BAB VIII

ANALISIS CHI-SQUARE

Tujuan Pembelajaran
Setelah menyelesaikan bahasan analisis Chi-Square ini diharapkan:
(1) mahasiswa dapat menggunakan analisis beda frekuensi Oneway,
(2) mahasiswa dapat menggunakan analisis proporsi (beda frekuensi factorial).

Analisis Chi-Square atau Pearson Chi-Square digunakan untuk menguji perbedaan dua
atau lebih data berbentuk frekuensi atau data berskala nominal atau data kategori. Analisis chi-
square ini juga dapat digunakan menguji perbedaan proporsi. Harga Chi-Square dilambangkan
dengan X2 atau C2. Distribusi sampel X2 akan sesuai dengan distribusi teoritis X2, apabila tidak
lebih besar dari 20% jumlah sel mempunyai nilai harapan lebih kecil dari 5, dan tidak ada sel yang
mempunyai nilai harapan kurang dari 1 (Kuntoro, 2006). Dalam menggunakan analisis Chi-
Square kedua syarat ini harus dipenuhi. Bila terjadi bahwa > 20% jumlah sel mempunyai harapan
< 5 atau ada sel yang mempunyai nilai harapan < 1, maka X2 kurang tepat digunakan. Hendaknya
digunakan uji yang lain yaitu Uji Exact Binomial Probability atau yang dikenal sebagai Uji Eksak
dari Fisher (Exact Fisher’s test) (Wibowo, 2006).
(𝑓𝑎 –𝑓ℎ)2
Rumus Chi-Square adalah: X2 = ∑
𝑓ℎ
fa : frekuensi amatan
fh: frekuensi harapan
Dengan catatan tidak lebih besar dari 20% jumlah kelompok mempunyai nilai fh < 5, dan tidak ada
kelompok yang mempunyai nilai fh < 1. Hasil X2 hitung selanjutnya dibandingkan dengan X2
tabel, berdasarkan derajat kebebasan (db) = k – 1 dengan k = jumlah kelompok) dan taraf
signifikan sesuai hipotesisnya.
Prinsip dari analisis chi square antara lain (1) untuk setiap kategori, perbedaan diperoleh
dari selisih frekuensi amatan (fa) dengan frekuensi harapan (fh) yang dihitung berdasarkan
hipotesis nol (Ho), (2) makin besar ukuran sampel makin besar harga X2, (3) jumlah kategori
mempengaruhi besar derajat kebebasan (db), makin besar derajat kebebasan makin besar titik
kritiknya, dan (4) memenuhi persyaratan tidak lebih besar dari 20% jumlah sel mempunyai nilai
harapan lebih kecil dari 5, dan tidak ada sel yang mempunyai nilai harapan kurang dari 1.
Ada dua uji perbedaan frekuensi yang akan dibahas dalam bagian ini, yaitu perbedaan
frekuensi satu arah dan perbedaan frekuensi dua arah (proporsi).

8.1. Perbedaan Frekuensi Satu Arah

Seringkali data yang didapatkan berskala nominal atau kategori, misalnya agama yang
dianut, jenis pekerjaan utama, pilihan untuk melanjutkan studi, atau pilihan terhadap suatu partai.
Penjumlahan data nominal ini akan berupa frekuensi. Misalnya frekuensi pemilih tanda gambar A,
frekuensi siswa SMK yang melanjutkan studi di perguruan tinggi, atau frekuensi siswa yang
mendapat beasiswa. Frekuensi satu arah dimaksudkan bila dalam penelitian terdiri satu variabel
bebas. Misal frekuensi siswa yang mendapat beasiswa berdasar pekerjaan orang tua. Uji perbedaan
data yang berbentuk frekuensi ini digunakan analisis Chi Square.

Contoh 8.1
Suatu penelitian ingin menguji perbedaan minat siswa SMP dalam melanjutkan studi di SLTA,
yaitu ke SMA atau ke SMK. Hipotesis yang diajukan (Ha): Ada perbedaan minat siswa SMP
masuk SMA dan SMK. Dari 124 siswa SMP sebagai sampel penelitian, yang berminat ke SMA 73
siswa dan yang berminat ke SMK 51 siswa. Ujilah hipotesis tersebut dengan α = 0,05.

81
 Ha: f1 ≠ f2
Ho: f1 = f2
Pengujian hipotesis dilakukan menggunakan tabel kerja chi-square sebagai berikut.

Tabel 8.1.1. Tabel Kerja Chi-Square Satu Arah

Sumber SMA SMK Total
Frekuensi amatan (fa) 73 51 124
Frekuensi harapan (fh) 62 62 124
𝑓𝑎 𝑡𝑜𝑡𝑎𝑙 124
fh = 𝑘
= 2
= 62
harga fh yang lebih kecil dari 5 tidak ada atau lebih kecil 20% dari jumlah kelompok dan fh yang
lebih kecil 1 tidak ada, berarti X2 dapat digunakan.
(𝑓𝑎 –𝑓ℎ)2 (73 – 62)2 (51 – 62)2
X2 = ∑ = + = 3,903
𝑓ℎ 62 62
db = k – 1 = 2 – 1 = 1.
Bila taraf signifikan α = 0,05, dan berdasarkan Ha menggunakan tabel dua ekor, maka didapatkan
X2 tabel = 5,02. Harga X2 hitung < X2 tabel, dengan demikian Ho gagal ditolak. Dengan demikian
Ha tidak didukung oleh data, atau tidak ada perbedaan minat siswa masuk SMA dan SMK.
Levin & Fox (1991), McClave & Dietrich (1995), Howell (1982) dalam hal ini
menggunakan tabel satu ekor (1-tailed), sedang Sudjana (1989) menggunakan tabel dua ekor (2-
tailed).
Selain analisis secara manual atau berdasarkan rumus, dapat dianalisis menggunakan excel
atau SPSS. Analisis menggunakan Excel diawali dengan membuat tabel seperti Tabel 8.1.1 dalam
jaring-jaring excel. Kemudian pilih menu Formulas, pilih Morefunction, pilih Statistical, dan pilih
CHISQ.TEST. Pada tabel Actual_range isikan data amatan awal dan akhir dengan tanda hubung
titik dua (:). Demikian pula pada tabel Expected_range isikan data harapan awal dan akhir dengan
tanda hubung titik dua (:), dan OK. Hasil analisis akan didapatkan harga Signifikasi p = 0,048.
Analisis dengan excel ini tidak ditampilkan harga X2, tetapi langsung pada harga signifikansi (p).
Analisis menggunakan program SPSS diawali dengan penyusunan data sesuai dengan
jaring yang ada pada input data SPSS, sebagai berikut.
Mn Fr Mn = Minat (1 = SMA dan 2 = SMK)
1 1 Fr = frekuensi
1 1
. .
. .
1 1
2 1
2 1
. .
2 1
Setelah data tertulis dalam jaring input SPSS selanjutnya dapat dimulai analisis dengan
langkah-langkah klik ● Analyze, ● Nonparametric, ● Chi-Square, ● Test Variable List: Mn, Fr, ●
klik Get from data, ● klik All categories equal, ● klik Exact, ● klik Exact lagi, ● klik Continue,
dan klik ● OK. Hasil analisis chi-square meliputi dua hal, yaitu frekuensi amatan dan harapan,
serta hasil analisis chi-square, seperti terlihat pada Tabel 8.1.2. dan Tabel 8.1.3.

82
Tabel 8.1.2. Frekuensi Amatan dan Harapan
Minat Observed N Expected N Residual
SMA 73 62.0 11.0
SMK 51 62.0 -11.0
Total 124
a. This variable is constant. Chi-Square Test cannot
be performed.

Tabel 8.1.3. Hasil Analisis Chi-Square

Minat
Chi-Square 3.903a
df 1
Asymp. Sig. .048
Exact Sig. .059
Point Probability .020
a. 0 cells (.0%) have expected frequencies less than 5. The
minimum expected cell frequency is 62.0.

Berdasarkan Tabel 8.1.3 dapat dilihat bahwa harga Chi-Square = 3,903, sama dengan hasil
perhitungan secara manual. Harga sig. dapat dipilih exact sig = 0,059 > 0,05 yang berarti tidak
signifikan. Artinya tidak ada perbedaan yang signifikan dari siswa SMP yang berminat masuk
SMA dengan masuk SMK.
Analisis dengan SPSS juga dapat dilakukan dengan cara lain. Pengisian jaring SPSS lebih
sederhana, tetapi analisis dilakukan dua tahap. Pengisian jaring SPSS sebagai berikut:

Mn Fr
1 73
2 51
Setelah data dimasukkan dalam jaring SPSS, selanjutnya lakukan perintah: • Klik Data, •
Klik Weight Case, masukkan Fr pada kotak Frequency variable, dan • Klik OK. Selanjutnya • Klik
Analyze, • Klik Nonparametric Tests, • Klik Chi Square, masukkan Mn pada kotak Test variables
list, dan • Klik OK.

Contoh 8.2
Hipotesis (Ha): Ada perbedaan alasan siswa SMP masuk SMK. Dari data yang terkumpul
sejumlah 87 siswa, sebanyak 30 siswa masuk SMK karena bakat, 12 siswa karena pekerjaan orang
tua, 45 karena pengaruh teman. Ujilah hipotesis tersebut dengan α = 0,05.
Ha: f1 ≠ f2 ≠ f3
Ho: f1 = f2 = f3
Pengujian hipotesis dilakukan menggunakan tabel kerja chi-square sebagai berikut.

Tabel 8.1.4. Tabel Kerja Chi-Square Satu Arah

Sumber Bakat Ortu Teman
Frekuensi amatan (fa) 30 12 45 87
Frekuensi harapan (fh) 29 29 29 87
𝑓𝑎 𝑡𝑜𝑡𝑎𝑙 87
fh = = = 29
𝑘 3
fh < 5 tidak ada atau < 20% dari jumlah kelompok dan fh yang < 1 tidak ada, berarti X2 dapat
digunakan.

83
 (𝑓𝑎 –𝑓ℎ)2 (30 – 29)2 (12 – 29)2 (45 – 29)2
X2 = ∑ 𝑓ℎ
= 29
+ 29
+ 29
= 18,828
db = k – 1 = 3 – 1 = 2
Bila taraf signifikan α = 0,05, dan berdasarkan Ha menggunakan tabel dua ekor, maka didapatkan
X2 tabel = 7,38. Harga X2 hitung > X2 tabel, dengan demikian Ho ditolak. Dengan demikian Ha
didukung data, atau ada perbedaan alasan siswa SMP masuk SMK. Alasan terbanyak adalah
karena teman sekolah, disusul alasan bakat siswa, dan yang terkecil adalah karena alasan pekerjaan
orang tua. Hasil analisis dengan program SPSS seperti terlihat pada Tabel 8.1.5 dan Tabel 8.1.6.

Tabel 8.1.5. Frekuensi Amatan dan Harapan

Alasan Observed N Expected N Residual
Bakat 30 29.0 1.0
Ortu 12 29.0 -17.0
Teman 45 29.0 16.0
Total 87

Tabel 8.1.6. Hasil Analisis Chi-Square

Alasan
Chi-Square 18.828a
df 2
Asymp. Sig. .000
Exact Sig. .000
Point Probability .000
a. 0 cells (.0%) have expected frequencies less than 5.
The minimum expected cell frequency is 29.0.

Berdasarkan Tabel 8.1.6 dapat dilihat bahwa harga Chi-Square = 18,828, sama dengan
hasil perhitungan secara manual. Harga sig. dapat dipilih exact sig = 0,000 < 0,05 yang berarti
signifikan. Artinya ada perbedaan yang signifikan alasan siswa SMP yang masuk SMK. Alasan
dengan frekuensi terbanyak adalah karena teman, disusul karena bakat, dan terakhir karena orang
tua.

