Kalkulator Uji Chi-Square
Uji chi-square memeriksa apakah dua variabel saling bebas atau apakah data cocok dengan sebaran yang diharapkan. Masukkan tabel kontingensi di atas dan lihat statistik chi-square, derajat kebebasan, nilai-p, dan kesimpulannya secara instan, lengkap dengan koreksi Yates bila diperlukan. Pada tingkat signifikansi 5%, nilai-p di bawah 0,05 berarti tolak hipotesis nol.
Masukkan tabel kontingensi (frekuensi observasi). Baris dan kolom boleh 2 sampai 4.
Masukkan frekuensi observasi dan proporsi harapan untuk tiap kategori. Proporsi boleh ditulis sebagai rasio (misalnya 9, 3, 3, 1) atau sebagai peluang (0,5625; 0,1875; 0,1875; 0,0625) — alat akan menormalkannya.
Nilai kritis chi-square untuk derajat kebebasan 1 sampai 30. Pilih df dan tingkat kepercayaan untuk melihat satu nilai, atau gulir tabel lengkap di bawah.
Distribusi chi-square dan daerah kritis
Statistik uji chi-square mengikuti sebaran chi-square dengan derajat kebebasan (df) tertentu. Bila nilai χ² hitung jatuh di ekor kanan, melewati nilai kritis, hipotesis nol ditolak. Gambar di bawah memakai df = 1 dan contoh tabel 2×2 pada halaman ini.
χ² = 6,667 > 3,8415 — tolak H0 pada α = 0,05
Apa itu uji chi-square?
Uji chi-square adalah uji statistik untuk data kategorik. Ia membandingkan frekuensi yang diamati (O) dengan frekuensi yang diharapkan (E) bila hipotesis nol benar, lalu merangkum selisihnya dalam satu angka:
χ² = Σ (O − E)² / E
Semakin besar selisih antara yang diamati dan yang diharapkan, semakin besar nilai χ², dan semakin kecil nilai-p. Uji ini hanya memakai hitungan (frekuensi), bukan rata-rata atau simpangan baku. Karena itu ia tidak memakai skor-z dan tidak mengasumsikan data menyebar normal. Bila Anda bekerja dengan rata-rata dan simpangan baku, alat yang tepat adalah kalkulator distribusi t atau kalkulator galat baku.
Kapan memakai uji chi-square independensi dan kapan goodness-of-fit?
Pakai uji independensi bila Anda punya dua variabel kategorik dan ingin tahu apakah keduanya saling berhubungan. Contoh: apakah kepuasan pelanggan berhubungan dengan kanal pembelian (online atau offline)? Tabelnya berbentuk baris × kolom, dan hipotesis nolnya berbunyi kedua variabel saling bebas.
Pakai goodness-of-fit bila Anda punya satu variabel kategorik dan ingin tahu apakah sebarannya cocok dengan sebaran yang diharapkan. Contoh: apakah 556 kacang Mendel cocok dengan perbandingan 9:3:3:1? Di sini hanya ada satu baris frekuensi dan satu set proporsi harapan. Untuk peluang jumlah keberhasilan dalam percobaan tetap, alat yang sesuai adalah kalkulator distribusi binomial.
Bagaimana cara menghitung nilai harapan?
Nilai harapan (E) adalah frekuensi yang muncul bila hipotesis nol benar. Untuk uji independensi, nilai harapan tiap sel adalah:
E = (total baris × total kolom) / total keseluruhan
Contoh tabel 2×2 di atas: total baris pertama 30, total kolom pertama 30, total keseluruhan 60, sehingga E = 30 × 30 / 60 = 15,0 untuk keempat sel. Untuk goodness-of-fit, nilai harapan tiap kategori adalah total observasi dikali proporsi harapannya: 556 × 9/16 = 312,75 untuk kategori pertama Mendel.
Apa itu koreksi Yates dan kapan dipakai?
Koreksi Yates mengurangi tiap selisih |O − E| sebesar 0,5 sebelum dikuadratkan, khusus untuk tabel 2×2. Koreksi ini membuat uji lebih konservatif karena sebaran chi-square bersifat kontinu sedangkan hitungan bersifat diskret. Pakai koreksi Yates bila tabelnya 2×2 dan ukuran sampelnya kecil. Untuk tabel yang lebih besar, koreksi Yates tidak berlaku. Alat di atas menerapkan koreksi ini secara otomatis bila Anda mencentangnya pada tabel 2×2.
Contoh 1 — Tabel 2×2: apakah dua pilihan berhubungan?
