UJI CHI-SQUARE

I. Pendahuluan
A. Pengenalan metode Chi-Square
Metode Chi-Square adalah sebuah teknik statistik yang digunakan untuk
menguji kesesuaian antara distribusi data observasi dengan distribusi yang
diharapkan secara teoritis. Metode ini sering digunakan dalam analisis data
kategorikal, di mana data dikelompokkan ke dalam kategori atau tingkatan
tertentu.
B. Tujuan penggunaan metode Chi-Square dalam statistik
Tujuan penggunaan metode Chi-Square adalah untuk menentukan apakah
terdapat perbedaan signifikan antara data observasi dan distribusi yang
diharapkan. Metode ini membantu dalam mengidentifikasi apakah ada hubungan
atau asosiasi antara dua variabel kategorikal.
C. Aplikasi metode Chi-Square dalam berbagai bidang
Metode Chi-Square memiliki banyak aplikasi dalam berbagai bidang.
Beberapa contoh aplikasinya adalah :
 Studi genetika untuk menguji keseimbangan Hardy-Weinberg atau hubungan
genotipe-fenotipe.
 Penelitian pasar untuk menguji hubungan antara karakteristik konsumen dan
preferensi produk.
 Analisis survei untuk menguji kesesuaian distribusi pendapat responden
dengan distribusi teoritis.
 Penelitian medis untuk menguji efektivitas pengobatan atau hubungan antara
faktor risiko dan penyakit.

II. Konsep Dasar

A. Distribusi Chi-Square
Distribusi Chi-Square merupakan distribusi probabilitas yang digunakan
dalam metode Chi-Square. Distribusi ini simetris, positif, dan tergantung pada
derajat kebebasan. Bentuk distribusi Chi-Square tergantung pada jumlah derajat
kebebasan.
 Derajat kebebasan (degrees of freedom) dalam distribusi Chi-
Square:menentukan bentuk dan variasi distribusi tersebut. Dalam konteks metode
Chi-Square, derajat kebebasan didefinisikan sebagai jumlah kategori atau
tingkatan minus 1. Misalnya, jika terdapat 3 kategori, maka derajat kebebasannya
adalah 3 - 1 = 2.
Tabel nilai-nilai kritis Chi-Square digunakan untuk menentukan nilai
ambang batas yang membagi daerah kritis dan daerah non-kritis dalam distribusi
Chi-Square. Nilai-nilai ini tergantung pada tingkat signifikansi yang digunakan
dan derajat kebebasan. Dengan menggunakan tabel tersebut, kita dapat
membandingkan nilai statistik Chi-Square yang dihitung dengan nilai kritis yang
sesuai untuk mengambil keputusan statistik.
B. Hipotesis Nol dan Hipotesis Alternatif
Hipotesis nol (H0) dalam konteks metode Chi-Square menyatakan bahwa
tidak ada perbedaan atau hubungan antara variabel kategorikal yang sedang diuji.
Hipotesis alternatif (H1) menyatakan bahwa terdapat perbedaan atau hubungan
yang signifikan antara variabel tersebut.
Hubungan antara hipotesis nol dengan distribusi Chi-Square adalah dalam
metode Chi-Square, hipotesis nol (H0) diasumsikan sebagai benar, dan distribusi
Chi-Square digunakan untuk menguji kebenaran hipotesis nol tersebut. Statistik
Chi-Square dihitung berdasarkan perbedaan antara data observasi dan data yang
diharapkan berdasarkan hipotesis nol. Distribusi Chi-Square digunakan untuk
membandingkan nilai statistik dengan nilai-nilai kritis dan mengambil keputusan
apakah hipotesis nol ditolak atau tidak.

