STATISTIKA

PENHUJIAN HIPOTESIS DESKRIPTIF SATU SAMPEL ( TEST BINOMIAL, CHI

KUADRAT dan RUN TEST )

DISUSUN OLEH :

RONI TANDI LINOK

210020301024

PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCA

SARJANA UNIVERSITAS NEGERI MAKASSAR
2021/2022
 KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan yang Maha Esa atas berkat dan rahmatNya
sehingga penulis dapat menyelesaikan makalah yang sederhana ini. Tak lupa pula penulis
ucapkan terima kasih kepada pihak – pihak yang telah membantu penulis dalam
menyelesaikan tugas ini.
Makalah ini penulis buat dengan judul “STATISTIK NONPARAMETRIS”.
makalah ini penulis buat dalam rangka sebagai salah satu kewajiban yang harus penulis
penuhi demi menyelesaikan studi untuk melulusi mata kuliah Statistika.
Penulis sadar bahwa dalam pembuatan makalah ini masih terdapat banyak kekurangan
baik itu dari segi penulisan maupun dari segi materi yang penulis tuliskan dalam makalah ini.
untuk itu penulis sangat mengharapkan kritik dan saran yang membangun demi
kesempurnaan Makalah ini. Dan penulis harapkan kiranya makalah ini dapat dijadikan
referensi untuk penulisan makalah selanjutnya agar lebih baik.

Bulukumba, September 2021

Penulis.
 PENGUJIAN HIPOTESIS DESKRIPTIF (SATU SAMPEL)

Pengujian hipotesis deskriptif pada dasarnya merupakan proses pengujian generalisasi

hasil penelitian yang didasarkan pada satu sampel. Kesimpulan yang dihasilkan nanti adalah
apakah hipotesis yang diuji itu dapat digeneralisasikan atau tidak. Bila Ho diterima berarti
dapat digeneralisasikan. Dalam pengujian ini variabel penelitiannya bersifat mandiri, oleh
karena itu hipotesis penelitian tidak berbentuk perbandingan ataupun hubungan antar dua
variabel atau lebih.
Secara skematis pengujian hipotesis desktiptif dapat digambarkan seperti Gambar 5.1.
Terdapat beberapa macam Teknik statistik yang dapat digunakan untuk menguji hipotesis
tersebut. Teknik statistic mana yang akan dipakai tergantung pada jenis data yang akan
dianalisis. (Lihat pedoman dalam memilih Teknik statistic atau Tabel 5.1)
TABEL 5.1
Statistik Yang Digunakan Untuk Menguji Hipotesis Deskriptif (Satu Sampel)
Teknik statistic yang digunakan untuk
Jenis/ tingkatan data
pengujian
Nominal 1. Test binomial
2. Chi kuadrat (1 sampel)
Ordinal Run test
Menurut interval/ ratio t-test (1 sampel)

Reduksi

Parameter populasi

µ = rata-rata
Statistik (ukuran sampel)

x = rata-rata

s = Simpangan baku

Membuat generalisasi = menguji

hipotesis deskriptif
Gambar 5.1 Prinsip dasar pengujian hipotesis deskriptif (1 sampel). Bandingkan
dengan hipotesis komparatif dan asosiatif
 Pada tabel 5.1 ditunjukkan hubungan antara jenis data dengan statistik yang
digunakan yaitu statistic parametris dan nonparametris. Digunakan statistic parametris bila
data yang akan dianalisis berbentuk inyterval atau ratio, sedangkan bila datanya berbentuk
nominal atau ordinal, maka dapat digunakan statistik nonparametris. Statistik parametris
bekerja dengan asumsi bahwa data yang akan dianalisis berdistribusi normal, sedangkan
untuk statiistik non parametris, distribusi data yang akan dianalisis adalah bebas. Baik
statistic parametris maupun non parametris, selalu berasumsi bahwa sampel yang digunakan
sebagai sumber data dapat diambil secara random.

A. Statistik Parametris
Statistik parametris yang dapat digunakan untuk menguji hipotesis deskriptif bila
datanya interval atau rasio adalah t-test 1 sampel. Sebenarnya terdapat dua rumus yang
dapat digunakan untuk pengujian, yaitu rumus t dan z. Rumus z digunakan bila simpangan
baku populasi diketahui, dan rumus t bila simpangan baku populasi tidak diketahui.
Simpangan baku sampel dapat dihitung berdasarkan data yang telah terkumpul.
Karena pada dasarnya simpangan baku setiap populasi ini jarang diketahui, maka
rumus z jarang digunakan. Oleh karena itu maka dalam buku ini hanya dikemukakan t-test
saja.
Terdapat dua macam pengujian hipotesis deskriptif yaitu dengan uji dua fihak (two
tail test) dan uji satu fihak (one tail test). Uji satu fihak ada dua macam yaitu uji fihak
kanan dan uji fihak kiri. Jenis uji mana yang akan digunakan tergantung pada bunyi
kalimat hipotesis.
Rumus yang digunakan untuk menguji hipotesis deskriptif (satu sampel) yang datanya
interval atau ratio adalah seperti yang tertera dalam rumus 5.1

×−µo
t=
S¿
¿
???

