BAB I

PENDAHULUAN

A. LATAR BELAKANG MASALAH

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis
uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data
kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala
nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji
pada derajat yang terendah).

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:

1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).

2. 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.

3. 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%.

B. RUMUSAN MASALAH

1. Apa yang dimaksud dengan uji chi square ?

2. Bagaimana rumus chi square ?

3. Bagaimana analisis uji chi square ?

4. Bagaimana table chi square ?

5. Bagaimana menguji independensi antara 2 faktor ?

6. Bagaimana cara menguji proporsi ?

C. TUJUAN

1. Untuk mengetahui apa yang dimaksud dengan uji chi square

2. Untuk mengetahui bagaimana rumus chi square

3. Untuk mengetahui bagaimana analisis uji chi square

4. Untuk mengetahui bagaimana table chi square

5. Untuk mengetahui bagaimana menguji independensi antara 2 faktor

6. Untuk mengetahui bagaimana cara menguji proporsi.

 BAB II

PEMBAHASAN

A. Metode Uji Chi Square

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis
uji komparatif non parametris yang dilakukan pada dua variabel, di mana skala data
kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala
nominal maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji
pada derajat yang terendah).

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:

1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).

2. 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.

3. 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%.

4. Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi
bentuk 2 x 2, maka rumus yang digunakan adalah “koreksi yates”. Yaitu
dengan mengunakan rumus:

atau
 5. Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat
seperti di atas, yaitu ada cell dengan frekuensi harapan kurang dari 5, maka
rumus harus diganti dengan rumus “Fisher Exact Test”.

Pada artikel ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu
rumus yang digunakan adalah “Pearson Chi-Square”.

Rumus Tersebut adalah:

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. Misalnya ingin mengetahui
hubungan antara status gizi ibu (baik atau kurang) dengan kejadian BBLR (ya atau tidak).

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).

Uji Kai Kuadrat dapat digunakan untuk menguji :

1. Uji χ2 untuk ada tidaknya hubungan antara dua variabel (Independency test).

2. Uji χ2 untuk homogenitas antar- sub kelompok (Homogenity test).

3. Uji χ2 untuk Bentuk Distribusi (Goodness of Fit)

4. Sebagai rumus dasar dari uji Kai Kuadrat adalah :

Keterangan :

O = frekuensi hasil observasi

E = frekuensi yang diharapkan.

Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data

df = (b-1) (k-1)
Dalam melakukan uji kai kuadrat, harus memenuhi syarat:

1. Sampel dipilih secara acak

2. Semua pengamatan dilakukan dengan independen

3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel dengdan
frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel

4. Besar sampel sebaiknya > 40 (Cochran, 1954)

Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai data
yang diskrit dengan pendekatan distribusi kontinu.Dekatnya pendekatan yang
dihasilkan tergantung pada ukuran pada berbagai sel dari tabel kontingensi. Untuk
menjamin pendekatan yang memadai digunakan aturan dasar “frekuensi harapan tidak
boleh terlalu kecil” secara umum dengan ketentuan:

Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)

Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)

Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk
menanggulanginyanya adalah dengan menggabungkan nilai dari sel yang kecil ke se
lainnya (mengcollaps), artinya kategori dari variabel dikurangi sehingga kategori yang
nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk tabel 2×2 hal ini
tidak dapat dilakukan, maka solusinya adalah melakukan uji

“Fisher Exact atau Koreksi Yates”

Analisis Chi Square

Contoh kasus

Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan antara
gender dengan sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta
25 responden mengisi identitas mereka dan sikap atau persepsi mereka terhadap
produknya.

Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas
AC?

Hipotesis :

H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC

 H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC

Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-
square hitung lebih besar (>) dari nilai chi-square tabel.

