Uji Chi Square

ⓘ Dioptimalkan oleh Google 2 jam yang laluLihat yang asli
https://anyalfiyan.wordpress.com/2015/05/05/statistika-2-uji-chi-square/
ANYALFIYANMenu
STATISTIKA 2 (UJI CHI SQUARE)
MEI 5, 2015 | NUR ALFIYANI
BAB I
PENDAHULUAN
LATAR BELAKANG MASALAH
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji komparatif non
parametris yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal.
(Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan
merujuk bahwa harus digunakan uji pada derajat yang terendah).
Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui
syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada beberapa
syarat di mana chi square dapat digunakan yaitu:
Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar 0 (Nol).
Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi harapan
atau disebut juga expected count (“Fh”) kurang dari 5.
Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi harapan yang
kurang dari 5 tidak boleh lebih dari 20%.
RUMUSAN MASALAH
Apa yang dimaksud dengan uji chi square ?
Bagaimana rumus chi square ?
Bagaimana analisis uji chi square ?
Bagaimana table chi square ?

Bagaimana menguji independensi antara 2 faktor ?
Bagaimana cara menguji proporsi ?
TUJUAN
Untuk mengetahui apa yang dimaksud dengan uji chi square
Untuk mengetahui bagaimana rumus chi square
Untuk mengetahui bagaimana analisis uji chi square
Untuk mengetahui bagaimana table chi square
Untuk mengetahui bagaimana menguji independensi antara 2 faktor
Untuk mengetahui bagaimana cara menguji proporsi.
BAB II
PEMBAHASAN
Metode Uji Chi Square
(Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan
merujuk bahwa harus digunakan uji pada derajat yang terendah).
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka rumus
yang digunakan adalah “koreksi yates”.
Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas, yaitu ada cell
dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan rumus “Fisher Exact Test”.
Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu rumus yang
digunakan adalah “Pearson Chi-Square”.
Rumus Tersebut adalah:
Uji kai kuadrat (dilambangkan dengan “χ2” dari huruf Yunani “Chi” dilafalkan “Kai”) digunakan untuk
menguji dua kelompok data baik variabel independen maupun dependennya berbentuk kategorik atau
dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat
diskrit. Misalnya ingin mengetahui hubungan antara status gizi ibu (baik atau kurang) dengan kejadian
BBLR (ya atau tidak).
Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil observasi (O) dengan
frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan jika harga dari Kai Kuadrat sama atau
lebih besar dari suatu harga yang ditetapkan pada taraf signifikan tertentu (dari tabel χ2).
Uji Kai Kuadrat dapat digunakan untuk menguji :
Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).
Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).
Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)
Sebagai rumus dasar dari uji Kai Kuadrat adalah :
Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
df = (b-1) (k-1)
Dalam melakukan uji kai kuadrat, harus memenuhi syarat:
Sampel dipilih secara acak
Semua pengamatan dilakukan dengan independen
Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel dengdan frekuensi harapan
kurang dari 5 tidak melebihi 20% dari total sel
Besar sampel sebaiknya > 40 (Cochran, 1954)

Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai data yang diskrit
dengan pendekatan distribusi kontinu.Dekatnya pendekatan yang dihasilkan tergantung pada ukuran
pada berbagai sel dari tabel kontingensi. Untuk menjamin pendekatan yang memadai digunakan aturan
dasar “frekuensi harapan tidak boleh terlalu kecil” secara umum dengan ketentuan:
Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)
Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk menanggulanginyanya adalah dengan
menggabungkan nilai dari sel yang kecil ke se lainnya (mengcollaps), artinya kategori dari variabel
dikurangi sehingga kategori yang nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk
tabel 2×2 hal ini tidak dapat dilakukan, maka solusinya adalah melakukan uji
“Fisher Exact atau Koreksi Yates”
Analisis Chi Square
Contoh kasus
Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan antara gender dengan
sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta 25 responden mengisi identitas
mereka dan sikap atau persepsi mereka terhadap produknya.
Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas AC?
Hipotesis :
H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC
H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC
Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-square hitung lebih besar
(>) dari nilai chi-square tabel.
Menguji Independensi antara 2 faktor (independensi)
Independensi (keterkaitan) antara 2 faktor dapat diuji dengan uji chi square. Masalah independensi ini
banyak mendapat perhatian hampir di semua bidang, baik eksakta maupun sosial ekonomi. Kita ambil
contoh di bidang ekonomi dan pendidikan. Kita bisa menduga bahwa keadaan ekonomi seseorang tidak
ada kaitannya dengan tingkat pendidikannya, atau justru sebaliknya bahwa keadaan ekonomi seseorang
terkait erat dengan tingkat pendidikannya. Untuk menjawab dugaan-dugaan ini, kita bisa menggunakan
uji chi square.
Langkah-langkahnya sebagai berikut.
Buatlah hipotesis
H0: tidak ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya
HA: ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya
Lakukan penelitian dan kumpulkan data
Hasil penelitian adalah sebagai berikut (tentatif).
Kategori
Di bawah garis kemiskinan
Di atas garis kemiskinan
Total
Tidak tamat SD
12
SD
20
17
37
SMP
15
16
31
SMA
23
26
Perguruan Tinggi
22
24
Total
48
82
130
Lakukan analisis
Kategori
Di bawah garis kemiskinan
Di atas garis kemiskinan
Total
Tidak tamat SD
4,43
7,57
12
SD
E
20
13,66
17
23,34
37
SMP
15
11,45
16
19,55
31
SMA
9,60
23
16,40
26
Perguruan Tinggi
2
8,86
22
15,14
24
Total
48
82
130
Nilai O (Observasi) adalah nilai pengamatan di lapangan
Nilai E (expected) adalah nilai yang diharapkan, dihitung sbb:
1. Nilai E untuk kategori tidak tamat SD di bawah garis kemiskinan= (12 x 48)/130 = 4,43
2. Nilai E untuk kategori tidak tamat SD di atas garis kemiskinan = (12 x 82)/130 = 7,57
3. Nilai E untuk kategori SD di bawah garis kemiskinan = (37 x 48)/130 = 13,66
4. Nilai E untuk kategori SD di atas garis kemiskinan = (37 x 82)/130 = 23,34
5. Nilai E untuk kategori SMP di bawah garis kemiskinan = (31 x 48)/130 = 11,45
6. Nilai E untuk kategori SMP di atas garis kemiskinan = (31 x 82)/130 = 19,55
7. Nilai E untuk kategori SMA di bawah garis kemiskinan = (26 x 48)/130 = 9,60
8. Nilai E untuk kategori SMA di atas garis kemiskinan = (26 x 82)/130 = 16,40
9. Nilai E untuk kategori Perguruan Tinggi di bawah garis kemiskinan = (24 x 48)/130 = 8,86
10. Nilai E untuk kategori Perguruan Tinggi di atas garis kemiskinan = (24 x 82)/130 = 15,14
Hitung nilai Chi square (x^2)
TABEL CHI-SQUARE
Kriteria Pengambilan Kesimpulan
Kesimpulan
Hasil analisis menunjukkan bahwa nilai x^2 hitung = 26,586, yaitu lebih besar darinilai x^2 tabel yaitu
9,488, sehingga kita harus menerima HA. Dengan demikian, kita simpulkan bahwa ada kaitan yang
signifikan antara keadaan ekonomi seseorang dengan tingkat pendidikannya (lihat lagi hipotesis di atas,
khususnya bunyi hipotesis HA).
Catatan: kata signifikan berasal dari α = 0,05.
Menguji proporsi
Contoh kasus (1):
Menurut teori genetika (Hukum Mendel I) persilangan antara kacang kapri berbunga merah dengan
yang berbunga putih akan menghasilkan tanaman dengan proporsi sebagai berikut: 25% berbunga
merah, 50% berbunga merah jambu, dan 25% berbunga putih. Kemudian, dari suatu penelitian dengan
kondisi yang sama, seorang peneliti memperoleh hasil sebagai berikut, 30 batang berbunga merah, 78
batang berbunga merah jambu, dan 40 batang berbunga putih. Pertanyaannya adalah apakah hasil
penelitian si peneliti tersebut sesuai dengan Hukum Mendel atau tidak?
Untuk menjawab pertanyaan tersebut, kita bisa menggunakan uji chi-square, sebagai berikut:
Buatlah hipotesis
H0: rasio penelitian adalah 1:2:1 atau 25%:50%:25%
HA: rasio penelitian adalah rasio lainnya
Lakukan analisis
Kategori
Merah
Merah Jambu
Putih
Jumlah
Pengamatan (O)
30
78
40
148
Diharapkan (E)
37
74
37
148
Proporsi diharapkan (E) dicari berdasarkan rasio 1:2:1, sebagai berikut:
Merah = 1/4 x 148 = 37
Merah Jambu = 2/4 x 148 = 74
Putih = 1/4 x 148 = 37
Df = (kolom -1)(baris -1) = (3-1)(2-1) = 2
Kriteria Pengambilan Kesimpulan
Terima H0 jika x^2 hitung< x^2 tabel
Tolak H0 jik x^2 hitung≥ x^2 tabel
Kesimpulan
Dari hasil analisis data, diperoleh x^2 hitung< x^2 tabel, maka H0 diterima.
Artinya, rasio hasil penelitian si peneliti tersebut sesuai dengan rasio menurut Hukum Mendel (lihat
bunyi hipotesis pada H0).
Contoh Kasus (2):
Suatu survey ingin mengetahui apakah ada hubungan Asupan Lauk dengan kejadian Anemia pada
penduduk desa X. Kemudian diambil sampel sebanyak 120 orang yang terdiri dari 50 orang asupan
lauknya baik dan 70 orang asupan lauknya kurang. Setelah dilakukan pengukuran kadar Hb ternyata dari
50 orang yang asupan lauknya baik, ada 10 orang yang dinyatakan anemia. Sedangkan dari 70 orang
yang asupan lauknya kurang ada 20 orang yang anemia.Ujilah apakah ada perbedaan proporsi anemia
pada kedua kelompok tersebut.
Jawab :
HIPOTESIS :
Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)
Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)
PERHITUNGAN :
Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini :
Kemudian tentukan nilai observasi (O) dan nilai ekspektasi (E) :
Selanjutnya masukan dalam rumus :
sekarang kita menentukan nilai tabel pada taraf nyata/alfa = 0.05. Sebelumnya kita harus menentukan
nilai df-nya. Karena tabel kita 2×2, maka nilai df = (2-1)*(2-1)=1.
Dari tabeli kai kudrat di atas pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.
KEPUTUSAN STATISTIK
Bila nilai hitung lebih kecil dari nilai tabel, maka Ho gagal ditolak, sebaliknya bila nilai hitung lebih besar
atau sama dengan nilai tabel, maka Ho ditolak.
Dari perhitungan di atas menunjukan bahwa χ2 hitung < χ2 tabel, sehingga Ho gagal ditolak.
KESIMPULAN
Tidak ada perbedaan yang bermakna proporsi antara kedua kelompok tersebut. Atau dengan kata lain
tidak ada hubungan antara asupan lauk dengan kejadian anemia.
BAB III
PENUTUP
Kesimpulan
Rumusnya adalah:
Fungsi uji chi square adalah untuk melihat apakah suatu pernyataan dapat dinyatakan benar atau tidak
berdasarkan hasil perhitungannya
DAFTAR PUSTAKA
http://juangkriting.blogspot.com/2013/12/chi-square-metode.html
http://webcache.googleusercontent.com/search?
q=cache:YVMKEspJ4lwJ:elisa.ugm.ac.id/user/archive/download/131817/2958b83e691ec145b8215ecaa
9cb25d3+&cd=3&hl=id&ct=clnk&gl=id
http://www.statistikian.com/2012/11/rumus-chi-square.html
Iklan
Report this ad
Report this ad
SHARE THIS:
TwitterFacebookGoogle
TERKAIT
ANALISIS PERILAKU PEMBELIAN SMARTPHONE ANTARA KEBUTUHAN DAN GAYA HIDUP
KASUS-KASUS ARAHAN DOSEN
JURNAL TENTANG KINERJA
< PEMASARAN SATU PERSATU (ONE TO ONE MARKETING)
PANCASILA >
TINGGALKAN BALASAN
Alamat surel Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *
KOMENTAR
NAMA *
SUREL *
SITUS WEB
Kirim Komentar
Beri tahu saya komentar baru melalui email.
Cari
Cari …
Mei 2015
R
K
« Apr
Jun »
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Twit Saya
Iklan
Report this ad
BLOG DI WORDPRESS.COM.
Ikuti
BerandaAbout
https://elearningti3605.wordpress.com/2013/12/26/uji-chi-square/
BERBAGI ILMUMenu
BERBAGI ILMU
Uji Chi-Square
DECEMBER 26, 2013/ALFATTAHAZIS
Pengertian Uji Chi-Square
Uji chi-square di sebut juga dengan Kai Kuadrat. Uji chi-squeare adalah salah satu uji statistic no-
parametik (distibusi dimana besaran – besaran populasi tidak diketahui) yang cukup sering digunakan
dalam penelitian yang menggunaka dua variable, dimana skala data kedua variable adalah nominal atau
untuk menguji perbedaan dua atau lebih proporsi sampel. Uji chi-square diterapkan pada kasus dimana
akan diuji apakah frekuensi yang akan di amati (data observasi) untuk membuktikan atau ada perbedaan
secara nyata atau tidak dengan frekuensi yang diharapkan. Chi-square adalah teknik analisis yang
digunakan untuk menentukan perbedaan frekuensi observasi (Oi) dengan frekuensi ekspektasi atau
frekuensi harapan (Ei) suatu kategori tertentu yang dihasilkan. Uji ini dapat dilakukan pada data diskrit
atau frekuensi.
Pengertian chi-quare atau chi kuadrat lainya adalah sebuah uji hipotesis tentang perbandingan Antara
frekuensi observasi dengan frekuensi harapan yang didasarkan oleh hipotesis tertentu pada setiap kasus
atau data yang ambil untuk diamati. Uji ini sangat bermanfaat dalam melakukan analisis statistic jika kita
tidak memiliki informasi tantang populasi atau jika asumsi-asumsi yang dipersyaratkan untuk
penggunaan statistic parametric tidak terpenuhi. Chi kuadrat biasanya di dalam frekuensi observasi
berlambangkan dengan frekuensi harapan yang didasarkan atas hipotesis yang hanya tergantung pada
suatu parameter, yaitu derajat kebebasan (df).
Chi kuadrat mempunyai masing–masing nilai derajat kebebasan, yaitu distribusi (kuadrat standard
normal) merupakan distribusi chi kuadrat dengan d.f. = 1, dan nilai variabel tidak bernilai negative.
Kegunaan dari chi square untuk menguji seberapa baik kesesuaian diantara frekuensi yang teramati
dengan frekuensi harapan yang didasarkan pada sebaran yang akan dihipotesiskan, atau juga menguji
perbedaan antara dua kelompok pada data dua kategorik untuk dapat menguji signifikansi asosiasi dua
kelompok pada data dua katagorik tersebut.
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka rumus
yang digunakan adalah “koreksi yates”. Untuk rumus koreksi yates, sudah kami bahas dalam artikel
sebelumnya yang berjudul “Koreksi Yates“.
Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas, yaitu ada cell
dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan rumus “Fisher Exact Test”.
Pengamatan yang kami lakunan kami menggunakan persamaan “Pearson Chi-Square”
Keterangan :
O : Nilai Observasi (pengamatan)
E : Nilai Expected (harapan)
Df = ( b – 1 ) ( k – 1 )
B : Jumlah baris
K : Jumlah kolom
Nilai chi square adalah nilai kuadrat karena itu nilai chi square selalu positif. Bentuk distribusi chi square
tergantung dari derajat bebas (Db)/degree of freedom. Pengertian pada uji chi square sama dengan
pengujian hipotesis yang lain, yaitu luas daerah penolakan Ho atau taraf nyata pengujian.
Kegunaan Chi-Square
Adapun kegunaan dari uji Chi-Square, adalah :
1. Ada tidaknya asosiasi antara 2 variabel (Independent test)
2. Apakah suatu kelompok homogen atau tidak (Homogenity test)
3. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
4. Digunakan untuk menganalisis data yang berbentuk frekuensi.
5. Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-variabel yang dianalisis
6. Cocok digunakan untuk data kategorik, data diskrit atau data nominal
C. Cara Memberikan Interpretase Terhadap Chi Square :
1. Menentukan Df atau Db
2. Melihat nilai Chi Square pada table
3. Membandingkan atantara nilai Chi Square dari hasil perhitungan dengan nilai Chi Square dari table
D. Pengambilan Keputusan
Ketentuan yang menyatakan ada tidaknya dalam pengambilan keputusan, adalah:
Bila harga Chi Square (X2) ≥ Tabel Chi Square è Hipotesis Nol (H0) ditolak & Hipotesis Alternatif (Ha)
diterima
Bila harga Chi Square (X2) < Tabel Chi Square è Hipotesis Nol (H0) diterima & Hipotesis Alternatif (Ha)
ditolak
G. Chi Square Untuk Variabel Tunggal
Adalah variabel yang akan dianalisis dengan tes Chi Square sampelnya hanya terdiri dari satu kategori
saja.
Proses perhitungan analisis chi Square adalah sebagai berikut:
Menghitung harga chi square dengan cara menyiapkan tabel perhitungan chi square
Langkah-langkah:
Tentukan frekuensi observasi (fo) dan frekuensi harapan (fh)
Lakukan substitusi hasil yang diperoleh ke dalam rumus berikut:
Memberikan interpretasi terhadap harga chi square

Langkah-langkah:
Menghitung db atau df
Berkonsultasi dengan tabel nilai chi square
Mengambil kesimpulan
Chi Square Untuk Tabel 2×2
Adalah variabel yang akan dianalisis dengan tes chi square sampelnya terdiri dari dua kategori dan
frequensi observasinya terdiri dari dua kategori pula.
Rumusnya adalah:
I. Chi Square Dengan Koreksi Yates
Digunakan untuk menghitung harga Chi Square pada tabel 2×2 dengan df=1 dan salah satu selnya
memiliki frekuensi kurang dari 10.
Rumusnya adalah:
J. Chi Square Untuk Tabel Yang Baris dan Kolomnya Lebih Dari Dua Ketegori
Prinsip penggunaannya sama dengan Chi Square untuk Tabel 2×2 dan variabel tunggal..
Rumusnya adalah:
Advertisements
Report this ad
Report this ad
Share this:
TwitterFacebookGoogle
Related
Makalah Uji Tarik
In "Material Teknik"
Definisi Perancangan Sistem Kerja
In "Analisis Perancangan Sistem Kerja (APK)"
Software Rula & Reba
In "Software"
Categories: Statistika Industri
Organisasi Ergonomi Internasional
Materi Responsi APK & E
Leave a Reply
Your email address will not be published. Required fields are marked *
Post Comment
Notify me of new comments via email.
Search
Type and press enter
RECENT POSTS
Soal dan Pembahasan Probabilitas dan Statistika
The high-performance work system
Cara Settingan VPN Telkom Uiniversity
Soal Latihan UAS Fisika I

Materi Responsi APK & E
RECENT COMMENTS
alfattah on Makalah Uji Tarik
RevLan Doank on Makalah Uji Tarik
ARCHIVES
August 2014
January 2014
December 2013
CATEGORIES
Analisis Perancangan Sistem Kerja (APK)
Buku Ajar
Kegiatan Perkuliahan
Materi Kuliah
Material Teknik
Pengantar Ilmu Ekonomi
Probabilitas dan Statistika
Semester 1
Semester 2
Semester 3
Soal – Soal
Soal Fisika I
Soal-Soal Semester I
Software
SolidWorks
Statistika Industri
TeksBook
Tutorial
Uncategorized
META
Register
Log in
Entries RSS
Comments RSS
WordPress.com
GABUNG DI FACEBOOK
GABUNG DI FACEBOOK
STATISTIK PENGUNJUNG SEJAK TANGGAL 20 DESEMBER
Advertisements
Report this ad
Follow
Organisasi Ergonomi InternasionalMateri Responsi APK & E

