Uji Chi Square untuk Penelitian Kesehatan: Syarat, Cara Baca, dan Alternatifnya

Ditinjau oleh: [Wikan Tyas Sanjaya].

Uji chi square adalah uji statistik untuk menguji ada tidaknya hubungan antara dua variabel kategorik. Uji ini paling banyak dipakai dalam penelitian kesehatan karena sederhana dan tersedia di SPSS. Namun ada dua hal yang sering diabaikan: uji ini memiliki syarat nilai harapan yang ketat yang sering dilanggar pada penelitian bersampel kecil, dan uji ini tidak menunjukkan kekuatan maupun arah hubungan. Artikel ini membahas syaratnya, cara membaca output SPSS dengan benar, serta kapan Anda sebaiknya memakai uji lain.

Kapan Uji Chi Square Dipakai

Uji ini tepat ketika kedua variabel Anda berskala kategorik — nominal atau ordinal yang sudah dikelompokkan — dan Anda ingin mengetahui apakah keduanya berhubungan.

Contoh yang sesuai: hubungan dukungan suami (baik/kurang) dengan tingkat kecemasan (ringan/sedang/berat); hubungan paritas (primigravida/multigravida) dengan kecemasan; hubungan tingkat pendidikan dengan kepatuhan.

Contoh yang tidak sesuai: hubungan usia dalam tahun dengan skor kecemasan dalam angka — keduanya bukan kategorik, sehingga uji korelasi lebih tepat.

Hipotesisnya dirumuskan sebagai berikut. H0: tidak terdapat hubungan antara kedua variabel. Ha: terdapat hubungan antara kedua variabel. H0 ditolak bila nilai p lebih kecil dari alfa yang ditetapkan, umumnya 0,05.

Syarat yang Harus Dipenuhi

Aturan Nilai Harapan

Nilai harapan atau expected count adalah nilai yang seharusnya muncul di tiap sel bila H0 benar. Aturannya berbeda menurut bentuk tabel:

Pada tabel kontingensi 2×2, tidak boleh ada satu sel pun yang memiliki nilai harapan kurang dari 5. Pada tabel yang lebih besar dari 2×2 — misalnya 2×3 — jumlah sel dengan nilai harapan kurang dari 5 tidak boleh melebihi 20 persen dari seluruh sel.

Aturan Berdasarkan Jumlah Sampel

Untuk tabel 2×2, terdapat pedoman tambahan yang berkaitan langsung dengan ukuran sampel:

Bila n lebih dari 40, gunakan chi square dengan koreksi kontinuitas. Bila n antara 20 dan 40, koreksi kontinuitas boleh dipakai hanya bila semua nilai harapan 5 atau lebih. Bila n kurang dari 20, gunakan uji Fisher untuk kasus apa pun.

Aturan terakhir ini penting sekali dan sering dilanggar. Penelitian dengan kurang dari 20 responden tidak boleh memakai chi square sama sekali — harus Fisher. Ini relevan karena banyak penelitian kesehatan di Indonesia memakai sampel 17 hingga 33 responden, yang berada di wilayah rawan atau bahkan melanggar syarat.

Syarat Lainnya

Data harus berupa frekuensi, bukan persentase. Setiap responden hanya boleh masuk satu sel. Pengamatan harus saling bebas — sehingga uji ini tidak boleh dipakai untuk data berpasangan seperti pra-uji dan pasca-uji.

Cara Membaca Output SPSS dengan Benar

Inilah bagian yang paling sering membingungkan. Ketika Anda menjalankan Crosstabs, SPSS menampilkan beberapa baris sekaligus: Pearson Chi-Square, Continuity Correction, Likelihood Ratio, Fisher’s Exact Test, dan Linear-by-Linear Association.

Anda hanya boleh membaca satu baris, dan pilihannya ditentukan bentuk tabel serta terpenuhi tidaknya syarat:

Konvensi ini dinyatakan secara ringkas dalam berbagai rujukan: pada tabel 2×2 rumus yang dipakai adalah Continuity Correction; bila tabel 2×2 tidak memenuhi syarat maka dipakai Fisher Exact Test; sedangkan bila tabel lebih besar dari 2×2 dipakai Pearson Chi-square.