Menguji Independensi antara 2 faktor (independensi)

Independensi (keterkaitan) antara 2 faktor dapat diuji dengan uji chi square.
Masalah independensi ini banyak mendapat perhatian hampir di semua bidang, baik
eksakta maupun sosial ekonomi. Kita ambil contoh di bidang ekonomi dan
pendidikan. Kita bisa menduga bahwa keadaan ekonomi seseorang tidak ada
kaitannya dengan tingkat pendidikannya, atau justru sebaliknya bahwa keadaan
ekonomi seseorang terkait erat dengan tingkat pendidikannya. Untuk menjawab
dugaan-dugaan ini, kita bisa menggunakan uji chi square.

Langkah-langkahnya sebagai berikut.

1. Buatlah hipotesis

H0: tidak ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya

HA: ada kaitan antara keadaan ekonomi seseorang dengan pendidikannya

2. Lakukan penelitian dan kumpulkan data

Hasil penelitian adalah sebagai berikut (tentatif).

Dibawah garis Diatas garis

Kategori Total
kemiskinan kemiskinan

Tidak tamat SD 8 4 12

SD 20 17 37

SMP 15 16 31

SMA 3 23 26

Perguruan tinggi 2 22 24

Total 48 82 130
3. Lakukan analisis

Dibawah garis Doatas garis

kategori Total
kemiskinan kemiskinan
Tidak tamat SD
O 8 4 12
E 4,43 7,57

SD
O 20 17 37
E 13,66 13,34
SMP
O 15 16 31
E 11,45 19,55
SMA
O 2 23 26
E 9,60 16,40
Perguruan Tinggi
O 2 22 24
E 8,86 15,14
Total 48 82 130

Nilai O (Observasi) adalah nilai pengamatan di lapangan

Nilai E (expected) adalah nilai yang diharapkan, dihitung sbb:

1. Nilai E untuk kategori tidak tamat SD di bawah garis kemiskinan= (12 x 48)/130 =
4,43

2. Nilai E untuk kategori tidak tamat SD di atas garis kemiskinan = (12 x 82)/130 =
7,57

3. Nilai E untuk kategori SD di bawah garis kemiskinan = (37 x 48)/130 = 13,66

4. Nilai E untuk kategori SD di atas garis kemiskinan = (37 x 82)/130 = 23,34

5. Nilai E untuk kategori SMP di bawah garis kemiskinan = (31 x 48)/130 = 11,45

6. Nilai E untuk kategori SMP di atas garis kemiskinan = (31 x 82)/130 = 19,55

7. Nilai E untuk kategori SMA di bawah garis kemiskinan = (26 x 48)/130 = 9,60

8. Nilai E untuk kategori SMA di atas garis kemiskinan = (26 x 82)/130 = 16,40

9. Nilai E untuk kategori Perguruan Tinggi di bawah garis kemiskinan = (24 x 48)/130
= 8,86
 10. Nilai E untuk kategori Perguruan Tinggi di atas garis kemiskinan = (24 x 82)/130 =
15,14

Hitung nilai Chi square (x^2)

TABEL CHI-SQUARE

Kriteria Pengambilan Kesimpulan

Kesimpulan

Hasil analisis menunjukkan bahwa nilai x^2 hitung = 26,586, yaitu lebih besar darinilai
x^2 tabel yaitu 9,488, sehingga kita harus menerima HA. Dengan demikian, kita
simpulkan bahwa ada kaitan yang signifikan antara keadaan ekonomi seseorang dengan
tingkat pendidikannya (lihat lagi hipotesis di atas, khususnya bunyi hipotesis HA).

Catatan: kata signifikan berasal dari α = 0,05.

Menguji proporsi

Contoh kasus (1):

Menurut teori genetika (Hukum Mendel I) persilangan antara kacang kapri

berbunga merah dengan yang berbunga putih akan menghasilkan tanaman dengan
proporsi sebagai berikut: 25% berbunga merah, 50% berbunga merah jambu, dan 25%
berbunga putih. Kemudian, dari suatu penelitian dengan kondisi yang sama, seorang
peneliti memperoleh hasil sebagai berikut, 30 batang berbunga merah, 78 batang
berbunga merah jambu, dan 40 batang berbunga putih. Pertanyaannya adalah apakah
hasil penelitian si peneliti tersebut sesuai dengan Hukum Mendel atau tidak?