ⓘ Baru saja dioptimalkan oleh GoogleLihat yang asli
http://statistik-kesehatan.blogspot.com/2011/04/uji-kai-kuadrat-chi-square-test.html?m=1
Blog Biostatistik
Sabtu, 09 April 2011
Uji Kai Kuadrat (Chi Square Test)
Uji kai kuadrat (dilambangkan dengan "χ2" dari huruf Yunani "Chi" dilafalkan "Kai") digunakan untuk
menguji dua kelompok data baik variabel independen maupun dependennya berbentuk kategorik atau
dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat
diskrit. Misalnya ingin mengetahui hubungan antara status gizi ibu (baik atau kurang) dengan kejadian
BBLR (ya atau tidak).
Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil observasi (O) dengan
frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan jika harga dari Kai Kuadrat sama atau
lebih besar dari suatu harga yang ditetapkan pada taraf signifikan tertentu (dari tabel χ2).
Uji Kai Kuadrat dapat digunakan untuk menguji :
1. Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).
2. Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).
3. Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)
Sebagai rumus dasar dari uji Kai Kuadrat adalah :
Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
df = (b-1) (k-1)
Dalam melakukan uji kai kuadrat, harus memenuhi syarat:
Sampel dipilih secara acak
Semua pengamatan dilakukan dengan independen
Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel dengdan frekuensi harapan
kurang dari 5 tidak melebihi 20% dari total sel
Besar sampel sebaiknya > 40 (Cochran, 1954)
Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai data yang diskrit
dengan pendekatan distribusi kontinu. Dekatnya pendekatan yang dihasilkan tergantung pada ukuran
pada berbagai sel dari tabel kontingensi. Untuk menjamin pendekatan yang memadai digunakan aturan
dasar “frekuensi harapan tidak boleh terlalu kecil” secara umum dengan ketentuan:
Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)
Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk menanggulanginyanya adalah dengan
menggabungkan nilai dari sel yang kecil ke se lainnya (mengcollaps), artinya kategori dari variabel
dikurangi sehingga kategori yang nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk
tabel 2x2 hal ini tidak dapat dilakukan, maka solusinya adalah melakukan uji “Fisher Exact atau Koreksi
Yates”
Contoh Kasus:
Suatu survey ingin mengetahui apakah ada hubungan Asupan Lauk dengan kejadian Anemia pada
penduduk desa X. Kemudian diambil sampel sebanyak 120 orang yang terdiri dari 50 orang asupan
lauknya baik dan 70 orang asupan lauknya kurang. Setelah dilakukan pengukuran kadar Hb ternyata dari
50 orang yang asupan lauknya baik, ada 10 orang yang dinyatakan anemia. Sedangkan dari 70 orang
yang asupan lauknya kurang ada 20 orang yang anemia. Ujilah apakah ada perbedaan proporsi anemia
pada kedua kelompok tersebut.
Jawab :
HIPOTESIS :
Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)
Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)
PERHITUNGAN :
Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini :
Kemudian tentukan nilai observasi (O) dan nilai ekspektasi (E) :
Selanjutnya masukan dalam rumus :
Perhitungan selesai, sekarang kita menentukan nilai tabel pada taraf nyata/alfa = 0.05. Sebelumnya kita
harus menentukan nilai df-nya. Karena tabel kita 2x2, maka nilai df = (2-1)*(2-1)=1.
Dari tabeli kai kudrat di atas pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.
KEPUTUSAN STATISTIK
Bila nilai hitung lebih kecil dari nilai tabel, maka Ho gagal ditolak, sebaliknya bila nilai hitung lebih besar
atau sama dengan nilai tabel, maka Ho ditolak.
Dari perhitungan di atas menunjukan bahwa χ2 hitung < χ2 tabel, sehingga Ho gagal ditolak.
KESIMPULAN
Tidak ada perbedaan yang bermakna proporsi antara kedua kelompok tersebut. Atau dengan kata lain
tidak ada hubungan antara asupan lauk dengan kejadian anemia.
REFERENSI
Murti, Bhisma. Penerapan Metode Statistik Non Parametrik Dalam Ilmu-ilmu Kesehatan. Jakarta:
PT.Gramedia Pustaka Utama, 1996.
Sabri, L., Hastono, SP. Statistik Kesehatan.Edisi Revisi. Jakarta: Rajawali Pers. 2008
Siegel, Sidney. Statistik Non Parametrik Untuk Ilmu-ilmu Sosial. Jakarta: PT.Gramedia Pustaka Utama,
1992.
Malonda Gaib di 9.4.11
19 komentar:
princess nina12 Desember 2011 08.34
terima kasih,, sekarang saya jadi tau bagaimana cara menghitung kai kuadrat dgn mudah ^^
JATNIKA28 Juli 2012 23.14
Ada beberapa hasil penelitian yang sudah dipublikasikan di internet, yang menggunakan chi square,
tetapi tidak sesuai dengan kaidah chi-square, membingungkan, tetapi setelah saya pelajari tulisan diatas
jadi terang benderang
jusnishara710 November 2012 18.21
saya mw nanya...sebenarnya kapan digunakan uji chi, korelasi, dan regresi?? apa perbedaan
penggunaan uji ini dalam kasus? tolong dijelaskan dengan bahasa yang mudah ya ^^
Malonda Gaib13 November 2012 08.05

Uji chi digunakan, jika varaibel yang kita hubungkan merupakan data kategorik vs kategorik, contoh di
atas Asupan lauk merupakan kategorik (baik, kurang) dan Anemipun demikian (Ya, tidak). Jika datanya
berupa kategorik (misal: ya, tidak) vs numerik (misal : berat badan (kg)), maka uji yang dilakukan adalah
UJI T. Sedangan jika datanya numerik (misal: berat badan)vs numerik (misal:umur), maka uji yang kita
gunakan adalah uji korelasi. Sedangkan uji regresi, tergantung untuk keperluan analissnya. Bisa menjadi
lanjutan analisis dari Uji korelasi, tapi dapt juga berfungsi sebagai uji statistik lainnya tergantung jumlah
variabel dprediktornya.
Semoga bermanfaat.
Effendi Sastra28 Mei 2014 15.29
Bisakah uji kai kuadrat digunakan untuk menguji 2 variabel independen dan 1 variabel dependen
kuantitatif?
nataniel raymond11 Mei 2015 14.24
sangat membantu.. simple dan mudah dipahami.. trims buat adminnya..
siti mutmainah4 Oktober 2015 23.33
terimakasih
Dea Pradita29 Oktober 2015 09.04
mudah dimengerti sangat bermamfaat terima kasih
Joni Saputra6 November 2015 17.50
posting yang untuk tabel 2x3 mana min
daeng sitakka16 November 2015 11.07
mkasihgang
....
Tri Wahyudi29 Maret 2016 22.44
Bapak yang baik bisa kh chi squar di hitung mengunakan uji tetes semoga yang menjawab di lancarkan
rezeki dan di beri kesehatan Amin
Purwanti Kayong22 Juni 2016 11.30
Terima kasih
Anugrah Agustina7 September 2016 14.59
terima kasih...
Unknown24 Desember 2016 21.13
jika dibawah tabel uji chi squre bertuliskan "1 ceels (25,0%)have expected count lessthan 5. the
minimum expected count is 4,02", artinya apa yah? apakah sy hrs beralih ke uji Fisher yah?
Akbar Rizky18 Februari 2017 09.14
Komentar ini telah dihapus oleh pengarang.
Jessica De9 Maret 2017 23.47
uji independensi diharapkan menghasilkan variabel yang dependen atau berhubungan agar bisa
dilanjutkan analisis, namun bagaimana mengatasi jika variabelnya independen? terima kasih :)
Sebastianus Darman22 April 2017 13.35
terimakasih sangat membantu pak.....
pak saya mau tanya ni jadi saya kan uji normal data menggunakan chi square dengan spss 16. jadi ada
pertanyaan dari dosen pembimbing saya kenapa chi square untuk mengetahui normal data melalui
nonparametric sementara kita mau uji normal datanya.... saya jadi bingung pak.... tolong bantu saya
pak.... saya dari universitas Flores Ende NTT
Olah Data Semarang23 April 2017 17.44
Jasa Olah Data SPSS
Bagi yang sedang kesulitan dalam melakukan pengolahan data skripsi, karya tulis, ataupun thesis, Olah
Data Semarang mau menawarkan Jasa Olah Data SPSS.
Jenis Pengolahan Data yg di Tawarkan Meliputi
Jasa Olah Data SPSS Meliputi :
1. Statistik Deskriptif :
- Frekuensi (Mean, Modus, Median, Std. Deviasi, dll)
- Tabulasi silang (Crosstab)
2. Uji Hipotesis :
- Uji T Berpasangan
- Uji T tidak berpasangan
- Oneway ANOVA
- Repeated ANOVA
- Chi Square
- Mann Whitney
- Kruskal-Wallis
- Wilcoxon
- Friedmann
- Spearman
- Fisher
- Kolmogorov-Smirnov
- Mc Nemar
- Probit
- Regresi Linier
3. Uji Instrumen Data :
- Uji validitas dan reliabilitas
4. Asumsi Klasik :
- Uji normalitas
- Multikolinearitas
- Autokorelasi
- Heteroskedastisitas
5. Cara Order
- Silahkan hubungi ane via WA/BBM untuk konsultasi awal
6. Contact :
- WA : 085227746673
- BBM : D04EBECB
- IG : @olahdatasemarang
- Website : http://biro-jasa-spss.blogspot.co.id
Usaha Kami terdaftar di Google Map Dengan Nama Olah Data Semarang
Yang tertarik Jasa Olah Data SPSS, kontak Olah Data Semarang aja ya... InsyaAllah Olah Data Semarang
akan layani Jasa Olah Data SPSS dengan sebaik2nya...
Albertus Garut8 September 2017 18.44
terimakasihhh...ini contoh dan penjelasan yang sangat bagus...thank you
‹›
Beranda
Lihat versi web
Diberdayakan oleh Blogger.

https://lolipopsri.wordpress.com/2012/05/20/pengujian-chi-kuadrat/
Menu
Search
Cari
lolipopsri
Just another WordPress.com site
Iklan
Report this ad
“PENGUJIAN CHI – KUADRAT”
Pengujian Chi-Kuadrat (x2)
1) Pendahuluan
Chi-kuadrat digunakan untuk mengadakan pendekatan dari beberapa vaktor atau mngevaluasi frekuensi
yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang diharapkan dari sampel apakah
terdapat hubungan atau perbedaan yang signifikan atau tidak.
Dalam statistik, distribusi chi square termasuk dalam statistik nonparametrik. Distribusi nonparametrik
adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi ini sangat bermanfaat
dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang populasi atau jika asumsi-
asumsi yang dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah :
Distribusi chi-square memiliki satu parameter yaitu derajat bebas (db).
Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak terhingga di sebelah
kanan.
Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
Luas daerah di bawah kurva normal adalah 1.
a) Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit
b) Uji Kebebasan
c) Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja)
pengujian hipotesis yang lain, yaitu luas daerah penolakan Ho atau taraf nyata pengujian
Metode Chi-kuadrat menggunakan data nominal, data tersebut diperoleh dari hasil menghitung.
Sedangkan besarnya nilai chi-kuadrat bukan merupakan ukuran derajat hubungan atau perbedaan.
Macam-macam bentuk analisa Chi-kuadrat :
Penaksiran standar deviasi
Pengujian hipotesis standar deviasi
Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data multinominal
Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji Chi-square dari tabel
kontingensi/tabel dwikasta/tabel silang
Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi peluang teoritisnya atau uji
Chi-square tentang goodness of fit
2) Ketentuan Pemakaian Chi-Kuadrat (X2)
Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik, maka
hendaknyamemperhatikan ketentuan-ketentuan sebagai berikut :
Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat kesamaan antara distribusi
teoretis dengan distribusi sampling chi-kuadrat.
Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban satu subjek tidak
berpengaruh terhadap jawaban subjek lain atau satu subjek hanya satu kali digunakan dalam analisis.
Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data frekuensi atau data kategori) atau
data kontinu yang telah dikelompokan menjadi kategori.
Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang diamati.
Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai ekspektasi yang sangat kecil.
Secara umum, bila nilai yang diharapkan terletak dalam satu sel terlalu kecil (< 5) sebaiknya chi-kuadrat
tidak digunakan karena dapat menimbulkan taksiran yang berlebih (over estimate) sehingga banyak
hipotesis yang ditolak kecuali dengan koreksi dari Yates.
Bila tidak cukup besar, maka adanya satu nilai ekspektasi yang lebih kecil dari 5 tidak akan banyak
mempengaruhi hasil yang diinginkan.
Pada pengujian chi-kuadrat dengan banyak ketegori, bila terdapat lebih dari satu nilai ekspektasi kurang
dari 5 maka, nilai-nilai ekspektasi tersebut dapat digabungkan dengan konsekuensi jumlah kategori akan
berkurang dan informasi yang diperoleh juga berkurang.
3) Besarnya Derajat Kebebasan
Pada pembahasan tentang distribusi ‘’ t ‘’, kita ketahui bahwa besarnya derajat kebebasan sama dengan
n – 1.
Pengujian hipotesis menggunakan distribusi chi-kuadrat yang terdiri dari 2 variabel dan masing-masing
variable terdiri dari beberapa kategori. Untuk menghitung banyaknya derajat kebebasan maka dibuat
table kontingensi. Misalnya terdapat 2 variabel di mana variable ke-1 terdiri dari 3 kategori dan veriabel
ke-2 terdiri dari 4 kategori. Dengan demikian dapat dibuat table kontingensi 3 x 4 sebagai berikut.
Variable 2
jumlah
Variabel 1
Tb
B
Tb
Tb
Tb
Tb
Tb
Jumlah
Keterangan :
B = dapat digunakan dengan bebas
Tb = tak bebas
X = nilainya diketahui
Jumlah nilai dari baris dan kolom disebut nilai marginal. Jika nilai marginal dari jumlah seluruhnya (grand
total) telah diketahui maka, pada baris pertama terdapat 3 nilai yang dapat ditentukan dengan bebas,
demikian pula dengan baris kedua, tetapi pada baris ketiga semuanya tidak bebas karena jumlah
marginal telah diketahui. Jadi, disini terdapat 6 nilai yang dapat ditentukan dengan bebas (2 x 3 = 6).
Secara umum rumus untuk menghitung derajat kebebasan pada pengujian hipotesis menggunakan chi-
kuadrat adalah sperti berikut.
dk = (jumlah baris – 1) (jumlah kolom – 1) atau
dk =(B–1) (K–1)
Pada contoh diatas, dk = ( 3 -1 ) ( 4 – 1 ) = 2 x 3 = 6
4) Menghitung Nilai Ekspektasi
Nilai ekspektasi adalah nilai yang kita harapkan terjadi sesuai dengan hipotesis penelitian. Nilai
ekspektasi dapat dihitung dengan perkalian antara nilai marginal kolom dan baris yang bersangkutan
dibagi dengan jumlah seluruhnya (N) atau grand total yang terletak pada sudut kanan tabel kontingensi.
Perhitungan nilai ekspektasi akan lebih jelas dengan contoh berikut.
Contoh :
Misalkan, seorang dokter rumah sakit menyatakan bahwa frekuensi anemia pada ibu hamil di rumah
sakit A sama dengan di rumah sakit B dan sama denga rumah sakit C. Pernyataan tersebut akan diuji
pada derajat kemaknaan 5%.
Pernyataan tersebut diuji dengan mengambil sampel secara independen pada ketiga rumah sakit
tersebut. Sampel yang diambil adalah ibu hamil yang datang memeriksakan diri ketiga rumah sakit
tersebu, masing – masing rumah sakit A = 50, rumah sakit B = 40, rumah sakit C = 60. Frekuensi anemia
ibu hamil selama pengamatan adalah sebagai berikut.
Rumah Sakit
Anemia
Tidak anemia
20
30
B
25
15
35
25
Untuk memudahkan menghitung nilai ekspektasi maka dibuat tabel kontingensi 3 x 2 seperti berikut :
Rumah Sakit
Anemia
Tidak anemia
Jumlah
1) 20
2) 30
50
3) 25
4) 15
40
5) 35
6) 25
60
Jumlah
80
70
150
Nilai hasil pengamatan = simbol O (observed)
Nilai ekspektasi = simbol E (expected)
Untuk memudahkan menghitung besarnya nilai ekspektasi maka setiap sel diberi nomor urut.
E1 = (50 x 80)/150 = 26,6
E2 = (50 x 70)/150 = 23,3
E3 = (40 x 80)/150 = 21,3
E4 = (40 x 70)/150 = 19,3
E5 = (60 x 80)/150 = 31,0
E6 = (60 x 70)/150 = 28,0
Rumus :
menguji hipotesis dengan x2
contoh :
Bila dari contoh diatas kita akan menguji pernyataan kepala rumah sakit tersebut maka perhitungannya
adalah seperti berikut ini :
Ho : f1 = f2 = f3
Ha : f1 ≠ f2 ≠ f3
(O – E)
(O – E)2
(O – E)2/E
20
26,6
3,4
11,56
0,43
30
23,3
6,7
44,89
1,93
25
21,3
3,7
13,69
0,64
15
19,3
-4,3
18,49
0,96
35
32,0
3,0
9,00
0,28
25
28,0
-3,0
9,00
0,32
Jumlah
4,56
Pada tabel 3 x 2 tersebut, dk = (3 – 1) (2 – 1) = 2; pada tabek x2, cari x2 dengan dk = 2 dan ditulis sebagai
berikut.
X2 dk = 2 0,05 = 5,991 (dari tabel x2)
X2 dari hasil perhitungan adalah4,56, sedangkan x2 yang didapat dari tabel adalah 5,991. Karena 4,56 <
5,991 maka x2 = 4,56 terletak didaerah penerimaan atau dengankata lain hipotesis diterima pada =
0,05.
Kesimpulan, tidak terdapat perbedaan frekuensi anemia pada ketiga rumah sakit tersebut.
5) Pengujian Hipotesis Tentang Kesamaan Beberapa Proporsi
Chi-kuadrat dapat digunakan untuk menguji beberapa proporsi, mislanya, kita memperoleh beberapa
proporsi P1, P2, P3 . . . . Pk dengan kategori x1, x2, x3 . . . . xk yang bersifat independen dan kita ingin
mengetahui apakah perbedaan proporsi hasil pengamatan memang benar berbeda atau karena faktor
kebetulan. Untuk menyelesaikan masalah tersebutdilakukan pengujian dengan x2.
E1 = np1 , E2 = np2 , E3 = np3 . . . . Ek = npk
Ho : P1 = P2 = P3 . . . . Pk
Ha : P1 ≠ P2 , P3 . . . . Pk
dk = banyaknya kategori – 1 = (k – 1)
Ho akan diterima bila hasil perhitungan x2 lebih kecil daripada x2 yang terdapat dalam tabel dengan dk =
k – 1 pada derajat kemaknaan .
Contoh :
Misalnya, dinyatakan bahwa status gizi anaka balita disuatu daerah mempunyai perbandingan yang
sama, gizi baik = gizi sedang = gizi kurang = gizi buruk.
Untuk mengetahui apakah pernyataan tersebut dapat dipercaya maka dilakukan tersebut dan diperoleh
hasil sebagai berikut.
30 anak dengan gizi baik, 35 anak dengan gizi sedang, 20 anak dengan gizi kurang dan 15 anak dengan
gizi buruk.
Pengujian dilakukan pada derajat kemaknaan 0,05.
Hipotesis :
Ho : p = p1 = p2 = p3 = p4
Ha : p ≠ p1 = p2 = p3 = p4
atau antara p1 , p2 , p3 dan p4 tidak sama
n = 30 + 35 + 20 + 15 = 100
= 0,05; dk = (k – 1) = 4 – 1 = 3
Hasil pengamatan (observed) status gizi : 30 , 35 , 20 dan 15 atau
O1 = 30 ; O2 =35 ; O3 = 20 ; O4 = 15.
Nilai ekspektasi, karena hipotesis nol dan semua proporsi sama maka diharapkan semua nilai dengan
proporsi status gizi yang sama.
E1 = np = 100 x 0,25 = 25
E2 = 100 x 0,25 = 25
E3 = 100 x 0,25 = 25
E4 = 100 x 0,25 = 25
x2 = x12 + x22 + x32 + x42
= {(O1 – E1)2/ E1} + {(O2 – E2)2/ E2} + {(O3 – E3)2/ E3} + {(O4 – E4)2/ E4}
= {(30 – 25)2/25} + {(35 – 25)2/25} + {(20 – 25)2/25} + {(15 – 25)2/25}

