UJI HIPOTESIS KOMPARATIF

VARIABEL KATEGORIK TIDAK

BERPASANGAN

Yuliaji S.

STIKES NGUDI WALUYO UNGARAN

 Tujuan Pembelajaran
Mahasiswa mampu :
1. Mengaplikasikan alur pemikiran uji untuk
tabel B x K
2. Melakukan dan menginterpretasikan hasil uji
Chi-Square
3. Melakukan dan menginterpretasikan hasil uji
Fisher
4. Melakukan dan menginterpretasikan hasil uji
Kolmogorov-Smirnov
5. Melakukan prosedur mencari kekuatan
hubungan dan menginterpretasikannya
Metode Pembelajaran :
Jigsaw method
 Bagi kelompok (Chi-Square, Fisher,
Kolmogorov, chi-square dengan penggabungan
)
 Kelompok 1 :
 Kelompok 2 :
 Kelompok 3 :
 Kelompok 4 :
 Tabel Uji Hipotesis
Masalah Jenis hipotesis (asosiasi)
skala
pengkuran
Komparatif Korelatif

Tidak berpasangan Berpasangan

Numerik 2 kelompok > 2 kelompok 2 kelompok >2 Pearson *

kelompok

Uji t tidak One way anova * Uji t Repeated

berpasangan * berpasangan * anova *

Kategorik
(Ordinal) Mann Whitney Kruskal-Wallis Wilcoxon Friedman Spearman,
Kendall,
Sommers,
Gamma

Kategorik Wilcoxon,
Chi square McNemar, Cochran Friedman
Fisher Marginal (prinsip P x K)
Kolmogorov-smirnov (tabel B x K) Homogeneity
Koefi
sien
konti
ngen
si,
Lamb
da,
Cram
er
Panduan untuk interpretasi uji hipotesis

No Nama Uji Makna jika p < 0,05 (Hipotesis nol

ditolak)
1. Uji Chi-Square Terdapat hubungan antara variabel yang diuji
2. Uji Fisher Terdapat hubungan antara variabel yang diuji
3. Uji Kolmogorov- Terdapat hubungan antara variabel yang diuji
Smirnov
Uji Chi-Square
 Tujuan : untuk menguji perbedaan
proporsi/persentase antara
beberapa kelompok data.
 Syarat/asumsi :
 Kelompok data independen
 Variabel yang dihubungkan berbentuk
kategorik dan kategorik
 Keterbatasan uji Kai Kuadrat
1. Setiap sel paling sedikit berisi frekuensi
harapan (E) sebesar 1.
2. Sel dengan frekuensi harapan (E)< 5 tidak
melebihi 20%.
3. Meskipun dapat diterapkan pada sampel kecil,
sebaiknya > 40.
(Cochran, 1954)

Bila ukuran sampel kecil (< 20) atau terdapat

E < 5, gunakan uji pasti Fisher
 Interpretasi uji Kai Kuadrat

 Bila tabelnya lebih dari 2x2, gunakan

Pearson Chi Square
 Bila tabelnya 2x2, tidak ada sel
yang nilai E-nya < 5, gunakan
Continuity Correction
 Bila tabelnya 2x2, ada sel yang
nilai E-nya < 5, gunakan Fisher
Exact
 Contoh :
Uji Chi Square (Hipotesis Komparatif
kategorik tidak berpasangan tabel 2 x 2)

Anda ingin mengetahui hubungan antara

perilaku merokok (merokok dan tidak
merokok) dengan status fertilitas seorang
pria (infertil dan fertil). Rumusan
pertanyaan penelitian : ”Apakah terdapat
hubungan antara perilaku merokok dengan
status fertilitas seorang pria ?”

Uji hipotesis apa yang akan dipilih ?

No Langkah Jawaban

1 Menentukan variabel yang akan Variabel yang dihubungkan adalah

dihubungkan perilaku merokok (kategorik) dengan
status infertilitas (kategorik)

