CHI KUADRAT

(
A. DEFINISI CHI KUADRAT Uji Chi Kuadrat merupakan

)

pengujian yang

hipotesis benar-benar

tentang terjadi

perbandingan

antara

frekuensi

sampel

(selanjutnya disebut frekuensi observasi, yang dilambangkan dengan fo ) dengan frekuensi harapan yang didasarkan atas hipotesis tertentu pada setiap kasus atau data (selanjutnya disebut dengan frekuensi harapan, dilambangkan dengan fh kemudian dirumuskan sebagai berikut:

(f  f )   Σ o h fh
2

2

Keterangan : fo = frekuensi observasi atau pengamatan fh = frekuensi harapan = Chi Kuadrat

Dengan ketentuan fo adalah harga yang diamati, dan fh adalah harga harapan, semakin besar sampel size maka semakin besar pula harga

 2 sehingga  2 mempunyai tendensi meningkat dengan meningkatnya
sampel size. Jumlah kategori mempengaruhi besar DF (degrees of freedom) yang juga akan mempengaruhi bentuk distribusi teoritis chi kuadrat. Makin besar DF makin besar pula titik kritisnya pada tingkat kepercayaan tertentu. B. PRINSIP-PRINSIP CHI KUADRAT 1) Hanya dapat dipergunakan pada data kualitatif 2) Dapat dipergunakan pada sampel dari berbagai macam ukuran (sampel size) selama tidak menyimpang dari ketentuan butir 9 dan 10. Juga dapat dipergunakan pada berbagai macam katagori 3) Hitungan akhir selalu melibatkan angka sebenarnya (frekuensi) bukan prosen atau proporsi 4) Bila ingin membandingkan dua atau lebih distribusi sampel maka uji yang sesuai adalah r x c contingency chi square. Data disusun menurut r – baris (r = 2,3,…x) dan menurut c-kolom (c = 2,3,…x) mempunyai db = (r-1)(c1). Nilai harapan diperoleh dari perkalian jumlah data pada kolom dengan

jumlah data pada baris kemudian dibagi dengan jumlah total data. Rumus untuk menghitung fh adalah sebagai berikut:

fh 

nc x nr nt

Dimana: fh = frekuensi harapan nc = jumlah kolom nb = jumlah baris nt = jumlah total data 5) Bila distribusi sampel berasal dari satu populasi maka uji yang sesuai adalah chi kuadrat. Dalam hal ini nilai harapan diperoleh dari proporsi distribusi populasi dan mempunyai db= r-1 atau c-1 6) Bila ingin mengetahui asosiasi atau korelasi diantara dua variabel dari data kualitatif, maka lakukan uji chi kuadrat dulu. Jika dalam pengujian, ho ditolak maka dapat dilanjutkan dengan menghitung koefisien kontingensi dengan rumus: Rumus 2: C=

2 2  N

Dimana: N = jumlah sampel (sampel size) C = koefisien kontingensi dengan C selalu lebih dari nol. 7) Distribusi sampling chi kuadrat akan sesuai dengan distribusi teoritis chi kuadrat bila: frekuensi harapan setiap sel tidak boleh kurang dari satu, dan banyaknya sel yang mempunyai frekuensi harapan kurang dari 5 (fh < 5) tidak boleh lebih dari atau sama dengan 20% dari jumlah sel seluruhnya. 8) Jika tidak sesuai dengan ketentuan diatas, kategori-kategori tertentu yang sesuai digabung. Sehingga jumlah sel lebih sedikit dan frekuensi harapan baru memenuhi syarat. Penggabungan ini menyebabkan sel dalam tabel menjadi 2x2 dan bila masih tidak memenuhi syarat maka uji statistik yang digunakan adalah fisher’s exact test.

9) Untuk db =1 diperlukan koreksi yang disebut koreksi yates. Besarnya koreksi itu ialah 0,5 hingga rumus itu menjadi : a. Rumus 3: b.  c  
2

( f o  f h  0,5) 2 fh

atau  2 

N( ad - bc 

N 2 ) 2 m1 .m2 .n1 .n2

10) Pada umumnya chi kuadrat hanya dapat digunakan untuk uji independensi antar faktor pada satu sampel dengan faktor yang bersifat bebas (independent). Chi kuadrat tidak dapat dipergunakan pada sampel korelasi atau correlated sample (misal rancangan penelitian sebelum-sesudah pada data kualitatif) dan dalam hal ini harus menggunakan McNemar symetri chi square test.

C. DERAJAD KEBEBASAN UNTUK CHI-KWADRAD Derajat kebebasan atau d.b. untuk nilai-nilai x2 tidak tergantung kepada jumlah individu dalam sampel. Derajad kebebasan itu diperoleh dari kenyataan berapa banyaknya kebebasan yang kita miliki dalam menetapkan isi petak-petak yang diharapkan dalam tabel kita. Untuk mengerti ini kita periksa tabel berikut: Kategori I II Jumlah A B (a+b) fo m n (m+n) fh

Sudah dinyatakan bahwa dalam mengerjakan chi-kwadrad kita terikat oleh suatu syarat, yaitu jumlah frekwensi yang diperoleh harus sama dengan jumlah frekwensi yang diharapkan. Atau dalam skema di atas (a+b) harus sama dengan (m+n). Oleh sebab itu kita tidak mempunyai kebebasan lagi untuk menetapkan jumlah frekwensi yang diharapkan, yaitu (m+n). Jadi derajat kebebasan yang kita miliki dalam mengisi petak-petak fh tinggal lagi satu, yaitu kebebasan dalam menetapkan m, atau dalam menetapkan n. Dengan d.b =1 kita periksa table. Bilamana kita sudah menetapkan salah satu taraf signifikasi, katakana 5%, maka ketentuannya yaitu jika 5%, nilai

635 yang terjadi hanya 1% dari seluruh kejadianlah yang kita pandang sebagai batas penerima nilai x2 yang kita peroleh karena kesalahan sampling. jika kita yakin bahwa sarat sampel random telah kita penuhi. Akan tetapi jika kita periksa kembali tabel diatas. Sebaliknya jika nilai 5% itu akan kita katakan nonsignifikan. Nilai = 4.b. sedang dengan taraf signifikansi 5% dengan d. hasilnya akan 50% pro dan 50% kontra koedukasi. harapan bahwa setengah-setengah dari jumlah populasi akan pro dan kontra koedukasi tidak dapat kita terima atas dasar bahan-bahan yang kita kumpulkan dari random sampel. kita terima atas dasar taraf signifikasi 1%. hipotesa nihil akan kita terima. Perusahaan itu kemudian “menyewa” seorang penyelidik untuk member . Dengan kata lain. kita mengharapkan bahwa jika dilakukan pemungutan suara secara meluas. Ini berarti bahwa nilai x2 sebesar atau lebih besar dari 6. Oleh karena itu hipotesa nihil yang ditetapkan semula. Dengan kata lain. dan sebagai konsekwensinya hipotesa (nihil) akan kita tolak. Konsekwensinya. karena ia sudah melebihi 2 = 3.635. ternyata bilamana kita menggunakan taraf signifikansi 4.chi-kuadrat yang kita peroleh.50. Dengan demikian yang kita pandang sebagai bilangan x maksimal sebagai akibat dari kesalahan sampling atas dasar taraf signifikasi 5%. atau x2 itu kita katakana signifikan.50 dari perbandingan pro dan kontra koedukasi sebesar 115:85 dari sampel yang kita ambil secara random bila mana 50:50 dari populasi pro dan kontra.841. = 1 nilai itu signifikan. Contoh: Suatu perusahaan penggorengan kopi ingin menetapkan apakah masyarakat lebih senang kopi cap “anjing” (yang digoreng dengan suatu cara) atau cap “kucing” (yang digoreng dengan cara lain) yang diproduksi oleh perusahaannya. maka kita tolak hipotesa nihil yang mengatakan bahwa setengah dari populasi setuju koedukasi dan setengahnya lagi tidak setuju adalah kurang mungkin jika kita memperoleh nilai x 2 sebesar 4.50 sedangkan nilai %. perhatikan betul-betul bahwa ketentuan itu berlaku juga untuk pengetesan nilai-t dan nilai-r). Nilai x2 = 1% = 6. dan sebagai konsekwensinya hipotesa (nihil) akan kita terima (ketentuan semacam itu berlaku untuk semua pengetesan hipotesa nihil.

laporannya tentang kesenangan masyarakat itu untuk menetapkan kopi cap apa yang harus diproduksi secara besar-besaran tahun depan. Dengan demikian hipotesa nihil ditolak: dapat diharapkan ada perbedaan yang signifikan dalam populasi antara frekwensi peminum kopi cap anjing dengan frekwensi peminum kopi cap kucing. 841.fh)2 1. . maka hasilnya akan sebagai berikut: Pilihan Cap anjing Cap kucing Total fo 240 160 400 fh 200 200 400 fo .00 Jadi ∑ = 16.00 8. Bilamana bahan-bahan itu kita masukkan dalam tabel kerja. Ternyata bahwa nilai x2 yang kita peroleh dari random sampel itu jauh di atas batas signifikansi 5% maupun 1%. Nilai x2 yang diharapkan sebagai batas kesalahan sampling dengan taraf signifikasi 5% adalah 3.600 8. Hasil penyelidikan terhadap suatu sampel random yang terdiri dari 400 orang konsumen kopi perusahaan itu terlihat dalam tabel sebagai berikut: TABEL 2 FREKWENSI YANG DIPEROLEH DAN YANG DIHARAPKANDARI 400 ORANG PEMINUM KOPI PERUSAHAAN ALPHA Pilihan Cap anjing Cap kucing Total fo 240 160 400 fh 200 200 400 Untuk mengadakan estimasi tentang keadaan populasi dipakai hipotesa bahwa setengah dari konsumen minum kopi cap anjing.fh +40 -40 0 (fo . dan setengah dari konsumen meminum kopi cap kucing.600 1.00 16.635. dengan taraf signifikasi 1% adalah 6.00 Derajat kebebasan untuk ini adalah satu (diperoleh dengan cara seperti tersebut dalam contoh pertama).

Uji Kecocokan = Uji kebaikan-suai = Goodness of fit test b. Contoh : 1. D.7185) Pengertian α pada Uji χ² sama dengan pengujian hipotesis yang lain. Bentuk distribusi χ² tergantung dari derajat bebas(db) atau degree of freedom.005? (35. Berapa nilai χ² untuk db = 17 dengan α = 0. Berapa nilai χ² untuk db = 5 dengan α = 0. BENTUK DISTRIBUSI CHI KUADRAT (Χ²) Nilai χ² adalah nilai kuadrat.010? (15.Apa saran penyelidik itu kepada perusahaan kiranya sudah jelas : produksi lebih banyak kopi cap anjing dari pada kopi cap kucing.0863) 2. karena itu nilai χ² selalu positif. yaitu luas daerah penolakan H0 atau taraf nyata pengujian Perhatikan gambar berikut : Pengunaan Uji χ² Uji χ² dapat digunakan untuk : a. Uji beberapa proporsi . Uji Kebebasan c.

prinsip pengerjaan uji kebebasan dan uji beberapa proporsi bias dikatakan sama. H0 merupakan frekuensi setiap kategori memenuhi suatu nilai atau perbandingan. k o : frekuensi observasi untuk kategori ke-i i e : frekuensi ekspektasi untuk kategori ke-i i kaitkan dengan frekuensi ekspektasi dengan nilai/perbandingan dalam H0 Derajat Bebas (db) = k – 1 1. Uji Kecocokan (Goodness of fit test) 1...2 . kita akan menguji kesetimbangan dadu . Contoh 2 : Sebuah mesin pencampur adonan es krim akan menghasilkan perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H0 : perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H1 : perbandingan Coklat : Gula : Susu : Krim ≠ 5 : 2 : 2 : 1 1. Penetapan Hipotesis Awal dan Hipotesis Alternatif Dalam uji kecocokan kita mengenal istilah H0 dan H1. sedangkan H1 merupakan frekuensi dimana ada kategori yang tidak memenuhi nilai/perbandingan tersebut. H0 : setiap sisi akan muncul = 20 kali.2. Contoh 1 : Pelemparan dadu 120 kali. 1.3 Perhitungan χ² Contoh 3 : . H1 : ada sisi yang muncul ≠20 kali.Dalam beberapa uji χ² diatas. 1. Rumus χ² Keterangan: k : banyaknya kategori/sel. Dadu setimbang jika setiap sisi dadu akan muncul 20 kali.1.

05 → χ² tabel = 11. 2. Perhitungan χ² Sisi-6 20 (catatan : Gunakan tabel seperti ini agar pengerjaan lebih sistematik) χ² hitung = 1. H0 : Dadu setimbang → semua sisi akan muncul = 20 kali. Statistik Uji χ² 3. db = k .α = 0.05 k = 6 . α) χ² hitung > 11.Pelemparan dadu sebanyak 120 kali menghasilkan data sebagai berikut : Kategori Frekuensi ekspetasi (e) 20 Sisi-1 20 22 Sisi-2 20 17 Sisi-3 20 18 Sisi-4 20 19 Sisi-5 20 20 22 *) Nilai dalam kotak kecil adalah frekuensi ekspektasi Apakah dadu itu dapat dikatakan setimbang? Lakukan pengujian dengan taraf nyata = 5 % Solusi : 1.1 = 6-1 = 5 4.70 . Wilayah Kritis = Penolakan H0 jika χ² hitung > χ² tabel (db.0705 6. H1 : Dadu tidak setimbang → ada sisi yang muncul ≠20 kali. Nilai α = 5 % = 0. Nilai Tabel χ² k = 6 .0705 5. db = k .1 = 6-1 = 5 db = 5.

Wilayah Kritis = Penolakan H0 jika χ² hitung > χ² tabel (db. Contoh 4 : Sebuah mesin pencampur adonan es krim akan menghasilkan perbandingan antara Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1. Nilai Tabel χ² k = 4. Jika 500 kg adonan yang dihasilkan. α) χ² hitung > 11. Kesimpulan : χ² hitung = 1. H0 : perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 : 1 H1 : perbandingan Coklat : Gula : Susu : Krim ≠ 5 : 2 : 2 : 1 2. Solusi : 1.3449 6. Statistik Uji χ² 3. 70 kg Susu dan 60 kg Krim.01 → χ² tabel = 11.01 4. apakah mesin itu bekerja sesuai dengan perbandingan yang telah ditentukan? Lakukan pengujian dengan taraf nyata = 1 %. diketahui mengandung 275 kg Coklat. Nilai α = 1 % = 0. α = 0. 95 kg Gula.70 < χ² tabel Nilai χ² hitung ada di daerah penerimaan H0 H0 diterima. Perhitungan χ² *) Perbandingan Coklat : Gula : Susu : Krim = 5 : 2 : 2 :1 Dari 500 kg adonan → Nilai ekspektasi Coklat = 5/10 x 500 = 250 kg . pernyataan dadu setimbang dapat diterima.7. db =k -1 = 4-1= 3 db = 3.3449 5.

