ANALISIS DATA KATEGORIK

7.1 Uji Independensi Khi Kuadrat

Adakalanya kita menjumpai data yang bersifat kategorikal. Yang
dimaksud dengan kategorikal di sini adalah data terkelompokkan
berdasarkan kategori unit-unit eksperimen tertentu dan dihitung
jumlahnya berdasarkan pengkategorian tersebut. Apabila data
didasarkan menurut dua variabel kategori maka kita dapat
menyusun tabel kontingensi 2 x 2. Misalkan dari data tersebut, kita
ingin mengetahui indepedensi antara dua varibel, maka kita dapat
menganalisisnya menggunakan uji khi kuadrat sebagai alternatif uji
independensi.
Contoh 7.1
Sebuah pabrik konveksi home industri mencatat ada 300 konveksi
yang rusak dalam kurun satu bulan. Kerusakan ini kemudian
dikelompokkan pada 4 jenis berdasarkan tingkat kerusakan (misal
kerusakan I, II, III, dan IV). Si QC pabrik tersebut menduga jenis
kerusakan berhubungan dengan shift karyawan yang terbagi menjadi
3, yaitu shift pagi, siang, dan malam. Untuk menguji dugaan QC,
diperoleh data sesuai dengan Tabel 7.1.
Tabel 7.1. Tabel Data Contoh 7.1.
Kerusakan
Shift I II III IV
Pagi 15 21 45 13
Siang 26 31 34 5
Malam 33 17 49 11

141
Dengan tingkat signifikansi 5%, QC pabrik akan mencoba menguji
dugaannya.
Penyelesaian:
1. Konversi Data
Sebelum input data ke worksheet Minitab, data pada Tabel 7.1 perlu
dikonversi ke dalam bentuk Tabel 7.2 di bawah ini.
Tabel 7.2. Konversi Data Tabel 7.1.
K1 K2 K3 K4 K5 K6 K7 K8 K9
No shift tipe No shift tipe No shift tipe
1 1 1 101 2 1 201 3 1
2 1 1 102 2 1 202 3 1
3 1 1 103 2 1 203 3 1
4 1 1 104 2 1 204 3 1
5 1 1 105 2 1 205 3 1
6 1 1 106 2 1 206 3 1
7 1 1 107 2 1 207 3 1
8 1 1 108 2 1 208 3 1
9 1 1 109 2 1 209 3 1
10 1 1 110 2 1 210 3 1
11 1 1 111 2 1 211 3 1
12 1 1 112 2 1 212 3 1
13 1 1 113 2 1 213 3 1
14 1 1 114 2 1 214 3 1
15 1 1 115 2 1 215 3 1
16 1 2 116 2 1 216 3 1
17 1 2 117 2 1 217 3 1
18 1 2 118 2 1 218 3 1
19 1 2 119 2 1 219 3 1
20 1 2 120 2 1 220 3 1
21 1 2 121 2 2 221 3 1
22 1 2 122 2 2 222 3 1
23 1 2 123 2 2 223 3 1
24 1 2 124 2 2 224 3 2
25 1 2 125 2 2 225 3 2

142
K1 K2 K3 K4 K5 K6 K7 K8 K9
No shift tipe No shift tipe No shift tipe
26 1 2 126 2 2 226 3 2
27 1 2 127 2 2 227 3 2
28 1 2 128 2 2 228 3 2
29 1 2 129 2 2 229 3 2
30 1 2 130 2 2 230 3 2
31 1 2 131 2 2 231 3 2
32 1 2 132 2 2 232 3 2
33 1 2 133 2 2 233 3 2
34 1 2 134 2 2 234 3 2
35 1 2 135 2 2 235 3 2
36 1 2 136 2 2 236 3 2
37 1 3 137 2 2 237 3 2
38 1 3 138 2 2 238 3 2
39 1 3 139 2 2 239 3 2
40 1 3 140 2 2 240 3 2
41 1 3 141 2 2 241 3 3
42 1 3 142 2 2 242 3 3
43 1 3 143 2 2 243 3 3
44 1 3 144 2 2 244 3 3
45 1 3 145 2 2 245 3 3
46 1 3 146 2 2 246 3 3
47 1 3 147 2 2 247 3 3
48 1 3 148 2 2 248 3 3
49 1 3 149 2 2 249 3 3
50 1 3 150 2 2 250 3 3
51 1 3 151 2 2 251 3 3
52 1 3 152 2 3 252 3 3
53 1 3 153 2 3 253 3 3
54 1 3 154 2 3 254 3 3
55 1 3 155 2 3 255 3 3
56 1 3 156 2 3 256 3 3
57 1 3 157 2 3 257 3 3
58 1 3 158 2 3 258 3 3
59 1 3 159 2 3 259 3 3

