Uji Chi-Square di SPSS: Langkah, Cara Membaca Output, dan Contoh

Uji chi-square (chi-square test of independence) di SPSS menguji apakah dua variabel kategorik saling berhubungan, misalnya jenis kelamin dengan preferensi metode belajar, atau kebiasaan sarapan dengan kejadian anemia. Jalankan Analyze → Descriptive Statistics → Crosstabs, centang Chi-square di tombol Statistics, lalu baca nilai signifikansi pada baris Pearson Chi-Square: jika < 0,05, hubungan kedua variabel signifikan. Sebelum membaca p, cek syarat expected count pada catatan di bawah tabel, dan lengkapi hasilnya dengan Cramér's V atau odds ratio.

Langkah Singkat Uji Chi-Square di SPSS

1. Siapkan dua variabel kategorik berkode angka, satu baris per responden (atau tabel frekuensi dengan Weight Cases).
2. Klik Analyze → Descriptive Statistics → Crosstabs; masukkan variabel bebas ke Row(s) dan variabel terikat ke Column(s).
3. Klik Statistics, centang Chi-square dan Phi and Cramer's V (untuk tabel 2×2, tambahkan Risk).
4. Klik Cells, centang Observed, Expected, Row, dan Adjusted standardized.
5. Klik OK, lalu cek catatan expected count: maksimal 20% sel di bawah 5 dan tidak ada sel di bawah 1.
6. Baca Pearson Chi-Square, atau Fisher's Exact Test untuk tabel 2×2 yang tidak memenuhi syarat.
7. Jika signifikan, laporkan χ², df, N, p, Cramér's V, dan sel yang menyumbang hubungan.

Kapan Memakai Chi-Square dan Apa Syaratnya?

Uji chi-square bekerja pada data frekuensi: banyaknya responden pada setiap kombinasi kategori. Hipotesisnya: H0 menyatakan kedua variabel independen (tidak berhubungan), sedangkan H1 menyatakan keduanya berhubungan. Pilih uji berdasarkan pertanyaan penelitian:

Chi-square hanya menunjukkan ada atau tidaknya hubungan, bukan arah sebab-akibat. Bila kedua variabel berupa angka (interval/rasio) atau ordinal dengan banyak kategori, korelasi Pearson atau Spearman biasanya lebih tepat. Bila Anda ingin mengendalikan beberapa faktor sekaligus, gunakan regresi logistik.

Syarat Expected Count dan Alternatifnya

Expected count adalah frekuensi yang diharapkan bila kedua variabel tidak berhubungan: (total baris × total kolom) / N. Aturan yang dipakai SPSS dan mengacu pada Cochran (1954): tidak lebih dari 20% sel memiliki expected count < 5, dan tidak ada sel dengan expected count < 1 (IBM Corp., t.t.). Perhatikan bahwa syarat ini menyangkut frekuensi harapan, bukan frekuensi yang teramati.

Jika syarat tidak terpenuhi:

• Tabel 2×2: baca baris Fisher's Exact Test, yang otomatis muncul di output setiap tabel 2×2.
• Tabel lebih besar (misalnya 2×3): baris Fisher tidak muncul otomatis. Pilihannya: gabungkan kategori yang secara konsep masuk akal (misalnya "setuju" dan "sangat setuju"), atau gunakan tombol Exact… di dialog Crosstabs lalu pilih Exact, yang menghitung perluasan Fisher-Freeman-Halton. Tombol Exact hanya tersedia bila lisensi SPSS Anda mencakup fitur uji eksak.
• Responden yang sama diukur dua kali: chi-square tidak berlaku karena observasinya tidak independen; gunakan McNemar.

Contoh Kasus dan Perhitungan Manual

Data ilustrasi (fiktif) untuk latihan: survei terhadap 120 mahasiswa (55 laki-laki dan 65 perempuan) tentang metode belajar yang paling disukai. Persentase di dalam kurung adalah persentase baris.