Kesimpulan : χ² hitung > χ² tabel ( 13.75 > 11.75 7. (Berbeda hanya pada penetapan Hipotesis awal dan hipotesis alternatif) 2.3449) H0 ditolak. Uji Kebebasan : H0 : variabel-variabel saling bebas H1 : variabel-variabel tidak saling bebas B Uji Beberapa Proporsi : H0 : setiap proporsi bernilai sama H1 : ada proporsi yang bernilai tidak sama 2.1 Penetapan Hipotesis Awal dan Hipotesis Alternatif A. Bentuk umum Tabel Kontingensi → berukuran r baris x k kolom Frekuensi harapan Keterangan: derajat bebas = (r-1)(k-1) .Nilai ekspektasi Gula = 2/10 x 500 = 100 kg Nilai ekspektasi Susu = 2/10 x 500 = 100 kg Nilai ekspektasi Krim = 1/10 x 500 = 50 kg χ² hitung = 13. H1 diterima. Uji Kebebasan dan Uji Beberapa Proporsi Uji kebebasan antara 2 variabel memiliki prinsip pengerjaan yang sama dengan pengujian beberapa proporsi. Perbandingan Coklat : Gula : Susu : Krim ≠ 5 : 2 : 2 :1 2.2 Rumus Uji χ2 Data dalam pengujian ketergantungan dan beberapa proporsi disajikan dalam bentuk Tabel Kontingensi.

kolom ke-j ij.33 3 6. Nilai α = 5 % = 0.40 12 Total Observasi = 30 2. e : frekuensi ekspektasi baris ke-i. α = 0. Nilai Tabel χ² d.93 13 wanita 2.60 7 2 6. Statistik Uji = χ² 3. Tabel kontingensi dapat dibuat sebagai berikut : Pria Kurang dari 25 Jam/minggu 25 sampai 50 Jam/minggu Lebih dari 50 Jam/minggu Total Kolom 14 16 5 7 5.99147 . H0 : Gender dan Jam kerja saling bebas H1 : Gender dan Jam kerja tidak saling bebas 2.r : banyak baris k : banyak kolom o: frekuensi observasi baris ke-i.05 → χ² tabel = 5.07 6 6.05 4.67 5 Total baris *) Nilai dalam kotak kecil adalah frekuensi ekspektasi Apakah ada kaitan antara gender dengan jam kerja? Lakukan pengujian kebebasan variabel dengan taraf uji 5 % Ukuran Tabel Kontingensi di atas = 3 x 2 ( 3 baris dan 2 kolom) db = (3-1)(2-1) = 2 x 1 = 2 Solusi : 1.b = 2. kolom ke-j Perhitungan χ² Contoh 5 : Kita akan menguji kebebasan antara faktor gender (jenis kelamin) dengan jam kerja di suatu pabrik.

> 50 jam = = 5. wanita. Perhitungan χ² Frekuensi harapan frekuensi harapan untuk : pria. 7.4755 < 5. 25-50 jam = = 6.99147) χ² hitung ada di daerah penerimaan H0 H0 diterima.99147 6.93 Selesaikan Tabel perhitungan χ² di bawah ini.33 pria. 25-50 jam = = pria. Wilayah Kritis : Penolakan H0 → χ² hitung > χ² tabel χ² hitung > 5.5. gender dan jam kerja saling bebas Catatan : Kesimpulan hanya menyangkut kebebasan antar variabel dan bukan hubungan sebab-akibat (hubungan kausal) Contoh 6 : .60 = 2.07 = 2.67 . Kesimpulan χ² hitung < χ² tabel (0.40 = 6. > 50 jam = wanita. < 25 jam = wanita. < 25 jam = 6.

33 4. H0 : Proporsi pemutaran film India.5 % ATV(%) Kurang dari 25 Jam/minggu 25 sampai 50 Jam/minggu Lebih dari 50 Jam/minggu Total Kolom 10 7 7 3.5 2.17 3.5 4. Wilayah Kritis : Penolakan H0 → χ² hitung > χ² tabel χ² hitung > 11.5 Total Observasi(%)= 24 4. Apakah proporsi pemutaran Film India.5 3.1433 5.33 8 CTV(%) Total Baris (%) 10 *) Nilai dalam kotak kecil adalah frekuensi ekspektasi Ukuran Tabel Kontingensi di atas = 3 x 3( 3 baris dan 3 kolom) db = (3-1)(3-1) = 2 x 2 = 4 Solusi : 1.Berikut adalah data proporsi penyiaran film(satuan pengukuran dalam persentase (%) jam siaran TV) di 3 stasiun TV.5 % = 0.025 4.0 1.75 0. Statistik Uji = χ² 3. Kungfu dan Latin di ketiga stasiun TV adalah sama.5 2. Nilai Tabel χ² db = 4. Kunfu dan Latin di ketiga stasiun TV yang tidak sama.50 2. H1 : Ada proporsi pemutaran film India.0 2.75 6 BTV(%) 2. Kungfu dan Latin di ketiga stasiun Tv tersebut sama? Lakukan Pengujian proporsi dengan Taraf Nyata = 2.1433 . α = 0.0 2.33 1. 2.025 → χ² tabel = 11. Nilai α = 2.92 2.5 1.

BTV = 2. Perhitungan χ² frekuensi harapan untuk India.92 Kungfu.92 Kungfu.17 Kungfu.CTV = = 2. ATV = = 2.50 India.CTV = 2.33 Latin.33 Latin.6.75 India. ATV = = 4. ATV = = 3.CTV = = = 1. proporsi pemutaran ketiga jenis film di ketiga s stasiun TV adalah sama .BTV = = = 1.33 Latin.BTV = = 2. Kesimpulan : χ² hitung terletak di daerah penerimaan H0. H0 diterima.75 Tabel perhitungan χ² berikut 7.

kita mengjukan hipotesa bahwa dalam populasi frekwensi dari mereka yang pro dan kontra koedukasi terbagi rata (50% lawan 50%). Dalam contoh di atas. Tabel 1 FREKWENSI YANG DIPEROLEH DAN YANG DIHARAPKAN DARI SUATU SAMPEL YANG TERDIRI ATAS 200 ORANG PENDUDUK Sikap terhadap keedukasi Pro Kontra total Frekwensi yang diperoleh (fo) 115 85 200 Frekwensi yang diharapkan (fh) 100 100 200 Dalam membuat tabel untuk mengerjakan chi-kwadrad kita terikat pada suatu ketentuan yang harus kita perhatikan. ataukah memang dalam populasi terdapat perbedaan semacam itu? Kalau kita mengharapkan frekwensi dari mereka yang pro dan yang kontra terbagi rata. maka frekwensi yang diharapkan adalah yang pro 100 orang dan yang kontra 100 orang. dalam sampel yang jumlahnya 200 orang itu. dalam tabel di atas ketentuan ini telah kita perhatikan yaitu masingmasing fo=200 dan fh=200. Adapun frekwensi dalam populasi itu dapat didasarkan atas informasi yang diperoleh dari suatu sumber.CHI KWADRAD SEBAGAI ALAT UNTUK ESTIMASI Dengan menggunakan chi kwadrat kita dapat menggunakan pernilaian probabilitas perbedaan frekwensi dalam sampel dari frekwensi dalam populasi sebagai akibat dari kesalahan sampling. kalau tidak ada sumbersumber lain yang member ketentuan. Kita menanyakan. . mengapa kita peroleh perbandingan 115 dengan 85 antara mereka yang pro dan yang kontra dari suatu sampel yang kita ambil secara random? Apakah perbedaan itu hanya semata-mata disebabkan oleh kesalahan sampling. atau dpat juga didasasrkan atas suatu hipotesa. frekwensi yang diperoleh (disingkat fo) dan yang frekwensi yang diharapkan (disingkat fh) dari mereka yang pro dan yang kontra dapat ditunjukkan dalam tabel sebagai berikut. yaitu bahwa jumlah fo harus sama dengan jumlah fh.