Dimana:
T = Nilai t yang dihitung, selanjutnya disebut t hitung
X = Rata-rata xi
µo = Nilai yang dihipotesiskan
S = Simpangan baku
n = Jumlah anggota sampel
Langkah-langkah dalam pengujian hipotesis deskriptif:
1. Menghitung rata-rata data
2. Menghitung simpangan baku
3. Menghitung harga t
4. Melihat harga t tabel
5. Menggambar kurve
6. Meletakkan kedudukan t hitung t table dalam kurve yang telah dibuat
7. Membuat keputusan pengujian hipotesis

1. Uji Dua Pihak (Two Tail Test)

Uji dua Pihak digunakan bila hipotesis nol (H 0) berbunyi “sama dengan” dan
hipotesis alternatifnya (Ha) berbunyi “tidak sama dengan” (Ho =; Ha ≠)
Contoh rumusan hipotesis:
Hipotesis nol: Daya tahan berdiri pelayan toko tiap hari = 8 jam
Hipotesis alternatif: Daya tahan berdiri pelayan toko tiap hari ≠ 8 jam

Bila ditulis dalam ringkas

Ho : µ = 8 jam
Ha : µ ≠ 8 jam
Uji dua Pihak dapat digunakan seperti gambar 5.2 berikut:

Daerah penolakan Ho Daerah penerimaan Ho Daerah penolakan Ho

Dalam pengujian hipotesis yang menggunakan uji dua fihak ini berlakuk
ketentuan, bahwa bila harga t hitung berada pada penerimaan Ho atau terletak
diantara harga tabel, maka Ho diterima dan Ha ditolak. Dengan demikian bila
harga t hitung lebih kecil atau sama dengan (≤) dari harga tabel maka Ho
diterima. Harga t hitung adalah mutlak, jadi tidak dilihat (+) atau (-) nya
Contoh Uji Dua Pihak
Telah dilakukan pengumpulan data untuk menguji hipotesis yang
menyatakan bahwa daya tahan berdiri pramuniaga (pelayan toko) di Jakarta
adalah 4 jam/hari. Berdasarkan sampel 31 orang yang diambil secara random
terhadap pelayan toko yang dimintai keterangan masing-masing memberikan data
sebagai berikut:
32345678534566788534 56234563233
Berdasarkan pernyataan tersebut diatas, maka
n = 31: µo = 4 jam/hari
Harga x dan s hitung
Harga x dihitung dengan rumus ∑ Xi / n RUMUSSSS

3−2−3−…−3−3 144
X =
31 31
X = 4,645
Harga s (simpangan baku sampel) dihitung dengan rumus s ditemukan =
1,81. Jadi rata-rata daya tahan berdiri pramuniaga berdasarkan sampel 31
responden adalah 4,645 jam/hari. Selanjutnya rata-rata sampel tersebut akan diuji,
apakah ada perbedaan secara signifikan atau tidak dengan yang dihipotesiskan,
dimana dalam hipotesisi daya tahan berdiri adalag 4 jam tiap hari
Untuk pengujian hipotesis ini digunakan rumus yaitu:
t = …… ……………

Untuk membuat keputusan apakah hipotesis itu terbukti atau tidak, maka
harga t hitung tersebut dibandingkan dengan t tabel. Untuk melihat harga t tabel
maka didasarkan pada (dk) derajat kebebasan yang besarnya adalah n-1 yaitu 31-
1= 30. Bila taraf kesalahan (α) ditetapkan 5%, sedangkan pengujian dilakukan
dengan menggunakan uji dua fihak, maka harga t tabel adalah = 2,042
Untuk mempermudah dimana kedudukan t hitung dan t tabel maka perlu
dibuat gambar sebagai berikut. Dalam gambar terlihat bahwa ternyata harga t
hitung berada pada daerah penerimaan Ho (karena t hitung lebih kecil dari t
tabel). Dengan demikian hipotesis nol (Ho) yang menyatakan bahwa daya tahan
 berdiri pramuniaga di Jakarta adalah 4 jam perhari diterima. Jadi kalua Ho
diterimaa, berarti hipotesis nol yang menyatakan bahwa daya tahan berdiri 4 jam
itu dapat digeneralisasikan atau dapat diberlakukan untuk seluruh populasi

Daerah penolakan Ho Daerah penolakan Ho

Daerah penerimaan Ho

Gambar 5.3 Penerapan Uji Dua Pihak

2. Uji Satu Pihak (One Tail Test)

a. Uji pihak kiri
Uji pihak kiri digunakan apabila : hipotesis nol (Ho) berbunyi “lebih besar
atau sama dengan (≥)” dan hipotesis alternatifnya berbunyi “lebih kecil (<)”, kata
lebih besar atau sama dengan sinonim “kata paling sedikit atau paling kecil”.
Contoh rumusan hipotesis:
Hipotesis nol: Daya tahan lampu merk A paling sedikit 400 jam (lebih besar atau
sama dengan (≥) 400 jam);
Hipotesis alternatif: Daya tahan lampu merk A lebih kecil dari (<) 400 jam
Atau dapat ditulis singkat:
Ho : µ ≥ 400 jam
Ha : µ < 400 jam
Uji Pihak kiri dapat digambarkan seperti gambar berikut:

Daerah penolakan Ho Daerah penerimaan Ho

Gambar 5.4 Uji Pihak Kiri

 Dalam uji Pihak kiri ini berlaku ketentuan, bila harga t hitung jatuh pada
daerah penerimaan Ho lebih besar atau sama dengan (≥) dari t tabel, maka Ho
diterima dan Ha ditolak
Contoh Uji Pihak Kiri:
Suatu perusahaan lampu pijar merk Laser, menyatakan bahwa daya tahan
lampu yang dibuat paling sedikit 400 jam. Berdasarkan pernyataan produsen
tersebut, maka Lembaga konsumen akan melakukan pengujian, apakah daya
tahan lampu itu betul 400 jam atau tidak, sebab ada keluhan dari masyarakat yang
menyatakan bahwa lampu pijar merk Laser cepat putus.
Untuk membuktikan penyataan produsen lampu pijar tersebut, dilakukan
penelitian melalui uji coba terhadap daya tahan 25 lampu yang diambil secara
rabdom. Dari uji coba diperoleh data tentang daya tahan 25 lampu sebagai
berikut:
450 390 400 480 500 380 350 400 340 300 300 345 375 425 400 425 390 340
350 360 300 200 300 250 400
Untuk membuktikan pernyataan produsen lampu pijar tersebut, maka
perlu dirumuskan hipotesis. Rumusan hipotesis statistic adalah:
Ho = µØ ≥ 400 jam
Ha = µØ < 400 jam
Kalau rumusan hipotesis seperti tersebut diatas maka pengujiannya
dilakukan dengan uji fihak kiri. Rumus untuk menghitung besarnya t hitung sama
dengan uji dua fihak. Sebelum dimasukkan kedalam rumus maka perlu dihitung
rata-rata dan simpangan bakunya.
450−390−400−…−400
X= = 366
25
Simpangan baku sampel = 68,25
t = ……RUMUS

dk= n-1 = 25-1 = 24. Jadi t tabel dengan dk = 24, dan taraf kesalahn 5% untuk uji
satu fihak = 1,711. Ternyata t hitung jauh pada penerimaan Ha, oleh karena itu
maka Ho ditolak dan Ha diterima. Jadi pernyataan produsen lampu, yang
menyatakan bahwa daya tahan lampu pijar merk Laser paling sedikit 400 jam
ditolak, karena Ha yang diterima maka dapat dinyatakan bahwa daya tahan lampu
lebih kecil dari 400 jam. Berdasarkan data sampel daya tahan lampu ini rata-rata
 hanya 366 jam. Untuk melihat dimana kedudukan t hitung dan t tabel maka dapat
dilihat pada gambar 5.5 berikut.

-2,49 -1,71
Gambar 5.5 Penerapan Uji Fihak Kiri pada Lampu Merk A
b. Uji Pihak Kanan
Uji Pihak kanan digunakan apabila hipotesis nol (Ho) berbunyi “lebih kecil
atau sama dengan (≤)” dan hipotesis alternatifnya (Ha) berbunyi “lebih besar
(>)”. Kalimat lebih kecil atau sama dengan sinonim dengan kata “paling besar”.
Contoh rumusan hipotesis:
Hipotesis nol : Pedagang bauh paling besar bias menjual buah jeruk 100 kg tiap
hari
Hipotesis alternatif : Pedagang buah dapat menjual buah jeruknya lebih dari 100
kg tiap hari
Atau dapat ditulis singkat:
Ho = µØ ≥ 100 kg/hr
Ha = µØ > 100 kg/hr
Uji fihak kanan dapat digambarkan seperti gambar 5.6 berikut:
Daerah penerimaan Ho

Daerah penolakan Ho/penerimaan Ha

Gambar 5.6 Uji Pihak Kanan

Dalam uji dua Pihak ini berlaku ketentuan bahwa bila harga t hitung lebih kecil
atau sama dengan (≤) harga t tabel, maka Ho diterima dan Ha ditolak

Contoh Uji Pihak Kanan

 Karena terlihat ada kelesuan dalam perdagangan jeruk, maka akan
dilakukan penelitian untuk mengetahui berapa kg jeruk yang dapat terjual oleh
pedagang pada setiap hari. Berdasarkan pengamatan sepintas terhadap
perdagangan jeruk, maka peneliti mengajukan hipotesis bahwa pedagang jeruk
tiap hari paling banyak menjual 100 kg jeruk kepada konsumen
Berdasarkan hipotesis tersebut, maka telah dilakukan pengumpulan data
terhadap 20 pedagang jeruk. Pengambilan sampel 20 pedagang jeruk dilakukan
secara random. Data dari 20 pedagang diberikan data sebagai berikut:
98 80 120 90 70 100 60 85 95 100 70 95 90 85 75 90 70 90 60 110
Hipotesis statistik untuk uji fihak kanan dapat dirumuskan sebagai berikut:
Ho = µØ ≥ 100 kg/hr
Ha = µØ > 100 kg/hr
Dari data tersebut diperoleh rata-rata jeruk yang dapat dijual setiap hari x = 86,65
dan simpangan baku s= 15,83
Harga-harga selanjutnya dimasukkan dalam rumus 5.1
t = …………..

Bila taraf kesalahan 5%, dk = n – 1 = 20 – 1 = 19. Untuk uji satu fihak, harga t
tabel = 1, 729. Untuk dapat membuat keputusan apakah Ho ditolak atau diterima,
maka kedudukan t hitung dan t tabel dapat disusun dalam ga,bar 5.7 berikut:

-3,77 1,729
Gambar 5.7 Penerapan Uji Fihak Kanan
Berdasarkan gambar tersebut, terlihat bahwa t hitung ternyata jatuh pada
daerah penerimaan Ho. Dengan demikian Ho diterima dan Ha ditolak. Jadi dapat
disimpulkan bahwa pedagang jaruk setiap hari paling banyak hanya menjual 100
kg adalah betul.

B. STATISTIK NONPARAMETRIS
1. UJI BINOMIAL
Uji binomial dipergunakan apabila kita ingin menguji hipotesis tentang suatu
proporsi populasi. Kadang seorang peneliti memandang suatu populasi hanya terdiri dari
dua kelas, contoh kelas tersebut adalah lelaki dan perempuan, buta huruf dan melek
huruf, menikah dan tidak menikah, karyawan tetap dan bukan, dan sebagainya.
Untuk populasi apa saja yang terdiri dari dua kelas, jika kita mengetahui proporsi
kasus dalam satu kelas adalah p maka proporsi kelas yang satunya lagi pasti (1 - p ) dan
biasa disebut q.
Jika kita menarik sebuah sampel acak sederhana (simple random sample) berukuran n
dari suatu populasi, rumus binomial memungkinkan kita menghitung peluang atau
probabilitas bahwa sampel tersebut berisi sampling dari proporsi-proporsi yang mungkin kita
amati dalam sampel acak yang ditarik dari suatu populasi yang terdiri dari dua kelas, yaitu
distribusi yang memberikan nilai yang mungkin terjadi di bawah H 0 . H0 adalah hipotesis
bahwa nilai populasinya adalah p. Oleh sebab itu kalau skor suatu penelitian ada dalam dua
kelas, distribusi binomialnya dapat dipakai untuk menguji H 0 dan uji statistiknya bertipe
goodness of fit. Dari uji ini kita dapat mengetahui apakah alasannya cukup untuk percaya
bahwa proporsi atau frekuensi yang kita amati dalam sampel kita berasal dari suatu populasi
yang memiliki nilai tertentu. Uji binomial lebih disukai karena bentuknya sederhana, mudah
diterangkan dan kadang cukup mempunyai kuasa untuk menolak hipotesis nol bila hal
tersebut memang harus ditolak.

Data:
Pada uji binomial sampel terdiri dari n pengamatan yang independen, tiap pengamatan
hasilnya hanya dua macam, “golongan 1” (misalnya: keberhasilan) atau “golongan 2”
(misalnya: kegagalan) dan tidak mungkin keduanya terjadi secara bersamaan.
Misalkan banyaknya pengamatan yang masuk “golongan 1” adalah O1 sedangkan
“golongan 2” adalah O2 , dengan O1 + O2 = n (n = banyaknya pengamatan).

Asumsi:
1. n pengamatan bersifat independen
2. setiap pengamatan akan menghasilkan "golongan 1" atau "golongan 2" dengan
probabilitas p. Harga p ini sama untuk semua n pengamatan.
Hipotesis:
Misalkan P* adalah sebuah konstanta yang menyatakan notasi untuk proporsi populasi yang
dihipotesiskan. Nilai P* adalah 0 ≤ P*≤ 1 sehingga hipotesis dapat berbentuk:

A. Hipotesis untuk dua sisi

H0 : P = P*
H1 : P ≠ P*
B. Hipotesis untuk satu sisi
H 0 : P ≤ P*
H1 : P > P*
C. Hipotesis untuk satu sisi
H0 : P ≥P*
H1 : P <P*

Statistik Uji:
Yang diperhatikan di sini adalah probabilitas munculnya “golongan 1”, maka statistik yang
dipergunakan adalah T = banyaknya “golongan 1” yang muncul dari n pengamatan.

Kesimpulan:
1. H0 ditolak jika T ≤ t1 atau T > t2
2. untuk memperoleh t1 dan t2 sesuai α1 dan α2 dengan mempergunakan distribusi
binomial, dari Tabel distribusi binomial kita cari α 1 dan α2 sedemikian rupa sehingga
α1 dan α2 nilainya mendekati (tetapi lebih kecil dari) α yang ditetapkan.

Karena ada 3 jenis hipotesis maka dapat dijelaskan sebagai berikut.