= 10
Pada tabel x2 didapatkan bahwa x20,05 dk = 3 = 7,815
Karena 10 > 7,815 maka x2 = 10 berada diluar daerah penerimaan atau dengan kata lain hipotesis
ditolak pada derajat kemaknaan 0,05 atau p < 0,05.
Kesimpulannya, proporsi status gizi anak balita didaerah tersebut tidak sama.
Hasil pemeriksaan antropometrik status gizi anak dengan perbandingan gizi baik, sedang, kurang dan
buruk adalah 5 : 4 : 2 : 1.
Untuk menguji apakah hasil antropometrik dengan perbandingan tersebut benar, dilakukan
pengambilan sampel dengan hasil gizi baik = 30, gizi sedang = 40, gizi kurang = 10 dan gizi buruk = 10.
Hipotesis statistik :
Ho : p = 5 : 4 : 2 : 1
Ha : p ≠ 5 : 4 : 2 : 1
Kalau dianggap bahwa perbandingan tersebut benar maka diharapkan mempunyai perbandingan
sebagai berikut.
P1 =5∕12 x 90 = 37
P2 = 4∕12 x 90 = 30
P3 = 2∕12 x 90 = 15
P4 = 1∕12 x 90 = 8
Agar lebih jelas, ini dapat disajikan dalam bentuk tabel sebagai berikut
Gizi baik
Gizi sedang
Gizi kurang
Gizi buruk
30
40
10
10
37
30
15
X2 = {(30 – 37)2/37} + {(40 – 30)2/30} + {(10 – 15)2/15} + {(10 – 8)2/8} = 5,82
X2 dk 3, 0,05 = 7,815
Hipotesis diterima pada derajat kemaknaan 0,05 atau p > 0,05.
Kesimpulann:
kita 95% percaya bahwa proporsi status gizi didaerah tersebut 5 : 4 : 2 : 1.
6) Chi-Kuadrat Untuk Pengujian Independensi
Dibidang kedokteran tidak jarang kita menemukan dua variabel dimana masing – masing variabel terdiri
dari beberapa kategori,misalnya tingkat beratnya penyakit dengan tingkat kesembuhan. Bila kita ingin
mengetahui apakah diantara dua variabel tersebut terdapat hubungan atau tidak, dengan kata lain
apakah kedua variabel tersebut bersifat dependen atau independen, maka pengujian hipotesis
dilakukan dengan x2.
Interpretasi hasil pengujian ialah apabila hipotesis nol diterima, berarti tidak ada hubungan
(independen), tetapi bila hasilnya menolak hipotesis nol maka dikatakan kedua variabel tersebut
mempunyai hubungan atau dependen. Rumus yang digunakan adalah rumus umum x2.
Contoh :
Sebuah penelitian dilakukan oleh seorang kepala rumah sakit untuk mengetahui apakah ada hubungan
antara tingkat pendidikan dengan kelas ruang rawat inap. Untuk kepentingan tersebut diambil sampel
sebanyak 200 orang penderita dengan hasil sebagai berikut.
Ho : variabel 1 dan variabel 2 disebut independen
Ha : variabel 1 dan variabel 2 disebut dependen
1) 70 orang dengan pendidikan SD

20 memilih kelas 1
40 memilih kelas 2
10 memilih kelas 3
2) 50 orang berpendidikan SLTP
25 memilih kelas 1
15 memilih kelas 2
10 memilih kelas 3
3) 40 orang berpendidikan SLTA
15 memilih kelas 1
10 memilih kelas 2
15 memilih kelas 3
4) 40 orang berpendidikan akademi dan perguruan tinggi
20 memilih kelas 1
5 memilih kelas 2
15 memilih kelas 3
Data diatas dapat disajikan dalam bentuk tabel sebagai berikut.
Kelas ruang
Pendidikan
Jumlah
SD
SLTP
SLTA
PT
1
20
25
15
20
80
40
15
10
70
10
10
15
15
50
Jumlah
70
50
40
40
200
Hasil perhitungan :
O
(O – E)
(O – E)2
(O – E)2/E
20
28
-8
64
2,29
25
20
25
1,25
15
16
-1
0,06
20
16
16
1,00
40
24,5
15,5
240,25
9,81
15
17,5
-2,5
6,25
0,06
10
14
-4
16
1,14
14
-9
81
5,75
10
12,5
-2,5
6,25
0,50
10
17,5
-7,5
56,25
3,21
15
10
25
2,5
15
10
25
2,5
Jumlah
30,11
X2 = 0,05, dk 6 = 12,59
Hipotesis ditolak pada derajat kemaknaan 0,05 atau p > 0,05.
Kesimpulannya, kita 95% percayat bahwa terdapat hubungan antara tingkat pendidikan dengan kelas
ruang rawat inap.
Grafik :
7) Tabel Kontingensi 2 x 2 dan Uji x2
Bila hasil pengamatan terdiri dari dua variabel dan masing-masing hanya terdiri dari 2 kategori maka
dapat dibuat tabel kontingensi 2 x 2. Dalam hal demikian, bila sampelnya cukup besar maka perhitungan
chi-kuadrat dapat dilakukan dengan rumus chi-kuadrat yang lazim digunakan.
Tabel kontingensi 2 x 2 secara umum dapat kita gambarkan seperti berikut.
Variabel Dependen
II
Variabel Independen
a + b = r1
c + d = r2
a + c = s1
b + d = s2
atau
Contoh:
Hasil penelitian mengenai tingkat tekanan psikologis dikaitkan dengan usia responden yang diakibatkan
pekerjaanya tampak pada tabel berikut :
Umur (th)
Derajat tekanan (banyaknya pramuniaga)
Rendah
Menengah
Tinggi
< 25
20
18
22
25 – 40
50
46
44
40 – 60
58
63
59
> 60
34
43
43
Total
162
170
168
Ujilah apakah ada hubungan antara usia dan tingkat tekanan psikologis pada taraf natay sebesar 0,01 ?
Pemecahan :
Formulasi
H0 : Tidak terdapat hubungan antara usia dengan tingkat tekanan psikologis
Ha : Ada hubungan antara usia dengan tingkat tekanan psikologis
Hitung derajat bebas.
df = (jumlah baris – 1) x (jumlah kolom – 1)
df = (4 – 1)(3 –1) = 6
taraf nyata = 0,01
Nilai kritis (X2 tabel) = 16,812
Hitung frekuensi yang diharapkan dengan rumus
Frekuensi yang diharapkan
Umur (th)
Derajat tekanan (banyaknya pramuniaga)
Rendah
Menengah
Tinggi
Total
Fo
Fe
Fo
Fe
Fo
Fe
Fo
Fe
< 25
20
19
18
20
22
20
60
60
25 – 40
50
46
46
48
44
48
140
140
40 – 60
58
58
63
61
59
60
180
180
> 60
34
32
43
41
43
40
120
120
Total
162
162
170
170
168
168
500
500
Hitung X2
X2 = (20-19)2/19 + (18-20)2/20 + (22-20)2/20+(50-45)2/45 + (46-48)2/48
+ (44-47)2/47 +(58-58)2/58 + (63-61)2/61 + (59-60)2/60 +(34-39)2/39
+ (43-41)2/41 + (43-40)2/40
X2 = 2,191
Kesimpulan , Karena 2,191 < 16,812, maka ho diterima berarti tidak ada hubungan antara usia dengan
tekanan psikologis.
Contoh lain:
Suatu penelitian ingin mengetahui: “apakah ada perbedaan cita-cita kelak setelah tamat S1 diantara
mahasiswa & mahasiswi AN Fisip UNS semester-VII?”
Hipotesis:
H0 = tidak ada perbedaan antara mahasiswa dan mahasiswi dalam hal cita-cita mereka kelak setelah
tamat S1.
Ha = proporsi mahasiswi lebih banyak yang bercita-cita sebagai PNS setelah mereka tamat S1 ketimbang
mahasiswa.
Tabel kerja:
Cita-Cita
Mahasiswa
Mahasiswi
Jumlah
PNS
10
11
21
Bukan PNS
46
13
59
Jumlah
56
24
80
Perhitungan:
Besarnya degree of freedom (df) :
Df = (k-1) (b-1)
= (2-1) (2-1)
=1
Adapun contoh lain…
Misalkan, kita akan meneliti efek semacam obat influenza. Untuk kepentingan tersebut diambil 2
kelompok penderita yang masing-masing 10 orang penderita influenza.
Kelompok 1 diberi obat, sedangkan kelompok 2 diberi plasebo. Setelah 3 hari kemudian dievaluasi dan
hasilnya pada kelompok 1 terdapat 7 orang sembuh dan 3 orang tidak, sedangkan kelompok 2 terdapat
4 orang sembuh dan 6 orang tidak.
Derajat kemaknaan 0,05
H0 : obat plasebo
Ha : obat plasebo
Efek
Sembuh
Tidak
Total
Obat
10
Plasebo
10
Jumlah
11
20
Hipotesis diterima pada derajat kemaknaan 0,05. Kesimpulannya, kita 95% percaya bahwa obat tersebut
tidak mempunyai efek terhadap penyembuhan influenza.
8) Koreksi Kontinuitas Pada Tabel 2 x 2 (Yates)
Bila kita gunakan rumus diatas untuk menyelesaikan pengujian chi-kuadrat dengan tabel 2×2 dengan
derajat kebebasan (dk) satu, maka akan terjadi penaksiran yang berlebih terutama bila hasil
pengamatan merupakan frekuensi yang kecil sehingga banyak terjadi penolakan hipotesis. Hal ini
disebabkan terjadinya pendekatan distribusi binomial ke distribusi normal.
Untuk mengatasi hal tersebut maka dilakukan koreksi yang dikenal dengan koreksi kontinuitas yang
ditemukan oleh F Yates pada tahun 1934. Oleh karena itu, koreksi tersebut dikenal dengan koreksi
Yates.
Koreksi Yates adalah aturan yang diusulkan oleh F.Yates (1934), dimaksudkan sebagai suatu nilai koreksi
terhadap hasil distribusi kontinu berdasarkan hasil dari data diskrit, koreksi Yates ini sebagai upaya
untuk mengkontinukan tingkat penyebaran data dalam pengujian tabel kontingensi 2×2, agar lebih baik
sebaran hampirannya (Murti, 1996).
Tabel 2 x 2 secara umum dapat kita gambarkan seperti berikut.
Variabel Dependen
II
Variabel Independen
a + b = r1
c + d = r2
a + c = s1
b + d = s2
Dalam menurunkan distribusi statistic χ2 perlu diperhatikan bahwa distribusi chi-kuadrat bertipe
kontinu, maka untuk mereduksi akibat penghampiran a , Yates mengusulkan sebuah koreksi
kekontinuan. Yaitu anggap frekuensi pengamatan dapat diambil semua nilai yang mungkin pada suatu
selang kontinu dengan cara mengambil jarak ½ unit dari bilangan yang diperoleh.
Faktor koreksi tersebut ialah dikurangi sebelum dihitung sehingga rumusnya menjadi seperti berikut.
atau
Budiarto (2002), menyarankan bahwa untuk menggunakan koreksi Yates pada kondisi sebagai berikut :
1. Sampel kecil
2. Tabel kontingensi 2×2
3. Nilai ekspektasi < 5
4. dk = 1
Namun demikian penggunaan koreksi Yates tidak disarankan/diperlukan lagi, bila N terlampau banyak.
Dahulu koreksi Yates banyak digunakan, namun akhir-akhir ini manfaatnya dipertanyakan. Bahkan
Grizzle (1967) menganjurkan untuk tidak menggunakan koraksi Yates, karena cenderung memperbesar
kesalahan tipe II (tidak menolak Ho, padahal Ho salah) (Murti, 1996)
Contoh:
Dari contoh efek semacam obat untuk influenza. Pada penelitian ini diambil 2 kelompok penderita
influenza masing-masing 10 orang.
Kelompok 1 diberi obat, sedangkan kelompok 2 diberi plasebo. Setelah 3 hari kemudian dievaluasi dan
hasilnya pada kelompok 1 terdapat 7 orang sembuh dan 3 orang tidak, sedangkan kelompok 2 terdapat
4 orang sembuh dan 6 orang tidak.
Derajat kemaknaan 0,05
H0 : obat plasebo
Ha : obat plasebo
Efek
Sembuh
Tidak
Total
Obat
7
3
10
Plasebo
10
Jumlah
11
20
Dengan koreksi Yates, hasil perhitungan nilainya lebih kecil daripada tanpa koreksi walaupun hasilnya
juga tidak bermakna.
Kriterianya diterimanya hipotesis adalah bila nilai hasil perhitungan lebih kecil dari 3,84. Dari hasil
tersebut hipotesis diterima. Kesimpulannya, kita 95 % percaya bahwa obat tersebut tidak berhasiat
untuk menyembuhkan influenza.
Grafik.
Adapun contoh lain….
Yang berikut adalah data hasil pengumpulan pendapat masyarakat terhadap dua calon pemimpin.
Pendapat
Ya
Tidak
Total
Calon
A
37
22
59
18
25
Jumlah
55
29
84
Untuk penngujian hipotesis bahwa tidak terdapat perbedaan yang nyata mengenai pendapat
masyarakat terhadap kedua calon itu diperlukan nilai.
Dalam kedua taraf nyata = 0,01 dan =0,05 hipotesis diterima
Walaupun telah dilakukan koreksi, tetapi masih terjadi keraguan pendekatan distribusi chi-kuadrat ke
distribusi normal. Hal ini terjadi bila frekuensi terlalu kecil.oleh karena itu, R.A. Fisher, J.O. Irwin, dan F.
Yates mengusulkan perhitungan chi-kuadrat dilakukan eksak tes yang dikenal dengan Fisher probability
exact test
Fisher probability exact test merupakan salah satu metode statistik non parametrik untuk menguji
hipotesis. Prosedur ini ditemukan oleh R.A. Fisher pada pertengahan tahun 1930. Pada penelitian dua
variabel dengan data yang dinyatakan dalam persen, pengujian hipotesis dapat dilakukan dengan
statistik parametrik chi-kuadrat. Bila sampel yang digunakan terlalu kecil (n<20) dan nilai ekspektasi < 5
maka chi-kuadrat tidak dapat digunakan walaupun telah mengalami koreksi dari Yates. Untuk mengatasi
kelemahan uji chi-kuadrat tersebut digunakan Fisher probability exact test (Budiarto, 2002).
Menurut Sugiyono, (2005), uji exact fisher digunakan untuk menguji signifikansi hipotesis komparatif
dua sampel kecil independen bila datanya berbentuk nominal. Untuk memper-mudahkan perhitungan.
Dalam pengujian hipotesis, maka data hasil pengamatan perlu disusun ke dalam tabel kontingensi 2 x 2
(Sugiyono, 2005).
Fisher exact tes ini lebih akurat daripada uji chi-kuadrat untuk data-data berjumlah sedikit. Walaupun uji
ini biasanya digunakan pada tabel sebanyak 2 x 2, namun kita dapat melakukan Uji exact Fisher dengan
jumlah tabel yang lebih besar.
Rumus dasar yang digunakan untuk pengujian exact fisher yaitu sebagai berikut:
Atau…..
Fisher Exact Test
Cohran (1954) dalam Siegel (1992) menganjurkan untuk menggunakan uji exact fisher bila pada uji chi-
kuadrat dilakukan dengan sampel kecil tersebut akan baik bila digunakan pada kondisi sebagai berikut :
Bila sampel total kurang dari 20 atau
bila jumlah sampel 20 < n < 40 dengan nilai ekspektasinya <5
Pada nilai marginal yang tetap dapat disusun berbagai kombinasi. Dari setiap kombinasi yang dihasilkan
dapat dihitung selisih persentase antara yang berhasil (+) dan tidak berhasil (-) dan dihitung nilai p
menggunakan rumus di atas.
Hasil perhitungan persentase setiap kombinasi dan nilai p dapat disusun dalam bentuk tebel. Melalui
tabel tersebut kita dapat segera mengetahui besarnya p dari selisih persentase (+) dan (-) (Budiarto,
2002).
Keuntungan dan kerugian dengan menggunakan Uji exact Fisher yaitu sebagai berikut (Budiarto, 2002) :
Keuntungan :
Hasilnya langsung dengan nilai p yang pasti
Tes hanya didasarkan atas hasil pengamatan yang nyata
Tidak dibutuhkan asumsi populasi berdistribusi normal

