Tabel Uji Statistik Lengkap: Tabel r, t, F, dan Chi-Square Satu Halaman

Tabel uji statistik adalah daftar nilai kritis yang kamu pakai sebagai pembanding hasil hitungan, buat mutusin hipotesis nol ditolak atau nggak.

Yang paling sering dicari ada empat: tabel r, tabel t, tabel F, dan tabel chi-square.

Keempatnya aku taruh di satu halaman ini. Ditambah rumus Excel buat nyari nilainya sendiri, kalau buku tabelnya lagi ketinggalan di kos.

Apa itu tabel uji statistik?

Tabel uji statistik adalah kumpulan nilai kritis untuk taraf signifikansi dan derajat bebas tertentu. Kamu bandingin nilai hitung dari datamu sama nilai di tabel. Kalau nilai hitung lebih besar, hipotesis nol ditolak. Logikanya sama kayak baca p-value, cuma jalurnya lewat angka pembanding.

Dua istilah ini wajib kamu pegang sebelum buka tabel apa pun.

• Taraf signifikansi (alfa): risiko salah yang kamu terima. Umumnya 0,05 atau 0,01.
• Derajat bebas (df): angka yang nentuin baris mana yang kamu baca. Rumusnya beda tiap uji.

Salah ngitung df bikin kamu baca baris yang salah, dan kesimpulannya ikut meleset. Ini rumusnya per uji:

Uji	Rumus df	Tabel yang dibuka
Validitas item (korelasi Pearson)	df = n - 2	Tabel r
Uji t satu sampel	df = n - 1	Tabel t
Uji t dua sampel bebas	df = n1 + n2 - 2	Tabel t
ANOVA satu jalur	df1 = k - 1 ; df2 = N - k	Tabel F
Uji F regresi	df1 = jumlah prediktor ; df2 = n - prediktor - 1	Tabel F
Chi-square tabel silang	df = (baris - 1) x (kolom - 1)	Tabel chi-square

Berapa nilai r tabel product moment?

Nilai r tabel ditentukan dari df = n - 2 pada taraf yang kamu pilih. Buat 30 responden, r tabel 5% dua sisi adalah 0,361. Item kuesioner dianggap valid kalau r hitung lebih besar dari angka itu. Makin banyak responden, makin kecil ambangnya.

N responden	df (n-2)	Taraf 5%	Taraf 1%
10	8	0,632	0,765
20	18	0,444	0,561
30	28	0,361	0,463
40	38	0,312	0,403
50	48	0,279	0,361
60	58	0,254	0,330
70	68	0,235	0,306
80	78	0,220	0,286
100	98	0,196	0,256

Perhatiin satu hal lucu di tabel ini. Nilai 5% buat 50 responden (0,279) beda tipis sama nilai 1% buat 100 responden (0,256). Ukuran sampel ngaruh ke ambang sekuat taraf signifikansi.

Kapan pakai tabel t satu sisi dan dua sisi?

Pakai dua sisi kalau hipotesismu cuma bilang ada perbedaan, tanpa nyebut arah. Pakai satu sisi kalau kamu nyebut arahnya, misalnya lebih tinggi. Dua sisi lebih ketat, jadi nilai tabelnya lebih besar. Di df 30, nilai dua sisi 2,042 sementara satu sisi cuma 1,697.

df	5% satu sisi	5% dua sisi	1% dua sisi
5	2,015	2,571	4,032
10	1,812	2,228	3,169
15	1,753	2,131	2,947
20	1,725	2,086	2,845
25	1,708	2,060	2,787
30	1,697	2,042	2,750
40	1,684	2,021	2,704
50	1,676	2,009	2,678
60	1,671	2,000	2,660
100	1,660	1,984	2,626
tak hingga	1,645	1,960	2,576

Angka 1,96 di baris terakhir itu yang sering muncul di jurnal. Itu nilai t dua sisi 5% waktu sampelnya besar banget.

Gimana cara baca tabel F?

Tabel F butuh dua derajat bebas sekaligus. df1 dibaca dari kolom, df2 dari baris. Di ANOVA satu jalur, df1 adalah jumlah kelompok dikurangi satu, dan df2 adalah jumlah total data dikurangi jumlah kelompok. Kalau F hitung lebih besar dari F tabel, ada perbedaan antar kelompok.

