Uji Hipotesis Chi-square untuk analisa Bivariat
- 1. Uji Hipotesis Chi Square (2 ) 1
- 2. Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT Variabel I Variabel II J enis uji statistik yang digunakan Katagorik Katagorik - Kai kuadrat - Fisher Exact Katagorik Numerik - Uji T - ANOVA Numerik Numerik - Korelasi - Regresi 2
- 3. 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 Contoh
- 4. 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 TUJUAN UJI CHI SQUARE
- 5. Jenis data kategori Sampel independen Distribusi tidak normal/tidak diketahui distribusinya (free distribution) 5 PERSYARATAN/ASUMSI
- 6. Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (ekspektasi) Pembuktian dengan uji chi square menggunakan formula: Pearson Chi Square: 6 PRINSIP DASAR UJI CHI SQUARE dengan df = (b-1)(k-1) fo= nilai observasi (pengamatan) fe = nilai ekspektasi (harapan) b = jumlah baris k = jumlah kolom E E O 2 ) ( 2 =
- 7. Aplikasi Uji 2 pada Tabel Silang 2x2 Pertanyaan: Apakah kebiasaan merokok berhubungan dengan BBLR? 7 Merokok BBLR Total Tidak Ya Tidak 86 29 115 Ya 44 30 74 Total 130 59 N = 189
- 8. 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 Langkah 1 Menentukan hipotesis statistik
- 9. Langkah 3 Perhitungan Uji Statistik Formula: 2 = Metode: 1. Hitung nilai/frekuensi ekspektasi dari masing-masing sel. 2. Lengkapi tabel perhitungan untuk memperoleh 2 (hitung) E E O 2 ) ( 9
- 10. Menghitung nilai/frekuensi ekspektasi masing-masing sel E = 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 N kolom marginal baris marginal 10
- 11. Aplikasi Uji 2 pada Tabel Silang 2x2 11 Mero kok BBLR (Observe) Total BBLR (Expected) Tidak Ya Tidak Ya Tidak 86 29 115 (130*115)/ 189 = 79,10 (59*115)/ 189 = 35,90 Ya 44 30 74 (130*74)/ 189 = 50,90 (59*74)/ 189 = 23,10 Total 130 59 N = 189 130 59
- 12. Tabel Perhitungan 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 2 = 4,92 12
- 13. Uji statistik tidak berada pada daerah kritis Ho ditolak Ada hubungan yang signifikan antara kebiasaan merokok dengan BBLR. 13 Langkah 4 Membuat Keputusan 2 (hitung) = 4,92 > 2 (tabel) = 3,841 3,841
- 14. 14 Langkah 2 Menentukan Daerah Kritis (Critical Region) Alpha = 0,05 df = (b-1)(k-1) = 1 2 (tabel) = 3,841
- 15. 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 Persyaratan Penggunaan Chi Square
- 16. Kasus Suatu penelitian ingin mengetahui hubungan antara perilaku merokok (merokok dan tidak merokok) dengan status fertilitas seorang pria (subur dan tidak subur). 16 Aplikasi Uji Chi Square (Tabel 2x2) Menggunakan Spss
- 17. 17
- 18. 18 Variabel perilaku merokok digunakan sebagai variabel independen, pindahkan ke kotak Row(s): Variabel status fertilitas digunakan sebagai variabel dependen, pindahkan ke kotak Kolom(s).
- 19. 19
- 20. 20
- 21. 21
- 22. 22 Output peri l aku merokok * Status ferti l i tas C rosstabul ati on 35 15 50 27. 5 22. 5 50. 0 70. 0% 30. 0% 100. 0% 20 30 50 27. 5 22. 5 50. 0 40. 0% 60. 0% 100. 0% 55 45 100 55. 0 45. 0 100. 0 55. 0% 45. 0% 100. 0% C ount Expect ed C ount % w i t hi n peri l aku merokok C ount Expect ed C ount % w i t hi n peri l aku merokok C ount Expect ed C ount % w i t hi n peri l aku merokok t i dak merokok merokok peri l aku merokok Tot al subur t i dak subur St at us f ert i l i t as Tot al Dapat diinterpretasikan bahwa ada sebanyak 35 dari 50 (70,00%) laki- laki tidak merokok memiliki status fertilitas subur. Sedangkan diantara laki-laki yang merokok, ada 20 dari 50 (40,00%) yang memiliki status fertilitas subur
- 23. 23 C hi-Square Tests 9.091b 1 .003 7.919 1 .005 9.240 1 .002 .005 .002 9.000 1 .003 100 Pearson C hi-Square C ontinuity C orrection a Likelihood R atio Fisher's Exact Test Linear-by-Linear Association Nof V alid C ases V alue df Asymp. Sig. (2-sided) Exact Sig. (2-sided) Exact Sig. (1-sided) C omputed only for a 2x2 table a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 22.50. b. Hasil ini menunjukkan bahwa: tidak ada sel yang memiliki nilai E < 5 dan nilai ekspektasi minimum adalah 22,50.
