See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/341539841

UJI CHI SQUARE

Method · May 2020

DOI: 10.13140/RG.2.2.23266.15047

CITATIONS READS

0 85,884

1 author:

Ade Heryana
Universitas Esa Unggul
109 PUBLICATIONS   84 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Budaya Literasi View project

Health Emergency and Disaster Measures View project

All content following this page was uploaded by Ade Heryana on 21 May 2020.

The user has requested enhancement of the downloaded file.

Uji Chi-Square | Ade Heryana, SST, MKM

UJI CHI SQUARE

oleh: Ade Heryana, SST, MKM

Prodi Kesehatan Masyarakat FIKES Univ. Esa Unggul
Email: heryana@esaunggul.ac.id atau ade.heryana24@gmail.com

1. PENDAHULUAN

Uji Chi-Square merupakan uji statistik non-parametrik yang paling banyak digunakan

dalam penelitian bidang kesehatan masyarakat, karena uji ini memiliki kemampuan

membandingkan dua kelompok atau lebih pada data-data yang telah dikategorisasikan. Meski

demikian, uji chi-square dapat pula dipakai pada pengujian satu kelompok dan berskala

interval/rasio. Secara ringkas kegunaaan uji chi-square disajikan pada gambar1 berikut.

Uji Chi-
. Square (2)

Satu Dua
Jumlah kelompok Kelompok Kelompok

Menguji
Menguji Menguji Menguji
hubungan 2
Fungsi varians kesesuaian perbedaan
variabel
populasi distribusi 2 kelompok atau lebih

Numerik Kategorik Kategorik Kategorik

Syarat data (interval/ (nominal/ (nominal/ (nominal/
rasio) ordinal) ordinal) ordinal)

Gambar 1. Kegunaan Uji Chi-Square

2. DISTRIBUSI CHI-SQUARE

Distribusi Chi-square (dibaca “khai square” atau khai kuadrat dengan simbol 2)1 adalah

distribusi probabilitas teoritis yang asimetrik dan kontinyu. Nilai sebuah 2 selalu positif antara

1
Mahasiswa sering salah membuat notasi chi-square dengan tanda X2

1
Uji Chi-Square | Ade Heryana, SST, MKM

0 sampai dengan  (tak hingga) atau 0 ≤ 2 ≤  , tidak seperti distribusi normal atau distribusi

t yang dapat bernilai negatif. Nilai statistik 2 dihitung dengan rumus sebagai berikut:
(𝑓0 − 𝑓𝑒 )2
𝜒2 =
𝑓𝑒
dimana, 𝑓0 = banyaknya frekuensi yang diobservasi dan 𝑓𝑒 = banyaknya frekuensi yang

diharapkan.

Gambar 1 menampilkan tiga jenis distribusi Chi-square dengan derajat kebebasan 1,5,

dan 10. Tampak bahwa 1) semakin kecil derajat kebebasan, kemencengan kurva distribusi

semakin positif artinya proporsi nilai rendah pada distribusi lebih besar; dan 2) semakin besar

derajat kebebasan, kurva distribusi semakin simetris.

Gambar 1. Distribusi Chi-square dengan Derajat Kebebasan (df) yang

Berbeda-beda (1, 5, dan 10)
(sumber: Sheskin, 2004, hal. 185)

Uji Chi-Square dapat digunakan untuk menguji 1 sampel, 2 sampel independen, dan k

sampel (lebih dari 2 sampel).

3. UJI CHI SQUARE 1 SAMPEL

Uji Chi Square 1 Sampel digunakan untuk mengetahui 1) Varians dari populasi (jika

data berskala interval/rasio) dan 2) Kesesuaian dengan distribusi Chi-square atau goodness of

fit (jika data berskala kategorik/nominal).

a. Menguji varians dari populasi pada data interval/rasio

Rumusan uji hipotesa yang dievaluasi adalah “Apakah sampel dengan n subyek berasal

dari populasi yang memilki nilai varians yang sama?” atau “Apakah sampel dengan nilai

2
Uji Chi-Square | Ade Heryana, SST, MKM

estimasi varians ṡ2 diturunkan dari populasi dengan nilai estimasi varians 2?”. Bila hasil uji

statistik signifikan, maka dapat disimpulkan bahwa terdapat kemungkinan sample berasal dari

populasi dengan nilai varians tertentu selain 2.

Asumsi yang digunakan dalam uji hipotesa ini adalah:

a. Populasi berdistribusi normal; dan

b. Sampel dipilih secara acak dari populasi

CONTOH SOAL

Sebuah brosur yang diterbitkan oleh perusahaan yang memproduksi battery

alat bantu pendengaran, mengklaim bahwa rata-rata waktu hidup selama 7
jam ( = 7) dengan varians 5 jam (2 = 5). Seorang pelanggan menyatakan
bahwa nilai varians yang tertulis pada brosur terlalu rendah. Untuk
membuktikan anggapannya, pada bulan September pelanggan mencatat
waktu hidup pada 10 battery (dalam jam) dengan data sebagai berikut: 5, 6, 4,
3, 11, 12, 9, 13, 6, 8. Apakah data tersebut menunjukkan varians waktu hidup
battery memilki nilai tertentu selain 2 = 5?

Pemecahan soal

𝐻0 = 𝜎 2 = 5 (varians dari populasi sampel = 5)

𝐻𝑎 = 𝜎 2 ≠ 5 (varians dari populasi sampel < 5)
Perhitungan uji statistik sebagai berikut:

Battery X X2
1 5 25
2 6 36
3 4 16
4 3 9
5 11 121
6 12 144
7 9 81
8 13 169
9 6 36
10 8 64
2
X = 77 X = 701

Varians sampel (ṡ2) adalah

(∑ 𝑋)2 (77)2
∑ 𝑋2 − 701 −
ṡ2 = 𝑛 = 10 = 12,01
𝑛−1 10 − 1

3
Uji Chi-Square | Ade Heryana, SST, MKM

Nilai statistik uji chi-square (2)

(𝑛 − 1)ṡ2 (10 − 1)(12,01)
2 = = = 21,62
𝜎2 5

Nilai 2 hitung = 21,62 diuji dengan tabel nilai distribusi Chi-square (terlampir)
dengan derajat kebebasan (df) = n – 1. Karena uji hipotesa satu arah maka
dengan  = 0,05, maka Nilai 2 tabel (df = 9 dan  = 0,05) yaitu 16,92. Hipotesa
nol tidak ditolak jika nilai 2 hitung lebih kecil dari nilai 2 tabel. Nilai 2 hitung
= 21,62 lebih besar dari nilai 2 tabel = 16,92 dengan demikian, hipotesa
ditolak atau nilai varians waktu hidup battery memiliki nilai tertentu selain 2
= 5 atau anggapan pelanggan bahwa waktu hidup battery pada brosur terlalu
rendah tidak terbukti secara statistik.

b. Menguji keseseuaian distribusi/goodness of fit pada data kategorik/nominal

Uji hipotesa yang dievaluasi adalah “apakah populasi yang direpresentasikan dengan

sampel, memiliki perbedaan frekuensi yang diobservasi dengan frekuensi yang diharapkan”

atau “apakah terdapat perbedaan antara frekuensi yang diobserbasi dengan frekuensi yang

diharapkan pada populasi yang diwakili dengan sampel tertentu”.

Pernyataan hipotesa tersebut dapat dijelaskan dengan model umum uji kesesuaian

distribusi chi-square disajikan pada tabel 1.

Tabel 1. Model Umum dari Uji Kesesuaian Distribusi Chi-square

(Sumber: Sheskin, 2003, hal. 242)
Total Jumlah Observasi
Sel/Kategori C1 C2 ... Ci ... Ck
Frekuensi Observasi O1 O2 - Oi - Ok n

Setiap n observasi (subyek atau obyek) pada percobaan di tabel dipilih secara acak dari

populasi yang memiliki N observasi, dan dicatat sebagai salah satu dari k kategori yang mutual

exclusive. Ci adalah sel/kategori ke-i dan Oi adalah frekuensi observasi ke-i. Jumlah total
observasi pada setiap sel disebut dengan n.

Asumsi yang diterapkan pada uji hipotesa ini adalah:

a. Data berskala nominal/kategorik

b. Data terdiri dari n observasi independen yang dipilih secara acak dari populasi; dan

c. Frekuensi diharapkan (fe) pada setiap sel tabel harus ≥ 5

4
Uji Chi-Square | Ade Heryana, SST, MKM

CONTOH SOAL

Seorang pustakawan bermaksud mengetahui kemungkinan seseorang

meminjam buku (bukan hanya membaca) pada jam buka perpustakaan
(senin sampai sabtu). Pada hari minggu perpustakaan tutup. Untuk itu ia
mencatat jumlah buku yang dipinjam selama 1 minggu dan diperoleh data
sebagai berikut: Senin = 20 buku, Selasa = 14, Rabu = 18, Kamis = 17,
Jumat = 22, dan Sabtu = 29. Diasumsikan setiap orang hanya boleh
meminjam maksimal 1 buku selama 1 minggu. Apakah terdapat
perbedaan jumlah buku yang dipinjam tiap hari dalam seminggu?
Pembahasan soal

Bila i adalah frekuensi observasi populasi pada sel ke-i dan i adalah
frekuensi ekspektasi populasi pada sel ke-i, maka pada i adalah frekuensi
observasi sampel pada sel ke-i dan i adalah frekuensi ekspektasi sampel
pada sel ke-i, sehingga hipotesa dirumuskan sebagai berikut:
𝐻0 : 𝜊𝑖 = 𝜀𝑖 (tidak terdapat perbedaan jumlah buku yang dipinjam tiap hari
dalam seminggu)
𝐻𝑎 : 𝜊𝑖 ≠ 𝜀𝑖 (terdapat perbedaan jumlah buku yang dipinjam tiap hari
dalam seminggu).
Perhitungan nilai statistik 2 sebagai berikut:
𝑘
2
(Ο𝑖 − Ε𝑖 )2
𝜒 = ∑[ ]
Ε𝑖
𝑖=1
𝚶𝒊 𝒊 (𝚶𝒊 − 𝚬𝒊 ) (𝚶𝒊 − 𝚬𝒊 )𝟐 (𝚶𝒊 − 𝚬𝒊 )𝟐
𝚬𝒊
Senin 20 20 0 0 0
Selasa 14 20 -6 36 1,80
Rabu 18 20 -2 4 0,20
Kamis 17 20 -3 9 0,45
Jumat 22 20 2 4 0,20
Sabtu 29 20 9 81 4,05
 120 120 0 𝜒2 = 6,70

Hasil 2 hitung selanjutnya dibandingkan dengan tabel 2 tabel dengan

derajat kebebasan 𝑑𝑓 = 𝑘 − 1. Berdasarkan tabel, nilai dengan derajat
kebebasan 𝑑𝑓 = 6 − 1 = 5 adalah 11,07. Nilai 2 hitung =6,70 < 11,07
sehingga hipotesa nol gagal ditolak, atau tidak terdapat perbedaan
jumlah buku yang dipinjam tiap hari dalam seminggu.