143
 K1 K2 K3 K4 K5 K6 K7 K8 K9
No shift tipe No shift tipe No shift tipe
60 1 3 160 2 3 260 3 3
61 1 3 161 2 3 261 3 3
62 1 3 162 2 3 262 3 3
63 1 3 163 2 3 263 3 3
64 1 3 164 2 3 264 3 3
65 1 3 165 2 3 265 3 3
66 1 3 166 2 3 266 3 3
67 1 3 167 2 3 267 3 3
68 1 3 168 2 3 268 3 3
69 1 3 169 2 3 269 3 3
70 1 3 170 2 3 270 3 3
71 1 3 171 2 3 271 3 3
72 1 3 172 2 3 272 3 3
73 1 3 173 2 3 273 3 3
74 1 3 174 2 3 274 3 3
75 1 3 175 2 3 275 3 3
76 1 3 176 2 3 276 3 3
77 1 3 177 2 3 277 3 3
78 1 3 178 2 3 278 3 3
79 1 3 179 2 3 279 3 3
80 1 3 180 2 3 280 3 3
81 1 3 181 2 3 281 3 3
82 1 4 182 2 3 282 3 3
83 1 4 183 2 3 283 3 3
84 1 4 184 2 3 284 3 3
85 1 4 185 2 3 285 3 3
86 1 4 186 2 4 286 3 3
87 1 4 187 2 4 287 3 3
88 1 4 188 2 4 288 3 3
89 1 4 189 2 4 289 3 3
90 1 4 190 2 4 290 3 4
91 1 4 191 3 1 291 3 4
92 1 4 192 3 1 292 3 4
93 1 4 193 3 1 293 3 4

144
 K1 K2 K3 K4 K5 K6 K7 K8 K9
No shift tipe No shift tipe No shift tipe
94 1 4 194 3 1 294 3 4
95 2 1 195 3 1 295 3 4
96 2 1 196 3 1 296 3 4
97 2 1 197 3 1 297 3 4
98 2 1 198 3 1 298 3 4
99 2 1 199 3 1 299 3 4
100 2 1 200 3 1 300 3 4

Keterangan:
K2, K5, K8 adalah kolom shift dengan pemberian label 1
menunjukkan nilai untuk shift Pagi. Label 2: shift Siang, dan label 3:
shift Malam.
K3, K6, K9 adalah kolom kerusakan dengan pemberian label 1
menunjukkan nilai untuk Kerusakan jenis I. Label 2: Kerusakan jenis
II. Label 3: Kerusakan jenis III, dan label 4: Kerusakan jenis IV.

2. Input Data
Setelah konversi data, selanjutnya yang kita lakukan adalah input
data dengan melakukan langkah-langkah sebagai berikut.
ƒ Buka Minitab 15.
ƒ Arahkan kursor pada Worksheet 1***.
ƒ Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai
data pada kolom K1, K4, K7 pada Tabel 7.2.
ƒ Beri Nama kolom C2: Shift dan isi sel-sel pada kolom C2 sesuai
data pada kolom K2, K5, K8 pada Tabel 7.2.
ƒ Beri Nama kolom C3: Kerusakan dan isi sel-sel pada kolom C3
sesuai data pada kolom K3, K6, K9 pada Tabel 7.2.
ƒ Simpan file dengan nama: Chi1. Data dapat dibuka pada bonus
CD dengan nama Chi1.MPJ. Tampilan worksheet 1*** seperti
Gambar 7.1.

145
 Gambar 7.1 Input data Chi1

3. Analisis Data
ƒ Pilih menu Stat – Tables – Cross Tabulation and Chi -Square...,
tampilan seperti Gambar 7.2.

Gambar 7.2 Stat – Tables – Cross Tabulation and Chi-Square...

146
ƒ Isi kotak dialog Cross Tabulation and Chi-Square dengan
mengisikan:
¾ For rows: Shift, dengan cara arahkan kursor pada For rows
kemudian dobel klik pada C2 Shift, sehingga Shift secara
otomatis masuk pada For rows.
¾ For column: Kerusakan, dengan cara arahkan kursor pada For
column kemudian dobel klik pada C3 Kerusakan sehingga
Kerusakan secara otomatis masuk pada For column. Tampilan
kotak dialog Display Descriptive Statistics seperti Gambar 7.3.