Tidak dibutuhkan asumsi kedua kelompok yang diambil dari populasi secara random.
Kerugian :
Sulit untuk dilakukan ekstrapolasi terhadap populasi studi
Ahli statistika yang beranggapan bahwa tujuan akhir uji statistik adalah mengadakan estimasi terhadap
parameter populasi tidak setuju dengan uji Fisher.
9) Pengujian Hipotesis Chi-Kuadrat Pada Data Binomial
Bila data yang akan diuji merupakan data binomial dengan probilitas terjadinya sesuatu = p dan
probabilitas lain = q maka pengujiannya dilakukan dengan mengambil sampel sebesar n, dimana dalam
sampel tersebut terdapat kategori x. Frekuensi yang diharapkan pada probabilitas yang diharapkan = np.
Contoh:
Penderita yang dirawat di bagian ilmu kesehatan anak terdiri 40% wanita dan 60% laki-laki. Bila ingin
diuji apakah pernyataan tersebut dapat dipercaya maka hasilnya sebagai berikut.
Untuk menguji hipotesis tersebut diambil sampel sebanyak 50 anak yang dirawat dibagian ilmu
kesehatan anak dengan hasil 27 anak perempuan dan 23 anak laki-laki.
Hipotesis Statistik:
H0 : p 0,4
Ha : p 0,4
Nilai Ekspektasi:
Wanita : 0,4 × 50 = 20
Laki-laki : 0,6 × 50 = 30
Hipotesis diterima pada derajat kemaknaan 0,05 atau p > 0,05
Kesimpulannya, kita 95% percaya bahwa penderita yang dirawat di bagian ilmu kesehatan anak 40%-nya
adalah wanita.
Grafik.
Derajat Hubungan (Koefisien Kontingensi C)
Kegunaan teknik koefisien kontingensi yang diberi simbol C, adalah untuk mencari atau menghitung
keeratan hubungan antara dua variabel yang mempunyai gejala ordinal (kategori), paling tidak berjenis
nominal.
Cara kerja atau perhitungan koefisien kontingensi sangatlah mudah jika nilai Chi-kuadrat sudah
diketahui. Oleh karena itu biasanya para peneliti menghitung harga koefisien kontingensi setelah
menentukan harga Chi-kuadrat. Test signifikansi yang digunakan tetap menggunakan tabel kritik Chi-
kuadrat, dengan derajat kebebasan (db) sama dengan jumlah kolom dikurangi satu dikalikan dengan
jumlah baris dikurangi satu (b-1)(k-1).
Untuk mengetahui asosiasi /kekuatan/derajat hubungan/relasi antara dua perangkat atribut. Rumus
yang digunakan untuk menghitung koefisien kontingensi adalah :
contoh: bila dalam tabel kontingensi dudah dihitung nilai x2 = 144,12 dengan N = 668, didapat
Agar harga C dapat dipakai untuk menilai derajat asosiasi antara faktor-faktor atu nutuk mengukur
kekuatan hubungan, maka nilai C harus dibandingkan dengan koefisien kontingensi maksimum yang bisa
terjadi.
Nilai C maksimum dapat dihitung dengan rumus berikut.
Cmaks
m = jumlah minimum baris dan kolom tabel kontingensi
Contoh : bila tabel kontingensi terdiri dari 3 baris dan 4 kolom maka minimumnya 3 , sehingga
Cmaks
Penilaian
Makin dekat nilai C dengan Cmaks maka makin besar derajat asosiasi, antara faktor-faktor tersebut atau
dengan kata lain tingkat dependensi diantara kedua faktor makin besar.
Daftar Pustaka
Arini, Sukma. 2011. Uji χ² (Uji Chi-Kuadrat/Uji Kecocokan) kasus satu sampel.
http://arini2992.blogspot.com/2011/05/uji-uji-chi-kuadratuji-kecocokan-kasus.html diakses tanggal 10
April 2012 pukul 13.15 WIB
Budiarti,Eko. 2001. Biostatistika untuk kedokteran dan kesehatan masyarakat .cetakan I. Jakarta : EGC
Budiarto, 2002. Analisis Data Katagorik (B). http://vinaserevinafisika-

unj.blogspot.com/2011_12_01_archive.html diakses pada tanggal 11 April 2012 pukul 14.20 WIB
Budiarto,Eko. 2002. Biostatistik untuk Kedokteran dan Kesehatan Masyarakat. Jakarta : EGC
Rizki, Dwiki. 2011. Uji Chi-Kuadrat. http://ilerning.com/index.php?

option=com_content&view=article&id=693:uji-chi-kuadrat-edit-mar&catid=39:hipotesis&Itemid=70
diakses tanggal 13 April pukul 08.35 WIB
Sudjana. 1982. Metoda Statistika edisi II. Bandung : Tarsito
Sugiyono, 2005. Analisis Data Katagorik (B). http://vinaserevinafisika-

unj.blogspot.com/2011_12_01_archive.html diakses pada tanggal 11 April 2012 pukul 14.20 WIB
Iklan
Report this ad
Share this:
Twitter
Facebook
Terkait
MAKALAH EPIDEMIOLOGI KONSEP INVESTIGASI WABAH
MAKALAH PELAYANAN KB PELAYANAN KONTRASEPSI DENGAN IUD
MAKALAH ANATOMI SISTEM RESPIRASI
Mei 20, 2012Leave a reply
Iklan
Report this ad
« Sebelumnya
Berikutnya »
Iklan
Report this ad
Tinggalkan Balasan
Alamat surel Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *
Komentar
Nama
Surel
Situs Web
Kirim Komentar
Beri tahu saya komentar baru melalui email.
Iklan
Report this ad
Iklan
Report this ad
View Full Site
Blog di WordPress.com.
Ikuti
Langsung ke konten utamaBerandaAbout

