MAKALAH

UJI STATISTIK CHI-SQUARE DAN UJI EXACT FISHER

DISUSUN OLEH :

Kelompok 6 dan 7

1. Ayu Rohani Nainggolam

2. Ernawati Lubis
3. Ratna Karunia Sari
4. Roslina Perawati Sinaga
5. Veronika Susanna Rumapea
6. Vikki Andos Magdalena

PROGRAM STUDI S1 KEPERAWATAN TAHAP AKADEMIK JALUR TRANSFER

STIKES SANTA ELISABETH MEDAN

T.A 2020-2021
 KATA PENGANTAR

Puji dan syukur ke hadirat tuhan YME, sehingga penulis dapat menyelesaikan penulisan
makalah tentang Uji Statistik Chi Square dan Uji Exact Fisher dengan baik. Makalah ini disusun
sebagai tugas BIOSTATISTIK KESEHATAN. Adapun makalah ini disusun berdasarkan
pengamatan dari yang ada kaitannya dengan makalah yang penulis buat. Dalam penyusunan
makalah ini tentunya tidak lepas dari adanya bantuan dari pihak tertentu, oleh karena itu penulis
tidak lupa mengucapkan banyak terima kasih kepada Dosen akademik yang telah membantu
hingga selesainya makalah ini. Dalam penyusunan makalah ini penulis menyadari masih banyak
kekurangan dan kelemahannya. Oleh karena itu penulis mengharapkan kritik dan saran yang
bersifat membangun untuk menyempurnakan makalah ini. Semoga makalah ini bermanfaat bagi
para pembaca.

Batam, 02 September 2021

Kelompok 6 dan 7
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penelitian bidang kesehatan pada umumnya bertujuan untuk mengumpulkan
informasi atau data yang diperlukan untuk perencanaan kegiatan medis-klinis atau
medis sosial, atau untuk mengembangkan ilmu kesehatan itu sendiri yang pada
akhirnya akan berguna bagi kesejahteraan manusia. Tingkat penelitian dalam bidang ilmu
kesehatan dapat dibagi ke dalam 2 golongan besar, yakni penelitian yang bersifat
deskriptif dan analitik.
Dalam penelitian deskriptif peneliti mengadakan eksplorasi fenomena tanpa
berusaha mencari hubungan antar-variabel di dalam fenomena tersebut, sedangkan
dalam penelitian analitik disamping dilakukan identifikasi serta pengukuran variabel,
penelitipun akan mencari hubungan antar-variabel untuk menerangkan kejadian atau
fenomena tersebut.
Peneliti dapat hanya mengukur fenomena alamiah yang ada tanpa melakukan intervensi
terhadap variabel (bersifat analitik observasional) akan tetapi ia dapat pula melakukan
intervensi terhadap variabel tergantung (penelitian eksperimen atau intervensional)
(Sastroasmoro, 1995). Pengujian hipotesis berguna untuk membantu pengambilan keputusan
apakah suatu hipotesis yang diajukan, seperti perbedaan atau hubungan cukup
meyakinkan untuk ditolak atau tidak ditolak. Setelah hipotesis disiapkan, tentu
kemudian dikumpulkan data empiris yang menghasilkan informasi mengenai dapatnya
hipotesis tersebut diterima atau ditolak.
Dalam rangka mencapai suatu keputusan objektif mengenai apakah suatu hipotesis
diperkuat oleh data, maka prosedur objektif untuk menolak atau menerima hipotesis
harus diterapkan dengan baik (Lenny, 2003). Mengacu pada uraian di atas maka peranan
statistik dalam suatu penelitian pada umumnya adalah untuk membantu dalam pengolahan
dan analisis data.
Analisa statistik yang tepat dan benar dapat digunakan sebagai alat untuk mengetahui
apakah hubungan kausalitas antara dua atau lebih vatriabel benar-benar terkait secara
benar dalam kausalitas empiris atau apakah hubungan itu hanya bersifat random atau
 kebetulan saja. Meskipun demikian praktek penggunaan metode statistik dalam suatu
penelitian tidak selalu tepat. Beberapa bukti kajian kritis yang dilakukan Ross (1951),
Badgley (1961), Schor dan Karten (1966), Gore, Jones dan Rytter (1977) terhadap
ratusan laporan penelitian yang dimuat dalam literatur medik antara tahun 1950 dan
1976, mengungkapkan bahwa sekitar 30-50% di tahun 1976 memuat kesalahan-
kesalahan pemakaian metode statistik (Murti, 1996).
Kesalahan dalam penggunaan metode statistik dapat mengakibatkan
bias(penyimpangan) yang mungkin akan mengakibatkan kesalahan dalam pengambilan
keputusan serta kesalahan dalam memberikan informasi-informasi penting sebagai hasil
dari sebuah penelitian yang pada akhirnya akan membuat suatu penelitian menjadi
tidak mempunyai manfaat dan mengurangi aspek ilmiah dari penelitian tersebut
(Lenny, 2003).
Dari sekian banyak uji statistik yang dapat digunakan untuk analisis data, uji exact fisher
dan uji koreksi Yates merupakan metode analisis non parametrik yang lebih akurat
daripada uji chi-kuadrat. Uji kai kuadrat (dilambangkan dengan χ2) digunakan untuk
menguji dua kelompok data baik variabel independen maupun dependen berbentuk
kategorik atau dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih,
sehingga datanya bersifat diskret.
Uji pasti Fisher merupakan alternatif yang biasa dipakai untuk ukuran sampel kecil.
Prosedur uji pasti fisher dapat memberikan hasil yang akurat untuk semua tabel 2 x 2, yang
nilai-nilai harapannya terlalu kecil untuk dapat dianalisis dengan uji Kai Kuadrat. Pada
kondisi dimana uji Kai Kuadrat boleh digunakan, kedua uji ini akan memberikan hasil
yang mendekati sama (Murti, 1996)