1. Uji hipotesis bentuk A
Untuk nilai T yang cukup besar maupun cukup kecil, kita menolak H 0 : P = P* Dengan
demikian kita harus membagi α menjadi dua bagian yang sama besar. Kemudian untuk
mendapatkan nilai kritis statistik uji, kita mengacu pada Tabel distribusi binomial dengan
nilai n serta P0 yang diketahui dengan mencari jumlah t1 sedemikian rupa sehingga P(Y≤t1)=

∝ ∝
dan nilai t2 sedemikian rupa sehingga P(Y≥t2)=
2 2
 2. Uji Hipotesis Bentuk B
Untuk nilai T yang cukup besar, kita menolak H 0 : P≤P0 Pergunakan Tabel distribusi binomial
dengan n dan P0 lalu mencari nilai t yang sedemikian hingga P(Y>t)=α. Kita tolak 0 H jika
T>t. Kita mencari nilai P sedemikian rupa sehingga sama atau mendekati α .
3. Uji Hipotesis Bentuk C
Untuk nilai T yang cukup kecil, kita menolak H0 : P ≤ P0. Prosedurnya sama seperti pada uji
bentuk B, tetapi nilaiP (Y≤t)=α. Tolak H0 bila T< t.

Tabel 1.1 Tabel Probabilitas yang Berkaitan dengan Harga-harga sekecil harga-harga x
observasi dalam tes binomial*)

Diberikan di dalam batang tubuh tabel ini probabilitas satu-sisi di bawah H 0 untuk uji

1
binomial jika p = q = . Untuk menghemat tempat, koma tanda pecahan desimal dihilangkan
2
dalam harga-harga p

.
PENDEKATAN UNTUK SAMPEL BESAR

Bila n besar dan p tidak begitu dekat dengan 0 atau 1, kita dapat mengetahui nilai kritis T
dengan pendekatan sampel besar sebagai berikut.

Dengan mempergunakan Tabel distribusi normal standar, harga z (nilai variabel

normal standar untuk α ) dapat diketahui.

t1 = harga yang kita dapatkan dengan mensubstitusikan harga negatif z.

t2 = harga yang kita dapatkan dengan mensubstitusikan harga positif z.
Kita akan menolak H0 bila T < t1 atau T > t2.

Untuk uji B kita substitusikan harga positif z untuk α ke dalam persamaan di atas, kita
tolak H0 untuk T > t. Sedangkan untuk uji C kita substitusikan nilai negatif z untuk α, akan
menolak H0 bila T < t.

Ada cara lain untuk menghitung uji binomial yaitu dengan rumus probabilitas. Cara
ini tetap membutuhkan data, asumsi, statistik uji yang sama, tetapi karena pendekatan yang
berbeda, kesimpulannya sedikit berbeda.

Kesimpulan:

H0 ditolak bila p1 > p2

Dengan
P1 = probabilitas untuk kondisi I yang muncul = p
P2 = probabilitas untuk kondisi II yang muncul = 1- p = q

Cara tersebut dapat dijelaskan sebagai berikut: Untuk populasi apa saja yang terdiri dari 2
kelas, jika kita mengetahui proporsi kasus dalam “golongan 1” adalah p dan proporsi
“golongan 2” adalah q= 1-p.

Metode :
Probabilitas untuk memperoleh x objek dalam satu kategori dan 1-p=q objek dalam
kategori lainnya dihitung dengan:
dengan p adalah proporsi kasus yang diharapkan terdapat dalam salah satu kategori dan q
adalah (1-P) sedangkan q adalah proporsi kasus yang diharapkan terdapat dalam kategori
yang lain.

2. UJI CHI KUADRAT

Uji Chi Square atau dikenal juga di Indonesia sebagai uji Kai Kuadrat, adalah salah
satu cara yang digunakan untuk menyampaikan atau menunjukkan keberadaan
hubungan (ada atau tidaknya) antara variabel yang diteliti. 

Misalkan kita sebagai peneliti hendak melakukan uji terhadap perilaku mahasiswa.
Karakter yang akan diuji adalah perilaku mahasiswa yang dikategorikan menjadi dua
kategori. Kategori tersebut adalah mahasiswa yang mendukung program kampus dan acuh
terhadap program kampus.

Kondisi tersebut memungkinkan kita untuk melakukan uji hipotesis mengenai

perbedaan perilaku mahasiswa tersebut dilihat dari frekuensinya.

1. Penggunaan Uji Chi Square (Kai Kuadrat)

Uji Chi Square sangat cocok digunakan untuk menganalisis data seperti kasus diatas. Secara
umum, uji Chi square dapat digunakan untuk menguji:

1. Uji Ⅹ² untuk ada tidaknya hubungan antara dua variabel (Independency test).
2. Uji Ⅹ² untuk homogenitas antar- sub kelompok (Homogenity test).
3. Uji Ⅹ² untuk Bentuk Distribusi (Goodness of Fit)

Chi square Ⅹ² dan  Goodness of Fit

Uji Chi square merupakan salah satu teknik yang termasuk dalam tipe Goodness of fit.

