A.

Pengertian Distribusi Chi Square

Chi square adalah pengujian hipotesis mengenai perbandingan antara frekuensi
observasi atau yang benar-benar terjadi (aktual) dengan frekuensi harapan. Frekuensi
observasi adalah frekuensi yang nilainya diperoleh dari hasil percobaan (o) sedangkan
frekuensi harapan adalah frekuensi yang nilainya dapat di hitung secara teoritis (e).
Distribusi chi square termasuk dalam statistik nonparametrik yaitu distribusi di mana
besaran-besaran populasi tidak diketahui. Dengan kata lain, chi square test tidak
memerlukan syarat data berdistribusi normal. Distribusi chi square sering digunakan untuk
melakukan analisis statistik di mana informasi tentang populasi atau jika asumsi-asumsi
yang dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi.
B. Karakteristik dan Kegunaan Distribusi Chi Square
Karakteristik dari distribusi chi square adalah sebagai berikut:
1. Distribusi chi square hanya memiliki satu parameter yaitu derajat kebebasan atau
degree of freedom (df) dengan persamaan

df =k1 , di mana k adalah jumlah

kategori dalam percobaan;

2. Nilai chi square selalu positif karena merupakan hasil pengkuadratan;
3. Terdapat beberapa kelompok distribusi chi square, yaitu distribusi chi square dengan
df=1, 2, 3, dan seterusnya;
4. Bentuk kurva distribusi chi square tidak ditentukan oleh banyaknya sampel melainkan
ditentukan dengan banyaknya derajat kebebasan. Semakin kecil nilai derajat
kebebasan, bentuk kurvanya semakin menceng ke kanan dan semakin besar nilai
derajat kebebasan ( n ), bentuk kurvanya semakin mendekati bentuk fungsi
normal.
Uji chi square secara umum 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. Dasar
uji chi square adalah membandingkan perbedaan frekuensi hasil observasi ( fo ) dengan
frekuensi yang diharapkan ( fh ). Perbedaan tersebut meyakinkan jika nilai dari chi square
sama atau lebih besar dari suatu nilai yang ditetapkan pada taraf signifikan tertentu (dari
tabel 2). Uji chi square dapat digunakan untuk pengujian sebagai berikut:
1. Untuk menguji ketepatan penerapan suatu fungsi (test of goodness of fit);

2. Untuk menguji ada tidaknya suatu hubungan di antara dua variabel (independency test);
serta
3. Untuk menguji kesamaan di antara sub-sub kelompok (homogenity test).
Rumus umum untuk uji chi square adalah sebagai berikut:

Dimana:

x2

= Chi square

fo

= Frekuensi yang diobservasi

fh

= Frekuensi yang diharapkan

Dalam melakukan pengujian dengan menggunakan uji chi square, ada hal-hal yang
harus diperhatikan, yaitu sebagai berikut:
1. Sampel dipilih secara acak;
2. Semua pengamatan dilakukan dengan independen;
3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel dengan
frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel;
4. Besar sampel sebaiknya > 40 (Cochran, 1954).
Keterbatasan penggunaan uji chi square adalah teknik uji chi square menggunakan
data yang diskrit dengan pendekatan distribusi kontinyu. Dekatnya pendekatan yang
dihasilkan tergantung pada ukuran di berbagai sel dari tabel kontingensi. Untuk menjamin
pendekatan yang memadai digunakan aturan dasar frekuensi harapan tidak boleh terlalu
kecil atau secara umum dengan ketentuan sebagai berikut:
1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu);
2. Jumlah sel mempunyai nilai harapan lebih kecil dari 5 (lima) tidak boleh lebih dari 20%.
C. Contoh Kasus Penggunaan Uji Chi Square
1. Uji Ketepatan Penerapan Suatu Fungsi (Test of Goodness of Fit)
Setiap variabel dapat mempunyai bentuk fungsi (misalnya, variabel X mempunyai
fungsi Binomial, Poisson, Normal, dan sebagainya). Dengan mengetahui fungsi suatu
variabel, ada beberapa manfaat yan diperoleh antara lain:
a. Dapat memperkirakan/meramalkan nilai fungsi dari suatu variabel yang sudah
diketahui;
b. Dapat menghitung nilai probabilitas terjadinya suatu variabel.
Di dalam praktik seringkali ditemui asumsi bahwa hasil observasi yang dilakukan
(berupa nilai variabel) mengikuti suatu fungsi tertentu atau proporsi tertentu atau
frekuensi tertentu. Untuk menguji ketepatan/kecocokan suatu fungsi, dapat digunakan

