uji chi-square dan uji z
DESCRIPTION
Langkah-langkah uji chi-square dan uji z pada spss disertai dengan contoh soal dan analisisnyaTRANSCRIPT
-
5/26/2018 Uji Chi-square Dan Uji z
1/18
UJI CHI-SQUARE DAN UJI Z
Makalah ini disusun untuk melengkapi tugas Mata Kuliah Aplikasi Matematika Komputer
Semester IV/2014
Disusun oleh :
Siti Komalasari (1112017000018)
Dosen Pengampu : Drs. Dindin Sobiruddin, M. Kom
Jurusan Pendidikan Matematika
Fakultas Ilmu Tarbiyah dan Keguruan
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
2014
-
5/26/2018 Uji Chi-square Dan Uji z
2/18
UJI CHI-SQUARE
Dalam kasus dimana variabel yang dihubungkan bersifat numerik, maka analisis
menggunakan korelasi merupakan salah satu pilihan. Namun, jika kedua variabel yang
dihubungkan bersifat kategorik, maka penggunaan analisis korelasi tidak bisa lagi digunakan
karena angka pada suatu kategori hanya berupa kode bukan nilai yang sebenarnya sehingga
operasi aritmatika tidak sah untuk kasus data kategorik. Alasan yang lain mengapa analisis
korelasi tidak bisa digunakan pada data kategorik karena salah satu tipe variabel kategorik
adalah nominal yang tidak bisa diurutkan kategorinya. Pemberian urutan yang berbeda jelas
akan memberikan nilai korelasi yang berbeda pula sehingga dua orang yang menghitung nilai
korelasi besar kemungkinan memberikan hasil yang tidak sama. Untuk itulah maka analisis chi-
square yang akan digunakan untuk mencari apakah ada hubungan (asosiasi) antar variabel-variabel kategorik tersebut Analisis chi-square didasarkan pada tabel kontingensi (sering iuga
disebut tabulasi silang). Tabel kontingensi adalah tabel yang sel-selnya berisi frekuensi dari
perpotongan baris dan kolom.
a. Uji Chi-Square dengan menu Analyze Descriptive Statistics
Data dibawah digunakan untuk melihat hubungan antara tipe sekolah dengan gender,
apakah ada kecenderungan sekolah swasta lebih banyak murid perempuan jika dibandingkandengan sekolah negeri.
Data
SekolahGender
TotalLaki-Laki Perempuan
Negeri 77 91 168
Swasta 14 18 32
Total 91 109 200
Prosedur Analisa
1. Masukkan data pada Variable View
-
5/26/2018 Uji Chi-square Dan Uji z
3/18
2. Isi data yang akan di uji pada Data View sebanyak 200 data
3. Pilih menu Analyze Descriptive Statistics Crosstabs
-
5/26/2018 Uji Chi-square Dan Uji z
4/18
4. Masukan Variabel :
5. Klik Statistics
-
5/26/2018 Uji Chi-square Dan Uji z
5/18
6. Centang Chi-square lalu Continue
7. Kemudian Klik Cells
8. Centang Abserved dan Row. Kemudian Klik continue OK
-
5/26/2018 Uji Chi-square Dan Uji z
6/18
OUTPUT
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Sekolah * Gender 200 100.0% 0 0.0% 200 100.0%
Tabel Kontingensi
Sekolah * Gender Crosstabulation
Gender Total
Laki-laki Perempuan
Sekolah
Negeri
Count 77 91 168
% within Sekolah 45.8% 54.2% 100.0%
SwastaCount 14 18 32
% within Sekolah 43.8% 56.2% 100.0%
TotalCount 91 109 200
% within Sekolah 45.5% 54.5% 100.0%
Informasi mengenai proporsi jumlah Laki-laki dan Perempuan berdasarkan Kategori
Sekolah. Terlihat persentasi/proporsi jumlah laki-laki di sekolah negeri dan swasta relatif sama,
begitu pula dengan siswa perempuan.
