BAB IV

MANTEL-HAENSZEL

Mantel-Haenszel merupakan salah satu metode pengujian adanya variabel perancu dimana
data distratifikasi menurut variabel perancu. Sebagai contoh, berikut data tabel 2 x 2 untuk
strata ke-i:
Disease
Exposure + Total
D D
+ ai bi ai +b i
E
ci di c i+ d i
E
ai +c i bi +d i ni
Total
Estimator odds ratio gabungan dari masing-masing strata dinamakan Mantel-Haenszel odds
ratio yaitu:
k

^ MH =

( )
ai d i /ni
i=1
k

bi ci /ni
i=1

^
dengan standar error untuk log ( MH ) adalah:

^ MH ) ) =
SE ( log (
P i R i + Pi S i + Q i R i + Q i S i
2 ( Ri )
2
2 Ri S i 2 ( S i )
2

untuk setiap stratum i,

Pi=( ai+ d i ) / ni , Qi=( b i+ c i ) /ni ,

Ri=ai d i /ni , S i=b i c i /ni

Contoh :
Data: lowbwt.2.
Pada contoh sebelumnya telah diketahui bahwa terdapat hubungan antara riwayat merokok
ibu dengan kelahiran bayi berat lahir rendah. Selanjutnya akan dianalisis kembali hubungan
tersebut dengan mempertimbangkan ras ibu, apakah ras ibu merupakan variabel perancu?
a. Mengunakan software R
Seperti dalam analisis OR, setelah data dicopy ke R, data diringkas ke dalam tabel 2x2.
Untuk analisis berikut, perlu disertakan variabel race ke dalam ringkasan sehingga perlu
dibuat tabel 2x2 berdasarkan ras ibu. Berikut perintahnya:
> lowbwt=read.delim("clipboard")
> use(lowbwt)
> low=tapply(race,lowbwt[,1:3],length)

Dihasilkan array dengan dimensi 2 x 2 x 4

> low
, , race = African American

smoke
weight Nonsmokers Smokers
<2500g 55 54
>=2500g 686 227

, , race = Asian

smoke
weight Nonsmokers Smokers
<2500g 90 7
>=2500g 1936 102

, , race = Hispanic

smoke
weight Nonsmokers Smokers
<2500g 61 11
>=2500g 926 85

, , race = White

smoke
weight Nonsmokers Smokers
<2500g 169 98
>=2500g 3520 832

Selanjutnya posisi baris 1 dan 2 pada masing-masing tabel ditukar.

> low=low[c(2,1),,]

Hasilnya adalah sebagai berikut:

> low
, , race = African American

smoke
weight Nonsmokers Smokers
>=2500g 686 227
<2500g 55 54

, , race = Asian

smoke
weight Nonsmokers Smokers
>=2500g 1936 102
 <2500g 90 7

, , race = Hispanic

smoke
weight Nonsmokers Smokers
>=2500g 926 85
<2500g 61 11

, , race = White

smoke
weight Nonsmokers Smokers
>=2500g 3520 832
<2500g 169 98

Dalam R, terdapat beberapa fungsi yang dapat digunakan untuk analisis Mantel-Haenszel,
salah satunya adalah fungsi mhor yang terdapat dalam library epicalc. Secara umum,
perintahnya adalah sebagai berikut:
mhor(..., mhtable = NULL, decimal=2, graph = TRUE, design = "cohort")

___________________________________________________________________________
Keterangan:
...: tiga variabel yaitu outcome, exposure, dan stratifikasi atau perancu.
mhtable: tabel berukuran 2 x 2 x s dimana s (strata) lebih dari 1.
decimal: jumlah pembulatan yang diinginkan
graph: jika TRUE maka akan ditampilkan plot OR
design: pilihan design percobaan yang akan ditampilkan dalam grafik, dapat berupa case-control,
"cohort" atau "prospective".
___________________________________________________________________________
Untuk data lowbwt, telah dibuat tabel low yang berukuran 2 x 2 x 4 sehingga perintah dengan
fungsi mhor untuk analisis Mantel-Haenszel adalah sebagai berikut:
> mhor(mhtable=low)
Hasilnya adalah:
Stratified analysis by race
OR lower lim. upper lim. P value
race African American 2.96 1.937 4.54 2.06e-07
race Asian 1.48 0.562 3.28 3.39e-01
race Hispanic 1.96 0.897 3.95 5.42e-02
race White 2.45 1.871 3.20 9.15e-11
M-H combined 2.45 2.005 2.99 3.00e-19