pengujian chi square. Dalam pengujian ini akan dibandingkan antara frekuensi hasil
observasi ( fo ) dengan frekuensi harapan ( fh ) yang biasanya dinyatakan sebagai
fungsi tertentu

foi

= frekuensi hasil observasi ke-i dan

fhi

= frekuensi harapan ke-

i.
Contoh kasus: Dalam menyusun rencana kebutuhan anggaran belanja modal
untuk 5 (lima) tahun ke depan terkait dengan pengadaan komputer, Kepala Bagian
Umum Inspektorat Jenderal (Itjen) Kementerian Keuangan selaku pejabat pengadaan
menggunakan asumsi bahwa masa pakai rata-rata komputer yang digunakan di Itjen
adalah 6 tahun dengan standar deviasi 1,4 tahun. Dengan mengambil sampel sebanyak
90 unit komputer dari Laporan Permintaan Kebutuhan Komputer tahun-tahun
sebelumnya, diperoleh informasi mengenai distribusi masa pakai komputer seperti yang
tampak pada tabel di bawa ini. Dengan menggunakan taraf nyata 5 %, dapatkah Kepala
Bagian Umum menarik kesimpulan bahwa masa pakai komputer di Itjen terdistribusi
normal?
Masa Pakai (Tahun)
0-4
4-5
5-6
6-7
7-8
>8
Jumlah

Frekuensi
7
14
25
22
16
6
90

Solusi:
a. Hitung luas daerah di bawah kurna normal untuk masing-masing katagori. Rumus

yang dipergunakan adalah

Z=

Di mana : X = batas bawah dan batas atas kelas.

= nilai rata-rata
= standar deviasi
b. Hitung frekuensi yang dihrapkan dengan megkalikan luas daerah dibawah kurva
normal dengan jumlah sampel. Hasil yang diperoleh adalah sebagai berikut:
Masa pakai (tahun)

Frek.

Nilai Z

Daerah

0-4
4-5
5-6
6-7
7-8
>8

7
14
25
22
16
6

< -1,43
-1,43 s.d. -0,71
-0,71 s.d. 0,00
0,00 s.d. 0,71
0,71 s.d. 1,43
> 1, 43

0,0764
0,1625
0,2611
0,2611
0,1625
0,0764

Frekuensi yang
diharapkan
6,876
14,625
23,499
23,499
14,725
6,876

Total

90

90

c. Hitung nilai chi square

Nilai X2 tabel dengan df = k - 1 = 6 1 = 5 dan taraf nyata 5 % diperoleh nilai 11,070
Ho : masa pakai komputer terdistribusi normal
H1 : masa pakai komputer tidak terdistribusi normal
Ho diterima jika X2 < 11,070
Ho dittolak jika X2 11,070 (menerima H1)
Masa pakai (tahun)
0-4
4-5
5-6
6-7
7-8
>8
Total