Uji Chi-Square
Chi-Square Tests
Value df Asymp. Sig. (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square .047a 1 .828
Continuity Correctionb .001 1 .981
Likelihood Ratio .047 1 .828
Fisher's Exact Test .849 .492
Linear-by-Linear Association .047 1 .829
N of Valid Cases 200
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 14.56.
b. Computed only for a 2x2 table
-
5/26/2018 Uji Chi-square Dan Uji z
7/18
Terlihat dari hasil uji Pearson Chi-square di dapat nilai signifikan (p-value) = 0,828
sehingga keputusan yang kita ambil adalah menerima Ho yang berarti bahwa tidak ada
perbedaan yang signifikan proporsi laki-laki dan perempuan antara sekolah Negeri dengan
sekolah swasta.
b. Uji Chi-Square dengan menu Analyze Nonparametrics Tests
Manajer pemasaran PT ENAK yang menjual permen dengan empat macam warn, ingin
mengetahui apakah konsumen menyukai keempat warna permen tersebut. Untuk itu dalam
waktu satu minggu diamati pembelian permen di suatu outlet dan berikut hasilnya:
Warna Jumlah
Merah 35
Kuning 10
Hijau 28
Putih 27
Dalam hal ini manajer pemasaran tersebut mengharapkan keempat warna permen tersebut
disukai secara merata, yang berarti mengikuti distribusi uniform/seragam.
1. Masukkan data pada Variable View
2. Isikan data pada Data View
-
5/26/2018 Uji Chi-square Dan Uji z
8/18
3. Lakukan proses Weight Cases untuk menghubungkan dengan variabel jumlah melalui
menu Data Weight Case lalu klik Ok
4. Klik menu Analyze Nonparametic Tests Legacy Dialogs Chi-square
-
5/26/2018 Uji Chi-square Dan Uji z
9/18
5. Masukkan variabel Warna pada Test Variabel List
Expected Range, karena akan dihitung dari data kasus, maka pilih Get from data
Expected Value, karena distribusinya uniform, pilih All categories equal
Klik Ok
Hasilnya Sebagai Berikut:
Warna
Observed N Expected N Residual
Merah 35 25.0 10.0
Kuning 10 25.0 -15.0
Hijau 28 25.0 3.0
Putih 27 25.0 2.0
Total 100
-
5/26/2018 Uji Chi-square Dan Uji z
10/18
Test Statistics
Warna
Chi-Square 13.520a
df 3
Asymp. Sig. .004
a. 0 cells (0.0%) have expected
frequencies less than 5. The minimum
expected cell frequency is 25.0.
Berdasarkan perbandingan Chi-Square Hitung dengan Chi-Square tabel, dari hasil
analisis diperoleh Chi-Square Hitung sebesar 13,520, sementara diketahui bahwa nilai Chi-
Square Tabel untuk = 5%, df=3 sebesar 7,814728.
Karena Chi-Square Hitung > Chi-Square Tabel maka Ho ditolak. Dari hasil analisis
diketahui nilai Asymp.Sig adalah 0,004 dimana nilai tersebut lebih kecil dari nilai = 5%. Dengan
demikian diputuskan bahwa Ho ditolak.
c. Uji Chi-Square dengan Excel
1. Masukkan data sebanyak 50
2. Masukkan DF mulai dari 0,5%, 1%, 2,5%, 5%, 10%, dan 25%
3. Masukkan fungsinya, yaitu dengan =CHIINV(B$1,$A2)
-
5/26/2018 Uji Chi-square Dan Uji z
11/18
UJI Z
a. Uji Z dengan SPSS
Pada dasarnya uji z adalah sama dengan uji t . Hnaya saja uji z ditujukan untuk jumlah
data yang relatif besar (> 10). Sebagai contoh , kita akan menggunakan data pada bab yang
digunakan pada uji t satu sampel dengan jumlah data yang lebih besar.