M-H Chi2(1) = 80.44 , P value = 0

Homogeneity test, chi-squared 3 d.f. = 2.82 , P value = 0.42

Berdasarkan hasil di atas, dapat dilakukan inferensi OR untuk masing-masing ras. Apakah
OR dari masing-masing ras signifikan berbeda dengan 1? Berikut hipotesisnya:
 H0: OR = 1
H1: OR 1
= 0,05
Statistik uji: a. African-American: p-value = 2,06 x 10-7 0,000
b. Asian: p-value = 0,339
c. Hispanic: p-value = 0,0542
d. White: p-value = 9,15 x 10-7 0,000
Daerah Kritis : H0 ditolak apabila p-value < 0,05.
Kesimpulan:
a. African-American: p-value = 0,000 < 0,05 = maka H0 ditolak atau dengan kata lain
nilai OR tidak sama dengan satu sehingga dapat disimpulkan bahwa terdapat
hubungan antara riwayat merokok ibu dengan kelahiran bayi berat lahir rendah
berdasarkan ras African-American. Pada ras ini nilai OR sebesar 2,96.
b. Asian: p-value = 0,339 > 0,05 = maka H0 tidak ditolak atau dengan kata lain nilai
OR sama dengan satu sehingga dapat disimpulkan bahwa tidak terdapat hubungan
antara riwayat merokok ibu dengan kelahiran bayi berat lahir rendah berdasarkan ras
Asian. Pada ras ini nilai OR sebesar 1,48.
c. Hispanic: p-value = 0,0542 > 0,05 = maka H0 tidak ditolak atau dengan kata lain
nilai OR sama dengan satu sehingga dapat disimpulkan bahwa tidak terdapat
hubungan antara riwayat merokok ibu dengan kelahiran bayi berat lahir rendah
berdasarkan ras Hispanic. Pada ras ini nilai OR sebesar 1,96.
d. White: p-value = 0,000 < 0,05 = maka H0 ditolak atau dengan kata lain nilai OR
tidak sama dengan satu sehingga dapat disimpulkan bahwa terdapat hubungan antara
riwayat merokok ibu dengan kelahiran bayi berat lahir rendah berdasarkan ras White.
Pada ras ini nilai OR sebesar 2,45.
Berdasarkan hipotesis di atas, belum dapat dipastikan apakah ras merupakan variabel perancu
atau bukan, karena terdapat perbedaan kesimpulan pada ras African-American dan White
dengan ras Asian dan Hispanic. Misal, disimpulkan bahwa variabel ras bukanlah variabel
perancu, maka tidak perlu dilakukan analisis Mantel-Haenszel dan dapat digunakan nilai OR
total untuk menarik kesimpulan. Jika disimpulkan bahwa variabel ras merupakan variabel
perancu, maka perlu dilakukan analisis Mantel-Haenszel.
Misal disimpulkan bahwa variabel ras merupakan variabel perancu maka sebelum melakukan
analisis Mantel-Haenszel perlu diuji kehomogenan/keseragaman OR antar strata.
Kehomogenan/keseragaman OR antar strata dapat dicek dengan 2 cara, yaitu dengan melihat
langsung nilai OR antar strata (eyeballing) atau dengan melakukan inferensi. Jika dilihat nilai
OR pada masing-masing ras, terlihat bahwa nilai-nilai tersebut relatif berbeda tetapi nilai OR
pada ras African-American dan White, yaitu 2,96 dan 2,45 cukup dekat dengan OR total,
yaitu 2,57. Karena pengecekkan dengan melihat langsung masih belum dapat memastikan
kehomogenan nilai OR antar strata, maka dilakukan inferensi sebagai berikut:
H0: OR homogen antar strata
H1: OR tidak homogen antar strata
= 0,05
Statistik uji: 2hitung atau p-value
Daerah Kritis : H0 ditolak apabila 2hitung > 20,05;3 atau p-value < 0,05.
Kesimpulan: karena 2hitung = 2,82 < 7,81 = 20,05;3 dan p-value = 0,42 > 0,05 = maka
H0 tidak ditolak. Dapat disimpulkan bahwa kehomogenan OR antar strata terpenuhi.
Setelah diperoleh kesimpulan bahwa nilai OR antar strata homogen maka dapat dilanjutkan

