10. Uji Chi

Report
1
Uji Statistik yang Digunakan
Untuk ANALISA BIVARIAT
Variabel I
Variabel II
Jenis
uji
statistik
yang
digunakan
Katagorik
Katagorik
Numerik
 Katagorik
 Numerik
 Numerik
-
Kai kuadrat
-
Fisher Exact
-
Uji T
-
ANOVA
-
Korelasi
-
Regresi
2
 Apakah
ada perbedaan proporsi
hipertensi pada populasi perokok
dan populasi bukan perokok
 Apakah ada perbedaan proporsi
anemia pada ibu dengan sosek
ekonomi tinggi, sedang, dan
rendah
 Disusun dalam suatu tabel (tabel
kontingensi)
3

Secara spesifik uji chi square dapat
digunakan untuk
menentukan/menguji:
◦ Ada tidaknya hubungan/asosiasi antara
2 variabel (test of independency)
◦ Apakah suatu kelompok homogen
dengan sub kelompok lain (test of
homogenity)
◦ Apakah ada kesesuaian antara
pengamatan dengan parameter tertentu
yang dispesifikasikan (Goodness of fit)
4
 Jenis
data kategori
 Sampel independen
 Distribusi tidak normal/tidak
diketahui distribusinya (free
distribution)
5


Membandingkan frekuensi yang terjadi
(observasi) dengan frekuensi harapan (ekspektasi)
Pembuktian dengan uji chi square menggunakan
formula:
Pearson Chi Square:
(O  E )
 E
fo= nilai observasi (pengamatan)
2
χ2 =
fe = nilai ekspektasi (harapan)
b = jumlah baris
k = jumlah kolom
6
dengan df = (b-1)(k-1)

Pertanyaan: Apakah kebiasaan merokok
berhubungan dengan BBLR?
BBLR
Merokok
Total
Tidak
Ya
Tidak
86
29
115
Ya
44
30
74
Total
130
59
N = 189
7

Hipotesis nol (Ho):
◦ Proporsi BBLR pada ibu perokok sama dengan
proporsi BBLR pada ibu yang bukan perokok
◦ ATAU tidak ada hubungan merokok dengan
kejadian BBLR

Hipotesis alternatif (Ha):
◦ Proporsi BBLR pada ibu perokok berbeda proporsi
BBLR pada ibu yang bukan perokok
◦ ATAU ada hubungan merokok dengan kejadian
BBLR
8

Formula:
χ2
(O  E )
 E
=
2
Metode:
1.
2.
Hitung nilai/frekuensi ekspektasi dari masingmasing sel.
Lengkapi tabel perhitungan untuk memperoleh χ2
(hitung)
9


E=
marginal baris  marginal kolom
N
Perkalian antara marginal kolom dan
marginal baris masing-masing sel dan dibagi
N.
 (130*115)/189 = 79,10
 (59*115)/189 = 35,90
 (130*74)/189 = 50,90
 (59*74)/189 = 23,10
10
Mero BBLR (Observe)
kok Tidak
Ya
Total
Tidak
115
86
29
BBLR (Expected)
Tidak
(130*115)/
189 =
79,10
Ya
(59*115)/
189 =
35,90
(59*74)/1
89 =
23,10
59
Ya
44
30
74
(130*74)/1
89 = 50,90
Total
130
59
N = 189
130
11
O
E
O-E
(O-E)2
(O-E)2 /E
86
79,10
6.9
47.61
0.60
29
35,90
-6.9
47.61
1.33
44
50,90
-6.9
47.61
0.94
30
23,10
6.9
47.61
2.06
Total
189
0
χ2 = 4,92
12


Uji statistik tidak
berada pada
daerah kritis  Ho
ditolak
Ada hubungan
yang signifikan
antara kebiasaan
merokok dengan
BBLR.
3,841
χ2 (hitung) = 4,92 > χ2
(tabel) = 3,841
13
Alpha = 0,05
df = (b-1)(k-1) = 1
χ2 (tabel) = 3,841
14

Pearson Chi Square/Likehood
Untuk tabel > 2x2 (misal 3x2 atau 3x3) dengan
memperhatikan persyaratan:
◦ Tidak ada frekuensi harapan kurang dari 1 (E<1)
◦ Nilai frekuensi harapan < 5 maksimal 20%
◦ Apabila kedua persyaratan di atas tidak dipenuhi, maka
penggabungan kategori perlu dilakukan agar diperoleh
nilai harapan yang berharga besar

Yates Correction:
Untuk tabel 2x2 bila tidak ada nilai E < 5, maka dipakai
Continuity Correction

Fisher Exact Test
Untuk tabel 2x2 bila terdapat nilai E < 5 maka digunakan
Uji Fisher Exact
15

16
Kasus
Suatu penelitian ingin mengetahui
hubungan antara perilaku merokok
(merokok dan tidak merokok) dengan
status fertilitas seorang pria (subur dan
tidak subur).
17
Variabel perilaku
merokok digunakan
sebagai variabel
independen, pindahkan
ke kotak “Row(s):”
Variabel status
fertilitas digunakan
sebagai variabel
dependen, pindahkan
ke kotak “Kolom(s)”.
18
19
20
21
perilaku merokok * Status fertilitas Crosstabulation
perilaku merokok
tidak merokok
merokok
Total
Count
Expected Count
% within perilaku
merokok
Count
Expected Count
% within perilaku
merokok
Count
Expected Count
% within perilaku
merokok
Status fertilitas
subur
tidak subur
35
15
27.5
22.5
Total
50
50.0
70.0%
30.0%
100.0%
20
27.5
30
22.5
50
50.0
40.0%
60.0%
100.0%
55
55.0
45
45.0
100
100.0
55.0%
45.0%
100.0%
Dapat diinterpretasikan bahwa ada sebanyak 35 dari 50 (70,00%) lakilaki tidak merokok memiliki status fertilitas subur. Sedangkan diantara
laki-laki yang merokok, ada 20 dari 50 (40,00%) yang memiliki status
fertilitas
subur
22
Chi-Square Tests
Pearson Chi-Square
Continuity Correction
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
a
Value
9.091b
7.919
9.240
9.000
df
1
1
1
1
Asymp. Sig.
(2-sided)
.003
.005
.002
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
.005
.002
.003
100
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
22.50.
Hasil ini menunjukkan bahwa: “tidak ada sel yang memiliki nilai E < 5
dan nilai ekspektasi minimum adalah 22,50”.
23



Uji chi quare hanya membuktikan bahwa ada
hubungan (P-value)
Tidak menggambarkan kekuatan hubungan.
Untuk menggambarkan hubungan digunakan
ukuran OR dan RR
24

RR (Relative Risk) =

OR (Odds Ratio) =
A/(A+B)
--------C/(C+D)
AD / BC
25
26
OR = 3,500 (95%
CI:1,529-8,012).
Pria yang merokok
mempunyai peluang 3,5
kali untuk tidak subur
dibandingkan pria yang
tidak merokok
Risk Estimate
Odds Ratio for perilaku
95% Confidence Interval
Value
Lower
Upper
3.500
1.529
8.012
1.750
1.191
2.572
.500
.309
.808
merokok (tidak merokok /
merokok)
For cohort Status fertilitas =
subur
For cohort Status fertilitas =
tidak subur
N of Valid Cases
100
RR = 1,750 (95% CI:1,1912,572).
27

Contoh:
Ingin diketahui apakah ada hubungan antara
tingkat pendidikan ibu dengan pemanfaatan
pelayanan ANC
28
Pendidikan Ibu
Total
Pendidikan Ibu * Pelayanan ANC Crosstabulation
Pelayanan ANC
Tidak
Adekuat
adekuat
Total
Count
466
15
481
Pendidikan
menengah
96.9%
3.1% 100.0%
% within
Pendidikan Ibu
Pendidikan dasar Count
% within
Pendidikan Ibu
1172
87.3%
171 1343
12.7% 100.0%
Tidak sekolah
Count
% within
Pendidikan Ibu
150
78.1%
42
192
21.9% 100.0%
Count
% within
Pendidikan Ibu
1788
88.7%
228 2016
11.3% 100.0%
29
Ho ditolak atau ada hubungan
“pendidikan ibu” dengan “anc”.
Chi-Square Tests
Pearson Chi-Square
Value
56.253a
2
Asymp. Sig. (2sided)
.000
df
Likelihood Ratio
63.661
2
.000
Linear-by-Linear Association
56.204
1
.000
N of Valid Cases
2016
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
21.71.
30