III. Uji Goodness-of-Fit

A. Pengenalan uji goodness-of-fit Chi-Square:
Uji goodness-of-fit Chi-Square adalah metode statistik yang digunakan
untuk menguji kesesuaian (goodness-of-fit) antara distribusi yang diharapkan
dengan data observasi. Uji ini memberikan informasi apakah data yang diamati
memiliki distribusi yang sama dengan distribusi yang diharapkan atau ada
perbedaan yang signifikan di antara keduanya.
B. Langkah-langkah dalam uji goodness-of-fit Chi-Square:
 Berikut adalah langkah-langkah umum dalam melakukan uji goodness-of-
fit Chi-Square:

 Menentukan hipotesis nol (H0) dan hipotesis alternatif (H1):

H0: Data observasi cocok dengan distribusi yang diharapkan.
H1: Data observasi tidak cocok dengan distribusi yang diharapkan.
 Mengumpulkan data observasi:
 Mengumpulkan data observasi yang akan diuji kesesuaiannya dengan
distribusi yang diharapkan.
 Menentukan distribusi yang diharapkan:
 Menentukan distribusi yang diharapkan atau menggambarkan pola harapan
yang diinginkan.
 Menghitung frekuensi yang diharapkan:
 Menghitung frekuensi yang diharapkan untuk setiap kategori atau interval
berdasarkan distribusi yang diharapkan dan jumlah total data.
 Menghitung statistik Chi-Square:
 Menghitung nilai statistik Chi-Square dengan menggunakan rumus χ² = Σ((O
- E)² / E), di mana O adalah frekuensi observasi dan E adalah frekuensi yang
diharapkan.
 Menentukan derajat kebebasan:
 Menentukan derajat kebebasan (df) berdasarkan jumlah kategori atau interval
yang diuji.
 Menginterpretasi hasil:
 Membandingkan nilai statistik Chi-Square yang dihitung dengan nilai kritis
dalam distribusi Chi-Square dengan derajat kebebasan yang sesuai.
Jika nilai statistik Chi-Square yang dihitung lebih besar dari nilai kritis, maka
hipotesis nol ditolak, dan dapat disimpulkan bahwa terdapat perbedaan yang
signifikan antara data observasi dengan distribusi yang diharapkan.
Jika nilai statistik Chi-Square yang dihitung tidak melebihi nilai kritis, maka
gagal menolak hipotesis nol, dan dapat disimpulkan bahwa data observasi
cocok dengan distribusi yang diharapkan.
C. Contoh penerapan uji goodness-of-fit Chi-Square:
Misalkan kita memiliki data observasi tentang preferensi jenis hewan peliharaan
di antara 200 responden, dan kita ingin menguji apakah preferensi tersebut cocok
dengan distribusi yang diharapkan: 40% anjing, 30% kucing, dan 30% ikan.

Langkah-langkahnya sebagai berikut:

 Menentukan hipotesis
H0: Preferensi jenis hewan peliharaan cocok dengan distribusi yang diharapkan.
H1: Preferensi jenis hewan peliharaan tidak cocok dengan distribusi yang
diharapkan.
 Mengumpulkan data observasi: Menghitung frekuensi observasi untuk
masing-masing jenis hewan peliharaan (misalnya, 80 anjing)

