Uji Chi – Square

Ardi Wahyudi, M.Kep

 Pengertian
• Pengujian chi square (Chi dibaca “Kai”) adalah
metoda non parametrik yang digunakan untuk
menguji ada atau tidak ada perbedaan lebih dari
dua proporsi. Ada 2 macam pengujian yang
dilakukan : (1) Uji independensi (contigency table
analisys) untuk menguji apakah variabel satu
memiliki hubungan (relationship) dengan variabel
lainnya, dan (2) Uji “Goodness of Fit” untuk
mengetahui apakah distribusi suatu percobaan
sama atau tidak sama dengan distribusi teoritisnya.
 Langkah-Langkah Pengujian
1. Menentukan H0 dan H1
Untuk menganalisis “Contigency Table”
H0 : Tidak ada hubungan antara A dan B
H1 : Ada hubungan antara A dan B
Untuk uji “Goodness Of Fit”
H0 : Tidak ada perbedaan antara distribusi teoritis
dengan distribusi aktual
H1 : Ada perbedaan antara distribusi teoritis
dengan distribusi aktual
2. Menentukan daerah penerimaan H0 dan H1 dengan menggunakan
distribusi X2 (Chi Square)
Ciri-ciri distribusi Chi Square adalah :
- Nilainya selalu positif (karena merupakan nilai square atau kuadrat)
- Ada suatu himpunan distribusi Chi Square, dimana bentuk
distribusinya ditentukan oleh nili degree of freedom (d.f). Rumus untuk
menghitung d.f = (n – 1)(k – 1), dimana n adalah jumlah baris, k adalah
jumlah kolom. Dengan demikian bentuk distribusi Chi Square tidak
dipengaruhi oleh besarnya sampel.
- Titik kritis dicari dengan menggunakan bantuan tabel distribusi X2 yang
disajikan pada lampiran, ditentukan oleh nilai taraf nyata () dan derajat
bebas (df).
df = (n – 1) (k – 1) * Jika baris hanya 1, df = k - 1
n =  baris
k =  kolom
H0 akan diterima jika nilai statistik uji lebih kecil dari titik kritis.
3. Menghitung nilai statisktik uji (X2 hitung)

dimana,
f0 = frekuensi yang diobservasi
fe = frekuensi yang diharapkan
fe = (total baris i x total kolom j)
total jumlah
4. Membandingkan nilai statistik uji dengan titik kritis
, kemudian mengambil kesimpulan
 contoh
1. Pengujian Independensi (Analisis “Contogency Table”)
Pengujian ini digunakan untuk mengethaui apakah 2
variabel memiliki hubungan (relation ship) atau tidak.
Misalnya, apakah usia berhubungan dengna IQ, apakah
gizi berhubungan dengan indeks prestasi, dan sebagainya.
Contoh :
Ingin diuji apakah ada hubungan atau tidak antara jenis
kelamin dengan prestasi belajar (IP) mahasiswa. Untuk itu
diambil sampel 120 mahasiswa dan 80 mahasiswi.
Hasilnya adalah sebagai berikut :
 Indeks Prestasi
Bgus Bagus Cukup Kurang Total
sekali
Mahasiswa 27 35 33 25 120

Mahasiswi 13 15 27 25 80

Total 40 50 60 50 200
• Dengan  = 5%, ujilah hipotesis yang
menyatakan bahwa indeks prestasi tidak
berhubungan dengan jenis kelamin
mahasiswa.
• Langkah-langkah pengujian :
Menentukan H0 dan H1
H0 : Indeks prestasi tidak berhubungan
dengan jenis kelamin
H1 : Indeks prestasi berhubungan dengan
jenis kelamin
Menentukan daerah penerimaan H0 dan H1
dengan menggunakan distribusi X2.
 df = (n – 1) (k – 1)
 
dimana :
n = jumlah baris
k = jumlah kolom
 
df = (2 – 1) (4 – 1) = 3
Pada table X2 (Lampiran 4), nilai  = 5% dan df = 3
adalah 7,815
H0 ditolak jika nilai uji statistik > 7,815
 
 
 Tabel cai square
db X2 0,05 X2 0,025 X2 0,01

1
2
3 7,815
4
5
6
7
• Menghitung nilai statistik uji
x2 = Σ (fo – fe )2
fe

• fe atau expected frequency untuk setiap sel

dapat dicari dengan rumus :
fe = (total baris i x total kolom j)
total jumlah
• misalnya, fe untuk baris 1 dan kolom 1 :
fe11 = (total baris 1 x total kolom 1)
total jumlah
(120 x 40) = 24
200
fe23 = (total baris 2 x total kolom 3)
total jumlah