Untuk menjawab pertanyaan tersebut, kita bisa menggunakan uji chi-square, sebagai
berikut:

1. Buatlah hipotesis

H0: rasio penelitian adalah 1:2:1 atau 25%:50%:25%

HA: rasio penelitian adalah rasio lainnya

2. Lakukan analisis

Kategori Merah Merah Jambu Putih Jumlah

Pengamatan (O) 30 78 40 148

Diharapkan (E) 37 74 37 148

Proporsi diharapkan (E) dicari berdasarkan rasio 1:2:1, sebagai berikut:

Merah = 1/4 x 148 = 37

Merah Jambu = 2/4 x 148 = 74

Putih = 1/4 x 148 = 37

Df = (kolom -1)(baris -1) = (3-1)(2-1) = 2

Kriteria Pengambilan Kesimpulan

Terima H0 jika x^2 hitung< x^2 tabel

Tolak H0 jik x^2 hitung≥ x^2 tabel

Kesimpulan

Dari hasil analisis data, diperoleh x^2 hitung< x^2 tabel, maka H0 diterima.

Artinya, rasio hasil penelitian si peneliti tersebut sesuai dengan rasio menurut Hukum
Mendel (lihat bunyi hipotesis pada H0).

Contoh Kasus (2):

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 :

1. HIPOTESIS :
 Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)

Ho : P1 ≠ P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)

2. PERHITUNGAN :

Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini :

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

Selanjutnya masukan dalam rumus :

sekarang kita menentukan nilai tabel pada taraf nyata/alfa = 0.05. Sebelumnya kita
harus menentukan nilai df-nya. Karena tabel kita 2×2, 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.

3. 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.

4. KESIMPULAN

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

B. Uji kemungkinan yang Eksak Dari Fisher

Uji ini digunakan untuk menganalisis data kategorik ( nominal atau

ordinal) dua sampel bebas berukuran kecil.( ingat bilamana sampel data
kategorik di sebut kecil)
Merupakan salah satu uji nonparametrik yang digunakan untuk
menganalisis dua sampel independen yang berskala nominal atau ordinal
jika kedua sampel indpendennya berjumlah kecil (biasanya kurang dari 20).
Data diklasifikasikan kedalam dua kelompok yang saling bebas sehingga
akan terbentuk tabel kontingensi 2 x 2.
Grup I dan II adalah sembarang kelompok. Tanda (+) dan (-) adalah sembarang
dua klasifikasi seperti diatas dan dibawah median, lulus dan gagal, setuju dan tidak
setuju, dan seterunsnya. Untuk A, B, C, dan D menyatakan frekuensi.
 Uji ini bisa digunakan untuk menentukan apakah kelompok I dan II berbeda
secara signifikan dalam proporsi (+) dan (-) yang dikenakan atas kelompok itu dan bisa
juga untuk menentukan mana yang lebih besar proporsinya.

Peluang eksak pemunculan dari pengamatan terhadap frekuensi pada tabel 2 x 2

jika jumlah marginal dianggap tetap, diperoleh dengan menggunakan distribusi
hipergeometrik:

Hipotesis awal ditolak jika nilai p-value yang diperoleh lebih kecil dari taraf signfikansi
yang digunakan. Nilai p-value didapat dengan menjumlahkan peluang dari pemunculan data
dengan peluang dari kemungkinan pemunculan yang lebih ekstrim atau dapat menggunakan
tabel Fisher, lihat pada buku Statistik Nonparametrik untuk Ilmu – Ilmu Sosial karangan Sidney
Siegel. Untuk uji 1 arah hanya diambil dari satu sisi pemunculan yang lebih ekstrim, sedangkan
untuk uji 2 arah diambil dari kedua sisi pemunculan yang lebih ekstrim. dibawah).

