Perbandingan statistik perbedaan kepatuhan hukum antar kelompok usia melalui Uji Chi-Square

Info proyek

• Bidang studiHukum dan Kriminologi
• JenjangTesis (S2)
• Jenis metodeStatistika Inferensial
• Perkiraan pengerjaan± 5 hari kerja
• Perangkatscipy.stats chi2_contingency, pandas.crosstab
• HargaRp 350.000 - Rp 2.150.000

Tujuan analisis

Menguji perbedaan atau hubungan skor kepatuhan hukum menurut kelompok usia dengan memperhitungkan tingkat pendidikan menggunakan Uji Chi-Square pada taraf signifikansi 5%.

Variabel

Contoh hasil

• 19.143Chi-square
• 0.001Chi-square p-value
• 4Degrees of freedom
• 0.174Cramer's V
• 35Min expected count
• 315Sample size N

Uji chi-square antara tingkat Kelompok usia dan Skor kepatuhan hukum menunjukkan asosiasi (chi2 = 19.143, db = 4, p < 0.001) dengan kekuatan asosiasi Cramer V 0.174.

Dihitung dari data sintetis sebagai ilustrasi, bukan dari penelitian nyata.

Tentang Uji Chi-Square

Uji Chi-Square menguji hubungan antara dua variabel kategorik pada tabel kontingensi, atau kesesuaian distribusi dengan proporsi yang diharapkan. Cocok untuk data survei kategorik seperti jenis kelamin dan pilihan jawaban.

Langkah pengerjaan

1. 1Susun tabel kontingensi dari dua variabel kategorik
2. 2Hitung frekuensi harapan dan periksa syarat (minimal 5)
3. 3Jalankan uji chi-square independensi
4. 4Ambil statistik, derajat bebas, dan p-value
5. 5Hitung ukuran efek (Cramer V)
6. 6Plot bar bertumpuk atau heatmap residual

Asumsi yang perlu diperiksa

• Pengamatan saling bebas
• Frekuensi harapan tiap sel minimal 5 (bila tidak, gunakan uji Fisher)
• Data berupa frekuensi, bukan persentase

Membaca dan melaporkan hasil

Laporkan chi-square, derajat bebas, ukuran sampel, p-value, dan Cramer V, serta sel dengan residual terstandar terbesar. Tegaskan bahwa asosiasi tidak berarti sebab-akibat.

Contoh kode Python

Skrip awal singkat dengan nama variabel proyek ini. Versi yang diserahkan disesuaikan dengan data Anda dan diberi komentar lengkap.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.stats as st

rng = np.random.default_rng(27)
n = 300
age_group = rng.choice(["Male", "Female"], n)
p_yes = np.where(age_group == "Female", 0.65, 0.45)
legal_compliance_score = np.where(rng.random(n) < p_yes, "Agree", "Disagree")

tab = pd.crosstab(age_group, legal_compliance_score)
chi2, p, dof, exp = st.chi2_contingency(tab)
print(tab)
print("chi2 =", round(chi2, 3), "dof =", dof, "p =", round(p, 4))
print("Min expected frequency:", round(exp.min(), 2))

v = np.sqrt(chi2 / (tab.values.sum() * (min(tab.shape) - 1)))
print("Cramer V:", round(v, 3))
resid = (tab.values - exp) / np.sqrt(exp)
print("Standardised residuals:\n", resid.round(2))

tab.plot(kind="bar", stacked=True)
plt.ylabel("Count")
plt.show()

Paket dan harga

Pilih seberapa banyak bantuan yang Anda perlukan. Setiap paket yang lebih tinggi sudah mencakup semua item paket di bawahnya. Harga belum termasuk PPN 11%.

• Pembayaran: DP 50% sebelum pekerjaan dimulai, pelunasan setelah hasil diserahkan
• Pajak: Harga belum termasuk PPN 11%
• Data dan integritas akademik: Hasil dihitung dari data penelitian Anda sendiri; Anda yang menulis dan mempertanggungjawabkan naskah, kami membantu analisis dan pemahaman
• Revisi: Maksimal 2 kali revisi termasuk dalam harga (Paket 3: 3 kali)

Pertanyaan umum