Gambar 7.3 Kotak dialog Cross Tabulation and Chi-Square

ƒ Klik Chi Square...

¾ Klik Chi-Square analysis.
¾ Klik Expected cell counts.
¾ Klik OK, tampilan seperti Gambar 7.4.

Gambar 7.4 Kotak dialog Cross Tabulation - Chi-Square

147
ƒ Klik OK.

4. Output Analisis Data

Tabulated statistics: shift, Kerusakan

Rows: shift Columns: Kerusakan

1 2 3 4 All

1 15 21 45 13 94
23.19 21.62 40.11 9.09 94.00

2 26 31 34 5 96
23.68 22.08 40.96 9.28 96.00

3 33 17 49 11 110
27.13 25.30 46.93 10.63 110.00

All 74 69 128 29 300

74.00 69.00 128.00 29.00 300.00

Cell Contents: Count

Expected count
Pearson Chi-Square = 16.273, DF = 6, P-Value = 0.012
Likelihood Ratio Chi-Square = 16.804, DF = 6, P-Value =
0.010

5. Interpretasi Output Data

5.1. Frekuensi Amatan dan Estimasi Data
Rows: shift Columns: Kerusakan

1 2 3 4 All

1 15 21 45 13 94
(23.19) (21.62) (40.11) (9.09) 94.00

2 26 31 34 5 96
(23.68) (22.08) (40.96) (9.28) 96.00

3 33 17 49 11 110
(27.13) (25.30) (46.93) (10.63) 110.00

All 74 69 128 29 300

74.00 69.00 128.00 29.00 300.00

148
Analisis:
Dari informasi di atas nampak bahwa jumlah (frekuensi) tiap sel yang
teramati sudah sesuai dengan data Tabel 7.1. Apabila dibandingkan
dengan dua shift lainnya, nampak jumlah kerusakan terbanyak
terjadi pada shift malam, yaitu sebanyak 110 kerusakan. Adapun
angka di dalam kurung menunjukkan frekuensi yang diestimasi.
Misal frekuensi estimasi untuk kerusakan jenis I adalah 23.19 dan
seterusnya.

5.2. Uji Khi Kuadrat

Selanjutnya untuk menguji dugaan QC, dapat dilakukan uji Khi
Kuadrat dengan langkah-langkah sebagai berikut.
i. Susun Hipotesis:
H 0 : Faktor shift dan kerusakan konveksi saling independen

H 1 : Faktor shift dan kerusakan konveksi tidak saling

independen

ii. Tingkat Signifikansi α = 0.05

iii. Hitungan:
Pearson Chi-Square = 16.273, DF = 6, P-Value = 0.012
Likelihood Ratio Chi-Square = 16.804, DF = 6, P-Value =
0.010

iv. Kesimpulan:
Dari tabel di atas dapat diperoleh kesimpulan, yaitu:

™ Karena Pearson Chi- Square= χ 2 = 16.273 dan tolak H 0 jika χ 2

> χ (2r −1)(c −1),α = χ (23−1)( 4 −1),0.05 = χ 62,0.05 = 12.5916 maka H 0 ditolak.

™ Karena P-Value =0.012 dan tolak H 0 jika α = 0.05 > P − Value

maka H 0 ditolak.

Dengan kata lain, faktor shift dan kerusakan saling dependen, QC

bisa mengatakan bahwa kerusakan konveksi yang terjadi berkaitan

149
dengan shift karyawan yang diberlakukan pada pabrik tersebut.
Apabila diperhatikan dengan jumlah kerusakan pada tiap shift-nya,
QC dapat memfokuskan perhatiannya pada shift malam dengan
memberikan perlakuan tertentu pada karyawan, mengingat pada
shift tersebut kerusakan terjadi paling banyak.

7.2 Uji Homogenitas Khi Kuadrat

Khi Kuadrat dapat pula digunakan untuk menguji apakah sampel
yang diambil secara acak oleh eksperimenter sudah homogen sesuai
dengan populasinya.
Contoh 7.2
Data diambil dari Bhisma Murti (1996). Suatu hipotesis menyatakan
bahwa insidensi depresi di antara penderita hipoglikemia, lebih tinggi
yang tidak menderita hipoglikemia. Sebanyak 200 orang diobservasi
dan diperoleh data sesuai Tabel 7.3.
Tabel 7.3. Tabel Data Contoh 7.2.
Sampel Depresi

Ya Tidak

Hipoglikemia 30 20

Tidak Hipoglikemia 72 78

Dengan tingkat signifikansi 5%, akan dilakukan uji homogenitas

antara kedua sampel tersebut!

