Professional Documents
Culture Documents
Judul postingan ini memang agak aneh :D, melepas kelelahan saya mencoba memberikan
sedikit
sekelumit
perihal
Chi
Square.
Dilanjut... ane mo cerita nich, ada beberapa mahasiswa yang dateng ke rumah ane, tapi
saya gak heran emang rumah saya banyak di kunjungi mahasiswa :D. Kali ini kedatangan
mereka bukan cuma tanya masalah KTI (Karya Tulis Ilmiah) atau pun skripsi, tetapi mereka
bertanya "Mbah emang gak bosen di depan komputer sambil mikir statistik melulu?!"
wew... pertanyaan aneh... wakakaka ya jelas aja ane kadang2 agak bosen hehehehe... ok
deh
kok
jadi
ngelantur
ya
:D.
"Sebenarnya rumus Chi Square / Chi kuadrat ada berapa sih? soalnya ketika lihat
buku statistik ternyata cara menulis rumus Chi Square kok beda2?"
2.
"Kata dosen, kalo pake rumus Chi Square, sampelnya harus lebih dari 30 dan gak
boleh kurang dari 20, bener gak sih?"
3.
"Mencari nilai OR (Odd ratio) biasanya untuk tabel 2 x 2, sedangkan tabel saya 3 x
2, bisa gak sih pada tabel 3 x 2 kita mencari nilai OR?"
4.
ane
coba
jawab
satu
persatu
deh...
Pertanyaan nomor satu biasanya ane jawab secara singkat: "Rumus dasar Chi-Square ya
cuma
satu,
tapi
penulisannya
aja
yang
beda
tapi
hasilnya
sama
kok
:D".
Pertanyaan nomor dua biasanya ane jawab: "Ah... dosen yang mana, mungkin salah denger
kamu. Memang sampel banyak salah satu ciri-ciri dari Chi-square tapi bukan berarti jika
sampel kurang dari 20 tidak bisa dihitung menggunakan Chi-square. Bisa kok dihitung
walaupun sampelnya kurang dari 20. Yang penting kamu bisa tahu syarat-syaratnya :D,
waduhhhh kok ada syarat??. Iya ada syaratnya tapi mudah kok dipahami. Perhatikan point
di bawah ini:
Jika tabel yang digunakan adalah 2 x 2 kita perlu melakukan koreksi kontiunitas
yang dikemukakan oleh Yates pada tahun 1934. Karena jika kita menggunakan rumus chisquare
untuk
menyelesaikan
pengujian
chi-square/chi-kuadrat
maka
akan
terjadi
penaksiran yang berlebihan terutama bila hasil pengamatan merupakan frekuensi yang
kecil sehingga banyak terjadi penolakan hipotesis. Hal ini disebabkan karena terjadinya
pendekatan distribusi binominal ke distribusi normal. Pusing ya.... hehehehehe gini aje
biar ente semua kagak bingung saya beri deh bonus permisalan :D, perhatikan rumus ini
nich:
Sudah dilihat belum rumus di atas Cucu-cuku? KALO KURANG JELAS DI KLIK AJA
GAMBARNYA BIAR KELIHATAN GEDE hihihihi..... kalo sudah baca mari kita lanjutkan....
meluncurrr...
PENJELASAN
RUMUS:
Rumus nomor 1 dan 2 bisa digunakan jika: Tabel yang digunakan adalah 3 x 2 atau lebih
Rumus nomor 3 dan 4 (Koreksi Yate's) digunakan jika tabel yang digunakan adalah 2 x 2
dan nilai di dalam sel tidak ada yang kurang dari 5 (Nilai Observer tidak ada yang <5).
Rumus nomor 5 dan 6 (p-value/Fisher extact test) digunakan jika tabel yang digunakan
adalah
2,
akan
tetapi
terdapat
nilai
kurang
dari
di
dalam
sel.
KESIMPULAN DARI PERTANYAAN NOMOR DUA YAITU: SAMPEL KURANG DARI 20 TETAP
MASIH
BISA
DIHITUNG
Pertanyaan nomor selanjutnya yaitu nomor 3, biasanya ane jawab bisa, salah satunya
dengan melakukan Dummy Variabel Tabel. caranya mungkin lain kali ane posting deh :D
Pertanyaan nomor 4 ane jawab, ya dengan menghitung nilai koefesien kontingensi (nilai C)
kemudian dibandingkan dengan nilai Cmax. contohnya lain kali deh.
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. Pengamatan yang kami lakunan kami menggunakan
persamaan Pearson Chi-Square
Keterangan :
O : Nilai Observasi (pengamatan)
E : Nilai Expected (harapan)
Df = ( b 1 ) ( k 1 )
B : Jumlah baris
K : Jumlah kolom
Nilai chi square adalah nilai kuadrat karena itu nilai chi square selalu positif. Bentuk
distribusi chi square tergantung dari derajat bebas (Db)/degree of freedom. Pengertian
pada uji chi square sama dengan pengujian hipotesis yang lain, yaitu luas daerah
penolakan Ho atau taraf nyata pengujian.
1. Kegunaan Chi-Square
Adapun kegunaan dari uji Chi-Square, adalah :
1. Ada tidaknya asosiasi antara 2 variabel (Independent test)
1. Menentukan Df atau Db
2. Melihat nilai Chi Square pada table
3. Membandingkan atantara nilai Chi Square dari hasil perhitungan dengan nilai Chi
Square dari table
D. Pengambilan Keputusan
Ketentuan yang menyatakan ada tidaknya dalam pengambilan keputusan, adalah:
1.