Perhitungan manual membantu Anda memahami output SPSS. Expected count sel laki-laki–online adalah 55 × 45 / 120 = 20,63. Nilai χ² adalah jumlah (O − E)² / E dari semua sel:

Derajat kebebasannya df = (baris − 1) × (kolom − 1) = (2 − 1) × (3 − 1) = 2. Nilai χ² tabel pada α = 0,05 adalah 3,841 (df 1), 5,991 (df 2), 7,815 (df 3), dan 9,488 (df 4). Karena 6,68 > 5,991, H0 ditolak. Di Excel dengan pengaturan regional Indonesia, χ² tabel dapat dihitung dengan =CHISQ.INV.RT(0,05;2). Semua expected count ≥ 5 (terkecil 12,38), sehingga syarat terpenuhi.

Langkah Uji Chi-Square di SPSS (Crosstabs)

Menyiapkan Data

Jika data berasal dari kuesioner, buat dua kolom: JK (1 = Laki-laki, 2 = Perempuan) dan Metode (1 = Online, 2 = Tatap muka, 3 = Hybrid), satu baris per responden, lalu isi Value Labels di Variable View.

Jika Anda hanya memiliki tabel frekuensi (misalnya dari laporan atau data sekunder), buat enam baris dengan tiga kolom, JK, Metode, dan Jumlah, lalu klik Data → Weight Cases, pilih Weight cases by, dan pindahkan Jumlah ke Frequency Variable. Isi Jumlah dengan frekuensi, bukan persentase. Setelah selesai, matikan pembobotan dengan Do not weight cases agar analisis lain tidak ikut terbobot.

Mengatur Dialog Crosstabs

1. Klik Analyze → Descriptive Statistics → Crosstabs.
2. Pindahkan JK ke Row(s) dan Metode ke Column(s).
3. Klik Statistics, centang Chi-square serta Phi and Cramer's V pada bagian Nominal, lalu Continue.
4. Klik Cells, centang Observed dan Expected (bagian Counts), Row (bagian Percentages), dan Adjusted standardized (bagian Residuals), lalu Continue.
5. Klik OK.

SPSS 31 juga menambahkan prosedur khusus Analyze → Descriptive Statistics → ChiSquare dengan pengaturan Exact, Cells, dan Format (IBM Corp., t.t.). Panduan ini memakai Crosstabs karena tersedia di semua versi dan menghasilkan semua tabel yang dibahas di sini.

Membaca Output Chi-Square

Tabel Chi-Square Tests

Output SPSS (angka memakai titik desimal seperti tampilan SPSS berbahasa Inggris; versi lama memberi judul kolom Asymp. Sig. (2-sided)):

Chi-Square Tests
                                Value   df   Asymptotic Significance
                                             (2-sided)
Pearson Chi-Square             6.680a    2   .035
Likelihood Ratio                6.749    2   .034
Linear-by-Linear Association    6.583    1   .010
N of Valid Cases                  120
a. 0 cells (0.0%) have expected count less than 5.
   The minimum expected count is 12.38.

Cara membacanya:

• Catatan a dibaca lebih dulu: 0% sel memiliki expected count < 5, sehingga syarat terpenuhi.
• Pearson Chi-Square adalah hasil utama: χ²(2) = 6,680 dengan p = 0,035 < 0,05, sehingga H0 ditolak. Nilainya sama dengan perhitungan manual.
• Likelihood Ratio adalah alternatif yang hasilnya hampir selalu searah; tidak perlu dilaporkan kecuali diminta.
• Linear-by-Linear Association menguji tren linear dan hanya bermakna bila kedua variabel ordinal. Metode belajar bersifat nominal, jadi baris ini diabaikan.

Adjusted Residual: Sel Mana yang Berbeda?

Uji chi-square yang signifikan belum menjelaskan sel mana yang membuat hubungan itu muncul. Untuk itu, baca adjusted residual di tabel Crosstabulation:

Nilai di atas +1,96 berarti frekuensi sel lebih banyak daripada yang diharapkan, dan nilai di bawah −1,96 berarti lebih sedikit (α = 0,05). Laki-laki lebih banyak memilih online dan perempuan lebih banyak memilih hybrid, sedangkan preferensi tatap muka tidak berbeda. Jika ingin lebih ketat dengan koreksi Bonferroni untuk enam sel, batasnya menjadi ±2,64 (Sharpe, 2015); dengan batas itu, pola di atas sebaiknya ditulis sebagai kecenderungan.

Cramér's V dan Phi

Tabel Symmetric Measures menampilkan Phi = 0,236 dan Cramér's V = 0,236 (Approximate Significance 0,035). Nilai χ² sangat dipengaruhi ukuran sampel, jadi kekuatan hubungan dibaca dari Cramér's V. Patokannya bergantung pada df* = min(baris − 1, kolom − 1), mengikuti ukuran efek w dari Cohen (1988):

Tabel 2×3 memiliki df* = 1, sehingga V = 0,236 tergolong kecil sampai sedang. Phi dipakai untuk tabel 2×2 dan nilainya bisa negatif (rentang −1 sampai 1); tandanya hanya mengikuti urutan kode kategori. Cramér's V selalu bernilai 0 sampai 1. Contingency coefficient kurang disarankan karena nilai maksimumnya bergantung pada ukuran tabel.

Tabel 2×2: Fisher, Yates, dan Odds Ratio

Tabel 2×2 paling sering muncul di skripsi kesehatan. Data ilustrasi (fiktif): survei cross-sectional pada 80 remaja putri tentang kebiasaan sarapan dan kejadian anemia.

Centang Risk di dialog Statistics. Agar odds ratio mudah dibaca, letakkan kategori berisiko (tidak rutin sarapan) di baris pertama dan kejadian yang diteliti (anemia) di kolom pertama; jika urutannya terbalik, SPSS menampilkan kebalikannya (1 / 3,986 = 0,251).

Chi-Square Tests
                               Value   df  Asymp. Sig.  Exact Sig.  Exact Sig.
                                           (2-sided)    (2-sided)   (1-sided)
Pearson Chi-Square            7.522a    1   .006
Continuity Correction(b)       6.188    1   .013
Likelihood Ratio               7.389    1   .007
Fisher's Exact Test                                     .010        .007
Linear-by-Linear Association   7.428    1   .006
N of Valid Cases                  80
a. 0 cells (0.0%) have expected count less than 5.
   The minimum expected count is 8.63.
b. Computed only for a 2x2 table

Baris yang dibaca pada tabel 2×2:

• Jika semua expected count ≥ 5, baca Pearson Chi-Square: χ²(1) = 7,522; p = 0,006. Sebagian pedoman fakultas kesehatan meminta Continuity Correction (koreksi Yates) untuk tabel 2×2; koreksi ini lebih konservatif (di sini p = 0,013), jadi ikuti pedoman kampus Anda.
• Jika ada sel dengan expected count < 5, baca Fisher's Exact Test, kolom Exact Sig. (2-sided): di sini p = 0,010.

Tabel Risk Estimate:

Odds anemia pada remaja yang tidak rutin sarapan sekitar 3,99 kali odds pada yang rutin sarapan. Interval kepercayaannya (1,44–11,03) tidak mencakup 1, sehingga hubungannya signifikan. Baris For cohort adalah rasio proporsi (46,7% / 18,0% = 2,59): pada desain kohort nilainya dibaca sebagai risiko relatif, pada desain cross-sectional sebagai rasio prevalensi, sedangkan pada desain case-control hanya odds ratio yang bermakna. Pemilihan desainnya dibahas di panduan desain penelitian skripsi kesehatan. Phi untuk tabel ini 0,307, tergolong sedang.