fo
7
14
25
22
16
6
90

fh

(fofh) / fh

6,876
14,625
23,499
23,499
14,625
6,876
90

0,0022362
0,0267094
0,0958765
0,0956211
0,1292735
0,1116021
0,4613188

Kesimpulan: Karena nilai X2 hitung sebesar 0,46 lebih kecil dari 11,070, hipotesis
nol diterima yang berarti masa pakai komputer terdistribusi normal.
2. Uji Hubungan di antara Dua Variabel (Independency Test)
Uji chi square untuk independensi merupakan uji kebebasan dua faktor atau uji
hipotesis mengenai ada atau tidaknya hubungan antara dua faktor. Jika tidak ada
hubungan antara dua faktor itu maka dapat dikatakan bahwa dua faktor itu saling bebas
atau independen secara statistik. Dalam pengujian independensi, hipotesis yang
digunakan selalu menyatakan bahwa kedua faktor saling bebas/ independen (tidak
terikat, tidak berkaitan, tidak berhubungan). Oleh karena itu, bentuk Ho : Tidak ada
hubungan/ asosiasi antara X danY.
Dalam uji independensi,

df =( R1)(C1) , di mana

derajat

R=

kebebasan

dihitung

dengan

baris dalam tabel kontingensi dan

rumus

C=

kolom dalam tabel kontingensi. Nilai chi square dihitung dengan rumus umum chi square

yaitu

( fofh)
X =
fh
2

tabel kontingensi dan

dengan

fh=

( R)( C )
n

dengan

R=

baris dalam

C= kolom dalam tabel kontingensi.

Contoh kasus: Inspektorat VII selaku litbang dar Itjen Kemenkeu melakukan
penelitian untuk memperoleh informasi apakah terdapat hubungan antara pengalaman
auditor dengan ketepatan waktu penyelesaian laporan hasil audit (LHA). Inspektorat VII
mengambil sampel sebanyak 100 orang auditor yang bertugas untuk menyususn LHA di
masing-masing tim auditnya dari seluruh Unit-Unit Pengawasan di Itjen Kemenkeu. Dari
sampel yang diambil dapat diketahui bahwa 100 orang auditor tersebut terbagi menjadi

dua kelompok jabatan fungsional auditor, yaitu auditor pertama dan auditor muda. Hasil
penelitian Inspektorat VII tertuang dalam tabel berikut:
Pegalaman Auditor
Auditor Muda
Auditor Pertama
Total kolom

Ketepatan waktu penyelesaian LHA

Tepat waktu
Waktu lebih
55 (a)
20 (b)
10 (c)
15 (d)
65
35

Total baris
75 (ab)
25 (cd)
100

Solusi:
a. Tentukan nilai harapan dari setiap sel
Sel a

(Total baris)(Total kolom)

Total observasi

75 x 65
=48,75
100

Sel c = 65 - 48,75 = 16,25

Sel b = 75 48,75 = 26,25
Sel d = 35-26,25 = 8,75
b. Dari perhitungan nilai harapan setiap sel, dapat ditentukan nilai chi square melalui
tabel berikut:
Pegalaman Auditor
Auditor Muda
Auditor Pertama
Total kolom

Ketepatan waktu penyelesaian LHA

Tepat waktu
Waktu lebih
o=55; h=48,75
o=20; h=26,25
(o-h)=6,25
(o-h)=-6,25
X2= 0,801
X2= 1,488
o=10; h=16,25
o=15; h=8,75
(o-h)=-6,25
(o-h)=6,25
X2= 2,404
X2= 4,464
65
35

Total baris
75 (ab)
25 (cd)
100

X2= 0,801 + 1,488 + 2,404 + 4,464 = 9,157

c. Hasil dan Simpulan:

=0,05

df = (R-1) x (C-1) = (2-1)(2-1) = 1

Nilai X2 berdasarkan tabel = 3,841
Nilai X2 berdasarkan perhitungan = 9,157
Karena X2 hasil perhitungan > X2 tabel maka Ho ditolak. Dengan kata lain kedua
faktor tidak bebas / independen satu dengan yang lain. Dengan begitu, terdapat
hubungan antara pengalaman auditor dengan ketepatan waktu penyelesaian
laporan hasil audit (LHA).

3. Test of Homogenity
Pada dasarnya uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua
atau lebih kelompok data sampel berasal dari populasi yang sama memiliki variansi yang
sama. Untuk uji homogenitas dengan hanya dua kelompok data, metode yang

digunakan

adalah

Uji

Fisher.

