Apa syarat data bisa diuji dengan Chi Square?

Data harus berskala kategorik (nominal/ordinal), bukan numerik kontinu, dan setiap sel pada tabulasi silang idealnya memiliki expected count lebih dari 5.

Kenapa perlu melakukan recoding sebelum uji Chi Square?

Recoding memberi label kategori (misalnya Kode 1 = KEK, Kode 2 = Non-KEK) sehingga SPSS bisa mengelompokkan data dengan benar dan hasil tabulasi silang lebih mudah dibaca.

Apa bedanya Observed Count dan Expected Count pada output Crosstabs?

Observed Count adalah jumlah data aktual pada tiap sel, sedangkan Expected Count adalah jumlah yang diharapkan jika tidak ada hubungan antar variabel (H0 benar). Selisih keduanya yang mendasari perhitungan nilai Chi-Square.

Berapa jumlah sampel minimum untuk uji Chi Square?

Tidak ada angka baku, namun syarat utamanya adalah expected count tiap sel harus di atas 5. Untuk tabel 2x2, jika ada sel dengan expected count di bawah 5, gunakan Fisher's Exact Test sebagai pengganti.

Apa bedanya aturan expected count untuk tabel 2x2 vs tabel yang lebih besar?

Tabel 2x2 mensyaratkan tidak boleh ada satu pun sel dengan expected count di bawah 5 - kalau ada, langsung pakai Fisher's Exact Test. Tabel lebih besar (2x3 atau lebih) baru menoleransi hingga 20% sel di bawah 5 sebelum harus mengganti metode atau menggabungkan kategori.

Data saya berupa jawaban responden yang sama sebelum dan sesudah perlakuan, apakah bisa pakai Chi-Square?

Tidak disarankan. Chi-Square Test of Independence mensyaratkan observasi antar sampel saling independen. Untuk data berpasangan (before-after dari subjek yang sama), gunakan McNemar Test sebagai gantinya.

Chi-Square saya signifikan, apakah berarti hubungannya kuat?

Belum tentu. Signifikan hanya berarti ada hubungan yang bisa dipercaya secara statistik (bukan kebetulan), bukan seberapa kuat hubungannya. Untuk mengukur kekuatan hubungan, gunakan ukuran tambahan seperti Cramer's V (untuk tabel lebih dari 2x2) atau Phi Coefficient (untuk tabel 2x2).

Cara Uji Chi Square di SPSS: Langkah & Interpretasi

Uji Chi Square di SPSS

Uji Chi Square adalah uji statistik yang digunakan untuk menguji perbedaan antara distribusi observasi sebenarnya dengan distribusi yang diharapkan, dan bisa dijalankan langsung di SPSS lewat menu Crosstabs. Uji ini sering digunakan untuk menguji ada tidaknya hubungan antara dua variabel kategorikal.

Catatan dari Lukman, Statistical Analyst: Sebelum menjalankan uji Chi-Square, cek dulu apakah expected count tiap sel dalam tabulasi silang di atas 5. Kalau lebih dari 20% sel punya expected count di bawah 5, hasilnya kurang valid — gunakan Fisher's Exact Test sebagai gantinya.

Kapan Menggunakan Uji Chi Square

Uji Chi Square cocok dipakai kalau kamu ingin menguji hubungan antara dua variabel kategorik (nominal atau ordinal) — misalnya jenis kelamin dengan preferensi produk, atau tingkat pendidikan dengan status pekerjaan. Uji ini tidak cocok untuk data numerik/kontinu; jika salah satu atau kedua variabelmu numerik, gunakan uji korelasi atau regresi sebagai gantinya.

Ada dua jenis penerapan yang umum:

Chi-Square Test of Independence — menguji apakah dua variabel kategorik saling berhubungan (yang dibahas di artikel ini).
Chi-Square Goodness of Fit — menguji apakah distribusi satu variabel kategorik sesuai dengan distribusi yang diharapkan/teoretis.