50 ini? Interpretasi tentang nilai x2 pada dasarnya tidak berbeda dengan interpretasi tentang nilai-t. Untuk member penjelassan tentang bagaimana menggunakan rumus itu. fh = frekwensi yang diharapkan dalam sampel sebagai pencerminan dari frekwensi yang diharapkan dalam populasi. Disini kita ingin mengadakan estimasi tentang populasi dari . ∑ = 4.25 2.fh +15 -15 0 (fo . marilah kita buat tabel persiapan perhitungan chi-kwadrad. Sikap Pro Kontra total fo 115 85 200 fh 100 100 200 fo . yaitu 50% pro dan 50% kontra.fh)2 225 225 2.25 4.50 Jadi dengan hipotesa 50-50.50 Apa artinya angka 4. kita memperoleh nilai : x2 = 4.1 kita dapat melihat bahwa ada perbedaan fo dengan fh.Untuk memeriksa tabel 1.50 Dari perhitungan-perhitungan dalam tabel itu pada lajur yang terakhir kita dapat dengan mudah mengisi rumusnya. RUMUS BANGUN UNTUK CHI-KWADRAD Rumus bangun yang umum untuk chi-kwadrad adalah sebagai berikut: ∑ χ2 = chi kwadrad fo = frekwensi yang diperoleh dari (diobservasi dalam) sampel. makin besar perbedaan semacam itu makin kecil probabilitasnya (kemungkinannya) bahwa perbedaan itu semata-mata disebabkan oleh kesalahan sampling.

yang disebut tabel chi-kwadrad.nya= 1x4= 4. = (baris . Berikut contoh-contoh penggunaan chi kuadrat pada pengetesan hipotesa terhadap lebih dari dua sampel dan menyangkut lebih dari dua kategori. dan dalam tabel 2x5 d. yaitu kategori pro dan kontra koedukasi atau dinyatakan dalam bentuk hipotesa nihil : “tidak ada perbedaab frekwensi dari yang pro dan yang kontrakoedukasi antara sampel dan populasi.b.b. atau kurang . nilai x2 selalu makin meningkat bersamaan dengan meningkatnya derajad kebebasan.” Kita menanyakan bagaimana probabiloitas x2 yang sebesar atau lebih besar dari nilai yang kita peroleh itu disebabkan oleh kesalahan sampling kita? Bilamana nilai x2 yang kita peroleh itu terjadinya hanya 5% atau 1% dari seluruh kejadian.nya ada (3-1) (2-1) = 2. Tabel semacam ini disediakan di bagian belakang . melainkan juga dapat digunakan untuk mengetes hipotesa perbedaan frekuensi antara banyak kelompok dengan beberapa kategori. TABEL DENGAN BANYAK SEL Chi kuadrat tidak hanya terbatas untuk mengetes hipotesa perbedaan frekuensi antaradua kelompok dengan dua kategori (tabel 2x2 atau tabel 4 petak). maka kita tolak hipotesa atas dasar taraf signifikasi 5% dan 1%. D. Tabel ini hanya memuat nilai-nilai chikwadrad dengan derajad kebebasan dari 1 sampai dengan 30 dengan berbagai taraf signifikan. nya = (3-1) (3-1)= 4. diperoleh dari rumus: d. Pertanyaannya adalah: “Apakah pada waktu ini keluarga anda lebih makmur.1) Jadi. Dalam tabel 3x3 d. Suatu penyelidikan tentang pendapat rakyat telah dilakukan dengan angket. kita memerlukan suatu tabel yang memuat distribusi x2 yang diharapkan.1) (kolom .b.b. Tidak seperti nilai r dan nilai t. sama saja. dengan tabel 3x2 (tiga baris dua kolom) d.b.kenyataan yang kita peroleh dari sampel yang kita pilih secara random.b. (dua baris tiga kolom) d. Demikian juga dalam tabel 2x3 . Cara menghitungnya pada dasarnya sama. Demikian juga dalam menetapkan derajat kebebasannya. Kita mengajukan hipotesa bahwa populasi tidak berbeda dengan sampel dalam jumlah frekwensi dalam dua kategori penyelidikan. nya= 2. Untuk menilai frekwensi yang diperoleh.

rumus untuk menghitung dalam tabel 2x2 sperti penjelasan di atas tidad dapat digunakan. Oleh karena itu. Akhirnya setelah diketahui N-nya. Yang diselidiki semuanya ada 5.000 keluarga dari empat golongan kelas sosial ekonomi. Namun.295 . “kurang”. Kemudian. Jawaban mereka diklasifikasikan dalam empat golongan. yaitu”lebih”. masukkan bilangan-bilangan itu ke dalam rumus sebagai berikut: Atau dapat disingkat dengan: ( ) dan Untuk penyelesaian contoh soal di atas bisa dengan bantuan membuat tabel tabel secara terpisah lalu memasukkan semua hasil perhitungannyake dalam dan tabel . Berikut tabel Tabel 1. Golongan (sub sampel) Jumlah Kategori Respon Lebih makmur Sama saja A 115 B 375 C 460 D 250 1. Namun.makmur dari pada dua tahun yang lalu?” Hasil penyelidikan tercantum dalam tabel di halaman berikut. rumus ini justru menjadi tidak praktis sama sekali. bila tidak ada alat hitung yang cukup besar. jumlahkan frekuensi dalam tiap-tiap golongan subskrip sampel. Ada rumus lain yang lebih praktis digunakan dalam kasus ini dan tidak menghabiskan banyak waktu. dalam hal ini.200 245 690 920 440 2. yaitu: Cara mengisi sel . sedang kelas D adalah kelas yang paling kurang makmur. “sama saja”. yaitu pertama. tabel kerja yang sesungguhnya. jumlahkan tiap-tiap kategori. kita harus puas dengan menggunakan rumus aslinya. dan “tidak dapat menentukan”. Kelas A adalah kelas yang paling makmur.

Tabel Cerja untuk ContohMengerjakan Chi Kuadrat dari Banyak Sampel (Bahan dari Tabel 1 dan 2) .5 2.500 2.000 1.310 25 60 80 40 195 500 1.000 78 39 195 668. . yang cara mengerjakannya sebagai berikut: Untuk kelas A kategori “lebih makmur” : Untuk kelas B kategori “sama saja” : Untuk kelas C kategori “tak tentukan” : Untuk kelas D kategori “tak tentukan” : Dengan cara yang sama sel-sel = 120.Kurang makmur Tidak tentukan Jumlah golongan 125 375 540 270 1. .00 Tabel 2 Golongan (subsampel) respon Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah golongan 500 1.500 2.000 5.000 5.200 Bilangan-bilangan seperti terdapat dalam tabel 2 di atas diperoleh dengan rumus . = 688.000 1.295 1.310 A 120 B C D Jumlah Kategori 1. Tabel 3.5. yang lainnya dapat diisi dan memasukkannya dalam tabel kerja yang sesungguhnya (lihat tabel di bawah).

