Uji Chi Square

Statistika Industri II
Jurusan Teknik Industri
Sekolah Tinggi Teknologi Garut
𝜒 2 = Chi Square

Uji kai kuadrat (dilambangkan dengan "χ2" dari huruf Yunani "Chi"
dilafalkan "Kai") digunakan untuk menguji dua kelompok data baik
variabel independen maupun dependennya berbentuk kategorik atau
dapat juga dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih,
sehingga datanya bersifat diskrit.
Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan frekuensi hasil
observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan tersebut meyakinkan
jika harga dari Kai Kuadrat sama atau lebih besar dari suatu harga yang ditetapkan
pada taraf signifikan tertentu (dari tabel χ2).
𝜒 2 = Chi Square

Distribusi Kai Kuadrat berguna sebagai kriteria untuk pengujian hipotesis mengenai varians dan juga untuk uji
penerapan suatu fungsi (test goodness of fit) apabila digunakan untuk data hasil observasi atau data empiris.
Selanjutnya, dapat ditentukan apakah data berdasarkan sampel mendekati suatu distribusi teoritis tertentu
(Binomial, Poisson, atau Normal).
Apabila 𝑍𝑖 = 𝑁(0,1) = variable normal dengan rata-rata 0 dan varians sama dengan 1, atau E(Z) = 0, 𝜎𝑧2 = 1, maka
jumlah 𝑍12 + 𝑍22 + … + 𝑍𝑘2 sama dengan 𝜒𝑘2 dengan derajat kebebasan (degrees of freedom) sebesar k.
𝑘

𝜒𝑘2 = ෍ 𝑍𝑖2
𝑖=1
Kalau himpunan yang terdiri n variable acak 𝑋 = 𝑋𝑖 , dimana 𝑋𝑖 ~𝑁 𝜇, 𝜎 2 untuk semua i(I = 1, 2, …, n), maka
dapat diperoleh variable Z dengan formulasi:
𝑋𝑖−𝜇
𝑍𝑖 =  N (0,1), I = 1, 2, …, n
𝜎

𝑛 𝑋𝑖 −𝜇 2
𝜒𝑛2 = σ𝑖=1 ; kai kuadrat denagn derajat kebebasan sebesar n
𝜎
𝜒 2 = Chi Square

Karakteristik dari distribusi chi-square:

• Nilai-nilai pada distribusi chi-square tidak pernah negatif.
• Nilai pada distribusi chi-square bergantung pada nilai derajat bebasnya. Nilai
derajat bebas ini diperoleh dari formula k – 1. Di mana k menunjukkan jumlah
kategori yang diobservasi.
• Kurva distribusi chi-square merupakan kurva menceng positif (positively skewed).

Uji Kai Kuadrat dapat digunakan untuk menguji :

1. Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).
2. Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)
3. Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).
 Derajat Kebebasan (Degrees of Freedom)

Derajat Kebebasan merupakan variabel penduga untuk menentukan jumlah

sebenarnya.
Apabila diperkirakan hanya satu penduga maka derajat kebebasannya (=X) sehingga
derajat kebebasan (n-1). Sedangkan untuk menentukan sebanyak k penduga, maka
derajat kebebasannya (n-k).
Bentuk kurva kai-kuadrat sangat dipengaruhi oleh besar kecilnya nilai derajat
kebebasan. Makin kecil nilai derajat kebebasan, bentuk kurvanya makin menceng ke
kanan (skewed to the right)dan makin besar nilai derajat kebebasannya (n  ) maka
bentuk kurvanyan mendekati bentuk fungsi normal.
Nilai rata-rata semakin meningkat apabila nilai derajat kebebasan meningkat.
 Derajat Kebebasan (Degrees of Freedom)
Kurva Kai-Kuadrat dengan Derajat Kebebasan x (𝜒𝑥2 )
 = derajat kebebasan
𝑣1 > 𝑣2 > 𝑣3 > 𝑣4
𝐸 𝜒𝑣2 = 𝜇 = 𝜈
Rata-rata kai-kuadrat dengan derajat kebebasan sebesar v
adalah sama dengan v
𝑉𝑎𝑟 𝜒𝑣2 = 𝜎 2 = 2𝑣