4. UJI CHI SQUARE 2 KELOMPOK

a. Tabel Kontinjensi b x k

Penggunaan lain dari Uji Chi-Square adalah pengujian hipotesis pada 2 kelompok

menggunakan tabel kontinjensi 2 x 2 atau tabel b x k tertentu, dimana b adalah baris dan k

5
Uji Chi-Square | Ade Heryana, SST, MKM

adalah kolom. Dalam hal ini, jumlah sel adalah k dikalikan b, sehingga untuk tabel 2 x 2 jumlah

selnya adalah 4, tabel 2 x 3 jumlah selnya adalah 6, dan seterusnya. Data-data yang terdapat

pada sel disebut dengan jumlah/frekuensi observasi dari subyek atau obyek. Contoh tabel

kontinjensi b x k disajikan pada tabel 2.

Tabel 2 di atas menunjukkan contoh tabel kontinjensi b x k dengan baris ke-1, ke-2,

sampai dengan dengan baris ke-n dan kolom ke-1, ke-2, sampai dengan kolom ke-n. Sehingga

pada tabel 2 x 2 terdapat baris ke-1 dan ke-2 dan kolom ke-1 dan ke-2, lalu pada tabel 2 x 3

terdapat baris ke-1 dan ke-2 dan kolom ke-1, ke-2, dan ke-n, dan seterusnya. Jumlah frekuensi

observasi pada baris ke-n dan kolom ke-n ditunjukkan dengan pada sel bnkn sehingga jumlah

frekuensi observasi pada baris ke-1 dan kolom ke-1 berada pada sel b1k1 lalu jumlah frekuensi

observasi pada baris ke-1 dan kolom ke-2 berada pada sel b1k2 dan seterusnya.

Tabel 2. Tabel Kontinjensi b x k

Kolom (k)
Kolom 1 Kolom 2 .... Kolom n
Baris 1 b1k1 b1k2 ... b1kn
Baris 2 b2k1 b2k2 ... b2kn
Baris (b)
..... ... ... ... ...
Baris n bnk1 bnk2 ... bnkn

Baris dan Kolom pada tabel kontinjensi dapat mewakili “kategori” dari data yang yang

dipelajari sebagai representasi dari kelompok, sehingga tabel ini dapat dipakai pada berbagai

contoh persoalan sebagai berikut:

1. Untuk mengetahui apakah terdapat perbedaan antara dua perlakuan/intervensi.

Contohnya kejadian hipertensi pada dua kelompok2 “Sesudah Senam” dan “Sebelum

Senam”, maka kelompok “Sesudah Senam” dapat diwakilkan dengan Baris dan kelompok

“Sebelum Senam” diwakilkan dengan Kolom (lihat tabel 3). Pada tabel tersebut, jumlah

observasi kejadian “hipertensi” pada kelompok “Sesudah Senam” dan kelompok “Sebelum

Senam” adalah 10, jumlah observasi kejadian “tidak hipertensi” pada kelompok “Sesudah

Senam” dan kelompok “Sebelum Senam” adalah 42, dan seterusnya.

2
Pengertian kelompok di sini adalah jenis intervensi/perlakukan sebelum dan sesudah (pre and post
intervention) melakukan senam

6
Uji Chi-Square | Ade Heryana, SST, MKM

Tabel 3. Contoh Aplikasi Tabel Kontinjensi b x k untuk Membandingkan Dua

Kelompok Sebelum dan Sudah Intervensi
Kelompok “Sesudah Senam”
Hipertensi Tidak Hipertensi
Kelompok Hipertensi 10 54
“Sebelum Senam” Tidak Hipertensi 42 34

2. Untuk mengetahui apakah terdapat perbedaan kejadian pada kelompok Kasus dan

kelompok Kontrol (pada desain studi Case-Control) sebagaimana disajikan pada tabel 4

menampilkan contoh kejadian Hipertensi dan Tidak Hipertensi pada kelompok Kasus dan

kelompok Kontrol.

Tabel 4. Contoh Aplikasi Tabel Kontinjensi b x k untuk Membandingkan Dua

Kelompok Kasus dan Kontrol
Kelompok “Kasus”
Hipertensi Tidak Hipertensi
Hipertensi 10 54
Kelompok “Kontrol”
Tidak Hipertensi 42 34
3. Untuk mengetahui adanya hubungan/korelasi antara dua variabel atau lebih. Misalnya

mengetahui hubungan antara kejadian hipertensi dengan usia (tabel 5) atau mengetahui

hubungan antara kejadian hipertensi dengan Indeks Massa Tubuh/IMT pada tabel 4 x 2

(tabel 6) dan pada tabel 2 x 3 (tabel 7)3.

Tabel 5. Contoh Aplikasi Tabel Kontinjensi b x k untuk Mengetahui Hubungan
antara Variabel Kejadian Hipertensi dengan Variabel Usia
Kejadian Hipertensi
Positif Negatif
> 45 tahun 10 54
Usia
≤ 45 tahun 42 34

Tabel 6. Contoh Aplikasi Tabel Kontinjensi b x k untuk Mengetahui Hubungan

antara Variabel Kejadian Hipertensi dengan Variabel Indeks Massa Tubuh
Kejadian Hipertensi
Positif Negatif
Obesitas 10 54
Overweight 34 7
IMT
Normal 42 34
Underweight 5 9

3
Pada contoh aplikasi tabel kontinjensi untuk mengetahui korelasi antara 2 variabel atau lebih, terdapat
kesepakatan sebagai berikut: 1) variabel dependen disajikan sebagai Kolom dan variabel independen sebagai
Baris; dan 2) Urutan baris dan kolom menunjukkan tingkat kemungkinan risiko, misalnya jika usia > 45 tahun
memiliki risiko paling tinggi terhadap hipertensi maka sebagai Baris ke-1 adalah kejadian hipertensi positif dan
Kolom ke-1 adalah usia > 45 tahun.