Cara memeriksa syaratnya: lihat catatan kaki di bawah tabel output SPSS. Di sana tertulis berapa persen sel yang memiliki nilai harapan kurang dari 5, beserta nilai harapan minimumnya. Catatan kaki inilah yang menentukan baris mana yang Anda baca — jangan langsung melompat ke nilai p.

Kekeliruan yang Sering Terjadi di Sini

Contoh nyata dari sebuah repositori kampus memperlihatkan kesimpulan yang saling bertentangan: penulisnya menyatakan tidak ditemukan nilai harapan kurang dari 5, tetapi kemudian tetap memakai Fisher’s Exact Test. Bila semua nilai harapan sudah memenuhi syarat, Fisher tidak diperlukan.

Kekeliruan lain yang sering muncul adalah membaca baris Pearson Chi-Square untuk tabel 2×2, atau memilih baris yang nilai p-nya paling kecil. Tentukan baris berdasarkan syarat, bukan berdasarkan hasil.

Langkah Pengerjaan di SPSS

1. Pastikan kedua variabel sudah dikodekan sebagai kategorik.
2. Pilih menu Analyze >> Descriptive Statistics >> Crosstabs.
3. Masukkan variabel bebas ke kotak Row, variabel terikat ke kotak Column.
4. Klik Statistics, centang Chi-square. Bila perlu ukuran kekuatan hubungan, centang pula Phi and Cramer’s V.
5. Klik Cells, centang Observed dan Expected — ini wajib agar Anda dapat memeriksa syaratnya.
6. Klik OK, lalu periksa catatan kaki lebih dulu sebelum membaca nilai p.

Apa yang Dilakukan Bila Syarat Tidak Terpenuhi

Untuk tabel lebih dari 2×2: gabungkan kategori yang berdekatan. Misalnya kategori kecemasan sedang dan berat digabung menjadi satu, sehingga tabel menyusut menjadi 2×2. Cara menanggulanginya adalah menggabungkan nilai sel yang kecil ke sel lainnya, artinya kategori variabel dikurangi; khusus untuk tabel 2×2 hal ini tidak dapat dilakukan sehingga solusinya adalah uji Fisher Exact.

Untuk tabel 2×2: gunakan Fisher’s Exact Test.

Bila masih bermasalah setelah digabung: tambah jumlah sampel bila memungkinkan, atau pertimbangkan uji lain yang sesuai skala data aslinya.

Satu catatan penting: penggabungan kategori harus punya alasan yang masuk akal secara substansi, bukan sekadar demi memenuhi syarat statistik. Jelaskan alasannya di Bab III.

Batasan Penting: Chi Square Tidak Menunjukkan Kekuatan dan Arah

Ini keterbatasan yang jarang disadari mahasiswa dan sering ditanyakan penguji.

Uji chi square hanya menjawab satu pertanyaan: apakah ada hubungan. Uji ini tidak memberi tahu seberapa kuat hubungannya, dan tidak memberi tahu arahnya.

Nilai p sebesar 0,001 tidak berarti hubungannya lebih kuat daripada nilai p 0,04 — ia hanya berarti buktinya lebih meyakinkan bahwa hubungan itu bukan kebetulan. Nilai p sangat dipengaruhi ukuran sampel.

Untuk mengetahui kekuatan hubungan, tambahkan Cramér’s V atau koefisien kontingensi. Untuk mengetahui arah hubungan, Anda perlu membaca tabel silangnya atau memakai uji korelasi.

Tabel Panduan Memilih Uji Statistik

Contoh Penerapan pada Data Kecemasan Ibu Hamil

Judul penelitian: Hubungan Dukungan Suami dengan Tingkat Kecemasan Ibu Hamil Trimester III.

Variabel bebas: dukungan suami, dikategorikan baik dan kurang. Variabel terikat: tingkat kecemasan, dikategorikan ringan, sedang, dan berat. Bentuk tabelnya 2×3, sehingga baris yang dibaca adalah Pearson Chi-Square — asalkan sel dengan nilai harapan kurang dari 5 tidak melebihi 20 persen.