^ MH

ke analisis Mantel-Haenszel. Inferensi terhadap seperti pada inferensi untuk setiap

nilai OR pada masing-masing ras, yaitu untuk mengetahui apakah nilai OR signifikan
berbeda dengan satu.
MH
H0: =1

MH
H1: 1

= 0,05
Statistik uji: 2MH atau p-value
Daerah Kritis : H0 ditolak apabila 2 MH > 20,05;1 p-value < 0,05
Kesimpulan: karena 2 MH = 80,44 > 3,84 = 20,05;1 dan p-value = 0 < 0,05 = maka H0
ditolak sehingga disimpulkan bahwa OR Mantel-Haenszel signifikan berbeda dengan

^ MH

satu. Nilai estimasi sebesar 2,45 2 menyatakan bahwa ibu yang mempunyai

kebiasaan merokok akan mempunyai resiko bayi yang dilahirkan memiliki berat lahir
rendah sebesar 2 kali lebih besar dibandingkan ibu yang tidak mempunyai kebiasaan
merokok.
Berikut grafik yang menggambarkan nilai nilai OR berdasarkan ras.
 Stratified prospective/X-sectional analysis

1/4

raceAfrican American: OR = 2.96 (1.94, 4.54)

Odds of outcome
1/8 raceAsian: OR = 1.48 (0.56, 3.28)

raceHispanic: OR = 1.96 (0.9, 3.95)

raceWhite: OR = 2.45 (1.87, 3.2)

1/16 MH-OR = 2.45 (2.01, 2.99)

homogeneity test P value = 0.42

Non-exposed Exposed

Outcome= weight , Exposure= smoke

b. Menggunakan Excel
Langkah-langkah analisis Mantel-Haenszel pada Excel adalah sebagai berikut:
1. Buatlah tabel silang 2 x 2 untuk masing-masing strata, pada contoh ini ras sebagai strata.
White African-American Hispanic Asian
weight low normal low normal low normal low normal
smoker 98 832 54 227 11 85 7 102
nonsmoker 169 3520 55 686 61 926 90 1936

2. Hitung OR, 2 hitung dan p-value pada masing-masing ras.

White African-American Hispanic Asian
weight low normal low normal low normal low normal
smoker 98 832 54 227 11 85 7 102
nonsmoker 169 3520 55 686 61 926 90 1936
OR 2,453345471 2,967080497 1,964513018 1,476252723
2 hitung 48,38536209 29,74749846 3,927083431 0,934794897
p-value 3,50172E-12 4,92141E-08 0,047514289 0,333620074

Dengan memperhatikan tabel di atas, diketahui bahwa p-value untuk nilai OR pada ras White,
African-American, dan Hispanic kurang dari (jika = 0,05). Hal ini menunjukkan bahwa
kesimpulan pada ketiga ras tersebut sama dengan kesimpulan pada tabel total, yaitu terdapat
hubungan antara riwayat merokok ibu dengan kelahiran bayi berat lahir rendah. Dengan
demikian, dapat disimpulkan variabel ras bukanlah variabel perancu, berarti tidak perlu
dilakukan analisis Mantel-Haenszel.
Untuk sekedar contoh, berikut ini adalah langkah selanjutnya jika variabel ras adalah variabel
perancu.
3. Hitung nilai ei, vi, ai*di/ni, dan bi*ci/ni dimana:
( ai +c i ) ( bi +d i )
e i=
ni

dan
( ai+ c i )( bi +d i ) ( ai +b i )( ci + di )
v i= 2
ni ( n1 )

