1

CHI KUADRAT DAN KOLERASI

A. Uji Chi Kuadrat

Uji ini digunakan untuk melihat asosiasi antara dua variabel atau lebih. Uji chi
Kuadrat digunakan pada data kualitatif atau kategori. Data kategori tersebut tidak
digunakan untuk mengukur variabel, melainkan untuk melihat variabel tersebut
masuk ke dalam kategori mana. Contohnya adalah data kategorik tidak digunakan
untuk mengukur tingkat tekanan darah seseorang, tapi untuk menggolongkan orang
tersebut tergolong hipertensi atau normal. Pada dasarnya uji chi Kuadrat untuk
membandingkan frekuensi yang diamati dengan frekuensi yang diharapkan. Makin
besar perbedaan nilai observe dengan expected, maka kemungkinan perbedaan antara
proporsi yang diuji.
2
(O−E )
X 2 =∑
Rumus : E , dimana O=nilai observer dan E= Nilai expected.
Chi Kuadrat merupakan salah satu metode untuk membuktikan hipotesis atau untuk
mencari kesimpulan, maka dalam mengoperasikan chi Kuadrat harus memperhatikan
langkah-langkah uji hipostatistik sebagai berikut.
1. Menentukan formulasi Ho dan Ha
2. Menentukan nilai alfa (α)
3. Melakukan uji chi Kuadrat, dimana nantinya didapat nilai p yang digunakan
sebagai nilai untuk menolah Ho
4. Keputusan Uji, jika p<α, maka Ho di tolak, tapi jika p>α, maka Ho gagal di tolak.
5. Kesimpulan.

Kemudian setelah menghitung atau menemukan kesimpulan, biasanya juga

ditanyakan mengenai jenis uji chi Kuadrat apa yang dipakai. Tipe chi Kuadrat ada tiga
macam, yaitu:

1. Independency test (ada tidaknya asosiasi antara dua variabel)

2. Homogenity test (homogenitas antar subkelompok)
3. Goodness of Fit (seberapa jauh pengamatan sesuai dengan parameter yang
dispesifikasikan)

Selain itu, ada hal yang harus kita tahu juga nih tentang derajat kebebasan (degree of
freedom). Nah buat Uji Kai Kuadrat ternyata juga memakai df nih. Tapi ada
perbedaan rumus yang dipakai untuk mencari df nya. Dulu dalam uji “t” derajat
 2

kebebasan adalah banyaknya kategori dikurang satu (df = n – 1). Sedangkan dalam
Chi Kuadrat karena dia pake yang namanya tabel kontengensi (tabel silang), derajat
kebebasannya adalah baris dikurangi satu di kali kolom di kurangi satu. df = (b – 1)(k
– 1).

 Uji Syarat Uji Chi Kuadrat

• Tidak boleh ada nilai expected kecil dari satu (1)

• Tidak boleh lebih 20% sel nilai expectednya kecildari lima (5)

• Jumlah sampel sebaiknya >40 orang (Cochran, 1954)

Rumus Nilai Expected

2
(O−E )
X 2 =∑
E

Contoh soal: Sebuah coin dilambungkan 50 kali dan Gambar keluar 28 kali, maka
berarti nilai O=28. Nilai expected kalau coin itu seimbang (peluangnya masing-
masing 0.5) maka seharusnya antara gambar dan angka nilai E=25. (α = 0,05)

Jawaban:

1. Hipotesis : Ha= coin seimbang, Ho=coin tidak seimbang.

2. Degree of Freedom (df) pada Uji ini menunjukkan kategori, rumus df = (k-1).
Pada soal, k=2 maka df = 2 – 1 = 1
3. Sudah di didapat nilai X2 hitung = 0.72 Dengan df = 1 dan Alfa 0.05, maka
diperoleh X2 tabel = 3,841. Bandingkan nilai X2 hitung dan X2 tabel. Didapat X2
hitung < X2 tabel, maka Ho gagal ditolak (diterima).
4. Interprestasinya : coin tersebut seimbang.

B. Korelasi Regresi
Korelasi digunakan untuk mengetahui hubungan variabel numerik dengan variabel
numerik. Korelasi merupakan derajat atau keeratan hubungan. Fungsinya sebagai
berikut.
1. Mengetahui derajat atau keeratan hubungan.
2. Mengukur kekuatan asosiasi (hubungan) linear antara dua variabel
 3

3. Mengetahui arah hubungan dua variable numerik, apakah berpola positif atau
negative

Hubungan dua variabel digambarkan dengan diagram tebar/pencar (Scatter Plot). X=

Variabel Independen, Y= Variabel Dependen.

