Chi Square

2
X )

Rahmad Wijaya
Rahmad Wijaya, 2003

Uji Goodness of Fit

Seberapa tepat frekuensi yang teramati

(observed frequencies) cocok dengan

frekuensi yang diharapkan (expected
frequencies).
Dapat dipergunakan untuk data skala
nominal, ordinal, interval, maupun rasio.

Rahmad Wijaya, 2003

Ciri-ciri distribusi Chi Square

Selalu positif
df = k 1, dimana k adalah jumlah

katagori. Jadi bentuk distribusi chi

square tidak ditentukan banyaknya
sampel, melainkan banyaknya derajat
bebas.
Bentuk distribusi chi square menjulur
positif. Semakin besar derajat bebas,
Rahmad Wijaya,
2003
semakin mendekati
distribusi
normal.

Pokok Bahasan
1. Uji Goodness of Fit : Frekuensi yang
diharapkan sama
2. Uji Goodness of Fit : Frekuensi yang
diharapkan tidak sama
3. Keterbatasan statistik Chi Square
4. Uji Goodness of Fit untuk menguji
kenormalan suatu distribusi
5. Analisis Tabel Kontingensi
Rahmad Wijaya, 2003

1. Uji Goodness of Fit : Frekuensi yang

diharapkan sama
Contoh :
Manajer Personalia ingin melihat apakah pola absensi terdistribusi secara
merata sepanjang enam hari kerja. Hipotesis nol yang akan diuji adalah
Absensi terdistribusi secara merata selama enam hari kerja. Taraf nyata
yang digunakan adalah 0,01. Hasil dari sampel ditujukan sebagai berikut :
Hari
Jumlah Absen
Senin
12
Selasa
9
Rabu
11
Kamis
10
Jumat
9
Sabtu
9
Ujilah hipotesis tersebut !
Rahmad Wijaya, 2003

Langkah-langkah yang dilakukan sbb :

a. Buat formulasi hipotesis :
Ho : tidak ada perbedaan antara frekuensi yang teramati dengan
frekuensi yang diharapkan.
H1 : ada perbedaan antara frekuensi yang teramati dengan frekuensi
yang diharapkan.
b. Tentukan taraf nyata yang akan digunakan dalam pengujian.
Misalnya : 0,05
c. Pilih uji statistik yang sesuai dengan hipotesis. Dalam kasus diatas
dipergunakan rumus :
2

( fo fe )
X

fe

dimana :
fo = besarnya frekuensi yang teramati.
fe = besarnya frekuensi yang diharapkan.

Rahmad Wijaya, 2003

d. Buat aturan pengambilan keputusan dengan jalan membandingkan nilai

X2 dengan nilai kritis (X2 tabel). Nilai kritis diperoleh dari tabel X2
dengan df = k-1 dan taraf nyata 0,05. Dari tabel X2(0,05;5) diperoleh
nilai 11,070.
Aturan pengambilan keputusannya : hipotesis nol
diterima bila X2 < 11,070 dan jika X2 11,070, maka hipotesis nol
ditolak dan menerima hipotesis alternatif.
e. Lakukan pengambilan sampel dan hitung nilai chi square. Buat
keputusan untuk menolak atau menerima hipotesis nol.
Penghitungan Chi Square :
Hari
fo
fe
f o- f e
(fo-fe)2 (fo-fe)2/fe
Senin
12
10
2
4
0,4
Selasa
9
10
-1
1
0,1
Rabu
11
10
1
1
0,1
Kamis
10
10
0
0
0
Jum'at
9
10
-1
1
0,1
Sabtu
9
10
-1
1
0,1
Jumlah 60
0
0,8
Jadi X2 = 0,8. Karena X2 < 11,070, maka hipotesis nol diterima yang
Rahmad Wijaya, 2003

bearti absensi terdistribusi secara merata.

2. Uji Goodness of Fit : Frekuensi yang

diharapkan tidak sama
Contoh : Tabel berikut adalah jumlah mahasiswa yang terdaftar
berdasakan fakultas di Universitas Midwestern.
Fakultas
Jml mhs
Jml mhs
terdaftar
yg mengembalikan kuesioner.
Seni dan sain
4700
90
Administrasi bisnis 2450
45
Pendidikan
3250
60
Teknik
1300
30
Hukum
850
15
Farmasi
1250
15
Univ. College
3400
45
Editor majalah mahasiswa memilih nama-nama secara acak dari masingmasing fakultas dan mengirim kuesioner. Jumlah mahasiswa yang
mengembalikan kuesioner menurut fakultas ditunjukkan pada kolom 2
dalam tabel diatas. Dengan taraf nyata 5 %, tentukan apakah jumlah
mahasiswa yang mengembalikan
kuesioner
menurut fakultas dapat
Rahmad
Wijaya, 2003
mencerminkan populasi mahasiswa di Universitas Midwestern.

Penyelesaian :
1. Formulasi hipotesis.
Ho : jumlah mahasiswa yang mengembalika kuesioner mencerminkan
populasi mahasiswa di universitas Midwestern.
H1 : jumlah mahasiswa yang mengembalika kuesioner tidak
mencerminkan populasi mahasiswa di universitas Midwestern.
2. Taraf nyata 5 %
3. Pilih uji statistik (sama seperti pembahasan diatas)
4. Aturan pengambilan keputusan :

df = k 1 = 7 - 1 = 6
X2 tabel = 12,592
Ho diterima jika X2 < 12,592
Ho ditolak jika X2 12,592 (menerima H1)
5. Hitung X2
Untuk menghitung X2 perlu dilakukan transformasi data. Data jumlah
mahasiswa terdaftar dihitung
proporsinya
dengan jumlah kuesioner
Rahmad
Wijaya, 2003
yang kembali. Haslnya seperti pada tabel berikut :

Jml Mhs Jml mhs yg

Fakultas
terdaftar mengembalikan
kuesioner
Seni dan sain
4700
90
Administrasi bisnis 2450
45
Pendidikan
3250
60
Teknik
1300
30
Hukum
850
15
Farmasi
1250
15
Univ. College
3400
45
Total
17200
300

Proporsi mhs
terdaftar
0,27
0,14
0,19
0,08
0,05
0,07
0,20
1

4700 / 17200

Kemudian hitung X2 dengan fo = jumlah mahasiswa

yang mengembalikan kuesioner, fe = jumlah
mahasiswa terdaftar yang dihitung dari proporsi
dikalikan dengan jumlah total mahasiswa yang
mengembalikan kuesioner. Hasilnya sebagai berikut :
Rahmad Wijaya, 2003

10

Fakultas
Seni dan sain
Administrasi bisnis
Pendidikan
Teknik
Hukum
Farmasi
Univ. College
Total

fo
90
45
60
30
15
15
45
300

Proporsi
0,27
0,14
0,19
0,08
0,05
0,07
0,20
1,00

fe
81
42
57
24
15
21
60
300

(fo-fe)2/fe
1,00
0,21
0,16
1,50
0
1,71
3,75
8,33

Kesimpulan hipotesis nol diterima, karena X2 <

12,592 (8,33 < 12,592) berarti jumlah mahasiswa
yang mengembalikan kuesioner mencerminkan
populasi mahasiswa di universitas Midwestern.
Rahmad Wijaya, 2003

11

3. Keterbatasan statistik Chi Square

Tidak dapat dipergunakan bila ada satu atau lebih nilai
frekuensi yang diharapkan dalam sel yang nilainya kecil
sekali, sehingga kesimpulannya bisa salah.
Cara mengatasinya :
Jika tabel hanya terdiri dari dua sel, maka frekuensi yang
diharapkan untuk masing-masing sel seharusnya tidak
kurang dari 5.
Untuk tabel yang mempunyai lebih dari dua sel, X2
seharusnya tidak digunakan jika lebih dari 20 % frekuensi
yang diharapkan memiliki nilai kurang dari 5. Jika
memungkinkan sel-sel yang bernilai kurang dari 5 dapat
digabungkan menjadi Rahmad
satu dengan
harapan nilainya lebih 12
Wijaya, 2003
dari 5.

4. Uji Goodness of Fit untuk menguji

kenormalan suatu distribusi
Contoh :
Perusahaan terminal komputer melaporkan dalam sebuah iklannya bahwa
bila dipergunakan secara normal, masa pakai rata-rata terminal komputer
hasil produksinya adalah 6 tahun dan deviasi standarnya sebesar 1,4
tahun. Dari seuah sampel sebesar 90 unit terminal komputer yang terjual
10 tahun yang lalu diperoleh informasi mengenai distribusi masa pakai
seperti yang tampak pada tabel dibawah ini. Dengan menggunakan taraf
nyata 5 %, dapatkah perusahaan menarik kesimpulan bahwa masa pakai
terminal komputer hasil produksinya terdistribusi normal ?
Masa Pakai (tahun)

04
45
56
67
78
>8
Total

Frekuensi

7
14
25
22
16
6
Rahmad
90 Wijaya, 2003

13

Penyelesaiannya :
a. Hitung luas daerah dibahwa kurna normal untuk masing-masing
katagori.Rumus yang dipergunakan adalah :
Dimana : X = batas bawah dan batas atas kelas.
= nilai rata-rata
= standar deviasi
b. Hitung frekuensi yang dihrapkan dengan megkalikan luas daerah
dibawah kurva normal dengan jumlah sampel. Hasil sbb :
Masa Pakai
(tahun)

Frek.

nilai Z

Daerah

0-4
4-5
5-6
6-7
7-8
>8
Total

7
14
25
22
16
6

< -1,43
0,0764
-1,43 s/d -0,71
0,1625
-0,71 s/d 0,00
0,2611
0,00 s/d 0,71
0,2611
0,71 s/d 1,43
0,1625
> 1,43
0,0764
90 Rahmad Wijaya, 2003
1

Frekuensi
yang diharapkan

6,876
14,625
23,499
23,499
14,625
6,876
90

14

c. Hitung Chi Square

Nilai X2 tabel dengan df = k - 1 = 6 1 = 5 dan taraf nyata 5 % diperoleh
nilai 11,070
Ho : masa pakai komputer terdistribusi normal
H1 : masa pakai komputer tidak terdistribusi normal
Ho diterima jika X2 < 11,070
Ho dittolak jika X2 11,070 (menerima H1)
Masa Pakai (tahun) fo
fe
(fo-fe)2/fe
04
7
6,876
0,0022362
45
14
14,625
0,0267094
56
25
23,499
0,0958765
67
22
23,499
0,0956211
78
16
14,625
0,1292735
>8
6
6,876
0,1116021
Total
90
90
0,4613188

Kesimpulan : Karena nilai X2 hitung sebesar 0,46 lebih kecil

dari 11,070, maka hipotesis
nol diterima yang berarti masa 15
Rahmad Wijaya, 2003
pakai komputer terdistribusi normal.

5. Analisis Tabel Kontingensi

Uji Goodness of Fit dapat pula dipergunakan untuk menguji hubungan
dua fenomena..
Contoh : Hasil penelitian mengenai tingkat tekanan psikologis dikaitkan
dengan usia responden yang diakibatkan pekerjaanya tampak pada tabel
berikut :
Umur (th) Derajat tekanan (banyaknya pramuniaga)
Rendah

Menengah

Tinggi

< 25

20

18

22

25 40

50

46

44

40 60

58

Rahmad Wijaya, 2003

63

59

16

Pemecahan :
a. Formulasi
Ho : Tidak terdapat hubungan antara usia dengan tingkat tekanan
psikologis
H1 : Ada hubungan antara usia dengan tingkat tekanan psikologis
b. Hitung derajat bebas.
df = (jumlah baris 1) x (jumlah kolom 1)
df = (4 1)(3 1) = 6
taraf nyata = 0,01
Nilai kritis (X2 tabel) = 16,812
c. Hitung frekuensi yang diharapkan dengan rumus

Frekuensi _ yang _ diharapkan

(Total _ baris)(Total _ kolom)

Total _ keseluruhan

Rahmad Wijaya, 2003

17

Hasil perhitungan :
Derajat tekanan
Menengah
Tinggi
fo
fe
fo
fe
18
20
22
20
46
48
44
47
63
61
59
60
43
41
43
40
170
170 168 168

Umur (th) Rendah

Total
fo
fe
fo
fe
< 25
20 19
60
60
25 40 50 45
140 140
40 60 58 58
180 180
> 60
34 39
120 120
Total
162 162
500 500
d. Hitung X2
X2 = (20-19)2/19 + (18-20)2/20 + (22-20)2/20
+(50-45)2/45 + (46-48)2/48 + (44-47)2/47
(60 x 168 ) / 500
+(58-58)2/58 + (63-61)2/61 + (59-60)2/60
+(34-39)2/39 + (43-41)2/41 + (43-40)2/40
X2 = 2,191
e. Kesimpulan
Karena 2,191 < 16,812, maka ho diterima berarti tidak ada
Rahmad Wijaya, 2003
hubungan antara usia dengan tekanan psikologis.

18