Untuk keperluan perhitungan nilai 𝜒 2 , suatu table kai-kuadrat telah ditentukan dengan symbol 𝜈, r, atau n atau
sering disingkat d.o.f atau d.f.
Untuk v > 100, distribusi kai-kuadrat mendekati distribusi normal, dimana variable Z sebagai normal baku dapat
diperoleh dengan cara berikut: 𝑍 = 2𝑥 2 - 2𝑣 − 1
 Cara Membaca Tabel 2

Pada tabel distribusi chi-square nilai

2 diperoleh dengan 2(1 - )(k – 1),
sehingga nilai tabelnya adalah
sebesar 20,95;4 = 9,488. Jadi nilai kritis
untuk uji chi-square ini adalah
sebesar 9,488.
 Rumus Dasar Chi Kuadrat

(𝑓 −𝑓 ) 2
𝜒2 = σ𝑘𝑖=1 0 ℎ
𝑓ℎ

Kurva Kai-Kuadrat dengan Derajat Kebebasan x (𝜒𝑥2 )

Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom)/ Jumlah data
df = (b-1) (k-1)
Goodness of Fit

10

Distribusi Chi-Square

Distribusi chi-square dapat diaplikasikan dalam beberapa pengujian. Pada bab ini akan dibahas aplikasi
chi-square untuk uji kebaikan suai (Goodness of Fit-test), uji kenormalan data dan uji independensi atau
analisis tabel kontingensi (contingency table analysis).
Goodness of Fit

Aplikasi chi-square yang pertama adalah menguji kesamaan antara nilai yang
sebenarnya terjadi dengan nilai yang diharapkan (expected value). Formula chi-square
yang digunakan adalah:

k
Oi  Ei 2
2  
i1 Ei

Di mana O menunjukkan nilai obervasi atau nilai nyata dari sebuah data sedangkan E
menunjukkan nilai ekspektasi atau nilai harapan dari sebuah data.
Goodness of Fit

Perusahaan produsen sepeda motor merek Mercuri ZX berencana mengeluarkan varian

baru yang terdiri dari lima warna body yang berbeda yaitu hitam, silver, merah, biru
dan kuning. Perusahaan berharap bahwa kelima varian warna tersebut memiliki
tingkat preferensi yang sama. Dari 60 orang yang disurvei, 10 orang menyukai warna
body hitam, 15 orang menyukai warna silver, 8 orang menyukai warna merah, 18 orang
menyukai warna biru dan 9 orang menyukai warna kuning. Pada taraf nyata 5%,
apakah tingkat preferensi kelima varian warna sama?
Goodness of Fit

Solusi:

Langkah 1: tentukan hipotesis

H0 : p1 = p2 = p3 = p4 = p5 = 0,2  artinya kelima varian memiliki tingkat preferensi konsumen yang
sama.
H1 : minimal terdapat satu varian warna yang berbeda tingkat preferensinya.

Nilai 0,2 diperoleh dari probabilitas konsumen menyukai salah satu varian warna. Misalnya probabilitas
konsumen menyukai warna merah adalah 1/5 atau 0,2.

Langkah 2: taraf nyata ditentukan sebesar 5%

Pada tabel distribusi chi-square nilai 2 diperoleh dengan 2(1 - )(k – 1), sehingga nilai tabelnya adalah
sebesar 20,95;4 = 9,488. Jadi nilai kritis untuk uji chi-square ini adalah sebesar 9,488.
Goodness of Fit
Langkah 3: melakukan uji statistik
Untuk mempermudah proses perhitungan, maka data diubah ke dalam bentuk tabel seperti berikut:

Observasi Ekspektasi (O  E ) 2
Kategori
(O) (E)
O–E (O – E)2 E
Hitam 10 12 -2 4 0,33
Silver 15 12 3 9 0,75
Merah 8 12 -4 16 1,33
Biru 18 12 6 36 3
Kuning 9 12 -3 9 0,75
Jumlah 60 60 0 2 6,16

Nilai pada kolom ekspektasi diperoleh dari formula mencari expected value yaitu E = n . p, di mana n
merupakan banyaknya peristiwa dan p merupakan probabilitas terjadinya suatu peristiwa. Pada tabel
didapat nilai 2 sebesar 6,16.
Goodness of Fit
Langkah 4: menentukan kaidah keputusan
Dengan nilai kritis (critical value) sebesar 9,488 maka area penolakan H0 berada pada sebelah kanan nilai kritis atau
terjadi tolak H0 apabila nilai 2 lebih besar dari nilai krits (2 > 9,488).

Langkah 5: mengambil keputusan

Dengan nilai 2 sebesar 6,16 dan nilai kritis sebesar 9,488 maka terjadi terima H0 (2 < 9,488). Hal ini menunjukkan
bahwa tingkat preferensi kelima varian warna sepeda motor adalah sama.

Area tolak H0
Uji Normalitas Data

Sebuah situs yang memuat informasi bursa kerja, carijob.com, menginformasikan

bahwa PT. Satria Autofinance membutuhkan pegawai baru untuk mengisi beberapa
posisi di perusahaan tersebut. Perbandingan jumlah pegawai yang akan direkrut
berdasarkan tingkat pendidikannya adalah 10% S2, 50% S1, 25% D3 dan 15% SMU.
Setelah diadakan seleksi, maka terpilih jumlah pelamar yang direkrut sebanyak 148
orang, di mana 12 orang berpendidikan S2, 82 orang S1, 26 orang D3 dan 28 orang SMU.
Pada taraf nyata 10%, sesuaikah perbandingan yang dinginkan perusahaan dengan
perekrutan setelah seleksi?
Uji Normalitas Data
Solusi:
Langkah 1: tentukan hipotesis
H0 : tidak terdapat perbedaan antara perbandingan jumlah pegawai yang diinginkan perusahaan dengan perekrutan setelah
seleksi.
H1 : terdapat perbedaan antara perbandingan jumlah pegawai yang diinginkan perusahaan dengan perekrutan setelah seleksi.

Langkah 2: taraf nyata ditentukan sebesar 10%

Dengan taraf nyata 10%, maka nilai kritis (2 tabel) diperoleh 2(0,90;4 – 1) sebesar 6,251.

Langkah 3: melakukan uji statistik

Untuk memudahkan perhitungan data diubah ke dalam bentuk tabel:

Kategori Observasi Ekspektasi

S2 12 10%  148  15
S1 82 50%  148  74
D3 26 25%  148  37
SMU 28 15%  148  22
Jumlah 148 148
Uji Normalitas Data
Maka nilai 2 diperoleh dengan

(O – E)2 (O  E ) 2
Kategori O E O–E
E

S2 12 15 -3 9 0,6
S1 82 74 8 64 0,86
D3 26 37 -11 121 3,27
SMU 28 22 6 36 1,64
Jumlah 148 148 0 2 6,37

Langkah 4: menentukan kaidah keputusan

Terjadi tolak H0 apabila nilai 2 hitung berada di sebelah kanan nilai kritis atau nilai 2 lebih besar dari 6,251.

Langkah 5: mengambil keputusan

Dengan nilai 2 hitung 6,37 dan nilai kritis sebesar 6,251 maka terjadi tolak H0. Sehingga keputusannya adalah bahwa
perbandingan tingkat pendidikan jumlah pegawai yang diinginkan perusahaan tidak sesuai atau berbeda dengan hasil
sebenarnya.
Uji Normalitas Data

Area tolak H0
Uji Normalitas Data

Aplikasi chi-square berikutnya adalah uji kenormalan data. Dalam uji kenormalan
data ini, suatu data diteliti apakah memiliki kesesuaian dengan nilai ekspektasinya
yang mendekati kurva normal (mengikuti distribusi normal). Uji kenormalan data
menggunakan chi-square memerlukan data yang berbentuk distribusi frekuensi, nilai
rata-rata dan standar deviasinya. Sehingga jika data tidak berupa distribusi frekuensi
harus diubah terlebih dahulu ke dalam distribusi frekuensi.
Uji Normalitas Data
Ergie’s Law Firm adalah sebuah perusahaan jasa penasehat hukum saat ini memiliki 50 orang karyawan yang siap
melayani para klien. Berikut ini adalah distribusi frekuensi usia para karyawan tersebut:

