Chi-kuadrat, lebih dikenal sebagai uji chi-kuadrat Pearson, adalah cara untuk mengevaluasi data secara statistik. Ini digunakan ketika data kategori dari sampel dibandingkan dengan hasil yang diharapkan atau “benar”. Sebagai contoh, jika kita percaya 50 persen dari semua jelly bean di dalam wadah berwarna merah, sampel 100 biji dari wadah tersebut seharusnya mengandung kira-kira 50 yang berwarna merah. Jika angka kita berbeda dari 50, uji Pearson memberi tahu kita apakah asumsi 50 persen kita mencurigakan, atau apakah kita dapat menghubungkan perbedaan yang kita lihat dengan variasi acak normal.
Menafsirkan Nilai Chi-Square
Tentukan derajat kebebasan nilai chi-kuadrat Anda. Jika Anda membandingkan hasil untuk satu sampel dengan beberapa kategori, derajat kebebasan adalah jumlah kategori dikurangi 1. Misalnya, jika Anda mengevaluasi distribusi warna dalam toples kacang jeli dan ada empat warna, derajat kebebasan adalah 3. Jika Anda membandingkan data tabular, derajat kebebasan sama dengan jumlah baris dikurangi 1 dikalikan dengan jumlah kolom dikurangi 1.
Tentukan nilai p kritis yang akan Anda gunakan untuk mengevaluasi data Anda. Ini adalah persentase probabilitas (dibagi dengan 100) bahwa nilai chi-kuadrat tertentu diperoleh secara kebetulan saja. Cara lain untuk berpikir tentang p adalah probabilitas hasil pengamatan Anda menyimpang dari hasil yang diharapkan dengan jumlah yang mereka lakukan semata-mata karena variasi acak dalam proses pengambilan sampel.
Cari nilai p yang terkait dengan statistik uji chi-kuadrat Anda menggunakan tabel distribusi chi-kuadrat. Untuk melakukan ini, lihat baris yang sesuai dengan derajat kebebasan yang Anda hitung. Temukan nilai di baris ini yang paling dekat dengan statistik pengujian Anda. Ikuti kolom yang berisi nilai itu ke atas ke baris paling atas dan baca nilai p. Jika statistik uji Anda berada di antara dua nilai di baris awal, Anda dapat membaca perkiraan nilai p di antara dua nilai p di baris atas.
Bandingkan nilai p yang diperoleh dari tabel dengan nilai p kritis yang telah diputuskan sebelumnya. Jika nilai p tabel Anda di atas nilai kritis, Anda akan menyimpulkan bahwa setiap penyimpangan antara nilai kategori sampel dan nilai yang diharapkan disebabkan oleh variasi acak dan tidak signifikan. Misalnya, jika Anda memilih nilai p kritis 0,05 (atau 5%) dan menemukan nilai tabular 0,20, Anda akan menyimpulkan bahwa tidak ada variasi yang signifikan.
-
- Tabel nilai distribusi chi kuadrat
- Statistik uji chi square untuk data Anda
- Ingatlah bahwa setiap kesimpulan yang dibuat berdasarkan tes ini masih memiliki kemungkinan salah, sebanding dengan nilai p yang diperoleh.
- Nilai yang diperoleh untuk setiap kategori dalam sampel harus minimal 5 agar hasilnya valid.
Jupiterimages/Photos.com/Getty Images