Asumsi yang harus dipenuhi sebelum menjalankan uji ini:

Data berskala kategorik (nominal atau ordinal), bukan numerik kontinu.
Observasi antar sampel saling independen (satu responden tidak boleh dihitung di lebih dari satu sel).
Expected count tiap sel idealnya di atas 5 — tapi aturannya beda tergantung ukuran tabel (lihat penjelasan lengkap di bawah), jangan disamaratakan jadi "20% sel" untuk semua ukuran tabel.
Tidak boleh ada sel dengan expected count di bawah 1, dan idealnya tidak ada sel dengan actual count (observed) 0.

Aturan Expected Count Berdasarkan Ukuran Tabel

Ini yang sering disamaratakan padahal aturannya beda:

Tabel 2×2: syaratnya lebih ketat — tidak boleh ada satu pun sel dengan expected count di bawah 5. Kalau ada satu saja, langsung ganti ke Fisher's Exact Test, bukan tunggu sampai 20% sel bermasalah.
Tabel lebih besar (2×3 atau lebih): baru berlaku aturan "maksimal 20% sel boleh punya expected count di bawah 5." Kalau lebih dari itu, pertimbangkan menggabungkan kategori (merge sel) atau gunakan alternatif seperti uji Kolmogorov-Smirnov untuk tabel 2×k.

Contoh Uji Chi Square

Anda ingin menguji apakah terdapat hubungan antara Riwayat Ibu Hamil dan Tingkat Stunting.

Definisi Variabel

Riwayat Ibu Hamil :

Kekurangan Energi Kronis (KEK) (Kode 1)
Tidak Kekurangan Energi Kronis (Non-KEK) (Kode 2)

Kejadian Stunting :

Stunting Pendek (Kode 1)
Stunting Sangat Pendek (Kode 2)

Jika kamu membutuhkan bantuan mengolah data SPSS untuk skripsi, tesis, atau disertasi secara menyeluruh. Kami menawarkan Jasa Olah Data SPSS selesai dalam 1–2 hari.

Cara Uji Chi Square di SPSS

Untuk menjawab pertanyaan anda diatas, kita bisa meggunakan software SPSS. Berikut langkah-langkahnya:

1. Masukkan Data ke SPSS

Masukkan data kategorikal ke dalam program SPSS. Data yang akan dianalisis harus merupakan data kategorikal, yaitu data yang dapat dikelompokkan ke dalam beberapa kategori. Setelah data terinput, pilih variabel yang akan diuji dengan uji chi-square.

Contoh data mentah kategorikal sebelum recoding di SPSS

2. Recoding Variabel di Variable View

Masuk ke Variable View, klik titik tiga pada kolom Values di setiap variabel, lalu beri kode kategori sesuai definisi variabelnya.

Tampilan menu Variable View untuk recoding data di SPSS

Dialog Values untuk mendefinisikan kode kategori variabel

Hasil recoding variabel sesuai definisi kategori

Klik Analyze – Descriptive Statistics – Crosstabs.

Menu Analyze - Descriptive Statistics - Crosstabs di SPSS

4. Masukkan Variabel ke Row dan Column

Masukkan seluruh variabel yang diujikan ke dalam kotak Row dan Column, lalu klik Statistics.

Dialog Crosstabs dengan variabel Row, Column, dan Statistics

5. Centang Chi-Square

Centang opsi Chi-Square pada dialog Crosstabs Statistics, lalu klik Continue.

Centang opsi Chi-Square pada dialog Crosstabs Statistics

6. Atur Cells dan Jalankan Analisis

Klik Cells, centang Observed dan Expected pada kolom Count, klik Continue untuk kembali ke jendela Crosstabs, lalu klik OK untuk menjalankan analisis.

Lalu akan muncul output sebagai berikut:

Tabel output Chi-Square Tests dan Crosstabulation hasil SPSS

Setelah output SPSS diatas keluar, semua uji yang anda butuhkan sudah selesai di estimasi. Langkah selanjutnya adalah membaca output SPSS.

Malas hitung manual? Pakai Kalkulator Uji Chi-Square kami — tinggal masukkan tabel kontingensi, hasil dan cek syarat expected count langsung keluar otomatis.