2 Menentukan jenis hipotesis Komparatif

3 Menentukan masalah skala variabel Kategorik

4 Menentukan pasangan / tidak Tidak berpasangan

berpasangan

5 Menentukan jenis B x K 2x2

Kesimpulan :
Jenis tabel pada soal ini adalah 2 x 2. Uji yang digunakan adalah uji chi square
bila memenuhi syarat. Bila tidak memenuhi syarat uji chi square, digunakan uji
alternatifnya yaitu uji Fisher.
 Responden : 100
 Perilaku merokok (rokok) dengan
Status infertilitas (subur)
 Merokok (1) & Infertil (1) : 30
 Merokok (1) &
Fertil (2) : 20
 Tdk merokok (2) & Infertil (1) : 15
 Tdk merokok
(2) & Fertil (2) : 35
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Analyze, kemudian pilih
Descriptive Statistics, Crosstabs.
2. Masukkan variabel rokok ke dalam rows
(karena bertindak sebagai variabel
bebas)
3. Masukkan variabel subur ke dalam
column(s) (karena bertindak sebagai
variabel terikat)
Langkah-langkah …

4. Klik option Statistics, pilih Chi-Square,

dan klik pilihan Risk (bila ingin melihat
besarnya risiko), Continue.
5. Aktifkan kotak Cell, pilih Observed
(untuk menampilkan nilai observed), dan
expected (untuk menampilkan nilai
expected) pada Count. Klik Coloum
pada percentages.
6. Klik Continue, OK
Langkah-langkah …..
Setelah diproses, hasilnya ….
perilaku merokok * Status fertilitas Crosstabulation
Status fertilitas
tidak
subur subur Total
perilaku merokok tidak merokok Count 35 15 50
Expected Count 27.5 22.5 50.0
% within Status 63.6% 33.3% 50.0%
fertilitas
merokok Count 20 30 50
Expected Count 27.5 22.5 50.0
% within Status 36.4% 66.7% 50.0%
fertilitas
Total Count 55 45 100
Expected Count 55.0 45.0 100.0
% within Status
fertilitas 100.0% 100.0% 100.0%

1. Lihat tabel silang, dari hasil  2 x 2

2. Selanjutnya melihat nilai ekspektasi
Chi-Square Tests Asymp. Sig. (2-
Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
Pearson Chi-Square 9.091a 1 .003
Continuity Correctionb 7.919 1 .005
Likelihood Ratio 9.240 1 .002
Fisher's Exact Test .005 .002
Linear-by-Linear
9.000 1 .003
Association
N of Valid Casesb 100
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
22.50.
b. Computed only for a 2x2 table
1. Lihat nilai ekspektasi  0 % 1. Lihat nilai sig (p)
2. Bandingkan syarat (20%) > 0% bandingkan dg 
Risk Estimate
• tabel 2x2 & nilai E
95% Confidence Interval
memenuhi syarat
Value Lower Upper  baca continuity
Odds Ratio for perilaku merokok correction
3.500 1.529 8.012 • p = 0,005 < 0,05
(tidak merokok / merokok)
For cohort Status fertilitas =  H0 ditolak
1.750 1.191 2.572
subur
For cohort Status fertilitas = tidak
.500 .309 .808
subur
N of Valid Cases 100
Interpretasi :
1. Tabel pertama menggambarkan deskripsi masing-
masing sel untuk nilai observed dan expected.
2. Table 2x2 ini layak untuk diuji dengan chi-square
karena tidak ada nilai expected yang kurang dari
lima (lihat keterangan di bawah tabel 2: b. 0 cell
(0%) have expected count less than 5).
3. Tabel kedua menunjukkan hasil uji chi square. Nilai
yang dipakai adalah pada nilai Continuity
Correction, p=0,005, artinya terdapat hubungan
yang signifikan antara perilaku merokok dengan
status fertilitas.
Interpretasi :
4. Korelasi (besarnya risiko) yang digunakan :
• Nilai OR digunakan untuk jenis penelitiannya
Case Control  OR = 3,50 dengan IK 95%
1,529 – 8,012 artinya, orang yang tidak
merokok mempunyai kemungkinan 3,5 kali
untuk fertil dibandingkan dengan orang
yang merokok, atau probabilitas orang yang
tidak merokok untuk fertil adalah sebesar
77,8%
• p = RO/(1+RO)
• Sedangkan nilai cohort (RR) digunakan bila
jenis penelitiannya Cohort.
 Contoh :
Uji Fisher (Hipotesis Komparatif kategorik
tidak berpasangan alternatif uji chi-square
tabel 2 x 2)

Anda ingin mengetahui hubungan antara faktor

genetik (positif dan negatif) dengan obesitas
(obesitas dan tidak obesitas). Rumusan
pertanyaan penelitian : ”Apakah terdapat
hubungan antara faktor genetik dengan
obesitas?”

