Uji Pearson Chi Square


Ada beberapa jenis tes chi-kuadrat tetapi yang paling umum adalah Pearson chi-kuadrat yang memungkinkan kita untuk menguji independensi dari dua variabel kategori. Semua tes chi-kuadrat didasarkan atas distribusi chi-kuadrat, mirip dengan cara t-tes, sama halnya dengan distribusi atau uji-F yang didasarkan pada distribusi F.

Misalkan kita memiliki hipotesis bahwa tingkat kelulusan / kegagalan dalam sebuah kelas matematika tertentu berbeda untuk laki-laki dan perempuan. Katakanlah kita mengambil sampel acak dari 100 siswa dan mengukur kedua jenis kelamin (laki-laki/wanita) dan status kelulusan (lulus/gagal) sebagai variabel kategorik.

Tabel 1. Data tingkat kelulusan kelas matematika tersebut akan menjadi sebagai berikut

Siswa

Laki-laki

Perempuan

TOTAL

Lulus

30

36

66

Tidak lulus

14

20

34

TOTAL

44

56

100

Hipotesis Null: Distribusi frekuensi beberapa kejadian yang diamati pada sebuah sampel konsisten dengan distribusi teoritis tertentu

1. Ketika menjalankan SPSS, maka input data yang dimasukkan adalah sebagai berikut:

1

Perhatikan struktur data awal (tabel 1), kolom 1 dan baris satu menunjukkan perhitungan  siswa laki-laki yang lulus, yaitu 30. Kemudian kolom 1 dan baris 2 menunjukkan siswa perempuan yang lulus, yaitu 36. Kolom 2 dan baris 1 menunjukkan siswa laki-laki yang tidak lulus, yaitu 14. Sedangkan kolom terakhir 2 dan baris 2 menunjukkan siswa perempuan yang tidak lulus, yaitu 34.

2. Setelah data diinput maka anda adalah harus menegaskan kepada   SPSS bahwa variabel PERHITUNGAN mewakili frekuensi untuk masing-masing unik pengkodean BARIS dan KOLOM, dengan menerapkan perintah DATA – WEIGHT CASE seperti gambar berikut ini:

2

3. Setelah muncul kotak dialog, pilih variabel PERHITUNGAN, pilih “weight case by” kemudian pindahkan variabel PERHITUNGAN dengan mengklik tanda panah seperti berikut:

3

4. Setelah itu pilih Analyze – Descriptive Statistic – Crosstabs, kemudian akan muncul kotak dialog seperti berikut ini:

Masukkan variabel baris ke ROW, dan variabel kolom ke COLUMN, sedangkan untuk variabel perhitungan tidak perlu lagi, karena sudah dilakukan pada tahap 3 diatas.

4

5. Kemudian pilih button Statistic (di bawah) – checklist chi-square seperti berikut ini:

5

6. Setelah itu akan didapatkan output seperti berikut:

6Setelah output didapat, maka nilai Pearson Chi-Square dibandingkan dengan Chi-square tabel. Pembandingan ini menggunakan derajat bebas dengan rumus (baris – 1)(kolom – 1) atau (2 – 1)(2 – 1) = 1. Maka nilai kritiknya pada tabel sebaran chi-square adalah  3,841 artinya Хhitung > Xtabel atau 3,841 > 3,111. Dengan demikian Hipotesis Null tidak bisa diterima.

Dari hasil diatas dapat dilihat bahwa nilai Exact Sig.(2-sides) adalah 0,084 maka lebih besar dari titik kritis 0,05 (0,084 > 0,05). Dengan demikian dapat disimpulkan bahwa tidak ada hubungan antara jenis kelamin siswa kelas matematika dengan tingkat kelulusan.

Bookmark and ShareSubscribe
About these ads
  1. Ada ga kemungkinan Hipotesis Nullnya tidak diterima, namun nilai Exact Sign. (2sides)nya lebih kecil di banding titik kritis??
    Kemudian, tingkat korelasinya atau seberapa kuat hubungannya bisa diketahuikah??

    thx

      • ariyoso
      • November 2nd, 2009

      nilai Exact Sign.(2sides) yang lebih kecil di banding titik kritis menunjukkan bahwa hipotesis null dapat diterima, artinya terdapat hubungan antara dua kejadian yang diamati, sedangkan penolakan hipotesis null diindikasikan dengan nilai p-value Sign.(2sides) yang lebih besar yang artinya tidak ada hubungan antara dua kejadian yang diamati.
      Kalau kita lihat sebuah model, maka nilai p-value sangat diperlukan untuk melihat keabsahan model. Nilai p-value yang besar tentunya akan menjelaskan bahwa kecocokan atau sebaran distribusi antar data kurang baik, hal tersebut dapat kita nyatakan sebagai tidak signifikan. Dalam uji Chi-square juga demikian, dalam menguji kecocokan antara dua kejadian, p-value menunjukkan kecocokan yang terjadi antara dua hubungan. Nilai p-value selalu menegaskan nilai statistik uji suatu kejadian, dalam hal ini nilan koefisien hubungan Pearson Chi-Square.
      Untuk mengetahui seberapa kuat hubungan korelasinya memang tidak ditampilkan disini, tapi anda dapat melakukan uji lanjutan yaitu post-hoc test dengan melihat hubungan yang ditampilkan dalam tabel multiple comparison, bisa anda lihat ilustrasinya pada halaman uji One Way ANOVA

  2. wah banyak info yang kudu saya pelajari di sini…makasih

      • ariyoso
      • Desember 27th, 2009

      sok atuh, marangga…:)

    • virna
    • Mei 9th, 2010

    Pa saya sedang meneliti mengenai ada tidaknya perbedaan sikap dari 3 subjek mengenai suatu objek yang diukur dengan 30 kuesioner dengan skala likert..gimana cara pengujiannya (langkah2) jika mnggunakan tes chi square dalam spss?

    tks

  3. Pusing abis kalo uda urusan ma statistik.
    Hehehehe. . . . . . . .

    Salam kenal bos.

      • ariyoso
      • Juni 1st, 2010

      yoi..lam kenal juga :)

  4. Article writing is also a fun, if you be familiar with then you can write otherwise it is complex to write.

  1. No trackbacks yet.

Berikan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

Ikuti

Get every new post delivered to your Inbox.

Bergabunglah dengan 72 pengikut lainnya.

%d blogger menyukai ini: