UJI CHI KUADRAT

DAFTAR KONTINGENSI 2 X 2

KELOMPOK 2

NAMA KELOMPOK

1. NI NYOMAN MULIANI
2. NUR AIN R HIDIYA
3. RAHMI NINDY ARSYAD
4. INDRA DJAFAR

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN IPA

UNIVERSITAS NEGERI GORONTALO

1. Uji Chi Kuadrat Untuk Daftar Kontingensi 2 X 2
Bentuk khusus dari daftar baris kolom dikenal dengan nama daftar kontingensi.
Kekhususannya adalah bahwa daftar kontingensi diberi ukuran menurut banyak kategori
atau golongan dalam baris dan banyak kategori atau golongan dalam kolom.
Daftar kontingensi 2 x 2 berarti ada dua kategori dalam baris dan dua kategori dalam
kolom. Bentuknya seperti terlihat dalam daftar II (7)
Daftar II (7)
Pendapat terhadap wanita bekerja malam hari
Menurut jenis kelamin

jenis kelamin Pria Wanita Jumlah

Pendapat

Setuju 68 22 90

Tidak Setuju 38 57 95

Jumlah 106 79 185

Daftar II (7), mencatat pendapat 185 responden, terdiri atas 106 pria dan 79 wanita,
terhadap wanita yang bekerja dimalam hari. Dari 106 pria menyatakan 68 setuju dan 38
tidak setuju sedangkan dari 79 responden wanita menyatakan 22 setuju dan 57 tidak setuju.
Disini kita memiliki dua unsur atau faktor ialah jenis kelamin dan pendapat. Tiap faktor
dikategorikan menjadi dua kategori, yang pertama dalam pria dan wanita sedangkan faktor
kedua setuju dan tidak setuju. Dengan demikian terbentuk empat sel sebagai hasil
gabungan atau pertemuan atau persilangan kategori-kategori. Data yang ada dalam tiap sel
merupakan hasil pencacahan terhadap responden pria dan wanita dengan pendapatnya
masing-masing setuju dan tidak setuju.
Masalahnya sekarang adalah apakah pendapat dan jenis kelamin independen
ataukah tidak. Jika tidak independen, jadi pendapat bergantung pada jenis kelamin, bisa
 diteruskan dengan pertanyaan apakah pria atau wanitakah yang pendapatnya paling setuju,
misalnya.
Untuk menjawab hal seperti ini, ditempuh atau digunakan uji chi kuadrat terhadap
pasangan hipotesis nol (𝐻0 ) dan tandingan (𝐻1 ) berbentuk
𝐻0 : pendapat dan jenis kelamin independen
𝐻1 : pendapat dan jenis kelamin tidak independen
Secara umum apabila berhadapan dengan dua faktor, faktor I dan faktor II, yang
masing-masing terdiri atas dua kategori, maka hipotesisnya adalah
𝐻0 : faktor I dan faktor II independen
𝐻1 : faktor I dan faktor II tidak independen
Menggunakan keadaan umum ini, marilah kita lihat bagaimana pengujian dapat dilakukan.
Daftar VI (2)
Frekuensi pengamatan karena faktor I dan faktor II
Faktor I
Kategori A Kategori B Jumlah

Kategori n11 n12 nC

C
Kategori n21 n22 nD
Faktor II

D
Jumlah nA nB n

Daftar VI (2) melukiskan frekuensi pengamatan karena faktor I dan faktor II masing-masing terdiri
atas dua kategori. Keseluruhannya diamati sebanyak n responden atau obyek, yang tersebar dalam
empat sel sebanyak n11 dalam sel (A,C), n12 dalam sel (B,C), n21 dalam sel (A,D) dan n22 dalam
sel (B,D). Banyak atau frekuensi pengamatan kategori A ada nA , kategori B ada nB , kategori C
ada nC , kategori D ada nD , tentulah n = nA + nB + nC + nD .

Misalkan sekarang pA = peluang faktor I berkategori A, pB = peluang faktor I berkategori

B. Kedua peluang ini biasa dinamakan peluang kolom.
Kita juga misalkan adanya peluang baris, ialah pC = peluang faktor II berkategori C, pD =
peluang faktor II berkategori D. Jelas bahwa pA + pB = 1 dan demikian pula pC + pD =
1. Tentu saja kita punya peluang setiap sel, ialah pAC , pBC , pAD dan pBD .
Jika kedua faktor independen, jadi jika 𝐻0 benar, maka menurut Rumus II (4), Bab II,
peluang sel sama dengan hasil kali peluang kolom dan peluang baris yang membentuk sel
bersangkutan. Demikian misalnya, jika pAC = peluang pengamatan jatuh dalam sel (A,C)
maka pAC = pA . pC .
Peluang-peluang ini tidak diketahui dan karenanya diadakan penaksiran. Ternyata bahwa
titik taksiran untuk peluang kolom dan peluang baris, masing-masing adalah
𝒏𝑨 𝒏𝑪
𝒑𝑨 = 𝒑𝑪 =
𝒏 𝒏
𝒏𝑩 𝒏𝑫
𝒑𝑩 = 𝒑𝑫 =
𝒏 𝒏

Dengan didapatnya taksiran peluang ini, ekspektasi frekuensi tiap sel dapat dihitung
Besarnya adalah
𝒏 𝒏𝑪 𝒏𝑨 𝒏𝑪
𝑬(𝒏𝟏𝟏 ) = 𝒏. 𝒑𝑨 . 𝒑𝑪 = 𝒏. ( 𝒏𝑨)( )=
𝒏 𝒏
𝒏 𝒏𝑪 𝒏𝑩 𝒏𝑪
𝑬(𝒏𝟏𝟐 ) = 𝒏. 𝒑𝑩 . 𝒑𝑪 = 𝒏. ( 𝒏𝑩 )( )=
𝒏 𝒏
𝒏 𝒏𝑫 𝒏𝑨 𝒏𝑫
𝑬(𝒏𝟐𝟏 ) = 𝒏. 𝒑𝑨 . 𝒑𝑫 = 𝒏. ( 𝒏𝑨)( )=
𝒏 𝒏
𝒏 𝒏𝑫 𝒏𝑩 𝒏𝑫
𝑬(𝒏𝟐𝟐 ) = 𝒏. 𝒑𝑩 . 𝒑𝑫 = 𝒏. ( 𝒏𝑩 )( )=
𝒏 𝒏