7
Uji Chi-Square | Ade Heryana, SST, MKM

Tabel 7. Contoh Aplikasi Tabel Kontinjensi b x k untuk Mengetahui Hubungan

antara Variabel Kejadian Hipertensi dengan Variabel Usia
Kejadian Hipertensi
Hipertensi Prehipertensi Normal
Obesitas 10 23 54
IMT
Tidak Obesitas 42 6 34

b. Penggunaan Uji Chi-Square 2 Kelompok

Sebelum membahas kegunaan uji Chi-Square 2 Kelompok, terlebih dahulu perlu

diketahui asumsi-asumsi yang dipakai, antara lain:

 Data berskala ordinal/nominal dengan kategori data bersifat mutually exclusive

 Data dipilih secara acak/random dari populasi yang ditentukan

 Jumlah frekuensi observasi setiap sel pada tabel kontinjensi lebih besar atau sama dengan

5. Jika terdapat sel yang < 5 maka distribusi chi-square tidak akurat menghasilkan estimasi

yang menggambarkan keadaan populasi. Untuk mengatasi hal ini, peneliti bisa

menggabungkan sel yang jumlahnya < 5 agar tercapai syarat tersebut. Bila tabel 2 x 2

tetap menghasilkan sel dengan jumlah < 5, maka disarankan menggunakan uji distribusi

hipergeometrik yaitu Uji Fisher-Exact.

Sebenarnya uji ini merupakan perluasan dari uji chi-square goodness of fit pada satu

sampel, dengan penggunaannya meliputi dua jenis4 yaitu:

1. Uji Homogenitas

Uji homogenitas dilakukan ketika sampel independen yang terdiri dari dua atau

lebih kelompok sampel (sebagai baris dalam tabel kontinjensi) dikategorisasikan ke dalam

satu dimensi yang terdiri dari dua atau lebih sub kategori (sebagai kolom dalam tabel

kontinjensi). Dengan demikian uji homogenitas digunakan untuk mengetahui

homogenitas sampel berdasarkan proporsi kategorisasi menurut dimensinya. Bila data

homogen maka proporsi observasi pada dimensi yang ditetapkan akan sama pada

seluuruh kelompok sampel.

4
Kedua jenis uji ini menggunakan tabel kontinjensi b x k tabel sebagai alat untuk memperhitungkan nilai
statistik 2

8
Uji Chi-Square | Ade Heryana, SST, MKM

Asumsi yang digunakan pada uji homogenitas adalah: 1) seluruh data dipilih

secara acak dari populasi tertentu; dan 2) jumlah kelompok pada variabel independen

telah ditentukan terlebih dahulu oleh peneliti sebelum dilakukan pengumpulan data.

2. Uji Independensi

Uji independensi dilakukan ketika satu sampel dikategorisasikan ke dalam dua

atau lebih dimensi atau variabel. Uji ini mengevaluasi hipotesa “apakah terdapat

hubungan pada dua variabel atau apakah dua variabel tersebut saling independen?”.

Dengan demikian, dua buah variabel yang saling independen tersebut tidak memiliki

hubungan satu sama lain (zero correlation).

Asumsi yang digunakan pada uji independensi adalah 1) seluruh data dipilih secara

acak dari populasi tertentu; dan 2) jumlah kategori untuk variabel pertama dan variabel

kedua ditentukan oleh peneliti sebelum pengambilan data dilakukan.

c. Contoh Soal Uji Homogenitas5
Seorang peneliti sedang menyelidiki efek kebisingan terhadap perilaku
altruistik6. Untuk itu dipilih secara acak 200 subyek untuk ditempatkan
pada satu dari dua kelompok untuk menjalani eksperimen. Kedua
kelompok tersebut diberikan tes kecerdasan semu selama satu jam.
Kelompok pertama (yang terdiri dari 100 subyek) selama tes kecerdasan
diberikan paparan suara berisik yang kontinyu agar terjadi kegagalan
fungsi kognitif. Kelompok kedua (100 subyek lainnya) tidak diberikan
paparan suara. Setelah menjalani tes kecerdasan, pada kedua kelompok
ini “diumpan” kepeduliannya dengan meminta seseorang untuk berpura-
pura menjadi orang yang tangannya sedang dibalut dan memohon
subyek mengangkat barang-barang berat ke dalam mobilnya. Kemudian
peneliti mencatat jumlah subyek yang ikut membantu orang tersebut
mengangkat barang-barangnya. Hasilnya adalah 30 dari 100 subyek yang
terpapar kebisingan ikut bantu menolong, sedangkan 60 dari 100 subyek
yang tidak terpapar kebisingan ikut menolong. Apakah berdasarkan data
tersebut, kebisingan mempengaruhi perilaku altruistik?

Pembahasan soal

Soal di atas merupakan contoh aplikasi Uji Homogenitas dengan Chi-

Square, karena alasan sebagai berikut:
1. Pada kasus ini desain studi terdiri dari data kategorik dengan sampel
indenpenden yang terbagi dalam satu dimensi (yaitu perilaku
altruistik), atau dapat dikatakan bahwa perbedaan perlakukan/

5
Sumber: Sheskin, 2003, hal. 515
6
Perilaku altruistik adalah perilaku dan sikap yang mementingkan kepentingan orang lain dibanding dirinya
sendiri

9
Uji Chi-Square | Ade Heryana, SST, MKM

intervensi pada dua kelompok (terpapar kebisingan dan tidak terpapar

kebisingan) merupakan variabel independen;
2. Peneliti telah menentukan terlebih dahulu 100 subyek yang akan
diberikan perlakukan, hal ini sesuai dengan asumsi pada uji
homogenitas yaitu jumlah kelompok pada variabel independen telah
ditentukan terlebih dahulu oleh peneliti sebelum dilakukan
pengumpulan data;
Sebagai variabel dependen pada soal di atas adalah perilaku altruistik
yang terdiri dari dua ketegori yaitu “Menolong” dan “Tidak Menolong”.
Sedangkan uji hipotesa yang akan dievaluasi adalah “apakah terdapat
perbedaan antara dua intervensi/perlakuan” atau menguji hipotesa
apakah terdapat hubungan antara intervensi kebisingan dengan perilaku
altruistik, dan dirumuskan sebagai berikut:
𝐻0 : 𝜊𝑖𝑗 = 𝜀𝑖𝑗 (tidak terdapat hubungan antara kebisingan dengan perilaku
altruistik)
𝐻𝑎 : 𝜊𝑖𝑗 ≠ 𝜀𝑖𝑗 (terdapat hubungan antara kebisingan dengan perilaku
altruistik).