Usia Frekuensi
21 - 25 7
26 - 30 13
31 - 35 15
36 - 40 9
41 - 45 6
Jumlah 50

Jika diketahui nilai rata-rata usia adalah 32,4 dengan simpangan baku sebesar 6,11, tentukan apakah data usia
tersebut berdistribusi normal atau tidak? (Gunakan taraf nyata 5%).
Uji Normalitas Data
Solusi:
Langkah 1: tentukan hipotesis
H0 : data berdistribusi normal.
H1 : data tidak berdistribusi normal.

Langkah 2: taraf nyata sebesar 5%

Derajat bebas yang digunakan untuk uji kenormalan ini adalah k – 2 – 1 berbeda dengan goodness of fit-test, di mana df = k – 1.
Hal ini dikarenakan pada uji kenormalan digunakan parameter rata-rata dan simpangan baku. Selain itu, nilai k harus
disesuaikan dengan jumlah frekuensi untuk setiap kelas. Jika terdapat kelas dengan frekuensi kurang dari lima, maka kelas
tersebut harus digabung dengan kelas lain sehingga jumlah frekuensinya lebih dari lima. Pada kasus ini nilai k sama dengan jumlah
kelas sehingga 2 tabel adalah 2(1 - )(k – 2 – 1)  20,95;2 sebesar 5,991. Jadi critical value untuk kasus ini adalah 5,991.

Langkah 3: melakukan uji statistik

Untuk melakukan uji chi-square, pertama dengan mengkonversi nilai batas bawah dan batas atas kelas ke dalam nilai z. Formula
untuk nilai z adalah:

x
z

Uji Normalitas Data
x
z

Kelas Batas bawah z1 Batas atas z2
21 – 25 20,5 -1,95 25,5 -1,13
26 – 30 25,5 -1,13 30,5 -0,31
31 – 35 30,5 -0,31 35,5 0,51 Frekuen Probabiltas Expected Value
Kelas
36 – 40 35,5 0,51 40,5 1,32 si (P) ( E  n  P)
41 – 45 40,5 1,32 45,5 2,14 21 – 25 7 0,1036 5,18  6
26 – 30 13 0,2491 12,455  13
31 – 35 15 0,0733 15,835  16
Kelas z1 z2 p1 p2 P 36 – 40 9 0,2116 10,58  11
21 – 25 -1,95 -1,13 0,0256 0,1292 0,1036 41 – 45 6 0,0772 3,86  4
26 – 30 -1,13 -0,31 0,1292 0,3783 0,2491 N 50 Jumlah 50
31 – 35 -0,31 0,51 0,3783 0,6950 0,3167
36 – 40 0,51 1,32 0,6950 0,9066 0,2116
41 – 45 1,32 2,14 0,9066 0,9838 0,0772
Uji Normalitas Data
Expected Value
Kelas Frekuensi Probabiltas (P)
( E  n  P) Langkah 4: menentukan kaidah keputusan
21 – 25 7 0,1036 5,18  6 Seperti kasus sebelumnya, kaidah keputusannya
26 – 30 13 0,2491 12,455  13 adalah terjadi tolak H0 apabila nilai 2 hitung
31 – 35 15 0,0733 15,835  16 berada di sebelah kanan nilai kritis atau nilai 2 lebih
36 – 40 9 0,2116 10,58  11 besar dari 5,991.
41 – 45 6 0,0772 3,86  4
N 50 Jumlah 50

Langkah 5: mengambil keputusan

Kelas O E O–E (O – E)2
Dengan nilai chi-square hitung sebesar 1,5928 dan
21 – 25 7 6 1 1 0,1667
nilai chi-square tabel sebesar 5,991 maka terjadi
26 – 30 13 13 0 0 0
terima H0 di mana nilai 2 hitung 2 tabel. Sehingga
31 – 35 15 16 -1 1 0,0625
dapat disimpulkan bahwa data usia karyawan di
36 – 40 9 11 -2 4 0,3636
Ergie’s Law Firm merupakan data berdistribusi
41 – 45 6 4 2 4 1
normal.
50 50 1,5928
 Contingensy Table Analysis

Salah satu aplikasi uji chi-square adalah uji independensi antara dua faktor. Uji independensi ini bertujuan untuk
mengetahui hubungan antara dua variabel. Dalam uji independensi ini dikenal istilah tabel kontingensi (contingency
table) sehingga disebut pula analisis tabel kontingensi. Tabel kontingensi adalah tabel berukuran baris (r) dan kolom
(c) tertentu yang memuat data-data dari sampel.

Untuk meningkatkan tingkat produktivitas karyawan di PT. Alexandria Paint, pihak perusahaan mengadakan
suatu pelatihan terhadap 112 orang karyawannya yang terdiri dari 68 orang pria dan 44 orang wanita. Kemudian
suatu penilaian dilakukan untuk mengetahui tingkat keberhasilan program pelatihan tersebut. Hasil penilaian
tersebut disajikan ke dalam tabel kontingensi berikut:
Produktivitas
Karyawan Jumlah
Naik Tetap Turun
Pria 18 27 23 68
Wanita 24 12 8 44
Jumlah 42 39 31 112

Berdasarkan hasil penilaian tersebut, telitilah apakah terdapat hubungan antara jenis kelamin karyawan dengan
tingkat produktivitas setelah pelatihan! (taraf nyata 1%).
 Contingensy Table Analysis
Langkah 1: menentukan hipotesis uji
H0: tidak terdapat hubungan jenis kelamin dengan tingkat produktivitas
H1: terdapat hubungan jenis kelamin dengan tingkat produktivitas

Langkah 2: taraf nyata sebesar 1%

Nilai derajat bebas untuk uji independensi adalah (r – 1)(c – 1), di mana r menunjukkan jumlah baris dan c
menunjukkan jumlah kolom. Sehingga nilai chi-square tabel pada taraf nyata 1% dan derajat bebas (2 – 1)(3 – 1)
adalah sebesar 2(0,01;2)  9,210. Jadi nilai kritis untuk kasus ini adalah 9,210.

Langkah 3: melakukan uji statistik

Seperti pada pengujian lainnya, pada pengujian independensi juga perlu diketahui nilai harapan/ekspektasi dari
setiap kategori. Untuk mencari nilai ekspektasi tersebut digunakan formula:
 Contingensy Table Analysis

Seperti pada kategori karyawan pria yang produktivitasnya naik, maka nilai ekspektasinya adalah:

Dengan cara yang sama, maka diperoleh nilai ekspektasi untuk kategori yang lain adalah sebagai berikut:

Produktivitas
Jumlah
Karyawan Naik Tetap Turun
Oi Ei Oi Ei Oi Ei Oi Ei
Pria 18 25 27 24 23 19 68 68
Wanita 24 17 12 15 8 12 44 44
Jumlah 42 42 39 39 31 31 112 112
 Contingensy Table Analysis

Perhatikan, jumlah nilai observasi (Oi) dengan nilai ekspektasi (Ei) harus sama besar. Untuk mencari nilai chi-square
maka digunakan formula:

Maka perhitungan dengan formula di atas adalah:

Jadi nilai chi-square hitung diperoleh sebesar 6,3924.

 Contingensy Table Analysis

Langkah 4: membuat kaidah keputusan

Kaidah keputusannya adalah tolak H0 apabila nilai 2 hitung berada di sebelah kanan
nilai kritis atau nilai 2 lebih besar dari 9,210.

Langkah 5: mengambil keputusan

Dengan nilai 2 hitung sebesar 6,3924 dan nilai kritis sebesar 9,210 maka terjadi terima
H0 di mana tidak terdapat hubungan antara jenis kelamin karyawan dengan tingkat
produktivitas setelah diadakannya program pelatihan.
 Contoh Kasus 1
Suatu survey ingin mengetahui apakah ada hubungan Asupan Lauk dengan kejadian Anemia pada penduduk desa
X. Kemudian diambil sampel sebanyak 120 orang yang terdiri dari 50 orang asupan lauknya baik dan 70 orang
asupan lauknya kurang. Setelah dilakukan pengukuran kadar Hb ternyata dari 50 orang yang asupan lauknya
baik, ada 10 orang yang dinyatakan anemia. Sedangkan dari 70 orang yang asupan lauknya kurang ada 20 orang
yang anemia. Ujilah apakah ada perbedaan proporsi anemia pada kedua kelompok tersebut.

Jawab :
HIPOTESIS :
Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)
Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)

PERHITUNGAN :
Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini:
 Contoh Kasus 1

Kemudian tentukan nilai observasi (O) dan nilai ekspektasi (E):

Selanjutnya masukan dalam rumus :

 Contoh Kasus 1
Perhitungan selesai, sekarang kita menentukan nilai tabel pada taraf nyata/ alfa = 0.05.
Sebelumnya kita harus menentukan nilai df-nya. Karena tabel kita 2x2, maka nilai df = (2-1)*(2-1)=1.

Dari tabeli kai kudrat di atas pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.

KEPUTUSAN STATISTIK
Bila nilai hitung lebih kecil dari nilai tabel, maka Ho gagal ditolak, sebaliknya bila nilai hitung lebih besar atau sama dengan nilai
tabel, maka Ho ditolak. Dari perhitungan di atas menunjukan bahwa χ2 hitung < χ2 tabel, sehingga Ho gagal ditolak.

KESIMPULAN
Tidak ada perbedaan yang bermakna proporsi antara kedua kelompok tersebut. Atau dengan kata lain tidak ada hubungan
antara asupan lauk dengan kejadian anemia.
 Latihan 1

Hotel Zambrudia adalah salah satu hotel berbintang empat. Hotel tersbut memiliki 6 kamar kategori
president suite. Selama satu bulan terakhir tingkat hunian di 6 kamar tersebut adalah sebagai berikut:

President Suite Tingkat Hunian

A 8
B 7
C 11
D 6
E 10
F 6
Pada taraf nyata 10% apakah tingkat hunian hotel di setiap kamar sama?
 Latihan 2

PT. Dian Cahaya merupakan perusahaan yang bergerak di bidang kelistrikan. Menjelang akhir tahun,
manajer keuangan ingin mengevaluasi seberapa efektif penentuan anggaran yang dilakukan sehingga
pengendalian keuangan dapat terjaga. Berikut adalah anggaran perusahaan tiap triwulan dan
realisasinya:

Triwulan Anggaran (juta) Realisasi (juta)

I 153,5 148,7
II 160,3 162,2
III 184,2 180,9
IV 187,1 191,4

Jika nilai taraf nyata sebesar 5%, apakah besarnya anggaran yang ditetapkan sesuai dengan
realisasinya?
 Latihan 3

PT. Indotex akan mengevaluasi kinerja bagi buruh pabrik. Guna kepentingan penelitian, bagian riset
ingin mengetahui apakah jam kerja dari para buruh pabrik berdistribusi normal. Untuk itu diambil
sampel sebanyak 300 orang buruh dengan jam kerja sebagai berikut:
Jam Kerja Frekuensi
5,5 – 6,5 20
6,6 – 7,5 54
7,6 – 8,5 130
8,6 – 9,5 68
9,6 – 10,5 28
Total 300
Jika diketahui nilai rata-rata jam kerja adalah 8 jam dengan simpangan baku sebesar 0.7, tentukan
apakah data jam kerja tersebut berdistribusi normal atau tidak? (Gunakan taraf nyata 5%).
 Latihan 4

Sebuah penelitian dilakukan untuk mencari hubungan antara tingkat pendidikan dengan pendapatan
per bulan yang diperoleh. Berikut adalah data selengkapnya:

Besar Pendapatan per Bulan

Tingkat Pendidikan
Di bawah 1 juta Di bawah 2 juta Di atas 2 juta
SMP 74 21 9
SMA 63 37 28
Diploma 68 43 26
Sarjana 57 82 41

Pada taraf nyata 10%, apakah terdapat hubungan antara tingkat pendidikan dengan pendapatan yang
diperoleh?
Terima kasih