IV. Uji Independence

A. Pengenalan uji independence Chi-Square:
Uji independence Chi-Square adalah metode statistik yang digunakan
untuk menguji hubungan atau asosiasi antara dua variabel kategorikal. Uji ini
menguji apakah terdapat hubungan yang signifikan antara dua variabel tersebut
dalam populasi, atau apakah hubungan yang diamati hanya hasil dari kebetulan.
B. Langkah-langkah dalam uji independence Chi-Square:
Berikut adalah langkah-langkah umum dalam melakukan uji independence Chi-
Square:
 Menentukan hipotesis nol (H0) dan hipotesis alternatif (H1):
H0: Tidak ada hubungan antara dua variabel kategorikal dalam populasi.
H1: Terdapat hubungan antara dua variabel kategorikal dalam populasi.
Mengumpulkan data observasi:
 Mengumpulkan data observasi yang menggambarkan hubungan antara dua
variabel kategorikal.
 Membuat tabel kontingensi yang menunjukkan jumlah pengamatan untuk
setiap kombinasi nilai dari dua variabel.
 Menghitung statistik Chi-Square:
Menghitung nilai statistik Chi-Square dengan menggunakan rumus χ² = Σ((O - E)²
/ E), di mana O adalah frekuensi observasi dan E adalah frekuensi yang
diharapkan.
 Menentukan derajat kebebasan:
 Menentukan derajat kebebasan (df) berdasarkan ukuran tabel kontingensi.
 Menginterpretasi hasil:
 Membandingkan nilai statistik Chi-Square yang dihitung dengan nilai kritis
dalam distribusi Chi-Square dengan derajat kebebasan yang sesuai.
Jika nilai statistik Chi-Square yang dihitung lebih besar dari nilai kritis, maka
hipotesis nol ditolak, dan dapat disimpulkan bahwa terdapat hubungan yang
signifikan antara dua variabel dalam populasi.
Jika nilai statistik Chi-Square yang dihitung tidak melebihi nilai kritis, maka
gagal menolak hipotesis nol, dan dapat disimpulkan bahwa tidak ada cukup
bukti untuk menyatakan adanya hubungan antara dua variabel dalam
populasi.
C. Interpretasi hasil uji independence Chi-Square:
Hasil uji independence Chi-Square dapat diinterpretasikan sebagai berikut:
Jika nilai p-value (nilai signifikansi) yang terkait dengan statistik Chi-Square lebih
kecil dari tingkat signifikansi yang ditentukan (misalnya, α = 0,05), maka
hipotesis nol ditolak dan terdapat hubungan yang signifikan antara dua variabel
dalam populasi.
Jika nilai p-value lebih besar dari tingkat signifikansi yang ditentukan,
maka gagal menolak hipotesis nol dan tidak ada cukup bukti untuk menyatakan
adanya hubungan antara dua variabel dalam populasi.
Selain itu, kita juga dapat melihat ukuran efek dari hubungan antara dua
variabel dengan menggunakan koefisien kontingensi (contingency coefficient)
atau koefisien phi (phi coefficient). Koefisien ini berkisar antara 0 hingga 1, dan
semakin mendekati 1, semakin kuat hubungan antara dua vari

V. Uji Association
A. Pengenalan uji association Chi-Square:
 Uji association Chi-Square adalah metode statistik yang digunakan untuk
menguji keberadaan hubungan atau asosiasi antara dua variabel kategorikal. Uji
ini menguji apakah terdapat hubungan yang signifikan antara dua variabel tersebut
dalam sampel yang diamati.
B. Langkah-langkah dalam uji association Chi-Square:
Berikut adalah langkah-langkah umum dalam melakukan uji association Chi-
Square:
 Menentukan hipotesis nol (H0) dan hipotesis alternatif (H1):
H0: Tidak ada hubungan antara dua variabel kategorikal dalam sampel.
H1: Terdapat hubungan antara dua variabel kategorikal dalam sampel.
Mengumpulkan data observasi:
 Mengumpulkan data observasi yang menggambarkan hubungan antara dua
variabel kategorikal.
 Membuat tabel kontingensi:
 Membuat tabel kontingensi yang menunjukkan jumlah pengamatan untuk
setiap kombinasi nilai dari dua variabel.
 Menghitung statistik Chi-Square:
 Menghitung nilai statistik Chi-Square dengan menggunakan rumus χ² = Σ((O
- E)² / E), di mana O adalah frekuensi observasi dan E adalah frekuensi yang
diharapkan.
 Menentukan derajat kebebasan:
 Menentukan derajat kebebasan (df) berdasarkan ukuran tabel kontingensi.
 Menginterpretasi hasil:
Membandingkan nilai statistik Chi-Square yang dihitung dengan nilai kritis
dalam distribusi Chi-Square dengan derajat kebebasan yang sesuai.
Jika nilai statistik Chi-Square yang dihitung lebih besar dari nilai kritis, maka
hipotesis nol ditolak, dan dapat disimpulkan bahwa terdapat hubungan yang
signifikan antara dua variabel dalam sampel.
Jika nilai statistik Chi-Square yang dihitung tidak melebihi nilai kritis, maka
gagal menolak hipotesis nol, dan dapat disimpulkan bahwa tidak ada cukup
bukti untuk menyatakan adanya hubungan antara dua variabel dalam sampel.
C. Contoh penerapan uji association Chi-Square:
Misalkan kita ingin menguji apakah ada hubungan antara jenis kelamin (Laki-laki,
Perempuan) dan preferensi olahraga (Sepak bola, Bulu tangkis, Renang) dalam
sampel 200 orang.
Langkah-langkahnya sebagai berikut:
 Membuat hipotesa
H0: Tidak ada hubungan antara jenis kelamin dan preferensi olahraga dalam
sampel.
H1: Terdapat hubungan antara jenis kelamin dan preferensi olahraga dalam
sampel.
 Mengumpulkan data observasi: Menghitung frekuensi observasi untuk setiap
kombinasi nilai dari jenis kelamin dan preferensi olahraga.
 Membuat tabel kontingensi: Membuat tabel kontingensi yang menunjukkan
jumlah pengamatan untuk setiap kombinasi nilai dari kedua variabel.

