KONSEP UJI CHI SQUARE

Dinda Anindita Salsabilla, MKM

• Uji Chi-Square merupakan uji statistik non-parametrik yang
paling banyak digunakan dalam penelitian bidang kesehatan
masyarakat, karena uji ini memiliki kemampuan
membandingkan dua kelompok atau lebih pada data-data yang
telah dikategorisasikan. Meski demikian, uji chi-square dapat
pula dipakai pada pengujian satu kelompok dan berskala
interval/rasio.
Uji Chi Square 1 Sampel
Uji Chi Square 1 Sampel digunakan untuk mengetahui
• Varians dari populasi (jika data berskala interval/rasio)
• Kesesuaian dengan distribusi Chi-square atau goodness of fit (jika data berskala
kategorik/nominal).
a. Menguji varians dari populasi pada data interval/rasio
Rumusan uji hipotesa yang dievaluasi adalah “Apakah sampel dengan n subyek
berasal dari populasi yang memilki nilai varians yang sama?” atau “Apakah sampel
dengan nilai estimasi varians s² diturunkan dari populasi dengan nilai estimasi
varians σ²?”. Bila hasil uji statistik signifikan, maka dapat disimpulkan bahwa
terdapat kemungkinan sample berasal dari populasi dengan nilai varians tertentu
selain σ².
• Asumsi yang digunakan dalam uji hipotesa ini adalah:
 Populasi berdistribusi normal;
 Sampel dipilih secara acak dari populasi
Uji Chi Square 1 Sampel
b. Menguji kesesuaian distribusi/goodness of fit pada data kategorik/nominal
Uji hipotesa yang dievaluasi adalah “apakah populasi yang direpresentasikan
dengan sampel, memiliki perbedaan frekuensi yang diobservasi dengan
frekuensi yang diharapkan” atau “apakah terdapat perbedaan antara
frekuensi yang diobserbasi dengan frekuensi yang diharapkan pada populasi
yang diwakili dengan sampel tertentu”.
Asumsi yang diterapkan pada uji hipotesa ini adalah:
• Data berskala nominal/kategorik
• Data terdiri dari n observasi independen yang dipilih secara acak dari
populasi;
• Frekuensi diharapkan (fo) pada setiap sel tabel harus ≥ 5
Uji Chi Square 2 Kelompok
a. Tabel Kontingensi b x k
Penggunaan lain dari Uji Chi-Square adalah pengujian hipotesis pada 2
kelompok menggunakan tabel kontinjensi 2 x 2 atau tabel b x k tertentu,
dimana b adalah baris dan k adalah kolom. Dalam hal ini, jumlah sel adalah k
dikalikan b, sehingga untuk tabel 2 x 2 jumlah selnya adalah 4, tabel 2 x 3
jumlah selnya adalah 6, dan seterusnya. Data-data yang terdapat pada sel
disebut dengan jumlah/frekuensi observasi dari subyek atau obyek.
Contoh 1

• Untuk mengetahui apakah terdapat perbedaan antara dua perlakuan/intervensi.

Contohnya kejadian hipertensi pada dua kelompok2 “Sesudah Senam” dan
“Sebelum Senam”, maka kelompok “Sesudah Senam” dapat diwakilkan dengan Baris
dan kelompok “Sebelum Senam” diwakilkan dengan Kolom. Pada tabel tersebut, jumlah
observasi kejadian “hipertensi” pada kelompok “Sesudah Senam” dan kelompok “Sebelum
Senam” adalah 10, jumlah observasi kejadian “tidak hipertensi” pada kelompok “Sesudah
Senam” dan kelompok “Sebelum Senam” adalah 42, dan seterusnya.
Contoh 2

• Untuk mengetahui apakah terdapat perbedaan kejadian pada kelompok

Kasus dan kelompok Kontrol (pada desain studi Case-Control)
sebagaimana disajikan pada tabel 4 menampilkan contoh kejadian
Hipertensi dan Tidak Hipertensi pada kelompok Kasus dan kelompok
Kontrol.
Contoh 3

