Ada beberapa jenis tes chi-kuadrat tetapi yang paling umum adalah Pearson chi-kuadrat yang memungkinkan kita untuk menguji independensi dari dua variabel kategori. Semua tes chi-kuadrat didasarkan atas distribusi chi-kuadrat, mirip dengan cara t-tes, sama halnya dengan distribusi atau uji-F yang didasarkan pada distribusi F.
Misalkan kita memiliki hipotesis bahwa tingkat kelulusan / kegagalan dalam sebuah kelas matematika tertentu berbeda untuk laki-laki dan perempuan. Katakanlah kita mengambil sampel acak dari 100 siswa dan mengukur kedua jenis kelamin (laki-laki/wanita) dan status kelulusan (lulus/gagal) sebagai variabel kategorik.
Tabel 1. Data tingkat kelulusan kelas matematika tersebut akan menjadi sebagai berikut:
Misalkan kita memiliki hipotesis bahwa tingkat kelulusan / kegagalan dalam sebuah kelas matematika tertentu berbeda untuk laki-laki dan perempuan. Katakanlah kita mengambil sampel acak dari 100 siswa dan mengukur kedua jenis kelamin (laki-laki/wanita) dan status kelulusan (lulus/gagal) sebagai variabel kategorik.
Tabel 1. Data tingkat kelulusan kelas matematika tersebut akan menjadi sebagai berikut:
Hipotesis Null: Distribusi frekuensi beberapa kejadian yang diamati pada sebuah sampel konsisten dengan distribusi teoritis tertentu
1. Ketika menjalankan SPSS 17.0, maka input data yang dimasukkan adalah sebagai berikut:
Perhatikan struktur data awal (tabel 1), kolom 1 dan baris satu
menunjukkan perhitungan siswa laki-laki yang lulus, yaitu 30. Kemudian
kolom 1 dan baris 2 menunjukkan siswa perempuan yang lulus, yaitu 36.
Kolom 2 dan baris 1 menunjukkan siswa laki-laki yang tidak lulus, yaitu
14. Sedangkan kolom terakhir 2 dan baris 2 menunjukkan siswa perempuan
yang tidak lulus, yaitu 34. Ini merupakan pola perhitungan crosstab (tabulasi silang) dalam statistik.
2. Setelah data diinput maka anda adalah harus menegaskan kepada SPSS bahwa variabel PERHITUNGAN mewakili frekuensi untuk masing-masing unik pengkodean BARIS dan KOLOM, dengan menerapkan perintah DATA – WEIGHT CASE seperti gambar berikut ini:
2. Setelah data diinput maka anda adalah harus menegaskan kepada SPSS bahwa variabel PERHITUNGAN mewakili frekuensi untuk masing-masing unik pengkodean BARIS dan KOLOM, dengan menerapkan perintah DATA – WEIGHT CASE seperti gambar berikut ini:
3. Setelah muncul kotak dialog, pilih variabel PERHITUNGAN, pilih “weight case by” kemudian pindahkan variabel PERHITUNGAN dengan mengklik tanda panah seperti berikut:
4. Setelah itu pilih Analyze – Descriptive Statistic – Crosstabs, kemudian akan muncul kotak dialog seperti berikut ini:
Masukkan variabel baris ke ROW, dan variabel kolom ke COLUMN, sedangkan untuk variabel perhitungan tidak perlu lagi, karena sudah dilakukan pada tahap 3 diatas.
6. Setelah itu akan didapatkan output seperti berikut:
Setelah output didapat, maka nilai Pearson Chi-Square dibandingkan dengan Chi-square tabel. Pembandingan ini menggunakan derajat bebas dengan rumus (baris – 1)(kolom – 1) atau (2 – 1)(2 – 1) = 1. Maka nilai kritiknya pada tabel sebaran chi-square adalah 3,841 artinya Ð¥hitung > Xtabel atau 3,841 > 3,111 (lihat kembali tabel sebaran chi square). Dengan demikian Hipotesis Null tidak bisa diterima.
Dari hasil diatas dapat dilihat bahwa nilai Exact Sig.(2-sides) adalah 0,084 maka lebih besar dari titik kritis 0,05 (0,084 > 0,05). Dengan demikian dapat disimpulkan bahwa tidak ada hubungan antara jenis kelamin siswa kelas matematika dengan tingkat kelulusan.
Kamu bisa lihat aplikasi perhitungan manual uji pearson chi-square disini>>>
Social Plugin