Goodness of Fit adalah suatu teknik yang menunjukkan bahwa suatu tes dapat
digunakan untuk menguji apakah terdapat perbedaan yang signifikan antara objek
 yang diamati dengan objek yang dikategorikan sebagai harapan berdasarkan
hipotesis nol (H₀).

Ciri-Ciri Model Uji Chi Square

1. Distribusi Chi Square apabila digambarkan membentuk julur positif.

2. Uji Chi Square selalu menghasilkan nilai yang positif.
3. Distribusi Chi Square terdiri dari beberapa kelompok atau keluarga, yakni distribusi
Chi Square dengan nilai DK 1, 2, 3 dan seterusnya.

Syarat Model Uji Chi Square

Syarat yang perlu dipahami sebelum melakukan uji Chi square adalah sampel yang
digunakan harus berukuran besar dan memenuhi ketentuan berikut:

1. Tidak ada cell dengan nilai frekuensi amatan atau observasi bernilai 0 (Nol).
2. Apabila bentuk tabel kontingensinya adalah 2 X 2, maka tidak boleh ada 1 cell pun
dari frekuensi harapan  yang bernilai kurang dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misalkan 2 x 3, maka jumlah cell frekuensi
harapan yang bernilai kurang dari 5 tidak boleh lebih dari 20% dari keseluruhan cell.

Apabila jumlah sampel yang digunakan terlalu kecil, hal ini akan mengakibatkan
fekuensi harapan yang tercipta pun menjadi kecil. Padahal dalam uji Pearson Chi Square
disyaratkan bahwa frekuensi harapan yang tercipta harus minimal 5 atau lebih.

Dalam melakukan uji chi square, terdapat beberapa syarat sampel lainnya yang wajib
dipenuhi yaitu:

1. Penentuan Sampel untuk observasi harus dipilih secara acak

2. Semua pengamatan dilakukan  dengan independen
3. Setiap sel hanya berisi 1 (satu) frekuensi harapan.
4. Besar sampel sebaiknya > 40 (Cochran, 1954)
Formula Uji Chi Square

x2 = ∑(Hasil yang diamati – Hasil yang diharapkan)2)/Hasil yang diharapkan

( Oi−Ei ) 2
χ2=∑
Ei

atau dalam text book yang lain, formula chi square dapat dirumuskan sebagai berikut:

2 ( F O −Fe ) 2
X C =∑
Fe

Keterangan:

 χ2 = Nilai Chi Square

 c = degree of freedom (df/dk)
 Oi = f = Frekuensi hasil yang diamati (observed value)
 Ei = fe = Frekuensi yang diharapkan (expected value)

Frekuensi yang diharapkan merupakan nilai frekuensi yang diinginkan apabila

hipotesis awal bernilai benar. Model Chi Kuadrat merupakan salah satu dari jenis kurva yang
bergantung kepada derajat kebebasan. Berikut cara menentukan daerah penolakan chi square
dan angka derajat kebebasannya (derajat kebebasan: dk atau degree of freedom: df sama
saja).

Daerah Penolakan χ2
Dalam Uji Chi square pengambilan keputusan didasarkan kepada Chi square hitung
dan Chi square tabel. Chi square tabel dalam buku statistik non parametrik disebut juga tabel
C.
Penentuan nilai Chi square tabel didasarkan pada besar nilai α dan derajat bebasnya.

Derajat Bebas (df – degree of freedom)

Berikut cara mennentukan nilai derajat kebebasan untuk masing-masing model Chi
Square:

1. Untuk tabel satu arah, maka nilai derajat kebebasan sama dengan r-1. 
2. Untuk tabel dua arah, maka nilai derajat kebebasan sama dengan (r-1)(c-1) 

Berikut contoh cara menentukan nilai acuan dari tabel χ2. Misalkan kita diminta menentukan
nilai tabel χ2 dengan  α=0.05 (95%) dengan df=3.

DF Nilai Alfa (Probabilitas)

0,01 0,02 0,025 0,05 0,1 0,2 0,25 0,5
1 6,635 5,412 5,024 3,841 2,706 1,642 1,323 0,455
2 9,210 7,824 7,378 5,991 4,605 3,219 2,773 1,386
3 11,345 9,837 9,348 7,815 6,251 4,642 4,108 2,366
4 13,277 11,668 11,143 9,488 7,779 5,989 5,385 3,357
5 15,086 13,388 12,833 11,070 9,236 7,289 6,626 4,351
Dari Tabel diatas dapat kita lihat bahwa nilai chi square tabel( χ23,0.05=7,815)

Area penolakan: Tolak H0 jika X 2Hitung ≤ X 2Tabel

2. Contoh Penerapan Teknik Uji Chi Square

1. Pengumpulan Data

 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:

1. Jumlah wanita yang memiliki hobi berolahraga 15

2. Jumlah pria yang memiliki hobi berolahraga 29
3. Jumlah wanita yang memiliki hobi komputer 27
4. Jumlah pria yang memiliki hobi komputer 27
5. Jumlah wanita yang memiliki hobi berkebun 17
 6. Jumlah pria yang memiliki hobi berkebun 37
7. Jumlah wanita yang memiliki hobi belanja 29
8. Jumlah pria yang memiliki hobi belanja 35

2. Perumusan Hipotesis
Pada langkah pengujian yang pertama, penulis harus merumuskan nilai hipotesis Ha dan Ho.
Apabila χ = 0, maka tidak ada hubungan yang kuat antara kegemaran dengan jenis kelamin.
Sementara jika χ tidak sama dengan 0, maka itu artinya ada hubungan yang kuat antara
kegemaran dengan jenis kelamin.