Tabel kontinjensi 2 x 2 untuk soal di atas adalah:

Perilaku Altruistik
Menolong Tidak Jumlah Baris
Menolong
Terpapar 100
30 70
kebisingan
Paparan
Tidak terpapar 100
60 40
kebisingan
Jumlah Kolom 90 110 200

Perhitungan untuk mengetahui nilai statistik chi-square (2) mirip dengan

contoh soal uji chi-square satu sampel goodness of fit di atas, yaitu
dengan menggunakan tabel perhitungan sebagai berikut:
𝑏 𝑘 2
2
(Ο𝑖𝑗 − Ε𝑖𝑗 )
𝜒 = ∑∑[ ]
Ε𝑖𝑗
𝑖=1 𝑖=1
(Ο𝑖 )(Ο𝑗 )
Ε𝑖𝑗 =
𝑛

Sel (b = baris 𝚶𝒊𝒋 𝒊𝒋 (𝚶𝒊𝒋 (𝚶𝒊𝒋 − 𝚬𝒊𝒋 )𝟐 (𝚶𝒊𝒋 − 𝚬𝒊𝒋 )𝟐

& k = kolom) − 𝚬𝒊𝒋 ) 𝚬𝒊𝒋
b1k1 30 45 -15 225 5,00
b1k2 70 55 15 225 4,09
b2k1 60 45 15 225 5,00
b2k2 40 55 -15 225 4,09
 200 200 0 𝜒2 = 18,18
Catatan: Nilai Ε𝑖𝑗 masing-masing sel adalah sebagai berikut

10
Uji Chi-Square | Ade Heryana, SST, MKM

(Ο𝑖 )(Ο𝑗 ) (Ο1 )(Ο1 ) (100)(90)

- untuk sel b1k1 = Ε𝑖𝑗 = 𝑛
= 𝑛
= 200
= 45
(Ο𝑖 )(Ο𝑗 ) (Ο1 )(Ο2 ) (100)(110)
- untuk sel b1k2 = Ε𝑖𝑗 = 𝑛
= 𝑛
= 200
= 55
(Ο𝑖 )(Ο𝑗 ) (Ο2 )(Ο1 ) (100)(90)
- untuk sel b2k1 = Ε𝑖𝑗 = 𝑛
= 𝑛
= 200
= 45
(Ο𝑖 )(Ο𝑗 ) (Ο2 )(Ο2 ) (100)(110)
- untuk sel b2k2 = Ε𝑖𝑗 = 𝑛
= 𝑛
= 200
= 55

Kemudian hasil 𝜒 2 hitung (18,18) dibandingkan dengan nilai 𝜒 2 tabel

dengan derajat kebebasan 𝑑𝑓 = (𝑏 − 1)(𝑘 − 1) = (2 − 1)(2 − 1) = 1 dan
nilai =0,05 yaitu 3,84.
Karena hasil 𝜒 2 hitung (18,18) lebih besar dibanding hasil 𝜒 2 tabel (3,84)
maka hipotesa nol ditolak, atau terdapat hubungan antara paparan
kebisingan dengan perilaku altruistik.

d. Contoh Soal Uji Independensi7

Seorang peneliti ingin mengetahui apakah terdapat hubungan antara

dimensi kepribadian introvert-extrovert dengan memilih jurusan
Kesehatan Masyarakat pada mahasiswa yang mendaftar perguruan tinggi.
Sebanyak 200 calon mahasiswa dipilih secara acak untuk ikut dalam studi
ini. Seluruh subyek menjalani tes kepribadian yang hasilnya akan
dikategorisasikan menjadi dua yaitu introvert atau extrovert. Setiap
subyek kemudian ditanyakan jurusan perkuliahan yang dipilih apakah
“Kesmas” dan “Non Kesmas”. Hasil pengumpulan data disajikan pada
tabel 2x2 berikut:

Pemilihan Jurusan
Kesmas Non Kesmas Jumlah Baris
Introvert 30 70 100
Kepribadian
Extrovert 60 40 100
Jumlah Kolom 90 110 200

Pembahasan soal

Soal di atas merupakan contoh aplikasi Uji Independensi dengan Chi-

Square, karena alasan sebagai berikut:
1. Pada kasus ini desain studi terdiri dari satu sampel yang dikategorikan
ke dalam dua dimensi; dan
2. Sampel yang terdiri dari 200 subyek dikategorikan ke dalam dua
dimensi yang terdiri dari dua kategori yang mutually exclusive yaitu a)
introvert dan extrovert; dan b) Kesmas dan Non-Kesmas
Sebagai variabel dependen pada soal di atas adalah pemilihan jurusan
yang terdiri dari dua ketegori yaitu “Kesmas” dan “Non-Kesmas”,
sedangkan sebagai variabel independen adalah jenis kepribadian yaitu
“introvert” dan “extrovert”.