Pada tabel > 2 x 2, tidak bisa ditampilkan
nilai OR
Tiga cara:
◦ Harus dibuat dummy variabel tabel dahulu,
kemudian dilakukan Crosstabs
◦ Lakukan analisis regresi logistik sederhana
31
Pendidikan Ibu
Total
Pendidikan Ibu * Pelayanan ANC Crosstabulation
Pelayanan ANC
Tidak
Adekuat
adekuat
Total
Count
466
15
481
Pendidikan
menengah
96.9%
3.1% 100.0%
% within
Pendidikan Ibu
Pendidikan dasar Count
% within
Pendidikan Ibu
1172
87.3%
171 1343
12.7% 100.0%
Tidak sekolah
Count
% within
Pendidikan Ibu
150
78.1%
42
192
21.9% 100.0%
Count
% within
Pendidikan Ibu
1788
88.7%
228 2016
11.3% 100.0%
32



Untuk membuat dummy variabel dari pendidikan
(0.Pendidikan menengah, 1. Pendidikan dasar & 2.
Tidak sekolah), ditetapkan kelompok mana yang
akan dijadikan sebagai pembanding
Sebagai kelompok pembanding kita tetapkan Tidak
sekolah.
Melakukan transformasi data dengan menu
RECODE:
◦ Pendidikan_1 (0=Tidak sekolah, 1=Pendidikan menengah)
◦ Pendidikan_2 (0=Tidak sekolah, 1=Pendidikan dasar)
33
Chi-Square Tests
Pearson Chi-Square
Value
62.274a
df
Asymp. Sig. Exact Sig. (2(2-sided)
sided)
1
.000
Continuity Correctionb
59.878
1
.000
Likelihood Ratio
Fisher's Exact Test
55.176
1
.000
Exact Sig. (1sided)
.000
.000
62.182
1
.000
Linear-by-Linear
Association
N of Valid Cases
673
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.26.
b. Computed only for a 2x2 table
Risk Estimate
Odds Ratio for Pendidikan_1
(Tidak sekolah / Pendidikan
menengah)
For cohort Pelayanan ANC =
Adekuat
For cohort Pelayanan ANC =
Tidak adekuat
N of Valid Cases
Value
.115
95% Confidence Interval
Lower
Upper
.062
.213
.806
.747
.871
7.015
3.986
12.346
673
34
Pearson Chi-Square
Value
11.749a
Chi-Square Tests
Asymp. Sig. (2- Exact Sig. (2df
sided)
sided)
1
.001
Continuity Correctionb
10.996
1
.001
Likelihood Ratio
Fisher's Exact Test
10.496
1
.001
Exact Sig. (1sided)
.001
.001
11.741
1
.001
Linear-by-Linear
Association
N of Valid Cases
1535
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 26.64.
b. Computed only for a 2x2 table
Risk Estimate
Odds Ratio for Pendidikan_2
(Tidak sekolah / Pendidikan
dasar)
For cohort Pelayanan ANC =
Adekuat
For cohort Pelayanan ANC =
Tidak adekuat
N of Valid Cases
Value
.521
95% Confidence Interval
Lower
Upper
.357
.760
.895
.828
.967
1.718
1.270
2.323
1535
35
Variables in the Equation
B
Step
1a
S.E.
Pendidikan_Ibu
Wald
47.134
df
2
Sig.
.000
Exp(B)
95% C.I.for EXP(B)
Lower
Upper
Pendidikan_Ibu(1)
-2.163
.315
47.128
1
.000
.115
.062
.213
Pendidikan_Ibu(2)
-.652
.193
11.429
1
.001
.521
.357
.760
-1.273
.175
53.171
1
.000
.280
Constant
a. Variable(s) entered on step 1: Pendidikan_Ibu.
Dari Nilai OR atau (Exp(B) dapat disimpulkan bahwa ibu yang
berpendidikan menengah(1) mempunyai kecenderungan untuk
melakukan ANC adekuat sebesar 0,115 kali lebih besar dibandingkan
dengan ibu yang tidak sekolah (p-value=0,000). Sedangkan ibu yang
berpendidikan dasar(2) mempunyai kecenderungan untuk melakukan
ANC adekuat sebesar 0,521 kali lebih besar dibandingkan dengan
ibu yang tidak sekolah (p-value=0.001).
36




Jan W. Kuzma, 1984, Basic Statistics for the Health
Sciences, California: Meyfield Publishing Company.
Pagano, M.,& Gauvreau, K., 1993. Principles
of Biostatistics. California: Wadsworth
Publishing Company.
Hastono, S.P., 2001. Modul Analisis Data.
FKM UI.
Dahlan, Sopiyudin. 2008. Statistik untuk
Kedokteran dan Kesehatan. Seri Evidence
Based Medicine 2 Edisi 3. Jakarta: Penerbit
Salemba Medika.
37

similar documents