Penyelesaian:
1. Konversi Data
Sebelum input data ke worksheet Minitab, data pada Tabel 7.3 perlu
dikonversi ke dalam bentuk Tabel 7.4 di bawah ini.

150
 Tabel 7.4. Konversi Data Tabel 7.3.
K1 K2 K3 K4 K5 K6
No Sampel Depresi No Sampel Depresi
1 1 1 101 2 1
2 1 1 102 2 1
3 1 1 103 2 1
4 1 1 104 2 1
5 1 1 105 2 1
6 1 1 106 2 1
7 1 1 107 2 1
8 1 1 108 2 1
9 1 1 109 2 1
10 1 1 110 2 1
11 1 1 111 2 1
12 1 1 112 2 1
13 1 1 113 2 1
14 1 1 114 2 1
15 1 1 115 2 1
16 1 1 116 2 1
17 1 1 117 2 1
18 1 1 118 2 1
19 1 1 119 2 1
20 1 1 120 2 1
21 1 1 121 2 1
22 1 1 122 2 1
23 1 1 123 2 2
24 1 1 124 2 2
25 1 1 125 2 2
26 1 1 126 2 2
27 1 1 127 2 2
28 1 1 128 2 2
29 1 1 129 2 2
30 1 1 130 2 2
31 1 2 131 2 2
32 1 2 132 2 2
33 1 2 133 2 2

151
 K1 K2 K3 K4 K5 K6
No Sampel Depresi No Sampel Depresi
34 1 2 134 2 2
35 1 2 135 2 2
36 1 2 136 2 2
37 1 2 137 2 2
38 1 2 138 2 2
39 1 2 139 2 2
40 1 2 140 2 2
41 1 2 141 2 2
42 1 2 142 2 2
43 1 2 143 2 2
44 1 2 144 2 2
45 1 2 145 2 2
46 1 2 146 2 2
47 1 2 147 2 2
48 1 2 148 2 2
49 1 2 149 2 2
50 1 2 150 2 2
51 2 1 151 2 2
52 2 1 152 2 2
53 2 1 153 2 2
54 2 1 154 2 2
55 2 1 155 2 2
56 2 1 156 2 2
57 2 1 157 2 2
58 2 1 158 2 2
59 2 1 159 2 2
60 2 1 160 2 2
61 2 1 161 2 2
62 2 1 162 2 2
63 2 1 163 2 2
64 2 1 164 2 2
65 2 1 165 2 2
66 2 1 166 2 2
67 2 1 167 2 2

152
K1 K2 K3 K4 K5 K6
No Sampel Depresi No Sampel Depresi
68 2 1 168 2 2
69 2 1 169 2 2
70 2 1 170 2 2
71 2 1 171 2 2
72 2 1 172 2 2
73 2 1 173 2 2
74 2 1 174 2 2
75 2 1 175 2 2
76 2 1 176 2 2
77 2 1 177 2 2
78 2 1 178 2 2
79 2 1 179 2 2
80 2 1 180 2 2
81 2 1 181 2 2
82 2 1 182 2 2
83 2 1 183 2 2
84 2 1 184 2 2
85 2 1 185 2 2
86 2 1 186 2 2
87 2 1 187 2 2
88 2 1 188 2 2
89 2 1 189 2 2
90 2 1 190 2 2
91 2 1 191 2 2
92 2 1 192 2 2
93 2 1 193 2 2
94 2 1 194 2 2
95 2 1 195 2 2
96 2 1 196 2 2
97 2 1 197 2 2
98 2 1 198 2 2
99 2 1 199 2 2
100 2 1 200 2 2

153
Keterangan:
K2, K5 adalah kolom sampel dengan pemberian label 1
menunjukkan nilai untuk Hipoglikemia. Label 2: Tidak Hipoglikemia
K3, K6 adalah kolom depresi dengan pemberian label 1
menunjukkan nilai untuk depresi, label 2: tidak depresi.