Secara umum berlaku ekspektasi frekuensi dalam tiap sel ialah

Rumus VI (1)
𝒏𝒊 𝒏𝒋
𝑬(𝒏𝒊𝒋 ) = 𝒏

Dengan 𝑛𝑖𝑗 = frekuensi sel karena kategori i faktor I dan kategori j faktor II
𝑛𝑖 = frekuensi kategori i faktor I
𝑛𝑗 = frekuensi kategori j faktor II
Menurut yang disampaikan dalam bagian III.4.B, bab III, maka statistik
Rumus VI (2)
{𝒏𝒊𝒋 −𝑬(𝒏𝒊𝒋 )}𝟐
𝑿𝟐 = ∑ ∑ 𝑬(𝒏𝒊𝒋 )

Mendekati distribusi chi kuadrat yang memiliki derajat kebebasan dk = (b-1)(k-1) dengan
pengertian
b = banyak baris kategori
k = banyak kolom kategori dalam daftar kontingensi untuk daftar kontingensi 2 x 2, maka
dk = 1.
Sementara itu, beberapa literature menganti 𝑛𝑖𝑗 dan 𝐸(𝑛𝑖𝑗 ) dengan notasi lain. Kita tahu
bahwa
𝑛𝑖𝑗 = frekuensi sel sebagai hasil pengamatan atau observasi dari lapangan, dan karenanya
sering dinyatakan oleh 𝑜𝑖𝑗 (o = observasi);
sedangkan 𝐸(𝑛𝑖𝑗 ) adalah ekspektasi atau frekuensi yang diharapkan terjadi dalam
sel, dan dapat dilambangkan dalam sel, dan dapat dilambangkan oleh 𝑒𝑖𝑗 (e = ekspektasi).
Dalam notasi baru ini, maka rumus VI (2) menjadi

Rumus VI (3)

(𝑜𝑖𝑗 −𝑒𝑖𝑗 )
𝑋2 = ∑ ∑ 𝑒𝑖𝑗

dari rumus VI (2) mudah dilihat bahwa jika 𝑛𝑖𝑗 = 𝐸(𝑛𝑖𝑗 ) maka 𝑋 2 = 0. makin beda antara
𝑛𝑖𝑗 𝑑𝑎𝑛𝐸(𝑛𝑖𝑗 ), makin jauh harga 𝑋 2 dari nol. Sifat ini dipakai untuk menentukan batas
penolakan dan penerimaan 𝐻0 . Tentunya makin dekat 𝑋 2 kepada nol makin sama 𝐸(𝑛𝑖𝑗 )
kepada 𝑛𝑖𝑗 dan makin murni terjadinya independen antara factor. Dengan demikian perlu
dicari harga 𝑋 2 yang menjadi batas dengan sifat tersebut. Batas ini dapat dilihat dari daftar
distribusi 𝑋 2 , lihat lampiran daftar E menggunakan taraf nyata ∝ yang dipilih dan dk yang
sesuai.
Secara grafik, jika harga dari daftar 𝑋 2 kita sebut 𝑋02 , maka hal tersebut diatas dapat
digambarkan sebagai berikut.
𝑋 2 dari daftar distribusi chi kuadrat membagi kurva menjadi dua bagian, sebelah kanan
merupakan daerah kritis atau penolakan 𝐻0 dan sebelah kiri merupakan daerah penerimaan
𝐻0 . Jika 𝑋 2 dihitung dengan rumus VI (2) atau rumus VI (3) lebih besar atau sama dengan
𝑋02 , maka 𝐻0 ditolak dan disimpulkan bahwa kedua factor tidak independen. Dalam hal
lain, 𝐻0 diterima dan disimpulkan bahwa kedua factor independen.
Contoh
Daftar VI (1)
Harga frekuensi yang diharapkan untuk tiap sel. Kita gunakan rumus VI (1), didapat
106
𝑒11 = 90 x = 51,57
185
79
𝑒12 = 90 x = 38,43
185
106
𝑒21 = 95 x = 54,53
185
79
𝑒22 = 95 x = 40,57
185

Selanjutnya gunakan rumus VI (3) dan sebaiknya untuk itu buat daftar berikut.

𝒐𝒊𝒋 𝒆𝒊𝒋 𝒐𝒊𝒋 - 𝒆𝒊𝒋 (𝒐𝒊𝒋 - 𝒆𝒊𝒋 )𝟐 (𝒐𝒊𝒋 - 𝒆𝒊𝒋 )𝟐

𝒆𝒊𝒋
 68 51,57 16,43 269,9449 5,23
22 38,43 -16,43 269,9449 7,02
38 54,43 -16,43 269,9449 4,96
57 40,57 16,43 269,9449 6,65

Jumlah 23,86

Dengan dk = 1 dan ∝ = 0,05 dari daftar distribusi chi kuadrat didapat 𝑋02 = 3,84 dan
∝ = 0,01 didapat 𝑋02 = 6,63. jelas bahwa 𝑋 2 = 23,86 dari perhitungan berdasarkan data
pengamatan jatuh pada daerah kritis. Ini berarti 𝐻0 ditolak dan disimpulkan bahwa
pendapat dan jenis kelamin sangat saling bergantungan.
Perhitungan statistic 𝑋 2 dengan rumus VI (2) ataupun rumus VI (3) diperoleh dengan
melibatkan harga-harga ekspektasi 𝑒𝑖𝑗 . Perhitungan dapat dilakukan juga tanpa harus
menghitung terlebih dahulu harga-harga ekspektasi tiap sel. Untuk ini kita buat daftar
berikut
Daftar VI (4)
Bentuk Umum Daftar Kontingensi 2 x 2