Derajat keeratan hubungan (kuat lemahnya hubungan ) dapat dilihat dari tebaran
datanya. Semakin rapat tebarannya, semakin kuat hubungannya dan sebaliknya
semakin melebar tebarannya menunjukkan hubungan yang semakin lemah.

a. Koefisien relasi
Merupakan langkah pertama untuk menjelaskan derajat hubungan linier antara
dua variabel. Nilai korelasi (r) dari 0 s.d 1 atau jika disertai dengan arahnya
nilainya antara -1 sampai dengan +1
r = 0 tidak ada hubungan linier
r = -1 hubungan linier negatif sempurna
r = + 1 hubungan linier positif sempurna
Hubungan positif kenaikan satu variable diikuti dengan kenaikan variable yang
lain. Hubungan negativekenaikan satu variable diikuti dengan penurunan
variable yang lain.
Menurut Colton, kekuatan hubungan dua varibel dapat dibagi dalam empat
kelompok:
r = 0,00 – 0,25 tidak ada hubungan / hubungan lemah
r = 0,26 – 0,50 hubungan sedang
r = 0,51 – 0,75 hubungan kuat
r = 0,76 – 1,00 hubungan sangat kuat/sempurna
b. Uji Hipotesis
Untuk mengetahui apakah hubungan antara dua variabel terjadi secara signifikan
atau hanya karena faktor kebetulan dari random sample (by chance). Uji hipotesis
dapat dilakukan dengan membandingkan nilai r hitung dengan r tabel dan
menggunakan pengujian dengan pendekatan distribusi t

Regresi linier sederhana bertujuan untuk membuat prediksi nilai suatu variabel
(variabel dependen) melalui variabel yang lain (variabel independen). Untuk
melakukan prediksi digunakan persamaan garis dengan menggunakan metode kuadrat
terkecil (least Kuadrat).
 4

Karena hubungan X dan Y pada ilmu sosial atau kesmas tidak eksak, persamaan garis
yang dibentuk menjadi : Y = a + bx + e, dimana :

Y = Variabel Dependen

X = Variabel Independen

a = Intecept, perbedaan besarnya rata-rata variabel Y ketika variabel X=0

b = Slope, perkiraan besarnya perubahan nilai variabel Y bila nilai variabel X berubah
satu unit pengukuran

e = nilai kesalahan (error) yaitu selisih antara nilai Y individual yang teramati dengan
nilai Y yang sesungguhnya pada titik X tertentu.

a. Kesalahan Standar Estimasi (Standard Error of Estimate/Se). Besarnya Se

menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel
dependen yang sesungguhnya. Semakin kecil nilai Se, semakin tinggi ketepatan
persaman estimasi yang dihasilkan untuk menjelaskan nilai variabel dependen
yang sesungguhnya, dan begitu sebaliknya.
b. Koefisien Determinasi (R2)/ R Kuadrat
Dapat diperoleh dengan mengkuadratkan nilai koefisien korelasi (r). Fungsinya
adalah untuk mengetahui seberapa besar variasi variabel dependen (Y) dapat
dijelaskan oleh variabel Independen (X) atau R2 menunjukkan seberapa jauh
variabel independen (X) dapat memprediksi variabel dependen (Y).
Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam
menjelaskan variasi-variabel dependen amat terbatas. Nilai yang mendekati satu
berarti variabelvariabel independen memberikan hampir semua informasi yang
dibutuhkan untuk memprediksi variasi-variabel dependen. Besarnya nilai R2
antara 0 s.d. 1 atau anatar 0% s.d. 100%.
Contoh soal : Penelitian terhadap 25 orang penderita penyakit jantung kronis
(PJK) terhadap kadar kolesterol mereka. Dari sampel tersebut didapatkan rata-rata
210 gr/dl dengan simpangan baku 50 gr/dl. Berapakah kadar kolesterol pada
penderita PJK pada 95% CI?
Jawaban
s
μ= x̄±talignl¿ 1/2α ¿df ¿ ¿
√n
 5

50
μ=210±2 .064 x =210±20 .64
√25
μ= 210 ± 20,64
μ= { 189.36 ; 231.64} gr/dl………CI 95%