2. Input Data
Setelah konversi data, selanjutnya yang kita lakukan adalah input
data dengan melakukan langkah-langkah berikut.
ƒ Buka Minitab 15.
ƒ Arahkan kursor pada Worksheet 1***.
ƒ Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai
data pada kolom K1, K4 Tabel 7.4.
ƒ Beri Nama kolom C2: Sampel dan isi sel-sel pada kolom C2
sesuai data pada kolom K2, K5 Tabel 7.4.
ƒ Beri Nama kolom C3: Depresi dan isi sel-sel pada kolom C3
sesuai data pada kolom K3, K6 Tabel 7.4.
ƒ Simpan file dengan nama: Chi2. Data dapat dibuka pada bonus
CD dengan nama Chi1.MPJ.

Gambar 7.5 Input data Contoh Kasus 7.2

154
3. Analisis Data
ƒ Pilih menu Stat – Tables – Cross Tabulation and Chi -Square....

Gambar 7.6 Stat – Tables – Cross Tabulation and Chi-Square...

ƒ Isi kotak dialog Cross Tabulation and Chi-Square dengan:

¾ For rows: Sampel, dengan cara arahkan kursor pada For
rows kemudian dobel klik pada C2 Sampel, sehingga Sampel
secara otomatis masuk pada For rows.
¾ For column: Kerusakan, dengan cara arahkan kursor pada
For column kemudian dobel klik pada C3 Kerusakan
sehingga Kerusakan secara otomatis masuk pada For
column.

Gambar 7.7 Kotak dialog Cross Tabulation and Chi-Square

155
ƒ Klik Chi Square...
¾ Klik Chi-Square analysis.
¾ Klik OK, tampilan seperti Gambar 7.8.

Gambar 7.8 Kotak dialog Cross Tabulation - Chi-Square

ƒ Klik OK.
4. Output Analisis Data
Tabulated statistics: Sampel, Depresi

Rows: Sampel Columns: Depresi

1 2 All

1 30 20 50
2 72 78 150
All 102 98 200

Cell Contents: Count

Pearson Chi-Square = 2.161, DF = 1, P-Value = 0.142

Likelihood Ratio Chi-Square = 2.174, DF = 1, P-Value =
0.140

5. Interpretasi Output Data

Rows: Sampel Columns: Depresi

1 2 All

1 30 20 50
2 72 78 150
All 102 98 200

156
Analisis:
Sebanyak 200 pasien diobservasi terdiri atas 50 orang sampel I yang
merupakan penderita hipoglikemia dan 150 bukan penderita
hipoglikemia. Dari 50 orang hipoglikemia tersebut sebanyak
30 orang mengalami depresi, dan dari 150 orang bukan penderita
hipoglikemia sebanyak 72 orang menderita depresi. Selanjutnya uji
homogenitas dapat dilakukan dengan langkah-langkah uji sebagai
berikut.
i. Susun Hipotesis:
H 0 : Sampel I dan II homogen

H 1 : Sampel I dan II tidak homogen

ii. Tingkat Signifikansi α = 0.05

iii. Hitungan:

Pearson Chi-Square = 2.161, DF = 1, P-Value = 0.142

iv. Kesimpulan:
Dari tabel di atas nampak dapat diperoleh kesimpulan, yaitu:
2
ƒ Karena Pearson Chi- Square= χ 2 = 2.161 dan tolak H 0 jika χ >
χ (2r −1)(c −1),α = χ (22 −1)(2 −1),0.05 = χ 12,0.05 = 3.84146 maka H 0 tidak ditolak

ƒ Karena P-Value =0.142 dan tolak H 0 jika α = 0.05 > P − Value

maka H 0 tidak ditolak.

Dengan kata lain, sampel I dan sampel II homogen, kita dapat

mengatakan pula bahwa insidensi depresi penderita hipoglikemia
belum tentu lebih tinggi daripada yang bukan penderita hipoglikemia.

7.3 Uji Pasti Fisher

Menurut Fisher (1973), uji ini dapat digunakan untuk mengetahui
ada tidaknya hubungan antara dua variabel yang bersifat kategorikal

157
(dalam Murti B, 1996). Masih diambil dari buku yang sama, akan
diuraikan contoh kasus penggunaan uji pasti Fisher.
Contoh 7.3
Data diambil dari buku Murti B (1996). Suatu eksperimen dilakukan
untuk mengetahui manfaat pemakaian obat indomethacine atau
plasebo pada bayi prematur terhadap penutupan ductus ateriosus.
Data sesuai dengan Tabel 7.5.
Tabel 7.5. Data Contoh Kasus 7.3.
Penutupan Ductus Perlakuan
Arteriosus
Indomethacine Plasebo

Ya 5 1

Tidak 2 7

Dengan tingkat signifikansi 5%, akan dilakukan uji pasti Fisher.

