You are on page 1of 8

1.

Pengertian Chi-Kuadrat

Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi

atau yang benar-benar terjadi atau aktual dengan frekuensi harapan. Yang dimaksud dengan

frekuensi harapan adalah frekuensi yang nilainya dapat di hitung secara teoritis (e). sedangkan

dengan frekuensi observasi adalah frekuensi yang nilainya di dapat dari hasil percobaan (o).

Dalam statistik, distribusi chi kuadrat termasuk dalam statistik nonparametrik. Distribusi

nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi ini

sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang

populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik parametrik

tidak terpenuhi.

2. Kegunaan Chi-Kuadrat

Chi-kuadrat ini digunakan untuk mengadakan pendekatan dari beberapa vaktor atau

mengevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi dengan frekuensi yang

diharapkan dari sampel apakah terdapat hubungan atau perbedaan yang signifikan atau tidak.

Dalam statistik, distribusi chi kuadrat termasuk dalam statistik nonparametrik. Distribusi

nonparametrik adalah distribusi dimana besaran-besaran populasi tidak diketahui. Distribusi ini

sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang

populasi atau jika asumsi-asumsi yang dipersyaratkan untuk penggunaan statistik parametrik

tidak terpenuhi.

Beberapa hal yang perlu diketahui berkenaan dengan distribusi chi kuadrat adalah:

. Probabilitas nilai chi-kuadrat di mulai dari sisi sebelah kanan. maka hendaknya memperhatikan ketentuan-ketentuan sebagai berikut : 1) Jumlah sampel harus cukup besar untuk meyakinkan kita bahwa terdapat kesamaan antara distribusi teoretis dengan distribusi sampling chi-kuadrat. c. a) Uji Kecocokan = Uji Kebaikan Suai = Goodness of Fit b) Uji Kebebasan c) Uji Beberapa Proporsi (Prinsip pengerjaan (b) dan (c) sama saja) Nilai chi kuadrat adalah nilai kuadrat karena itu nilai chi kuadrat selalu positif. yaitu luas daerah penolakan Ho atau taraf nyata pengujian. Luas daerah di bawah kurva normal adalah 1. b. sampai nilai-nilai positif tak terhingga di sebelah kanan. Macam-macam bentuk analisa Chi-kuadrat :  Penaksiran standar deviasi  Pengujian hipotesis standar deviasi  Pengujian hipotesis perbedaan beberapa proporsi atau chi-square dari data multinominal  Uji hipotesis tentang ketergantungan suatu variabel terhadap variabel lain/uji Chi-kuadrat dari tabel kontingensi/tabel dwikasta/tabel silang  Uji hipotesis kesesuaian bentuk kurva distribusi frekuensi terhadap distribusi peluang teoritisnya atau uji Chi-kuadrat tentang goodness of fit 3. Sedangkan besarnya nilai chi-kuadrat bukan merupakan ukuran derajat hubungan atau perbedaan. Bentuk distribusi chi kuadrat tergantung dari derajat bebas (Db)/degree of freedom. data tersebut diperoleh dari hasil menghitung. d. Nilai-nilai chi-kuadrat di mulai dari 0 disebelah kiri. Metode Chi-kuadrat menggunakan data nominal. Pengertian pada uji chi kuadrat sama dengan pengujian hipotesis yang lain. Distribusi chi-kuadrat memiliki satu parameter yaitu derajat bebas (db). Ketentuan Pemakaian Chi-Kuadrat (X2) Agar pengujian hipotesis dengan chi-kuadrat dapat digunakan dengan baik.a.

2) Pengamatan harus bersifat independen (unpaired). Bila tidak cukup besar.Tentukan taraf signifikan . 3) Pengujian chi-kuadrat hanya dapat digunakan pada data deskrit (data frekuensi atau data kategori) atau data kontinu yang telah dikelompokan menjadi kategori. Ini berarti bahwa jawaban satu subjek tidak berpengaruh terhadap jawaban subjek lain atau satu subjek hanya satu kali digunakan dalam analisis. Ha: Sampel tidak berasal dari populasi berdistribusi normal. Pada pengujian chi-kuadrat dengan banyak ketegori. 4. Secara umum. 4) Jumlah frekuensi yang diharapkan harus sama dengan jumlah frekuensi yang diamati. uji normalitas dengan uji Chi-Kuadrat dilakukan dengan langkah-langkah: a. misalkan 0. bila nilai yang diharapkan terletak dalam satu sel terlalu kecil (< 5) sebaiknya chi-kuadrat tidak digunakan karena dapat menimbulkan taksiran yang berlebih (over estimate) sehingga banyak hipotesis yang ditolak kecuali dengan koreksi dari Yates. nilai-nilai ekspektasi tersebut dapat digabungkan dengan konsekuensi jumlah kategori akan berkurang dan informasi yang diperoleh juga berkurang. bila terdapat lebih dari satu nilai ekspektasi kurang dari 5 maka. Seperti halnya uji Liliefors. Dengan criteria pengujian : . maka adanya satu nilai ekspektasi yang lebih kecil dari 5 tidak akan banyak mempengaruhi hasil yang diinginkan. Uji Distribusi Normal menggunakan uji Chi Kuadrat Uji normalitas dengan Chi Kuadrat (X2) dipergunakan untuk menguji data dalam bentuk data kelompok dalam tabel distribusi frekuensi.05 untuk menguji hipotesis : Ho: Sampel berasal dari populasi berdistribusi normal. 5) Pada derajat kebebasan sama dengan 1 (table 2 x 2) tidak boleh ada nilai ekspektasi yang sangat kecil.

Tentukan besar peluang setiap nilai Z berdasarkan tabel Z (luas lengkungan di bawah kurva normal standar dari 0 ke Z.. . . Dimana nilai baku Zi ditentukan dengan rumus Zi = (Xi . )/s . 5. X2.. 8. Xn).. Kemudian lakukan konversi. X3. 3.. Membuat daftar distribusi frekuensi dari data yang berserakan ke dalam distribusi frekuensi data kelompok (jika data belum disajikan dalam tabel disitribusi frekuensi kelompok). Jika X2Hitung < X2Tabel terima Ho Jika X2Hitung > X2Tabel Tolak Ho b. Mencari rerata (mean) data kelompok .. Tentukan Ei (frekuensi eskpektasi) dengan cara membagi luas kelas tiap interval dibagi number of cases (n). setiap nilai tepi kelas (Xi) menjadi nilai baku Z1. dan disebut dengan F(Zi)). . Z2. Cari nilai setiap interval. 9. 7. Z3. Tentukan nilai X2hitung setiap interval.. Masukkan frekuensi observasi (faktual) sebagai Oi. 6. Tentukan luas tiap kelas interval dengan cara mengulangi nilai F(z) yang lebih besar diatas atau dibawahnya. 2. 10. Mencari simpangan baku data kelompok . Lakukan langkah-langkah uji normalitas dengan chi kuadrat (X2) sebagai berikut: 1. Tentukan batas nyata (tepi kelas) tiap interval kelas dan jadikan sebagai Xi(X1. 4. Zn.

Apabila X2hitung < X2tabel maka sampel berasal dari populasi yang berdistribusi normal.5 28.7 Dari data di atas diperoleh : ∑ fiXi Nilai Mean X = ∑fi .7 Jumlah 75 4438 9866.5 235.11 2151.11 3526.6 60-69 25 64.5 608. Bandingkan jumlah total X2hitung dengan X2tabel.5 1612.5 445.5 117. dan jika X2hitung > X2tabel maka sampel berasal dari populasi tidak normal.44 3042. Tentukan nilai X2tabel pada taraf signifikansi dan derajat kebebasan k-1 dengan k adalah banyaknya kelas/kelompok interval.11.1 70-79 15 74.1 50-59 20 54. Contoh : Lakukan pengujian untuk mengetahui apakah data dalam table distribusi frekuensi berikut berasal dari populasi berdistribusi normal atau tidak ? Tabel Distribusi Frekuensi Interval F 30-39 5 40-49 10 50-59 20 70-79 17 Jumlah 75 Langkah pertama.0 21.78 435. 12.44 711. hitunglah nilai mean dari simpangan baku dari data tersebut seperti berikut: Tabel Distribusi Frekuensi Interval Fi FiXi (Xi-Xrata)2 f-(Xi-X rata)2 Jumlah 30-39 5 34.5 1090. 13.5 172.2 40-49 10 44.0 215.

66 0.84 0.3944 0.4957 0.3922 29.83 -0.76 0.89 0.5 0.10001 7. dan seterusnya nilai ( fo-fe ) 2/fe .70 0.1056 50-59 20 49.9957 Jumlah 75 79.0875 6.5160 60-69 25 59. 272.85 1.5075 0.5 =59.0055 40-49 10 0.03 0.13 39.seperti disajikan dalam table berikut : Tabel hitung Chi-Kuadrat Interval Fo Tepi Zi Ztabel F(Zi) Li fo (fo- kelas(Xi fe)2/fe ) 29.5 1.5 0.5 -2.0054 0. lalu kemudian konversilah setiap nilai tepi kelas tersebut menjadi nilai baku.4082 0.5 -1.2 Nilai Mean = 5 Nilai Simpangan Baku S= 11.4945 0.4150 0.016 0.0001 30-39 5 0.4999 0.5625 10.5 Selanjutnya tentukan nilai tepi kelas atas dan bawah setiap interval kelas.4104 30.57 0.00 75 68.78 0.7800 3.4050 52.25 Dari hasil table di atas diperoleh bahwa nilai X2 hitung = 68.25 .9082 70-79 15 69.5 0.