Untuk uji 1 arah

Contoh: Seorang mahasiswa melakukan penelitian untuk menguji apakah proporsi

siswa yang mengikuti les privat lebih banyak yang lulus ujian dibandingkan dengan siswa
yang tidak mengikuti les privat. Selanjutnya diambil sampel sebanyak 15 siswa. Dari 6
yang lulus ternyata 5 yang mengikuti les privat dan dari 9 yang tidak lulus ternyata 7
yang tidak ikut les privat. Gunakan alpha 5 %.

Jawab

Pertama dibentuk tabel kontingensi sebagaimana dibawah ini

Definisikan P1 adalah Proporsi siswa yang lulus yang ikut les privat dan P2
adalah proporsi siswa yang lulus yang tidak ikut les privat

Ho: P1=P2 ( Proporsi siswa yang lulus yang ikut les privat tidak lebih banyak dari
proporsi mahasiswa yang tidak ikut les privat)

H1: P1>P2 ( Proporsi siswa yang lulus yang ikut les privat lebih banyak dari
proporsi mahasiswa yang tidak ikut les privat.

Keputusan: Tolak Ho karena p-value < α dan simpulkan proporsi siswa yang lulus
yang ikut les privat lebih banyak dari proporsi mahasiswa yang tidak ikut les privat
dengan tingkat kepercayaan sebesar 95 %.

Uji 2 arah

Contoh 1: Jika kita menggunkan hipotesisi untuk uji dua arah dalam kasuh contoh
uji satu arah diatas
 Ho: P1=P2 ( Proporsi siswa yang lulus yang ikut les privat sam dengan proporsi
mahasiswa yang tidak ikut les privat)

H1: P1≠P2 ( Proporsi siswa yang lulus yang ikut les privat tidak sama dengan
proporsi mahasiswa yang tidak ikut les privat)

Peluang diatas ditambah dengan kemungkinan pemunculan ekstrim dari sisi yang
lain. Kemungkinan pemunculan dari sisi yang lain adalah

Keputusan: Tolak Ho karena p-value < α (0,041 < 0,05) dan simpulkan proporsi
siswa yang lulus yang ikut les privat tidak sama dengan proporsi mahasiswa yang tidak
ikut les privat dengan tingkat kepercayaan sebesar 95 %.

Cara menentukan kondisi lebih ekstrim: Kita gunakan contoh yang uji satu arah

P1=5/7=0,714 P2=1/8=0,125 (P1-P2)=0,589

Setiap kemungkinan pemunculan yang mempunyai selisih peluang (P1 – P2) lebih
besar dari 0,589 maka dikatakan mempunyai peluang pemunculan yang lebih ekstrim.
Untuk uji dua arah caranya juga sama dimana peluang pemunculan yang lebih ekstrim
berlaku juga untuk arah yang berlawanan.

Contoh Tambahan : Terdapat anggapan bahwa diketahui hubungan antara makan

buah dengan diare. Oleh karena seorang mahasiswa melakukan penelitian untuk menguji
duagaan tersebut. Jumlah sampel yang diambil adalah sebesar 41 orang. Kemudian
diklasifikasikan ke dalam tabel kontingensi seperti dibawah ini. Gunakan alpha 5 %.

Jawab:

Ho: P1=P2 (Tidak terdapat hubungan antara makan buah dengan diare)

H1: P1≠ P2 (Terdapat hubungan antara makan buah dengan diare)

 BAB III

PENUTUP

A. Kesimpulan

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu
jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana
skala data kedua variabel adalah nominal.

Rumusnya adalah:

Fungsi uji chi square adalah untuk melihat apakah suatu pernyataan dapat
dinyatakan benar atau tidak berdasarkan hasil perhitungannya