Uji Chi-Square
Muhammad Doddy, PhD
Tujuan Pembelajaran
(𝑥 )=∑ ¿¿¿
2
Di mana:
2 = Nilai chi-kuadrat.
fe = Frekuensi ekspektasi atau frekuensi yang diharapkan.
fo = Frekuensi observasi atau frekuensi yang diperoleh.
Uji Normalitas: Contoh
• Berikut ini adalah data jumlah nasabah baru di sebuah bank yang diambil dari
setiap cabang. Tentukan, apakah persebaran data nasabah tersebut mengikuti
distribusi normal?
13 18 27 19 17 24 21 21
25 18 17 15 17 28 21 16
13 22 20 29 16 17 19 21
17 12 15 18 16 12 8 12
15 7 16 10 16 15 12 15
Uji Normalitas: Contoh
• Membuat kelas interval dengan jumlah kelas sebanyak 6 kelas. Kurva normal
dibagi menjadi 6 bagian yang masing-masing luasnya adalah: 2,7%, 13,5%, 34,3%,
34,3%, 13,5%, 2,7%.
• Menentukan frekuensi observasi dan frekuensi ekspektasi.
Interval fo Luas fe fo – fe (fo – fe) 2 (fo – fe) 2/fe
Kurva
6–9 2 2,7% 40 x 2,7% = 1 1 1 1
10 – 13 6 13.5% 40 x 13.5% = 5 1 1 0,2
14 – 17 15 34.3% 40 x 34.3% = 14 1 1 0,07
18 – 21 10 34.3% 40 x 34.3% = 14 -4 16 1,14
22 – 25 4 13.5% 40 x 13.5% = 5 -1 1 0,2
26 – 29 3 2.7% 40 x 2,7% = 1 2 4 4
Total 40 100% 40 Chi-square hitung = 6,61
Uji Normalitas: Contoh
• Membuat Hipotesis
• H0: Data terdistribusi secara normal
• H1: Data tidak terdistribusi secara normal
• Derajat bebas: n – 1 = 6 – 1 = 5 dengan taraf kesalahan α = 5% maka chi square
tabel adalah 11,07
α (taraf nyata)
Degree of
Freedom 0.10 0.05 0.02 0.01
1 2.706 3.841 5.412 6.635
2 4.605 5.991 7.824 9.210
3 6.251 7.815 9.837 11.345
4 7.779 9.488 11.668 13.277
5 9.236 11.070 13.388 15.086
6 10.645 12.592 15.033 16.812
7 12.017 14.067 16.622 18.475
Uji Normalitas: Contoh
• Chi-Square hitung = 6,61
• Karena harga chi square hitung lebih kecil dari chi square tabel ( 6,61
< 11,07), maka distribusi data dinyatakan normal.
6,61 11,07
Uji Keselarasan (Goodness of Fit)
Statistika Non Parametrik – Uji Chi-Square
Uji Keselarasan: Contoh
Produsen mie instan mengeluarkan empat varian rasa: rasa ayam spesial, rasa kari ayam, rasa
soto, dan rasa ayam bawang. Untuk membantu dalam perencanaan produksi, manajemen
ingin menentukan apakah pembelian pelanggan sebelumnya menunjukkan bahwa ada
perbedaan preferensi konsumen dalam rasa tertentu.
Jumlah mie instan yang terjual dari masing-masing rasa untuk 100 dus mie instan selama dua
minggu terakhir ditunjukkan di bawah ini.
7,815 10
Tabel Kontingensi
Statistika Non Parametrik – Uji Chi-Square
Tabel Kontingensi (Contingency Tables)
Jenis Kelamin
Ukuran sampel = n = 300:
Preferensi
Produk Wanita Pria
120 Wanita, 12 menyukai produk
180 Pria, 24 menyukai produk Suka 12 24 36
• Jika H0 benar, maka proporsi perempuan yang menyukai produk harus sama
dengan proporsi laki-laki yang menyukai produk.
• Kedua proporsi di atas harus sama dengan proporsi orang yang menyukai
produk secara keseluruhan.