Kat A ̅
Kat 𝑨 Jumlah

Kat B a b a+b

̅
Kat 𝑩 c d c+d

Jumlah a+c b+d N=a+b+c

+d
 Banyak pengamatan atau frekuensi dalam tiap sel digunakan notasi a, b, c, d untuk
̅ (bukan A)
memudahkan mengingat. Faktor I tetap dibagi dua kategori, ialah A dan 𝑨
̅ (bukan B). Dengan notasi baru ini, maka
sedangkan factor II dibagi menjadi B dan 𝑩
Rumus VI (4)
𝑁(𝑎𝑑−𝑏𝑐)2
𝑋 2 = (𝑎+𝑏)(𝑐+𝑑)(𝑎+𝑐)(𝑏+𝑑)

Dengan N = a + b + c + d dan 𝑋 2 mendekati distribusi chi kuadrat yang memiliki

dk = 1.
Menggunakan rumus baru ini untuk data dalam daftar VI (1) kita peroleh
185((68 x 57)−(22 x 38))2
𝑋 2 = (68+22)(38+57)(68+38)(22+57) = 23,88

Yang praktis sama dengan 𝑋 2 dihitung oleh rumus VI (3), (perbedaan karena pembulatan)
Ada catatan yang perlu mendapat perhatian dalam penggunaan rumus VI (2) atau
rumus VI (3) sehubungan dengan frekuensi diharapkan E(𝑛𝑖𝑗 ) atau 𝑒𝑖𝑗 . Statistik 𝑋 2 dalam
rumus-rumus itu, kita tahu mendekati distribusi chi kuadrat dengan dk = 1. pendekatan
distribusi ini dibuktikan secara matematis dan hanya benar apabila E(𝑛𝑖𝑗 ) atau 𝑒𝑖𝑗 harga-
harganya cukup besar (tepatnya harga-harga tersebut mendekati tak terhingga ∞). Oleh
karena itu, untuk penggunaan rumus tersebut ada peringatan mengenai harga-harga 𝐸(𝑒𝑖𝑗 )
atau 𝑒𝑖𝑗 ini. Yang lazim dan telah disepakati harga – harga E(𝑛𝑖𝑗 ) ≥ 5. akan tetapi, khusus
untuk daftar kontingensi 2 x 2, kesulitan ini dapat diatasi dengan jalan melakukan koreksi
terhadap rumus VI (4), dikenal dengan sebutan koreksi kontinyuitas atau jika dikatakan
menurut penemunya, disebut koreksi Yates. Sebenarnya koreksi yates ini berlaku baik bagi
keadaan dengan E(𝑛𝑖𝑗 ) < 5 maupun E(𝑛𝑖𝑗 ) ≥ 5, akan tetapi suatu keharusan jika memang
E(𝑛𝑖𝑗 ) < 5 . Rumus setatistik 𝑥 dengan koreksi yates ini adalah Rumus VI (5)
sebuah contoh untuk penggunaan rumus VI (5) adalah yang berikut.
Misalnya peran serta karyawan dalam membuat keputusan manajemen dipelajari untuk
mengetahui apakah ada kebergantungannya satu dengan yang lain ataukah tidak. Dari dua
sistem manajemen, satu peran serta karyawan diikutkan dan satunya lagi tidak, dicatat
persetujuan atau tidaknya terhadap keputusan manajemen. Data pengamatan memberikan
hasil sebaigai berikut.
 Daftar VI (5)
Peran Serta Karyawan dan Keputusan Manajemen

Ikut Tidak Jumlah

Setuju 7 6 13

Tidak 47 25 72

Jumlah 54 31 85

Meneliti daftar di atas, ada ekspektasi frekuensi sel

(54 x 13)
𝑒11 = = 8,26 > 5.
85
(13 x 31)
𝑒12 = = 4,74 < 5.
85
(54 x 72)
𝑒21 = = 45,7 > 5.
85
(31 x 72)
𝑒22 = = 26,3 > 5.
85

Hasil pengujian non signifikan sehingga dapat disimpulkan bahwa persetujuan

terhadap keputusan manajemen tidak bergantung pada diajak atau tidak diajaknya
karyawan berperan serta dalam membuat serta keputusan manajemen.
Jika rumus VI (4), tanpa koreksi Yates, yang digunakan maka diperoleh
85(7 𝑥 25−6 𝑥 42)2 85(175−252)2 503965
X2 = = =1.566.864 = 0,621
13 𝑥 72 𝑥 54 𝑥 31 1.566.864

Suatu harga yang lebih besar dari harga X2 dengan koreksi Yates. Memang dari rumus VI
(4) dan rumus VI (5) dapat dilihat bahwa harga X2 dengan rumus VI (4) selalu lebih besar.
Hal ini mengakibatkan lebih sering menolak H0 yang tidak perlu, jika rumus VI (4)
digunakan, sehingga pengujian H0 dengan rumus tersebut dalam hal ada E(nij) <5, supaya
dihindari.

VI.3 UJI EKSAK FISHER UNTUK DAFTAR KONTENGENSI 2 X 2

Uji independen antara dua faktor dalam daftar kontingensi 2 X 2 menggunkan uji
chi kuadrat sifatnya pendekatan bukan eksak, dalam bagian ini diberikan sebuah uji eksak
yang diturunkan oleh fisher dan karenya dikenal dengan nama uji eksak fisher, uji ini
memang perhitunganya agak bertele tele akan tetapi merupakan satu satunya cara uji eksak
yang baik lebih- lebih jika ukuran sampel N sekitar 40 atau kurang dan ada sel sel berisikan
frekuensi diharapkan kurang dari lima. Uji eksak fisher ini sama sekali tidak melibatkan
uji chi kuadrat akan tetapi langsung menggunakan peluang untuk menjelaskan uji ini kita
gunakan daftar VI(4

Dari daftar VI(4) mudah dilihat bahwa distribusi eksak untuk frekuensi hasil pengamatan
dengan ampling tanpa pengembalian dari populasi terhingga, adalah distribusi
hipergeometrik . jika kedua faktor independen yakni apabila H0 benar, peluang P untuk
komposisi pengamatan seperti dalam daftar VI(4) (dengan asumsi frekuensi marjin tetap ),
adalah
(𝒂+𝒃)!(𝒄+𝒅)!(𝒂+𝒄)!(𝒃+𝒅)!
𝑽𝑰(𝟔) … … … … … … … … … … . . 𝑷 = 𝒂!𝒃!𝒄!𝒅!𝑵!