(80 x 60) = 24
200
 Hasil perhitungan semua fe adalah :
INDEK PRESTASI

BGUS SKL BGUS CUKUP KURG TOTAL

FO FE FO FE FO FE FO FE FO FE

MHSWA 27 24 35 30 33 36 25 30 120 120

MHSWI 13 16 15 20 27 24 25 20 80 80

TOTAL 40 40 50 50 60 60 50 50 200 200

 Menghitung nilai statistik uji
x2 = Σ (fo – fe )2 = 5,729
fe
4. Karena nilai statistik uji (5,729) < titik kritis
(7,815), H0 diterima. Ada bukti yang kuat
bahwa indeks prestasi tidak berhubungan
dengan jenis kelamin
 Contoh 2 :
Direktur pemasaran sebuah surat kabar harian ibukota
sdg mlkk studi ttg hubungan atr lngkungan tmpt tggl
pembaca dg jenis artikel srt kbr yg dibaca pertama kali
oleh pembaca, data sbb :
Asal News Sport Hiburan Iklan
Pembaca

Kota 80 65 42 36

desa 47 52 95 12

Ujilah pada alfa 5%

 CONTOH 3
• Manajer Hotel Bali Bagus di Bali ingin
mengetahui apakah ada perbedaan tanggapan
konsumen di 4 jenis kamar yang berlainan
harga sewanya terhadap pelayanan yang
diberikan oleh hotel. Dari 254 orang yang
menginap di hotel tersebut dan dipilih secara
random, diperoleh data sebagai berikut :
Jenis Kamar Kelas I Klas 2 Kls 3 Kls 4 Total

Tanggapan
Baik skl 6 13 14 17 50

Baik 12 14 8 8 44

Biasa 38 40 11 6 95

Jelek 21 22 9 13 65

Total 77 91 42 44 254
• Dengan menggunakan  = 5%, kesimpulan apa
yang diperoleh :
• Jawab :
H0 : Tidak ada perbedaan tanggapan
konsumen di 4 kelas hotel terhadap pelayanan
hotel
P11 = P12 = P13 = P14
P21 = P22 = P23 = P24
P31 = P32 = P33 = P34
P41 = P42 = P43 = P44
H1 : Ada perbedaan tanggapan konsumen di
4 kelas hotel terhadap pelayanan hotel Atau :
P11  P12  P13  P14
P21  P22  P23  P24
P31  P32  P33  P34
P41  P42  P43  P44
• Menentukan daerah kritis
 = 5%
df = (n – 1) (k – 1)
= (4 – 1) (4 – 1) = 9
H0 diterima bila X2 < 16,919
H1 diterima bila X2 > 16,919
• Mencari nilai statistik uji
P11 = P12 = P13 = P14 = P = 50/254
P21 = P22 = P23 = P24 = P = 44/254
P31 = P32 = P33 = P34 = P = 95/254
P41 = P42 = P43 = P44 = P = 65/254
 Tabel Expected Frequency

I II III IV Total

Baik (50/254) x (50/254) x (50/254) x (50/254) x

50
Sekali 77 = ..... 91 = ..... 42 = ..... 44 = .....

(44/254) x (44/254) x (44/254) x (44/254) x

Baik 44
77 = .... 91 = ..... 42 = ...... 44 = ......

Biasa (95/254) x (95/254) x (95/254) x (95/254) x

95
Jelek 77 = .... 91 = ..... 42 = ...... 44 = ......

(65/254) x (65/254) x (65/254) x (65/254) x

Jelek 65
77 = .... 91 = ..... 42 = ...... 44 = ......

