Chi-Square atau uji keselarasan merupakan salah satu uji yang paling sering digunakan dalam menganalisis data berskala nominal, bertujuan untuk menguji signifikan pada suatu sampel, uji homogenitas, uji independent dan uji goodness of fit tes.
Uji goodness of fit tes hanya saja untuk membandingkan dua distribusi data, yaitu apakah sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis (frekuensi harapan) dan dibandingkan dengan dengan kenyataan yang ada (observasi). Kali ini kita akan menggunakan chi-square untuk menguji perbedaan antara distribusi frekuensi harapan dengan observasi.
Uji goodness of fit tes hanya saja untuk membandingkan dua distribusi data, yaitu apakah sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis (frekuensi harapan) dan dibandingkan dengan dengan kenyataan yang ada (observasi). Kali ini kita akan menggunakan chi-square untuk menguji perbedaan antara distribusi frekuensi harapan dengan observasi.
Contoh:
Manajer pemasaran Dealer menyediakan 4 warna honda scoopy yang hendak dijual kepada konsumen, selama ini manajer pemasaran menganggap bahwa tidak semua konsumen yang hendak membeli mereka sama-sama menyukai ke empat warna honda Scoopy berupa Scoopy sporty merah metalik, Sporty putih bergaris orange, Scoopy playful Cream, Scoopy putih biru. untuk itu manajer pemasaran ingin mengetahui apakah anggapan tersebut benar bahwa semua konsumen menyukai ke empat warna honda scoopy. untuk membuktikan anggapannya manajer menggunakan 20 orang responden. Berikut data pilihan dari 20 responden.
Hipotesis:
H0: tidak semua konsumen menyukai sama-sama ke empat warna honda Scoopy yang ada
H1: semua konsumen menyukai sama-sama ke empat warna honda Scoopy yang ada
Pengujian Statistik: taraf signifikan (95% atau 0.05)
jika chi-square hitung < chi-square tabel atau nilai probabilitas > 0.05, maka H0 diterima
jika chi-square hitung > chi-square tabel atau nilai probabilitas < 0.05, maka H0 ditolak
Langkah-langkah menggunakan SPSS
1. buka aplikasi SPSS
2. Lalu klik variabel view (ada di pojok bawah sebelah kiri) untuk mengisi variabel
3. Lalu isi variabel view (kolom name ketik Warna, Type isi Numeric, Decimals ketik 0, Label ketik Warna Honda Scoopy, Value lihat posisi tanda panah seperti gambar di bawah lalu klik kemudian pada kolom value ketik 1 lalu pada kolom Label ketik Sporty putih bergaris orange lalu klik Add, begitu juga untuk yang ke 2=Scoopy sporty merah metalik, 3=Scoopy playful Cream, 4=Scoopy putih biru, Measure ketik Nominal) sedangkan kolom lain abaikan saja. atau caranya dapat dilihat seperti gambar berikut:
4. Selanjutnya kita isi data pilihan warna yang telah dipilih oleh responden berupa skala nominal dengan cara: klik data view (ada di pojok bawah sebelah kiri), lalu ketik seperti gambar dibawah. Jika data sudah selesai di isi selanjutnya pada menu toolbar paling atas pilih Analyze---> Nonparametric Tests---> Legacy Dialogs---> klik Chi-square. atau caranya seperti gambar berikut:
5. Jika sudah mengikuti sesuai dengan perintah di atas maka muncul halaman Chi-square test, selanjutnya kita akan mengisi kotak Chi-square test. dengan cara pindahkan warna honda scoopy (warna) yang ada pada kotak sebelah kiri ke dalam kotak sebelah kanan (Test Variable List) seperti pada gambar
6. Selanjutnya klik OK
Analisis
Dari hasil output dapat kita ketahui bahwa pada bagian Warna Honda Scoopy kolom Observed N masing-masing warna pilihannya berbeda, artinya warna Sporty putih bergaris orange 8 orang, warna Scoopy sporty merah metalik 3 orang, warna Scoopy playful Cream 5 orang, warna Scoopy putih biru 4 orang. jadi jumlah keseluruhan pemilih ada 20 orang. Pada kolom Expected N dapat dijelaskan karena pilihan responden tidak semua warna sama, maka masing-masing warna yang dipilih berbeda, jadi anggapan manajer dalam hal ini sudah mendekati kebenarannya (nilai 5 diperoleh dari 20 responden dibagi 4 warna). sedangkan Residual tersebut artinya sisanya dari masing-masing warna (nilai residual+expected atau nilai ecpected-residual maka akan menghasilkan nilai observed N setiap warna).
Selanjutnya kita akan menganalisis bagian hasil Test Statistics, dari hasil tersebut diperoleh nilai Chi-square hitung 2.800. nilai tersebut kita bandingkan dengan nilai chi-square tabel, nilai schi-square tabel di dapat 7.81. dan nilai Asymp. sig (probabilitas) diperoleh 0.423.
Tinjau pengujian statistik:
Karena chi-square hitung < chi-square tabel yaitu: 2.800 < 7.815 dan nilai sig >0.05 yaitu 0.423. maka dalam hal ini H0 diterima.
Kesimpulan:
Berdasarkan pengujian statistik diatas maka dapat di ambil kesimpulan bahwa tidak semua konsumen menyukai sama-sama ke empat warna honda Scoopy yang ada, maka dalam hal ini pihak manajer pemasaran sudah benar anggapannnya.
Social Plugin