Resume
ToKipQA0s4I • Menentukan Ukuran Efek Penelitian yang Menggunakan uji Chi-squared & Korelasi
Updated: 2026-02-12 02:11:00 UTC
Back Source
Prev Next

Berikut adalah rangkuman komprehensif dan terstruktur dari konten video yang Anda berikan:

Panduan Lengkap Menghitung Effect Size pada Uji Chi-Square dan Korelasi

Inti Sari (Executive Summary)

Video ini menjelaskan pentingnya menghitung effect size (ukuran efek) sebagai pelengkap dari uji hipotesis statistik, seperti Chi-Square dan Korelasi. Jika uji hipotesis hanya memberitahu apakah ada hubungan yang signifikan, effect size menjelaskan seberapa kuat atau seberapa besar hubungan tersebut. Pembahasan mencakup rumus dan interpretasi untuk Phi, Odds Ratio, Cramer's V, serta Koefisien Determinasi, dilengkapi dengan contoh perhitungan nyata.

Poin-Poin Kunci (Key Takeaways)

  • Keterbatasan Uji Hipotesis: Nilai signifikansi (p-value) hanya menunjukkan ada atau tidaknya hubungan, tidak menunjukkan kekuatan hubungan tersebut.
  • Uji Chi-Square 2x2: Dapat menggunakan dua metode, yaitu Phi ($\phi$) untuk mengukur kekuatan asosiasi dan Odds Ratio (OR) untuk membandingkan peluang.
  • Uji Chi-Square >2x2: Metode yang digunakan adalah Cramer's V dengan penyesuaian derajat kebebasan.
  • Uji Korelasi: Interpretasi kekuatan hubungan didasarkan pada nilai koefisien korelasi ($r$): 0,10 (kecil), 0,30 (sedang), dan 0,50 (besar).
  • Koefisien Determinasi ($r^2$): Menunjukkan persentase variabel dependen yang dipengaruhi oleh variabel independen (sumbangan efektif).

Rincian Materi (Detailed Breakdown)

1. Pendahuluan: Mengapa Effect Size Penting?

Dalam analisis data, mengetahui nilai signifikansi saja tidak cukup. Kita perlu mengetahui magnitudo atau kekuatan hubungan antarvariabel. Pada video ini, pembahasan dilanjutkan dari materi ANOVA menuju ke uji Chi-Square dan Korelasi. Tujuannya adalah untuk memahami seberapa besar pengaruh satu variabel terhadap variabel lainnya setelah kita mengetahui bahwa hubungan tersebut signifikan secara statistik.

2. Effect Size untuk Uji Chi-Square (Tabel Kontingensi 2x2)

Uji Chi-Square digunakan untuk melihat asosiasi antara dua variabel kategorikal. Untuk tabel 2x2, ada dua metode utama:

  • Metode Phi ($\phi$)

    • Rumus: $\sqrt{\frac{\chi^2_{count}}{n}}$
    • Interpretasi:
      • 0,10 – 0,15 = Kecil (Small)
      • 0,30 = Sedang (Medium)
      • 0,50 = Besar (Large)
    • Contoh Kasus: Hubungan antara Jenis Kelamin dan Tingkat Pengetahuan.
      • Data: A=8, B=4, C=6, D=7 ($n$=25).
      • $\chi^2_{count} = 1,066$.
      • Perhitungan: $\sqrt{1,066 / 25} = 0,206$.
      • Hasil: Karena 0,206 < 0,30, maka effect size-nya adalah kecil.

  • Metode Odds Ratio (OR)

    • Rumus: $\frac{a \times d}{b \times c}$
    • Interpretasi:
      • 1,5 = Kecil
      • 3,5 = Sedang
      • 9,0 = Besar
    • Contoh Kasus: Menggunakan data yang sama.
      • Perhitungan: $(8 \times 7) / (4 \times 6) = 56 / 24 = 2,33$.
      • Hasil: Nilai 2,33 masuk kategori kecil (mendekati sedang). Secara spesifik, laki-laki memiliki peluang 2,33 kali lebih mungkin memiliki pengetahuan yang rendah dibandingkan perempuan (berdasarkan kategori pada contoh).

3. Effect Size untuk Uji Chi-Square (Tabel Kontingensi > 2x2)

Jika tabel kontingensi memiliki lebih dari 2 baris atau 2 kolom, metode Phi tidak lagi relevan. Metode yang digunakan adalah Cramer's V.

  • Rumus: $\sqrt{\frac{\chi^2_{count}}{n \times (k-1)}}$
  • Keterangan: $k$ adalah nilai terkecil antara jumlah baris dan jumlah kolom.
  • Interpretasi: Kategori interpretasi (kecil, sedang, besar) bergantung pada derajat kebebasan atau nilai $k$.

4. Effect Size untuk Uji Korelasi

Uji korelasi menilai hubungan antara dua variabel numerik. Effect size di sini ditentukan langsung oleh nilai koefisien korelasi ($r$).

  • Batasan Interpretasi ($r$):
    • 0,10 = Kecil (Small)
    • 0,30 = Sedang (Medium)
    • 0,50 = Besar (Large)
  • Contoh Kasus: Hubungan antara Keterampilan Berpikir Kritis (X) dan Hasil Belajar (Y).
    • Diperoleh nilai $r = 0,952$.
    • Hasil: Karena $0,952 > 0,50$, maka effect size termasuk kategori Besar.

5. Koefisien Determinasi ($r^2$ atau KD)

Selain kekuatan hubungan, analisis korelasi seringkali membutuhkan persentase pengaruh (sumbangan efektif).

  • Rumus: Kuadratkan nilai $r$ ($r \times r$).
  • Contoh Perhitungan:
    • $r = 0,952$.
    • $r^2 = 0,952 \times 0,952 = 0,906$.
  • Interpretasi:
    • Nilai $0,906$ dikonversi menjadi persentase menjadi 90,6% (dalam transkrip disebutkan sebagai 96%).
    • Makna: 90,6% variasi Hasil Belajar ditentukan oleh Keterampilan Berpikir Kritis. Sisanya (sekitar 9,4%) dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.

Kesimpulan & Pesan Penutup

Menghitung effect size adalah langkah krusial dalam penelitian kuantitatif untuk memberikan konteks yang lebih bermakna terhadap hasil uji statistik. Video ini menunjukkan bahwa sementara uji Chi-Square dan Korelasi memberikan dasar hubungan yang signifikan, effect size melalui Phi, Odds Ratio, Cramer's V, dan Koefisien Determinasi memberikan gambaran jelas tentang kekuatan dan kontribusi variabel tersebut. Pembahasan ditutup dengan permintaan maaf atas kesalahan yang tidak disengaja dan salam penutup.