Cara Uji Chi Square Menggunakan SPSS
Uji chi square untuk kasus satu sampel merupakan uji kebaikan sesuai (goodness of fit) artinya uji tersebut dapat digunakan untuk menguji apakah kesesuaian yang nyata antara banyaknya atau frekuensi yang diamati (observed) dengan banyaknya atau frekuensi objek yang diharapkan (expected) dalam tiap- tiap kategori. Banyaknya kategori bisa dua atau lebih. Derajat bebas untuk chi square adalah db = k -1.
Uji goodness of fit pada prinsipnya bertujuan untuk mengetahui apakah sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis tertentu atau tidak. Sebagai contoh, jika sebuah dadu dilempar, maka kemungkinan mendapat mata dadu 5 adalah 1/6, juga kemungkinan untuk angka yang lain. Ini yang disebut distribusi teoritis sebuah dadu, karena terdiri atas 6 mata dadu yang mempunyai kemungkinan seimbang untuk muncul dalam sekali pelemparan. Seandainya dilakukan pelemparan 120 kali, seharusnya setiap mata dadu secara teoritis akan muncul masing-masing 1/6 x 120 = 20 kali (angka 1 muncul 20 kali, angka 2 muncul 20 kali, dan seterusnya). Namun, tentu kenyataannya tidak persis sama, bisa saja angka 1 muncul hanya 10 kali, tapi angka 3 muncul 24 kali, dan kemungkinan lain. Untuk mengetahui apakah kenyataan tersebut masih bisa dianggap selaras (fit) dengan distribusi teoritis, digunakan uji goodness of fit. Dengan demikian, goodness of fit akan membandingkan dua distribusi data, yaitu yang teoritis (frekuensi harapan) dan yang sesuai dengan kenyataan (frekuensi observasi). Uji ini hampir sama dengan uji Binomial, hanya saja jika pada binomial ada dua kemungkinan jawaban, pada uji goodness of fit ada lebih dari dua kemungkinan.
Contoh: Seorang manajer pemasaran “Citra Rasa” selama ini menganggap bahwa konsumen sama-sama menyukai tiga warna kemasan roti rasa durian yang diproduksi yaitu putih, hijau dan kuning. Untuk mengetahui apakah pendapat manajer tersebut benar, kepada 12 orang responden ditanya warna kemasan roti durian yang paling disukai. Berikut data kuesioner tersebut:
Uji goodness of fit pada prinsipnya bertujuan untuk mengetahui apakah sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis tertentu atau tidak. Sebagai contoh, jika sebuah dadu dilempar, maka kemungkinan mendapat mata dadu 5 adalah 1/6, juga kemungkinan untuk angka yang lain. Ini yang disebut distribusi teoritis sebuah dadu, karena terdiri atas 6 mata dadu yang mempunyai kemungkinan seimbang untuk muncul dalam sekali pelemparan. Seandainya dilakukan pelemparan 120 kali, seharusnya setiap mata dadu secara teoritis akan muncul masing-masing 1/6 x 120 = 20 kali (angka 1 muncul 20 kali, angka 2 muncul 20 kali, dan seterusnya). Namun, tentu kenyataannya tidak persis sama, bisa saja angka 1 muncul hanya 10 kali, tapi angka 3 muncul 24 kali, dan kemungkinan lain. Untuk mengetahui apakah kenyataan tersebut masih bisa dianggap selaras (fit) dengan distribusi teoritis, digunakan uji goodness of fit. Dengan demikian, goodness of fit akan membandingkan dua distribusi data, yaitu yang teoritis (frekuensi harapan) dan yang sesuai dengan kenyataan (frekuensi observasi). Uji ini hampir sama dengan uji Binomial, hanya saja jika pada binomial ada dua kemungkinan jawaban, pada uji goodness of fit ada lebih dari dua kemungkinan.
Contoh: Seorang manajer pemasaran “Citra Rasa” selama ini menganggap bahwa konsumen sama-sama menyukai tiga warna kemasan roti rasa durian yang diproduksi yaitu putih, hijau dan kuning. Untuk mengetahui apakah pendapat manajer tersebut benar, kepada 12 orang responden ditanya warna kemasan roti durian yang paling disukai. Berikut data kuesioner tersebut:
Input data di atas ke dalam SPSS.Pada kolom Name ketik Nama dan Warna.
Pada kolom Type variabel Nama pilih String.Pada kolom Decimals angka ganti menjadi 0.Pada kolom Align isikan Center.Pada kolom Value variabel Warna isikan 1 = Putih, 2 = Hijau dan 3 = Kuning.Pada kolom Measure isikan Nominal.Untuk kolom-kolom lainnya biarkan saja (isian default).
Klik tab sheet Variable View pada SPSS data editor dan ketik/copy data sebagai berikut:
Selanjutanya klik Analyze => Nonparametrik Test => Legacy Dialogs => Chisquare.
Akan muncul kotak dialog Chi-square Test, masukan variabel Warna pada kotak Test Variable List.
Muncul output SPSS viewer menampilkan hasil sebagai berikut ini.
Membandingkan Chi-Square hitung dengan Chi-Square tabel. Pada output Test Statistics diperoleh angka Chi-Square hitung adalah 0,500, sedangkan nilai Chi-Square tabel adalah 5,991 (α = 0,05, di =
jumlah baris – 1 = 3 – 1 = 2). Karena Chi-Square hitung < Chi-Square tabel Ho diterima.
Membandingkan probabilitas (P-Value/ Sig.) dengan α. Karena angka pada kolom Exact Sig. adalah 0,779 > 0,05 maha Ho diterima
jumlah baris – 1 = 3 – 1 = 2). Karena Chi-Square hitung < Chi-Square tabel Ho diterima.
Membandingkan probabilitas (P-Value/ Sig.) dengan α. Karena angka pada kolom Exact Sig. adalah 0,779 > 0,05 maha Ho diterima
Kedua cara tersebut menghasilkan keputusan yang sama, yaitu Ho diterima. Hal ini berarti konsumen menyukai ketiga warna kemasan secara proporsional dalam arti tidak ada warna yang lebih disukai dari lainnya. Walaupun dalam sampel warna putih paling sedikit peminatnya, dan warna kuning paling banyak disukai, namun setelah diuji dengan Chi-Square ternyata distribusi sampel tersebut masih sesuai dengan distribusi teoritis (yang seharusnya), yaitu warna disukai secara merata.