White African American Hispanic Asian

weight low normal low normal low normal low normal
smoker 98 832 54 227 11 85 7 102
nonsmoker 169 3520 55 686 61 926 90 1936
OR 2,453345471 2,967080497 1,964513018 1,476252723
2 hitung 48,38536209 29,74749846 3,927083431 0,934794897
p-value 3,50172E-12 4,92141E-08 0,047514289 0,333620074
ei 53,75838926 29,96966732 6,382271468 4,952224824
vi 40,46149252 19,43096053 5,434853773 4,487987918
ai*di/ni 74,68283178 36,24657534 9,405355494 6,347540984
bi*ci/ni 30,44122104 12,21624266 4,787626962 4,299765808

^
4. Hitung MH , 2MH, dan p-valueMH, dengan:
2
2 ( ai e i)
MH =
vi
dan
p-valueMH =CHIDIST(2MH;1)
White African American Hispanic Asian
weight low normal low normal low normal low normal
smoker 98 832 54 227 11 85 7 102
nonsmoker 169 3520 55 686 61 926 90 1936
OR 2,453345471 2,967080497 1,964513018 1,476252723
2 hitung 48,38536209 29,74749846 3,927083431 0,934794897
p-value 3,50172E-12 4,92141E-08 0,047514289 0,333620074
ei 53,75838926 29,96966732 6,382271468 4,952224824
vi 40,46149252 19,43096053 5,434853773 4,487987918
ai*di/ni 74,68283178 36,24657534 9,405355494 6,347540984
bi*ci/ni 30,44122104 12,21624266 4,787626962 4,299765808
^ MH

2,448210551
 2MH 80,43539746
p-valueMH 3,00366E-19

^ MH

Pada tabel di atas, diperoleh , 2MH, dan p-valueMH yang sama dengan analisis

menggunakan software R.
c. Menggunakan SPSS
Buka data lowbwt.2 dari SPSS, selanjutnya dilakukan pembobotan variabel kategorik dengan
banyaknya kejadian (variabel count).
Data Weight Cases.. pilih Weight cases by masukkan variabel count sebagai
pembobot.
Analyze Descriptive Statistics Crosstabs...
Masukkan variabel exposure ke Row(s), variabel outcome ke Column(s), dan variabel
perancu ke Layer, seperti di bawah ini:

Klik Statistics... pilih Chi-square, Risk, dan Cochrans Mantel-Haenszel statistics.

Klik Cells... pilih Observed dan Expected Continue OK.
Diperoleh output sebagai berikut:
 Chi-Square Tests

Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-

race Value df sided) sided) sided)
White Pearson Chi-Square 48.385a 1 .000

Continuity Correctionb 47.298 1 .000

Likelihood Ratio 41.931 1 .000

Fisher's Exact Test .000 .000

Linear-by-Linear 48.375 1 .000

Association
N of Valid Cases 4619
African-American Pearson Chi-Square 29.747c 1 .000
Continuity Correctionb 28.522 1 .000
Likelihood Ratio 26.955 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 29.718 1 .000
Association
N of Valid Cases 1022
Hispanic Pearson Chi-Square 3.927d 1 .048
b
Continuity Correction 3.123 1 .077
Likelihood Ratio 3.339 1 .068
Fisher's Exact Test .054 .046
Linear-by-Linear 3.923 1 .048
Association
N of Valid Cases 1083
Asian Pearson Chi-Square .935e 1 .334

Continuity Correctionb .534 1 .465

Likelihood Ratio .838 1 .360

Fisher's Exact Test .339 .223

Linear-by-Linear .934 1 .334

Association
N of Valid Cases 2135

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 53,76.
b. Computed only for a 2x2 table
c. 0 cells (,0%) have expected count less than 5. The minimum expected count is 29,97.
d. 0 cells (,0%) have expected count less than 5. The minimum expected count is 6,38.
e. 1 cells (25,0%) have expected count less than 5. The minimum expected count is 4,95.

