Resume Hari : Senin

MK.Statistik Tanggal : 22 November 2021

CHI-SQUARE

Disusun oleh :

Anisa Zulfitri
(P032013411006)

DIII Gizi TK. 2A

Dosen Pengajar :

Alkausyari Aziz, SKM, M.Kes

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN KEMENKES RIAU
JURUSAN GIZI
2021
 UJI KAI KUADRAT (CHI-SQUARE)

Dasar dari uji kai kuadrat (chi square) adalah membandingkan frekuensi yang diamati
dengan frekuensi yang diharapkan. Misalnya, sebuah uang logam yang memiliki dua
permukaan, yaitu M dan B, dilambungkan seratus kali. Setelah pelambungan serratus kali,
kita amati yang keluar permukaan B sebanyak 60 kali. Kalua uang logam tersebut seimbang,
tentu permukaan B diharapkan keluar sebanyak 50 kali. Maka, dapat kita lihat perbedaan
antara frekuensi yang diamati (Observed = O) yakni 60 kali dan yang diharapkan (Expected
= E) yakni 5 kali. Jadi, ada perbedaan antara pengamatan dengan yang diharapkan (O – E),
apakah perbedaan itu cukup berarti (bermakna) atau hanya karena factor variasi sampel.

(1) (2) (3) (4) (5)

O (observed) E (expected) O-E (O – E)² (O−E) ²
E
M 40 50 10 100 2
B 60 50 10 100 2
Total 100 100 0 200 4
Tabel hasil pelambungan 100 kali sebuah mata uang logam

Pada tabel tersebut dapat dilihat bahwa jika penyimpangan/deviasi (O – E) dijumlahkan,

hasilnya adalah 0 (nol). Untuk menghindari hal ini, masing-masing penyimpangan
dikuadratkan terlebih dahulu, jumlah akan tidak sama dengan nol lagi. Pendekatan ini akan
menimbulkan persoalan baru dimana hasil kuadrat yang sama akan diperoleh untuk
penyimpangan yang sama besar tanpa memperhitungkan besar frekuensi pengamatan atau
harapan. Misalnya, O – E untuk 60 – 50 = 10 dan 510 – 500 = 10 secara aritmati adalah
identik, tetapi arti sebenarnya sangat berbeda. Penyimpangan 10 dari harga harapan 50 cukup
besar bila dibandingkan dengan penyimpangan 10 dari nilai harapan 500. Untuk mengatasi
hal ini, sebaiknya digunakan deviasi kuadrat yang proporsional, yaitu (O – E)²/E. dengan cara
ini hasil perhitungan untuk contoh diatas menjadi (60-50)²/50 = 2, sedangkan (510-500)²/500
= 0,2.

Tampak bahwa deviasi baru ini lebih berarti secara statistic. Untuk persoalan pelambungan
mata uang diatas dapat dilihat bahwa jumlah deviasi kuadrat proporsional adalah 4.
Pertanyaan berikutnya ialah apakah harga yang telah dihitung = 4 memiliki kemungkinan
besar untuk terjadi secara kebetulan ataukah merupakan peristiwa yang jarang terjadi,
misalnya kemungkinannya lebih kecil daripada 5%. Untuk menjawab pertanyaan ini
diperlukan distribusi kuantitas χ² (chi square = kai kuadrat), yakni probabilitas untuk statistik:
 ( O−E ) ²
χ² = ∑
E

para ahli statistic telah membuktikan bahwa kuantitas ini mempunyai kemencengan positif.
Dengan menghitung luas daerah di luar harga 4 pada distribusi Kai kuadrat, dapat ditentukan
harga “p” serta keputusan untuk menolak hipotesis nol atau gagal menolak hipotesis nol. Kai
kuadrat tergantung pada derajat bebas (degree of freedom = df). Derajat bebas adalah
banyaknya kategori dikurangi satu. Seperti contoh, kategorinya ada dua (permukaan M dan
B), maka derajat bebas adalah 2-1 = 1 . kalua yang dilambungkan adalah dadu, kategorinya
ada enam, derajat bebasnya 6-1 = 5. Kalau di dalam suatu kontigensi tabel ada beberapa baris
dan kolom, derajat bebasnya adalah baris dikurangi satu dikali kolom dikurangi satu. Dengan
rumus:

df = (b-1) (k-1)

untuk setiap distribusi luas 5% terkanan (paling kanan) adalah daerah yang diarsir. Semakin
besar derajat bebas, semakin besar pula harga kritis yang diperlukan untuk menolak hipotesis
nol. Secara intuisi, hal ini tampaknya benar karena derajat bebas sebanding dengan jumlah
kategori yang independent/saling bebas. Dapat diharapkan bahwa semakin banyaknya
kategori, akan semakin besar pula harga kai kuadrat kritis.

Dari contoh soal tadi, apakah mata uang logam yang dilambungkan tadi seimbang? Jumlah χ²
- nya adalah 4, untuk df 1 harga ini terletak dalam daerah kritis 5%, karena itu Ho ditolak.
Kesimpulannya adalah mata uang tersebut tidak seimbang. Suatu hal yang perlu diperhatikan
adalah bahwa tidak seperti uji lain, uji kai kuadrat selalu merupakan uji satu sisi.