Statistik Uji Chi-Square
Statistik uji Chi-Square adalah:
2
∑
Diasumsikan: setiap sel dalam tabel
χ= ¿¿¿ kontingensi memiliki frekuensi yang
diharapkan setidaknya 5
𝑆 𝑒𝑚𝑢𝑎 𝑆𝑒𝑙
Di mana:
fo = frekuensi observasi dalam sel tertentu
fe = frekuensi ekspektasi dalam sel tertentu jika H 0 benar
2 untuk kasus 2 x 2 yang memiliki degree of freedom = 1
Statistik Uji Chi-Square
Aturan keputusan:
Jika 2 > 2R, tolak H0.
Jika tidak, terima H0
0
Terima H0 Tolak H0 2
2R
Menghitung Frekuensi Ekspektasi
Jenis Kelamin
Preferensi
Produk Wanita Pria
Suka 36
Observasi = 12 Observasi = 24
Suka 36
Ekspektasi = 14,4 Ekspektasi = 21,6
Observasi = 108 Observasi = 156
Tidak Suka 264
Ekspektasi = 105,6 Ekspektasi = 158,4
Observasi = 12 Observasi = 24
Suka 36
Ekspektasi = 14,4 Ekspektasi = 21,6
Observasi = 108 Observasi = 156
Tidak Suka 264
Ekspektasi = 105,6 Ekspektasi = 158,4
120 180 300
Statistik uji adalah:
χ = 2
∑ ¿¿¿
𝑆 𝑒𝑚𝑢𝑎 𝑆𝑒𝑙
Statistik Uji Chi-Square
Statistik uji adalah 𝜒 2 =0.75 8 , 𝜒 2𝑅 dengan 1 d . f. = 3 , 841Dicari dengan MS Excel:
=CHIINV(0.05,1)
Aturan keputusan:
Jika 2 > 3,841, tolak H0, jika tidak,
maka terima H0
=0,05 Di sini,
2 = 0,758 < 2R = 3,841, maka terima H0
dan tidak ada perbedaan proporsi
0
Terima H0 Tolak H0 2 wanita dengan pria dalam menyukai
2R=3,841 produk.
Uji 2 untuk Selisih Lebih dari Dua Proporsi
• Kita perluas uji chi-square ke kasus dengan lebih dari dua
populasi independen:
H0 : π 1 = π 2 = … = π c
H1: Tidak semua πj sama (j = 1, 2, …, c)
Statistik Uji Chi-Square
Statistik uji Chi-square adalah:
χ= 2
∑ ¿¿ ¿ Diasumsikan: setiap sel dalam tabel
kontingensi memiliki frekuensi yang
diharapkan setidaknya 1
𝑆 𝑒𝑚𝑢𝑎 𝑆𝑒𝑙
Di mana:
fo = frekuensi observasi dalam sel tertentu untuk tabel 2 × c
fe = frekuensi ekspektasi dalam sel tertentu jika H 0 benar
2 untuk kasus 2 x c yang memiliki degree of freedom = (2 – 1) (c – 1)
Contoh Uji Chi-Square dengan Lebih dari Dua
Proporsi
Sebuah polling dilakukan untuk mengetahui respon karyawan terhadap
perubahan kebijakan perusahaan. Sebanyak 1.500 karyawan yang terdiri dari
bagian pemasaran, produksi, dan pengiriman dilibatkan dalam jajak
pendapat. Berikut adalah hasil jajak pendapat:
Bagian Total
Pendapat Pemasaran Produksi Pengiriman
Setuju 1.040
Tidak Setuju 460
Bagian
Pendapat Pemasaran Produksi Pengiriman
Setuju
Tidak Setuju
Critical Range=√ 𝜒
2
𝑅
√ 𝑝 𝑗 (1 −𝑝 𝑗 ) 𝑝 𝑗 (1 −𝑝 𝑗 )
𝑛𝑗
+
′
𝑛𝑗¿
′
Prosedur Marascuilo: Contoh
Bagian
Pendapat Pemasaran Produksi Pengiriman
√
Tidak Setuju 90 205 165
0,82(1−0,82) 0,59(1−0,59)
|𝑝 1 − 𝑝 2|=|0,82 −0,59|=0,23 Critical Range=√ 5,991 + =0,068
√
500 500
0,82(1−0,82) 0,67(1−0,67)
|𝑝 1 − 𝑝 3|=|0,82 − 0,67|=0,15 Critical Range=√ 5,991 + =0,066
√
500
0,59(1−0,59) 500
0,67(1−0,67)
|𝑝2 − 𝑝 3|=|0,59 − 0,67|=0,08 Critical Range=√ 5,991 + =0,075
500 500
Kesimpulan: Karena setiap perbedaan absolut lebih besar dari kisaran kritis, bisa disimpulkan bahwa setiap
proporsi berbeda secara signifikan dari dua lainnya.