Nilai kritis F pada taraf 5%:

df2 \ df1	1	2	3	4	5
10	4,96	4,10	3,71	3,48	3,33
20	4,35	3,49	3,10	2,87	2,71
30	4,17	3,32	2,92	2,69	2,53
40	4,08	3,23	2,84	2,61	2,45
60	4,00	3,15	2,76	2,53	2,37
100	3,94	3,09	2,70	2,46	2,31

Contoh baca cepat. Kamu bandingin omzet 3 cabang, total 33 data. df1 = 3 - 1 = 2, df2 = 33 - 3 = 30. F tabelnya 3,32.

Berapa nilai chi-square tabel?

Chi-square cuma butuh satu derajat bebas. Buat tabel silang, df-nya jumlah baris dikurangi satu dikali jumlah kolom dikurangi satu. Tabel 2x2 berarti df = 1, dan nilai kritis 5%-nya 3,841. Kalau chi-square hitung lebih besar dari itu, dua variabelmu punya hubungan.

df	Taraf 5%	Taraf 1%
1	3,841	6,635
2	5,991	9,210
3	7,815	11,345
4	9,488	13,277
5	11,070	15,086
6	12,592	16,812
8	15,507	20,090
10	18,307	23,209
15	24,996	30,578
20	31,410	37,566
30	43,773	50,892

Cara pakainya udah aku bahas lebih dalam di artikel uji chi-square, lengkap sama contoh tabel kontingensi toko.

Gimana cari nilai tabel tanpa buka buku?

Excel punya fungsi buat keempat tabel di atas. Ketik df-nya, dapet nilai kritisnya langsung.

Tabel t dua sisi, alfa 0,05, df 28
=T.INV.2T(0.05, 28)          hasil: 2,0484

Tabel t satu sisi, alfa 0,05, df 28
=ABS(T.INV(0.05, 28))        hasil: 1,7011

Tabel F, alfa 0,05, df1 2, df2 30
=F.INV.RT(0.05, 2, 30)       hasil: 3,3158

Tabel chi-square, alfa 0,05, df 4
=CHISQ.INV.RT(0.05, 4)       hasil: 9,4877

Excel nggak punya fungsi khusus buat r tabel. Tapi r bisa diturunin dari t pakai satu rumus:

Misal N = 30, jadi df = 28
A1: =T.INV.2T(0.05, 28)             2,0484
A2: =A1/SQRT(A1^2 + 28)             0,3610

Hasilnya 0,361, persis kayak angka di buku tabel. Rumus ini kepakai banget waktu jumlah respondenmu ganjil dan bukunya cuma nyediain kelipatan 5.

Kalau kamu lebih nyaman di Python, semuanya ada di SciPy:

from scipy import stats

print(stats.t.ppf(0.975, 28))        # t dua sisi 5%  -> 2.0484
print(stats.f.ppf(0.95, 2, 30))      # F 5%           -> 3.3158
print(stats.chi2.ppf(0.95, 4))       # chi-square 5%  -> 9.4877

Detail parameter tiap distribusi ada di dokumentasi resmi SciPy Stats.

Contoh kasus: uji validitas kuesioner toko_berkah

Aku pakai dataset toko_berkah, kuesioner kepuasan pelanggan toko grosir di Bekasi. 30 responden, 8 item pertanyaan, skala 1 sampai 5.

df = 30 - 2 = 28, jadi r tabelnya 0,361.

Item	r hitung	Status di N=30	Status kalau N=100
Q1 Kelengkapan barang	0,612	Valid	Valid
Q2 Kewajaran harga	0,548	Valid	Valid
Q3 Kebersihan toko	0,284	Gugur	Valid
Q4 Keramahan kasir	0,471	Valid	Valid
Q5 Kecepatan antre	0,398	Valid	Valid
Q6 Ketersediaan parkir	0,331	Gugur	Valid
Q7 Kejelasan label harga	0,509	Valid	Valid
Q8 Kemudahan bayar digital	0,443	Valid	Valid

Dua item gugur di N=30. Tapi lihat kolom terakhir: dengan data yang sama persis, dua item itu lolos kalau respondennya 100 orang.

Ambang r tabel turun dari 0,361 ke 0,196, selisihnya 0,165 poin. Itu jarak yang cukup buat mindahin nasib dua pertanyaan tanpa satu jawaban pun berubah.

Pelajarannya praktis. Kalau item kuesionermu gugur tipis di sampel kecil, tambah responden dulu sebelum buru-buru buang pertanyaannya.