377 460 920 540 80 480.25 0.824 0.038 500 500 0.625 0.047 0.0 100.25 0.0 -4.0 +15.5 +15.0 524.00 4.0 58.00 2.0 +1.0 +1.0 +16.00 20.568 115 245 125 15 120.25 324.051 1500 1500 0.0 +2.5 131.25 36.417 2000 2000 0.0 1.275 1.0 918.00 0.0 +10.5 25.5 -5.00 4.489 0. Kategori jawaban Kelas A Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Kelas B Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Kelas C Lebih makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Kelas D Lebih 150 240.5 393.0 1.0 19.004 0.833 0.0 400.00 240.038 .00 0.208 1.0 -20 + 2.490 375 690 375 60 360.Gol Sos-Ek.0 78.0 229.5 -18.00 256.00 2.0 2.5 -6.003 0.0 688.5 225.

yaitu 16.0 39. = 9 itu tabel tersebut menunjukkan bahwa nilai = 6.026 1000 1000 0.666 pada taraf signfikansi 1%.b.244 0. dari tabel itu adalah (41) (4-1) = (3) (3) = 9.0 -19.919 pada taraf signifikansi 5% dan 21. keajaiban. d. Jadi jumlah kolomnya = 4. dan mahasiswa-mahasiswa di Universitas tentang kesukaan mereka membaca bukubuku.00 64.908.makmur Sama saja Kurang makmur Tak tentukan Jumlah Golongan: Total Jendral: 440 270 40 459.b.908 yang diperoleh itu masih jauh berada di bawah batas kemungkinan kesalahan teoritik. Contoh Soal: Suatu penyelidikan hipotetik dilakukan terhadap anak-anak dari SMP.0 262. Jumlah orang yang diselidiki adalah 350 orang. atau buku-buku ilmiah?”. dan D. sampel ada sebanyak empat sampel (sub-sampel). C. SMA.0 Seperti terlihat dalam tabel 3 di atas. yitu sampel-ssampel kelas A. percintaan. Hasil-hasil yang yang dikumpulkan disusun dalam tabel berikut: Tabel 4.0 361. ada 4 baris.00 1. Seperti yang diketahui.0 +8. Pertanyaan yang diajukan adalah: “Buku bacaan apa yang paling disenangi: petualangan.0 - 1.00 0. B. Derajat kebebasan dari bahan itu dapat diperoleh dengan mengingat banyaknya sampel (mewakili kolom dalam tabel kontingensi) dan banyaknya kategori (mewakili baris dalam tabel kontingensi).473 5000 5000 0. Jadi.0 +1. Tabel Frekuensi yang Diperoleh . Dengan demikian. dapat disimpulkan bahwa keempat kelas sosial ekonomi itu tidak menunjukkan perbedaan yang signifikan dalam frekuensi jawaban mereka terhadap pertanyaan yang diajukan kepada mereka.786 0. Dengan d. dalam kolom yang terakhir nilai yang diperoleh adalah 6. Kategori yang digunakan jumlahnya juga 4. Dengan demikian.

1136 9. Tabel Frekuensi yang Diharapkan Sampel Buku kesenangan Petualangan SMP SMA Universitas Total 35.71 100.71 35.0157 2.22 22. Tabel Kerja untuk Mencari Chi Kuadrat dari Bahan-bahan dalam Tabel 4 dan 5.72 104.Sampel Buku kesenangan Petualangan Percintaan 19 26 22 67 Keajaiban 36 20 23 79 Ilmiah 46 38 20 104 Total SMP SMA Universitas Total 24 41 35 100 125 125 100 350 Frekuensi yang diharapkan dapat diperoleh dengan rumus: ( ) Dengan rumus itu.71 -4.00 Percintaan 23.00 Ilmiah 37.8399 1.00 125 125 100 350 Total Dengan dan yang telah diperoleh.56 79.1241 24.00 -11.93 23.71 35.22 37.4996 3.22 28.14 37.93 28. akan diperoleh frekuensi-frekuensi yang diharapkan seperti berikut: Tabel 5.86 0.3049 60.71 23.1449 2.14 125.00 Keajaiban 28.1141 .78 +8. dapat dibuat tabel kerja seperti berikut: Tabel 6.14 67.5284 78. Sampel Kategori SMP Petualangan Percintaan Keajaiban Ilmiah Jumlah Golongan: 24 19 36 46 125 35.93 19.93 +7.00 137.14 29.

Ternyata nilai yang diperoleh itu melewati nilai batas teoritik atas dasar taraf signifikansi 1%.4421 0. Oleh karena itu dalam pengertian .7396 0.5684 0.0086 3.0 41.4784 1.1790 5.SMA Petualangan Percintaan Keajaiban Ilmiah Jumlah Golongan: Universitas Petualangan Percintaan Keajaiban Ilmiah Jumlah Golongan: Total Jendral: 350 350. Sebagai alat estimasi chi kwadrad digunakan untuk menaksir apakah ada perbedaan yang signifikan ataukah tidak antara frekuensi yang diobservasi dalam sample dengan frekuensi yang diharapkan dalam populasi. Frekuensi yang diharapkan dalam populasi ini kadang-kadang disebut juga frekuensi hipotetik.2849 67.71 23.00 0.00 +6.9841 4.3943 0.56 29. yaitu 16.1791 2.93 28.14 125. Kesimpulannya adalah: ketika kelompok itu berbeda secara signifikan dalam pemilihan buku-buku bacaanseperti yang ditunjukkan oleh hasil angket itu. karena ia digunakan sebagai hipotesa yang akan diuji dengan frekuensi yang diperoleh dari sample.0 27.58 19.1936 94.2164 8.07 -8.0571 41 26 20 38 125 35.14 22.22 37. CHI KWADRAD SEBAGAI ALAT MENGETES SIGNIFIKANSI KORELASI Teknik statistic digunakan untuk hal-hal sebagai berikut.4274 0.72 100.1796 0.44 -9.72 0.42 +2.0199 3.86 0.86 +0.22 +0.3769 Derajat kebebasan dari tabel itu adalah (3-1) (4-1) = 6.0 35 22 23 20 100 28.00 +5.29 +2.7836 0. 1) Chi kwadrad adalah alat untuk mengadakan estimasi.812.

yang longgar chi kwadwrad sebagai alat estimasi diberi kedudukan juga sebagai alat pengetesan hipotesa. 2) Chi kwadrad sebagai alat mengetes hipotesa. Karena itu dalam kedudukannya sebagai alat pengetesan hipotesa ini apa yang ingin dijawab olehnya adalah masalah apakah frekuensi yang diperoleh dalam sample yang satu berbeda secara signifikan ataukah tidak dengan sample lainnya dalam kategori-kategori tertentu. dalam bentuk korelasi. Adanya korelasi itu menunjukkan bahwa tingkatan pendidikan tertentu menunjukkan kecenderungan tertentu dalam memilih buku-buku bacaan. yaitu bahwa ada korelasi yang signifikan antara tingkatan pendidikan dengan pilihan bukubuku bacaan. Sebenarnya kesimpulan itu dapat dibyatakan dengan cara lain. Dalam pengertian yang sempit tiap-tiap pengetesan hipotesa harus membandingkan sedikitnya dua sample. Hipotesanya berbunyi : tidak ada korelasi antara kolom dan baris. seandainya penyelidikan dilakukan terus-menerus dengan sample-sampel yang sama. Hipotesa secara umum berbunyi: frekuensi-frekuensi yang diperoleh dalam sample-sampel yang diselidiki tidak berbeda secara signifikan dengan frekuensi-frekuensi yang diharapkan dalam populasi dalam kategori-kategori tertentu. Dari pembicaraan di atas dapat ditarik kesimpulan bahwa sebenarnya hipotesa yang hendak dites dengan chi kwadrad dapat dinyatkan dalm dua bentuk. Hipotesa nihil yang hendak dites di sini adalah bahwa tidak ada perbedaan yang signifikan di antara frekuensi yang diperoleh atau fo dengan frekuensi yang diharapkan atau fh 3) Kecuali sebagai alat mengetes hipotesa perbedaan frekuensi. chi kuadrad juga merupakan alat untuk mengetes hipotesa tentang ada tidaknya korelasi antara dua dibicarakan di atas. SMA. berbeda secara signifikan dalam pemilihan buku-buku bacaan. yaitu SMP. ketiga kelompok subjek yang berbeda tingkatan pendidikannya. dalam bentuk perbedaan frekuensi. Pertama. Kedua. dan Universitas. .