Sebuah kelas mencatat 60 siswa: 10 memilih A dan suka matematika, 20 memilih A dan tidak suka, 20 memilih B dan suka, 10 memilih B dan tidak suka.
| Suka | Tidak suka | Total | |
|---|---|---|---|
| Pilihan A | 10 | 20 | 30 |
| Pilihan B | 20 | 10 | 30 |
| Total | 30 | 30 | 60 |
Nilai harapan tiap sel: E = 30 × 30 / 60 = 15,0. Statistik ujinya: χ² = (10−15)²/15 + (20−15)²/15 + (20−15)²/15 + (10−15)²/15 = 100/15 = 6,667. Derajat kebebasan df = (2−1)(2−1) = 1, dan nilai-p = 0,0098. Karena 0,0098 < 0,05, tolak H0 — pilihan berhubungan dengan kesukaan. Nilai kritisnya 3,8415 (95%) dan 6,6349 (99%). Koreksi Yates memberi χ² = 5,400 dengan nilai-p 0,0201, dan V Cramér = 0,333. Sebagai catatan, uji eksak Fisher memberi nilai-p 0,0194.
Contoh 2 — Survei pelanggan Indonesia: kepuasan dan kanal
Sebuah toko daring di Indonesia mensurvei 120 pelanggan: 45 puas lewat online dan 15 tidak puas; 25 puas lewat offline dan 35 tidak puas.
| Puas | Tidak puas | Total | |
|---|---|---|---|
| Online | 45 | 15 | 60 |
| Offline | 25 | 35 | 60 |
| Total | 70 | 50 | 120 |
Nilai harapan: 35,0; 25,0; 35,0; 25,0. Statistik ujinya χ² = 13,714, df = 1, nilai-p = 0,0002, dan V Cramér = 0,338. Karena nilai-p jauh di bawah 0,05, tolak H0 — kepuasan pelanggan bergantung pada kanal pembelian. Pelanggan online jelas lebih puas daripada pelanggan offline pada survei ini.
Contoh 3 — Tabel 2×3: tiga kelompok, dua hasil
Tabel [[6, 6, 14], [16, 21, 12]] dengan total N = 75 memberi χ² = 6,600, df = (2−1)(3−1) = 2, dan nilai-p = 0,0369. Nilai kritis 95% untuk df = 2 adalah 5,9915, jadi 6,600 > 5,9915 dan H0 ditolak pada α = 0,05. V Cramér = 0,297. Nilai harapan terkecilnya 7,63, semuanya di atas 5, sehingga tidak ada peringatan Cochran.
Contoh 4 — Goodness-of-fit: kacang Mendel
Gregor Mendel menghitung 556 kacang: 315 bulat kuning, 101 keriput kuning, 108 bulat hijau, dan 32 keriput hijau. Perbandingan yang diharapkan menurut hukum Mendel adalah 9:3:3:1.
| Kategori | Diamati | Proporsi | Diharapkan |
|---|---|---|---|
| Bulat kuning | 315 | 9/16 | 312,75 |
| Keriput kuning | 101 | 3/16 | 104,25 |
| Bulat hijau | 108 | 3/16 | 104,25 |
| Keriput hijau | 32 | 1/16 | 34,75 |
Statistik ujinya χ² = 0,470, df = 4 − 1 = 3, dan nilai-p = 0,9254. Nilai kritis 95% untuk df = 3 adalah 7,8147. Karena 0,470 jauh di bawah 7,8147 dan nilai-p jauh di atas 0,05, gagal tolak H0 — data Mendel cocok dengan perbandingan 9:3:3:1.
Contoh 5 — Kapan hasil kurang andal: sel harapan di bawah 5
Tabel [[8, 2], [3, 7]] dengan total N = 20 memberi nilai harapan 5,5; 5,5; 4,5; 4,5. Satu sel harapan bernilai 4,5, di bawah 5, sehingga alat menampilkan peringatan: satu sel harapan < 5 — hasil kurang andal, pertimbangkan uji Fisher. Statistik ujinya χ² = 5,05, df = 1, dan nilai-p = 0,0246. Nilai-p memang di bawah 0,05, tetapi pendekatan chi-square kurang akurat bila sel harapan terlalu kecil; untuk tabel 2×2 sekecil ini, uji eksak Fisher lebih tepat.
Apa arti nilai-p pada uji chi-square?
Nilai-p adalah peluang mendapatkan statistik χ² sebesar yang diamati, atau lebih besar, bila hipotesis nol benar. Nilai-p 0,0098 berarti: bila kedua variabel sungguh saling bebas, hanya ada peluang 0,98% untuk melihat perbedaan sebesar ini secara kebetulan. Bila nilai-p lebih kecil dari tingkat signifikansi α (biasanya 0,05), tolak H0. Nilai-p bukan peluang bahwa H0 benar. Penjelasan lengkap tentang nilai-p ada di artikel Apa Itu Nilai-p?, dan perhitungannya untuk skor-z ada di kalkulator nilai-p.