Langkah-langkah

yang

harus

dilakukan

ketika

menggunakan uji fisher adalah sebagai berikut:

a. Tentukan taraf signifikansi () untuk menguji hipotesis:
H0:

21

H0:

2
1

22

2
2

(Varians 1 sama dengan varians 2 atau homogen)

(Varians 1 tidak sama dengan varians 2 atau tidak homogen)

Dengan kriteria pengujian:

Terima H0 jika Fhitung<Ftabel; dan
Tolak H0 jika Fhitung>Ftabel.
b. Menghitung varians setiap kelompok data;
c. Tentukan nilai Fhitung, yaitu Fhitung =

Varians terbesar
Varians terkecil

d. Tentukan Ftabel untuk taraf signifikansi , dk1 = dkpembilang = na 1, dan dk2 =

dkpenyebut = nb 1.
e. Lakukan pengujian dengan membandingkan nilai Fhitung dan Ftabel.
Contoh kasus: Itjen Kemenkeu melakukan penilaian kesehatan organisasi
kepada Unit-Unit Eselon 2 di lingkungan Kementerian Keuangan dengan menggunakan
indikator Internal Control Tools, yaitu Three Lines of Defense dan Enterprise Risk
Management.
Dalam penilaian ini, Itjen Kemenkeu ingin mencari kehomogenitasan dari
variabel bebas antara penerapan Three Lines of Defense sebagai kelas eksperimen
terhadap penerapan Enterprise Risk Management sebagai kelas kontrol. Dengan
mengacu pada langkah-langkah di atas maka perhitungannya adalah sebagai berikut:
a. Menghitung rerata (mean) dan varian kedua kelompok data:
Tabel: Data Uji Fisher Hasil Penilaian Kesehatan Organisasi Antar Kolom Penerapan
Three Lines of Defense (A1) dan Penerapan Enterprise Risk Management
(A2)

No. Sampel
1
2
3
4
5
6
7
8
9
10
11

XA1
100
100
100
100
96
96
96
96
96
96
96

(X-Xmean)2A1
33,64
33,64
33,64
33,64
3,24
3,24
3,24
3,24
3,24
3,24
3,24

XA2
91
91
91
91
91
87
87
87
87
87
87

(X-Xmean)2A2
21,62
21,62
21,62
21,62
21,62
0,42
0,42
0,42
0,42
0,42
0,42

12
13
14
15
16
17
18
19
20
Jumlah

96
91
91
91
91
91
87
87
87
1884

3,24
10,24
10,24
10,24
10,24
10,24
51,84
51,84
51,84
367,2

87
87
83
83
83
83
83
83
78
1727

0,42
0,42
11,22
11,22
11,22
11,22
11,22
11,22
69,72
248,55

Dari data di atas diperoleh:

Rerata (mean) Kelompok

Varian data Kelompok

A 1=S2A 1=

Rerata (mean) Kelompok

Varian data Kelompok

A 1= X mean A 1=

n A1

X A 1 X meanA 1 =19,33
n A 1 1

A 2= X mean A 2=

A 2=S2A 2=

X A 1 =94,20;

X A 2 =86,35
nA2

X A 2 X meanA 2 =13,08
n A 21

b. Menghitung nilai F0 atau Fhitung:

Fhitung =

Varians terbesar 19,33

=
=1,48
Varians terkecil 13,08

c. Menentukan Ftabel:
Dengan dbpembilang = 20 1= 19 (untuk varian terbesar) dan db penyebut = 20 1= 19
(untuk varian terkecil), serta taraf signifikansi () = 0,05 maka diperoleh Ftabel = 2,15
d. Bandingkan Fhitung dengan Ftabel:
Dapat diketahui bahwa Fhitung = 1,48 < Ftabel = 2,15. Dengan demikian H0 diterima dan
disimpulkan kedua kelompok data memiliki varian yang sama atau homogen.