Total 77 91 42 44 254
fo fe (fo – fe) (fo – fe)2 (fo – fe)2 / fe
6 15.2 -9.2 85.64 5.5684
13 17.9 -4.9 24.01 1.3413
14 8.3 5.7 32.49 3.9144
17 8.6 8.4 70.56 8.2046
12 13.3 -1.3 1.69 0.1271
16 15.8 0.2 0.04 0.0025
8 7.3 0.7 0.49 0.0671
8 7.6 0.4 0.16 0.0211
38 28.8 9.2 84.64 2.9388
40 34 6 36 1.0588
11 15.7 -4.7 22.09 1.4070
6 16.5 -10.5 110.25 6.6818
21 19.7 1.3 1.69 0.0857
22 23.3 -1.3 1.69 0.0725
9 10.7 -1.7 1.69 0.2701
13 11.3 1.7 2.89 0.2557

32.0169
• X2 hitung = 32.0169
• X2 hitung sebesar 32.0169 terletak di daerah X2 >
16,919 sehingga H1 kita terima
• Kesimpulan :
Ada perbedaan yang nyata pada tanggapan
konsumen di 4 kelas hotel terhadap pelayanan hotel
Bali Bagus
2. Pengujian “Goodness Of Fit”
Pengujian ini adalah salah satu metode non
parametrik yang banyak digunakan. Metode
yang dikembangkan oleh Karl Pearson ini
digunakan untuk menguji apakah distribusi
frekuensi suatu percobaan sama atau tidak
dengan distribusi frekuensi teoritis (yang
diharapkan).
Contoh :
Penelitian seorang profesor tentang distribusi
pendapatan di daerah pedesaan di kabupaten
“X” pada tahun 1970 menunjukkan :
Kelompok Penghasilan Persentase

Tinggi 15%

Menengah 40%

Rendah 45%

100%

Pada tahun 1980, diadakan penelitian yang

serupa di daerah tersebut. Dari sample 300
keluarga diperoleh hasil sebagai berikut :
Kelompok Penghasilan Jumlah
Tinggi 50
Menengah 156
Rendah 94
300

Ujilah dengan alpha = 5% apakah ada alasan untuk

mengatakan bahwa pada distribusi penghasilan di kota
“X” tidak berbeda pada tahun 1970 dan 1980.
Bagaimana hasilnya bila diuji dengan alpha = 1% ?
Jawab :
H0 : Tidak ada perbedaan pola distribusi pendapatan di
kabupaten “X”
H1 : Ada perbedaan pola distribusi pendapatan di
kabupaten “X”
- Menentukan daerah kritis
X2 = 5% d.f = k – 1 = 3 – 1 = 2
X2 (5%,2) = 5,99
- H0 diterima bila X2 < 5,99
- H1 diterima bila X2 > 5,99
- Mencari X2 hitung
Data tahun 1980 dianggap sebagai fo, dan
Data tahun 1970 dianggap sebagai fe.
 Tabel fe
Kelompok Persentase fe
Penghasilan
Tinggi 15% 15% x 300 = 45
Menengah 45% 45% x 300 = 135
Rendah 40% 40% x 300 = 120
300
fo fe (fo –fe) (fo –fe)2 (fo –fe)2 /fe

50 45 5 25 0,555
156 135 21 441 3,267
94 120 -26 676 5,633

9,455
X2 hitung = 9,455
X2 hitung sebesar 9,455 terletak di daerah X2 > 5,99
sehingga H1 diterima
Kesimpulan :
Pola distribusi pendapatan penduduk di kabupaten “X”
pada tahun 1970 berbeda dengan tahun 1980.
Bila kita menggunakan  = 1%, daerah kritisnya
menjadi :
X2 = 1% d.f = k – 1 = 3 – 1 = 2
X2 (1%,2) = 9,21
Ternyata X2 hitung = 9,455 terletak di daerah X2 > 9,21
sehingga H1 kita terima. Maka pengujian dengan = 1%
memberikan kesimpulan yang sama seperti pada
pengujian dengan  = 5%.
 3. Pengujian Hipotetis Tentang Lebih dari 2 Proporsi

Meskipun lebih sering digunakan untuk menguji ada

tidaknya hubungan antara 2 variabel (contingency table)
serta cocok tidaknya frekuensi distribusi teoritis dengan
aktual (goodness of fit), pada dasarnya pengujian Chi
Square dapat digunakan untuk menguji apakah proporsi
populasi satu sama atau tidak dengan proporsi populasi
lain (dimana jumlah populasi lebih dari 2).
Contoh :
Seorang psikolog ingin mengetahui apakah ada perbedaan
tanggapan manusia terhadap warna putih, merah, hijau
dan hitam. Dari 200 sampel yang diwawancarai diperoleh
hasil :
 Warna Putih Merah Hijau Hitam Jumlah