Perhatikan contoh berikut

Everentt [9] memberikan contoh ada atau tidak adanya perasaan bunuh diri pada pasien
yang menderita psikotis dan neurotis
Datanya seperti dalam daftar berikut

Daftar VI(6)
Persaan bunuh diri pada pasien psikotis dan neurotis
Pasien Pasien
jumlah
psikotis neurotis

Perasaan
2(4) 6(4) 8
bunuh diri
Tidak ada
perasaan 18(16) 14(16) 32

bunuh diri

Jumlah 20 20 40
 Tampak bahwa frekuensi diharapkan (dalam tanda kurung) ada dua sel yang
berharga kurang dari lima, karena itu hubunga antara jenis pasien dan ada atau tidak adanya
perasaan bunuh diri diuji oleh eksak fisher dan bukan oleh chi kuadrat.
Dengan Rumus VI(6) kita peroleh
8! 32! 20! 20!
𝑃2 = = 0,095760
2! 6! 18! 14! 40!
(indeks P, diambil fdari frekuensi sel terakhir ialah 2 dalam sel atas; jadi diperoleh 𝑃2 ).
Dengan jumlah-jumlah frekuensi marjin tetap besarnya,frekuensi-frekuensi dalam badan
daftar dapat diarue menjadi dua macam yang melukiskaan penyebaran secara ekstrim
antara kelompok pasien terhadap gejala perasaan bunuh diri, kedua macam daftar
dimaksud dapat dilihat sebagai berikut.

Daftra VI(7)
Frekuensi-frekuensi ekstrim dari pada frekuensi yang diamati

(a) (b)

1 8 0
8
7 8
19 32 20
32
13 12
20 40 20
40
20 20
Menggunkan notasi indeks P seperti dijelaskan diatas dari daftar VI(7) bagian (a) dan (b),
rumus VI(^) berturut turut memberikan
8! 32! 20! 20!
𝑃1 = = 0,020160
1! 7! 19! 13! 40!
8! 32! 20! 20!
𝑃2 = = 0,001638
0! 8! 20! 12! 40!
Peluang diperolehnya frekuensi pengamatn dan peluang terjadinya penyebaran ektrim
adalah
𝑃 = 𝑃2 + 𝑃1 + 𝑃0 = 0,095760 + 0,020160 + 0,001638 = 0.117558
Diantara delapan pasien ang menderita perasaan bunuh diri, peluangnya bahwa dua atau
kurang menderita psokotis, jika kedua faktor independen, adalah 0.117558. untuk 𝛼 = 0,05
apalagi 𝛼=0,01. Tampak bahwa jumlah peluang ini lebih besar , kesimpulanya adalah tidak
ada petunjuk bahwa psokotis dan neurotis berbeda ditinjau dari gejala ada atau tidak adanya
perasaan bunuh diri.

VI.4 UJI Mc NEMAR : PERBANDINGAN FREKUENSI DALAM SAMPEL

BERPASANGAN
Uji chi kuadrat yang telah dibahas untuk analisis data dalam daftar kontingensi 2 X 2
ditunjukan untuk menguji hipotesis nol (H0) yang menyatakan bahwa kedua faktor
independen mlawan hipotesis tndingan (H1) kedua faktor independen, penyajian datanya
dibuat seperti dalam daftar VI(4).
Perhatikan bahwa faktor memiliki kategori yang berbeda, faktor I dengan kategori 𝐴 dan
𝐴̅(bukan A) sedangkan faktor II berkategori 𝐵 dan 𝐵̅ (bukan B), sekarang kita liat hal lain
yaitu kategori kedua faktor sama, misalnya 𝐴 dan 𝐴̅(bukan A) jadi faktor I dibagi menjadi
kategori 𝐴 dan 𝐴̅ faktor II juga dibagi menjadi kategori 𝐴 dan 𝐴̅,
Responden atau objek yang memiliki kategori sama,dicatat dikedua faktor atau sering
dikatakan dimasukan kedalam dua sampel yang berbeda, jika kedua sampel itu disebut
sampel I dan sampel II, maka skema daftar berikut dan hal seperti ini dimasukan dalam
sampel berpasangan .
Perhatikan bahwa untuk kedua sampel atau faktor kategori yang dicatat hanya dua iyalah
𝐴 dan 𝐴̅(bukan A) dan tidak ada kategori lain, misalnya 𝐵 dan 𝐵̅(bukan B) seperti dalam
daftar VI(4).
Daftar VI(8)
Frekuensi pengamatan dalam sampel berpasangan

̅
Kat 𝑨 Kat 𝑨 jumlah
 Kat 𝑨 a b a+b

̅
Kat 𝑨 C d a+d

Jumlah a+b b+d N

Dengan adanya sifat berpasangan ini, maka kedua sampel berkorelasi dan tentunya tidak
wajar berbicara soal independen, sebagai konsekuen dalam hal ini tidak lagi berbicara H0
dan H1 seperti yang telah diutarakan dan statik X2 yang telah diberikan tidak berlaku lagi,
sebagfai gantinya digunakan statik X2 ditentukan oleh McNemar yang dengan koreksi
kontinyuitas memiliki rumus sebagai berikut

