TEHNIK ANALISIS X2

X2 UNTUK df = 1 X2 UNTUK df > 1

( f0 – fe – 0.5 )2 ( fo – fe )2
X2 = ∑ X2 = ∑
fe fe

SIGNIFICANT NON SIGNIFICANT

Cremer’s V

KESIMPULAN
 X2 UNTUK df = 1

df = (kolom – 1)(baris – 1)

fo
Sumber Konsumen di Konsumen di Jumlah
Variasi daerah perkotaan daerah pedesaan
Suka membeli 10 30 40
kemasan baru
Tidak suka 40 20 60
membeli
kemasan baru
Jumlah 50 50 100
Maka dapat dicari :

fe
Sumber Variasi Konsumen di Konsumen di Jumlah
daerah perkotaan daerah pedesaan
Suka membeli 20 20 40
kemasan baru
Tidak suka 30 30 60
membeli
kemasan baru
Jumlah 50 50 100
Sumber fo fe fo - fe fo – fe – 0.5 (fo – fe -0.5)2 (fo – fe – 0.5)2
Variasi
fe
Kota yang 10 20 -10 -9.5 90.25 4.5125
suka

Kota yang 40 30 10 9.5 90.25 3.0083

tak suka

Desa yang 30 20 10 9.5 90.25 4.5125

suka

Desa yang 20 30 -10 -9.5 90.25 3.0083

tak suka

Jumlah 100 100 - - - 15.0416

Untuk mengetahui berapa besarnya perbedaan nilai antara kedua variabel tersebut
perlu dicari koefisien korelasinya / assosiasinya .
Untuk itu , misalnya dapat dicari koefisien Cremer’s V sebagai berikut :

X2
Cremer’s V =
(N) (Min (r-1 , c -1 ))

Sehingga : 15,0416
Cremer’s V =
(100)(1)

= 0.150416

= 0.3877835
fo
Sumber Kurang Produktif Sangat Jumlah
Variasi produktif produktif

Pendidikan 10 20 30 60
tinggi

Pendidikan 10 40 40 90
sedang

Pendidikan 40 90 20 150
rendah

Jumlah 60 150 90 300

fe
Sumber Kurang Produktif Sangat Jumlah
Variasi produktif produktif

Pendidikan 12 30 18 60
tinggi

Pendidikan 18 45 27 90
sedang
Pendidikan 30 75 45 150
rendah

Jumlah 60 150 90 300

Maka dapat dikerjakan :
Sumber Variasi fo fe fo - fe (fo – fe)2 (fo – fe)2

fe
PT kurang 10 12 -2 4 0.3333
produk
PT produk 20 30 -10 100 3.3333

PT S.produk 30 18 12 144 8.0000

PS kurang p 10 18 -8 64 3.5556

PS produk 40 45 -5 25 0.5556

PS S.produk 40 27 13 169 6.2593

PR kurang p 40 30 10 100 3.3333

PR produk 90 75 15 225 3.0000

PR S.Produk 20 45 -25 625 13.8889

Jumlah 300 300 - - 42.2593

 42.2593
Cremer’s V = = 0.070432166 = 0.26539
300 x 2

Kadang-kadang X2 digunakan juga untuk uji normalitas suatu gejala, misalnya data tentang
produktifitas karyawan seperti tabel berikut ini :

Kategori Interval fo fe (fo – fe) (fo – fe)2 (fo – fe)2 / fe

2 Sd – keatas 8.1 – 9.5 5 2% = 1 4 16 16.0000

1 Sd - Sd 6.6 – 8.0 10 14 % = 10 0 0 0.0000
Mean – 1 Sd 5.1 - 6.5 20 34 % = 24 -4 16 0.6667
-1 Sd - Mean 3.6 - 5.0 20 34 % = 24 -4 16 0.6667
-2 Sd - 1 Sd 2.1 - 3.5 10 14 % = 10 0 0 0.0000
-2 Sd – kebawah 0.5 - 2.0 5 2%=1 4 16 16.0000

Jumlah - 70 70 - - 33.3334
Dari tabel tersebut diketemukan X2o sebesar 33.3334
sedangkan batas harga kritiknya untuk df = 5 dan taraf
signifikansi 0.05 sebesar 11.020 . Ini berarti bahwa ada
perbedaan yang menyakinkan antara penyebaran frekuensi
observasi dengan penyebaran frekuensi normal , jadi gejala
tersebut tidak normal secara signifikan / menyakinkan .