dilatih. Pernyataan
ini meggambarkan uji berlaku pada satu sisi karena α yang ditawarkan
sebesar 0,05 maka dalam Tabel Eksak Fisher nilai peluang 0,05 pada A
=10, B = 6 dan a = 7 adalah 0,010. Nilai peluang ini lebih kecil bila
dibandingkan b, sehingga kita dapat meutuskan untuk tidak menolak H0.

B. Uji χ2 untuk sampel berpasangan

1. Uji McNemar
Uji McNemar digunakan untuk menguji data biner yang berpasangan.
Struktur uji Mc Nemar menggunakan Tabell kontingensi 2 X 2.

Katagori I
Katagori II Ya Tidak
Ya a b
Tidak c d

Karena hanya memperhatikan subjek yang mengalami perubahan maka uji

McNemar dihitung ke dalam persamaan :

(b−c )2
Q ≈ Q(b,c) =
(b+ c)
Setelah memasukkan faktor koreksi maka menjadi

2
(|b−c|−1)
Q ≈ Q(b,c) =
(b+c )

Contoh
Berdasarkan sebuah informasi terdapat beberapa anak kuda yang dipiliah
menjadi dua kelompok, sekelompok mampu melompati pagar 1,5 meter
 sedangkan yang lain adalah kelompok yang tidak mampu melompati pagar.
Kedua kelompok kemudian kita ulang lagi apakah tetap memperoleh hasil
yang sama ?. Jika informasi tersebut ditabulasikan maka diperoleh tabel
sebagai berikut.

Kaji ulang Jumlah

Informasi Ya Tidak
Ya 23 13 35
Tidak 30 10 40
Jumlah 53 13 75

Hipotesis
H0 : Hasil kaji ulang tidak berbeda dengan informasi
H1 : Terdapat perbedaan julah kuda yang dapat melompat dibanding
informasi
Menentukan taraf kesalahan (α)
Misal α = 0,05 (5 persen)
Menentukan titik kritis uji
Dari susunan Tabel hasil pencatatan pengamatan gangguan reproduksi
didapatkan derjat bebas (2 -1)(2 -1) = 1, sehingga titik kritisnya sebesar
3,841.

- Menghitung statistik uji :

(|13−30|−1 )2
- Q ≈ Q(b,c) =
( 13+30 )
- Q ≈ Q(b,c) = 5,95

- Pengambilan Keputusan
Karena χ2 hitung > χ2 kritis (5,953 > 3,841), maka diputuskan menolak H0

- Penarikan Kesimpulan
Terdapat perbedaan intormasi dengan kaji ulang terhadap kemampuna
melompat anak kuda.

2. Uji Keselarasan Kappa

Secara bentuk Uji Keselarasan Kappa mirip dengan Uji Mc Nemar. Pada Uji
Mc Nemar katagori yang diperbandingkan terjadi secara berurutan, misalnya
pada contoh di atas perubahan perilaku apa yang terjadi setelah kuda – kuda
tersebut mendapat pelatihan. Pada Uji Keselarasan Kappa katagori- katagori
yang dimaksud terjadi secara bersamaan, misalnya diagnosis yang
ditegakkan oleh dua orang ahli terhadap kasus yang sama. Dari diagnosis
tersebut hasil yang yang didapatkan, dua ahli bersepakat mengatakan ya
atau tidak. Kemungkinan terdapat silang pendapat antara kedua ahli
tersebut.

Pengamat I Jumlah
Ya Tidak
Pengamat II Ya a b a+b
Tidak c d c+d
Jumlah a+c b+d n
.Gambar Struktur Tabel Uji Keselarasan Kappa

Seperti yang terlihat dalam Tabel huruf a dan d melambangkan kesepakatan

antara kedua pengamat sebaliknya c dan d. Jadi jika kekdua pengamat
bersepakat maka c dan d sama dengan nul, a dan b sama dengan 1 atau
100 persen (p0 – 1 atau 100%), sebaliknya kedua pengamat tidak bersepakat
maka a dan d sama dengan nul, b dan c sama dengan 1 (p 0 = 0%). Besar
kesepakatan pengamatan nyata untuk kedua pengamat bersepakat
dinyatakan dalam p0 yang besarnya

a+d
p0 = sedangkan besar kesepakatan harapan dinyatakan
n
pe yang besarnya :

a+c a+b b+d c+ d

pe =( X )+( X ) sehingga
n n n n

p 0− pe
Kappa (K) = ( )
1− pe
 Besar kesepakatan uji Kappa membentang dari – 1 ke 1, untuk lebih
mudahnya indek kappa beserta maknan disajikan dalam Tabel Intepretasi
Kappa.

Tabel Interpretasi Kappa

Kappa Kesepakatan
<0 Tidak
0,01 – 0,20 kecil
0,21 = 0,40 Cukup
0,41 – 0,60 Sedang
0,61 – 0,80 Kuat
0,81 – 1,00 Sempurna

Contoh
Di daerah “ A “ terjadi wabah yang diduga penyakit flu burung. Untuk
menegakkan diagnosis tersebut sebanyak 100 pasang sampel yang
diperiksakan di dua laboratorium stera tetapi berbeda tempat. Hasil
pemeriksaan sampel disajikan dalam.

Laboratorium AI Jumlah
Positif Negatif
Laboratoriium B Positif 40 30 70
Negatif 20 10 30
Jumlah 60 40 100

Penyelesaian
40+10
p0 =
100
p0 = 0,5
60 70 40 30
pe = ( X )+( X )
100 100 100 100
pe = 0,54

(0,5−0,54)
K=
1−0,54

K = - 0,09

Setelah disesuaikan dengan Tabel Interpretasi Kappa maka angka – o,o

terletak di bawah 0, sehingga dapa disimpulkan tidak terdapat kesepakatan
 kedua laboratorium yang ditunjuk tehadap wabah yang diduga disebabkan
oleh flu burung yang terdapat di daerah A.

Uji Mentel Heinzel

Pada penelitian tidak jarang ditemukan peubah yang masuk dalam penelitian,
padahal peubah tersebut tidiak dinginkan karena bisa jadi menimbulkan bias.
Peubah ini dinamakan peubah perancu. Contoh, sebuah penelitian dilakukan uantuk
menganalisis kasus parasit cacing pada kerbau berdasarkar umur pada beberapa
daerah. Karena kerbau- kerbau dipelihara di daerah yang berbeda – beda, besar
kemungkinan berinterakasi dengan kasus dan sulit menafsirkan hasil analisis. Uji Uji
Mentel Heinzel adalah salah satu uji statistik non parametrik pada data berskala
nominal dengan mengendalikan peubah perancu.