Uji chi-square di Excel
Excel tidak punya fungsi yang mengembalikan statistik χ² secara langsung; fungsi CHISQ.TEST hanya mengembalikan nilai-p. Untuk contoh 1 di atas, letakkan tabel observasi di A2:B3 dan tabel harapan di A6:B7, lalu:
=CHISQ.TEST(A2:B3; A6:B7) → 0,0098 (hanya nilai-p, bukan χ²)=CHISQ.DIST.RT(6,667; 1) → 0,0098=CHISQ.DIST(6,667; 1; TRUE) → 0,9902=CHISQ.INV.RT(0,05; 1) → 3,8415=CHISQ.INV.RT(0,05; 2) → 5,9915
Rumus memakai pemisah titik koma (;) seperti pada Excel berbahasa Indonesia. Bila Anda perlu interval kepercayaan atau margin kesalahan untuk proporsi, alat tersebut tersedia di situs ini.
Kesalahan umum
Memakai chi-square untuk rata-rata. Uji chi-square hanya memakai frekuensi hitungan. Untuk membandingkan rata-rata, pakai distribusi t. Memasukkan persen, bukan hitungan. Selalu masukkan jumlah orang atau kejadian, bukan persen; persen menghilangkan informasi ukuran sampel. Mengabaikan sel harapan kecil. Bila ada sel harapan di bawah 5, hasilnya kurang andal — gabungkan kategori atau pakai uji Fisher. Memakai koreksi Yates pada tabel besar. Yates hanya untuk 2×2. Menafsirkan nilai-p sebagai peluang H0 benar. Nilai-p mengukur kecocokan data dengan H0, bukan peluang H0 benar. Metode yang dipakai alat ini mengikuti metodologi situs ini.
Pertanyaan yang sering diajukan
Uji chi-square adalah uji statistik untuk data kategorik. Ia membandingkan frekuensi yang diamati dengan frekuensi yang diharapkan bila hipotesis nol benar, memakai rumus χ² = Σ (O − E)² / E. Nilai χ² yang besar berarti data jauh dari yang diharapkan, sehingga hipotesis nol diragukan.
Uji independensi memakai dua variabel kategorik dan menguji apakah keduanya saling bebas (misalnya kepuasan dan kanal pembelian). Goodness-of-fit memakai satu variabel kategorik dan menguji apakah sebarannya cocok dengan sebaran yang diharapkan (misalnya perbandingan Mendel 9:3:3:1).
Untuk uji independensi, nilai harapan tiap sel adalah (total baris × total kolom) / total keseluruhan. Untuk goodness-of-fit, nilai harapan tiap kategori adalah total observasi dikali proporsi harapannya.
Koreksi Yates mengurangi tiap selisih |O − E| sebesar 0,5 sebelum dikuadratkan. Koreksi ini hanya berlaku untuk tabel 2×2 dan membuat uji lebih konservatif, karena sebaran chi-square kontinu sedangkan hitungan bersifat diskret.
Pakai uji eksak Fisher bila tabelnya 2×2 dan ada sel harapan di bawah 5, atau bila ukuran sampel sangat kecil. Uji Fisher menghitung peluang eksak dari sebaran hipergeometrik, bukan memakai pendekatan chi-square, sehingga tetap akurat pada sampel kecil.
V Cramér mengukur seberapa kuat hubungan antarvariabel pada uji chi-square: V = √(χ² / (N · min(r−1, c−1))). Nilainya 0 sampai 1; untuk df = 1, sekitar 0,1 dianggap kecil, 0,3 sedang, dan 0,5 besar.
Uji chi-square memakai pendekatan terhadap sebaran chi-square yang kontinu. Bila nilai harapan terlalu kecil, pendekatan ini kurang akurat dan nilai-p bisa menyesatkan. Aturan praktisnya (Cochran): tidak ada sel harapan di bawah 1, dan tidak lebih dari 20% sel di bawah 5.
Ya. Uji chi-square hanya memakai frekuensi hitungan dari kategori. Untuk data kontinu seperti rata-rata dan simpangan baku, pakai uji-t atau uji-z, bukan chi-square.
Langkah Selanjutnya
Setelah menghitung uji chi-square, pahami arti nilai-p dan tingkat signifikansi pada artikel berikut.
Jelajahi Alat Lainnya
Kalkulator Nilai-p
Hitung nilai-p dari skor-z, t, chi-square, dan F.
Hitung → ● AktifKalkulator Distribusi t
Peluang, nilai-p dua sisi, dan nilai kritis t untuk df berapa pun.
Hitung → ● AktifKalkulator Distribusi Binomial
Peluang binomial, kumulatif, dan pendekatan normal serta Poisson.
Hitung → ● AktifKalkulator Skor-z
Ubah nilai mentah menjadi skor-z dan peluang normal.
Hitung →Sumber: NIST/SEMATECH e-Handbook of Statistical Methods, 1.3.6.6.6. Chi-Square Distribution (eda3666) dan 1.3.5.15. Chi-Square Goodness-of-Fit Test (eda35f). Lihat semua alat di kalkulator statistik.