Hipotesis Chi Square χ 2 1 U ji S tatistik yang D igunakan Untuk ANALISA BIVARIAT 2 Apakah ada perbedaan proporsi hipertensi pada populasi perokok dan populasi bu k an perokok ID: 588367
Download Presentation The PPT/PDF document "Uji" is the property of its rightful owner. Permission is granted to download and print the materials on this web site for personal, non-commercial use only, and to display it on your personal computer provided you do not modify the materials and that you retain all copyright notices contained in the materials. By downloading content from our website, you accept the terms of this agreement.
Slide1
Uji Hipotesis Chi Square (χ2)
1Slide2
Uji
S
tatistik yang Digunakan Untuk ANALISA BIVARIAT
2Slide3
Apakah ada perbedaan proporsi hipertensi pada populasi perokok dan populasi bukan perokokApakah ada perbedaan proporsi anemia pada ibu dengan sosek ekonomi tinggi, sedang, dan rendah Disusun dalam suatu tabel (tabel kontingensi)
3
Contoh Slide4
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 SQUARESlide5
Jenis data kategoriSampel independenDistribusi tidak normal/tidak diketahui distribusinya (free distribution)
5
PERSYARATAN/ASUMSISlide6
Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (ekspektasi)Pembuktian dengan uji chi square menggunakan formula:
Pearson Chi Square:
6PRINSIP DASAR UJI CHI SQUARE
dengan df = (b-1)(k-1)
fo
=
nilai
observasi
(
pengamatan
)
fe
=
nilai
ekspektasi
(
harapan
)
b = jumlah barisk = jumlah kolom
χ
2
= Slide7
Aplikasi Uji χ2 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 = 189Slide8
Hipotesis nol (Ho): Proporsi BBLR pada ibu perokok sama dengan proporsi BBLR pada ibu yang bukan perokokATAU tidak ada hubungan merokok dengan kejadian BBLR
Hipotesis alternatif (Ha):
Proporsi BBLR pada ibu perokok berbeda proporsi BBLR pada ibu yang bukan perokokATAU ada hubungan merokok dengan kejadian BBLR8
Langkah 1 Menentukan hipotesis statistikSlide9
Langkah 3 Perhitungan Uji Statistik
Formula:
χ2 =
Metode:
Hitung nilai/frekuensi ekspektasi dari masing-masing sel.
Lengkapi tabel perhitungan untuk memperoleh
χ
2
(hitung)
9Slide10
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
10Slide11
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
59Slide12
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
χ
2
= 4,92
12Slide13
Uji statistik tidak berada pada daerah kritis Ho ditolakAda hubungan yang signifikan antara kebiasaan merokok dengan BBLR.
13
Langkah 4 Membuat Keputusan
χ
2 (hitung) = 4,92 > χ2
(tabel) = 3,841
3,841Slide14
14Langkah 2 Menentukan Daerah Kritis (
Critical Region
)Alpha = 0,05df = (b-1)(k-1) = 1
χ2 (tabel) = 3,841Slide15
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 Exact15Persyaratan Penggunaan Chi SquareSlide16
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 SpssSlide17
17Slide18
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)”.Slide19
19Slide20
20Slide21
21Slide22
22
Output
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 Slide23
23
Hasil ini menunjukkan bahwa: “tidak ada sel yang memiliki nilai E < 5 dan nilai ekspektasi minimum adalah 22,50”.Slide24
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 SquareSlide25
RR (Relative Risk) = OR (Odds Ratio
) = AD / BC
25Kekuatan Hubungan
A/(A+B)
--------- C/(C+D)Slide26
26
Langkah Menentukan OR dan RR Menggunakan SPSSSlide27
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).Slide28
Contoh: Ingin diketahui apakah ada hubungan antara tingkat pendidikan ibu dengan pemanfaatan pelayanan ANC 28
Aplikasi Uji Chi Square pada Tabel > 2x2Slide29
29Ouput
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%Slide30
Chi-Square Tests
Value
df
Asymp. Sig. (2-sided)
Pearson Chi-Square
56.253
a
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”.Slide31
Pada tabel > 2 x 2, tidak bisa ditampilkan nilai ORTiga cara:Harus dibuat dummy variabel tabel dahulu, kemudian dilakukan CrosstabsLakukan analisis regresi logistik sederhana
31
Dummy VariabelSlide32
32Contoh 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%Slide33
Untuk membuat dummy variabel dari pendidikan (0.Pendidikan menengah, 1. Pendidikan dasar & 2. Tidak sekolah), ditetapkan kelompok mana yang akan dijadikan sebagai pembandingSebagai 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)
33Slide34
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
62.274
a
1
.000
Continuity Correction
b
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
34Slide35
Chi-Square Tests
Value
df
Asymp. Sig. (2-sided)
Exact Sig. (2-sided)
Exact Sig. (1-sided)
Pearson Chi-Square
11.749
a
1
.001
Continuity Correction
b
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
35Slide36
Variables in the Equation
B
S.E.
Wald
df
Sig.
Exp(B)
95% C.I.for EXP(B)
Lower
Upper
Step 1
a
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 sederhanaSlide37
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