VI. Batasan dan Asumsi

A. Batasan penggunaan metode Chi-Square:
Metode Chi-Square memiliki beberapa batasan dalam penggunaannya,
antara lain:
 Data harus berupa data kategorikal atau data diskrit.
 Jumlah pengamatan di setiap sel tabel kontingensi harus cukup besar,
biasanya setidaknya 5 atau lebih.
 Tidak ada perbedaan signifikan dalam distribusi karakteristik penduduk
antara sampel yang diuji dan populasi yang diwakili oleh sampel.
 Data harus bersifat independen atau tidak terkait secara langsung antara
pengamatan.
B. Asumsi yang perlu dipenuhi dalam metode Chi-Square:
Asumsi yang perlu dipenuhi dalam metode Chi-Square adalah sebagai
berikut:
 Asumsi random sampling: Data yang digunakan dalam analisis Chi-Square
harus diambil secara acak dari populasi yang lebih besar.
  Asumsi independensi: Setiap pengamatan dalam sampel harus independen
satu sama lain, artinya pengamatan pada satu sel tabel kontingensi tidak
dipengaruhi oleh pengamatan pada sel lainnya.
 Asumsi ukuran sampel yang cukup besar: Ukuran sampel yang digunakan
harus cukup besar untuk memastikan kecukupan frekuensi yang
diharapkan dalam setiap sel tabel kontingensi.
 Asumsi frekuensi yang cukup: Frekuensi harapan di setiap sel tabel
kontingensi harus cukup besar (biasanya minimal 5) untuk memastikan
validitas statistik Chi-Square.
Melanggar asumsi-asumsi di atas dapat menghasilkan kesalahan dalam
interpretasi hasil uji Chi-Square dan dapat menyebabkan kesalahan pengambilan
keputusan. Sebelum menerapkan metode Chi-Square, penting untuk memeriksa
dan memenuhi asumsi-asumsi tersebut. Jika asumsi-asumsi tidak terpenuhi, maka
mungkin perlu menggunakan metode statistik lain yang lebih sesuai dengan
karakteristik data yang dimiliki.

VII. Interpretasi Hasil Uji Chi-Square

A. Nilai statistik Chi-Square:
Nilai statistik Chi-Square (χ²) merupakan hasil perhitungan berdasarkan
perbandingan antara frekuensi observasi dan frekuensi yang diharapkan dalam
tabel kontingensi. Nilai ini digunakan untuk menguji signifikansi hubungan antara
variabel kategorikal. Semakin tinggi nilai Chi-Square, semakin signifikan
hubungan antara variabel.
B. Derajat kebebasan:
Derajat kebebasan (df) dalam metode Chi-Square menggambarkan jumlah
kategori yang independen yang dapat dipilih dalam suatu analisis. Dalam uji
association Chi-Square, derajat kebebasan dihitung sebagai (k-1)(r-1), di mana k
adalah jumlah kolom dalam tabel kontingensi dan r adalah jumlah baris dalam
tabel kontingensi.
C. Nilai p-value:
Nilai p-value adalah probabilitas mengamati nilai statistik Chi-Square
yang setidaknya sama ekstrem dengan yang diamati, jika hipotesis nol benar. Nilai
p-value digunakan untuk mengambil keputusan apakah hipotesis nol dapat ditolak
atau tidak. Semakin kecil nilai p-value, semakin kuat bukti untuk menolak
hipotesis nol.