Dengan menggunakan hasil output di atas, kita dapat melakukan hipotesis untuk mengetahui
apakah terdapat hubungan antara riwayat merokok ibu dengan kelahiran bayi berat lahir
rendah berdasarkan ras, yaitu dengan statistik uji Pearson Chi-square atau Fishers Exact
Test.
 Risk Estimate
95% Confidence Interval
race Value Lower Upper
White Odds Ratio for smoke 2.453 1.892 3.182
(Nonsmokers / Smokers)
For cohort weight = BBLR 1.067 1.042 1.092
For cohort weight = Normal .435 .343 .552
N of Valid Cases 4619
African-American Odds Ratio for smoke 2.967 1.980 4.446
(Nonsmokers / Smokers)
For cohort weight = BBLR 1.146 1.079 1.218
For cohort weight = Normal .386 .272 .548
N of Valid Cases 1022
Hispanic Odds Ratio for smoke 1.965 .996 3.875
(Nonsmokers / Smokers)
For cohort weight = BBLR 1.060 .984 1.141
For cohort weight = Normal .539 .294 .990
N of Valid Cases 1083
Asian Odds Ratio for smoke 1.476 .667 3.267
(Nonsmokers / Smokers)
For cohort weight = BBLR 1.021 .971 1.074
For cohort weight = Normal .692 .329 1.456
N of Valid Cases 2135

Output di atas dapat digunakan untuk mengecek kehomogenan OR antar strata dengan
metode eyeballing.

Tests of Homogeneity of the Odds Ratio

Asymp. Sig. (2-
Chi-Squared df sided)
Breslow-Day 2.863 3 .413
Tarone's 2.853 3 .415

Inferensi untuk menguji asumsi kehomogenan antar strata dapat memanfaatkan statistik uji
Breslow-Day atau Tarones yang terdapat pada tabel di atas.
 Tests of Conditional Independence
Asymp. Sig. (2-
Chi-Squared df sided)
Cochran's 80.476 1 .000
Mantel-Haenszel 79.366 1 .000
Under the conditional independence assumption, Cochran's statistic
is asymptotically distributed as a 1 df chi-squared distribution, only if
the number of strata is fixed, while the Mantel-Haenszel statistic is
always asymptotically distributed as a 1 df chi-squared distribution.
Note that the continuity correction is removed from the Mantel-
Haenszel statistic when the sum of the differences between the
observed and the expected is 0.

Output di atas bermanfaat untuk menguji independensi Mantel-Haenszel, berikut

hipotesisnya:
H0: tidak terdapat hubungan antara kebiasaan merokok ibu dengan kejadian bayi berat
lahir rendah.
H1: terdapat hubungan antara kebiasaan merokok ibu dengan kejadian bayi berat lahir
rendah.
= 0,05
Statistik uji: 2MH atau Sig.
Daerah Kritis : H0 ditolak apabila 2 MH > 20,05;1 Sig. < 0,05

Kesimpulan: karena 2 MH = 79,366 > 3,84 = 20,05;1 dan Sig. = 0 < 0,05 = maka H0
ditolak sehingga disimpulkan bahwa terdapat hubungan antara kebiasaan merokok ibu
dengan kejadian bayi berat lahir rendah.

Mantel-Haenszel Common Odds Ratio Estimate

Estimate 2.448
ln(Estimate) .895
Std. Error of ln(Estimate) .102
Asymp. Sig. (2-sided) .000
Asymp. 95% Confidence Common Odds Ratio Lower Bound 2.005
Interval
Upper Bound 2.989
ln(Common Odds Ratio) Lower Bound .696
Upper Bound 1.095
The Mantel-Haenszel common odds ratio estimate is asymptotically normally distributed under the
common odds ratio of 1,000 assumption. So is the natural log of the estimate.

^ MH

Nilai estimasi dapat dilihat pada Estimate. Untuk menguji apakah nilai tersebut

signifikan berbeda dengan satu, dapat digunakan statistik uji Sig.