Interpretasi Hasil Uji Chi Square

Cara membaca hasil uji Chi Square adalah dengan melihat nilai Asymp. Sig. (2-sided) pada baris Pearson Chi-Square di tabel Chi-Square Tests:

Jika Asymp. Sig. < 0,05 → H0 ditolak, artinya terdapat hubungan yang signifikan antara kedua variabel kategorik.
Jika Asymp. Sig. > 0,05 → H0 diterima, artinya tidak terdapat hubungan yang signifikan antara kedua variabel.

Perlu diperhatikan: kalau tabelmu berukuran 2×2 dan ada satu saja sel dengan expected count di bawah 5, gunakan nilai Fisher's Exact Test sebagai gantinya — bukan Pearson Chi-Square. Untuk tabel yang lebih besar dari 2×2, baru berlaku aturan maksimal 20% sel.

Contoh Kasus: Expected Count Gagal Syarat (Tabel 2×2)

Misalnya dari contoh Riwayat Ibu Hamil × Kejadian Stunting di atas, tapi dengan jumlah sampel kecil (n = 25). Output Crosstabs menunjukkan salah satu sel (KEK × Stunting Sangat Pendek) punya expected count 3,2 — di bawah 5. Karena ini tabel 2×2, aturannya tegas: tidak boleh ada satu pun sel di bawah 5. Langkah yang benar:

Jangan gunakan baris Pearson Chi-Square pada tabel Chi-Square Tests.
Gunakan baris Fisher's Exact Test sebagai gantinya — nilai ini otomatis muncul di tabel yang sama untuk tabel 2×2 di SPSS, tidak perlu pengaturan tambahan.
Baca nilai Exact Sig. (2-sided) pada baris tersebut untuk menentukan signifikansi, bukan Asymp. Sig. dari Pearson Chi-Square.

Untuk pembahasan interpretasi yang lebih lengkap dengan contoh output, Anda bisa klik di lanjutan artikel ini di interpretasi hasil uji Chi Square SPSS.

Mengukur Kekuatan Hubungan dengan Cramer's V

Chi-Square yang signifikan hanya menjawab ada hubungan, bukan seberapa kuat. Untuk itu, saat berada di dialog Crosstabs Statistics (langkah 5 di atas), sekalian centang juga "Phi and Cramer's V" supaya nilainya keluar bersamaan dengan tabel Chi-Square Tests:

Nilai Cramer's V	Kekuatan Hubungan
0,00 – 0,10	Sangat lemah
0,10 – 0,30	Lemah
0,30 – 0,50	Sedang
> 0,50	Kuat

Selalu laporkan Cramer's V berdampingan dengan Asymp. Sig. — signifikan belum tentu kuat, dan sebaliknya. Pembahasan lengkap cara membacanya (dengan contoh angka) ada di interpretasi hasil uji Chi Square SPSS.

Kesalahan Umum Uji Chi-Square di SPSS

Menyamaratakan aturan "20% sel" untuk semua ukuran tabel. Aturan ini hanya berlaku untuk tabel lebih besar dari 2×2 — untuk tabel 2×2, satu sel saja di bawah 5 sudah cukup untuk beralih ke Fisher's Exact Test.
Lupa recoding variabel sebelum analisis, sehingga SPSS membaca kategori sebagai teks bebas, bukan kode kategori yang konsisten — bisa membuat Crosstabs pecah jadi terlalu banyak kategori yang seharusnya sama.
Menggunakan Chi-Square untuk data yang sebenarnya berpasangan (paired), bukan independen — misalnya membandingkan jawaban responden yang sama sebelum-sesudah. Untuk kasus ini, gunakan McNemar Test, bukan Chi-Square biasa.
Menyimpulkan signifikan = hubungan kuat. Chi-Square hanya menguji ada/tidaknya hubungan (signifikansi), bukan seberapa kuat hubungannya — untuk kekuatan hubungan, perlu ukuran tambahan seperti Cramer's V atau Phi Coefficient.

> Catatan dari Lukman, Statistical Analyst: Kesalahan nomor 3 ini yang paling sering terlewat — banyak yang pakai Chi-Square biasa untuk data before-after dari responden yang sama, padahal itu melanggar asumsi independensi observasi. Kalau desain penelitianmu mengukur subjek yang sama dua kali, cek dulu apakah McNemar Test yang seharusnya kamu pakai, bukan Chi-Square Test of Independence.