Keterbatasan Chi-Square (Limitation of Chi Square)

Chi square merupakan suatu uji yang telah banyak orang mengetahuinya. Uji ini biasa digunakan pada tabel kontingensi untuk mengetahui apakah terdapat hubungan antara dua variabel yang berasal dari sampel yang berbeda atau apakah terdapat hubungan antara dua sampel yang saling independen atau bisa juga untuk mengetahui apakah dua sampel independen berasal dari populasi yang sama. Akan tetapi, seperti dengan uji yang lainnya, uji chi-square juga memeliki keterbatasan atau kelemahan (limitation of chi-square). Berikut akan dipaparkan beberapa kelemahan yang melekat pada uji dengan menggunakan chi-square.

Pertama, uji ini sensitif terhadap banyaknya sampel yang digunakan. Uji ini akan menjadi kurang akurat jika terdapat nilai frekuensi harapan yang kurang dari 5 pada sel tabel kontingensi. Bahkan uji ini tidak bisa digunakan jika frekuensi harapan yang kurang dari 5 terdapat lebih dari 20 % dari total sel yang ada atau bila terdapat nila frekuensi harapan yang kurang dari 1.  Hal ini mengindikasikan bahwa uji ini baik digunakan pada jumlah sampel yang cukup besar dan tidak efektif  digunakan untuk sampel yang  kecil. Beberapa alternatif bisa digunakan untuk mengatasi masalah tersebut. Penggabungan kolom atau baris untuk menghilangkan nilai frekuensi harapan yang kurang dari 5 bisa dilakukan asalkan penggabungan tersebut tidak menghilangkan makna dari pengklasifikasian yang ada pada tabel. Dengan kata lain penggabungan hanya bisa dilakukan apabila masih masuk akal (common sense) dan bermakna. Sebagai contoh, klasifikasi tingkat pendidikan Sekolan Dasar, Sekolah Menengah Pertama, Sekolah Menengah Atas, dan Perguruan Tinggi dapat dilakukan penggabungan klasifikasi menjadi Sekolah Dasar, Sekolah Menengah Pertama, dan minimial Sekolah Menengah Atas. Dari contoh tersebut dilakukan penggabungan klasifikasi antara Sekolah Menengah Atas dan Perguruan Tinggi menjadi minimal Sekolah Menengah Atas. Penggabungan tersebut juga hanya berlaku untuk tabel kontingensi yang bukan 2×2, untuk tabel kontingensi tabel 2×2 bisa menggunkan Uji Exact Fisher. Bahkah Cohran menyarankan untuk menggunkan Uji Exact Fisher untuk tabel kontingensi 2×2 apabila jumlah sampelnya kurang dari 20 atau kurang dari 40 dan terdapat frekuensi harapan yang kurang dari 5.

Kedua, Uji Chi-Square hanya memberikan informasi tentang ada atau tidaknya hubungan antara kedua variabel. Uji ini tidak memberikan informasi mengenai seberapa besar hubungan yang ada antara kedua variabel tersebut serta bagaimana arah hubungan yang ada. Oleh karena itu, dibutuhkan alat analisis sebagai informasi tambahan yang akan mendukung analisis menggunakan Uji Chi Square. Untuk mengetahui seberapa besar hubungan yang ada dapat menggunakan Odds Ratio dan Relative Risk. Odds Ratio dan Relative Risk juga dapat memberikan informasi mengenai arah hubungan yang ada dari kedua variabel. Selain itu, dengan melakukan dekomposisi Chi-Square dan mempelajari residualnya dapat lebih mempertajam analisis.

Ketiga, Uji Chi-Square hanya bagus digunakan untuk skala data nominal untuk kedua variabel yang diuji. Uji ini lemah digunakan jika kedua variabel tersebut berskala ordinal. Uji Chi-Square bergantung pada jumlah marginal dan bukan pada pengurutan dari baris dan kolom. Jadi, pengubahan urutan dari baris atau kolom tidak akan menguabah nilai dari uji chi square yang didapat. Dengan kata lain, uji ini memperlakukan klasifikasi yang ada pada baris dan kolom sebagai nominal. Dengan demikian, jika terdapat dari sala satu variabel yang berskata ordinal sebaiknya menggunkan uji yang lain seperti koefisien gamma dan yang lainnya.

Referensi

Agresti, A. (2002). Categorical Data Analysis Secound Edition. New Jersey: John Wiley & Sons.

Siegel, S. (1997). Statistik Nonparametrik untuk Ilmu – Ilmu Sosial. Jakarta: PT Gramedia Pustaka Utama.

Walker, R. A. (2011). Caterogical Data Analysis for Behavorial Social Science. New York: Routledge Taylor and Francis Group.

CHI-Squared Test of Independence. Minhaz Fahim Zibran, Department of Computer Science, University of Calgary, Alberta, Canada.

Tagged with: , , , , ,
Posted in Analisis Data Kategori

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Archives
%d bloggers like this: