Uji chi square adalah alat uji statistik yang digunakan untuk mengetahui apakah dua variabel memiliki hubungan secara signifikan.
Kedua variabel yang diuji dalam uji independensi chi square atau disebut juga uji khi kuadrat merupakan jenis variabel kategorik dan datanya disusun dalam bentuk tabel kontingensi.
Langah-langkah uji chi square
- Menetapkan hipotesis
- Menetapkan tingkat signifikansi \((\alpha)\)
- Melakukan pengujian statistik
- Menentukan titik kritis
- Pengambilan keputusan
\(\text{H}_0\) : tidak terdapat hubungan yang signifikan antara dua variabel
\(\text{H}_1\) : terdapat hubungan yang signifikan antara dua variabel
Tingkat signifikansi yang digunakan biasanya adalah 5 persen \((\alpha=0\text{,}05)\) atau disebut juga tingkat kepercayaan yang digunakan adalah 95 persen.
Proses pengujian independensi chi square menggunakan tabel kontingensi. Format tabel kontingensi adalah sebagai berikut.
kolom 1 | kolom 2 | \(\cdots\) | kolom \(l\) | Jumlah | |
baris 1 | \(O_{11}\) | \(O_{12}\) | \(\cdots\) | \(O_{1l}\) | \(n_{1.}\) |
baris 2 | \(O_{21}\) | \(O_{22}\) | \(\cdots\) | \(O_{2l}\) | \(n_{2.}\) |
\(\vdots\) | \(\vdots\) | \(\vdots\) | \(\ddots\) | \(\vdots\) | \(\vdots\) |
baris \(k\) | \(O_{k1}\) | \(O_{k2}\) | \(\cdots\) | \(O_{kl}\) | \(n_{k}\) |
Jumlah | \(n_{.1}\) | \(n_{.2}\) | \(\cdots\) | \(n_{.l}\) | \(n\) |
Rumus uji statistik chi square \((\chi^2)\) yang digunakan adalah: \[\chi_{\text{hitung}}^2 = \sum_{i = 1}^k \sum_{j = 1}^{l} \frac{{(O_{ij} - E_{ij})}^2}{E_{ij}}\] dimana \(O_{ij}\) adalah nilai observasi (pengamatan), \(E_i\) adalah nilai ekspektasi (harapan), \(k\) adalah banyaknya baris dan \(l\) adalah banyaknya kolom.
Nilai \(E_{ij}\) dihitung menggunakan rumus: \[E_{ij}=\frac{n_{i.}\times n_{.j}}{n}\]
Uji independensi chi square didasarkan pada distribusi peluang statistik yaitu Distribusi Khi-Kuadrat (Chi Square). Derajat bebas \((df)\) diperoleh dari \[df = (k - 1)(b - 1)\]
Keputusan hasil pengujian adalah tolak \(\text{H}_0\) jika \(\chi_{\text{hitung}}^2>\chi_{\alpha,df}^2\) atau gagal tolak \(\text{H}_0\) jika \(\chi_{\text{hitung}}^2 < \chi_{\alpha,df}^2.\)
Nilai \(\chi_{\alpha,df}^2\) dilihat dari Tabel Distribusi Chi Square
Contoh Uji Independensi Chi Square
Kecamatan A ingin mengetetahui apakah terdapat pengaruh antara tingkat pendidikan penduduk dengan Perilaku Hidup Bersih dan Sehat (PHBS).
Untuk itu dilakukan survei terhadap penduduk mengenai tingkat pendidikan dan perilaku hidup bersih dan sehat. Hasil yang diperoleh adalah dalam bentuk tabel kontingensi sebagai berikut.
<SMP | SMP | SMA | Sarjana | Jumlah | |
PHBS Rendah | 20 | 24 | 192 | 14 | 250 |
PHBS Tinggi | 8 | 15 | 239 | 38 | 300 |
Jumlah | 28 | 39 | 431 | 52 | 550 |
Ujilah secara statistik apakah tingkat pendidikan menpengaruhi perilaku hidup bersih dan sehat penduduk secara signifikan. Gunakan tingkat signifikansi sebesar \(\alpha=0\text{,}05.\)
Penyelesaian
Langkah-langkah penyelesaian menggunakan uji independesi chi square adalah sebagai berikut:
- Hipotesis yang digunakan
- Tingkat signifikansi yang digunakan adalah \(\alpha=0\text{,}05.\)
- Pengujian statistik dengan uji independensi chi square.