(|𝑎 − 𝑑| − 1)2
𝑉𝐼(7) … … … 𝑋 2 =
𝑎+𝑑
Statik ini mendekati distribusi chi kuadrat dengan dk=1 dan dipakai untuk menguji
H0 : tidak ada perbedaan mengenai kategori A dalam kedua sampel
H1 : terdapat perbedaan mengenai kagegori A dalam kedua sampel.
Sebagai contoh, marilah kita perhatikan hal berikut .
Terhadap pasien terdiri atas 27 orang yang menderita depresi dilakukan pengobatan cara
tertentu, pasien tersebut dari karakteristik lain dapat dikelompokan kedalam yang memiliki
kepribadian (sampel I) dan tidak memiliki kepribadian (sampel II).pengobatan yang
dilakukan menghasilkan pasien sembuh atau tidak sembuh, data yang diperoleh adalah
sebagai berikut.
Daftar VI(9)
Kesumbuhan 27 pasien depresi

tidak Sembuh

Sembuh 6 15

tidak 3 3

Yang memberikan hasil uji nonsignifikan

Dapat disimpulkan bahwa hasil pengobatan diedua kelompok pasien tidak berbeda, ini
berarti bahwa masalah kepribadian tidak berkaitan dengan ramalan kesembuhan
pengobatan mengenai depresi pasien
Kita lihat bahwa uji McNemar ini berlaku untuk menangani dua sampel yang berkolerasi
sehingga dalam hal ini tidak lagi berbicara independen malainkan perubahan contoh diatas
telah memperlihatkan hal ini,
Uji McNemar juga sangat tepat untuk dipakai menguji adanya perubahan dalam penelitian
yang mempelajari sebelum dan sesudah” dengan demikian dapat sipakai untuk menguji
keefektifan suatu perlakuan, hal yang menyangkut efek perpindahan, misalnya dari daerah
pertanian kekota besar mengenai wawasan seorang dalam berpolitik uju Mcnemar
mmberikan jawaban yang sering dilakukan,penyajian data untuk keadaan ini tetap seperti
dalam daftar VI(8), hanya tentunya sampel I berubah menjadi “sebelun” sedangkan sampel
II menjadi “sesudah” sel a dan d berisikan responden yang jawabanya atau keadaanya
berubah pada sesudah dan sebelum perlakuan.
Tentu saja sel b dan c berisikan mereka yang jawabanya atau keadaannya teidak berubah
pada sebelum dan sesudah perlakuan.
Sebuah contoh perhatikan hal berikut.
Siegel [16] memberikan contoh bahwa anak anak yang baru masuk kesekolah pra TK
biasanya membuka hubungan antar pribadi dengan orang dewasa dan bukan dengan
sesama anak anak.
Dengan bertaambahanya kebiasaan dan pengalaman, kanak kanak akan semakin banyak
memulai hubungan sosial dengan kanak kanak lainnya dan bukan dengan orang dewasa,
untuk menguji hipotesis ini, diamati 25 kanak kanak pada hari pertama mereka masuk pra
TK dibuat kategori apakah hubungan itu ditunjukan kepada orang dewasa atau kanak
kakank lain.
Ke25 kanak kanak itu kemudian diamati lagi setelah satu bulan mereka di par TK dan catat
mengenai kategori yang sama.
Deperroleh data berikut,
Daftar VI(10)
Pendekatan sosial kanak kanak hari pertama dan hari ke 30
 Pendekatan kanak kanak hari ketiga
puluh

Kepada
Kepada
kanak jumlah
dewasa
kanak

Kepada
orang 14 4 18
Pendekatan
dewasa
awal kanak
kanak pada Kepada
kanak 3 4 7
hari
pertama kanak

jumlah 17 8 25

Dapat dibaca dari daftar dimuka bahwa ada empat anak yang hubungan sosialnya tetap
kepada orang dewasa dan 14 berubah dari dewasa kekanak kanak setelah atau ada di pra
TK selama 30 hari, sementara itu ada empat anak yang hubungan sosialnya berubah dari
kanak kanak kedewasa dan ada tiga anak yang tetap,
Dengan Rumus
(|𝟏𝟒 − 𝟒| − 𝟏)𝟐
𝑿𝟐 = = 𝟒, 𝟓𝟎
𝟏𝟒 + 𝟒
Yang hasilnya signifikan
Dapat disimpulkan bahwa kanak kanak menunjukan kecenderungan mengubah pendekatan
awal mereka dari kepada dewasa menjadi kepada kanak kana setelah mereka mendapatkan
pengalaman 30 hari di pra TK.

4. Alokasi Data Dalam Daftar Kontingensi 2x2

Misalkan ada dua populasi A dan B yang memiliki sifat-sifat berbeda. Dari populasi A
diambil sebuah sampel acak berukuran 𝑛𝐴 dan dari populasi B sebuah sampel acak
berukuran 𝑛𝐵 . Responden atau objek dalam tiap sampel dikenai perlakuan (misalnya tes
tertentu terhadap dua suku bangsa). Perlakuan ini dibuat sedemikian untuk mengalokasikan
 apakah responden atau objek termasuk A atau B. Jadi disini kita mengalokasikan objek
kedalam A atau B berdasarkan kelompok sebenarnya atau berdasarkan hasil perlakuan.
Alokasi sebenarnya tentu saja dilakukan pada awal kali sampel dari masing-masing
populasi diambil, asalkan saja kedua populasi telah didefinsikan dengan jelas dan tegas.
Alokasi berdasarkan perlakuan, dengan ciri-ciri perlakuan yang digunakan, menghendaki
tidak terjadi salah lokasi, namun hal demikian bisa saja terjadi. Persoalannya adalah apakah
perbedaan kedua populasi tercermin kan dalam perlakuan ataukah tidak.
Data hasil pengamatan dapat disusun dalam Daftar VI(11)
Daftar VI(11)
Alokasi sebenarnya dan alokasi perlakuan
Alokasi A B Jumlah
Sebenarnya