1.2 Rumusan Masalah

2. Apakah Pengertian Uji Chi-Square?
3. Apakah Pengertian Uji Exact Fisher?
4. Bagaimana melakukan Uji Chi-Square?
5. Bagaimana melakukan Uji Exact Fisher?
 BAB II

PEMBAHASAN

1. Uji Fishers Exact Tes

Merupakan suatu teknik untuk menganalisa data diskrit (nominal atau ordinal)
ketika dua sampel independen adalah kecil. Skor dibuat dalam bentuk frekuensi dalam
table kontingensi 2x2 seperti berikut ini :

Kelompok
Variabel Jumlah
1 2
Diatas Median (+) A B A+B
Dibawah Median (-) C D C+D
Jumlah A+B B+D N

Peluang (probabilita) untuk pemunculan frekuensi-frekuensi pada table 2x2 ketika

jumlah marginal fixed adalah denngan distribusi hypergeometric sebagai berikut :
Untuk mendapatkan p-value ketika H0 benar, kita harus menjumlahkan probabilita
dari pemunculan data dengan probabilita dari kemungkinan pemunculan yang lebih
ekstrim.

Hipotesis :

H0 : P1 = P 2

H1 : P1 ≠ P 2 (untuk uji dua arah)

P1 > P2 atau P1 < P2 (untuk uji satu arah)

 Gunakan formula hypergeometric untuk mendapatkan nilai probabilitas (p-value)
(atau dapat menggunakan table Fisher, lihat pada buku nonparametric statistic karangan
Sidney Siegel dan N. John Castelan, Jr.). Jikan nilai p-value < α maka keputusannya
adalah tolak H0. Jika N > 15 gunakan uji χ (seperti pada uji median).