Jumlah
33 42 67 58 200
yang suka
• Pengujian dengan menggunakan  = 5%, kesimpulan
apa yang diperoleh ?
• Jawab :
• H0 : P1 = P2 = P3 = P4 = Proporsi hipotesis null = ¼
• P1 = proporsi yang suka warna putih
• P2 = proporsi yang suka warna merah
• P3 = proporsi yang suka warna hitam
• P4 = proporsi yang suka warna hijau
• H1 : Tidak semua proporsi adalah sama
• Menentukan daerah kritis
•  = 5%. d.f = k – 1 = 4 – 1 = 3
• X2 (5%,3) = 7,815
• Daerah terima H0 adalah X2 < 7,815
• Daerah terima H1 adalah X2 > 7,815
• Menentukan X2 hitung
• H0 menyebutkan P1 = P2 = P3 = P4
• fe kolom 1 = ¼ x 200 = 50
• fe kolom 2 = ¼ x 200 = 50
• fe kolom 3 = ¼ x 200 = 50
• fe kolom 4 = ¼ x 200 = 50
x2 = Σ (fo – fe )2
fe


 33  50 
2

 42  50
2

 67  50
2

 58  50 
2

50 50 50 50
 14,12

•X2 hitung = 14,12 terletak di daerah X2 > 7,815

sehingga H1 diterima
•Kesimpulan :
Ada perbedaan tanggapan manusia terhadap
warna-warna putih, merah, hijau dan hitam.
 Dalam melakukan uji kai kuadrat, harus
memenuhi syarat:

• Sampel dipilih secara acak

• Semua pengamatan dilakukan  dengan
independen
• Setiap sel paling sedikit berisi frekuensi harapan
sebesar 1 (satu). Sel-sel dengdan frekuensi
harapan kurang dari 5 tidak melebihi 20% dari
total sel
• Besar sampel sebaiknya > 40 (Cochran, 1954)
 Chi-Square (X ) 2

• Uji beda proporsi

• Contoh:
– apakah terdapat perbedaan proporsi berat bayi
lahir rendah antar kelompok status merokok ibu?
– apakah terdapat perbedaan proporsi berat bayi
lahir rendah antar kelompok riwayat hipertensi
ibu?
– apakah terdapat perbedaan proporsi berat bayi
lahir rendah antar tingkat pendidikan ibu?
Chi-Square
 Chi-Square Tests
ROKOK * BBLR Crosstabulation
Asymp. Sig. Exact Sig. Exact Sig.
BBLR Value df (2-sided) (2-sided) (1-sided)
Tidak Ya Total Pearson Chi-Square 4.924b 1 .026
ROKOK Tidak Count 86 29 115 a
Continuity Correction 4.236 1 .040
% within ROKOK 74.8% 25.2% 100.0% Likelihood Ratio 4.867 1 .027
Ya Count 44 30 74 Fisher's Exact Test .036 .020
% within ROKOK 59.5% 40.5% 100.0% Linear-by-Linear
Total Count 130 59 189 4.898 1 .027
Association
% within ROKOK 68.8% 31.2% 100.0% N of Valid Cases 189
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
23.10.

• 25,2%  dari 115 ibu yg TIDAK merokok, 29 di

antaranya melahirkan bayi dg BBLR
• 40,5%  dari 74 ibu yg MEROKOK, 30 di antaranya
melahirkan bayi dg BBLR
• Penentuan uji statistik  perhatikan footnote
Expected<5 Tabel 2x2 Tabel >2x2

CC Pearson
≤20% sel TIDAK BOLEH jk
expected<1

Fisher Collaps
20% sel Alternatif: LR
• Ho: p bblr|rokok = p bblr|tidak
• α = 0,05
• Uji Chi- Square dg CC  p=0,04
• Keputusan: p < α maka Ho ditolak
• Kesimpulan: terdapat perbedaan bermakna
proporsi BBLR antara kelompok ibu yg
MEROKOK (40,5%) & TIDAK merokok (25,2%)
 Hasil Uji
Uji chi-square merupakan uji non parametris yang paling banyak
digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi
responden atau sampel yang digunakan besar, sebab ada beberapa
syarat di mana chi square dapat digunakan yaitu:

• Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
• Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja
yang memiliki frekuensi harapan atau disebut juga expected count
(“Fh”) kurang dari 5.
• Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari
20%.
 Signifikansi
• χ2 hitung <  χ2 tabel, sehingga Ho gagal ditolak
atau (nilai p value > α )
• χ2 hitung >  χ2 tabel, sehingga Ho ditolak
( nilai p value < α )