D. Pengambilan keputusan berdasarkan hasil uji Chi-Square:

Pengambilan keputusan berdasarkan hasil uji Chi-Square tergantung pada
nilai p-value yang diperoleh. Jika nilai p-value lebih kecil dari tingkat signifikansi
yang telah ditentukan (misalnya α=0,05), maka hipotesis nol dapat ditolak. Ini
berarti terdapat hubungan yang signifikan antara variabel kategorikal yang diuji.
Jika nilai p-value lebih besar dari tingkat signifikansi, maka hipotesis nol tidak
dapat ditolak, dan dapat disimpulkan bahwa tidak ada hubungan yang signifikan
antara variabel tersebut.
Pengambilan keputusan juga dapat ditunjang dengan melihat nilai statistik
Chi-Square. Jika nilai Chi-Square lebih besar dari nilai kritis Chi-Square pada
derajat kebebasan yang relevan, maka hipotesis nol dapat ditolak. Namun, nilai p-
value memberikan informasi yang lebih akurat dalam mengambil keputusan
statistik.

VIII. Uji Chi-Square dengan Software Statistik

A. Penggunaan software statistik dalam uji Chi-Square:
Software statistik dapat digunakan untuk melakukan analisis Chi-Square dengan
cepat dan efisien. Beberapa contoh software statistik yang sering digunakan untuk
uji Chi-Square adalah SPSS, R, dan Excel. Dengan menggunakan software, Anda
dapat mengimpor data, melakukan perhitungan statistik Chi-Square, dan
mendapatkan hasil output secara otomatis.

B. Contoh tampilan output dari software statistik:

Tampilan output dari software statistik dapat bervariasi tergantung pada software
yang digunakan. Namun, umumnya output akan mencakup informasi seperti nilai
Chi-Square, derajat kebebasan, nilai p-value, dan matriks kontingensi. Selain itu,
software statistik juga dapat menyajikan grafik atau tabel tambahan untuk
membantu interpretasi hasil.
C. Interpretasi hasil output software statistik:
Interpretasi hasil output dari software statistik akan melibatkan analisis
terhadap nilai-nilai yang dihasilkan. Beberapa hal yang perlu diperhatikan dalam
interpretasi hasil output adalah:
Nilai Chi-Square: Perhatikan nilai Chi-Square yang dihasilkan. Semakin
besar nilai Chi-Square, semakin signifikan hubungan antara variabel.
Derajat kebebasan: Periksa derajat kebebasan yang terdapat dalam output. Derajat
kebebasan menggambarkan jumlah kategori yang independen yang dapat dipilih
dalam analisis.
Nilai p-value: Perhatikan nilai p-value yang dihasilkan. Jika nilai p-value
lebih kecil dari tingkat signifikansi yang ditetapkan, hipotesis nol dapat ditolak
dan terdapat hubungan yang signifikan antara variabel. Jika nilai p-value lebih
besar dari tingkat signifikansi, hipotesis nol tidak dapat ditolak.
Penting untuk mengacu pada dokumentasi atau literatur yang menyertai software
statistik yang digunakan untuk memahami secara lebih rinci interpretasi hasil
output yang diberikan.

IX. Kasus Studi: Contoh Penerapan Metode Chi-Square

A. Deskripsi kasus studi:
Misalkan Anda ingin menguji apakah terdapat hubungan antara jenis kelamin
(Laki-laki, Perempuan) dan preferensi olahraga (Sepak bola, Basket, Renang)
berdasarkan data observasi.

