SPJK 2X2 DAN 4X2 KTK

# Membuat Data Frame
data_jk <- data.frame(
  Jenis_Kelamin = rep(c("Laki-laki", "Perempuan"), times = c(50, 50)),
  Status_PJK    = c(rep("Ya", 30), rep("Tidak", 20),
                    rep("Ya", 15), rep("Tidak", 35))
)

# Membuat Tabel Kontingensi
tabel_jk <- table(data_jk$Jenis_Kelamin, data_jk$Status_PJK)

# Menampilkan Tabel dengan Total Baris & Kolom
addmargins(tabel_jk)

##            
##             Tidak  Ya Sum
##   Laki-laki    20  30  50
##   Perempuan    35  15  50
##   Sum          55  45 100

# Uji Chi-Square
chisq.test(tabel_jk)

## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tabel_jk
## X-squared = 7.9192, df = 1, p-value = 0.004891

# Membuat Data Frame
data_pendidikan <- data.frame(
  Pendidikan = rep(c("SD", "SMP", "SMA", "PT"), each = 30),
  Status_PJK = c(rep("Ya", 18), rep("Tidak", 12),
                 rep("Ya", 15), rep("Tidak", 15),
                 rep("Ya", 10), rep("Tidak", 20),
                 rep("Ya", 5),  rep("Tidak", 25))
)

# Mengurutkan Kategori Pendidikan
data_pendidikan$Pendidikan <- factor(data_pendidikan$Pendidikan, 
                                     levels = c("SD", "SMP", "SMA", "PT"))

# Membuat Tabel Kontingensi
tabel_pendidikan <- table(data_pendidikan$Pendidikan, data_pendidikan$Status_PJK)

# Menampilkan Tabel dengan Total Baris & Kolom
addmargins(tabel_pendidikan)

##      
##       Tidak  Ya Sum
##   SD     12  18  30
##   SMP    15  15  30
##   SMA    20  10  30
##   PT     25   5  30
##   Sum    72  48 120

# Uji Chi-Square
chisq.test(tabel_pendidikan)

## 
##  Pearson's Chi-squared test
## 
## data:  tabel_pendidikan
## X-squared = 13.611, df = 3, p-value = 0.003485