• Untuk mengetahui adanya hubungan/korelasi antara dua variabel atau

lebih. Misalnya mengetahui hubungan antara kejadian hipertensi dengan
usia (tabel 5) atau mengetahui hubungan antara kejadian hipertensi
dengan Indeks Massa Tubuh/IMT pada tabel 4 x 2 dan pada tabel 2 x 3.
Asumsi
• Data berskala ordinal/nominal dengan kategori data bersifat mutually
exclusive
• Data dipilih secara acak/random dari populasi yang ditentukan
• Jumlah frekuensi observasi setiap sel pada tabel kontinjensi lebih besar
atau sama dengan 5. Jika terdapat sel yang < 5 maka distribusi chi-square
tidak akurat menghasilkan estimasi yang menggambarkan keadaan
populasi. Untuk mengatasi hal ini, peneliti bisa menggabungkan sel yang
jumlahnya < 5 agar tercapai syarat tersebut. Bila tabel 2 x 2 tetap
menghasilkan sel dengan jumlah < 5, maka disarankan menggunakan uji
distribusi hipergeometrik yaitu Uji Fisher-Exact
Chi Square 2 kelompok merupakan perluasan dari uji chi-square
goodness of fit pada satu sampel, dengan penggunaannya meliputi
dua jenis yaitu:
1. Uji Homogenitas : dilakukan ketika sampel independen yang terdiri dari dua
atau lebih kelompok sampel (sebagai baris dalam tabel kontinjensi)
dikategorisasikan ke dalam satu dimensi yang terdiri dari dua atau lebih sub
kategori (sebagai kolom dalam tabel kontinjensi). Dengan demikian uji
homogenitas digunakan untuk mengetahui homogenitas sampel berdasarkan
proporsi kategorisasi menurut dimensinya. Bila data homogen maka proporsi
observasi pada dimensi yang ditetapkan akan sama pada seluuruh kelompok
sampel. Asumsi yang digunakan pada uji homogenitas adalah:
seluruh data dipilih secara acak dari populasi tertentu
jumlah kelompok pada variabel independen telah ditentukan terlebih dahulu
oleh peneliti sebelum dilakukan pengumpulan data.
Chi Square 2 kelompok merupakan perluasan dari uji chi-square
goodness of fit pada satu sampel, dengan penggunaannya meliputi
dua jenis yaitu:
2. Uji Independensi : dilakukan ketika satu sampel dikategorisasikan ke dalam dua
atau lebih dimensi atau variabel. Uji ini mengevaluasi hipotesa “apakah
terdapat hubungan pada dua variabel atau apakah dua variabel tersebut saling
independen?”. Dengan demikian, dua buah variabel yang saling independen
tersebut tidak memiliki hubungan satu sama lain (zero correlation). Asumsi
yang digunakan pada uji independensi :
 seluruh data dipilih secara acak dari populasi tertentu
 jumlah kategori untuk variabel pertama dan variabel kedua ditentukan oleh peneliti sebelum
pengambilan data dilakukan.
 Mengukur Kekuatan Hubungan Variabel pada Uji Chi-Square
dengan Odds Ratio (OR) dan Relative Risk (RR)

