MATERI 8

K SAMPEL BEBAS

1. Uji Chi-Square k Sampel Bebas

Uji Independensi antara dua faktor ini digunakan untuk menyelidiki asosiasi atau
hubungan antar faktor/atribut yang terdiri dari beberapa klasifikasi, kategori, golongan atau
mungkin tingkatan. Yang akan diteliti adalah apakah terdapat hubungan antara faktor-faktor
tersebut. Jika tidak terdapat hubungan antara faktor-faktor maka dikatakan faktor tersebut
bersifat Independent (bebas). Contohnya seperti apakah kenakalan remaja ada kaitannya
denga sikap orang tua. Dalam tabel kontingensi sebuah sampel acak yang berukuran n telah
diambil, dimana tiap pengamatan diduga terjadi karena adanya dua faktor, yaitu faktor I

terdiri atas B taraf dan faktor II terdiri atas K taraf. Jika kita misalkan adalah banyaknnya
pengamatan yang terjadi karena taraf ke-i faktor I dengan i= 1,2,3,...,B) dan taraf ke-j faktor
ke-II dengan j=1,2,3,...,K).

Dimana :

= Chi-Square

= frekuensi yang di observasi

= frekuensi yang diharapkan

(Supranto, 2010)

Dimana rumus untuk menghitung frekuensi yang diharapkan dinyatakan dengan yaitu:

Dimana:

= jumlah baris ke-i

=jumlah kolom ke-j

(Sudjana, 2005)
Contoh Soal:
Penelitian dilakukan untuk mengetahui apakah terdapat hubungan antara tingkat
pendidikan dengan status hipertensi seseorang. Data seperti di bawah ini:
Tingkat Hipertensi
Pendidikan Ya Tidak
Rendah 15 50
Sedang 10 60
Tinggi 5 45
Penyelesaian:
Sintaks pada software R
data<-matrix(c(15,50,10,60,5,45),byrow=TRUE,nrow=3)
#a,b,c,d,e,f adalah angka dalam tabel kontingensi dan x adalah
jumlah baris dalam tabel kontingensi dimnames(data)<-
list(c("rendah","sedang","tinggi"),c("ya","tidak"))
names(dimnames(data))<-c("pendidikan","hipertensi")
data
addmargins(data)
total<-sum(data)
library(MASS)
chisquare<-loglm(~pendidikan+hipertensi, data=data)
chisquare

 Langkah-Langkah pada SPSS

1. Buka software SPSS
2. Klik variabel view untuk memasukkan data
3. Pada kolom name isi dengan nama variabel
 Pendidikan
 Hipertensi
 Data
4. Koding pada variabel Pendidikan dan hipertensi
5. Input data sesuai kodingan
6. Pilih DATA – Weight Cases
 7. Pindahkan data ke Frequency Variable – Weight Cases By. OK
8. Lalu klik Analyze – Descriptive Statistics– Crosstabs – pindahkan Pendidikan ke
Row(s) – pindahkan Hipertensi ke Column(s) –
9. Klik Statistics pilih Chi-Square
10. Klik Cells pilih Observed & Expected. Continue
11. OK

Hipotesis
H0: Tidak terdapat hubungan antara tingkat pendidikan dengan status hipertensi
seseorang
H1: Terdapat hubungan antara tingkat pendidikan dengan status hipertensi seseorang
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak H0 jika p-value

Keputusan

Karena p-value maka diputuskan gagal tolak H0

Kesimpulan
Tidak terdapat terdapat hubungan antara tingkat pendidikan dengan status hipertensi
seseorang

2. Uji Kruskal-Wallis
Pada uji Mann-Whitney hanya menguji dua populasi independen, sedangkan pada uji
Kruskal-Wallis menguji tiga atau lebih populasi independen.Tiga atau lebih sampel
independen diuji apakah berasal dari populasi-populasi yang memiliki kesamaan rata-rata
atau tidak.Uji Kruskal-Wallis merupakan alternatif dari analisis varians satu arah jika asumsi
normalitas dari populasipopulasi yang diteliti tidak dipenuhi.
Hipotesis nol pada uji Kruskal-Wallis menyatakan tiga atau lebih sampel independen
berasal dari populasi-populasi yang memiliki kesamaan rata-rata. Hipotesis alternatif
menyatakan terdapat paling sedikit sepasang rata-rata populasi yang berbeda. Berikut rumus
untuk menghitung nilai statistik dari uji Kruskal-Wallis(𝐻).
Perhatikan bahwa menyatakan jumlah elemen sampel ke-I, N menyatakan jumlah elemen

dari seluruh sampel, yakni dan menyatakan jumlah ranking dari

sampel ke-i.

(Suyanto, 2017)
Contoh Soal
Berikut ini merupakan data jumlah soal yang terjawab salah dari hasil tes 100 soal
untuk seluruh siswa yang menjadi sampel dari 3 kelas berbeda. Dengan α = 0,05 dilakukan
pengujian untuk mengetahui apakah kemampuan siswa adalah sama.
Kelas A Kelas B Kelas C
24 23 31
18 19 25
16 20 19
22 26 20
19 32 26
22 15 29
17 23 16

Penyelesaian:
 Sintaks pada software R
data=read.table("D://ujikruskal.txt",header=T)
data
X=data$kelasA
Y=data$kelasB
Z=data$kelasC
kruskal.test(data)

 Langkah-Langkah pada SPSS

1. Buka software SPSS
2. Klik variabel view untuk memasukkan data
3. Pada kolom name isi dengan nama variabel
 Data
 Kelas
 4. Koding pada variabel kelas
5. Lalu klik Analyze – Non Parametric Test – Legacy Dialogs – K Independent
Samples – pindahkan DATA ke Test Variabel List – masukkan KELAS ke
Grouping Variabel
6. Pilih Kruskas Walls. Klik OK

Hipotesis
H0: Tidak terdapat perbedaan rata-rata jumlah soal yang terjawab salah dari hasil tes
100 soal untuk seluruh siswa yang menjadi sampel dari 3 kelas berbeda
H1: Terdapat perbedaan rata-rata jumlah soal yang terjawab salah dari hasil tes 100
soal untuk seluruh siswa yang menjadi sampel dari 3 kelas berbeda
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak H0 jika p-value

Keputusan

Karena p-value maka diputuskan gagal tolak H0

Kesimpulan
Tidak terdapat perbedaan rata-ratajumlah soal yang terjawab salah dari hasil tes 100
soal untuk seluruh siswa yang menjadi sampel dari 3 kelas berbeda
LATIHAN
1. Sebuah penelitian ingin menguji perbedaan tingkat jabatan para karyawannya dengan
tingkat kepedulian terhadap sesame. Diambil sampel karyawan dengan jabatan yang
berbeda. Data sebagai berikut:
Kepedulian Jabatan
Manager Sekretaris Pegawai biasa
Peduli 5 3 9
Tidak Peduli 55 27 21

2. Seorang guru olahraga ingin mengetahui minat muridnya untuk menjadi atlet olahraga.
Data minat siswa dijelaskan dalam skor dalam range 1-100. Guru tersebut mengambil 21
sampel anak yang dibagi menjadi 3 kategori seperti pada tabel di bawah ini:
Olahraga 70 96 86 67 84 79 80

Ilmiah 67 70 83 58 64 66 62
Keduanya 84 85 93 78 92 79 50