Hai hai sobat Exsight. Kembali lagi dalam artikel Exsight. By the way, sobat Exsight masih ingat gak nih, pada beberapa artikel yang lalu pernah disinggung terkait topik Penjelasan dan Langkah Mudah Uji Chi Square di RStudio. Nah melanjutkan dari artikel sebelumnya, kali ini kita akan membahas lebih mendalam terkait Tutorial Chi-Square yakni dengan software SPSS. Tanpa berlama-lama lagi, yuk yuk simak artikel ini dengan seksama!
Deskripsi
Uji Chi-Square dapat digunakan untuk mengetahui ada tidaknya korelasi antar dua variabel khususnya pada data berskala nominal. Langkah uji chi square adalah dengan membuat tabulasi silang suatu variabel berdasarkan kategorinya dan dilanjutkan dengan melakukan uji hipotesis untuk menguji apakah frekuensi yang diamati berbeda dari frekuensi yang diharapkan. Jika diperoleh keputusan bahwa terdapat perbedaan antara frekuensi yang diamati dengan frekuensi yang diharapkan, maka dapat disimpulkan bahwa kedua variabel memiliki korelasi.
Hipotesis pada uji Chi-Square yaitu sebagai berikut.
H0 : Tidak terdapat hubungan yang signifikan antara dua variabel
H1 : Terdapat hubungan yang signifikan antara dua variabel
Uji Chi-square dapat dirumuskan sebagai berikut:
di mana = Distribusi Chi-square
Oi = Nilai observasi (pengamatan) ke-i
Ei = Nilai ekspektasi ke-i =
Konsep Dasar Chi-Square Test
Konsep dasar yang digunakan untuk chi-square test adalah data berasal dari sampel acak dan dapat disajikan dalam tabel dua arah.
* Data Dapat Disajikan dalam Tabel Dua Arah
Uji chi-square biasanya digunakan untuk menguji hubungan antara dua variabel kategori. Data ini harus bisa disusun dalam tabel kontingensi dua arah, di mana satu variabel ditampilkan sebagai baris dan variabel lainnya sebagai kolom.
Contoh:
Misalkan kita memiliki data tentang preferensi minuman (teh atau kopi) berdasarkan jenis kelamin (pria atau wanita). Data ini dapat disusun dalam tabel dua arah dengan baris untuk jenis kelamin dan kolom untuk preferensi minuman.
Pentingya Chi-Square Test
Mengapa Chi-Square Test Penting dalam Analisis Data?
*Validasi Hubungan Antar Variabel
Uji chi-square membantu dalam menentukan apakah ada hubungan yang signifikan antara dua variabel kategori. Hal ini penting untuk memahami dinamika antar variabel dalam berbagai konteks penelitian.
*Mengidentifikasi Perbedaan
Dalam analisis data, chi-square test digunakan untuk mengidentifikasi perbedaan dalam distribusi frekuensi antar kelompok, yang bisa sangat berguna dalam bidang seperti pemasaran, psikologi, dan ilmu sosial lainnya.
Tahapan Chi-Square Test
Langkah – langkah dalam pengujian Chi-square yaitu sebagai berikut.
- Merumuskan hipotesis H0 dan hipotesis H1
- Menetapkan alpha atau taraf signifikansi (umumnya menggunakan alpha 5%)
- Menghitung statistik uji
- Melakukan pengujian dan interpretasi hasil
Rumus pada uji Chi–square sebenarnya tidak hanya ada satu. Apabila pada tabel kontingensi 2 X 2 maka rumus yang digunakan adalah Continuty Correction. Apabila tabel kontingensi 2 X 2, tetapi tidak memenuhi syarat dalam uji Chi-square maka rumus yang digunakan adalah Fisher Exact Test. Sedangkan apabila tabel kontingensi lebih dari 2 X 2 misal 2 X 3 maka rumus yang digunakan adalah Pearson Chi-square.
Kelebihan dan Kelemahan
Terdapat beberapa kelebihan dan kelemahan pada uji chi-square diantaranya adalah sebagai berikut.