7
Disadur dan modifikasi dari Sheskin (2003, hal. 516)

11
Uji Chi-Square | Ade Heryana, SST, MKM

Uji hipotesa yang akan dievaluasi adalah “apakah antara pemilihan jurusan
dengan kepribadian calon mahasiswa saling independen?” atau “Apakah
terdapat hubungan antara pemilihan jurusan kuliah dengan jenis
kepribadian?”, dan dirumuskan sebagai berikut:
𝐻0 : 𝜊𝑖𝑗 = 𝜀𝑖𝑗 (tidak terdapat hubungan antara kepribadian dengan
pemilihan jurusan kuliah)
𝐻𝑎 : 𝜊𝑖𝑗 ≠ 𝜀𝑖𝑗 (tidak terdapat hubungan antara kepribadian dengan
pemilihan jurusan kuliah).

Karena pada kasus ini, antara contoh soal uji homogenitas dan soal uji
independensi sama-sama menggunakan tabel 2x2 dengan jumlah
frekuensi selnya yang sama pula, maka perhitungan nilai chi-square sama
dengan contoh soal homogenitas di atas, dengan kesimpulan terdapat
hubungan antara kepribadian dengan pemilihan jurusan kuliah pada
calon mahasiswa.

e. Cara Cepat Menghitung Nilai Chi-square (2) pada tabel 2x2

Cara cepat menghitung nilai statistik chi-square adalah dengan menggunakan

notasi a,b,c,d untuk melambangkan jumlah frekuensi observasi pada masing-masing sel,

sehingga tabel kontinjensi 2x2 sebagai berikut:

Tabel 8. Model Tabel Kontinjensi 2 x 2 untuk Perhitungan Cepat

Kolom (k)
Kolom 1 Kolom 2 Jumlah Baris
Baris 1 a b a+b=n1
Baris (b) Baris 2 c d c+d=n2
Jumlah kolom a+c b+d n

Nilai statistik chi-square (2) dihitung dengan rumus sebagai berikut:

𝑛(𝑎𝑑 − 𝑏𝑐)2
𝜒2 =
(𝑎 + 𝑏)(𝑐 + 𝑑)(𝑎 + 𝑐)(𝑏 + 𝑑)

Sesuaid dengan contoh soal di atas, maka perhitungan nilai statistik chi-

square (2) menggunakan cara cepat dengan rumus di atas adalah

𝑛(𝑎𝑑 − 𝑏𝑐)2 200[(30)(40) − (70)(60)]2

𝜒2 = = = 18,18
(𝑎 + 𝑏)(𝑐 + 𝑑)(𝑎 + 𝑐)(𝑏 + 𝑑) (30 + 70)(60 + 40)(30 + 60)(70 + 40)

12
Uji Chi-Square | Ade Heryana, SST, MKM

f. Mengukur Kekuatan Hubungan Variabel pada Uji Chi-Square dengan Odds

Ratio (OR) dan Relative Risk (RR)

Kekuatan hubungan pada uji Chi-Square dengan menggunakan tabel

kontinjensi, tergantung pada ukuran sampel dan proporsi pada masing-masing sel

sehingga kekuatan hubungannya kurang akurat (terutama dibandingkan dengan t

test). Pada uji t test, kekuatan hubungan tidak terpengaruh oleh ukuran sampel.

Pengukuran kekuatan asosiasi/hubungan antar variabel pada tabel kontinjensi dapat

dilakukan dengan berbagai metode, antara lain:

1. Koefisien Kontinjensi atau Koefisien Kontinjensi Pearson merupakan ukuran

asosiasi yang dapat digunakan pada tabel kontinjensi dengan berbagai ukuran

baris dan kolom

2. Koefisien Phi atau disingkat 𝜑 yang hanya dapat digunakan pada tabel kontinjensi

2 x 2 dengan data berskala nominal atau dikotomi

3. Koefisien Phi Cramer merupakan pengembangan dari Koefisien Phi untuk tabel

kontinjensi lebih dari 2 x 2

4. Yule’s Q merupakan ukuran asosiasi untuk tabel kontinjensi 2x2 yang dapat

digunakan pada tabel dengan data ordinal/berperingkat atau tidak berperingkat.

Metode ini lebih jarang dipakai atau direkomendasikan dibanding Koefiesien Phi

5. Odds Ratio merupakan ukuran kekuatan/asosiasi yang bisa digunakan pada tabel

2x2 atau lebih dari 2x2 dan bukan merupakan fungsi dari chi-square (pada

pengukuran asosiasi lainnya, kecuali Yule’s Q, menggunakan statistik 2 untuk

menghitung kekuatan hubungan)

Pada artikel ini hanya akan dibahas ukuran asosiasi yang sering dipakai terutama pada

penelitian epidemiologi dan kesehatan yaitu Odds Ratio (OR). Ukuran asosiasi lainnya

yang sering digunakan dalam epidemiologi adalah Relative Risk (RR).

Kelebihan odds ratio dibandingkan ukuran asosiasi yang adalah 1) dapat

digunakan pada berbagai format/bentuk angka; dan 2) dapat secara langsung

menginterpretasikan hasil odds ratio dari tabel kontinjensi dibandingkan ukuran yang

lain. Untuk memudahkan pembahasan, data tabel pada contoh soal uji independensi

di atas disajikan kembali.

