Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT

Ukuran: px

Mulai penontonan dengan halaman:

Download "Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT"

Siska Sudjarwadi
6 tahun lalu
Tontonan:

1 1

2 Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT Variabel I Variabel II Jenis 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

4 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)

5 Jenis data kategori Sampel independen Distribusi tidak normal/tidak diketahui distribusinya (free distribution) 5

6 Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (ekspektasi) Pembuktian dengan uji chi square menggunakan formula: Pearson Chi Square: χ 2 = ( O E E 2 ) dengan df = (b-1)(k-1) fo= nilai observasi (pengamatan) fe = nilai ekspektasi (harapan) b = jumlah baris k = jumlah kolom 6

7 Pertanyaan: Apakah kebiasaan merokok berhubungan dengan BBLR? Merokok Tidak BBLR Ya Total Tidak Ya Total N = 189 7

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

9 Formula: χ 2 = ( O E E 2 ) Metode: 1. Hitung nilai/frekuensi ekspektasi dari masingmasing sel. 2. Lengkapi tabel perhitungan untuk memperoleh χ 2 (hitung) 9

10 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

11 Mero kok BBLR (Observe) Total BBLR (Expected) Tidak Ya Tidak Ya (130*115)/ (59*115)/ 189 = 189 = 79,10 35,90 Tidak Ya (130*74)/1 89 = 50,90 (59*74)/1 89 = 23,10 Total N =

12 O E O-E (O-E) 2 (O-E) 2 /E 86 79, , , , Total χ 2 = 4,92 12

13 Uji statistik tidak berada pada daerah kritis Ho ditolak Ada hubungan yang signifikan antara kebiasaan merokok dengan BBLR. 3,841 χ 2 (hitung) = 4,92 > χ 2 (tabel) = 3,841 13

14 Alpha = 0,05 df = (b-1)(k-1) = 1 χ 2 (tabel) = 3,841 14

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

16 16 Kasus Suatu penelitian ingin mengetahui hubungan antara perilaku merokok (merokok dan tidak merokok) dengan status fertilitas seorang pria (subur dan tidak subur).

17 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). 18

19 19

20 20

21 21

22 perilaku merokok * Status fertilitas Crosstabulation perilaku merokok Total tidak merokok merokok Count Expected Count % within perilaku merokok Count Expected Count % within perilaku merokok Count Expected Count % within perilaku merokok Status fertilitas subur tidak subur Total % 30.0% 100.0% % 60.0% 100.0% % 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

23 Pearson Chi-Square Continuity Correction a Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases Chi-Square Tests Asy mp. Sig. Value df (2-sided) b a. Computed only f or a 2x2 table b. Exact Sig. (2-sided) Exact Sig. (1-sided) cells (.0%) hav e expected count less than 5. The minimum expected count is Hasil ini menunjukkan bahwa: tidak ada sel yang memiliki nilai E < 5 dan nilai ekspektasi minimum adalah 22,50. 23

24 Uji chi quare hanya membuktikan bahwa ada hubungan (P-value) Tidak menggambarkan kekuatan hubungan. Untuk menggambarkan hubungan digunakan ukuran OR dan RR 24

25 RR (Relative Risk) = A/(A+B) C/(C+D) OR (Odds Ratio) = AD / BC 25

26 26

27 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 Odds Ratio for perilaku merokok (tidak merokok / merokok) For cohort Status fertilitas = subur For cohort Status fertilitas = tidak subur Risk Estimate Value N of Valid Cases % Confidence Interval Lower Upper RR = 1,750 (95% CI:1,191-2,572). 27

28 Contoh: Ingin diketahui apakah ada hubungan antara tingkat pendidikan ibu dengan pemanfaatan pelayanan ANC 28

29 Pendidikan Ibu Pendidikan Ibu * Pelayanan ANC Crosstabulation Pelayanan ANC Tidak Adekuat adekuat Total Pendidikan Count menengah % within 96.9% 3.1% 100.0% Pendidikan Ibu Pendidikan dasar Count % within Pendidikan Ibu 87.3% 12.7% 100.0% Tidak sekolah Count % within Pendidikan Ibu 78.1% 21.9% 100.0% Total Count % within Pendidikan Ibu 88.7% 11.3% 100.0% 29

30 Chi-Square Tests Ho ditolak atau ada hubungan pendidikan ibu dengan anc. Value df Asymp. Sig. (2- sided) Pearson Chi-Square a Likelihood Ratio Linear-by-Linear Association N of Valid Cases 2016 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is

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

32 Pendidikan Ibu Pendidikan Ibu * Pelayanan ANC Crosstabulation Pelayanan ANC Tidak Adekuat adekuat Total Pendidikan Count menengah % within 96.9% 3.1% 100.0% Pendidikan Ibu Pendidikan dasar Count % within Pendidikan Ibu 87.3% 12.7% 100.0% Tidak sekolah Count % within Pendidikan Ibu 78.1% 21.9% 100.0% Total Count % within Pendidikan Ibu 88.7% 11.3% 100.0% 32

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 Chi-Square Tests Asymp. Sig. Value df (2-sided) Pearson Chi-Square a Continuity Correction b Exact Sig. (2- sided) Exact Sig. (1- sided) Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases 673 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is b. Computed only for a 2x2 table Odds Ratio for Pendidikan_1 (Tidak sekolah / Pendidikan menengah) For cohort Pelayanan ANC = Adekuat For cohort Pelayanan ANC = Tidak adekuat Risk Estimate N of Valid Cases % Confidence Interval Value Lower Upper

35 Chi-Square Tests Asymp. Sig. (2- Value df sided) Pearson Chi-Square a Continuity Correction b Exact Sig. (2- sided) Exact Sig. (1- sided) Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases 1535 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is b. Computed only for a 2x2 table Risk Estimate Odds Ratio for Pendidikan_2 (Tidak sekolah / Pendidikan dasar) 95% Confidence Interval Value Lower Upper For cohort Pelayanan ANC = Adekuat For cohort Pelayanan ANC = Tidak adekuat N of Valid Cases

36 Variables in the Equation B S.E. Wald df Sig. Exp(B) Step 1 a Pendidikan_Ibu % C.I.for EXP(B) Lower Upper Pendidikan_Ibu(1) Pendidikan_Ibu(2) 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

37 Jan W. Kuzma, 1984, Basic Statistics for the Health Sciences, California: Meyfield Publishing Company. Pagano, M.,& Gauvreau, K., Principles of Biostatistics. California: Wadsworth Publishing Company. Hastono, S.P., Modul Analisis Data. FKM UI. Dahlan, Sopiyudin Statistik untuk Kedokteran dan Kesehatan. Seri Evidence Based Medicine 2 Edisi 3. Jakarta: Penerbit Salemba Medika. 37

dokumen-dokumen yang mirip

Analisis Data Kategorikal

Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa