Contoh:
1. Apakah ada perbedaan hipertensi antara mahasiswa
dan mahasiswi.
2. Apakah ada perbedaan keadaan saniatasi antara ibu
yang sosial ekonomi rendah, sedang dan tinggi.
3. Apakah ada hubungan tingkat pengetahuan pendidikan
dengan kejadian diare
Konsep uji X2
Perbandingan nilai observe (Pengamatan) dengan
nilai expected (Harapan)
Makin besar perbedaan nilai observe dengan expected
maka makin besar kemungkinan adanya perbedaan
antara proporsi yang diuji.
Contoh :
Sebuah coin dilambungkan 50x kalau permukaan H
keluar 28x maka ini adalah nilai observe (O) sedang
nilai expected (E) kalau coin itu seimbang adalah 25
Jenis uji X2
Goodness of fit tests: Tes yang digunakan untuk
mengetes apakah suatu data yang telah kita peroleh ini
sesuai (fit) dengan distribusi yang pilih
Test of independence: Suatu tes yang bertujuan untuk
membuktikan bahwa variabel di kolom dan baris
saling tidak berhubungan
Test of homogenity: Tes untuk membuktikan bahwa
dalam populasi yang berbeda terdapat beberapa
kesamaan proporsi karateristik
Goodness of fit adalah uji kecocokan misalnya
apakah keadaan sekarang masih cocok dengan masa
lalu
Uji Homogenitas ciri khasnya adalah apakah
adaperbedaan proporsi dari beberapa sampel mis
perokok pada mhs FKM, mhs Teknik, mhs FK…ada 3
proporsi dari tiga sampel
Uji independency/ assosiasi..dari satu sampel
variabelnya yang di cross misalnya apakah ada
hubungan antara pendidikan dan pengetahuan
terhadap HIV / AIDs
Syarat Chi - Square
1. Kelompok yang dibandingkan pada variabel
independen
2. Variabel yang dihubungkan katagorik dengan
katagorik
3. Tidak ada nilai Observed 0
Tabel Silang
Ca Prostat
Paparan Total
+ -
Perokok a b a+b
Bukan perokok c d c+d
Total a+c b+d a+b+c+d
Latihan 1
Hubungan merokok dengan Ca Prostat
Ca Prostat
Paparan Total
+ -
Perokok 20 9 29
Bukan perokok 7 14 21
Total 27 23 50
Prosedur Uji
1. Tetapkan hipotesis
H0 : Ada hubungan merokok dengan ca paru
Ha : Tidak ada hubungan antara merokok dengan ca paru
2. Tentukan nilai x2 tabel pada df dan α tertentu
df = (b-1)(k-1) b=baris ; k=kolom
df = (2-1)(2-1) = 1; α =0,05 x2 = 3.84146
3. Kriteria pngambilan keputusan
Jika nilai χ2 hitung ≥χ2 tabel Ho ditolak Ha diterima.
Jika χ2 hitung < χ2 tabel Ho diterima Ha ditolak.
4. Hitung nilai X2
Prosedur menggunakan SPSS
1. Tetapkan hipotesis
H0 : Ada hubungan merokok dengan ca paru
Ha : Tidak ada hubungan antara merokok dengan ca
paru
2. Kriteria pngambilan keputusan
Jika nilai (Sign.2/p-value) ≥0,05 Ho diterima Ha
ditolak.
Jika nilai (Sign.2/p-value) <0,05 Ho ditolak Ha
diterima.
3. Lanjut Ke SPSS-Variabel view-data view-analays-
deskriptif-crostab- dsb
Keterbatasan X2
Karena uji chi square ini banyak sekali dipakai perlu
diperhatikan keterbatasannya
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara
guru yang lulusan S1 dengan yang lulusan S3
Ho : Pb = Pk
Diperoleh : rata2 x = 1951613 ; y = 2722222 ; t hitung = - 7.369
α
Berdasarkan tabel df=69 dan = 0.025 diperoleh t tabel = 1.994
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Rata-rata penghasilan guru yang S1 berbeda secara signifikan dengan
penghasilan guru yang S3
24. Uji t
D
t= s Di mana D = rata-rata selisih skor pasangan
D
ΣD2 – (ΣD)2
√
sD = Σ d2 Σd =
2
N(N-1) N
Contoh :
Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai
pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua
kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan
adanya perbedaan rata-rata tes pertama dengan kedua.
Ho : Nd = Nc
Diperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904
α
Berdasarkan tabel df=163 dan = 0.05 diperoleh t tabel = 1.960
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Terdapat perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif
meningkatkan hasil belajar siswanya
25. Uji Keterkaitan
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor
Ulangan korelasi positif Ulangan korelasi negatif
antara waktu belajar antara waktu bermain
dengan nilai ulangan dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
26. Uji Keterkaitan
1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
Contoh :
10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
Siswa : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?
Siswa X X2 Y Y2 XY
A
B
ΣX ΣX2 ΣY ΣY2 ΣXY
27. Uji Keterkaitan
Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)
Siswa : A B C D E F G H I J
Perilaku : 2 4 1 3 4 2 3 1 3 2
Kerajinan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 Σd2
28. Uji Chi-Square (X2)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
(O – E)2
X2 = Σ E
Di mana
O = skor yang diobservasi
E = skor yang diharapkan (expected)
Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ O E (O-E) (O-E)2 (O-E)2/E
a b a 20 (a+b)(a+c)/N
Fasih
c d b 10 (a+b)(b+d)/N
Tidak fasih c 10 (c+d)(a+c)/N
Σ d 30 (c+d)(b+d)/N
df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
29. Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada hubungan pendidikan dengan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada hubungan pendidikan
dengan status marital
H1 = ada hubungan pendidikan dengan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ho ditolak
2. probabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ho ditolak
pendidikan terakhir Asymp. Sig.
Value df (2-sided)
S1 S2 S3 Total
Pearson Chi-Square 9,431 6 ,151
status belum kawin 21 3 1 25
perkawinan Likelihood Ratio 9,541 6 ,145
kawin 32 9 6 47
Linear-by-Linear
janda 5 3 2 10 3,070 1 ,080
Association
duda 4 4 0 8 N of Valid Cases
Total 62 19 9 90 90
Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.
k
JKa = Σ J j - J Di mana :
2
RJKa 2
Σ 21 7 15 Jki = 11.838
RJKi = = 10/15-3 = 0.833
x 4.2 1.4 3
N-k
32. Uji Anova
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
jabar 3094736,8
19 269719,369 61877,867 2964736,27 3224737,42 2400000 3700000
4
jateng 3057142,8
14 194992,251 52113,871 2944557,68 3169728,03 2600000 3400000
6
jatim 3194444,4
18 285888,136 67384,480 3052275,62 3336613,27 2800000 3800000
4
NTT 3152631,5
19 368734,203 84593,428 2974907,38 3330355,78 2100000 3700000
8
Papua 3325000,0
20 297135,447 66441,506 3185936,33 3464063,67 2700000 3800000
0
Total 3172222,2
90 301691,031 31801,027 3109034,26 3235410,19 2100000 3800000
2
ANOVA
Test of Homogeneity of Variances penghasilan sesudah lulus sertifikasi
penghasilan sesudah lulus sertifikasi
Sum of
Squares df Mean Square F Sig.
Between Groups 782483291 19562082289
Levene 4 2,272 ,068
562,238 0,560
Statistic df1 df2 Sig. Within Groups 731807226 86094967811,
85
3993,310 687
1,263 4 85 ,291
Total 810055555
89
5555,550
F hitung > F tabel maka Ho tolak rata2 vektor sampel tidak identik
Prob < 0.05 Ho ditolak
Kesimpulan : status perkawinan mempunyai pengaruh terhadap dana yang
dikeluarkan dan usia
Artinya :
Ada kemungkinan responden yang sudah kawin atau pernah kawin mengeluarkan
dana yang berbeda dibandingkan dengan yang belum kawin dan
kemungkinan usia responden berpengaruh terhadap status perkawinan, artinya makin
tua usia responden kemungkinan sudah menikah makin besar
Perbedaan dapat dilihat jika dilakukan pengujian lanjutan dengan post hoc