Uji Chi-square
Hubungan atau perbedaan pada data kategori.
Untuk apa dipakai
- Membandingkan dua kelompok atau lebih
- Melihat hubungan antar variabel
Data yang dibutuhkan
Dua kolom kategori.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Menguji hubungan dua variabel kategori.
- Nilai p (Sig.)
- Kurang dari 0,05 berarti ada hubungan yang nyata antarkedua variabel.
- Cramér's V
- Kekuatan hubungan. Kira-kira 0,1 lemah, 0,3 sedang, 0,5 kuat.
- Frekuensi harapan
- Sebaiknya sekitar 5 atau lebih di sebagian besar sel; bila tidak, gunakan Fisher atau gabungkan kategori.
Perlu diwaspadai
- Chi-square tidak menunjukkan arah hubungan; baca tabel silangnya.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Dihitung dari responden yang mengisi kedua kolom kategori (baris dan kolom), menghasilkan tabel frekuensi gabungan.
Frekuensi yang seharusnya terjadi bila kedua variabel kategori tidak berhubungan sama sekali.
frekuensi harapan = (jumlah baris × jumlah kolom) / N
Chi-square Pearson jadi uji utama; pada tabel 2×2 ditambahkan chi-square dengan koreksi kontinuitas (Yates) dan uji Fisher exact sebagai pembanding; rasio kemungkinan (G) dihitung untuk semua ukuran tabel.
χ² = Σ (frekuensi teramati − frekuensi harapan)² / frekuensi harapan
Mendeteksi sel mana yang menyimpang paling jauh dari harapan; nilai di luar sekitar ±1,96 dianggap menyimpang pada taraf 0,05.
Mengukur seberapa kuat hubungan antar dua variabel kategori, disesuaikan ukuran tabel; patokan kekuatan dari Cohen (1988) disesuaikan dengan ukuran tabel.
Phi/Cramér's V = √(χ² / (N × min(baris−1, kolom−1)))
Bila lebih dari 20% sel punya frekuensi harapan di bawah 5, pendekatan chi-square kurang andal — disarankan menggabungkan kategori atau memakai uji Fisher exact (hanya untuk tabel 2×2).
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Signifikan | p ≤ 0,05 | — |
| Kekuatan asosiasi (Phi/Cramér's V) | ≥ 0,5 besar · ≥ 0,3 sedang · ≥ 0,1 kecil (dibagi akar dari min(baris−1,kolom−1)) | Cohen (1988) |
| Chi-square kurang andal | > 20% sel punya frekuensi harapan < 5 | — |
| Sel menyimpang dari harapan | residual terstandar terkoreksi di luar ±1,96 | Haberman (1973) |
- Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine, Series 5, 50(302), 157–175.
- Yates, F. (1934). Contingency tables involving small numbers and the chi-squared test. Supplement to the Journal of the Royal Statistical Society, 1(2), 217–235.
- Haberman, S. J. (1973). The analysis of residuals in cross-classified tables. Biometrics, 29(1), 205–220.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Mengikuti Pearson (1900).
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Cuplikan persiapan sidang
Contoh pertanyaan yang lazim diajukan penguji untuk metode ini.
Kapan memakai uji chi-square?
Untuk menguji hubungan antara dua variabel kategorik, misalnya jenis kelamin dengan pilihan layanan.
Apa syaratnya?
Data berupa frekuensi, pengamatan saling bebas, dan frekuensi harapan sebaiknya minimal 5 pada sebagian besar sel. Bila tidak terpenuhi dipakai uji eksak Fisher (tabel 2×2) atau kategori digabung.
Daftar lengkap tersedia di halaman hasil untuk proyek berjenjang S1, S2, atau S3.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.