• Kekuatan hubungan pada uji Chi-Square dengan menggunakan tabel kontinjensi, tergantung pada
ukuran sampel dan proporsi pada masing-masing sel sehingga kekuatan hubungannya kurang akurat
(terutama dibandingkan dengan t test).
• Pada uji t test, kekuatan hubungan tidak terpengaruh oleh ukuran sampel. Pengukuran kekuatan
asosiasi/hubungan antar variabel pada tabel kontinjensi dapat dilakukan dengan berbagai metode,
antara lain:
 Koefisien Kontinjensi atau Koefisien Kontinjensi Pearson merupakan ukuran asosiasi yang dapat digunakan pada
tabel kontinjensi dengan berbagai ukuran baris dan kolom
 Koefisien Phi atau disingkat 𝜑 yang hanya dapat digunakan pada tabel kontinjensi 2 x 2 dengan data berskala
nominal atau dikotomi
 Koefisien Phi Cramer merupakan pengembangan dari Koefisien Phi untuk tabel kontinjensi lebih dari 2 x 2 4.
 Yule’s Q merupakan ukuran asosiasi untuk tabel kontinjensi 2x2 yang dapat digunakan pada tabel dengan data
ordinal/berperingkat atau tidak berperingkat. Metode ini lebih jarang dipakai atau direkomendasikan dibanding
Koefiesien Phi
 Odds Ratio merupakan ukuran kekuatan/asosiasi yang bisa digunakan pada tabel 2x2 atau lebih dari 2x2 dan bukan
merupakan fungsi dari chi-square (pada pengukuran asosiasi lainnya, kecuali Yule’s Q, menggunakan statistik X²
untuk menghitung kekuatan hubungan)
 Mengukur Kekuatan Hubungan Variabel pada Uji Chi-Square
dengan Odds Ratio (OR) dan Relative Risk (RR)

• Kelebihan odds ratio dibandingkan ukuran asosiasi yang adalah

dapat digunakan pada berbagai format/bentuk angka
dapat secara langsung menginterpretasikan hasil odds ratio dari tabel
kontinjensi dibandingkan ukuran yang lain.
• Nilai odds bervariasi sebagai berikut:
1. Hasil perhitungan atau nilai odds akan berada antara 0 hingga tak terhingga
2. Bila nilai odds > 1, maka probabilitas suatu kejadian X akan terjadi > 0,50 atau makin besar
nilai odds maka semakin besar pula probabilitas suatu kejadian X akan terjadi
3. Bila nilai odds < 1, maka probabilitas suatu kejadian X akan terjadi < 0,50 atau makin kecil
nilai odds maka semakin kecil pula probabilitas suatu kejadian X akan terjadi
4. Bila nilai odds = 1, maka probabilitas suatu kejadian X akan terjadi = 0,50 atau kesempatan
atau peluang terjadinya kejadian X adalah 50:50
 UJI CHI SQUARE
MENGGUNAKAN SPSS
Diagram Alur Uji Hipotesis Kategorik Tidak Berpasangan

Tabel B x K

Selain Tabel 2 x 2 dan

Tabel 2 x 2 Tabel 2 x K
2xK

Syarat Chi Square Syarat Chi Square Syarat Chi Square

Terpenuhi = Uji Terpenuhi = Uji Terpenuhi = Uji
Chi Square Chi Square Chi Square

Tidak Terpenuhi Tidak Terpenuhi Tidak Terpenuhi

Uji Kolmogorov
Uji Fisher Exact Penggabungan Sel
Smirnov
Syarat Uji Chi Square
1. Jumlah sampel besar
2. Skala data variabel kategorik
3. Bentuk tabel 2 x 2
4. Jumlah cell dengan expected count kurang dari 5 tidak boleh lebih dari 20%
Contoh Kasus
◦ Hubungan Kualitas Pelayanan Kesehatan dengan Tingkat Kepuasan Pasien
Ket :
 Jumlah sampel responden 60
 Variabel layanan kesehatan : Kurang (1), Baik (2)
 Variabel kepuasan : Tidak Puas (1), Puas (2)

Untuk menentukan uji hipotesis yang tepat digunakan pada kasus di atas adalah dengan mengingat Langkah-Langkah
sbb :
1. Variabel yang dihubungkan = Layanan Kesehatan (Kategorik), Tingkat Kepuasan (Kategorik)
2. Jenis Hipotesis = Komparatif
3. Masalah Skala Pengukuran = Kategorik (Nominal)
4. Berpasangan/Tidak = Tidak berpasangan
5. Identifikasi Jumlah Kelompok = 2 Kelompok

Uji Hipotesis yang digunakan adalah Chi Square jika memenuhi syarat, jika tidak memenuhi syarat maka
dilakukan uji alternatif Fisher Exact Test.
• Klik Label, Ganti
Layanan_Kesehatan dibuat
“Lay_Kes”, Label Kepuasan
dibuat “Kepuasan”
• Klik Values Layanan Kesehatan,
Value 1 diberi label Kurang,
Value 2 diberi label Baik.
• Klik Add
• Ok
• Klik Values Kepuasan, Value 1
diberi label Tidak Puas, Value
2 diberi label Puas.
• Klik Add
• Ok
Langkah pertama :
• Klik Analyze
• Descriptive Statistic
• Crosstab
• Masukkan Variabel
• Layanan_kesehatan ke dalam kolom
Rows
• Kepuasan ke dalam kolom Column
Klik Statistic
• Beri tanda √ pada Chi
Square dan Risk
• Klik Continue
• Ok
1

2
Interpretasi Data
a. Tabel pertama merupakan tabel persilangan antaran variabel
independent dengan variabel dependen (B x K)
b. Tabel kedua merupakan tabel uji chi square, didapatkan hasil p=0.006
< 0.05 yang artinya ada hubungan antara kualitas layanan kesehatan
dengan tingkat kepuasan pasien
c. Pada tabel kedua terlihat nilai ekspektasi yang kurang dari 5 adalah 0
cell (0%), artinya memenuhi syarat dalam uji chi square.
d. Pada tabel Risk Estimate terlihat nilai OR = 4.533, artinya bahwa
kualitas layanan kesehatan yang baik akan memberikan kepuasan 4.5
kali lebih besar dibandikan dengan kualitas layanan kesehatan yang
kurang
 UJI FISHER EXACT
MENGGUNAKAN SPSS
Syarat Uji Fisher Exact
Uji Fisher Exact merupakan uji alternatif jika syarat uji Chi Square tidak
terpenuhi atau nilai ekspektasi sel yang kurang dari nilai 5 lebih dari
20%. Namun uji Fisher Exact juga dapat digunakan jika sampel kurang
dari 20 baik terdapat sel yang kurang dari nilai 5 atau tidak.
1. Jumlah sampel kecil
2. Skala data variabel kategorik
3. Bentuk tabel 2 x 2
4. Jika syarat uji Chi Square tidak terpenuhi atau nilai ekspektasi sel
yang kurang dari nilai 5 lebih dari 20%.
Contoh Kasus
• Hubungan Faktor Keturunan dengan Kejadian Obesitas
Ket :
 Jumlah sampel responden 30
 Variabel Obesitas: Tidak (1), Ya (2)
 Variabel Keturunan: Tidak Ada (1), Ada (2)

Untuk menentukan uji hipotesis yang tepat digunakan pada kasus di atas adalah dengan mengingat
Langkah-Langkah sbb :
1. Variabel yang dihubungkan = Keturunan (Kategorik), Obesitas (Kategorik)
2. Jenis Hipotesis = Komparatif
3. Masalah Skala Pengukuran = Kategorik (Nominal)
4. Berpasangan/Tidak = Tidak berpasangan
5. Identifikasi Jumlah Kelompok = 2 Kelompok

Uji Hipotesis yang digunakan adalah Chi Square jika memenuhi syarat, jika tidak memenuhi syarat
maka dilakukan uji alternatif Fisher Exact Test.
Langkah pertama :
• Klik Analyze
• Descriptive Statistic
• Crosstab
• Masukkan Variabel
• Obesitas ke dalam kolom Rows
• Keturunan ke dalam kolom Column
Klik Statistic
• Beri tanda √ pada Chi
Square dan Risk
• Klik Continue
• Ok
Interpretasi Data
a. Berdasarkan hasil analisis didapatkan bahwa
nilai eksoektasi di bawah 5 berjumlah 50% >
20%. Sehingga untuk membaca hasilnya
digunakan hasil dari uji Fisher Exact.
b. Berdasarkan hasil uji Fisher Exact,
didapatkan bahwa seluruh nilai p=
0.215>0.05, sehingga dapat disimpulkan
bahwa tidak ada hubungan antara faktor
keturunan dengan kejadian obesitas
c. Karena tidak ada hubungan maka nilai OR
tidak perlu dibaca.