Berikut data yang akan digunakan
Berat Badan
Siswa
57
6354
51
62
50
60
68
-
5/26/2018 Uji Chi-square Dan Uji z
12/18
65
42
54
70
41
40
47
57
54
59
50
51
40
53
47
64
56
41
63
60
53
45
66
49
4550
48
62
68
67
57
43
49
58
5158
47
52
52
44
47
-
5/26/2018 Uji Chi-square Dan Uji z
13/18
63
1. Masukkan data tersebut pada SPSS.
2. Klik menu Analyze Compare Means One-Sample T test
3. Masukkan variabel Berat badan siswa. Pada kotak Test value masukkan angka 55 (nilai
yang akan diuji). Klik OK untuk melakukan perhitungan.
-
5/26/2018 Uji Chi-square Dan Uji z
14/18
Output
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
Berat Badan Siswa 50 57.70 11.125 1.573
Output pertama memberikan informasi mengenai jumlah data yang diolah. Kolom N
menunjukkan banyaknya data yang diolah. Kolom Mean menunjukkan rata-rata dari nilai data
dan kolom Std Deviation menunjukkan nilai standar deviasi.
One-Sample Test
Test Value = 55
t df Sig. (2-tailed) Mean Difference 95% Confidence Interval of the
Difference
Lower Upper
Berat Badan Siswa 1.716 49 .092 2.700 -.46 5.86
Pada output ke 2 ini memberikan nilai informasi untuk mengambil keputusan
Sebelum mengambil keputusan, tentukan :
Ho = berat rata-rata kelas 2 SMA adalah 55 kg
Hi = berat rata-rata kelas 2 SMA tidak sama dengan 55 kg
-
5/26/2018 Uji Chi-square Dan Uji z
15/18
Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai berikut :
Apabila probabilitas > 0.05 maka H0diterima
Apabila probabilitas < 0.05 maka H0 ditolak
Dari hasil di atas pada kolom Sig terlihat bahwa nilai probabilitas 0.092. Maka Ho ditolak (0.092
< 0.05) . Dengan demikian keputusan yang diambil adalah:
Jadi, berat rata-rata kelas 2 SMA tidak sama dengan 55 kg.
Apabila kita menggunakan tabel statistika, maka kita dapat menggunakan tabel t.
Sama dengan uji t, bedanya kasusnya banyak (lebih dari 30)
b. Uji Z dengan Excel
Perbedaan prestasi belajar Statistika Penelitian antara mahasiswa yang berasal dari lulusan SMA Jurusan
IPA dengan Non IPA pada program studi pendidikan Matematika FKIP UNIKAL. Penelitian dilakukan
terhadap mahasiswa (30 IPA dan 30 Non IPA). Misalkan data hasil penelitiannya sebagai berikut:
Responden Prestasi IPA Prestasi Non IPA
1 85 75
2 70 65
3 75 50
4 80 80
5 90 65
6 75 65
7 80 70
8 75 60
9 75 5010 60 40
11 80 65
12 75 60
13 65 75
14 70 50
15 75 75
-
5/26/2018 Uji Chi-square Dan Uji z
16/18
16 75 60
17 65 65
18 70 55
19 75 45
20 80 70
21 80 75
22 85 75
23 70 65
24 75 60
25 75 60
26 70 65
27 65 60
28 70 75
29 75 65
30 75 50
1. Masukkan data pada Excel sebanyak 30 responden beserta nilainya.
-
5/26/2018 Uji Chi-square Dan Uji z
17/18
2. Pilih menu Data, pada ujung paling kanan terdapat Data Analysis. Tools ini muncul jika
kita sudah mengaktifkannya.
3. Pilih z-test: two sample for means lalu klik OK
Dengan nilai P untuk uji satu sisi adalah nol dan nilai P untuk uji dua sisi adalah nol.
Zhitung = 1,644
Ztabel = 1,959
-
5/26/2018 Uji Chi-square Dan Uji z
18/18
Karena nilai Zhitung > Ztabel maka Ho ditolak dan H1 diiterima.
Dengan demikian, prestasi belajar Statistika Penelitian antara mahasiswa yang berasal
dari lulusan SMA Jurusan IPA dengan Non IPA berbeda secara signifikan sehingga perlu
disarankan agar prodi Pendidikan Matematika FKIP UNIKAL melakukan seleksi yang ketat
terhadap calon mahasiswa baru, terutama mengenai asal jurusan calon mahasiswa.