UJI CHI-SQUARE

TABEL 2 x 2
UJI FISHER
TABEL b x k
UJI TREND

INFLUENSA

YA

TIDAK

TOTAL

20
(8,3%)

220
(91,7%)

240

PLASEBO

80
(36,4%)

140
(63,6%)

220

TOTAL

100
(21,7%)

360
(78,3%)

460

VAKSIN

Prinsip uji chi-square tabel 2 x 2:

Membandingkan nilai yang

diobservasi (observed/O) pada setiap
kategori tabel dengan nilai yang
diharapkan (expected/E) apabila ada
perbedaan efektivitas antara vaksin
dengan plasebo
Syarat: jumlah sampel >40
Contoh kasus adalah uji vaksin
influensa

Nilai observed (O):

Nilai expected (E):

INFLUENSA

INFLUENSA

YA

TIDAK

TOTAL

VAKSIN

52,2

187,8

240

220

PLASEBO

47,8

172,2

220

460

TOTAL

100

360

460

YA

TIDAK

TOTAL

20
(8,3%)

220
(91,7%)

240

PLASEBO

80
(36,4%)

140
(63,6%)

TOTAL

100
(21,7%)

360
(78,3%)

VAKSIN

 Ada total 100 dari 460 subyek terkena

influensa
Bila
dan plasebo
sama2 efektif
Nilaivaksin
observed
(O):
maka diharapkan:
(100/460) INFLUENSA
* 240 = 52,2 subyek
dari kelompok vaksin, dan
(100/460)YA
* 220 =TIDAK
47,8 subyek
dari kelompok plasebo akanTOTAL
terkena influensa, dan sebaliknya:
(360/460)*240 = 187,8 dan
(360/460)*220
VAKSIN
20 = 172,2
220terhindar
240
influensa(8,3%) (91,7%
)

Nilai
chi-square
sbb:
PLASEBO
80dihitung
140
(O-E) / E
atau:
TOTAL
2

(36,4% (63,6%
untuk )setiap sel) yang

100
360
(21,7% (78,3%
2
[(O-E) / E]) dengan )df = 1

2 =
tabel 2 x 2

Nilai expected (E):

INFLUENSA

YA

TIDAK

TOTAL

VAKSIN

52,2

187,8

240

PLASEBO

47,8

172,2

220

TOTAL

100

360

460

220

ada
460

untuk

2 = [(O-E)2 / E] dengan df = 1 untuk tabel 2 x 2:

= [(2052,2)2/52,2] + [(8047,8)2/47,8] + [(220-187,8)2/187,8] +
[(140172,2)
Nilai observed (O):
Nilai expected
(E):2/172,2]
= 19,86 + 21,69 + 5,52 + 6,02 = 53,09 => lihat tabel => P < 0,001
INFLUENSA

INFLUENSA

Artinya, probabilitas beda subyek terkena influensa yang diobservasi karena

alasan kebetulan adalah kurang dari 0,001 (kurang dari 0,1%) apabila tidak ada
TIDAK
YA
beda antara vaksin
danTIDAK
plasebo =>
hipotesis null ditolak YA
TOTAL
TOTAL
Kesimpulan: vaksin efektif mencegah influensa

20
(8,3%)

220
(91,7%)

240

VAKSIN

52,2

187,8

240

PLASEBO

80
(36,4%)

140
(63,6%)

220

PLASEBO

47,8

172,2

220

TOTAL

100
(21,7%)

360
(78,3%)

460

TOTAL

100

360

460

VAKSIN

Formula cepat:
2 = n(d1h0 d0h1)2 / dhn1n0
Nilai observed (O):

Nilai expected (E):

= 460(20*140)2 / (100*360*240*220) = 53,01 => kurang lebih hasil sama

INFLUENSA

INFLUENSA

YA

TIDAK

TOTAL

VAKSIN

52,2

187,8

240

220

PLASEBO

47,8

172,2

220

460

TOTAL

100

360

460

YA

TIDAK

TOTAL

20
(8,3%)

220
(91,7%)

240

PLASEBO

80
(36,4%)

140
(63,6%)

TOTAL

100
(21,7%)

360
(78,3%)

VAKSIN

Kaitan antara uji chi-square dan uji z:

Uji z untuk kasus yang sama = (p1-p0) / [p(1-p)(1/n1+1/n0)], memberi hasil
Nilai observed (O):

Nilai expected (E):

z = -7,281 => z2 = (-7,281)2 = 53,01

INFLUENSA

YA

TIDAK

TOTAL

VAKSIN

52,2

187,8

240

220

PLASEBO

47,8

172,2

220

460

TOTAL

100

360

460

YA

TIDAK

TOTAL

20
(8,3%)

220
(91,7%)

240

PLASEBO

80
(36,4%)

140
(63,6%)

TOTAL

100
(21,7%)

360
(78,3%)

VAKSIN

INFLUENSA

Hasil uji chi-square dapat ditingkatkan dengan koreksi Yate:

2 = [(|O-E| - 0,5)2 / E], dengan d.f. = 1
Nilai observed
(O):
Nilai expected (E):
= (32,20,5)2/52,2 + (32,20,5)2/47,8 + (32,20,5)2/187,8 + (32,20,5)2/172,2
= 19,25 + 21,01 + 5,35 + 5,84 + 51,46 => P < 0,001
INFLUENSA

INFLUENSA

YA

TIDAK

TOTAL

VAKSIN

52,2

187,8

240

220

PLASEBO

47,8

172,2

220

460

TOTAL

100

360

460

YA

TIDAK

TOTAL

20
(8,3%)

220
(91,7%)

240

PLASEBO

80
(36,4%)

140
(63,6%)

TOTAL

100
(21,7%)

360
(78,3%)

VAKSIN

Uji Fisher (Exact-test)

Jumlah total subyek <20, atau

Jumlah total subyek 20 40 tetapi
ada nilai E yang kurang dari 5

Contoh kasus
Komplikasi perdarahan
Ya

Tidak

1 (d1)

12 (h1)

13 (n1)

3 (d0)

9 (h0)

12 (n0)

4 (d)

21 (h)

25 (n)

Intervensi

Total

Total

 Rumus uji Fisher:

= d! h! n1!
n0! / (n! d1! h1! d0! h0!)
Contoh
kasus
2

= 4! 21! 13! 12! / (25! 1! 12! 3! 9!)

= 4 x 13 Komplikasi
x 12 x 11 x 10 / (25perdarahan
x 24 x 23 x 22) = 0,2261

Harus dihitung probabilitas dari tabel ekstrim yang mungkin terjadi secara
Yamasih ada 5 tabel
Tidak
kebetulan => untuk kasus ini
yang mungkin terjadi

Intervensi

Total

1 (d1)

12 (h1)

13 (n1)

3 (d0)

9 (h0)

12 (n0)

4 (d)

21 (h)

25 (n)

Total

Total

Total

Total

13

13

12

21

25
Total

12

13

12

21

25

Total

Total

Total

11

13

10

12

21

25

10

13

11

12

21

25
Total

Total
2

Total

13

12

12

21

25

P = 0,0391

Total

Total

13

13

12

21

25

P = 0,2261

Total

P = 0,2713

Total

12

13

12

21

25

P = 0,4070

Total

Nilai P?
Nilai P= 2(nilai awal + nilai terkceil)
2(0,2261 + 0,0391)= 0,5304

Total

11

13

10

12

21

25

10

13

11

12

21

25

P = 0,0565

Total

Total

Total

Total

13

12

12

21

25

Tabel baris x kolom (b x k):

SUMBER AIR MINUM
DESA

TOTAL

SUNGAI

KOLAM

MATA AIR

20
(40,0%)

18
(36.0%)

12
(24,0%)

50
(100,0%)

32
(53,3%)

20
(33,3%)

8
(13,3%)

60
(100,0%)

18
(45,0%)

12
(30,0%)

10
(25,0%)

40
(100,0%)

70
(46,7%)

50
(33,3%)

30
(20,0%)

150
(100,0%)

Tabel baris x kolom (b x k):

SUMBER AIR MINUM
DESA

TOTAL

SUNGAI

KOLAM

MATA AIR

23,3

16,7

10,0

50

28,0

20,0

12,0

60

18,7

13,3

8,0

40

70

50

30

150

2 = [(O-E)2 / E]
2 = (20-23,3)2/23,3 + (18-16,7)2/16,7
+ (12-10,0)2/10,0 + (32-28,0)2/28,0
+ (18-18,7)2/18,7 + (20,20,0)2/20,0
+ (8-12,0)2/12,0 + (12-13,3)2/13,3
+ (10-8,0)2/8,0 = 3,53
Dengan df = (b 1)(k-1) = 2 X 2 = 4

P = 0,47, antara 0,25 dan 0,5

Artinya, tidak terbukti adanya perbedaan
proporsi sumber air minum antar ketiga
desa

Kolmogorov-Smirnov (KS)
K-S 1 variabel, digunakan untuk
membandingkan distribusi
pengamatan dengan distribusi
teoritis pada 1 variabel dengan
skala ordinal
K-S 2 variabel, digunakan untuk
mencari sebab dan akibat
berbeda dari 2 variabel dengan
skala ordinal

Kolmogorov-Smirnov

Tentukan Ho = Tidak ada perbedaan

efek obat lama dan obat baru
Batas penolakan ()
Buat tabel frekuensi kumulatif

Kolmogorov-Smirnov 1 variabel
Rasa sakit pada saat melahirkan ditunjukkan dengan nilai skor
oleh 10 orang wanita:
Skor nyeri:

Ibu
0
Distribusi kumulatif (
1/5
Distribusi kumulatif (
0/10
Selisih

2/10

2
1
E)
2/5
O)
1/10
3/10

Jumlah

10

3/5

4/5

5/5

1/10

6/10

10/10

5/10 2/10

0/10

Maksimum deviasi ( D ) = (E-O), dipilih yang paling besar = 0,50

Kolmogorov-Smirnov
Ho: Tidak ada perbedaan dalam
pemilihan skor rasa sakit
Karena n=10, maka dipilih =0,01
dan dari tabel D diperoleh
D=0,46, artinya
Dhitung>Dtabel atau Ho ditolak
atau rasa nyeri waktu
melahirkan banyak dikeluhkan
oleh wanita

Chi-square untuk analisis trend

Suatu penelitian ingin mengetahui

hubungan antara obesitas pada
subyek perempuan dengan usia
menarkhe-nya. Paparannya adalah
apakah menarkhe-nya usia < 12
tahun atau usia 12 dan lebih.
Obesitas ditentukan dengan ukuran
tebal lipatan kulit dan dikategorikan
menjadi 3 kelompok

Chi-square untuk analisis trend

Ukuran tebal lipatan kulit
Usia
Menarkhe

Kecil

Menengah

Besar

Total

15 (8,8%)

29
(12,8%)

36
(19,4%)

80

12 tahun

156
(91,2%)

197
(87,2%)

150
(80,6%)

503

Total

171
(100%)

226
(100%)

186
(100%)

583

Skor

Odds

15/156

29/197

36/150

-2,34

-1,92

-1,43

< 12
tahun

Log odds

Log odds menarkhe dan tebal lipatan kulit

0
1
-0.5
-1
-1.5
-2
-2.5

Menghitung chi-square untuk

trend:

U = (dx) O/N*(nx)
V = [O(N-O) / N2(N-1)] [N(nx2)(nx)2]
2 = U2 / V, untuk df =1

Menghitung chi-square untuk

trend:
(dx) = 15x0 + 29x1 + 36x2 = 101
(nx) = 171x0 + 226x1 + 186x2 = 598
(nx2) = 171x0 + 226x1 + 186x4 = 970
O = 80, N = 583, N-O = 503
U = 101 (80/583x598) = 18,9417
V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927

2 untuk trend = (18,9417)2/42,2927 = 8,483

df = 1 => P antara 0,001 dan 0,005

Menghitung chi-square untuk

trend:
(dx) = 15x0 + 29x1 + 36x2 = 101
(nx) = 171x0 + 226x1 + 186x2 = 598
(nx2) = 171x0 + 226x1 + 186x4 = 970

Ada
bukti
kuat
bahwa
odds
menarkhe
dini
O = 80, N = 583, N-O = 503
meningkat dengan peningkatan tebal lipatan kulit
U = 101 (80/583x598) = 18,9417

V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927

2 untuk trend = (18,9417)2/42,2927 = 8,483

df = 1 => P antara 0,001 dan 0,005

Tabel. Hubungan antara makan es buah dengan

kejadian diare
Diare

Es buah

Total

Ada

Tidak
ada

Total

Ada

65 (a)

10 (b)

75 (m)

Tidak
ada

25 (c)

25 (d)

50 (n)

90 (r)

35 (s)

125 (N)

Tabel. Hubungan antara makan es buah dengan

kejadian diare
Diare

Es buah

Total

Ada

Tidak
ada

Total

Ada

6 (a)

14 (b)

20

Tidak
ada

1 (c)

20 (d)

21

34

41 (n)

Tabel. Hubungan antara pengetahuan dan perilaku

wanita hamil tentang mual-muntah

Perilaku
Pengetahuan Baik

Cukup

Kurang

Total

Baik

18 (a)

10 (b)

7 (c)

35

Cukup

13 (d)

14 (e)

13 (f)

40

Kurang

13 (g)

12 (h)

25 (i)

50

Total

44

36

45

125

Tabel. Hubungan antara pengetahuan dan perilaku

wanita hamil tentang mual-muntah

Perilaku
Pengetahuan Baik

Cukup

Kurang

Total

Baik

14 (a)

21 (b)

0 (c)

35

Cukup

13 (d) 16 (e)

11 (f)

40

Kurang

14 (g) 17 (h)

19 (i)

50

Total

41

30

125

54

Karena ada nilai 0, maka kategori pengetahuan baik dan

cukup digabung supaya dapat diuji chi-square

Tabel 5. Efek obat lama dan obat baru

Baik

Sedang Kurang

Total

Obat
baru

12

21

Obat
lama

14

Total

14

12

35

Suatu studi bertujuan mempelajari

hubungan antara merokok dengan
kanker paru, dan berhasil mengikuti
30.000 perokok dan 60.000 nonperokok selama 1 tahun dan
menemukan 39 dari perokok dan 6
dari non-perokok terkena kanker
paru.
Analisis statistik apa yang sesuai untuk
melaporkan hasil studi tersebut?

Dari data 2000 pasien usia 15-50 tahun

yang terdaftar di praktek dokter
umum X ditemukan 138 pasien yang
ditangani karena diagnosis asma, dan
telah dibuat tabulasinya.
Analisis statistik apa yang sesuai untuk
melaporkan hasil survei tersebut?

Asma +

Asma -

Total

Perempuan

81

995

1076

Laki-laki

57

867

924

138

1862

2000

Total

Suatu studi bertujuan untuk memonitor risiko

terjadinya keluhan mual hebat pada subyek
kanker payudara selama menjalani
kemoterapi. Untuk itu masing2 100 pasien
diberi obat yang berbeda, yaitu obat baru
atau obat standar. Ternyata 88% dari
kelompok obat baru dan 71% dari
kelompok obat standar mengalami mual
hebat.
Analisis statistik apa yang sesuai untuk
melaporkan hasil studi tersebut?