Upload
roza
View
122
Download
2
Tags:
Embed Size (px)
DESCRIPTION
Uji Hipotesis Chi Square ( χ 2 ) . U ji S tatistik yang D igunakan Untuk ANALISA BIVARIAT. Contoh . Apakah ada perbedaan proporsi hipertensi pada populasi perokok dan populasi bu k an perokok Apakah ada perbedaan proporsi anemia pada ibu dengan sosek ekonomi tinggi, sedang, dan rendah - PowerPoint PPT Presentation
Citation preview
Uji Hipotesis Chi Square (χ2)
1
Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT
Variabel I Variabel I I Jenis uji statistik yang digunakan
Katagorik Katagorik - Kai kuadrat
- Fisher Exact
Katagorik Numerik - Uji T
- ANOVA
Numerik Numerik - 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
Contoh
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
Jenis data kategoriSampel independenDistribusi tidak normal/tidak diketahui distribusinya (free distribution)
5
PERSYARATAN/ASUMSI
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 barisk = jumlah kolom
EEO 2)(
χ2 =
Aplikasi Uji χ2 pada Tabel Silang 2x2 Pertanyaan: Apakah kebiasaan merokok
berhubungan dengan BBLR?
7
MerokokBBLR
Total
Tidak Ya
Tidak 86 29 115
Ya 44 30 74
Total 130 59 N = 189
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
Langkah 3 Perhitungan Uji Statistik Formula:
χ2 =
Metode:1. Hitung nilai/frekuensi ekspektasi dari masing-
masing sel.2. Lengkapi tabel perhitungan untuk memperoleh χ2
(hitung)
EEO 2)(
9
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
Nkolom marginal baris marginal
10
Aplikasi Uji χ2 pada Tabel Silang 2x2
11
Merokok
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
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 2.06Total 189 0 χ2 = 4,92
12
Uji statistik tidak berada pada daerah kritis Ho ditolak
Ada hubungan yang signifikan antara kebiasaan merokok dengan BBLR.
13
Langkah 4 Membuat Keputusan
χ2 (hitung) = 4,92 > χ2
(tabel) = 3,841
3,841
14
Langkah 2 Menentukan Daerah Kritis (Critical Region)
Alpha = 0,05df = (b-1)(k-1) = 1χ2 (tabel) = 3,841
Pearson Chi Square/LikehoodUntuk 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 TestUntuk tabel 2x2 bila terdapat nilai E < 5 maka digunakan Uji Fisher Exact
15
Persyaratan Penggunaan Chi Square
KasusSuatu 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
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
20
21
22
Output peri l aku merokok * Status f ert i l i t as Crosstabul at i on
35 15 5027. 5 22. 5 50. 0
70. 0% 30. 0% 100. 0%
20 30 5027. 5 22. 5 50. 0
40. 0% 60. 0% 100. 0%
55 45 10055. 0 45. 0 100. 0
55. 0% 45. 0% 100. 0%
CountExpect ed Count% wit hin per ilakumer okokCountExpect ed Count% wit hin per ilakumer okokCountExpect ed Count% wit hin per ilakumer okok
t idak merokok
mer okok
per ilaku merokok
Tot al
subur t idak suburSt at us f er t ilit 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
Chi -Square Tests
9. 091b 1 . 0037. 919 1 . 0059. 240 1 . 002
. 005 . 002
9. 000 1 . 003
100
Pearson Chi-SquareCont inuit y Cor rect ion a
Likelihood Rat ioFisher 's Exact TestLinear-by-LinearAssociat ionN of Valid Cases
Value dfAsymp. Sig.
(2-sided)Exact Sig.(2-sided)
Exact Sig.(1-sided)
Comput ed only f or a 2x2 t ablea.
0 cells ( . 0%) have expect ed count less t han 5. The minimum expect ed count is22. 50.
b.
Hasil ini menunjukkan bahwa: “tidak ada sel yang memiliki nilai E < 5 dan nilai ekspektasi minimum adalah 22,50”.
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
RR (Relative Risk) =
OR (Odds Ratio) = AD / BC
25
Kekuatan Hubungan
A/(A+B)--------- C/(C+D)
26
Langkah Menentukan OR dan RR Menggunakan SPSS
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).
Contoh:Ingin diketahui apakah ada hubungan antara tingkat pendidikan ibu dengan pemanfaatan pelayanan ANC
28
Aplikasi Uji Chi Square pada Tabel > 2x2
29
OuputPendidikan Ibu * Pelayanan ANC Crosstabulation
Pelayanan ANC
TotalAdekuatTidak
adekuatPendidikan Ibu Pendidikan
menengahCount 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%
Chi-Square Tests
Value dfAsymp. 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”.
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
Contoh Dummy VariabelPendidikan Ibu * Pelayanan ANC Crosstabulation
Pelayanan ANC
TotalAdekuatTidak
adekuatPendidikan Ibu Pendidikan
menengahCount 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%
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
Risk Estimate
Value95% Confidence IntervalLower 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 dfAsymp. 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 .000Fisher's Exact Test .000 .000
Linear-by-Linear Association
62.182 1 .000
N of Valid Cases 673a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.26.
b. Computed only for a 2x2 table
34
Chi-Square Tests
Value dfAsymp. 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 .001Fisher's Exact Test .001 .001
Linear-by-Linear Association
11.741 1 .001
N of Valid Cases 1535a. 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
Value95% Confidence IntervalLower 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
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
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