82 ini kita periksai table kurve normal.9499  2.50 tabel kontingensi 26x3. db = derajat kebebasan dari table kontingensi kita. Dalam beberapa situai nilai chi kuadrad yang kita perolehadalah sedemikian kecilnya sehingga setelah disalin ke dalam x menghasilkan SD nilai negative.82 Dengan x SD = 2. Kita lihat. Jadi misalnya kita memperoleh nilai chi kuadrad =42. jadi misalnya kalau kita memperoleh nilai χ2 sebesar 81. x SD sebesar 2.7671  9. x  SD 2x2  2( db)  1 Dimana: χ2 = nilai chi kwadrad yang kita peroleh. atau seluruhnya ada 2(49. maka x  2(81 .50)  2(50)  1 SD  163.CHI KWADRAD DENGAN DERAJAT KEBEBASAN LEBIH DARI 30 Akhirnya perlu dilengkapkan pembicaraan ini dengan kemungkinan menghadapi perhitungan chi kwadrad dengan derajat kebebasan yang lebih besar dari 30. persentase daerah kurve normal yang sesuai dengan nilai x SD itu denaikkan dengan menambahnya 50%.82 itu meliputi 49.76%)= 99. baik atas dasar taraf signifikansi 1%.00  99  12. Dalam hal semacam ini.76% daerah sebelah kurve normal.8172atau 2. dihitung dari ujung distribusi. SD . diubah menjadi nilai z atau x . Rumus untuk menghitung nilai probabilitas nilai chi kwadrad yang diperoleh dengan kurve normal adalah sebagai berikut. Dengan demikian maka hipotesa yang diajukan sebelum penyelidikan ditolak. apalagi 5 %.52%.530 dari table 25x3.

85% dari seluruh kejadian kita akan memperoleh nilai chi kwadrad sebesar atau lebih besar dari 42. Saying sekali. daerah sebesar itu tidak kita hitung dari mean. Dengan demikian kita mengharapkan kemungkinan sebesar 69. Akan tetapi dalam situasi kita sekarang. Koreksi YATES itu berupa menambah ½ terhadap petak yang paling kecil dan menyesuaikan frekuensi-frekuensi lainnya sehingga jumlah kolom dan jumlah baris sebelum dan sesudah koreksi masih tetap sama. chi kuadarad kurang dapat memberikan gambaran yang memuaskan bilamana ada petak kecil dalam table kontingensi yang dikerjakan.7468  0. melainkan kita tambahkan pada 50% daerah dari ekor distribusi.06  2( 48)  1 95  9. TABEL 60 JENIS KELAMIN DAN KELULUSANNYA A.85%.52 itu kita lihat daerah kurve dari mean sebesar 19. Data yang diperoleh Sekse Pria Wanita Total L 16 8 24 G 4 2 6 Total 20 10 30 . koreksi dan penyesuaian YATES hanya berlaku untuk table 2x2. Kesimpulan yang agak memuaskan baru dapat diperoleh bilamana diadakan suatu koreksi atau penyesuaian sebagaimana diuslkan oleh YATES terhadap petak yang kecil itu lebih dahulu sebelum perhitungan chi kuadrad dilakukan. Table 60B menunjukkan data sesudah dikoreksi dan disesuaikan.5240atau  0.52 Dengan nilai z sebesar -0.530)  85. Yang dimaksud dengan petak kecil adalah petak yang frekuensinya kurang dari 5. Dengan z =-0.28  9.z   2( 42.530. data itu dimaksudkan untuk menyelidiki ada tidaknya korelasi antara kelulusan dan jenis kelamin. Contoh tentang petak-petak kecil dapat dilihat dalam table 60 A.52 itu kita periksai table kurve normal.

800  960  0.25 ) 2  (20 )(10 )( 24 )( 6) 28.0 10. Baru setelah pengkoreksian dan penyesuaian itu chi kuadrad dihitung dengan cara yang biasa.5 terhadap frekuensi ini.5 24. Data setelah disesuaikan Sekse Pria Wanita Total L 16.b =1 dan batas signifikansi 5%=6.5)( 2.B.0 30. pada .5 2. Karena suatu ketentuan bahwa jumlah tidak dapat diubah-ubah maka frekuensi-frekuensi lain kemudian disesuaikan untuk mempertahankan ketentuan itu.5)( 7. Sebab kiranya sample penyelidikan diperbesar lima atau sepuluh kali lipat.25  26 .234 Dengan d.5 7. Pengkoreksian dilakukan terhadap frekuensi yang terkecil.635 kita menerima hipotesa nihilnya dan menyimpulkan bahwa kelulusan bukan kecendrungan salah satu jenis kelamin.0 L = lulus G = gagal.5 6.5)} 2 30 (41. REALIBITAS SAMPEL KECIL Resiko kesalahan dalam penyelidikan dengan sample kecil selalu akan lebih besar daripada resiko kesalahan dalam penyelidikan dengan sample besar.0 Total 20.0 G 3. yaitu dengan jalan menambahkan 0.5)  (3.800 N (ad  bc) 2 (a  b)( c  d )( a  c)(b  d ) 30(15) 2 225 = 28. Dengan memakai rumus χ2 = kita peroleh χ2 = 30{(16 . Seorang karyawan research yang teliti kiranya akan ragu-ragu menarik kesimpulan dari penyelidikan data seoerti tersebut dalam table 60 itu.

5)(1.5)} 2 20 (14 .0 7.073 6. dan perubahan hasil itu kadangkadang sedemikian diperbesar lima atau sepuluh kali lipat.825 6.0 χ2 = 20{( 9.5)(5.0 20.5 1.25  19 . dan perubahan hasil itu kadang-kadang sedemikian besarnya sehingga agak sukar untuk mempercayai hasil penyelidikan dengan sample kecil yang semula. TABEL 61 A DATA HIPOTETIK TENTANG SEKSE DAN KELULUSANNYA Sekse Pria Wanita Total L 9 6 15 G 4 1 5 Total 13 7 20 TABEL 61 B DATA TABEL 61 A SETELAH DIKOREKSI DAN DISESUAIKAN Sekse Pria Wanita Total L 9. pada umumnya hasil penyelidikannya akan berubah.5 15.825 TABEL 62 10 KALI DATA TABEL 61 A Sekse Pria Wanita L 90 60 G 40 10 Total 130 70 .umumnya hasil penyelidikannya akan berubah.5 5.825 20(-5) 2 500   0.25 ) 2  (13)( 7)(15 )(5) 6.0 G 3. Sebagai ilustrasi daripada apa yang dikemukakan itu dapat kita selidiki dari contoh-contoh hipotetik seperti tersebut dalam table 61 dan table 62 di bawah ini.5)  (3.5 5.0 Total 13.

593 .75 26. Seperti kita lihat dari contoh di atas.250 . 68 .25 Gagal 16.Total 150 50 200 χ2 = 200 {( 90 )(10 )  (40 )( 60 )} 2 200 (900  2400 ) 2  (130 )( 70 )(150 )( 50 ) 68 . yaitu hamperhampir mendekati bilangan batas signifikansi 5% itu. karena pada populasi-populasi yang tidak homogin besarnya sample selalu menjadi petunjuk tentang representativitas sample. Pada umumnya memang sangat sulit untuk mendemonstrasikan perbedaan atau korelasi yang signifikan dari sample kecil.000 200(-1500) 2 200 (3)   6. Dalam hal apapun penyelidik pasti selalu lebih meyakini hasil penyelidikan dari sample yang lebih besar.75 Total 65. CHI KUADRAT UNTUK MENGHITUNG PERBEDAAN PERSENTASE Kecuali untuk menyelidiki signifikasi perbedaan frekuaensi yang biasa. sungguhpun jika diadakan penyelidikan secara besar-besaran perbedaan atau korelasi itu ada dalam kenyataannya. chi kuadrat dapat juga digunakan untuk menilai signifikasi perbedaan frekuensi yang sudah diubah dalam presentase. TABEL 63 DATA TENTANG SEKSE DAN KELULUSAN DALAM PER SEN f 0 dalam % f h dalam % Sekse Pria Wanita Lulus 45 30 Gagal 20 5 Total 65 35 Sekse Pria Wanita Lulus 48.073 adalah jauh sekali dari batas signifikansi 5%. chi kuadrad sebesar 0.000 91 Nampaklah dari contoh di atas bahwa perbedaan antara chi kuadrad yang sesuai dengan chi kuadrad dengan sample besar sangat menyoloknya sehingga mempersulit penarikan kesimpulannya.00 .25 8.250 .00 35.

75) 2 (20  16.00 25.75 14.Total 75 25 100 Total 75.75 16.6025 14.865  0.60 X 2  3.6025     48.75) 2    48.25 8.0625 14.288  0. munculnya 6:4 untuk kepala : ekornya tidak sama signifikannya dengan munculnya 60:40 untuk perbandingan kepala dan ekor jika mata uang itu dilemparkan 100 kali. dalam contoh di atas oleh karena frekuensi selanjutnya dijadikan dasar perhitungan adalah data dalam tabel 62 dengan N=200.75  0. Sebabnya ialah karena probabilitas signifikasi sesuatu kejadian lebih tergantung kepada frekuensi yang nyata daripada frekuensi dalam presentase.592.75 16.593 itu pada taraf signifikasi 5% kita akan tetap menolak hipotesa bahwa perbedaan lulusan .75) 2    48.25) 2 (30  26.25 8.25) 2 (5  8.593.6025 14. maka chi kuadrat dalam persen yang kita peroleh itu harus kita kalikan dengan 200/100. Dengan chi kuadrat sebesar 6.296 x 2 = 6.75) 2 (3.00 X2   (45  48.25 8.25 26. Pengubahan itu dilakukan dengan jalan mengalikan nilai chi kuadrat dengan N/100. ada dua catatan penting yang perlu diperhatikan: (1) Terhadap petak yang kecil telah diadakan koreksi dan penyesuaian lebih dahulu. (2) Nilai chi kuadrat yang diperoleh dari perhitungan-perhitungan frekuensi dalam persen harus diubah dahulu dalam nilai chi kuadrat dari perhitungan-perhitungan dengan frekuensi yang nyata.296 Dalam menggunakan chi kuadrat untuk menghitung perbedaan persentase.25 26. Kita mengetahui bahwa untuk suatu mata uang logam yang dilemparkan 10 kali.75) 2 (3. yaitu 6. suatu bilangan yang sama dengan yang sudah kita peroleh lebih dahulu.25 26.536  1. sebelum pengetesan signifikasi dilakukan.75) 2 (3. atau sama dengan 3.75 16.75 (3.00 100. sungguhpun perbandingan munculnya kepala dan ekor itu jika dinyatakan dalam persentase samasama 60% : 40%.

maka baik dikerjakan dengan cara yang biasa. Perusah. Total Petualangan 15 5 3 6 12 79 120 Film kesukaan Total Sejarah 8 32 10 6 6 8 70 Perang 10 5 7 5 47 16 90 Roman 6 11 22 13 8 10 70 Song 1 7 8 20 7 7 50 40 60 50 50 80 120 400 (1) Membuang sama sekali data yang diperoleh dari jurusan perniagaan dan jurusan seni rupa karena dari kedua jurusan itu terdapat frekuensi- . BATAS PENGGUNAAN KOREKSI YATES Perlu sekali lagi ditekankan bahwa korelasi YATES sayang sekali hanya dapat dikenakan pada tabel 2x2. pengetesan nilai chi kuadratnya menggunakan derajat kebebasan yang sama. Atau dinyatakan dalam bentuk korelasi. Cara-cara ini akan dibicarakan dalam pasal dibawah ini. maupun dikerjakan melalui persentase. PETAK KECIL DALAM TABEL GANDA-PETAK TABEL 64 DATA TENTANG PILIHAN FILM DAN JURUSAN Jurusan dalam fakultas Perniagaan Sejarah Seni Rupa Seni Suara Alam Pasti Adm. Untuk tabel-tabel lebih besar daripada 2x2 ada cara lain untuk memperhitungkannya.pria dan wanita adalah signifikan. Catat. karena derajat kebebasan daripada chi kuadrat tidak tergantung kepada N. melainkan kepada jumlah petak f h . kita menolak hipotesa yang menyatakan bahwa antara jenis kelamin dan lulusan terdapat korelasi yang signifikan.

maka d.nya = (4-1)(5-1) =12. maka kombinasinya akan menjadi seni rupa/seni suara atau seni rupa/suara. Jadi misalnya jika ditempuh langkah membuang data jurusan-jurusan perniagaan dan seni rupa. Umumnya jika yang ditempuh adalah langkah mengkombinasi. Sebagai akibat dari pada langkah yang berbeda itu kadang-kadang diperoleh hasil yang berbeda pula. CHI KUADRAT UNTUK MENGETES NORMALITAS Sangat banyak teknik-teknik statistik yang berlandaskan kepada distribusi normal. Baik ditempuh langkah membuang maupun langkah mengkombinasikan. sedang jika ditempuh jalam mengkombinasikan kedua jurusan itu dengan jurusan-jurusan lainnya d.=(b-1)(k1) masih tetap berlaku. mengetest . tetapi dengan jalan pengkombinasian hasilnya hipotesa harus ditolak. (2) Mengkombinasikan jurusan-jurusan itu dengan jurusan-jurusan lain yang ”terdekat”.frekuensi kecil. penyelidik harus memperhatikan konsekuensinya dalam memperhitungkan derajat kebebasan.b. Tentu saja pengkombinasian semacam itu harus didasarkan atas alasan-alasan yang dapat dipertanggungjawabkan.b. yaitu 1 pada petak perniagaan-song dan 3 pada petak seni rupa-petualangan. kombinasinya menjadi jurusan perniagaan/administrasi perusahaan.nya akan =(4-1)(5-1) =12 juga.b. Artinya ia harus menghitung chi kuadrat dengan kedua langkah itu dan menyajikan apapun hasilnya dari kedua langkah yang berbeda itu. Demikian jika jurusan seni rupa digabungkan dengan jurusan seni suara. Dalam keadaan semacam ini ada baiknya jika penyelidik melaporkan saja apa adanya. Jika dari penyelidikan-penyelidikan yang terdahulu belum pernah dipastikan bahwa sesuatu gejala mengikuti ciri-ciri distribusi normal. Untuk mendapatkan derajat kebebasan ini rumus d. maka jurusanjurusan yang dikombinasikan tetap kedua-duanya dicatat dalam melaporkan hasilnya. misalnya jika jurusan perniagaann dikombinasikan dengan jurusan administrasi perusahaan. misalnya jurusan perniagaan dengan jurusan administrasi perusahaan dan jurusan seni rupa dengan jurusan seni suara. Mungkin juga terjadi bahwa dengan langkah pembuangan hasilnya hipotesa dapat diterima.

Mean dari distribusi itu = 81. Para ahli telah mengetahui bahwa intelegensi adalah salah satu gejala psikologik yang dengan tertib mengikuti ciri-ciri distribusi normal. dari statistik-statistik itu kita dapat memperhitungkan interval nilai sepanjang distribusi yang terbagi menjadi 6 SD. yaitu dari -3SD sampai +3SD.74% atau dibulatkan 2% 14% 34% 34% 14% 2% 100% Dari ciri-ciri distribusi normal teoritik itu kita dapat menguji apakah sesuatu distribusi empirik mengikuti ciri-ciri itu ataukah tidak. Misalkan kita andaikan pengetahuan itu belum ada pada kita.13% 34.59% 2. maka akan kita jumpai . dan kita ingin menyelidiki buat pertama kalinya tentang normal tidaknya distribusi intelegensi.13% 13. Chi kuadrat pun dapat digunakan untuk keperluan pengetesan normalitas itu. Hipotesa (nihil) yang hendak kita tes adalah bahwa f 0 dari distribusi gejala yang kita selidiki tidak menyimpang secara signifikan dari f h dalam distribusi normal teoritik.59% 34. misalnya saja dengan menyelidiki kejulingan (skewness) dan kurtosisnya. Jika nilai-nilai diatas kita bulatkan dan distribusi itu kita golong-golongkan kembali menjadi 6 golongan secara konvensional.15% 99. Tabel 65 menunjukkan distribusi empirik daripada intelegensi yang diperoleh dengan THORNDIKE Intelligence Examination.59.apakah gejala yang diahdapi merupakan distribusi yang normal atau tidak merupakan keharusan yang mutlak.14. dengan SD = 12.15% 13. Banyak cara yang dapat digunakan untuk mengetest normalitas suatu distribusi. Dari kurva normal kita mengetahui bahwa: Nilai-nilai yang terletak dari -3SD sampai -2SD dari -2SD tsampai -1SD dari -1SD sampai Mean dari Mean sampai +1SD dari +1SD sampai +2SD dari +2SD sampai +3SD Total meliputi frekuensi sebesar: 2.

Mean sa. -1SD sampai Mean = 69. Kolom f h diisi atas dasar persentase kurva normal sebelumnya.9 SD = 12. maka akan kita jumpai .43 – 105.58.pai +1SD = 81. TABEL 65 DISTRIBUSI NILAI-NILAI THORNDIKE INTELLIGENCE EXAMINATION DARI 206 MAHASISWA TINGKAT I Nilai 115-119 110-114 105-109 100-104 99-94 90-94 85-89 80-84 75-79 70-74 65-69 60-64 55-59 50-54 45-49 Total f0 1 2 4 10 13 18 34 30 37 27 15 10 2 2 1 206 Karena itu : +2SD keatas = 105.45.31 – 69.87 keatas. -2SD sampai -1SD = 57.59 – 93. M = 31. +1SD sampai +2SD = 93.87.distribusi seperti tercantum dalam tabel kerja dibawah ini. -2SD kebawah = 57.45 – 81. 31 kebawah.14 Jika nilai-nilai di atas kita bulatkan dan distribusi itu kita golong-golongkan kembali menjadi 6 golongan secara konvensional. 43.

84 70.2797 0. Dengan d.0035 1.04 28.8579 0.7056 16. Jarak penggolongan dalam satuan SD ini didasarkan atas teori bahwa suatu distribusi normal teoritik terdiri dari 6SD.12 28.84 -0.00 +1. atau 6-1 =5. maka harus digunkan 2SD untuk tiap-tiap penggolongan. Nilai chi kuadrat yang kita peroleh sebesar 1.84 -4.88 -0. Jika gejala digolongkan hanya menjadi tiga golongan.96 -2. Pegangan pokok yang perlu diperhatikan adalah bahwa dalam . Sekiranya gejala diklasifikasi dalam 10 golongan.04 +5.fh ( f0  fh )2 ( f0  fh )2 fh 6 28 66 76 26 4 206 4.5072 0.0245 0.5344 0.6SD.3216 35.0 3.2330 0.070. sehingga dengan demikian hipotesa kita diterima. Distribusi intelegensi yang diperoleh itu ternyata tidak menyimpang dari distribusi normal.0144 0.5216 8.12 0. TABEL 66 TABEL KERJA UNTUK MENCARI PROBABILITAS NORMALITAS DATA DALAM TABEL Interval distandarisasi 106-119 94-105 82-93 70-81 58-69 45-57 Total f0 fh f0 . Kolom f h diisi atas dasar persentase kurva normal. masing-masing golongan akan berjarak kira-kira 0.= 5 ini pada taraf signifikasi 5% batas penolakan hipotesanya =11.0656 0.9058 itu ternyata jauh di bawah batas penolakan.12 206.84 4.04 70.b. Cara pengetesan normalitas seperti yang dicontohkan diatas berlaku juga untuk semua penggolongan gejala yang kurang atau lebih dari enam golongan.distribusi seperti yang tercantum pada tabel di bawah ini.9058 Derajat kebebasan untuk tes signifikasi ini adalah jumlah sel f h dikurangi satu.

(2) Untuk pengetesan korelasi chi kuadrat hanya dapat menunjukkan apakah korelasi antara dua gejala (atau lebih) signifikan ataukah tidak. DAFTAR PUSTAKA . SATU DUA CATATAN TENTANG BATAS-BATAS PENGGUNAAN CHI KUADRAT Chi kuadrat memang merupakan salah satu teknik statistik yang kerap kali digunakan dalam penyelidikan-penyelidikan. Jika jumlah individu dan jumlah sampel cukup banyak. Sungguhpun begitu. (4) Chi kuadrat paling tepat digunakan pada data yang diperoleh dari sampelsampel dan ketegori-kategori yang terpisah (eksklusif) satu sama lain. data diskrit. Korelasi YATES pada umumnya hanya digunakan sekiranya jalan lain tertutup untuk bekerja dengan sampel-sampel yang lebih besar. Statistika yang mutlak diperlukan adalah mean dan standard deviasi dari pada skor gejala yang diselidiki.usaha menggolong-golongkan gejala untuk keperluan pengetesan normalitas ini dua macam. Data semacam ini disebut data kategorik. Dengan chi kuadrat sama sekali tak dapat diungkapkan kenyataan tentang besarkecilnya korelasi yang diselidiki. teknik ini mengandung dalam dirinya batas-batas penggunaan tertentu. (3) Pada dasarnya chi kuadrat belum dapat menghasilkan kesimpulan yang memuaskan untuk menyelidiki tabel-tabel kontingensi dengan petak-petak kecil. cara membuang atau mengkombinasikan kategori-kategori yang mempunyai petak kecil memberikan hasil yang lebih memuaskan. (1) Chi kuadrat pada dasarnya hanya dapat digunakan untuk menganalisa data yang berwujud frekuensi. Perlu diingatkan kembali frekuensi adalah bilangan sebagai hasil daripada perhitungan atau counting. atau data nominal.

Statistik. 2004. Fakultas MIPA. 1991. 2000. Statistika Dasar. Institut Keguruan dan Ilmu Pendidikan Negeri Singaraja Hadi. . I Ketut dan Maruli Simamora. Sutrisno.Cholil Munif. Chi Kuadrat Analisis Katagorik. Singaraja: Jurusan Pendidikan Kimia. Muhammad. Yogyakarta: Penerbit Andi. Surabaya:Satgas Komputer Fakultas kedokteran Universitas Airlangga Sudiana.

Sign up to vote on this title
UsefulNot useful