Kesalahan umum baca tabel uji statistik

1. Pakai N sebagai df. Ini yang paling sering. Di tabel r, baris 30 itu maksudnya N=30 dengan df=28. Di tabel t, baris 30 itu df=30. Cek dulu kepala tabelnya nulis N atau df.

2. Ketuker satu sisi dan dua sisi. Salah pilih di sini bikin hasil yang harusnya nggak signifikan jadi kelihatan signifikan. Kalau hipotesismu nggak nyebut arah, pakai dua sisi.

3. Ketuker df1 dan df2 di tabel F. F(2, 30) itu 3,32, sementara F(30, 2) itu 19,46. Beda jauh. df1 selalu pembilang, ditulis duluan.

4. Bandingin nilai mutlak yang salah tanda. t hitung bisa negatif. Yang dibandingin sama tabel itu nilai mutlaknya, bukan tandanya.

5. Nyimpulin dari tabel doang. Nilai kritis cuma jawab pertanyaan ditolak atau nggak. Dia nggak bilang seberapa besar efeknya. Baca juga ukuran efek sebelum nulis pembahasan.

FAQ

Kenapa nilai r tabel beda-beda tiap buku?

Biasanya gara-gara pembulatan dan kolom yang dipakai. Beberapa buku nulis r tabel berdasarkan N langsung, buku lain berdasarkan df. Ada juga yang nampilin taraf satu sisi padahal kamu butuh dua sisi. Cara paling aman, hitung sendiri pakai rumus turunan dari t di Excel. Hasilnya konsisten dan kamu tau persis df mana yang kamu pakai.

Kalau df aku 27 dan tabelnya cuma punya 25 dan 30, ambil yang mana?

Ambil df yang lebih kecil, jadi 25. Itu bikin nilai kritismu sedikit lebih besar, alias lebih ketat, sehingga kesimpulanmu aman secara konservatif. Tapi jalan yang lebih rapi, hitung nilai persis df 27 pakai T.INV.2T di Excel. Nggak ada alasan lagi buat bulet-buletin df kalau kamu punya spreadsheet.

Nilai hitung sama persis dengan nilai tabel, kesimpulannya apa?

Konvensinya, hipotesis nol ditolak kalau nilai hitung lebih besar dari nilai tabel. Kalau pas sama persis, kamu berada di batas dan p-value-nya tepat 0,05. Kebanyakan penulis milih nggak nolak hipotesis nol di titik ini. Kejadiannya jarang banget, dan biasanya muncul gara-gara nilai hitungmu dibulatkan terlalu awal.

Masih perlu tabel kalau software udah kasih p-value?

Buat ngambil keputusan, p-value udah cukup. Tapi banyak kampus di Indonesia masih minta kamu nulis perbandingan nilai hitung dan nilai tabel di Bab 4. Tabel juga bikin kamu paham kenapa ambangnya bergerak waktu sampel berubah. Paham logikanya bikin kamu nggak asal salin angka dari output.

Tabel z sama tabel t bedanya apa?

Tabel z dipakai kalau simpangan baku populasi diketahui atau sampelnya besar, dan bentuknya tetap berapa pun ukuran sampel. Tabel t nyesuain diri lewat derajat bebas, jadi ekornya lebih tebal di sampel kecil. Di df besar keduanya ketemu, makanya nilai t di baris tak hingga persis 1,960, sama kayak z pada taraf 5% dua sisi.

Penutup

Tiga hal yang layak kamu simpan dari halaman ini:

• Rumus df beda tiap uji, dan itu sumber kesalahan nomor satu.
• Ambang r tabel bergerak jauh mengikuti jumlah responden, dari 0,632 di N=10 sampai 0,196 di N=100.
• Excel dan SciPy bisa gantiin buku tabel, termasuk buat df yang ganjil.

Bookmark halaman ini, terus buka lagi pas kamu lagi ngolah data. Lebih cepat dari nyari lampiran di belakang buku metodologi.

Kalau kamu masih bingung nentuin hipotesis nol dan alternatif sebelum baca tabel, mulai dari panduan uji hipotesis. Buat konsep pendukungnya, cek glosarium regresi dan glosarium outlier, soalnya satu nilai ekstrem doang bisa geser r hitungmu lumayan jauh. Buat ngitung rata-rata dan sebaran datanya, ada fungsi AVG.