8.2. Perbedaan Frekuensi Dua Arah (Proporsi)

Selain dapat digunakan untuk menguji perbedaan satu arah, uji frekuensi juga dapat
digunakan dalam dua arah atau berupa bentuk proporsi. Kelompok selain dibagi dalam ke arah
kanan juga dalam ke arah bawah atau berupa rancangan factorial.
p q Tb
1 fa1p fa1q Tb1
2 fa2p fa2q Tb2
Tk Tkp Tkq Tg
Harga frekuensi amatan (fa) masing-masing kelompok selanjutnya dimasukkan dalam tabel dua
arah dan harga frekuensi harapan (fh) dapat dicari dengan cara sebagai berikut.
(𝑇𝑏1 )(𝑇𝑘𝑝 ) (𝑇𝑏1 )(𝑇𝑘𝑞 ) (𝑇𝑏2 )(𝑇𝑘𝑝 ) (𝑇𝑏2 )(𝑇𝑘𝑞 )
fh1p = fh1q = fh2p = fh2q =
𝑇𝑔 𝑇𝑔 𝑇𝑔 𝑇𝑔

p q Tb
1 fh1p fh1q Tb1
2 fh2p fh2q Tb2
Tk Tkp Tkq Tg

84
Dengan catatan tidak lebih besar dari 20% jumlah sel mempunyai nilai fh < 5, dan tidak ada sel
yang mempunyai nilai fh < 1. Harga derajat kebebasan (db) adalah (b – 1)(k – 1), dimana b adalah
jumlah kelompok pada baris, sedang k adalah jumlah kelompok pada kolom.

Contoh 8.2.1
Suatu penelitian ingin mengetahui perbedaan proporsi siswa SMA perokok yang merencanakan
melanjutkan studi dan yang tidak merencanakan melanjutkan studi di perguruan tinggi. Hipotesis:
Ada perbedaan proporsi perokok siswa SMA antara yang merencanakan melanjutkan studi dengan
yang tidak merencanakan melanjutkan studi di perguruan tinggi.
Sampel penelitian terdiri dari 21 siswa SMA yang merencanakan melanjutkan studi dan 15 siswa
SMA tidak merencanakan melanjutkan studi diperguruan tinggi. Dari yang merencanakan
melanjutkan studi ada 15 siswa diantaranya adalah perokok, sedang dari yang tidak merencanakan
melanjutkan studi ternyata ada 5 siswa yang perokok. Ujilah hipotesis tersebut dengan α = 0,05.
Melanjutkan Tidak Tb

Perokok 15 5 20

Bukan 6 10 16

Tk 21 15 36

(20)(21) (20)(15) (16)(21)

fh1p = 36
= 11,67 fh1q = 36
= 8,33 fh2p = 36
= 9,33
(16)(15)
fh2q = = 6,67
36

Melanjutkan Tidak Tb

Perokok 11,67 8,33 20

Bukan 9,33 6,67 16

Tk 21 15 36
fh < 5 kurang dari 20% dari jumlah sel dan fh yang < 1 tidak ada, berarti X2 dapat digunakan.
(𝑓𝑎 –𝑓ℎ)2 (15 – 11,67)2 (5 – 8,33)2 (6 – 9,33)2 (10 – 6,67)2
X2 = ∑ 𝑓ℎ
= 11,67
+ 8,33
+ 9,33
+ 6,67
= 5,14

db = (b – 1)(k – 1) = (2 – 1)(2 – 1) = 1
Bila taraf signifikan α = 0,05, dan berdasarkan Ha menggunakan tabel dua ekor, maka didapatkan
X2 tabel = 5,02. Harga X2 hitung > X2 tabel, dengan demikian Ho ditolak. Ha didukung oleh data,
atau ada perbedaan proporsi perokok siswa SMA dari yang merencanakan melanjutkan studi
dengan yang proporsi perokok dari yang tidak merencanakan melanjutkan studi di perguruan
tinggi. Proporsi perokok siswa SMA yang merencanakan melanjutkan studi lebih besar daripada
proporsi perokok yang tidak merencanakan melanjutkan studi.
15
Proporsi perokok yang melanjutkan studi = 21
= 0,71, sedang proporsi perokok yang tidak
5
melanjutkan studi = 15
= 0,33.
Melanjutkan Tidak