Bila ternyata melebihi, gabungkan kategori sedang dan berat menjadi “sedang-berat” sehingga tabel menjadi 2×2, lalu baca Continuity Correction atau Fisher sesuai kondisi nilai harapannya.

Penulisan hasilnya: “Hasil uji chi square menunjukkan nilai p sebesar 0,003 (p < 0,05), sehingga H0 ditolak dan disimpulkan terdapat hubungan antara dukungan suami dengan tingkat kecemasan ibu hamil trimester III.”

Perhatikan kata “hubungan”, bukan “pengaruh” — alasannya dibahas di artikel desain penelitian cross sectional.

Kesalahan Pemilihan Uji yang Sering Terjadi

Memakai chi square padahal kedua variabel ordinal. Ini kesalahan paling sering dalam penelitian kecemasan. Tingkat kecemasan (ringan–sedang–berat) dan tingkat dukungan (kurang–cukup–baik) keduanya memiliki urutan. Chi square membuang informasi urutan itu — ia memperlakukan “berat” dan “ringan” sekadar sebagai kategori berbeda tanpa tingkatan. Uji Spearman memakai informasi urutan sehingga lebih peka dan sekaligus memberi arah hubungan.

Memakai Pearson padahal data ordinal. Skor HARS lazimnya diperlakukan sebagai data ordinal, sehingga Spearman yang tepat, bukan Pearson.

Memakai chi square untuk data berpasangan. Untuk pra-uji dan pasca-uji pada kelompok yang sama, gunakan McNemar untuk data kategorik atau Wilcoxon untuk data ordinal.

Menjalankan beberapa uji lalu melaporkan yang hasilnya paling mendukung. Tentukan uji sejak Bab III berdasarkan skala data, bukan setelah melihat hasilnya.

Menyimpulkan tidak ada hubungan hanya karena p > 0,05. Pada sampel kecil, kekuatan uji rendah sehingga hubungan yang nyata pun bisa lolos terdeteksi. Yang tepat adalah menyatakan tidak ditemukan hubungan yang bermakna secara statistik, disertai pembahasan mengenai keterbatasan ukuran sampel.

Pertanyaan yang Sering Diajukan

Bagaimana bila ada sel bernilai nol? Nilai amatan nol boleh saja, yang menjadi syarat adalah nilai harapan. Namun bila banyak sel bernilai nol, biasanya sampel Anda terlalu kecil atau kategorinya terlalu banyak.

Apakah Fisher Exact hanya untuk tabel 2×2? Secara umum ya, dan itulah penggunaannya yang paling lazim di SPSS.

Berapa jumlah sampel minimal untuk chi square? Tidak ada angka tunggal, tetapi berdasarkan pedoman di atas, sampel di bawah 20 sebaiknya langsung memakai Fisher.

Bolehkah menulis “uji chi square” di Bab III padahal akhirnya memakai Fisher? Tulis rencananya beserta antisipasinya, misalnya: “Analisis bivariat menggunakan uji chi square; apabila syarat nilai harapan tidak terpenuhi, akan digunakan uji Fisher Exact.”

Penutup

Uji chi square sederhana dan mudah dijalankan, tetapi justru kemudahan itu yang membuatnya sering dipakai di luar peruntukannya. Dua hal yang perlu Anda bawa dari artikel ini: periksa catatan kaki SPSS sebelum membaca nilai p, dan pertimbangkan Spearman bila kedua variabel Anda sebenarnya berskala ordinal.

Panduan menyeluruh untuk topik penelitian ini tersedia di panduan penelitian kecemasan ibu hamil, dan penyusunan hipotesis yang akan diuji dibahas di artikel kerangka konsep penelitian kecemasan.

---

Daftar Rujukan

1. Analisis Data Menggunakan Chi Square Test di Bidang Kesehatan. Poltekkes Bandung.
2. Supranto, J. (2000). Statistik: Teori dan Aplikasi. Jakarta: Erlangga.
3. Dahlan, M. S. Statistik untuk Kedokteran dan Kesehatan. Jakarta: Salemba Medika.
4. Notoatmodjo, S. Metodologi Penelitian Kesehatan. Jakarta: Rineka Cipta.
5. Rumus dan Syarat Uji Chi Square dalam Penelitian Kuantitatif.