Uji Exact Fisher adalah alternatif ketika uji Chi-Square tidak memenuhi syarat
untuk digunakan misalnya nilai Expectation di Chi-Square lebih dari 20% (tidak ada nilai
expectasi tabel <5%, jika menggunakan tabel 2×2). Maka dari itu ketika Chi-Square tidak
memenuhi persyaratan uji alternatifnya adalah Fishers.
Alasan menggunakan Uji Fisher yaitu karna banyak peneliti yang sulit
menggunakan sampel besar, karena subjek atau objek penelitiannya memang langka.
Misalnya, penelitian penyakt tertentu yang masih jarang terjadi. Dalam kasus yang
seperti ini, sampel kecil saja yang mungkin digunakan. Sekalipun subjek/objek penelitian
banyak, jika informasi yang diperlukan sudah dapat diperoleh dengan sampel kecil, maka
menghindari sampel besar merupakan langkah yang bebas dari dua populasi, dan
mengelompokkan subjeknya yang memiliki atau tidak memiliki karakteristik tertentu.
Dalam hal ini kita memperoleh dua sampel bebas dari hasil-hasil pengukuran dan
kelompok dari masing-masing hasil pengukuran menjadi anggota dari salah satu dari dua
kelompok yang saling terpisah (exclusive).
Salah satu persyaratan menggunakan uji ini adalah jenis tabel harus 2×2. Berikut
Gustinerz bagikan Cara Uji Hipotesis Fishers Exact Test Dengan SPSS.
1. Siapkan data yang akan diuji. Misalnya kita akan menguji hubungan caring
(independen) perawat dengan kecemasan anak (dependen)
2. Pilih menu analyze – Descriptive Statistic – Crosstabs
3. Pada dialog crosstabs masukan caring (independen) ke Row dan masukan
kecemasan anak ke Column.
4. Pilih Option Exact – Klik Exact – Continue
5. Pilih option Statistic – klik Chi-Square
6. Pilih optio Cels – klik Expectation lalu tekan OK
7. Lihat berapa nilai Fishers Exact Test. Bila nilai kurang dari alpha 0.05 berarti
terdapat hubungan.
Uji Fisher Exact digunakan sebagai uji alternatif Kai Kuadrat untuk tabel silang
(kontingensi) 2 x 2 dengan ketentuan :

1. Sampel kurang atau sama dengan 40 dan terdapat sel yang nilai harapan (E) kurang
dari 5
2. Uji Fisher Exact juga dapat digunakan untuk sampel kurang dari 20 dalam kondisi
apapun (baik terdapat sel yang nilai E-nya kurang dari 5 ataupun tidak).
3. Asumsi dari uji ini adalah data yang akan di uji mempunyai skala pengukuran
nominal

Contoh

Sebuah studi kasus kontrol ingin melihat ada tidaknya mahasiswa yang rawan DO dengan
depresi mahasiswa tersebut. Hasil yang seperti Tabel berikut :

Rawan DO
Depresi Jumlah
Ya Tidak
Ya 3 0 3
Tidak 1 3 4
Jumlah 4 3 7

Dalam menghitung probailitas Fisher seperti tabel di atas akan mudah dilakukan,
dikarenakan salah satu sel-nya ada yang bernilai "0 (nol)". Sehingga kita tdk perlu lagi
menghitung nilai deviasi ekstrim-nya.

kasus 1. jika salah satu sel 0

Rawan DO
Depresi Jumlah
Ya Tidak
Ya 3 (A) 0 (B) 3
Tidak 1 (C) 3 (D) 4
Jumlah 4 3 7 (N)
P = (A+B)!(C+D)!(A+C)!(B+D)
N!A!B!C!D

P = (3+0)!(1+3)!(3+1)!(0+3)
7!3!0!1!3
= 3!4!4!3 = 0,1143
7!3!0!1!3
Kesimpulan :
1. Karena nilai α=0,05< P = 0,114 maka H0 diterima pada uji satu sisi
2. Karena nilai α=0,05< P = 2 x 0,114=0,228 maka H0 diterima pada uji dua sisi
3. Pada Uji satu sisi maupun dua sisi, kita menyimpulkan tidak ada perbedaan yang
bermakna antara mahasiswa yang rawan DO maupun tidak dengan tingkat depresi.

Kasus 2. jika semua selnya tidak ada 0

Rawan DO
Depresi Jumlah
Ya Tidak
Ya 3 (A) 0 (B) 3
Tidak 1 (C) 3 (D) 4
Jumlah 4 3 7 (N)

Karena tidak ada sel yang nilainya "0", maka dibuat kemungkinan deviasi nilai
ekstrimnya :

0 3
4 0

1 2
3 1
 2 1
2 2

3 0
1 3

Dengan cara sama,

P (1) = 0,0048

P (2) = 0,0571

P (3) = 0,1714

P (4) = 0,1143

1. Untuk mengetahui nilai probabilitas Fisher Exact, jumlahkan probabilitas soal (kasus)
dengan nilai probabilitas terkecilnya dari probabilitas yang diperoleh dari nilai deviasi
ekstrim
2. Diketahui nilai probabilitas soal (P2) = 0,0571, sementara nilai probabilitas terkecil dari
probabilitas soal hanya P1.
Sehingga :
P = P(2) + P(1) = 0.0571 + 0,0048 = 0,0619 (perhitungan ini adalah untuk uji satu sisi)
3. Karena α=0,05<P maka H0 diterima

1. .PENGERTIAN CHI KUADRAT

 Uji Chi Kuadrat (xᵌ) dapat dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih
dan data berjenis nominal, sehingga datanya bersifat dikrit. Dalam uji Chi-Kuadrat dihadapkan
pada suatu pengujian apakah perbedaan antara frekuensi hasil observasi (disimbolkan fo) dengan
frekuensi yang diharapkan oleh peneliti (disimbolkan fe/fh) dari sampel yang terbatas merupakan
perbedaan yang signifikan atau tidak.

Xᵌ = ∑ (fe−fo)ᵌ

fe

Dimana :

fo = frekuensi observasi

fe = frekuensi yang diharapkan (teoritis)

Xᵌ = Chi-Kuadrat

Catatan :

Bila frekuensi harapn (fe) tidak diketahui maka dapat dicari dengan rumus

fe = ∑fo

2. KEGUNAAN CHI-KUADRAT

1.Chi – Kuadrat Untuk Menguji Proporsi

Pengujian ini dilakukan untuk menguji hipotesis nihil yang menyatakan proporsi- proporsi dari
beberapa individu (sampel) yang diteliti mempunyai sifat/kriteria yang sama. Misalnya proporsi
tidak senang, proporsi setuju, proporsi tidak setuju.

Prosedur uji statistic Chi –Kuadrat

a.Membuat hipotesis dalam uraian kalimat

Ho : fo = fh (fo dan fh sesuai atau fit)

Ha : fo ≠ fh (fo dan fh tidak sesuai atau tidak fit)

b.Menentukan level of significance

Disini kita dapat menggunakan taraf keyakinan 80 %, 90%, 95%, 98%, dan 99%.Sesuai dengan
taraf keyakinan si penguji, derajat kebebasan ditentukan melalui banyaknya pasang frekuensi
dikurangi dengan banyaknya besaran yang dihitungdari hasil observasi (pengamatan) yang
digunakan untuk menghitung frekuensi harapan.

c. Menghitung Xᵌ hitung dan Xᵌ tabel

1) Mengitung nilai Xᵌ hitung

Rumus

Xᵌ =∑(fe-fo)ᵌ

fe

2) Nilai Xᵌ tabel

Nilai dari distribusi Xᵌ tabel tergantung dari derajat bebas (v)/degree of freedom

Xᵌ (tabel) = Xᵌ(α,db)db = k-1,α= derajat bebas (taraf signifikan)

d.Menentukan kriteria pengujian

Ho diterima Jika Xᵌ hitung ≤ X2 tabel, (α; k -1)

Ho ditolak Jika Xᵌhitung > X2 tabel, (α; k -1)e.

Membuat keputusan Contoh

Seorang mahasiswa fakultas ilmu komunikasi universitas “Z” dalam

Penelitiannya ingin mengetahui penggunaan jenis operator seluler yang digunakan buat kartu
handphone mereka. Untuk keperluan penelitian tersebuut diambil secara acak 138 orang
mahasiswa fakultas ilmu komunikasi universitas “Z” . Dari hasil survey didapat 23 orang
memilih simpati, 15 orang memilih XL, 27 orang memilih Esia, 24 orang memilih IM3, 23 orang
memilih Mentari dan 16 orang Memilih Frend. Pertanyaan : Ujilah pernyataan yang
menyebutkan bahwa proporsi mahasiswa memilih operator seluler adalah sama, gunakan taraf
nyata 5% Langkah-langkah menjawab

1. Membuat hipotesis (Ha dan Ho) dalam uraian kalimat

Ho : proporsi mahasiswa fakultas ilmu komunikasi universitas “Z” dalam
memilih operator seluler adalah samaHa ; proporsi mahasiswa fakultas ilmu komunikasi
universitas “Z” dalam memilih operator seluler adalah tidak sama

2. Menentukan taraf signifikan

Pada penelitian ini digunakan taraf signifikasi α= 5%

3. Menghitung Xᵌ hitung
Rumus
Xᵌ =∑(fe−fo)ᵌ

fe

a. Tahapan menghitung Xᵌ hitung

1) Membuat tabel penolong
Tabel 1.1 tabel penolong untuk menghitung nilai Xᵌhitung
Jenis Frekuensi Frekuensi (fo-fe)ᵌ X2 =∑(fe-fo)ᵌ
operator observasi harapan fe
(fo) (fe)

Simpati 23 23 0 0
XL 15 23 64 2,78
ESIA 27 23 16 0,7
IM3 24 23 1 0,04
MENTARI 23 23 0 0
FREND 26 23 9 0,39
138 3,91

2) Untuk menetukan nilai (fe) dapat dicari dengan rumus

fe =∑fo = 138 =23
n 6
3) Menentukan nilai Xᵌhitung dengan rumus Xᵌ = ∑(fe−fo)ᵌ
fe

b. Nilai Xᵌtabel
Nilai dari distribusi Xᵌtabel tergantung dari derajat bebas (v)/ degree of freedom
Xᵌtabel= X2(α,db)
Dengan n = 6, α = 5%
X2tabel = X2(α,db)
, db = n-1 = 6-1 = 5 Nilai X2tabel = X2(0,05,5)
lihat tabel Chi Kuadrat = 11,074.
Kaidah pengujianJika X2hitung≤ X2tabel, maka diterima HoJika X2hitung> X2tabel
, maka ditolak Ho.

4.Membandingkan antara X2hitung dan X2tabel Ternyata X2hitung= 3,91 ≤ X2tabel

= 11,07 maka diterima Ho.
5.Membuat keputusanKarena X2hitung≤ X2tabel, maka Ho diterima, sehingga
keputusannya adalah proporsi mahasiswa fakultas ilmu komunikasi universitas “Z”
dalam memilih operator telepon seluler adalah sama.

2.Uji Independensi
Uji independen digunakan untuk menguji ada tidaknya pengaruh suatu variable (sampel)
terhadap variasi (sampel) lainnya yang dibagi menjadi beberapa subvariabel. Misalnya
pengaruh tingkat pendapatan terhadap pola konsumsi, pengaruh usia terhadap
kemangkiran bekerja, pengaruh usia terhadap tingkat produktivitas kerja, dsb.
Tabel 2.1 uji independensi

VARIABE
LI
S1 S2 ..... Sk Jumlah
VARIABE T1 N11 N22 ..... N1. k NT1
L II
T2 N21 N22 ..... N2. k NT2
.... .... .... ....
Tr Nr1 Nr2 Nr.k NTt
Jumlah NS1 NS2 NS N

Langkah pengujiannya adalah sbb.