Secara spesifik, uji kai kuadrat dapat digunakan untuk menentukan:

a. Ada tidaknya asosiasi antara dua variabel (independency test)

Dengan contoh, hubungan penggunaan alcohol dan rokok pada ibu selama kehamilan.
Status alcohol dikategorikan di dalam empat kelompok (tidak minum, peminum
ringan, sedang dan berat). Sedangkan status rokok dikategorikan menjadi 2 kelompok
(perokok dan tidak perokok).
b. Apakah suatu kelompok homogen (homogenitas antar-subkelompok = homogenity
test).
Uji ini diperlukan untuk menentukan apakah distribusi suatu karakteristik tertentu
sama untuk berbagai kelompok. Langkah pengujiannya yaitu:
 a) Tidak ada perbedaan sikap setuju/tidak setuju terhadap suatu permasalahan
b) Tentukan batas kritis α =
c) df…. > (2-1) (2-1) = 1
(O−E) ²
d) Besarnya statistic uji dengan χ² = ∑
E
e) Untuk nilai χ² = 4,8 dan df=1 didapatkan nilai p = <0,05
f) Kesimpulan Ho ditolak atau diterima….. >

Penerapan lain dari uji ini adalah uji perbedaan antara dua proporsi, untuk
mempelajari apakah proporsi sukses dalam kelompok perlakuan berbeda secara
bermakna dengan proporsi sukses dalam kelompok control.

c. Seberapa jauh suatu pengamatan sesuai dengan parameter yang dispesifikasikan

(goodness of fit).
Uji ini berfungsi untuk melihat kesesuaian suatu pengamatan dengan suatu distribusi
tertentu. Hipotesis lain yang dapat diselidiki dengan uji kai kuadrat adalah penentuan
apakah suatu himpunan data sesuai (fit) dengan model tertentu.

Sumber : Buku Statistik Kesehatan,

Luknis Sabri dan Sutanto Priyo Hastono

 TES X KUADRAT (CHI-SQUARE TEST)

Tes x kuadrat (chi-square test) ini memiliki beberapa fungsi yaitu:

1. Digunakan untuk pengujian estimasi standar deviasi

2. Tes hipotesis terhadap beberapa proporsi yang berbeda.
3. Tes data kualitatif atau binomial
4. Tes terhadap data multinomial serta menjawab pertanyaan “adakah asosiasi antara
variable dependen dan variable independent?”
5. Tes hipotesis statistic nonparametric

CONTIGENCY TABLE
Tabel ini terdiri dari beberapa kolom dan baris membentuk sel-sel yang digunakan untuk
memaparkan sekaligus frekuensi distribusi beberapa data dari variable hasil penelitian. Tabel
ini dapat berupa 2 x 2 tabel, 3 x 2 tabel, dan seterusnya serta digunakan untuk menentukan
degree of freedom (df) dari nilai x kuadrat dalam tabel.

DEGREE OF FREEDOM PADA TEST X KUADRAT

Derajat kebebasan pada tes x kuadrat ditentukan oleh banyaknya kolom (c) dan baris (b) pada
contingency table dengan formula berikut:
df = (c-1) (b-1)
Sebagai contoh, bila contingency table yang digunakan adalah 3x3 tabel, df = (3-1) (3-1) = 4
Rumus tes x kuadrat:
(o−e )²
x² =
e
keterangan :
o = frekuensi observasi / observed frequencies
e = frekuensi harapan / expected frequencies
c = total baris x total kolom

frekuensi observasi berasal langsung dari hasil observasi, sedangkan frekuensi harapan
merupakan frekuensi yang dibuat secara teoretis oleh peneliti untuk keperluan suatu
hipotesis. Dalam hal ini, dapat membuat suatu hipotesis null bahwa tidak ada perbedaan yang
bermakna antara frekuensi observasi dan frekuensi harapan. Kalaupun ada, kita akan menolak
hipotesis null atau teori yang ada.
BATASAN-BATASAN UNTUK TES X KUADRAT
1. Pada contingency table 2 x 2, nilai frekuensi harapan atau expected frequencies tidak
boleh kurang dari nilai 5.
2. Pada contingency table yang besar, nilai frekuensi harapan atau expected frequencies
tidak boleh kurang dari nilai 1 atau tidak boleh lebih dari 20% dari sel mempunyai
nilai frekuensi harapan atau expected frequencies kurang dari nilai 5.
3. Tes x kuadrat dengan nilai frekuensi harapan kurang dari nilai 5 pada contingency
table 2 x 2 dapat dikoreksi dengan menggunakan rumus Yates “Correction for
Continuity” seperti pada formula berikut :
[ ( o−e )2−0,5]
x² = ∑
e
untuk tes x kuadrat dengan menggunakan dua variable independent pada contingency
table 2 x 2, dapat dilakukan secara langsung tanpa perlu menghitung lagi frekuensi
harapan dengan menggunakan formula berikut :

A B A+B
C D C+D
A+C B+D N

N ( AD−BC) ²
x² =
( A +B )( C + D ) ( A+ C ) ( B+ D)

Sumber : Buku Biostatistik untuk Kedokteran dan Kesehatan,

Dr.Budiman Chandra