Interpretasi Chi Square SPSS: Cara Baca Hasilnya
Ringkasan Cepat
Interpretasi Chi Square adalah proses membaca nilai Asymp. Sig. (P-value) pada output SPSS untuk menyimpulkan apakah terdapat hubungan signifikan antar variabel kategorik — jika P-value di bawah 0,05, hubungan dinyatakan signifikan.
Cara Baca Hasil Chi Square
Interpretasi Chi Square adalah proses membaca nilai Asymp. Sig. (P-value) pada output SPSS untuk menyimpulkan apakah terdapat hubungan signifikan antar variabel kategorik yang diuji — jika P-value < 0.05, hubungan dinyatakan signifikan (lihat juga penjelasan teknis uji Chi-Square di NIST/SEMATECH Engineering Statistics Handbook).
Langkah-langkah analisis chi square di artikel uji chi square SPSS telah membuat Anda mengetahui cara mendapatkan output chi square dengan SPSS. Berikut cara membaca dan menginterpretasikan output tersebut.
Pertama kita harus memahami hipotesis yang akan di jawab oleh uji chi-square. Hipotesis uji chi square sebagai berikut:
H0 : Tidak terdapat hubungan yang signifikan antara Riwayat Kehamilan Ibu terhadap Tingkat Stunting (P-value > 0.05)
H1 : Terdapat hubungan yang signifikan antara Riwayat Kehamilan Ibu terhadap Tingkat Stunting (P-value < 0.05)
Interpretasi Uji Chi Square SPSS
Pada output SPSS akan ditampilkan hasil sebagai berikut

Pada output ini berisi keterangan valid dan missing data dari seluruh variabel. Diketahui bahwa seluruh variabel berjumlah 405 data dan tidak ada data yang hilang.
Syarat Uji Chi-Square

Syarat uji Chi-Square adalah seluruh cell pada tabulasi silang expected value nya harus lebih besar dari 5. Terlihat pada output tersebut bahwa seluruh expected value pada cell bernilai lebih dari 5 sehingga uji Chi-Square dapat dilanjutkan.
Catatan dari Lukman, Statistical Analyst: Sebelum baca hasil Chi-Square, selalu cek dulu tabel Expected Count-nya. Untuk tabel 2×2, satu sel saja dengan expected value di bawah 5 sudah cukup membuat hasil Chi-Square standar kurang valid — pakai Fisher's Exact Test sebagai gantinya. Untuk tabel yang lebih besar dari 2×2, baru berlaku toleransi hingga 20% sel.
Kesimpulan Uji Chi Square

Pada output tersebut terlihat bahwa nilai p-value dari Pearson Chi-Square sebesar 0,025 yakni kurang dari tingkat signifikansi 0,05 sehingga menolak hipotesis nol. Dapat disimpulkan bahwa terdapat hubungan antara Riwayat Kehamilan Ibu terhadap Tingkat Stunting anak yang dilahirkannya.
Contoh Kasus: Expected Count Gagal Syarat
Bagaimana kalau ternyata pada tabel Expected Count di atas ada satu sel (tabel 2×2) dengan nilai 3,4 (di bawah 5)? Langkah yang benar:
- Jangan baca baris Pearson Chi-Square pada tabel Chi-Square Tests.
- Baca baris Fisher's Exact Test pada tabel yang sama — SPSS otomatis menghitungnya untuk tabel 2×2, tidak perlu pengaturan tambahan.
- Misalnya nilai Exact Sig. (2-sided) = 0,032 — karena di bawah 0,05, kesimpulannya tetap sama (H0 ditolak, ada hubungan signifikan), hanya saja yang dibaca adalah baris Fisher's Exact Test, bukan Pearson Chi-Square.
Mau cek expected count tabelmu otomatis? Pakai Kalkulator Uji Chi-Square kami — langsung memberi peringatan kalau syarat expected count tidak terpenuhi.
Mengukur Kekuatan Hubungan dengan Cramer's V
Chi-Square yang signifikan hanya bilang ada hubungan, bukan seberapa kuat hubungan itu. Untuk itu, lihat nilai Cramer's V (tersedia di menu Crosstabs > Statistics, centang "Phi and Cramer's V"):
| 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 |
Misalnya dari contoh Riwayat Kehamilan Ibu × Stunting di atas, didapat Cramer's V = 0,15 — meski hubungannya signifikan (P = 0,025), kekuatan hubungannya tergolong lemah. Ini contoh nyata kenapa signifikan ≠ kuat — selalu laporkan keduanya bersamaan.
Kesalahan Umum Interpretasi Chi Square
- Menyimpulkan signifikan = hubungan kuat. Seperti contoh Cramer's V di atas — signifikansi dan kekuatan hubungan adalah dua hal berbeda.
- Tetap membaca Pearson Chi-Square meski expected count gagal syarat. Untuk tabel 2×2 dengan expected count di bawah 5, harus baca Fisher's Exact Test, bukan Pearson Chi-Square.
- Mengabaikan tabel Case Processing Summary. Kalau ada banyak data missing, hasil Chi-Square bisa dihitung dari sampel yang jauh lebih kecil dari yang dikira — selalu cek dulu jumlah valid vs missing sebelum menginterpretasi hasil.
- Menyimpulkan Chi-Square menunjukkan sebab-akibat. Chi-Square hanya menguji asosiasi/hubungan antar variabel kategorik, bukan hubungan kausal.
> Catatan dari Lukman, Statistical Analyst: Kesalahan nomor 1 yang paling sering saya lihat — laporan bilang "terdapat hubungan yang signifikan" lalu berhenti di situ, padahal kalau dicek Cramer's V-nya cuma 0,10-an (lemah). Selalu sertakan Cramer's V dalam laporanmu, jangan cuma bilang "signifikan" saja.
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.
Pertanyaan yang Sering Diajukan
Referensi
- Pearson, K. (1900). Philosophical Magazine, Series 5, 50(302), 157-175.
- Cochran, W.G. (1954). Biometrics, 10(4), 417-451.
Siap Mengolah Data dengan Lebih Mudah?
Kalau kamu butuh kejelasan, panduan, atau mau kenal lebih dalam soal jasa kami.
Jadwalkan Meeting GratisTau teman yang butuh bantuan olah data juga? Ajak dia & dapat 10%, dia dapat diskon Rp50.000. Klik disini