Tabel Chi-Square: Cara Membaca & Menghitung Nilai Kritis

Tabel Chi-Square

Tabel Chi-Square adalah tabel yang menunjukkan nilai kritis distribusi Chi-Square berdasarkan derajat bebas (df) dan taraf signifikansi (α) tertentu — dipakai untuk menentukan apakah nilai Chi-Square hitung dari uji statistikmu (uji independensi, goodness of fit) cukup besar untuk dianggap signifikan.

Kalau kamu perlu menjalankan uji Chi-Square-nya sendiri (bukan cuma mencari nilai kritis), lihat Cara Uji Chi-Square di SPSS dan Interpretasi Chi-Square SPSS.

Cara Membaca

1. Hitung derajat bebas (df) sesuai jenis uji — untuk uji independensi tabel kontingensi, df = (jumlah baris − 1) × (jumlah kolom − 1).
2. Tentukan taraf signifikansi (α), biasanya 0,05.
3. Cari titik potong baris df dan kolom α di tabel — nilai di situ adalah Chi-Square kritis.
4. Bandingkan dengan Chi-Square hitung: kalau Chi-Square hitung > Chi-Square kritis, hasil signifikan (tolak H0).

Contoh Perhitungan Manual

Tabel kontingensi 2x2 sederhana — 40 responden, dikelompokkan jenis kelamin (Pria/Wanita) dan preferensi produk (Suka/Tidak Suka):

Expected count tiap sel (Fh) = (Total baris × Total kolom) / Total keseluruhan. Misalnya sel Pria-Suka: Fh = (20 × 23) / 40 = 11,5. Dihitung untuk semua sel, lalu:

Chi-Square hitung = Σ [(Fo − Fh)² / Fh] ≈ 5,01

df = (2-1)×(2-1) = 1, α = 0,05 → Chi-Square kritis = 3,841. Karena 5,01 > 3,841, hasilnya signifikan — ada hubungan antara jenis kelamin dan preferensi produk.

Mengukur Kekuatan Hubungan (Cramér's V)

Chi-Square signifikan hanya menunjukkan ada hubungan, bukan seberapa kuat hubungannya — untuk itu, hitung Cramér's V = √[χ² / (n × min(baris-1, kolom-1))]. Dari contoh di atas: V = √[5,01 / (40 × 1)] ≈ 0,35, tergolong hubungan sedang. Cramér's V berkisar 0-1, semakin mendekati 1 semakin kuat hubungannya — berguna terutama saat membandingkan kekuatan hubungan antar beberapa pasangan variabel kategorik yang berbeda ukuran tabelnya.

Alat Interaktif

Daripada mencari-cari nilai di tabel cetak dan berhenti di df tertentu saja, Tabel Statistik Interaktif kami menghitung nilai kritis Chi-Square (juga r dan t) langsung dari fungsi distribusi untuk df berapa pun, termasuk df yang tidak tercantum di tabel cetak konvensional.

Kesalahan Umum

1. Berhenti di kesimpulan "signifikan" tanpa menghitung Cramer's V — signifikansi statistik tidak menunjukkan seberapa kuat hubungan itu secara praktis.
2. Salah menghitung df untuk desain tabel kontingensi yang lebih besar dari 2x2 (misalnya 3x4), sehingga nilai kritis yang dibandingkan salah.
3. Memakai Chi-Square pada tabel dengan expected count terlalu kecil (kurang dari 5 di banyak sel) — dalam kondisi ini, uji Fisher's Exact lebih tepat dipakai sebagai gantinya.