Uji Independensi
Statistika Non Parametrik – Uji Chi-Square
Uji Chi-Square: Uji Independensi
• Mirip dengan uji chi-square untuk keselarasan lebih dari dua proporsi, tetapi
konsep ini diperluas ke tabel kontingensi dengan baris r dan kolom c.
∑
2 Diasumsikan: setiap sel dalam tabel
χ= ¿¿¿ kontingensi memiliki frekuensi yang
diharapkan setidaknya 1
𝑆 𝑒𝑚𝑢𝑎 𝑆𝑒𝑙
Di mana:
fo = frekuensi observasi dalam sel tertentu untuk tabel 2 × c
fe = frekuensi ekspektasi dalam sel tertentu jika H 0 benar
2 untuk kasus r x c yang memiliki degree of freedom = (r – 1) (c – 1)
Contoh: Uji Independensi
• Jumlah order didata dari 200 pelanggan adalah sebagai berikut:
Jumlah Order Per- Minggu
Jenis Total
Pelanggan > 20/ 10 – 20/ < 10 / minggu
minggu minggu
Platinum 24 32 14 70
Gold 22 26 12 60
Silver 10 14 6 30
Bronze 14 16 10 40
Total 70 88 42 200
Contoh: Uji Independensi
• Hipotesis yang akan diuji adalah:
H0: Jumlah order dan jenis pelanggan berdiri sendiri-sendiri (yaitu, tidak
ada hubungan di antara kategori)
H1: Jumlah order dan jenis pelanggan saling bergantung (yaitu, ada
hubungan di antara kategori)
Contoh: Uji Independensi
𝑛 Gold
Silver
21,0
10,5
26,4
13,2
12,6
6,3
60
30
Bronze 14,0 17,6 8,4 40
Total 70 88 42 200
Contoh: Uji Independensi
Jumlah Order Per- Minggu • Nilai statistik uji adalah:
Jenis
Pelanggan > 20/ 10 – 20/ < 10 /
minggu minggu minggu
Platinum 24 32 14
24,5 30,8 14,7
Gold 22 26 12
21,0 26,4 12,6
Silver 10 14 6
10,5 13,2 6,3
Bronze 14 16 10 2R = 12,592 untuk α = 0,05 dari tabel
14,0 17,6 8,4
distribusi chi-kuadrat dengan derajat
kebebasan (4 - 1) (3 - 1) = 6
Dicari dengan MS Excel:
=CHIINV(0.05,6)
Contoh: Uji Independensi
Statistik uji adalah 𝜒 2 =0,7 09 , 𝜒 2𝑅 dengan 6 d. f. = 12,592
Aturan keputusan:
Jika 2 > 12,592, tolak H0, jika tidak,
maka terima H0
=0,05 Di sini,
2 = 0,709 < 2R = 12,592, maka terima H0
0 Kesimpulan: tidak ada cukup bukti bahwa
Terima H0 Tolak H0 2 jumlah order dan jenis pelanggan berhubungan.
2R=12,592
Ringkasan Bab
Referensi:
Statistics For Managers "Using Microsoft Excel" 9th Edition
David M. Levine, David F. Stephan, Kathryn A. Szabat. Penerbit : Pearson. Tahun : 2020