Perokok 0,71 0,33

Analisis menggunakan Excel diawali dengan membuat tabel frekuensi amatan dan frekuensi
harapan dalam jaring-jaring excel. Kemudian pilih menu Formulas, pilih Morefunction, pilih

85
Statistical, dan pilih CHISQ.TEST. Pada tabel Actual_range isikan data amatan awal dan akhir
dengan tanda hubung titik dua (:). Demikian pula pada tabel Expected_range isikan data harapan
awal dan akhir dengan tanda hubung titik dua (:), dan OK. Hasil analisis akan didapatkan harga
Signifikansi p = 0,023.
Analisis perbedaan frekuensi dua arah dengan program SPSS diawali dengan penyusunan data,
yaitu ditulis data baris, data kolom, dan data frekuensi, seperti tabel berikut.

Data Kolom
Studi (St)
Melanjutkan (1) Tidak (2)
Kebiasaan Perokok (1) 15 5
Data baris
(Kb) Bukan (2) 6 10

Selanjutnya dirubah menjadi tabel berikut dan dimasukkan dalam jaring SPSS.
Kb St Fr
1 1 15
1 2 5
2 1 6
2 2 10
Perintah analisis program SPSS dilakukan dalam dua tahap. Tahap pertama menyusun frekuensi
dua arah, tahap kedua analisis chi-square.

Tahap pertama: ●Klik Data, ● klik Weight Cases, ● klik Weight Cases by, ● Isikan pada
Frequency Variable: Frekuen (Fr), ● dan OK.

Tahap kedua: ● Klik Analyze, ● klik Descriptive statistic, ● klik Crosstabs, ● Isikan pada Row(s):
Kebiasaan (Kb) dan pada Colom(s): Studi (St), ● klik Statistic, pilih Chi-Square, ● klik Continue,
● klik Cells dan centang Observed dan centang Expected, ● klik Continue, dan OK.
Hasil perhitungan dengan program SPSS dari perintah tahap pertama dan tahap kedua dapat dilihat
pada Tabel 8.2.1 dan Tabel 8.2.2.
Tabel 8.2.1. Frekuensi Dua Arah
Studi
Melanjutkan Tidak Total
Kebiasaan Perokok Count 15 5 20
Expected Count 11.7 8.3 20.0
Bukan Count 6 10 16
Expected Count 9.3 6.7 16.0
Total Count 21 15 36
Expected Count 21.0 15.0 36.0

Tabel 8.2.2. Hasil Analisis Chi-Square Dua Arah

Asymp. Sig. (2- Exact Sig. (2- Exact Sig.
Value df sided) sided) (1-sided)
Pearson Chi-Square 5.143a 1 .023
Continuity Correctionb 3.716 1 .054
Likelihood Ratio 5.238 1 .022
Fisher's Exact Test .041 .026
Linear-by-Linear 5.000 1 .025
Association
N of Valid Casesb 36
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.67.

86
 Asymp. Sig. (2- Exact Sig. (2- Exact Sig.
Value df sided) sided) (1-sided)
Pearson Chi-Square 5.143a 1 .023
Continuity Correctionb 3.716 1 .054
Likelihood Ratio 5.238 1 .022
Fisher's Exact Test .041 .026
Linear-by-Linear 5.000 1 .025
Association
N of Valid Casesb 36
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.67.
b. Computed only for a 2x2 table

Hasil chi-square X2 = 5,143 dan harga sig. = 0,023 < 0,05, yang berarti signifikan. Apabila tidak
memenuhi persyaratan, maka digunakan Fisher’s Exact Test.
Analisis dengan SPSS juga dapat dilakukan melalui statistik deskriptif. Data terlebih dulu disusun
seperti penyusunan pada analisis faktorial bab sebelumnya, tetapi tidak dimasukkan Dependent
variable (Skor).