Kelebihan
- Sederhana dan Mudah Dipahami
Uji chi-square menggunakan formula yang relatif sederhana, sehingga mudah dipahami bahkan oleh mereka yang baru mempelajari statistik. - Analisis Data Kategorikal
Uji ini sangat cocok untuk menganalisis data kategorikal, contoh data kategorikal diantaranya seperti jenis kelamin, warna favorit, atau status pernikahan. - Tidak Membutuhkan Asumsi Distribusi Normal
Berbeda dengan banyak uji statistik lainnya, uji chi-square tidak memerlukan asumsi bahwa data harus berdistribusi normal. - Fleksibelitas
Dapat digunakan untuk berbagai macam analisis, termasuk uji kecocokan (goodness of fit), uji kemandirian (test of ndependence), dan uji homogenitas. - Apliksi Penerapan Luas
Uji chi-square digunakan dalam berbagai bidang seperti biologi, kedokteran, ilmu sosial, pemasaran, dan lainnya untuk menguji hipotesis tentang distribusi frekuensi.
Kelemahan
- Sensitivitas terhadap Ukuran Sampel
Uji chi-square sangat sensitif terhadap ukuran sampel. Ukuran sampel yang terlalu kecil dapat menghasilkan hasil yang tidak dapat diandalkan, sementara ukuran sampel yang sangat besar dapat menyebabkan uji menjadi terlalu sensitif dan mendeteksi perbedaan yang tidak bermakna secara praktis. - Tidak Dapat Digunakan untuk Data Kontinu
Uji Chi- Square hanya dapat digunakan untuk data kategorikal. Untuk data kontinu, data harus diubah menjadi kategori, yang dapat menyebabkan hilangnya informasi. - Frekuensi Harapan
Untuk hasil yang dapat diandalkan, uji chi-square menyaratkan bahwa frekuensi harapan dalam setiap sel tabel kontingensi tidak boleh terlalu kecil (idealnya tidak kurang dari 5). Ini dapat menjadi kendala dalam analisis data dengan banyak kategori atau sampel yang kecil. - Keterbatasan dalam Analisis Multivariat
Uji chi-square terbatas pada analisis dua variabel (univariat atau bivariat) dan tidak cocok untuk analisis multivariat yang melibatkan lebih dari dua variabel tanpa modifikasi atau penggunaan metode statistik tambahan. - Keterbatasan Interpretasi
Meskipun uji chi-square dapat menunjukkan adanya asosiasi antara variabel-variabel kategorikal, uji ini tidak memberikan informasi tentang kekuatan atau arah hubungan tersebut.
Tutorial SPSS Uji Chi-Square
Studi Kasus
Studi kasus pada artikel kali ini akan menggunakan data yang serupa dengan data pada artikel sebelumnya yakni pada artikel pengujian Chi-Square dengan R Studio. Dalam hal ini data yang digunakan merupakan data keterlibatan warga baik laki-laki dan perempuan pada kegiatan kerja bakti di suatu wilayah. Selengkapnya data bisa diakses disini.
Dataset terdiri atas 99 data, dimana terdiri atas 2 variabel yaitu: Variabel Jenis Kelamin dan Variabel Kerja Bakti. Kedua variabel tersebut merupakan variabel kategorik yang bersifat nominal. Adapun untuk Variabel Jenis Kelamin terdiri atas 2 kategori (Laki-laki dan Perempuan), sedangkan Variabel Kerja Bakti juga terdiri atas 2 kategori (Terlibat dan Tidak)
- .Buka software SPSS, kemudian entry data pada variable view dan data view.
Pada bagian data view berisi data-data dari masing-masing variabel, sedangkan untuk bagian variable view berisi pendefinisian dari masing-masing (khususnya terkait jenis data pada bagian measure).
3. Tahapan berikutnya klik Analyze lalu klik Descriptive Statistics, kemudian klik Crosstabs
4.Selanjutnya akan muncul tampilan dialog box seperti halnya pada Gambar 4., dalam hal ini untuk bagian Row(s) kita isi dengan variabel Jenis_Kelamin, lalu untuk bagian Column(s) diisi dengan variabel Kerja_Bakti. Kemudian, tak lupa, kita juga perlu klik pada bagian Statistics.
5. Apabila kita klik pada bagian Statistics , nantinya akan muncul tampilan seperti pada Gambar 5. Dalam hal ini, kita centang pada bagian Chi- Square, lalu kita klik Continue.
Gambar 5. SPSS Tahap 4
6. Setelah itu nantinya akan muncul kembali tampilan SPSS seperti halnya pada Gambar 4. Dalam hal ini sekarang kita klik tombol Cells, seperti yang terlihat pada Gambar 6.
7. Nantinya akan muncul tampilan seperti Gambar 7. Kemudian pada display Crosstabs: Cell Display, dalam hal ini pada bagian Counts, kita centang pada bagian Observed dan bagian Expected. Lalu kita klik Continue.
Pembahasan Hasil Output SPSS
Setelah klik OK, maka didapatkan hasil output SPSS sebagai berikut.
Berdasarkan hasil output SPSS pada Gambar 8. diketahui bahwa terdapat 99 data dimana seluruhnya diproses dalam analisis. Artinya tidak ada missing value atau data yang hilang sehingga tingkat kevalidan penggunaan data dalam pada proses chi-square valid 100%.
Gambar 9. Hasil Output SPSS (2)
Selanjutnya didapatkan pula hasil output SPSS seperti yang terlampir pada Gambat 9. , dalam hal ini output di atas menampilkan tabel tabulasi silang yang menunjukkan hubungan antara variabel Jenis Kelamin dan variabel Kerja Bakti. Interpretasi dari output pada Gambar 9 di atas yaitu:
- Dari 99 data, secara keseluruhan terdapat data laki- laki yaitu sebanyak 47 orang dan perempuan sebanyak 52 orang. Adapun apabila ditinjau berdasarkan keterlibatan dalam kegiatan kerja bakti, diketahui bahwa terdapat 59 orang yang terlbat dan 40 lainnya tidak demikian.
- Nilai 41 pada baris pertama kolom pertama menunjukkan bahwa terdapat 41 orang laki-laki yang terlibat dalam kegiatan kerja bakti. Sedangkan 6 orang laki-laki lainnya tidak terlibat dalam kerja bakti ditunjukkan pada baris pertama kolom kedua.
- Nilai 18 pada baris ketiga kolom pertama menunjukkan bahwa terdapat 18 orang perempuan yang terlibat dalam kegiatan kerja bakti. Sedangkan 34 orang perempuan lainnya tidak terlibat dalam kerja bakti ditunjukkan pada baris ketiga kolom kedua.
Di awal artikel khususnya pada bagian deskripsi, telah disebutkan terkait hipotesis untuk pengujian chi-square. Namun dalam hal ini, penulisan hipotesis perlu dilakukan penyesuaian, sesuai data yang kita gunakan, di mana melibatkan variabel Jenis Kelamin dan variabel Kerja Bakti. Hipotesis dapat dituliskan sebagai berikut.
H0 : Tidak terdapat hubungan yang signifikan antara variabel Jenis Kelamin dan variabel Kerja Bakti.
H1 : Terdapat hubungan yang signifikan antara variabel Jenis Kelamin dan variabel Kerja Bakti.
Berdasal output SPSS pada Gambar 10. untuk interpretasil hasil pengujian chi- square, kita fokuskan pada nilai-nilai yang terdapat pada baris yang sama dengan baris “Continuity Correction” karena tabel kontingensi yang diuji merupakan tabel 2×2 dan tidak ada sel dengan nilai eskpektasi kurang dari 5. Dalam hal ini kita perhatikan nilai Asymptotic Significance (2- sided) atau yang biasa disebut dengan p-value, dimana nilainya sebesar 0.000. Namun, jika pada tabel 2×2 terdapat sel dengan nilai eskpektasi kurang dari 5, maka gunakan p-value pada baris “Fisher’s Exact Test“.
Apabila pada pengujian ini, kita menggunakan taraf signifikansi (alpha) sebesar 5% atau 0.05, maka didapatkan nilai Asymptotic Significance (2- sided) lebih kecil daripada p-value yakni 0.000 < 0.05. Sehingga dapat diambil keputusan bahwa Tolak H0, artinya terdapat hubungan yang signifikan antara variabel Jenis Kelamin dan variabel Kerja Bakti.
Referensi
Dewanti, D. (2023). Metode Statistika Populer untuk Penelitian. Bogor: Exsight.
https://www.spssindonesia.com/2015/01/uji-chi-square-dengan-spss-lengkap.html
Sekian penjelasan terkait Tutorial Chi-Square dengsn SPSS. Jika masih ada yang dibingungkan bisa langsung saja ramaikan kolom komentar atau hubungi admin melalui tombol bantuan di kanan bawah. Stay tuned di website https://exsight.id/blog/ agar tidak ketinggalan artikel-artikel menarik lainnya.
