Chi Square dan Link Download File Referensi
https://eu2.contabostorage.com/00f3241116844f24b628f46d81abb929:st1/folder3/3148/jmuser_file_1642557668_43a281f13ddb04c16341bf855b0a5d31.pptx
2026-05-29 04:35:06 - Admin
<style> body { font-family: Arial, Helvetica, sans-serif; line-height: 1.6; margin: 0; padding: 20px; background-color: #f9f9f9; color: #333; } h1, h2, h3 { color: #2c3e50; } p { margin-bottom: 1em; } ul { margin-left: 20px; } .container { max-width: 800px; margin: auto; background: #fff; padding: 30px; box-shadow: 0 0 10px rgba(0,0,0,0.1); } .formula { background:#eef; padding:10px; border-left:4px solid #2c3e50; overflow-x:auto; } table { width:100%; border-collapse:collapse; margin: 15px 0; } th, td { border:1px solid #ccc; padding:8px; text-align:center; } th { background:#e0e0e0; } a { color:#2980b9; text-decoration:none; } a:hover {text-decoration:underline;} </style><div class="container"> <h1>Uji ChiSquare ()</h1> <p>Uji chisquare (sering ditulis ) adalah salah satu teknik statistik inferensial yang paling sering dipakai untuk menguji hubungan atau perbedaan antara kategori variabel. Metode ini tidak memerlukan asumsi distribusi normal pada data, melainkan mengandalkan distribusi chisquare yang terbentuk dari jumlah kuadrat selisih antara observasi dan harapan.</p> <h2>Dasar Teoretis</h2> <p>Jika <em>O</em> adalah nilai observasi (jumlah yang sebenarnya terlihat) dan <em>E</em> adalah nilai harapan (jumlah yang diharapkan menurut hipotesis nol), statistika chisquare dihitung dengan rumus:</p> <div class="formula"> = \frac{(O_i - E_i)^2}{E_i} </div> <p>Penjumlahan dilakukan atas semua sel (i) dalam tabel kontingensi. Besar nilai mengindikasikan seberapa jauh data yang diamati menyimpang dari harapan. Nilai yang sangat besar biasanya menolak hipotesis nol.</p> <h2>Jenis Uji ChiSquare</h2> <ol> <li><strong>Uji GoodnessofFit</strong> Digunakan untuk memeriksa apakah distribusi frekuensi suatu variabel tunggal cocok dengan distribusi yang diharapkan (misalnya distribusi seragam, binomial, atau Poisson).</li> <li><strong>Uji Independensi</strong> Memeriksa apakah dua variabel kategori saling independen satu sama lain dalam sebuah tabel kontingensi (biasanya 22 atau lebih besar).</li> <li><strong>Uji Homogenitas</strong> Mirip dengan uji independensi, tetapi data diambil dari sampel berbeda dan tujuan menilai apakah distribusi kategori pada tiap sampel sama.</li> </ol> <h2>LangkahLangkah Pelaksanaan</h2> <p>Berikut prosedur umum untuk melakukan uji chisquare:</p> <ul> <li><strong>1. Tentukan Hipotesis</strong> <ul> <li>H: Tidak ada perbedaan/ketergantungan (misalnya, distribusi sama dengan yang diharapkan).</li> <li>H: Ada perbedaan/ketergantungan.</li> </ul> </li> <li><strong>2. Pilih tingkat signifikansi</strong> (), biasanya 0,05 atau 0,01.</li> <li><strong>3. Hitung frekuensi harapan (E)</strong> berdasarkan hipotesis nol.</li> <li><strong>4. Hitung nilai </strong> dengan rumus di atas.</li> <li><strong>5. Tentukan derajat kebebasan (df)</strong>: <ul> <li>GoodnessofFit: df = k 1 c, dimana k adalah jumlah kategori dan c adalah jumlah parameter yang diperkirakan.</li> <li>Independensi/Homogenitas: df = (r1)(c1), dengan r baris dan c kolom.</li> </ul> </li> <li><strong>6. Bandingkan dengan nilai kritis</strong> pada tabel atau dapatkan pvalue menggunakan perangkat lunak.</li> <li><strong>7. Ambil keputusan</strong> Tolak H bila > kritik atau pvalue < .</li> </ul> <h2>Contoh Sederhana</h2> <p>Misalkan seorang peneliti ingin menguji apakah warna permen (merah, biru, kuning) dibagi secara merata di antara 150 anak. Hipotesisnya:</p> <ul> <li>H: Setiap warna memiliki proporsi yang sama (1/3).</li> <li>H: Proporsi warna tidak sama.</li> </ul> <p>Data observasi: Merah=70, Biru=50, Kuning=30.</p> <p>Frekuensi harapan (E) untuk tiap warna = 150 1/3 = 50.</p> <table> <tr><th>Warna</th><th>O</th><th>E</th><th>(OE)/E</th></tr> <tr><td>Merah</td><td>70</td><td>50</td><td>8</td></tr> <tr><td>Biru</td><td>50</td><td>50</td><td>0</td></tr> <tr><td>Kuning</td><td>30</td><td>50</td><td>8</td></tr> <tr><th colspan="3"></th><td>16</td></tr> </table> <p>Derajat kebebasan = k1 = 2. Pada =0,05, nilai kritis (2,0.05)=5,99. Karena 16 > 5,99, H ditolak; distribusi warna tidak merata.</p> <h2>Asumsi dan Keterbatasan</h2> <ul> <li>Setiap sel harus memiliki nilai harapan minimal 5 (untuk ukuran sampel besar). Jika tidak, gunakan <em>Fishers Exact Test</em> atau gabungkan kategori.</li> <li>Observasi harus independen; satu observasi tidak boleh memengaruhi yang lain.</li> <li>Uji chisquare tidak memberikan ukuran kuatnya hubungan, hanya menyatakan ada atau tidaknya perbedaan. Untuk ukuran efek, gunakan <em>Cramrs V</em> atau <em>phi coefficient</em>.</li> </ul> <h2>Interpretasi Praktis</h2> <p>Setelah memperoleh nilai dan pvalue, peneliti dapat menyimpulkan:</p> <ul> <li><strong>pvalue kecil ()</strong>: Bukti kuat menolak H, ada hubungan atau perbedaan yang signifikan.</li> <li><strong>pvalue besar (>)</strong>: Tidak ada cukup bukti untuk menolak H, data konsisten dengan hipotesis nol.</li> </ul> <p>Namun, signifikansi statistik tidak selalu berarti penting secara praktis. Selalu pertimbangkan ukuran sampel, konteks domain, dan ukuran efek.</p> <h2>Implementasi dengan Software</h2> <p>Banyak paket statistik yang menyediakan fungsi chisquare, contohnya:</p> <ul> <li><strong>R</strong>: <code>chisq.test()</code></li> <li><strong>Python (SciPy)</strong>: <code>scipy.stats.chi2_contingency()</code></li> <li><strong>SPSS / SAS / Stata</strong>: prosedur CROSSTABS atau PROC FREQ.</li> </ul> <h2>Referensi Tambahan</h2> <ul> <li>Moore, D. S., & McCabe, G. P. (2022). <em>Introduction to the Practice of Statistics</em>.</li> <li>Agresti, A. (2018). <em>Statistical Methods for the Social Sciences</em>.</li> <li>http://www.statsref.com/Chi_Square.html</li> </ul> <p>Dengan memahami konsep dasar, asumsi, serta cara menghitung dan menafsirkan chisquare, Anda dapat memanfaatkan uji ini untuk menjawab berbagai pertanyaan penelitian yang melibatkan data kategori.</p></div>