B. Langkah-langkah analisis menggunakan metode Chi-Square:

 Mengumpulkan data observasi tentang jenis kelamin dan preferensi
olahraga dari sampel yang relevan.
 Membuat tabel kontingensi yang menggambarkan frekuensi observasi
untuk masing-masing kombinasi kategori (jenis kelamin dan preferensi
olahraga).
 Mengimpor data ke software statistik dan menjalankan analisis Chi-
Square.
  Mengevaluasi output statistik, termasuk nilai Chi-Square, derajat
kebebasan, dan nilai p-value.
 Melakukan interpretasi hasil untuk mengambil kesimpulan tentang adanya
hubungan yang signifikan antara jenis kelamin dan preferensi olahraga.
C. Interpretasi hasil dan kesimpulan:
Jika nilai p-value yang dihasilkan lebih kecil dari tingkat signifikansi yang telah
ditetapkan, misalnya α = 0

X. Perbandingan Metode Chi-Square dengan Metode Lain

.A. Perbandingan dengan metode t-test:
Metode t-test digunakan untuk membandingkan rata-rata antara dua
kelompok yang berbeda, sedangkan metode Chi-Square digunakan untuk menguji
hubungan antara variabel kategorikal.
Metode t-test memerlukan data berdistribusi normal dan mengukur perbedaan
dalam mean, sedangkan metode Chi-Square tidak memiliki asumsi tentang
distribusi data dan mengukur hubungan dalam bentuk frekuensi atau proporsi.
Metode t-test cocok untuk variabel numerik, sedangkan metode Chi-Square lebih
cocok untuk variabel kategorikal.
B. Perbandingan dengan metode regresi logistik:
Metode regresi logistik digunakan untuk menguji hubungan antara
variabel independen (numerik maupun kategorikal) dengan variabel dependen
biner atau dikotomous, sedangkan metode Chi-Square digunakan untuk menguji
hubungan antara variabel kategorikal.
Metode regresi logistik dapat memberikan informasi tentang kekuatan dan arah
hubungan antara variabel, serta mengontrol variabel pengganggu, sedangkan
metode Chi-Square hanya menguji keberadaan hubungan antara variabel.
C. Kelebihan dan kelemahan metode Chi-Square dibandingkan dengan metode
lain:
Kelebihan metode Chi-Square:
 Cocok untuk data kategorikal atau nominal.
 Tidak memerlukan asumsi tentang distribusi data.
 Dapat digunakan untuk menguji hubungan antara variabel kategorikal.
  Mudah diinterpretasikan dan diaplikasikan.
 Kelemahan metode Chi-Square:

 Tidak cocok untuk data kontinu atau numerik.

 Tidak memberikan informasi tentang kekuatan dan arah hubungan antara
variabel.
 Sensitif terhadap ukuran sampel yang kecil.
 Tidak dapat mengendalikan variabel pengganggu atau confounding.

XI. Saran untuk Penggunaan Metode Chi-Square

A. Pertimbangan dalam memilih metode Chi-Square:
Pastikan variabel yang akan dianalisis adalah variabel kategorikal atau
nominal. Perhatikan tujuan analisis Anda. Jika tujuan Anda adalah menguji
hubungan antara variabel kategorikal, metode Chi-Square cocok digunakan.
B. Sumber daya dan aspek teknis yang diperlukan:
Anda akan memerlukan software statistik yang mendukung analisis Chi-
Square untuk melakukan perhitungan dan mendapatkan hasil output.Familiarisasi
dengan penggunaan software statistik tersebut serta pemahaman tentang konsep
dasar metode Chi-Square sangat penting.
C. Perhatian terhadap asumsi dan interpretasi hasil:
Pastikan memahami asumsi dan batasan metode Chi-Square sebelum
menerapkannya pada data Anda. Interpretasi hasil harus hati-hati dan
mempertimbangkan konteks penelitian serta asumsi yang digunakan.Jika
memungkinkan, dapatkan pendapat ahli statistik untuk membantu interpretasi
hasil dan kesimpulan yang tepat.