- 24. Uji chi quare hanya membuktikan bahwa ada hubungan (P-value) Tidak menggambarkan kekuatan hubungan. Untuk menggambarkan hubungan digunakan ukuran OR dan RR 24 Keterbatasan Uji Chi Square
- 25. RR (Relative Risk) = OR (Odds Ratio) = AD / BC 25 Kekuatan Hubungan A/(A+B) --------- C/(C+D)
- 26. 26 Langkah Menentukan OR dan RR Menggunakan SPSS
- 27. 27 Output Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for perilaku merokok (tidak merokok / merokok) 3.500 1.529 8.012 For cohort Status fertilitas = subur 1.750 1.191 2.572 For cohort Status fertilitas = tidak subur .500 .309 .808 N of Valid Cases 100 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 RR = 1,750 (95% CI:1,191- 2,572).
- 28. Contoh: Ingin diketahui apakah ada hubungan antara tingkat pendidikan ibu dengan pemanfaatan pelayanan ANC 28 Aplikasi Uji Chi Square pada Tabel > 2x2
- 29. 29 Ouput Pendidikan Ibu * Pelayanan ANC Crosstabulation Pelayanan ANC Total Adekuat Tidak adekuat Pendidikan Ibu Pendidikan menengah Count 466 15 481 % within Pendidikan Ibu 96.9% 3.1% 100.0% Pendidikan dasar Count 1172 171 1343 % within Pendidikan Ibu 87.3% 12.7% 100.0% Tidak sekolah Count 150 42 192 % within Pendidikan Ibu 78.1% 21.9% 100.0% Total Count 1788 228 2016 % within Pendidikan Ibu 88.7% 11.3% 100.0%
- 30. Chi-Square Tests Value df Asymp. Sig. (2- sided) Pearson Chi-Square 56.253a 2 .000 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 Output Ho ditolak atau ada hubungan pendidikan ibu dengan anc.
- 31. 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 Dummy Variabel
- 32. 32 Contoh Dummy Variabel Pendidikan Ibu * Pelayanan ANC Crosstabulation Pelayanan ANC Total Adekuat Tidak adekuat Pendidikan Ibu Pendidikan menengah Count 466 15 481 % within Pendidikan Ibu 96.9% 3.1% 100.0% Pendidikan dasar Count 1172 171 1343 % within Pendidikan Ibu 87.3% 12.7% 100.0% Tidak sekolah Count 150 42 192 % within Pendidikan Ibu 78.1% 21.9% 100.0% Total Count 1788 228 2016 % within Pendidikan Ibu 88.7% 11.3% 100.0%
- 33. 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
- 34. Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for Pendidikan_1 (Tidak sekolah / Pendidikan menengah) .115 .062 .213 For cohort Pelayanan ANC = Adekuat .806 .747 .871 For cohort Pelayanan ANC = Tidak adekuat 7.015 3.986 12.346 N of Valid Cases 673 Chi-Square Tests Value df Asymp. Sig. (2-sided) Exact Sig. (2- sided) Exact Sig. (1- sided) Pearson Chi-Square 62.274a 1 .000 Continuity Correctionb 59.878 1 .000 Likelihood Ratio 55.176 1 .000 Fisher's Exact Test .000 .000 Linear-by-Linear Association 62.182 1 .000 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 34
- 35. Chi-Square Tests Value df Asymp. Sig. (2- sided) Exact Sig. (2- sided) Exact Sig. (1- sided) Pearson Chi-Square 11.749a 1 .001 Continuity Correctionb 10.996 1 .001 Likelihood Ratio 10.496 1 .001 Fisher's Exact Test .001 .001 Linear-by-Linear Association 11.741 1 .001 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 Value 95% Confidence Interval Lower Upper Odds Ratio for Pendidikan_2 (Tidak sekolah / Pendidikan dasar) .521 .357 .760 For cohort Pelayanan ANC = Adekuat .895 .828 .967 For cohort Pelayanan ANC = Tidak adekuat 1.718 1.270 2.323 N of Valid Cases 1535 35
- 36. Variables in the Equation B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B) Lower Upper Step 1a Pendidikan_Ibu 47.134 2 .000 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 Constant -1.273 .175 53.171 1 .000 .280 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 Dummy variabel dengan regresi logistik sederhana
- 37. 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 Referensi