A a b 𝑛𝐴

B c d 𝑛𝐵

Jumlah a+c b+d n

Untuk mendapat hal diatas lakukan uji chi kuadrat menggunakan data hasil pengamatan
lalu data dalam daftar yang telah digunakan ini dialokasikan kembali atau disusun kembali,
tetap dalam daftar kontingensi 2x2, dan kemudin lakukan uji chi kuadrat terhadap data dalam
susunan daftar baru ini. Hasil uji dari kedua daftar kontingensi dibandingkan untuk melihat
kekonsistenan alokasi.
Sebuah contoh adalah seperti hal berikut :
Maxwell memberikan contoh penggunaan tes Rorschach kepada dua kelompok atau sampel
suku Indian A dan B yang masing-masing terdiri atas 41 dan 22 orang dewasa, diambil secara
acak dari sukunya masing-masing. Kedua suku ini, meskipun hidup berdekataan namun
memiliki kebiasaan, adat istiadat dan kepribadian yang berbeda. Pertanyaannya adalah apakah
perbedaan-perbedaan ini tercerminkan dalam tes Rorschach atau tidak.
Hasil tes terhadap 63 responden diacak sempurna dan diberikan kepada ahli psikologi ysng
berpengalaman mengenai penafsiran tes Rorschach. Perbedaan ciri-ciri kedua suku-suku juga
diberitahukan dan kepadanya dimintakan untuk mengalokasikan kedalam suku mana orang-
orang yang dites termasuk, berdasarkan pemeriksaan tes Rorschach yang ia lakukan. Hasil
alokasi tersebut seperti tampak dalam Daftar VI (12).
Daftar V (12)
Alokasi perorangan ke dalam suku
Alokasi Suku B Suku A Jumlah
Sebenarnya

Suku A 6 35 41

Suku B 10 12 22

Jumlah 16 47 63

Hipotesis nol yang akan diuji adalah bahwa tidak terdapat hubungan antara alokasi yang
dilakukan ahli psikologi dan alokasi sebenarnya.
Harga 𝑥 2 dihitung dengan koreksi Yates menghasilkan
𝑁(|𝑎𝑑−𝑏𝑐|−½(𝑁))2
𝑥 2 = (a+b)(c+d)(a+c)(b+d)
63(|6𝑥12−35𝑥10|−½(63))2
𝑥2 =
41x22x16x47
63(|278|−31,5)2
=
678.304
63(246,5)2
=
678.304
63(60.762,25)
=
678.304
3.828.021,75
=
678.304

= 5,6435 atau 5,644

Dengan dk = 1, hasil ini signifikan. Ini berarti alokasi psikologi terhadap orang-orang yang
di tes kedalam suku-sukunya yang benar tidak dilakukan secara kebetulan. Ini juga terlihat
35
dari proporsi alokasi benar = 0,74 yang lebih besar bila disbanding dengan proporsi
47
6
alokasi tidak benar = 16 = 0,38

Pertanyaan berikutnya adalah apakah proporsi orang yang diklasifikasikan secara benar itu
sama untuk tiap suku. Proporsi ini diperoleh dari sel-sel diagonal daftar kontingensi di atas
 35 10
dan besarnya adalah = 0,854 untuk sampel A dan = 0,455 untuk sampel B. untuk
41 22

menguji apakah kedua proporsi ini berbeda, data dalam daftar VI (12) perlu diatur atau
disusun kembali seperti tampak dalam Daftar VI (13) berikut.

Daftar VI (13)
Pengaturan kembali data Daftar VI (12)
Menurut Alokasi Benar dan Salah

Alokasi salah Alokasi benar Jumlah

Sampel A 6 35 41

Sampel B 12 10 22

Jumlah 18 45 63

Berdasarkan data dalam Daftar VI(13) ini, maka diperoleh statistic

𝑁(|𝑎𝑑−𝑏𝑐|−½(𝑁))2
𝑥2 =
(a+b)(c+d)(a+c)(b+d)

63(|6𝑥10−35𝑥12|−½(63))2
𝑥2 =
41x22x18x45
63(|360|−31,5)2
=
730.620
63(328,5)2
=
730.620
63(107.912,25)
=
730.620
6798471,75
=
730.620
= 9,3050
Yang hasilnya sangat signifikan. Akibatnya adalah hipotesis yang menyatakan proporsi
orang-orang yang diklasifikasikan benar menurut suku-sukunya tidak berbeda harus
dikesampingkan atau ditolak. Ahli psikologi telah berhasil lebih baik mengklasifikasikan
secara benar, orang-orang dari suku A dibanding dengan mengklasifikaskan orang-orang
dari suku B.

VI.6 Interval Taksiran

Apabila hasil uji statistik terhadap H0 berdasarkan data dalam daftar kontingensi 2
x2 ditolak, timbul masalah untuk menentukan taksiran berikut intervalnya mengenai
peristiwa yang diperhatikan. Untuk itu, disini diberikan cara pendekatan, bukan eksak,
yang disajikan oleh Cox [2], yang ternyata dianggap cukup memuaskan apabila tidak
terdapat E(𝑛𝑖𝑗 ) yang kecil.
Seperti biasa kita punya dua faktor atau atribut, ialah atribut x dan atribut y yang
dapat dicatat dari sebuah sampel acak diambil dari sebuah populasi. Catat adanya atau tidak
adanya atribut x atau y; jikat atribut ada beri lambang (1) dan jika atribut tidakada beri
lambang (o). Untuk anggota sampel yang memiliki kedua atribut, beri lambang X. Jika
sampel kita berukuran n, dengan uraian ini, maka diperoleh daftar data berikut.

Daftrar VI(14)
Ada atau tidak adanya atribut dalam sampel
Atribut x (o) Atribut x (1) Jumlah

Atribut y (o) 𝑛−𝑦

Atribut y (1) x y

Jumlah 𝐽2 𝐽1 n

Diasumsikan bahwa frekuensi data tetap dan X berdistribusi normal atau mendekati
distribusi normal, kita dapat menaksir kekeliruan standar atau galat baku dari rata-rata
sebenarnya untuk X dalam populasi. Caranya adalah sebagai berikut
Pertama, hitung proporsi (p) dalam sampel mengenai adanya atribut x; besarnya adalah
𝐽1
VI(8)…………………. p = 𝑛

Kemudian hitung varians proporsi tersebut dengan rumus

VI(9)………………….v = p(1-p)
Taksiran varians dari rata-rata sebenarnya untuk X dihitung menggunakan
𝑦(𝑛−𝑦)𝑣
VI(10)……………….. 𝜎2y = 𝑛−1