XII. Kesimpulan
A. Ringkasan tentang metode Chi-Square:
Metode Chi-Square adalah salah satu metode statistik yang digunakan
untuk menguji hubungan atau asosiasi antara dua variabel kategorikal. Metode ini
melibatkan perbandingan antara frekuensi observasi dengan frekuensi yang
diharapkan secara teoritis. Statistik Chi-Square digunakan untuk mengukur sejauh
mana data observasi cocok dengan hipotesis nol yang menyatakan bahwa tidak
ada hubungan antara kedua variabel. Metode Chi-Square dapat digunakan dalam
uji goodness-of-fit, uji independence, dan uji association.
B. Keuntungan dan kelemahan metode Chi-Square:
Keuntungan metode Chi-Square meliputi:
 Sederhana dan mudah diterapkan.
 Cocok untuk data kategorikal atau diskrit.
 Tidak memerlukan asumsi tentang distribusi data dalam populasi.
 Memberikan informasi tentang hubungan antara variabel kategorikal.
Metode Chi-Square juga memiliki beberapa kelemahan, antara lain:
 Tidak dapat mengukur kekuatan atau arah hubungan antara variabel.
 Sensitif terhadap ukuran sampel, sehingga ukuran sampel yang kecil dapat
menghasilkan nilai Chi-Square yang tidak akurat.
 Hanya menguji hubungan dalam sampel yang diamati, bukan hubungan
dalam populasi secara keseluruhan.
C. Rekomendasi penggunaan metode Chi-Square:
Metode Chi-Square direkomendasikan untuk digunakan dalam situasi
berikut:
 Ketika ingin menguji hubungan atau asosiasi antara dua variabel
kategorikal.
 Ketika data yang digunakan bersifat kategorikal atau diskrit.
 Ketika ukuran sampel yang digunakan cukup besar untuk memenuhi
asumsi Chi-Square.

Namun, sebelum menggunakan metode Chi-Square, penting untuk memeriksa dan

memenuhi asumsi yang diperlukan, serta mempertimbangkan tujuan penelitian
dan konteks data yang akan dianalisis. Jika asumsi tidak terpenuhi atau jika data
memiliki karakteristik yang tidak sesuai, mungkin perlu mempertimbangkan
metode statistik lain yang lebih sesuai.
Latihan Soal
Uji pemahaman saudara dengan menjawab soal berikut !
A. Latihan Soal Pilihan Ganda:
1. Metode statistik yang digunakan untuk menguji hubungan antara dua variabel
kategorikal adalah:
a. Regresi linear
b. Uji t
c. Chi-Square
d. ANOVA
2. Derajat kebebasan (degrees of freedom) dalam distribusi Chi-Square ditentukan
oleh:
a. Jumlah pengamatan
b. Ukuran sampel
c. Jumlah kelompok atau kategori
d. Signifikansi level
3. Uji association Chi-Square digunakan untuk menguji:
a. Kesamaan mean antara dua kelompok
b. Hubungan antara dua variabel kategorikal
c. Kesamaan variansi antara dua kelompok
d. Perbedaan mean antara beberapa kelompok
4. Asumsi yang perlu dipenuhi dalam metode Chi-Square adalah:
a. Data bersifat kontinu
b. Ukuran sampel yang kecil
c. Independensi pengamatan
d. Data memiliki distribusi normal
5. Keuntungan metode Chi-Square adalah:
a. Dapat mengukur kekuatan hubungan antara variabel
b. Cocok untuk data kontinu
c. Tidak memerlukan asumsi distribusi data
d. Sensitif terhadap ukuran sampel yang kecil

6.
 REFERENSI

Agresti, A. (2002). Categorical Data Analysis (2nd ed.). Wiley-

Interscience.
Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.).
SAGE Publications.
Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to
Linear Regression Analysis (5th ed.). Wiley.
Pagano, M., & Gauvreau, K. (2018). Principles of Biostatistics (2nd ed.).
Cengage Learning.
Triola, M. F., & Triola, M. (2019). Biostatistics for the Biological and
Health Sciences (2nd ed.). Pearson.
Zar, J. H. (2010). Biostatistical Analysis (5th ed.). Pearson.