ⓘ Baru saja dioptimalkan oleh GoogleLihat yang asli
http://fitritp14.blogspot.com/2014/06/uji-chi-kuadrat.html?m=1
Rabu, 18 Juni 2014
uji Chi- Kuadrat
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik diartikan sebagai kumpulan data bilangan maupun non bilangan yang disusun dalam tabel atau
diagram yang menggambarkan suatu persoalan (Sudjana 2005: 2). Sedangkan statistika diartikan sebagai
ilmunya. Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,
pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisisan yang dilakukan (Sudjana 2005: 3). Disadari atau tidak, statistika sudah banyak digunakan
dalam kehidupan sehari-hari. Statistika sangat penting digunakan dalam bidang teknik, industri, bisnis,
ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan, sosiologi, antropologi,
pemerintahan, pendidikan, dan sebagainya.
Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari masalah statistika.
Masalah statistika dapat diselesaikan dengan metode-metode statistik. Dalam dunia perkuliahan, para
mahasiswa yang skripsi atau tugas akhirnya berupa studi kasus atau penelitian biasanya menggunakan
metode statistika untuk menyelesaikan analisis data skripsi atau tugas akhir.
Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada mahasiswa jurusan matematika
saja. Akan tetapi seluruh mahasiswa disemua jurusan diajarkan mata kuliah tersebut. Hanya saja
penekanan metode statistika pada mahasiswa jurusan matematika lebih mendalam sehingga
pemahaman mereka mengenai statistika lebih paham daripada mahasiswa dari jurusan lain. Karena
membahas berbagai pengolah data data penelitian.
Dalam proses pengolah data banyak dilakukan berbagai pengujian sampai hasil penelitian itu dikatakan
valid atau diterima. Pada makalah ini akan dibahas tentang pengujian Chi-Kuadrat atau disebut juga
dengan Chi Square.
BAB II
PEMBAHASAN
Pengertian dan Kegunaan Uji Chi-Kuadrat
Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi atau yang
benar-benar terjadi atau aktual dengan frekuensi harapan. Yang dimaksud dengan frekuensi harapan
adalah frekuensi yang nilainya dapat di hitung secara teoritis (e). sedangkan dengan frekuensi observasi
adalah frekuensi yang nilainya di dapat dari hasil percobaan (o).
Chi-kuadrat ini digunakan untuk mengadakan pendekatan dari beberapa vaktor atau mngevaluasi
frekuensi yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang diharapkan dari sampel
apakah terdapat hubungan atau perbedaan yang signifikan atau tidak.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah:
Ø Distribusi chi-square memiliki satu parameter yaitu derajat bebas (db).

Ø Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak terhingga di sebelah
kanan.
Ø Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
Ø Luas daerah di bawah kurva normal adalah 1.
b) Uji Kebebasan
v Penaksiran standar deviasi
v Pengujian hipotesis standar deviasi
v Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data multinominal
v Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji Chi-square dari tabel
v Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi peluang teoritisnya atau
uji Chi-square tentang goodness of fit
1) Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat kesamaan antara
distribusi teoretis dengan distribusi sampling chi-kuadrat.
2) Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban satu subjek tidak
3) Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data frekuensi atau data kategori)
atau data kontinu yang telah dikelompokan menjadi kategori.
4) Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang diamati.
5) Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai ekspektasi yang sangat
kecil. Secara umum, bila nilai yang diharapkan terletak dalam satu sel terlalu kecil (< 5) sebaiknya chi-
kuadrat tidak digunakan karena dapat menimbulkan taksiran yang berlebih (over estimate) sehingga
banyak hipotesis yang ditolak kecuali dengan koreksi dari Yates.
mempengaruhi hasil yang diinginkan. Pada pengujian chi-kuadrat dengan banyak ketegori, bila terdapat
lebih dari satu nilai ekspektasi kurang dari 5 maka, nilai-nilai ekspektasi tersebut dapat digabungkan
dengan konsekuensi jumlah kategori akan berkurang dan informasi yang diperoleh juga berkurang.
3) Uji Distribusi Normal menggunakan uji Chi Kuadrat
Uji normalitas dengan Chi Kuadrat (X2) dipergunakan untuk menguji data dalam bentuk data kelompok
dalam tabel distribusi frekuensi. Seperti halnya uji Liliefors, uji normalitas dengan uji Chi-Kuadrat
dilakukan dengan langkah-langkah:
Pertama-tama, tentukan taraf signifikansi, misalkan 0,05 untuk menguji hipotesis:
Ho: Sampel berasal dari populasi berdistribusi normal.
Ha: Sampel tidak berasal dari populasi berdistribusi normal.
dengan kriteria pengujian:
Jika X2hitung < X2tabel terima Ho
Jika X2hitung > X2tabel tolak Ho
Kedua, lakukan langkah-langkah uji normalitas dengan chi kuadrat (X2) sebagai berikut:
1. Membuat daftar distribusi frekuensi dari data yang berserakan ke dalam distribusi frekuensi data
kelompok (jika data belum disajikan dalam tabel disitribusi frekuensi kelompok).
2. Mencari rerata (mean) data kelompok
3. Mencari simpangan baku data kelompok
4. Tentukan batas nyata (tepi kelas) tiap interval kelas dan jadikan sebagai Xi(X1, X2, X3, ..., Xn).
Kemudian lakukan konversi, setiap nilai tepi kelas (Xi) menjadi nilai baku Z1, Z2, Z3, ..., Zn. Dimana nilai
baku Zi ditentukan dengan rumus Zi = (Xi - )/s
5. Tentukan besar peluang setiap nilai Z berdasarkan tabel Z (luas lengkungan di bawah kurva normal
standar dari 0 ke Z, dan disebut dengan F(Zi)).
6. Tentukan luas tiap kelas interval dengan cara mengulangi nilai F(z) yang lebih besar diatas atau
dibawahnya.
7. Tentukan Ei (frekuensi eskpektasi) dengan cara membagi luas kelas tiap interval dibagi number of
cases (n).
8. Masukkan frekuensi observasi (faktual) sebagai Oi
9. Cari nilai setiap interval
10. Tentukan nilai X2hitung setiap interval
11. Tentukan nilai X2tabel pada taraf signifikansi dan derajat kebebasan k-1 dengan k adalah banyaknya
kelas/kelompok interval
12. Bandingkan jumlah total X2hitung dengan X2tabel
13. Apabila X2hitung < X2tabel maka sampel berasal dari populasi yang berdistribusi normal, dan jika
X2hitung > X2tabel maka sampel berasal dari populasi tidak normal
Rumus Chi Kuadrat yang digunakan adalah :
Keterangan:
Contoh soal:
Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil sebuah sampel acak
berukuran 100. Dicatat dalam distribusi frekuensi, hasilnya sebagai berikut:
Tabel Tinggi 100 mahasiswa
Tinggi (cm)
140-144
145-149
10
150-154
16
155-159
23
160-164
21
165-169
17
170-174
Jumlah
100
Apakah hipotesis sampel itu berasal dari distribusi normal pada taraf nyata = 0,05 dan = 0,01 dan dk =
(k-3)?
Penyelesaian:
Tinggi (cm)
Fi
Xi
fiXi
Xi-
fi
140-144
142
994
-15,8
249,64
1747,48
145-149
10
147
1470
-10,8
116,64
1166,4
150-154
16
152
2432
-5,8
33,64
538,24
155-159
23
157
3611
-0,8
0,64
14,72
160-164
21
162
3402
4,2
17,64
370,44
165-169
17
167
2839
9,2
84,64
1438,88
170-174
172
1032
14,2
201,64
1209,84
Jumlah
100
15780
6486
= = = 157,8.
S= = = 8,09
Setelah didapat dan s = 8,09. Selanjutnya perlu ditentukan batas-batas kelas interval untuk menghitung
luas dibawah kurva normal bagi setiap interval. Kelas interval kesatu dibatasi oleh 139,5 dan 144,5 atau
dalam angka standar z dibatasi oleh -2,26 dan -1,64. Luas dibawah kurva normal untuk interval kesatu =
0,4881-0,4495 = 0,0386, sehingga frekuensi teoritik untuk kelas interval ini = 100 × 0,0386 = 3,9. Jika
perhitungan yang sama dilakukan untuk kelas-kelas interval lainnya, didapat hasil dibawah ini:
Tabel frekuensi diharapkan dan Pengamatan
Batas kelas (x)
Z untuk batas kelas
Luas tiap kelas interval
Frekuensi diharapkan ()
Frekuansi pengamatan (
139,5
-2,26
0,0386
3,9
144,5
-1,64
0,1010
10,1
10
149,5
-1,03
0,1894
18,9
16
154,5
-0,41
0,2423
24,2
23
159,5
+0,21
0,2135
21,4
21
164,5
+0,83
0,1298
13,0
17
169,5
+1,45
0,0538
5,4
174,5
+2,06
Dengan menggunakan rumus:
= 4,27.
Dari daftar distribusi frekuensi dapat dilihat bahwa banyak kelas k = 7, sehingga dk untuk distribusi chi-
kuadrat = 4. Diperoleh = 9,49 dan = 13,3.
Dari hasil diatas diperoleh hitung < tabel. Maka dapat disimpulkan bahwa hipotesis sampel itu berasal
dari distribusi normal atau diterima.
BAB III
PENUTUP
Kesimpulan
a. Uji normalitas data dengan menggunakan Chi Kuadrat, data harus berdistribusi frekuensi atau
data bergolong.
b. Uji normalitas data dengan menggunakan uji Chi Kuadrat langkah-langkahnya adalah:
dibawahnya.
cases (n).
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik diartikan sebagai kumpulan data bilangan maupun non bilangan yang disusun dalam tabel atau
diagram yang menggambarkan suatu persoalan (Sudjana 2005: 2). Sedangkan statistika diartikan sebagai
ilmunya. Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,
pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisisan yang dilakukan (Sudjana 2005: 3). Disadari atau tidak, statistika sudah banyak digunakan
dalam kehidupan sehari-hari. Statistika sangat penting digunakan dalam bidang teknik, industri, bisnis,
ekonomi, astronomi, biologi, kedokteran, asuransi, pertanian, perniagaan, sosiologi, antropologi,
pemerintahan, pendidikan, dan sebagainya.
Dunia penelitian atau riset, dimanapun dilakukan, tidak akan terlepas dari masalah statistika. Masalah
statistika dapat diselesaikan dengan metode-metode statistik. Dalam dunia perkuliahan, para
mahasiswa yang skripsi atau tugas akhirnya berupa studi kasus atau penelitian biasanya menggunakan
metode statistika untuk menyelesaikan analisis data skripsi atau tugas akhir.
Mata kuliah mengenai metode statistika tidak hanya diajarkan kepada mahasiswa jurusan matematika
saja. Akan tetapi seluruh mahasiswa disemua jurusan diajarkan mata kuliah tersebut. Hanya saja
penekanan metode statistika pada mahasiswa jurusan matematika lebih mendalam sehingga
pemahaman mereka mengenai statistika lebih paham daripada mahasiswa dari jurusan lain. Karena
membahas berbagai pengolah data data penelitian.
Dalam proses pengolah data banyak dilakukan berbagai pengujian sampai hasil penelitian itu dikatakan
valid atau diterima. Pada makalah ini akan dibahas tentang pengujian Chi-Kuadrat atau disebut juga
dengan Chi Square.
BAB II
PEMBAHASAN
Pengertian dan Kegunaan Uji Chi-Kuadrat
Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi atau yang
benar-benar terjadi atau aktual dengan frekuensi harapan. Yang dimaksud dengan frekuensi harapan
adalah frekuensi yang nilainya dapat di hitung secara teoritis (e). sedangkan dengan frekuensi observasi
adalah frekuensi yang nilainya di dapat dari hasil percobaan (o).
Chi-kuadrat ini digunakan untuk mengadakan pendekatan dari beberapa vaktor atau mngevaluasi
frekuensi yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang diharapkan dari sampel
apakah terdapat hubungan atau perbedaan yang signifikan atau tidak.
Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi square adalah:
Ø Distribusi chi-square memiliki satu parameter yaitu derajat bebas (db).
Ø Nilai-nilai chi square di mulai dari 0 disebelah kiri, sampai nilai-nilai positif tak terhingga di sebelah
kanan.
Ø Probabilitas nilai chi square di mulai dari sisi sebelah kanan.
Ø Luas daerah di bawah kurva normal adalah 1.
b) Uji Kebebasan
v Penaksiran standar deviasi
v Pengujian hipotesis standar deviasi
v Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data multinominal
v Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji Chi-square dari tabel
v Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi peluang teoritisnya atau
uji Chi-square tentang goodness of fit
1) Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat kesamaan antara
distribusi teoretis dengan distribusi sampling chi-kuadrat.
2) Pengamatan harus bersifat independen (unpaired). Ini berarti bahwa jawaban satu subjek tidak
3) Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data frekuensi atau data kategori)
atau data kontinu yang telah dikelompokan menjadi kategori.
4) Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang diamati.
5) Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai ekspektasi yang sangat
kecil. Secara umum, bila nilai yang diharapkan terletak dalam satu sel terlalu kecil (< 5) sebaiknya chi-
kuadrat tidak digunakan karena dapat menimbulkan taksiran yang berlebih (over estimate) sehingga
banyak hipotesis yang ditolak kecuali dengan koreksi dari Yates.
mempengaruhi hasil yang diinginkan. Pada pengujian chi-kuadrat dengan banyak ketegori, bila terdapat
lebih dari satu nilai ekspektasi kurang dari 5 maka, nilai-nilai ekspektasi tersebut dapat digabungkan
dengan konsekuensi jumlah kategori akan berkurang dan informasi yang diperoleh juga berkurang.
3) Uji Distribusi Normal menggunakan uji Chi Kuadrat
Uji normalitas dengan Chi Kuadrat (X2) dipergunakan untuk menguji data dalam bentuk data kelompok
dalam tabel distribusi frekuensi. Seperti halnya uji Liliefors, uji normalitas dengan uji Chi-Kuadrat
dilakukan dengan langkah-langkah:
dibawahnya.
cases (n).
Keterangan:
Contoh soal:
Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil sebuah sampel acak
berukuran 100. Dicatat dalam distribusi frekuensi, hasilnya sebagai berikut:
Tabel Tinggi 100 mahasiswa
Tinggi (cm)
140-144
145-149
10
150-154
16
155-159
23
160-164
21
165-169
17
170-174
Jumlah
100
Apakah hipotesis sampel itu berasal dari distribusi normal pada taraf nyata = 0,05 dan = 0,01 dan dk =
(k-3)?
Penyelesaian:
Tinggi (cm)
Fi
Xi
fiXi
Xi-
fi
140-144
142
994
-15,8
249,64
1747,48
145-149
10
147
1470
-10,8
116,64
1166,4
150-154
16
152
2432
-5,8
33,64
538,24
155-159
23
157
3611
-0,8
0,64
14,72
160-164
21
162
3402
4,2
17,64
370,44
165-169
17
167
2839
9,2
84,64
1438,88
170-174
172
1032
14,2
201,64
1209,84
Jumlah
100
15780
6486
= = = 157,8.
S= = = 8,09
Setelah didapat dan s = 8,09. Selanjutnya perlu ditentukan batas-batas kelas interval untuk menghitung
luas dibawah kurva normal bagi setiap interval. Kelas interval kesatu dibatasi oleh 139,5 dan 144,5 atau
dalam angka standar z dibatasi oleh -2,26 dan -1,64. Luas dibawah kurva normal untuk interval kesatu =
0,4881-0,4495 = 0,0386, sehingga frekuensi teoritik untuk kelas interval ini = 100 × 0,0386 = 3,9. Jika
perhitungan yang sama dilakukan untuk kelas-kelas interval lainnya, didapat hasil dibawah ini:
Tabel frekuensi diharapkan dan Pengamatan
Batas kelas (x)
Z untuk batas kelas
Luas tiap kelas interval
Frekuensi diharapkan ()
Frekuansi pengamatan (
139,5
-2,26
0,0386
3,9
144,5
-1,64
0,1010
10,1
10
149,5
-1,03
0,1894
18,9
16
154,5
-0,41
0,2423
24,2
23
159,5
+0,21
0,2135
21,4
21
164,5
+0,83
0,1298
13,0
17
169,5
+1,45
0,0538
5,4
174,5
+2,06
Dengan menggunakan rumus:
= 4,27.
Dari daftar distribusi frekuensi dapat dilihat bahwa banyak kelas k = 7, sehingga dk untuk distribusi chi-
kuadrat = 4. Diperoleh = 9,49 dan = 13,3.
Dari hasil diatas diperoleh hitung < tabel. Maka dapat disimpulkan bahwa hipotesis sampel itu berasal
dari distribusi normal atau diterima.
BAB III
PENUTUP
Kesimpulan
a. Uji normalitas data dengan menggunakan Chi Kuadrat, data harus berdistribusi frekuensi atau
data bergolong.
b. Uji normalitas data dengan menggunakan uji Chi Kuadrat langkah-langkahnya adalah:
dibawahnya.
cases (n).
fitri yanti di 21.05
Tidak ada komentar:
‹›
Beranda
Lihat versi web
About Me
fitri yanti
Lihat profil lengkapku
Diberdayakan oleh Blogger.