Menggunakan statistik dimuka, maka interval kepercayaan untuk rata-rata sebenarnya

dengan angka kepercayaan 𝛾, adalah
VI(11)…………………𝑋 − 𝑧 . 𝜎𝑦 < 𝜇𝑥 < 𝑋 + 𝑧 . 𝜎𝑦
Harga z diambil dari daftar normal standar dengan peluang 𝛾.
Jika ukuran sampel kecil, koreksi kontinyuitas dapat digunakan dan cukup dengan dengan
jalan mengurangi 0,5 dari batas bawah dan menambah 0,5 kepada batas atas interval yang
didapat oleh Rumus VI(11)
Perhatikanlah sekarang contoh berikut
Penduduk duatu desa sama-sama memiliki peluang yang sama untuk terkena infeksi
semacam virus. Setelah epidemi berlalu, diambil sebuah sampel acak dan banyak orang
yang disuntik dan tidak disuntik yang terkena infeksi dicatat. Misalkan hasil pengamatan
diberikan dibawah ini.
Daftar VI(15)
Keadaan Terkena Infeksi Virus
Tidak Infeksi Infeksi Jumlah

Tidak 42 37 79
Disuntik
Disuntik 29 12 41

Jumlah 71 49 120

49
P = 120 = 0,408 dan v = 0,408 (1- 0,408) = 0,408 (0,592) = 0,242
𝑦(𝑛−𝑦)𝑣
Sedangkan 𝜎2y =
𝑛−1
 41(120−41)(0,242)
=
120−1
41(79)(0,242)
=
120−1
783,838
=
119

= 6,587
Sehingga 𝜎y = √6,587 = 2,566
Untuk angka kepercayaan 𝛾 = 0,95 didapat z = 1,96 sehingga Rumus VI(11) memberikan
12 − (1,96)(2,566) < 𝜇𝑥 < 12 + (1,96)(2,566)
𝐴𝑡𝑎𝑢 6,971 < 𝜇𝑥 < 17,029
Penggunaan koreksi kontinyuitas menghasilkan 6,471 < 𝜇𝑥 < 17,529
Banyak orang yang terkena infeksi virus meskipun mereka telah disuntik, ditaksir antara 6
dan 17 orang. Kesimpulan dibuat berdasarkan sampel n =120 dan angka kepercayaan 𝛾 =
0,95
- RISIKO RELATIF
 ANALISIS UKURAN KESEHATAN
Untuk meneliti potensi
hubungan antara kondisi kesehatan dengan faktor-faktor lain, Menggunakan: Risiko
Relatif
 RISIKO RELATIF
Sebagai indikator pada penelitian kohort/prospektif Untuk menunjukkan rasio
angka insidens dari populasi terpapar dan tidak terpapar faktor resiko
 RISIKO RELATIF (RR)

Angka insidens pada populasi terpapar

RR=
Angka insidens pd. populasi tdk terpapar

Faktor risiko Penyakit Total

 Positif Negatif

Positif a b N1

Negatif c d N2

Total M1 M2 T

a/N1
RR=
c/N2
Contoh soal:
Penelitian tentang hubungan antara kehamilan di luar rahim dengan
pemakaian IUD. Untuk penelitian ini diambil sebanyak 100 orang yang memakai IUD dan
100 orang bukan pemakai IUD sebagai kelompok kontrol. Dari hasil
pengamatan selama 5 tahun menunjukkan bahwa dari 100 orang akseptor IUD terdapat
insidens kehamilan di luar rahim sebanyak 15 orang dan pada kelompok kontrol sebanyak
7 orang. Hitunglah besarnya resiko relatifnya!

Faktor risiko Penyakit Total

Positif Negatif
 Positif a b N1

Negatif c d N2

Total M1 M2 T

a/N1
RR=
c/N2

VI.8 GABUNGAN INFORMASI DARI BEBERAPA DAFTRA KONTINGENSI 2x2

Tidak jarang adanya penelitian hal yang sama dilakukan di beberapa tempat atau
daerah mengenai hal yang menyangkut asosiasi antara dua factor. Dari penelitian ini
dibeberapa daerah ini ingin diketahui bagaimana hasilnya jika digabungkan. Kita
membatasi diri pada analisis menggunakan daftar kontingensi 2 X 2. Maka dari itu ada
beberapa cara yang dianggap baik yang bias di lakukan yaitu : Metoda Akar Chi Kuadrat,
Metoda Cochran

A. METODE AKAR CHI KUADRAT

Jika ukuran sampel dalam tiap daftar kontingensi 2 X 2 tidak terlalu berbeda dan
proporsi dalam tiap daftar terletak antara sekitar 0,2 dan 0,8 maka metoda akar chi kuadrat
dapat digunakan. Caranya adalah sebagai berikut.
Dari tiap daftar hitung statistic x2nya, jadi diperoleh 𝑋12 , 𝑋22 , … , 𝑋𝑔2 . Tarik akarnya dari
tiap x2, jadi diperoleh x1,x2,….,xg lalu jumlahkan. Tanda untuk x diambil sesuai dengan
tanda perbedaan proporsi kedua kategori. Dalam statistic matematis telah dibuktikan
bahwa jika proporsi sama besar ( jadi jika H0 benar) statistic x mendekati distribusi normal
dengan rata-rata nol dan simpangan baku satu. Akibatnya, jumlah statistic x sebanyak g
 buah itu juga berdistribusi normal dengan rata-rata nol tetapi simpangan bakunya √g .
Karena itu, untuk menguji H0 , dapat digunakan statistic
𝑥1+𝑥2 + . . . .+ 𝑥𝑔
VI (18) . . . . z = √𝑔

Selanjutnya kriteria pengujian berdasarkan pada daftar distribusi normal baku dan taraf
nyata α yang dipilih.
Contoh :
Jenis Tumor (Jahat dan Jinak) pada Belahan Selaput Otak (kiri dan kanan) Pasien

Proporsi
Tempat Tumor
No Tumor Jahat Tumor X2 X
Tumor Jinak
Jahat

Belahan Kiri 17 5 0,2273

1 1,7935 1,3392
Belahan Kanan 6 5 0,4545

Jumlah 23 10

Belahan Kiri 12 3 0,2000

2 1,5010 1,2288
Belahan Kanan 7 5 0,4167

Jumlah 19 8

Belahan Kiri 11 3 0,2143

2,0036 1,4155
Belahan Kanan 11 9 0,4500

Jumlah 22 12

Sebagai contoh, proporsi tumor jahat pada sampel satu.