13
Uji Chi-Square | Ade Heryana, SST, MKM

Pemilihan Jurusan
Kesmas Non Kesmas Jumlah Baris
Introvert 30 70 100
Kepribadian
Extrovert 60 40 100
Jumlah Kolom 90 110 200

Konsep Relative Risk (RR) menunjukkan perbandingan probabilitas relatif

dari variabel pemilihan jurusan, atau perbandingan antara probabilitas memilih

jurusan Kesmas bila calon mahasiswa memiliki kepribadian introvert dengan

probabilitas memilih jurusan Kesmas jika calon mahasiswa memiliki kepribadian

extrovert. Berdasarkan data pada tabel di atas, probabilitas memilih jurusan Kesmas
bila calon mahasiswa memiliki kepribadian introvert adalah 30/100 = 0,30 dan

probabilitas memilih jurusan Kesmas bila calon mahasiswa memiliki kepribadian

extrovert adalah 60/100 = 0,60. Dengan menggunakan notasi sebagaimana

ditampilkan pada tabel 8, maka perhitungan di atas dapat ditulis dengan notasi

matematis sebagai berikut:

𝑝(𝑀𝑒𝑚𝑖𝑙𝑖ℎ 𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐾𝑒𝑝𝑟𝑖𝑏𝑎𝑑𝑖𝑎𝑛 𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = 𝑎⁄(𝑎 + 𝑏)

𝑝(𝑀𝑒𝑚𝑖𝑙𝑖ℎ 𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐾𝑒𝑝𝑟𝑖𝑏𝑎𝑑𝑖𝑎𝑛 𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = 𝑐⁄(𝑐 + 𝑑)

Sehingga Relative Risk nya adalah:

𝑐⁄(𝑐 + 𝑑) 60⁄(60 + 40)

𝑅𝑅 = = =2
𝑎⁄(𝑎 + 𝑏) 30⁄(30 + 70)

atau

𝑎𝑐 + 𝑏𝑐 (30)(60) + (70)(60)
𝑅𝑅 = = =2
𝑎𝑐 + 𝑎𝑑 (30)(60) + (30)(40)

Nilai RR = 2 berarti calon mahasiswa dengan kepribadian extrovert cenderung 2 kali lipat

memilih Kesmas dibanding calon mahasiswa dengan kepribadian introvert.

Sekarang kita menghitung Odds Ratio. Namun sebelum menghitung, ada baiknya kita

memahami konsep dari odds. Secara konseptual, odds merupakan suatu kejadian (event X)

yang akan terjadi, yang dihitung dengan membagi probabilitas suatu kejadian X akan terjadi

dengan probabilitas suatu kejadian X tidak akan terjadi, atau secara matematis ditulis dengan

𝑝(𝑋 𝑎𝑘𝑎𝑛 𝑡𝑒𝑟𝑗𝑎𝑑𝑖)

𝑂𝑑𝑑𝑠(𝑋) =
𝑝(𝑋 𝑡𝑖𝑑𝑎𝑘 𝑎𝑘𝑎𝑛 𝑡𝑒𝑟𝑗𝑎𝑑𝑖)

14
Uji Chi-Square | Ade Heryana, SST, MKM

Nilai odds bervariasi sebagai berikut:

1. Hasil perhitungan atau nilai odds akan berada antara 0 hingga tak terhingga
2. Bila nilai odds > 1, maka probabilitas suatu kejadian X akan terjadi > 0,50 atau makin besar
nilai odds maka semakin besar pula probabilitas suatu kejadian X akan terjadi
3. Bila nilai odds < 1, maka probabilitas suatu kejadian X akan terjadi < 0,50 atau makin kecil
nilai odds maka semakin kecil pula probabilitas suatu kejadian X akan terjadi
4. Bila nilai odds = 1, maka probabilitas suatu kejadian X akan terjadi = 0,50 atau kesempatan
atau peluang terjadinya kejadian X adalah 50:50

Berdasarkan data di atas, maka nilai odds untuk masing-masing kejadian adalah:
𝑝(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡 ) 60⁄100
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = 𝑝(𝑁𝑜𝑛𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = 40⁄100 = 1,500

𝑝(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 30⁄100
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = = = 0,429
𝑝(𝑁𝑜𝑛𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 70⁄100

Dari hasil perhitungan di atas, karena odds calon mahasiswa dengan kepribadian

extrovert memilih jurusan Kesmas > 1 (yaitu 1,500), maka probabilitas terjadinya hal tersebut
adalah > 0,50. Demikian pula, odds calon mahasiswa dengan kepribadian introvert memilih

jurusan Kesmas < 1 (yaitu 0,429), maka probabilitas terjadinya hal tersebut adalah < 0,50.

Odds ratio merupakan perbandingan antara kedua odds di atas berdasarkan tabel

kontinjensi. Berdasarkan perhitungan di atas maka nilai Odds Ratio-nya adalah:

𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 1,500
𝑂𝑅 = = = 3,500
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 0,429

Artinya adalah kejadian seorang calon mahasiswa berkepribadian extrovert memilih jurusan

Kesmas 3,5 kali lebih besar dibanding seorang mahasiswa berkepribadian introvert memilih

jurusan Kesmas.

Rumus menghitung Odds Ratio dapat pula dinotasikan dalam bentuk huruf

sebagaimana model pada tabel 8 di atas, yaitu:

𝑎𝑑
𝑂𝑅 =
𝑏𝑐

Bila sebelumnya dibahas menghitung Odds Ratio dengan tabel 2x2, lalu bagaimana

cara menghitung OR dengan tabel kontinjensi lebih besar dari 2x2 ? Menghitung OR dengan

tabel kontinjensi di atas 2x2 memungkinkan dilakukan namun interpretasi hasilnya lebih

kompleks. Misalnya data tabel 2x2 di atas diganti menjadi tabel 3x2 sebagai berikut:

15
Uji Chi-Square | Ade Heryana, SST, MKM

Pemilihan Jurusan
Kesmas Non Kesmas Jumlah Baris
Introvert 30 70 100
Kepribadian Moderate 50 50 100
Extrovert 80 20 100
Jumlah Kolom 160 140 300

Dari tabel di atas, maka odds untuk kejadian pemilihan jurusan kesmas adalah sebagai berikut:

𝑝(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 80⁄100
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = = = 4,00
𝑝(𝑁𝑜𝑛𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 20⁄100
𝑝(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝑀𝑜𝑑𝑒𝑟𝑎𝑡𝑒) 50⁄100
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝑀𝑜𝑑𝑒𝑟𝑎𝑡𝑒) = = = 1,00
𝑝(𝑁𝑜𝑛𝐾𝑒𝑠𝑚𝑎𝑠⁄𝑀𝑜𝑑𝑒𝑟𝑎𝑡𝑒) 50⁄100
𝑝(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 30⁄100
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) = = = 0,43
𝑝(𝑁𝑜𝑛𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 70⁄100

Dengan demikian terdapat beberapa nilai Odds Ratio yang dapat dihitung yaitu

𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 4,00
𝑂𝑅1 = = = 9,300
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 0,43

𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐸𝑥𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 4,00
𝑂𝑅2 = = = 4,000
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝑀𝑜𝑑𝑒𝑟𝑎𝑡𝑒) 1,00

𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝑀𝑜𝑑𝑒𝑟𝑎𝑡𝑒) 1,00
𝑂𝑅3 = = = 2,330
𝑂𝑑𝑑𝑠(𝐾𝑒𝑠𝑚𝑎𝑠⁄𝐼𝑛𝑡𝑟𝑜𝑣𝑒𝑟𝑡) 0,43

OR1 = 9,300 berarti kejadian calon mahasiswa berkepribadian extrovert memilih jurusan

Kesmas 9,3 kali lebih besar terjadi dibanding kejadian calon mahasiswa berkepribadian

introvert memilih jurusan Kesmas.

OR2 = 4,000 berarti kejadian calon mahasiswa berkepribadian extrovert memilih jurusan

Kesmas 4,0 kali lebih besar terjadi dibanding kejadian calon mahasiswa berkepribadian

moderate memilih jurusan Kesmas.

OR3 = 2,330 berarti kejadian calon mahasiswa berkepribadian moderate memilih jurusan

Kesmas 2,33 kali lebih besar terjadi dibanding kejadian calon mahasiswa berkepribadian

introvert memilih jurusan Kesmas.

REFERENSI

Sheskin, David J. (2004). Handbook of Parametric and Nonparametric Statistical Procedures,

edisi 3. DC: Chapman & Hall/CRC

16
Uji Chi-Square | Ade Heryana, SST, MKM

LATIHAN SOAL8

1. Seorang peneliti membuat studi untuk mengevaluasi kemampuan memecahkan masalah

antara pria dewasa dengan wanita dewasa. Pada studi ini 100 pria dewasa 80 wanita

dewasa dipilih secara acak dari populasi. Setiap subyek diberikan permainan menyusun

gambar (puzzles) untuk dipecahkan jawabannya. Sebagai variabel dependen adalah

sanggup atau tidak sanggup dalam menjawab permainan. Enam puluh dari 100 subyek

pria dewasa sanggup menjawab permainan, dan hanya 30 dari 80 subyek wanita dewasa

yang sanggup.

Berdasarkan data-data tersebut di atas:

a. Ujilah hipotesa yang menyatakan “Terdapat perbedaan signifikan antara wanita dan

pria dalam memecahkan atau menjawab permainan puzzle”

b. Hitung Relative Risk dan Odds Ratio

2. Sebuah lembaga survey sedang meneliti antusias masyarakat dengan Status Ekonomi

Sosial (SES) Tinggi dan Rendah terhadap program imunisasi. Lima ratus orang dipilih

secara acak dari populasi tertentu untuk diwawancara menggunakan kuesioner. Hasil

pengumpulan data disajikan pada tabel berikut:

Sikap terhadap Imunisasi

Antusias Kurang Jumlah Baris
Antusias
Status Ekonomi Tinggi 120 170 290
Sosial (SES) Rendah 160 50 210
Jumlah Kolom 280 220 500
Berdasarkan data tersebut:

a. Ujilah hipotesa yang menyatakan “ada hubungan antara Status Sosial Ekonomi

dengan Antusiasme terhadap imunisasi”

b. Hitunglah Relative Risk dan Odds Ratio.

3. Sebuah penelitian dilakukan untuk mengetahui jumlah kunjungan ke klinik perusahaan

dalam setahun pada karyawan dengan masa kerja tertentu. Hal ini dilakukan sebagai

upaya perusahaan tersebut dalam menilai efektifitas klinik perusahaan. Sebanyak 280

karyawan dipilih secara acak dari total 1500 karyawan di perusahaan tersebut.

diwawancarai dengan kuesioner, dan hasil jawaban disajikan pada tabel berikut:

8
Sumber modifikasi dari: Sheskin (2003, hal. 581-583)

17
Uji Chi-Square | Ade Heryana, SST, MKM

Jumlah Kunjungan/Tahun
0 1-5 >5 Jumlah Baris
0–7 20 16 24 60
Masa Kerja 8 – 15 30 10 10 50
(tahun) 16 – 23 50 30 10 90
> 23 19 11 50 80
Jumlah Kolom 119 67 94 280
Berdasarkan data tersebut:

a. Ujilah hipotesa yang menyatakan “ada hubungan antara Masa Kerja dengan

Kunjungan ke Klinik Perusahaan”

b. Hitunglah Relative Risk dan Odds Ratio.

18
 Uji Chi-Square | Ade Heryana, SST, MKM

LAMPIRAN: Tabel Distribusi Chi-Square untuk nilai  = 0,005 hingga 0,995 dan derajat
kebebasan (df) 1 sampai dengan 100.
(Sumber: diunduh dari website Department of Statistics Eberly College of Science, Penn State University
http://stat.psu.edu/)

19

View publication stats