Uji Chi-square atau qai-kuadrat digunakan untuk melihat ketergantungan antara variabel bebas dan variabel tergantung berskala nominal atau ordinal. Prosedur uji chi-square menabulasi satu atau variabel ke dalam kategori-kategori dan menghitung angka statistik chi-square. Untuk satu variabel dikenal sebagai uji keselarasan atau goodness of fit test yang berfungsi untuk membandingkan frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri dari 2 variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan dua variabel. Seperti sifatnya, prosedur uji chi-square dilkelompokan kedalam statistik uji non-parametrik.
Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau nominal dan dapat juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa uji nonparametrik tidak membutuhkan asumsi bentuk distribusi yang mendasarinya. Data diasumsikan berasal dari sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing kategori harus setidaknya :
Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang diharapkan kurang dari 5.
Formula uji Chi Square :
Formula uji Chi Square :
| Rumus Chi-Square |
Dimana :
= Nilai khai-kuadrat
fo = frekuensi observasi/pengamatan
fe = frekuensi ekspetasi/harapan
fo = frekuensi observasi/pengamatan
fe = frekuensi ekspetasi/harapan
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.
Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.
 |
| Data Sikap Responden |
Ket. : Gender : 1 = Laki-laki; 2 = Wanita, Sikap: 1 = berkualitas, 2 = Tidak berkualitas
Langkah-langkah SPSS
- Analyze > Descriptive Statistics > Crosstab
- Masukkan variabel Gender ke dalam kotak Row
- MAsukkan variabel Sikap ke dalam kotak Column
- Klik untuk pilihan Statistics
- Pilih menu Chi-square, tekan Continue
- Pilih Cell, Observed, tekan Continue
- Klik Ascending, tekan Continue
- Tekan OK
 |
| Case Processing Summary |
Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25 responden dan tidak ada data yang tertinggal.
 |
| Gender*Sikap |
Pada tabel crossstabulasi antara gender*sikap di atas bahwa gender laki-laki berjumlah 12 responden. Dari 12 responden laki-laki bersikap/menganggap berkualitas sedangkan 5 responden bersikap tidak berkualitas. Sedangkan 13 responden bergender wanita yang menganggap produk AC berkualitas sebanyak 6 responden dan yang bersikap tidak berkualitas ada 7 responden.
 |
| Hasil Uji Chi-Square test |
Pada tabel chi-square test di atas dapat diketahui bahwa nilai signifikansi p-value sebesar 0.543 dan nilai chi-square sebesar 0.371. Karena nilai signifikansi 0.543 > (0.05) maka hipotesis null diterima yang berarti bahwa tidak ada hubungan antara gender dengan sikap terhadap kualitas AC.
Download Artikel [PDF]
Download Artikel [PDF]
17 komentar:
Cara membaca tabel silang menurut saya tidak bisa hanya membaca countnya. Tapi harus dibuat persen kolom atau baris. Tergantung desain penelitianya. Asal jangan persen total karena hasinya akan sama dengan membaca count.
Mengapa perlu dibuat presentase dulu, karena uji ini adalah untuk membandingkan proporsi. Lebih besar mana proporsi kasus atau kontrol pada yang terpapar atau tidak ...
kak mau tanya kalau tabel 2 x 2 chi squre membacanya benar menggunakan continuity correction?
kalau mau liat χ2 itu tetap pada continuity correction ato pada χ2 chi square??
thanks,,,
Nikmah: Untuk membaca nilai uji chi-square dengan tabel 2x2 bisa dengan melihat nilai Pearson Chi-square dan continuity correction. Nilai continuity correction cenderung lebih kecil di bandingkan Pearson chi-square karena continuity correction sebagai uji untuk koreksi terhadap kesalahan pengambilan keputusan hipotesis. Dalam hal ini kesalahan tipe 1 yaitu kesalahn terjadi jika menolak H0, padahal H0 yang benar. Jika keputusan menolak H0, nilai p-value Pearson chi-squre dan continuity correction harus signifikan.
Mas Kalo missal missal nilai chi square hitung Lebih beast Dari nilai chi square table dan nilai signifikansi Lebih Kecil Dari nilai alpha Maka interpretasinya bagaimana ya?
Ramadi Putra : Kalau chi-square hitung>chi-square tabel dan nilai signifikansi <0.05 (alpha) keputusan tolak hipotesis nol (H0)
Klo nilai chisquare nya signifikan trus nilai continuity correction nya tdak sgnifkan..trus nilai yg mna yg harus d jdikan patokan pngambilan ksimpulan?? Mohon jwabannya pak..
mas kalau yng t hit lebih besar dri t table kan trma h1 ya,, berati tedpt perbedaan,,, nah kalau ada pertanyaan perbedaan yng seperti apa yg terlihat,,, itu jawabnya bagaimana y mas.. trmksh
Huruf C dari hasil uji chi square itu apa y artinya min dan huruf P juga apa y artinya
Tetap gunakan nilai chi-square, nilai continuity correction hanya mengoreksi kesalahan tipe I.
Assalamualaikum pak.
saya mau tanya, jika variabel independen saya menggunakan skala ordinal dan dependen menggunakan skala nominal, analisa data yang cocok menggunakan apa ya?
Terimakasih.
Kesimpulan di atas sepertinya lebih tepat kalau dikatakan bahwa "Tidak ada perbedaan sikap/pendapat antara laki-laki dengan perempuan dalam menilai kualitas AC", karena kalau dikatakan "hubungan" agak aneh terjemahannya. kalaupun ada hubungan antara gender (laki-laki dengan perempuan) dengan kualitas AC, bagaimana bisa ada hubungan? kecuali persoalan AC tersebut dilihat dari pembuatnya (yang misal berjenis kelamin laki-laki dan perempuan)kemudian ingin dilihat mana dari kedua kelompok jenis kelamin tersebut yang dapat membuat AC yang lebih berkualitas. Boleh dikoreksi juga apabila pendapat saya kurang berkenan. Tapi terima kasih sudah share materinya, sangat bermanfaat ^_^
pak, kalau misalnya nilai koefisien kontingensinya lebih besar daripada nilai signifikannya, menurut anda interpretasinya bagaimana? mohon tanggapannya, terima kasih
Ka, klo tabel 2x4 trs nilai harapannya ada yg kurang dari 5 bacanya d mana?
Yayi Gamma : Perbedaan antara frekuensi Observasi dan frekuensi ekspetasinya
ismi alfin faradhillah : berarti tidak signifikan. artinya tidak ada perbedaan antara observasi dan ekspektasi
ayu endang budiarsih : jika ada nilai < 5 model tabel dapat dibuat menjadi 2X3 atau 2x2. Jadi ada pengurangan baris pada tabel.
Posting Komentar