Uji hipotesis apa yang akan dipilih ?

No Langkah Jawaban

1 Menentukan variabel yang akan Variabel yang dihubungkan adalah genetik

dihubungkan (kategorik) dengan obesitas (kategorik)

2 Menentukan jenis hipotesis Komparatif

3 Menentukan masalah skala variabel Kategorik

4 Menentukan pasangan / tidak Tidak berpasangan

berpasangan

5 Menentukan jenis B x K 2x2

Kesimpulan :
Jenis tabel pada soal ini adalah 2 x 2. Uji yang digunakan adalah uji chi square
bila memenuhi syarat. Bila tidak memenuhi syarat uji chi square, digunakan uji
alternatifnya yaitu uji Fisher.
 Faktor genetik (genetik) dengan
Obesitas (obes)
◦ Positif : 1
◦ Negatif : 2
◦ Obesitas : 1
◦ Tdk obesitas : 2

 Positif & obesitas : 25

 Positif & tdk obesitas : 21
 Negatif & obesitas : 2
 Negatif & tdk obesitas : 6
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Analyze, kemudian pilih
Descriptive Statistics, Crosstabs.
2. Masukkan variabel genetik ke dalam
rows (karena bertindak sebagai variabel
bebas)
3. Masukkan variabel obes ke dalam
column(s) (karena bertindak sebagai
variabel terikat)
Langkah-langkah …

4. Klik option Statistics, pilih Chi-Square,

dan klik pilihan Risk (bila ingin melihat
besarnya risiko), Continue.
5. Aktifkan kotak Cell, pilih Observed
(untuk menampilkan nilai observed), dan
expected (untuk menampilkan nilai
expected) pada Count. Klik Coloum
pada percentages.
6. Klik Continue, OK
Langkah-langkah …..
Setelah diproses, hasilnya ….
genetik * obesitas Crosstabulation
obesitas
tidak
obesitas obesitas Total
genetik ada faktor genetik Count 25 21 46
Expected 23.0 23.0 46.0
Count
% within 92.6% 77.8% 85.2%
obesitas
tidak ada faktor Count 2 6 8
genetik Expected
4.0 4.0 8.0
Count
% within
obesitas 7.4% 22.2% 14.8%

Total Count 27 27 54
Expected
27.0 27.0 54.0
Count
% within
obesitas 100.0% 100.0% 100.0%

1. Lihat tabel silang, dari hasil  2 x 2

2. Selanjutnya melihat nilai ekspektasi
Chi-Square Tests Asymp. Sig.
 Exact Sig. (2- Exact Sig. (1-
Value df (2-sided) sided) sided)
Pearson Chi-Square 2.348a 1 .125
Continuity Correctionb 1.321 1 .250
Likelihood Ratio 2.441 1 .118
Fisher's Exact Test .250 .125
Linear-by-Linear
2.304 1 .129
Association
N of Valid Casesb 54
a. 2 cells (50.0%) have expected count less than 5. The minimum expected count is 4.00.
b. Computed only for a 2 x 2 t a b l e
1 . L i h a t nilai ekspektasi  50 % 1. Lihat nilai sig (p)
2. Bandingkan syarat (20%) < 50%
bandingkan dg 
Risk Estimate
• tabel 2x2 & nilai E tidak memenuhi syarat  baca Fisher’s Exact Test
95% Confidence Interval • p = 0,250 > 0,05 
Value Lower Upper H0 gagal ditolak
Odds Ratio for genetik (ada
faktor genetik / tidak ada faktor 3.571 .651 19.593
genetik)
For cohort obesitas = obesitas 2.174 .636 7.431
For cohort obesitas = tidak
.609 .366 1.013
obesitas
N of Valid Cases 54
Interpretasi :
1. Tabel pertama menggambarkan deskripsi masing-
masing sel untuk nilai observed dan expected.
2. Table 2x2 ini tidak layak untuk diuji dengan chi-square
karena sel yang nilai expectednya yang kurang dari
lima ada 50% (lihat keterangan di bawah tabel 2: b. 2
cell (50%) have expected count less than 5).
3. Tabel kedua menunjukkan hasil uji chi square. Nilai
yang dipakai adalah pada nilai Fisher’s Exact Test ,
p=0,250 (untuk 2-sided) dan p=0,125 (untuk 1-sided),
artinya tidak ada hubungan antara faktor genetik
dengan obesitas.
 Interpretasi :
4. Korelasi (besarnya risiko) yang digunakan :
• Nilai OR digunakan untuk jenis
penelitiannya Case Control, OR = 3,571
dengan IK 95% 0,651 – 19,593