Uji Goodness-of-Fit dan McNemar

Chi-Square Goodness-of-Fit (Satu Variabel)

Uji ini membandingkan sebaran satu variabel dengan proporsi yang diharapkan. Data ilustrasi (fiktif): 100 responden memilih satu dari empat dompet digital (A, B, C, D) dengan pilihan 36, 29, 19, dan 16 orang. H0 menyatakan keempatnya dipilih dengan proporsi yang sama, sehingga expected count setiap kategori 25.

1. Klik Analyze → Nonparametric Tests → Legacy Dialogs → Chi-Square.
2. Pindahkan variabel Merek ke Test Variable List.
3. Pada Expected Values, biarkan All categories equal, atau pilih Values untuk memasukkan proporsi tertentu sesuai urutan kode kategori.
4. Klik OK.

Hasilnya χ²(3) = 10,160 dengan p = 0,017 (χ² tabel df 3 = 7,815), sehingga proporsi pilihan tidak sama. Kolom Residual (11, 4, −6, −9) menunjukkan dompet A paling banyak dipilih melebihi harapan.

McNemar untuk Data Berpasangan

Jika responden yang sama diukur dua kali dengan jawaban dua kategori, misalnya pengetahuan "baik/kurang" sebelum dan sesudah penyuluhan, gunakan McNemar. Di Crosstabs, letakkan kondisi sebelum di Row(s) dan sesudah di Column(s), lalu centang McNemar di dialog Statistics. Uji ini hanya memakai sel yang berubah (baik menjadi kurang dan kurang menjadi baik). Untuk perbandingan dua kelompok independen dengan variabel terikat numerik, gunakan uji t independen, bukan chi-square.

Cara Melaporkan Hasil Uji Chi-Square

Contoh narasi (sesuaikan dengan penelitian Anda — jangan disalin mentah):

Hasil uji chi-square menunjukkan hubungan yang signifikan antara jenis kelamin dan preferensi metode belajar, χ²(2, N = 120) = 6,68; p = 0,035; Cramér's V = 0,24 (efek kecil sampai sedang). Analisis adjusted residual menunjukkan bahwa mahasiswa laki-laki lebih banyak memilih metode online (49,1% berbanding 27,7%), sedangkan mahasiswa perempuan lebih banyak memilih metode hybrid (49,2% berbanding 29,1%); preferensi tatap muka tidak berbeda.

Terdapat hubungan yang signifikan antara kebiasaan sarapan dan kejadian anemia pada remaja putri, χ²(1, N = 80) = 7,52; p = 0,006. Proporsi anemia pada remaja yang tidak rutin sarapan (46,7%) lebih tinggi daripada yang rutin sarapan (18,0%), dengan OR = 3,99 (IK 95% 1,44–11,03).

Di Bab 3, sebutkan juga syarat expected count yang dipakai dan uji pengganti bila syarat itu tidak terpenuhi.

Kesalahan Umum dalam Uji Chi-Square

1. Mengabaikan catatan expected count. Selalu baca catatan di bawah tabel Chi-Square Tests sebelum membaca p.
2. Memakai baris Fisher untuk tabel 3×2. Baris Fisher otomatis hanya untuk 2×2; tabel yang lebih besar memerlukan Exact atau penggabungan kategori.
3. Mengisi Weight Cases dengan persentase. Pembobotan harus memakai frekuensi asli; persentase membuat N dan p keliru.
4. Menyamakan signifikan dengan kuat. Dengan N besar, hubungan lemah pun bisa signifikan; laporkan Cramér's V.
5. Menyimpulkan sebab-akibat. Chi-square hanya menunjukkan asosiasi, terutama pada desain cross-sectional.
6. Memasukkan satu responden ke beberapa sel. Pertanyaan dengan jawaban lebih dari satu (multiple response) tidak bisa langsung diuji chi-square.
7. Membaca Linear-by-Linear untuk variabel nominal. Baris ini hanya bermakna untuk dua variabel ordinal.
8. Membalik urutan kategori tanpa sadar. Odds ratio menjadi kebalikannya; periksa kode baris dan kolom sebelum menafsirkan.