5
- Belahan Kiri = (17+5) = 0,2273
5
- Belahan Kanan = (6+5) = 0,4545
Selanjutnya, dapat dilihat bahwa untuk kegiga sampel, proporsi adanya tumor jahat pada
belahan selaput otak sebelah kanan selalu lebih besar dari prporsinya pada belahan sebelah
kiri. Ini menyatakan kepada kita bahwa tanda yang sama harus digunakan bagi x.
Dengan rumus VI(18) yang di peroleh
1,3392 +1,2288 +1,4155
z= = 2,30
√3
Membandingkan harga z = 2,30 ini dengan dari daftar normal baku untuk α = 0,05
memberikan hasil uji yang signifikan. Jadi dapat disimpulkan bahaw ada asosiasi nyata
antara jenir tumor dan belahan selaut otak.
Metoda Cochran ini dapat dikatakan “perbaikan” bagi penggunaan metoda akar chi
kuadrat. Tepatnya, apabila ukuran sampel-sampel penelitian yang akan digabungkan cukup
besar perbedaannya, jadi pernyaratan yang disebutkan dalam bagian VI.7.A tidak
terpenuhi, metoda Cochran harus digunakan dan bukan metoda akar chi kuadrat. Metoda
Cochran ini memanfaatkan pembobotan terhadap rata-rata mengenai perbedaan proporsi.
Misalkan :
ni1 dan ni2 jumlah frekuensi untuk kedua kelompok atau kategori
Pi1 dan Pi2 proporsi hasil pengamatan dalam kedua kelompok atau kategori.
ni1 Pi1 + ni2 Pi2
VI(19) . . . Pi =
ni1 + ni2
Qi = 1 – Pi

Maka statistic untuk Metoda Cochran adalah

VI(20) . . .

A. METODE COCHRAN
ni1 ni2
Dengan di = ( Pi1 – Pi2 ) dan wi = ni1 + ni2
Tampak bahwa Y dalam Rumus VI (20) merupakan rata-rata di boboti dari harga-harga di
= (Pi2 – Pi1 ). Jika hipotesis nol benar, yang berarti di = 0 ( karena H0 benar berarti Pi1 = Pi2
), maka statistic Y dalam Ruus VI(20) berdistribusi normal dengan rata-rata nol dan
simpanga baku satu. Kriteria pengujian selanjutnya diperoleh dari daftar normal baku
dengan tarah signifikan α yang dipilih.
Contoh :
Ada tiga daerah berdekatan, sebut A, B dan C. dari tiap daerah diambil sebuah
sampel acak anak laki-laki dan perempuan berumur 10 – 12 tahun. Terhadap anak-anak ini
diajukan pertanyaan apakah kelak ingin menjadi guru ataukah tidak. Hasil penelitian
meberikan data berikut.

Proporsi
Daerah Jenis Ya Tidak Jumlah
Ya

Laki-laki 8 42 50 0,1600
A
Perempuan 15 41 56 0,2679

Jumlah 23 83 106 0,2170

Laki-laki 12 22 34 0,3529
B
Perempuan 19 29 48 0,2958

Jumlah 31 51 82 0,3780

Laki-laki 13 47 60 0,2167
C
Perempuan 20 43 63 0,3175

Jumlah 22 90 123 0,2683

Data disamping terdiri atas tiga buah daftar kontingensi 2 X 2 dengan

memperhatikan proporsi anak-anak yang menjawab ya untuk menjadi guru cenderung
lebih besar ( 106 untuk daerah A, 82 untuk daerah B dan 123 untuk daerah C), sehingga
kenyataan-kenyataan tersebut dapat mendukung kita untuk menggunakan metoda
Coachran,
Dari daftar di muka kita dapatkan besaran-besaran berikut :
Daerah A : n11 = 50 n12 = 56
P11 = 0,1600 P12 = 0,2679
ni1 Pi1 + ni2 Pi2
Pi =
ni1 + ni2
50 𝑋 0,1600+56 𝑋 0,2679
P1 = = 0,2170
50+56

Qi = 1 – Pi
Q1 = 1 – 0,2170 = 0,7830
di = ( Pi1 – Pi2 )
d1 = 0,2679 – 0,1600 = 0,1079
ni1 ni2
wi =
ni1 + ni2
50 𝑋 56
w1 = = 26,4151
50+56

Daerah B : n21 = 34 n22 = 48

P21 = 0,3529 P22 = 0,3958
ni1 Pi1 + ni2 Pi2
Pi =
ni1 + ni2
34 𝑋 0,3529+48 𝑋 0,3958
P2 = = 0,3780
34+48

Qi = 1 – Pi
Q2 = 1 – 0,3780 = 0,6220
di = ( Pi1 – Pi2 )
d2 = 0,3958 – 0,3529 = 0,0429
ni1 ni2
wi =
ni1 + ni2
34 𝑋 48
w2 = = 19,9024
34+48

Daerah C : n31 = 60 n32 = 63

 P31 = 0,2167 P32 = 0,3175
ni1 Pi1 + ni2 Pi2
Pi =
ni1 + ni2
60 𝑋 0,2167+63 𝑋 0,3175
P3 = = 0,2683
60+63

Qi = 1 – Pi
Q3 = 1 – 0,2683 = 0,7317
di = ( Pi1 – Pi2 )
d3 = 0,3175 – 0,2167 = 0,1008
ni1 ni2
wi =
ni1 + ni2
60 𝑋 63
w3 = = 30,7317
60+63

Dengan g = 3 maka selanjutnya kita peroleh

= (26,4151 X 0,1079) + ( 19, 9024 X 0,0429) + (30,7317 X

0,1008) = 6,8013
= (26,4151 X 0,2170 X 0,7830) + (19,9024 X 0,3780 X 0,6220)
+ (30,7317 X 0,2683 X 0,7317)
= 15,2007
Dengan menggunakan rumus VI(20) kita dapatkan
6,8018
Y= = 1,74
(15,2007)1/2

Yang non signifikan pada taraf nyata 0,05 ( signifikan pada taraf 0,10).