• Sedangkan nilai cohort (RR) digunakan bila

jenis penelitiannya Cohort.
 Contoh :
Uji Kolmogorov-Smirnov (Hipotesis
Komparatif kategorik tidak berpasangan tabel
2 x k)

Anda ingin mengetahui hubungan antara

jenis kelamin (laki-laki dan perempuan)
dengan klasifikasi depresi (clinical range,
borderline, normal). Rumusan pertanyaan
penelitian : ”Adakah hubungan antara jenis
kelamin dengan depresi?”

Uji hipotesis apa yang akan dipilih ?

No Langkah Jawaban

1 Menentukan variabel yang akan Variabel yang dihubungkan adalah jenis

dihubungkan kelamin (kategorik) dengan depresi
(kategorik)

2 Menentukan jenis hipotesis Komparatif

3 Menentukan masalah skala variabel Kategorik

4 Menentukan pasangan / tidak Tidak berpasangan

berpasangan

5 Menentukan jenis B x K 2x3

Kesimpulan :
Jenis tabel pada soal ini adalah 2 x 3. Uji yang digunakan adalah uji chi square
bila memenuhi syarat. Bila tidak memenuhi syarat uji chi square, digunakan uji
alternatifnya yaitu uji Kolmogorov-Smirnov.
 Jenis kelamin (sex) dengan
klasifikasi depresi (depresi)
◦ Laki-laki (1) & clinical range (1) : 1
◦ Laki-laki (1) & borderline (2) :4
◦ Laki-laki (1) & normal (3) :9
◦ Perempuan (2) & clinical range (1) : 1
◦ Perempuan (2) & borderline (2) :1
◦ Perempuan (2) & normal (3) : 14
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Analyze, kemudian pilih
Descriptive Statistics, Crosstabs.
2. Masukkan variabel sex ke dalam rows
(karena bertindak sebagai variabel
bebas)
3. Masukkan variabel depresi ke dalam
column(s) (karena bertindak sebagai
variabel terikat)
Langkah-langkah …

4. Klik option Statistics, pilih Chi-Square,

Continue.
5. Aktifkan kotak Cell, pilih Observed
(untuk menampilkan nilai observed), dan
expected (untuk menampilkan nilai
expected) pada Count. Klik Coloum
pada percentages.
6. Klik Continue, OK
Langkah-langkah …..
Setelah diproses, hasilnya ….
JENIS KELAMIN * depresi Crosstabulation

depresi
clinical
range Borderline normal Total
JENIS laki-laki Count 1 4 9 14
KELAMIN
Expected
.9 2.3 10.7 14.0
Count
perempuan Count 1 1 14 16
Expected
Count 1.1 2.7 12.3 16.0

Total Count 2 5 23 30
Expected
Count 2.0 5.0 23.0 30.0

1. Lihat tabel silang, dari hasil  2 x 3

2. Selanjutnya melihat nilai ekspektasi
 Chi-Square Tests

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 2.766a 2 .251
Likelihood Ratio 2.890 2 .236
Linear-by-Linear Association
1.222 1 .269

N of Valid Cases 30
a. 4 cells (66.7%) have expected count less than 5. The minimum expected count is .93.

1. Lihat nilai ekspektasi  66,7 %

2. Bandingkan syarat (20%) < 66,7%  tidak
memenuhi syarat
3. Karena kategori tidak bisa digabung maka
gunakan uji alternatifnya
Interpretasi :
1. Tabel pertama menggambarkan deskripsi masing-
masing sel untuk nilai observed dan expected.
2. Tabel 2 x 3 ini tidak layak untuk diuji dengan chi-
square karena sel yang nilai expectednya yang
kurang dari lima ada 66,7% (lihat keterangan di
bawah tabel 2: b. 4 cell (66,7%) have expected
count less than 5).
3. Karena tidak memenuhi syarat uji chi-square, maka
uji yang dipakai adalah uji alternatifnya, yaitu uji
Kolmogorov-Smirnov
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Analyze, kemudian pilih
Nonparametrics test, 2-independent
sample.
2. Masukkan variabel depresi ke dalam
Test Variable List
3. Masukkan variabel sex ke dalam
Grouping Variable.
4. Aktifkan pilihan Kolmogorov-Smirnov
pada Test Type dan nonaktifkan pilihan
lainnya.
Langkah-langkah …

5. Aktifkan Define Group.

6. Masukkan angka 1 (sebagai kode jenis
kelamin laki-laki) ke dalam Group 1,
angka 2 (sebagai kode jenis kelamin
perempuan) ke dalam Group 2.
7. Klik Continue, OK
Langkah-langkah …..
Setelah diproses, hasilnya ….
Test Statisticsa

depresi
Most Extreme Differences Absolute
.232
Positive
.000
Negative
-.232
Kolmogorov-Smirnov Z
.634
Asymp. Sig. (2-tailed)
.816
a. Grouping Variable: JENIS KELAMIN

1. Lihat nilai sig (p) bandingkan dg 

• p = 0,816 > 0,05  H0 gagal ditolak
Interpretasi :
1. Tabel di atas menunjukkan hasil uji Kolmogorov-
Smirnov
2. Nilai Significancy menunjukkan angka 0,816. Oleh
karena p > 0,816, maka dapat diambil kesimpulan
bahwa “tidak ada hubungan antara jenis kelamin
dengan depresi”
 Contoh :
Uji Hipotesis Komparatif kategorik tidak
berpasangan selain tabel 2 x 2 dan 2 x k

Anda ingin mengetahui hubungan antara

tingkat pengetahuan (rendah, sedang, tinggi)
dengan asupan makanan (kurang, cukup,
lebih). Rumusan pertanyaan penelitian :
”Adakah hubungan antara tingkat pengetahuan
dengan asupan makanan?”

Uji hipotesis apa yang akan dipilih ?

No Langkah Jawaban

1 Menentukan variabel yang akan Variabel yang dihubungkan adalah jenis

dihubungkan tingkat pengetahuan (kategorik) dengan
asupan makanan (kategorik)

2 Menentukan jenis hipotesis Komparatif

3 Menentukan masalah skala variabel Kategorik

4 Menentukan pasangan / tidak Tidak berpasangan

berpasangan

5 Menentukan jenis B x K 3x3

Kesimpulan :
Jenis tabel pada soal ini adalah 3 x 3. Uji yang digunakan adalah uji chi square
bila memenuhi syarat. Bila tidak memenuhi syarat uji chi square, maka akan
dilakukan penggabungan sel untuk kembali diuji dengan chi-square.
 Tingkat pengetahuan
(pengetahuan) dengan Asupan
makanan (intake)
◦ Rendah (1) & kurang (1) : 11
◦ Rendah (1) & cukup (2) : 29
◦ Rendah (1) & lebih (3) :1
◦ Sedang (2) & kurang (1) : 12
◦ Sedang (2) & cukup (2) : 19
◦ Sedang (2) & lebih (3) : 27
◦ Tinggi (3) & kurang (1) :1
◦ Tinggi (3) & cukup (2) :0
◦ Tinggi (3) & lebih (3) :0
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Analyze, kemudian pilih
Descriptive Statistics, Crosstabs.
2. Masukkan variabel pengetahuan ke
dalam rows (karena bertindak sebagai
variabel bebas)
3. Masukkan variabel intake ke dalam
column(s) (karena bertindak sebagai
variabel terikat)
Langkah-langkah …

4. Klik option Statistics, pilih Chi-Square,

Continue.
5. Aktifkan kotak Cell, pilih Observed
(untuk menampilkan nilai observed), dan
expected (untuk menampilkan nilai
expected) pada Count. Klik Row pada
percentages.
6. Klik Continue, OK
Langkah-langkah …..
Setelah diproses, hasilnya ….
tingkat pengetahuan * Intake kalori Crosstabulation

Intake kalori

Total

kurang cukup lebih

tingkat rendah Count 11 29 1 41
pengetahuan
Expected 9.8 19.7 11.5 41.0
Count
sedang Count 12 19 27 58
Expected 13.9 27.8 16.2 58.0
Count
tinggi Count 1 0 0 1
Expected .2 .5 .3 1.0
Count
Total Count 24 48 28 100
Expected
24.0 48.0 28.0 100.0
Count