Bila harga Chi Square (X2) Tabel Chi Square Hipotesis Nol (H0) ditolak & Hipotesis
Alternatif (Ha) diterima
2. Bila harga Chi Square (X2) < Tabel Chi Square Hipotesis Nol (H0) diterima & Hipotesis
Alternatif (Ha) ditolak
Menghitung harga chi square dengan cara menyiapkan tabel perhitungan chi square
Langkah-langkah:
Tentukan frekuensi observasi (fo) dan frekuensi harapan (fh)
Lakukan substitusi hasil yang diperoleh ke dalam rumus berikut:
1.
Langkah-langkah:
1.
2.
3.
Menghitung db atau df
Berkonsultasi dengan tabel nilai chi square
Mengambil kesimpulan
1.
Adalah variabel yang akan dianalisis dengan tes chi square sampelnya terdiri dari dua
kategori dan frequensi observasinya terdiri dari dua kategori pula.
Rumusnya adalah:
I.
Digunakan untuk menghitung harga Chi Square pada tabel 22 dengan df=1 dan salah
satu selnya memiliki frekuensi kurang dari 10.
Rumusnya adalah:
J.
Chi Square Untuk Tabel Yang Baris dan Kolomnya Lebih Dari Dua Ketegori
Prinsip penggunaannya sama dengan Chi Square untuk Tabel 22 dan variabel tunggal..
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%.
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi
bentuk 2 x 2, maka rumus yang digunakan adalah "koreksi yates".
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".
Uji kai kuadrat (dilambangkan dengan "2" 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 2).
Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
df = (b-1) (k-1)
1.
2.
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.
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:
1.
Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
2.
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 2x2
hal ini tidak dapat dilakukan, maka solusinya adalah melakukan uji Fisher Exact
atau Koreksi Yates
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 :
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).
Kategori
Di bawah
Di atas garis
garis
Total
kemiskinan
kemiskinan
Tidak tamat
SD
12
SD
20
17
37
SMP
15
16
31
SMA
23
26
Perguruan
Tinggi
22
24
Total
48
82
130
3. Lakukan analisis
Kategori
Di bawah
Di atas
garis
garis
kemiskinan kemiskinan
Total
Tidak tamat
SD
8
4,43
7,57
20
17
13,66
23,34
O
E
12
SD
37
SMP
O
15
16
11,45
19,55
23
9,60
16,40
22
8,86
15,14
48
82
31
SMA
26
Perguruan
Tinggi
O
E
Total
24
130
TABEL CHI-SQUARE
5. Kesimpulan
Hasil analisis menunjukkan bahwa nilai x^2 hitung = 26,586, yaitu lebih besar dari nilai 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 = 0,05.
2. 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
= 1/4 x 148 = 37
2. 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
= 1/4 x 148 = 37
Jawab :
HIPOTESIS :
Ho : P1 = P2 (Tidak ada perbedaan proporsi anemia pada kedua kelompok tersebut)
Ho : P1 P2 (Ada perbedaan proporsi anemia pada kedua kelompok tersebut)
PERHITUNGAN :
Untuk membantu dalam perhitungannya kita membuat tabel silangnya seperti ini :
sekarang kita menentukan nilai tabel pada taraf nyata/alfa = 0.05. Sebelumnya kita
harus menentukan nilai df-nya. Karena tabel kita 2x2, 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.
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 2 hitung < 2 tabel, sehingga
Ho gagal ditolak.
KESIMPULAN
Tidak ada perbedaan yang bermakna proporsi antara kedua kelompok
tersebut. Atau dengan kata lain tidak ada hubungan antara asupan lauk
dengan kejadian anemia.
Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu diketahui syaratsyarat 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%.
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2, maka rumus
yang digunakan adalah "koreksi yates". Untuk rumus koreksi yates, sudah kami bahas dalam artikel
sebelumnya yang berjudul "Koreksi Yates".
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 Chi-Square
Sebagai contoh kita gunakan penelitian dengan judul "Perbedaan Pekerjaan Berdasarkan Pendidikan".
Maka
kita
coba
gunakan
data
sebagai
berikut:
Dari data di atas, kita kelompokkan ke dalam tabel kontingensi. Karena variabel pendidikan memiliki 3
kategori dan variabel pekerjaan memiliki 2 kategori, maka tabel kontingensi yang dipakai adalah tabel 3 x 2.
Maka akan kita lihat hasilnya sebagai berikut:
Dari tabel di atas, kita inventarisir per cell untuk mendapatkan nilai frekuensi kenyataan, sebagai berikut:
Langkah berikutnya kita hitung nilai frekuensi harapan per cell, rumus menghitung frekuensi harapan adalah
sebagai berikut:
2.
3.
4.
5.
6.
Maka
kita
masukkan
ke
dalam
tabel
sebagai
berikut:
Hitung Fh Chi-Square
Langkah berikutnya adalah menghitung Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan per
cell.
1.
2.
3.
4.
5.
6.
Lihat
hasilya
pada
tabel
di
bawah
ini:
Kuadrat
dari Frekuensi
Harapan per
cell
kemudian
dibagi
frekuensi
harapannya:
1.
2.
3.
4.
5.
6.
Kemudian dari nilai di atas, semua ditambahkan, maka itulah nilai chi-square hitung. Lihat Tabel di bawah
ini:
Untuk menjawab hipotesis, bandingkan chi-square hitung dengan chi-square tabel pada derajat kebebasan
atau degree of freedom (DF) tertentu dan taraf signifikansi tertentu. Apabila chi-square hitung >= chisquare tabel, maka perbedaan bersifat signifikan, artinya H0 ditolak atau H1 diterima.
Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05 pada DF 2, nilai chi-square
tabel sebesar = 5,991.
Karena 2,087 < 5,991 maka perbedaan tidak signifikan, artinya H0 diterima atau H1 ditolak.