Kesimpulan

Uji chi-square menjawab apakah dua variabel kategorik berhubungan, tetapi keputusannya baru sah setelah syarat expected count diperiksa. Untuk tabel 2×2, siapkan Fisher's Exact Test dan odds ratio; untuk tabel yang lebih besar, gunakan Exact atau gabungkan kategori secara masuk akal. Setelah hasilnya signifikan, jelaskan sel mana yang berbeda melalui adjusted residual dan seberapa kuat hubungannya melalui Cramér's V. Jika Anda ingin hasil chi-square pada data Anda ditinjau, layanan olah data SPSS dari Jokify dapat menjalankan dan memeriksa analisisnya bersama Anda, sekaligus menjelaskan setiap baris output agar Anda memahaminya dan siap mempertahankannya saat sidang.

Pertanyaan yang Sering Diajukan

Apakah uji chi-square bisa dipakai untuk data ordinal?

Bisa, tetapi uji chi-square mengabaikan urutan kategori sehingga sebagian informasi terbuang. Jika kedua variabel ordinal, baris Linear-by-Linear Association atau ukuran asosiasi ordinal seperti Gamma dan Kendall's tau-b (tersedia di dialog Statistics Crosstabs) sering lebih informatif. Untuk ordinal dengan banyak kategori, korelasi Spearman juga bisa menjadi pilihan.

Berapa jumlah sampel minimal untuk uji chi-square?

Tidak ada angka tunggal; yang menentukan adalah terpenuhinya syarat expected count, sehingga tabel dengan banyak kategori membutuhkan sampel lebih besar. Untuk perencanaan, G*Power dengan efek sedang (w = 0,3), α = 0,05, dan power 0,80 menyarankan sekitar 88 responden untuk tabel 2×2 (df 1) dan 108 untuk tabel 2×3 (df 2). Rumus ukuran sampel lainnya dibahas di panduan menghitung ukuran sampel.

Apa beda uji chi-square dan regresi logistik?

Chi-square menguji hubungan satu variabel bebas dengan satu variabel terikat kategorik tanpa mengendalikan faktor lain. Regresi logistik dapat memasukkan beberapa variabel bebas sekaligus dan menghasilkan odds ratio yang sudah disesuaikan (adjusted). Dalam skripsi kesehatan, chi-square sering dipakai untuk analisis bivariat, lalu variabel dengan p < 0,25 dibawa ke analisis multivariat regresi logistik (Hosmer et al., 2013), sesuai pedoman masing-masing program studi.

Mengapa hasil chi-square signifikan tetapi Cramér's V kecil?

Nilai χ² bertambah besar seiring bertambahnya jumlah responden, sehingga pada sampel besar hubungan yang lemah pun bisa signifikan. Signifikansi menjawab apakah hubungan itu kemungkinan bukan kebetulan, sedangkan Cramér's V menjawab seberapa kuat hubungannya. Laporkan keduanya dan bahas makna praktisnya.

Bagaimana menguji chi-square jika data hanya berupa persentase?

Ubah dulu persentase menjadi frekuensi dengan mengalikannya dengan jumlah responden setiap kelompok, lalu masukkan frekuensi tersebut melalui Weight Cases. Uji chi-square tidak boleh dijalankan langsung pada persentase karena hasilnya bergantung pada jumlah responden yang sebenarnya. Jika jumlah responden per kelompok tidak diketahui, uji ini tidak dapat dilakukan.

Referensi

• Cochran, W. G. (1954). Some methods for strengthening the common χ² tests. Biometrics, 10(4), 417–451. https://doi.org/10.2307/3001616
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
• Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (3rd ed.). Wiley.
• IBM Corp. (t.t.). IBM SPSS Statistics Base 31. Diakses 10 Oktober 2026, dari https://www.ibm.com/docs/en/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Base.pdf
• Sharpe, D. (2015). Chi-square test is statistically significant: Now what? Practical Assessment, Research, and Evaluation, 20, Article 8. https://doi.org/10.7275/tbfa-x148