- Titik krisis
- Keputusan
\(\text{H}_0\) : tidak terdapat hubungan yang signifikan antara tingkat pendidikan dan perilaku hidup bersih dan sehat
\(\text{H}_1\) : terdapat hubungan yang signifikan antara tingkat pendidikan dan perilaku hidup bersih dan sehat
Hitung \(E_{ij}\) terlebih dahulu, yaitu \[\begin{aligned} E_{11}&=\frac{250\times28}{550}=12\text{,}73\\ E_{12}&=\frac{250\times39}{550}=17\text{,}73\\ &\,\,\,\,\,\,\,\,\,\,\,\,\,\,\vdots\\ E_{24}&=\frac{300\times52}{550}=28\text{,}36 \end{aligned}\] Dalam tabel kontingensi dapat ditampilkan seperti berikut.
<SMP | SMP | SMA | Sarjana | |
PHBS Rendah | \(\begin{aligned}O_{11}&=20\\E_{11}&=12\text{,}73\end{aligned}\) | \(\begin{aligned}O_{12}&=24\\E_{12}&=17\text{,}73\end{aligned}\) | \(\begin{aligned}O_{13}&=192\\E_{13}&=195\text{,}91\end{aligned}\) | \(\begin{aligned}O_{14}&=14\\E_{14}&=23\text{,}64\end{aligned}\) |
PHBS Tinggi | \(\begin{aligned}O_{21}&=8\\E_{21}&=15\text{,}27\end{aligned}\) | \(\begin{aligned}O_{22}&=15\\E_{221}&=21\text{,}27\end{aligned}\) | \(\begin{aligned}O_{23}&=239\\E_{23}&=235\text{,}09\end{aligned}\) | \(\begin{aligned}O_{24}&=38\\E_{24}&=28\text{,}36\end{aligned}\) |
Agar memudahkan proses penghitungan, maka nilai \(\chi_{\text{hitung}}^2\) dihitung dengan menggunakan tabel berikut:
\(O_{ij}\) | \(E_{ij}\) | \(O_{ij}-E_{ij}\) | \((O_{ij}-E_{ij})^2\) | \(\frac{(O_{ij}-E_{ij})^2}{E_{ij}}\) |
---|---|---|---|---|
20 | 12,73 | 7,27 | 52,85 | 4,15 |
24 | 17,73 | 6,27 | 39,31 | 2,22 |
192 | 195,91 | -3,91 | 15,29 | 0,08 |
14 | 23,64 | -9,64 | 92,93 | 3,93 |
8 | 15,27 | -7,27 | 52,85 | 3,46 |
15 | 21,27 | -6,27 | 39,31 | 1,85 |
239 | 235,09 | 3,91 | 15,29 | 0,07 |
38 | 28,36 | 9,64 | 92,93 | 3,28 |
Jumlah | 19,03 |
Dari tabel penghitungan diperoleh nilai \(\chi_{\text{hitung}}^2=19\text{,}03.\)
Derajat bebas yang digunakan untuk menentukan \(\chi_{\text{tabel}}^2\) tabel adalah \[\begin{aligned} df&= (k - 1)(l - 1)\\ &= (2 - 1)(4 - 1)\\ &= 3 \end{aligned}\] Nilai \(\chi_{\text{tabel}}^2 = \chi_{\alpha,df}^2 = \chi_{0\text{,}05;3}^2 = 7\text{,}815\)
Hasil pengujian menunjukkan bahwa \(\chi_{\text{hitung}}^2 = 19\text{,}03\) dan dari tabel chi square diperoleh \(\chi_{\alpha,df}^2 = 7\text{,}815,\) sehingga \(\text{H}_0\) ditolak karena \(\chi_{\text{hitung}}^2 > \chi_{\alpha,df}^2.\)
Dengan tingkat signifikansi \(5\%\) terdapat hubungan yang signifikan antara tingkat pendidikan dan perilaku hidup bersih dan sehat.
Uji Independensi Chi Square dengan R
Sebelum melakukan pengujian, input data terlebih dahulu dan susun data dalam format tabel kontingensi.
phbs <- matrix(c(20, 24, 192, 14, 8, 15, 239, 38), ncol=4, byrow=TRUE)
colnames(phbs) <- c("<SMP", "SMP", "SMA", "Sarjana")
rownames(phbs) <- c("Rendah", "Tinggi")
phbs <- as.table(phbs)
phbs
#> <SMP SMP SMA Sarjana
#> Rendah 20 24 192 14
#> Tinggi 8 15 239 38
Selanjutnya melakukan pengujian menggunakan sintaks chisq.test()
.
chisq.test(phbs)
#>
#> Pearson's Chi-squared test
#>
#> data: phbs
#> X-squared = 19.034, df = 3, p-value = 0.000269