1. Menentukan Ho dan Ha
Ho :
P11 = P12 = P13 = P14 = ….. = P1.k

P21 = P22 = P23 = P24 = ….. = P2.k

P31 = P32 = P33 = P34 = ….. = P3.k

P41 = P42 = P43 = P44 = ….. = P4.k

Ha :
P11 ≠ P12 ≠ P13 ≠ P14 ≠ ….. = P1.k

P21 ≠ P22 ≠ P23 ≠ P24 ≠ ….. = P2.k

P31 ≠ P32 ≠ P33 ≠ P34 ≠ ….. = P3.k

P41≠ P42 ≠ P43 ≠ P44 ≠ ….. = P4.k

2. Menetukan level of significance

3. Kriteria pengujian
Ho diterima Jika Xᵌhitung ≤ Xᵌtabel, α;( r-1)(k-1)
Ho ditolak Jika Xᵌhitung > Xᵌtabel, α;( r-1)(k-1)

4. Pengujian dengan rumus X2=∑(fe−fo)ᵌ

fe

Contoh
Riset sebuah perusahaan mengenai pengaruh usia terhadap tingkat kemangkiran
karyawan yang bekerja di perusahaan tersebut selama satu tahun menunjukkan angka-
angka berikut

Tabel 3.1 hasil riset pengaruh usia terhadap kemangkiran

Usia
Karyawan
 (Tahun)
20-35 36-50 51-65 66 ≥
Kemangkira 1-5 20 13 4 3
n (Per hari)
6-10 15 15 9 5
11-15 8 7 16 10
16 ≥ 2 5 25 10
Jumlah 45 40 54 28

Dengan menggunakan alfa 5%, ujilah pendapat yang menyatakan bahwa usia dantingkat
kemangkiran karyawan bersifat independen satu sama lain!

Langkah pengujian :

a.Menentukan Ho dan Ha

Ho : 20 = ͢1͢3 = ͢ 4͢ = ͢3͢

45 40 54 28

͢1͢5͢ = ͢1͢5 = ͢ 9͢ = ͢5͢

45 40 54 28

͢8͢ = ͢ 5͢ = ͢1͢6͢ = ͢1͢0͢

45 40 54 28

͢ 2͢ = ͢7͢ = ͢2͢5͢ = ͢1͢0͢

45 40 54 28

semua proporsi usia karyawan terhadap tingkat kemahirannya adalah sama, atau tidak terdapat
pengaruh usia karyawan terhadap tingkat kemangkirannya.

Ha :tidak semua proporsi usia karyawan terhadap tingkat kemangkirannya adalah sama, atau
terdapat pengaruh usia karyawan terhadap tingkat kemangkirannya.
b. Menentukan level of significane. Kita menggunakan taraf keyakinan 95% dan alfa 5%.

c. Kriteria pengujian X2 α;( r -1)(k-1) = X2 5% (4-1)(4-1) = X2(5%;9) = 16,919

Ho diterima jika X2hitung ≤ 16,919

Ha ditolak jika X2hitung > 16,919

d.Pengujian Rumus umum :

X2=∑(fho−fh)ᵌ

Fh

FH = (∑ baris) – (∑ Kolom)ᵌ

Total

Perhitungan frekuensi harapan (fh) :

1) Kemangkiran 1-5 hari:

Usia 20–35 : fh1 = (40)(45) = 10,78
167
Usia 36 – 50 : fh2 = (40)(40) = 9,58
167
Usia 51 – 65 : fh3 =(40)(54)= 12,93
167

Usia 66 ≤: fh4 = (40)(28) = 6,71

167

2) Kemangkiran 6-10 hari :

Usia 20 – 35 : fh5 =(44)(45) = 11,86
167
3) Kemangkiran 11-15 hari:
 Usia 20 – 35 : fh9 = (39)(45) = 10,51
167

4) Kemangkiran 16 ≤ hari :

Usia 20 – 35 : fh13 = (44)(45) = 11,86

167

Kesimpulan

Karena Xᵌ hitung = 46,565 > 16,565 , Ho ditolak, berarti tidak semua proporsiusia karyawan
terhadap tingkat kemangkirannya adalah sama .