1. Lihat tabel silang, dari hasil 3 x 3

2. Selanjutnya melihat nilai ekspektasi
 Chi-Square Tests

Asymp. Sig. (2-

Value df sided)
Pearson Chi-Square
27.485a 4 .000

Likelihood Ratio
32.283 4 .000

Linear-by-Linear Association
8.253 1 .004

N of Valid Cases
100

a. 3 cells (33.3%) have expected count less than 5. The minimum expected count is
.24.
1. Lihat nilai ekspektasi  33,3 %
2. Bandingkan syarat (20%) < 33,3%  tidak
memenuhi syarat
3. Karena kategori bisa digabung maka
lakukan penggabungan kategori
Interpretasi :
1. Tabel pertama menggambarkan deskripsi masing-
masing sel untuk nilai observed dan expected.
2. Tabel 3 x 3 ini tidak layak untuk diuji dengan chi-
square karena sel yang nilai expectednya yang
kurang dari lima ada 33,3% (lihat keterangan di
bawah tabel 2: b. 3 cell (33,3%) have expected
count less than 5).
3. Langkah selanjutnya adalah
melakukan penggabungan sel
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Transform, kemudian pilih
Recode, Recode into Different
Variable.
2. Masukkan variabel peng ke dalam Input
Variable
3. Ketik tahu_2 ke dalam Output
Variable, klik kotak Change
4. Klik Old and New Values
5. Isilah kotak old and new values
(sesuai pengaktegorian baru)
No Langkah Jawaban

1 Menentukan variabel yang akan Variabel yang dihubungkan adalah tingkat

dihubungkan pengetahuan (kategorik) dengan asupan
makanan (kategorik)

2 Menentukan jenis hipotesis Komparatif

3 Menentukan masalah skala variabel Kategorik

4 Menentukan pasangan / tidak Tidak berpasangan

berpasangan

5 Menentukan jenis B x K 2x3

Kesimpulan :
Jenis tabel pada soal ini adalah 2 x 3. Uji yang digunakan adalah uji chi square
bila memenuhi syarat. Bila tidak memenuhi syarat uji chi square, digunakan uji
alternatifnya yaitu uji Kolmogorov-Smirnov.
Langkah-langkah
1. Dari menu utama SPSS (Data view)
pilihlah Analyze, kemudian pilih
Descriptive Statistics, Crosstabs.
2. Masukkan variabel tahu_2 ke dalam
rows (karena bertindak sebagai variabel
bebas)
3. Masukkan variabel intake ke dalam
column(s) (karena bertindak sebagai
variabel terikat)
Langkah-langkah …

4. Klik option Statistics, pilih Chi-Square,

Continue.
5. Aktifkan kotak Cell, pilih Observed
(untuk menampilkan nilai observed), dan
expected (untuk menampilkan nilai
expected) pada Count. Klik Row pada
percentages.
6. Klik Continue, OK
Langkah-langkah …..
Setelah diproses, hasilnya ….
tahu_2 * Intake kalori Crosstabulation

Intake kalori

kurang cukup lebih Total

tahu_2 rendah Count
11 29 1 41

Expected
Count 9.8 19.7 11.5 41.0
sedang+tinggi Count
13 19 27 59

Expected
Count 14.2 28.3 16.5 59.0
Total Count
24 48 28 100

Expected
Count 24.0 48.0 28.0 100.0

1. Lihat tabel silang, dari hasil 3 x 3

2. Selanjutnya melihat nilai ekspektasi
 Chi-Square Tests

Asymp. Sig. (2-

Value df sided)
Pearson Chi-Square
23.928a 2 .000

Likelihood Ratio
29.196 2 .000

Linear-by-Linear
Association 10.696 1 .001

N of Valid Cases
100

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
9.84.
1. Lihat nilai sig (p)
bandingkan dg 
• tabel 2x3 & nilai E
1. Lihat nilai ekspektasi  0 % tidak memenuhi syarat
2. Bandingkan syarat (20%) > 0% baca Pearson Chi-
Square

• p = 0,000001 < 0,05 
H0 ditolak
Interpretasi :
1. Tabel pertama menggambarkan deskripsi masing-
masing sel untuk nilai observed dan expected.
2. Table 2x3 ini layak untuk diuji dengan chi-square
karena tidak ada nilai expected yang kurang dari
lima (lihat keterangan di bawah tabel 2: b. 0 cell
(0%) have expected count less than 5).
3. Tabel kedua menunjukkan hasil uji chi square. Nilai
yang dipakai adalah pada nilai Pearson Chi-
Square, p=0,000, artinya terdapat hubungan
antara tingkat pengetahuan dengan asupan
makanan.