3. Buat Tabel Kontingensi

 Jawaban dan pembahasan tabel kontingensi:

Data-data yang terkumpul kemudian dikelompokkan ke dalam tabel kontingensi. Karena

jenis kelamin terdiri dari dua jenis, yakni perempuan dan laki-laki sementara tabel hobi terdiri
dari empat jenis, maka tabel kontingensi yang dibuat berbentuk 2 x 4 dengan baris sebanyak
dua buah dan kolom 4 buah. 

Setiap kotak di dalam tabel kontingensi disebut dengan istilah sel. Di dalam setiap kolom dan
barisnya memiliki sebuah subvariabel. Berikut tabel kontingensi yang dibuat:

Jenis Kelamin Hobi Total

Berkebun Komputer Olahraga Belanja
Pria 37 27 29 35 128
Wanita 17 27 15 29 88
TOTAL 54 54 44 64 216 
4. Hitung Nilai Frekuensi yang Diinginkan (fe)
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

5. Nilai Chi Square

 Jawaban cara mencari nilai chi square:

k ( Fo −F e ) 2
X 2 = ∑i =1
Fe

x2 = (37-32)2/37 + (17-22)2/17 + (27-32)2/27 + (27-22)2/27 + (29-26)2/29 + (15-18)2/15 +

(35-38)2/35 + (29-26)2/29

x2 = 5,47

 Jawaban cara mencari nilai df:

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
2
Dari table X (df ;∝) X 2(3 ;0.05) diperoleh = 7,815

Dengan menggunakan rumus Area penolakan, maka:

Tolak H o jika X 2Hitung ≥ X 2Tabel

X 2Hitung : X 2Tabel

5,47 : 7,815

X 2Hitung ¿ X 2Tabel

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.

Akhir kata, Uji Chi Square tidak dapat digunakan untuk memberi informasi terkait tingkat
kekuatan hubungan yang tercipta antara variabel yang diteliti. Untuk lebih memahami konsep
uji Chi Square atau Kai Kuadrat, maka Anda harus lebih sering melakukan penghitungan data
sebagaimana contoh diatas, semoga berhasil!

3. Uji Run
Teknik statistik Uji Run (Run Test) digunakan untuk menguji hipotesis deskriptif
(satu sampel) bila datanya berbentuk ordinal. Pengujian hipotesis ditujukan untuk mengukur
kerandoman populasi berdasarkan data sampel. Teknik statistik ini berdasarkan pada
banyaknya run yang ditampilkan oleh suatu sampel. Run didefinisikan sebagai suatu urutan
lambang-lambang yang sama, yang diikuti serta mengikuti lambang-lambang yang berbeda,
atau tidak mengikuti atau diikuti lambang apa pun. Contoh persepsi seluruh petani yang
menjadi sampel penelitian dilambangkan dengan tanda + (persepsi positif) dan – (persepsi
negatif) sebagai berikut:
++ --- + ---- ++ - +
1 2 3 4 5 6 7
r = banyaknya run = 7.
Rumus yang digunakan jika :
1. Jumlah sampel kecil (< 20).
Jika jumlah sampel kecil digunakan tabel harga kritis r untuk Run Test di mana n1 =
banyaknya elemen suatu jenis; n2 = banyaknya elemen jenis yang lain. Pengujian
hipotesis dilakukan dengan membandingkan jumlah run dalam observasi dengan nilai
pada tabel untuk Run Test. Kaidah keputusan: Jika run observasi berada di antara
harga pada tabel run yang kecil (Tabel 4.1) dan run yang besar (Tabel 4.2) maka H0
diterima dan Ha ditolak (Sugiyono, 2002).
2. Jumlah sampel besar (> 20).
Menurut Sugiyono (2002), jika jumlah sampel besar (n1 dan n2 > 20 atau N = 40)
maka Tabel 4.1 dan 4.2 tidak dapat digunakan karena distribusi data mendekati
normal. Pengujian data dapat dilakukan dengan menggunakan rumus z.
di mana: µr = mean dan σr = simpangan baku.

Kaidah keputusan yaitu:

- ρ berdasarkan nilai zhitung < α maka H0 diterima dan Ha ditolak.
- ρ berdasarkan nilai zhitung > α maka H0 ditolak dan Ha diterima

Contoh soal untuk jumlah sampel kecil.

Suatu penelitian dilakukan terhadap 24 responden yang ditentukan secara random.