Uji Chi Square

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Uji Chi Square

Diunggah oleh

Hak Cipta:

Format Tersedia

ⓘ Dioptimalkan oleh Google 2 jam yang laluLihat yang asli

STATISTIKA 2 (UJI CHI SQUARE)

MEI 5, 2015 | NUR ALFIYANI

LATAR BELAKANG MASALAH

Apa yang dimaksud dengan uji chi square ?

Bagaimana rumus chi square ?

Bagaimana analisis uji chi square ?

Bagaimana table chi square ?

Bagaimana cara menguji proporsi ?

Untuk mengetahui apa yang dimaksud dengan uji chi square

Untuk mengetahui bagaimana rumus chi square

Untuk mengetahui bagaimana analisis uji chi square

Untuk mengetahui bagaimana table chi square

Untuk mengetahui bagaimana menguji independensi antara 2 faktor

Untuk mengetahui bagaimana cara menguji proporsi.

Metode Uji Chi Square

Rumus Tersebut adalah:

Uji Kai Kuadrat dapat digunakan untuk menguji :

Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).

Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)

Sebagai rumus dasar dari uji Kai Kuadrat adalah :

O = frekuensi hasil observasi

E = frekuensi yang diharapkan.

Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data

Dalam melakukan uji kai kuadrat, harus memenuhi syarat:

Sampel dipilih secara acak

Semua pengamatan dilakukan dengan independen

Besar sampel sebaiknya > 40 (Cochran, 1954)

“Fisher Exact atau Koreksi Yates”

Analisis Chi Square

H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC

H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC

Menguji Independensi antara 2 faktor (independensi)

HA: ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya

Lakukan penelitian dan kumpulkan data

Hasil penelitian adalah sebagai berikut (tentatif).

Di bawah garis kemiskinan

Di atas garis kemiskinan

Di bawah garis kemiskinan

Di atas garis kemiskinan

Nilai O (Observasi) adalah nilai pengamatan di lapangan

Nilai E (expected) adalah nilai yang diharapkan, dihitung sbb:

3. Nilai E untuk kategori SD di bawah garis kemiskinan = (37 x 48)/130 = 13,66

4. Nilai E untuk kategori SD di atas garis kemiskinan = (37 x 82)/130 = 23,34

Hitung nilai Chi square (x^2)

Kriteria Pengambilan Kesimpulan

Catatan: kata signifikan berasal dari α = 0,05.

Contoh kasus (1):

H0: rasio penelitian adalah 1:2:1 atau 25%:50%:25%

HA: rasio penelitian adalah rasio lainnya

Proporsi diharapkan (E) dicari berdasarkan rasio 1:2:1, sebagai berikut:

Merah = 1/4 x 148 = 37

Merah Jambu = 2/4 x 148 = 74

Putih = 1/4 x 148 = 37

Df = (kolom -1)(baris -1) = (3-1)(2-1) = 2

Kriteria Pengambilan Kesimpulan

Terima H0 jika x^2 hitung< x^2 tabel

Tolak H0 jik x^2 hitung≥ x^2 tabel

Contoh Kasus (2):

Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)

Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)

Kemudian tentukan nilai observasi (O) dan nilai ekspektasi (E) :

Selanjutnya masukan dalam rumus :