Jika kamu ingin melakukan uji Chi Square untuk mengetahui independensi antara 2 sampel atau mengetahui ada tidaknya hubungan antara 2 kategori, tetapi datamu tidak memenuhi syarat untuk dianalisis menggunakan uji Chi Square, jangan sedih yaaa.. Kamu bisa gunakan Fisher Exact Test sebagai alternatifnya.
Kamu bisa baca artikel ini untuk mengetahui syarat-syarat agar uji Chi Square valid digunakan.
Kegunaan Fisher Exact Test
Uji Fisher adalah uji statistika nonparametrik yang digunakan untuk menguji 2 sample independen atau untuk mengetahui ada tidaknya hubungan antara 2 variabel yang berskala nominal atau ordinal. Uji Fisher ini memiliki tujuan yang sama dengan uji Chi Square karena merupakan alternatif dari uji Chi Square 2 x 2. Jika tabel uji Chi Square berukuran 2 x k, di mana k lebih dari 2, maka uji alternatifnya adalah uji Kolmogorov Smirnov.
Syarat-Syarat Fisher Exact Test
Walaupun merupakan alternatif dari uji Chi Square, uji Fisher juga memiliki beberapa syarat, antara lain.
- Data berskala nominal atau ordinal
- Jumlah sampel harus kurang dari sama dengan 40
- Jika jumlah sampel antara 20 sampai dengan 40, maka terdapat sel yang nilai harapannya kurang dari 5
- Jika jumlah sampel kurang dari 20, maka dapat digunakan dalam kondisi apapun (baik terdapat sel yang nilai frekuensi harapannya kurang dari 5 ataupun tidak)
Untuk cara menghitung frekuensi harapan, dapat kamu baca di artikel berikut.
PENJELASAN DAN LANGKAH MUDAH UJI CHI SQUARE DI RSTUDIO
Langkah Pengujian Fisher Exact
Adapun langkah – langkah dalam pengujian Fisher Exact yaitu :
- Merumuskan hipotesis H0 dan H1
H0 : Tidak terdapat hubungan yang signifikan antara dua variabel
H1 : Terdapat hubungan yang signifikan antara dua variabel
- Menetapkan alpha atau taraf signifikansi (umumnya menggunakan alpha 5%)
- Menghitung statistik uji
Adapun bentuk persamaan dalam Uji Fisher Exact Probability Test (p) menurut Sugiono (2011) adalah sebagai berikut:
Dengan tabel yang digunakan sebagai berikut.
- Menentukan kriteria uji
Langkah Analisis di RStudio
Misal ingin diketahui apakah terdapat hubungan antara Status Pekerjaan dan Status Keterlibatan dalam Kerja Bakti di suatu kelurahan. Sampel data yang dimiliki berjumlah 14 sampel. Karena jumlah sampel yang kecil dan kedua data berskala nominal, maka uji Fisher Exact adalah uji yang tepat untuk mengetahui ada tidaknya hubungan antara dua variabel tersebut.
Data yang digunakan dalam tahap analisis dapat di-download di sini
Langkah pertama yang harus dilakukan saat akan melakukan analisis data menggunakan R adalah melakukan input data. Banyak cara yang dapat dilakukan untuk mengimpor data, disini saya menggunakan sintaks read_excel yang terdapat pada library (readxl)
#Input Data
library(readxl) #Mengaktifkan library readxl
data=read_excel(file.choose()) #Memilih file yang akan dianalisis
Setelah sintaks tersebut di-run, silahkan pilih data yang akan dianalisis. Jangan lupa untuk menyimpan data dalam format .xlsx jika ingin menggunakan sintaks read_excel.
Untuk mengecek apakah data telah diinput secara benar, kita dapat mengetikkan sintaks berikut.
View(data)
Maka data akan terlihat sebagai berikut.
Data tersebut terdiri dari 14 baris dan 2 kolom. Artinya, terdapat 14 sampel yang digunakan pada data tersebut.
Sebelum dilakukan uji korelasi, ada baiknya jika kita membuat tabel kontingensi 2 x 2 nya terlebih dahulu. Pengecekan dapat dilakukan dengan menggunakan command berikut.
table(data$Status_Pekerjaan, data$Kerja_Bakti)
Berikut tabel yang dihasilkan.
> table(data$Status_Pekerjaan, data$Kerja_Bakti)
________________Tidak Ya
Bekerja_____________4__5
Tidak Bekerja_______1__4
Dari output di atas, kamu akan lebih mudah memahami data yang kamu punya. Diperoleh informasi bahwa dari 14 orang, ada 4 orang dengan status bekerja tidak mengikuti kerja bakti, ada 5 orang dengan status bekerja mengikuti kerja bakti, 1 orang tidak bekerja tidak mengikuti kerja bakti dan 4 orang tidak bekerja mengikuti kerja bakti.
Untuk melakukan uji Fisher Exact di RStudio, kamu tidak perlu menghitung sendiri p-value menggunakan rumus manual. Kamu bisa dengan mudah melakukannya menggunakan command fisher.test() sebagai berikut. Perlu diingat, secara default p-value pada output merupakan p-value untuk uji dua sisi.
> #uji Fisher Exact
> fisher.test(table(data$Status_Pekerjaan, data$Kerja_Bakti))
_______Fisher's Exact Test for Count Data
data: table(data$Status_Pekerjaan, data$Kerja_Bakti)
p-value = 0.5804
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
___0.1768 196.0441
sample estimates:
odds ratio
2.953851
Hipotesis:
H0 : Tidak terdapat hubungan yang signifikan antara status pekerjaan dan status keterlibatan dalam kerja bakti
H1 : Terdapat hubungan yang signifikan antara status pekerjaan dan status keterlibatan dalam kerja bakti
Berdasarkan uji hipotesis dan cara penarikan kesimpulan seperti yang telah dijelaskan sebelumnya, kita memperoleh informasi bahwa pada taraf signifikansi 5%, tidak terdapat hubungan yang signifikan antara status pekerjaan dan status keterlibatan dalam kerja bakti. Hal ini dikarenakan p-value yang diperoleh sebesar 0.5804 > 0.05 sehingga H0 diterima.
Okay sobat Exsight, sekarang kamu udah paham kan bagaimana penggunaan uji Fisher Exact sebagai alternatif dari uji Chi Square. Jika kamu ada pertanyaan seputar uji Fisher atau metode lain yang sedang kamu pelajari, jangan sungkan untuk menanyakan langsung melalui kolom komentar yaa. Atau bisa juga langsung klik hubungi admin melalui tombol bantuan di pojok kanan bawah.
See you guysss!
Referensi
Sugiyono, 2011. Statistika Untuk Penelitian. Penerbit Alfabeta, Bandung.