Kebiasaan Studi
1 1
1 1
1 dst
1 2
1 2
dst dst
2 1
2 1
2 dst
2 2
2 2
dst dst
Langkah-langkah operasi SPSS: • Klik Analyze, • Klik Descriptive statistics, • Klik Crosstabs, •
Masukkan ‘Kebiasaan’ pada kotak Row(s) dengan cara klik ‘Kebiasaan’ dan klik anak panah pada
kotak Row(s), • Masukkan ‘Studi’ pada kotak colum(s) dengan cara klik ‘Studi’ dan klik anak
panah pada kotak Colum(s), ● klik Statistic, pilih Chi-Square, ● klik Continue, ● klik Cells dan
centang Observed dan centang Expected, ● klik Continue, dan klik OK.

Contoh 8.2.2 Ha: Ada perbedaan proporsi kayu yang rusak akibat dimakan rayap antara jenis
kayu A dengan jenis kayu B
Sebanyak 180 batang jenis kayu A dan 150 batang jenis kayu B dipancang didaerah yang rawan
rayap. Dari 180 batang jenis kayu A sebanyak 81 batang rusak dimakan rayap, sedang dari 150
batang jenis kayu B ada 48 batang yang rusak dimakan rayap.
Uji hipotesis ini dengan α = 0,05.
Ha: p1 ≠ p2
Ho: p1 = p2
Kayu A Kayu B Tb
Rusak 81 48 129
Tidak 99 102 201
Tk 180 150 330

87
 Kayu A Kayu B Tb
Rusak 70,364 58,636 129
Tidak 109,636 91,364 201
Tk 180 150 330
fh < 5 tidak ada atau < 20% dari jumlah sel dan fh yang < 1 tidak ada, berarti X2 dapat digunakan.
(𝑓𝑎 –𝑓ℎ)2 (81 – 70,364)2 (48 – 58,636)2 (99 – 109,636)2 (102 – 91,364)2
X2 = ∑ = + + + = 5,879
𝑓ℎ 70,364 58,636 109,636 91,364

db = (b – 1)(k – 1) = (2 – 1)(2 – 1) = 1
Bila taraf signifikan α = 0,05, dan berdasarkan Ha menggunakan tabel dua ekor, maka didapatkan
X2 tabel = 5,02. Harga X2 hitung > X2 tabel, dengan demikian Ho ditolak dan Ha didukung data.
Jenis kayu A yang tahan terhadap kerusakan adalah 0,55 atau 55% dan jenis kayu B yang tahan
terhadap kerusakan adalah 0,97 atau 97%. Dengan demikian jenis kayu B lebih tahan terhadap
kerusakan dari pada jenis kayu A.
Hasil analisis dengan program SPSS seperti terlihat pada Tabel 8.2.3 dan Tabel 8.2.4.
Tabel 8.2.3. Frekuensi Dua Arah
Kerusakan * Jenis Kayu Crosstabulation
Jenis Kayu
Kayu A Kayu B Total
Kerusakan Rusak Count 81 48 129
Expected Count 70.4 58.6 129.0
Tidak Count 99 102 201
Expected Count 109.6 91.4 201.0
Total Count 180 150 330
Expected Count 180.0 150.0 330.0

Tabel 8.2.4. Hasil Analisis Chi-Square Dua Arah

Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 5.807a 1 .016
Continuity Correctionb 5.274 1 .022
Likelihood Ratio 5.850 1 .016
Fisher's Exact Test .018 .011
Linear-by-Linear
5.790 1 .016
Association
N of Valid Casesb 330
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 58.64.
b. Computed only for a 2x2 table
Khusus untuk data frekuensi faktorial 2 x 2 dapat menggunakan nilai continuity correction.

Contoh 8.2.3.
Berikut ini adalah contoh analisis Chi Square yang tidak memenuhi persyaratan terhadap frekuensi
harapan yang diperbolehkan. Hipotesis: Ada perbedaan proporsi jenis pekerjaan di proyek dan
nonproyek antara lulusan SMK dan SMA. Berdasarkan hipotesis ini selanjutnya dikumpulkan data
lulusan SMK dan SMA sebulan terakhir yang bekerja di proyek dan bukan proyek. Hasil
pengumpulan data didapatkan seperi terlihat pada tabel berikut.

88
 Lulusan (Lu)
SMK (1) SMA (2)
Proyek (1) 3 0
Pekerjaan (Pe)
Nonproyek (2) 1 3

Hasil analisis data menggunakan SPSS didapatkan seperti terlihat pada tabel berikut.
Lulusan
SMK SMA Total
Pekerjaan Proyek Count 3 0 3
Expected Count 1.7 1.3 3.0
Nonproyek Count 1 3 4
Expected Count 2.3 1.7 4.0
Total Count 4 3 7
Expected Count 4.0 3.0 7.0

Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
Pearson Chi-Square 3.938a 1 .047
Continuity Correctionb 1.470 1 .225
Likelihood Ratio 5.062 1 .024
Fisher's Exact Test .143 .114
Linear-by-Linear Association 3.375 1 .066
N of Valid Cases 7
a. 4 cells (100.0%) have expected count less than 5. The minimum expected count is 1.29.
b. Computed only for a 2x2 table

Berdasarkan analisis SPSS ini didapatkan bahwa data tidak memenuhi syarat. Ada 100% frekuensi
harapan < 5, padahal yang diperbolehkan < 20%. Oleh karena itu hasil analisis yang digunakan
dalam tabel di atas adalah Fisher's Exact Test. Nilai Exact Sig. (2-sided) = 0,143 dan Exact Sig. (1-
sided) = 0,114. Karena p hitung > 0,05, maka dinyatakan tidak ada perbedaan yang signifikan.
Tidak ada perbedaan proporsi jenis pekerjaan di proyek dan nonproyek antara lulusan SMK dan
SMA.
Berikut ini akan dibahas penggunaan Fisher's Exact Test. Apabila data di atas kita hitung secara
manual, maka dapat ditabelkan sebagai berikut:

SMK SMA Jumlah

Proyek 3 (A) 0 (B) 3(A + B)
Nonproyek 1 (C) 3 (D) 4(C + D)
Jumlah 4(A + C) 3(B + D) 7(N)

(𝑨+𝑩)! (𝑪+𝑫)! (𝑨+𝑪)! (𝑩+𝑫)!

Rumus Fisher's Exact Test → p = 𝑨! 𝑩! 𝑪! 𝑫! 𝑵!

89
 (3+0)! (1+3)! (3+1)! (0+3)! 3! 4! 4! 3!
Bila diisikan frekuensinya → p = 3! 0! 1! 3! 7!
= 3! 0! 1! 3! 7!

Harga n! adalah 1 x 2 x 3 x 4 x 5 x 6 x 7 … x n
0! = tetap = 1
1! = 1 x 1 = 1
3! = 1 x 2 x 3 = 6
4! = 1 x 2 x 3 x 4 = 24
7! = 1 x 2 x 3 x 4 x 5 x 6 x 7 = 5040
(6) (24) (24) (6)
Harga Fisher's Exact Test → p = (6) (1) (1) (6) (5040) = 0,1143. Harga ini adalah p untuk one-tailled.

8.3. Uji Persyaratan Analisis Chisquare

Ada dua persyaratan analisis Chisquare yang perlu dipenuhi, yaitu (1) Nilai
frekuensi harapan (fh) yang lebih kecil dari 5 tidak lebih dari 20%, dan (2) Tidak ada nilai
frekuensi harapan yang lebih kecil dari 1. Apabila data tidak memenuhi syarat disarankan
menggunakan Fisher's Exact Test.

90