3.Uji kecocokan/kesesuaian

Dimana uji ini akan mengetes apakah frekuensi nyata (hasil pengamatan/observasi) sesuai
dengan frekuensi harapan.

4.Chi-Kuadrat Untuk Pengujian Hipotesis

5.Chi-Kuadrat Untuk Uji Normalitas

Salah satu syarat analisis statistik adalah bahwa data empiris berdistribusi normal. Untuk uji
normalitas data menggunakan perangkat SPSS, peneliti bisa menguji Kolmogorow-Smirnov
(KZ). Sedangkan untuk uji normalitas secara manual,tersedia chi-kuadrat. Cara yang di tempuh
untuk uji normalitas dengan chi-kuadrat adalah :

1. Menyusun data dalam distribusi frekuensi.

2. Menghitung nilai rata-rata.
3. Menghitung standar deviasi.
4. Menghitung luas daerah dibawah kurva normal masing-masing kelas interval.

3. KELEBIHAN DAN KELEMAHAN CHI-KUADRAT

Beberapa kelebihan dari distribusi chi-kuadrat, yaitu antara lain :

1.Konsep chi-kuadrat dalam statistik nonparametrik mudah untuk dimengerti.

2.Dapat digunakan untuk menganalisa data yang berbentuk hitungan maupun peringkat (rank).

3.Perhitungan yang harus dilakukan pada umumnya sederhana dan mudah, khususnya untuk data
yang kecil.

Kelemahan uji chi-kuadrat

1.Uji ini sensitif terhadap banyaknya sampel yang digunakan. Uji ini akan menjadi kurang akurat
jika terdapat nilai frekuensi harapan yang kurang dari 5 pada sel tabel kontingensi. Bahkan uji ini
tidak bisa digunakan jika frekuensi harapan yang kurang dari 5 terdapat lebih dari 20 % dari total
sel yang ada atau bila terdapat nila frekuensiharapan yang kurang dari 1.

2.Uji Chi-Square hanya memberikan informasi tentang ada atau tidaknya hubungan antara kedua
variabel. Uji ini tidak memberikan informasi mengenai seberapa besar hubungan yang ada antara
kedua variabel tersebut serta bagaimana arah hubunganyang ada.

3.Uji Chi-Square hanya bagus digunakan untuk skala data nominal untuk kedua variabel yang
diuji. Uji ini lemah digunakan jika kedua variabel tersebut berskala ordinal.

BAB III
KESIMPULAN

A.Kesimpulan

Dari sekian banyak uji statistik yang dapat digunakan untuk analisis data, uji exact fisher
dan uji koreksi Yates merupakan metode analisis non parametrik yang lebih akurat
daripada uji chi-kuadrat. Uji kai kuadrat (dilambangkan dengan χ2) digunakan untuk
menguji dua kelompok data baik variabel independen maupun dependen berbentuk
kategorik atau dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih,
sehingga datanya bersifat diskret.

Uji Chi Kuadrat (Xᵌ) dapat dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih
dan data berjenis nominal, sehingga datanya bersifat dikrit. Kegunaan chi-kuadrat diantaranya
untuk Menguji Proporsi, untuk menguji uji Independensi, uji kecocokan/ kesesuaian, untuk
pengujian hipotesis, untuk uji normalitas. Kelebihan Konsep chi-kuadrat dalam statistik non
parametrik mudah untuk dimengerti. Kekurangan uji Chi-Square hanya memberikan informasi
tentang ada atau tidaknya hubungan antara kedua variabel.

B.Saran

Diharapkan kedepannya mahasiswa dapat memahami dan mengaplikasikan rumus uji Chi-
kuadrat.