Pengambilan data dilakukan untuk mengetahui keberhasilan kegiatan usahatani. Tingkat
keberhasilan usahatani oleh setiap petani ditunjukkan oleh nilai total skor pada Tabel 4.3.
Lakukan pengujian hipotesis apakah peluang usahatani berhasil dan kurang berhasil adalah
berbeda

Penyelesaian

Soal ini menguji hipotesis deskriptif, data ordinal, dan jumlah sampel kecil sehingga
pengujian hipotesis dapat menggunakan Run Test. Variabel penelitian adalah tingkat
keberhasilan usahatani. Hipotesis:

H0 : Peluang usahatani berhasil dan kurang berhasil adalah sama.

Ha : Peluang usahatani berhasil dan kurang berhasil adalah berbeda. Kaidah keputusan:
Jika run observasi berada di antara harga pada tabel run yang kecil dan run yang besar

maka H0 diterima dan Ha ditolak.

Jumlah sampel (N) = 24.
Median himpunan total skor = 24,5.
Total skor di bawah median = -.
Total skor di atas median = +.
Jumlah - (n1) = 12.
Jumlah + (n2) = 12.
Harga kritis r dalam Run Test satu sampel α =5% = 7.
Harga kritis r dalam Run Test dua sampel α = 5% = 19.
Jumlah run (r) = 10.
Harga kritis rα = 5% menunjukkan bahwa daerah penolakan H0 terdiri dari semua
harga r < 7 dan semua harga r > 19.

rtabel 7 < rhitung = 10 < rtabel 19 sehingga H0 diterima dan Ha ditolak berarti peluang usahatani
berhasil dan kurang berhasil adalah sama.

Contoh soal untuk jumlah sampel besar.

Berikut ini adalah urutan petani dan wanita tani (P = petani dan W = wanita tani) yang
mengikuti antrian pupuk bersubsidi.

Statistika Non Parametrik

W P W P P P W W P W P W P W P P P P W P W P W P P W W W P W
P W P W P P W P P W P P P P W P W P P. Lakukan pengujian hipotesis apakah
urutan petani dan wanita tani dalam antrian adalah random atau peluang petani dan wanita
tani untuk mendapatkan pupuk bersubsidi adalah sama (50%).

Penyelesaian

Soal ini menguji hipotesis deskriptif, data ordinal, dan jumlah sampel besar sehingga
pengujian hipotesis dapat menggunakan Run Test.

Variabel penelitian adalah pupuk bersubsidi.

Hipotesis:

H0 : Urutan petani dan wanita tani dalam antrian adalah tidak random (arti random
adalah acak) atau peluang petani dan wanita tani untuk mendapatkan pupuk bersubsidi adalah
sama (50%).
 Ha : Urutan petani dan wanita tani dalam antrian adalah random atau peluang petani
dan wanita tani untuk mendapatkan pupuk bersubsidi adalah tidak sama (tidak 50%).

Kaidah keputusan:

- ρ berdasarkan nilai zhitung < α maka H0 diterima dan Ha ditolak.

- ρ berdasarkan nilai zhitung > α maka H0 ditolak dan Ha diterima.
P W P W P P P W W P W P W P W P P P P W P W P W P P W W W P
W P W P W P P W P P W P P P P W P W P P

Jumlah sampel (N) = 50

Jumlah P (n1) = 30
Jumlah W(n2) = 20
Jumlah run (r) = 35

Harga ρ berdasarkan zhitung = 0,4 adalah 0,3446 sedangkan untuk uji dua pihak maka ρ = 2 x
0,3446 = 0,6892.
Harga ρ = 0,3446 > α = 0,05 maka H 0 ditolak dan Ha diterima berarti urutan petani dan
wanita tani dalam antrian adalah tidak random atau peluang petani dan wanita tani untuk
mendapatkan pupuk bersubsidi adalah tidak sama (tidak 50%).
 DAFTAR PUSTAKA

Anderson, DR; Sweeney, DJ; dan Williams TA. 2011. Statistics for Business and
Economics. South-Western Cengage Learning, China.
Ardiyana, YD. 2015. Identifikasi faktor-faktor pemasaran jagung manis (Zea mays
Saccharata) di Dusun Girirejo Kelurahan Lempake Kecamatan Samarinda Utara.
Skripsi Fakultas Pertanian Universitas Mulawarman, Samarinda.
Gomez, KA dan Gomez AA. 1995. Prosedur Statistik untuk Penelitian Pertanian.
Universitas Indonesia, Jakarta.
Herrhyanto, N dan Gantini, T. 2015. Analisis Data Kuantitatif dengan Statistika Deskriptif.
Yrama Widya, Bandung.
Riduwan dan Sunarto. 2007. Pengantar Statistika untuk Penelitian Pendidikan, Sosial,
Ekonomi, Komunikasi, dan Bisnis. Alfabeta, Bandung.
Siegel, S. 1994. Statistik Non Parametrik untuk Ilmu-Ilmu Sosial. Gramedia Pustaka Utama,
Jakarta.