Penyelesaian:
1. Konversi Data
Sebelum input data ke worksheet Minitab, data pada Tabel 7.5 perlu
dikonversi ke dalam bentuk Tabel 7.6 di bawah ini.
Tabel 7.6. Konversi Data Tabel 7.5.
No Penutupan Perlakuan
1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
6 1 2
7 2 1
8 2 1
9 2 2
10 2 2
11 2 2

158
 No Penutupan Perlakuan
12 2 2
13 2 2
14 2 2
15 2 2

Keterangan:
Kolom penutupan dengan pemberian label 1 menunjukkan nilai
untuk penutupan Dusctu s Arteriosus (Ya), dan label 2 menunjukkan
nilai untuk penutupan Dusctu s Arteriosus (Tidak).
Kolom perlakuan dengan pemberian label 1 menunjukkan nilai untuk
Indomethacine dan label 2 menunjukkan nilai untuk plasebo.

2. Input Data
Setelah konversi data, selanjutnya yang kita lakukan adalah input
data dengan melakukan langkah-langkah sebagai berikut.
ƒ Buka Minitab 15.
ƒ Arahkan kursor pada Worksheet 1***.
ƒ Beri Nama kolom C1: No dan isi sel-sel pada kolom C1 sesuai
data pada kolom 1 Tabel 7.6.
ƒ Beri Nama kolom C2: Penutupan dan isi sel-sel pada kolom C2
sesuai data pada kolom 2 Tabel 7.6.
ƒ Beri Nama kolom C3: Perlakuan dan isi sel-sel pada kolom C3
sesuai data pada kolom 3 Tabel 7.6.
ƒ Simpan file dengan nama: Fisher. Data dapat dibuka pada bonus
CD dengan nama Fisher.MPJ. Tampilan worksheet 1*** seperti
Gambar 7.9.

159
 Gambar 7.9 Input data Fisher

3. Analisis Data
ƒ Pilih menu Stat – Tables – Cross Tabulation and Chi -Square...,
tampilan seperti Gambar 7.10.

Gambar 7.10 Stat – Tables – Cross Tabulation and Chi-Square...

160
ƒ Isi kotak dialog Cross Tabulation and Chi-Square dengan
mengisikan:
¾ For rows: Penutupan, dengan cara arahkan kursor pada For
rows kemudian dobel klik pada C2 Penutupan sehingga
Penutupan secara otomatis masuk pada For rows.
¾ For column: Perlakuan, dengan cara arahkan kursor pada For
column kemudian dobel klik pada C3 Perlakuan sehingga
Perlakuan secara otomatis masuk pada For column.

Gambar 7.11 Kotak dialog Cross Tabulation and Chi-Square

ƒ Klik Other Stats...

¾ Klik Fisher’s exact test for 2x2 tables.
¾ Klik OK, tampilan seperti Gambar 7.12.

Gambar 7.12 Kotak dialog Cross Tabulation – Other Statistics

161
ƒ Klik OK.

4. Output Analisis Data

Tabulated statistics: Penutupan, Perlakuan

Rows: Penutupan Columns: Perlakuan

1 2 All

1 5 1 6
2 2 7 9
All 7 8 15

Cell Contents: Count

Fisher's exact test: P-Value = 0.0405594

5. Interpretasi Output Data

Rows: Penutupan Columns: Perlakuan

1 2 All

1 5 1 6
2 2 7 9
All 7 8 15

Analisis:
Dari tabel kontingensi di atas menunjukkan bahwa pemberian
indomethacine pada bayi prematur, sebanyak 5 bayi mengalami
penutupan Ductus Arteriosus dan 2 bayi tidak mengalaminya.
Adapun dengan pemberian obat placebo, hanya 1 bayi yang
mengalami penutupan Dustus Arteriosus, sedangkan 7 bayi tidak
mengalaminya. Untuk menguji kemaknaan antara variable
Penutupan dan Perlakuan dilakukan uji Pasti Fisher dengan langkah-
langkah sebagai berikut.
i. Susun Hipotesis:
H 0 : Pemakaian obat Indomethacine dan Plasebo mem-
pengaruhi pada penutupan Dustus Arteriosus bayi prematur.

162
 H 1 : Pemakaian obat Indomethacine dan Plasebo tidak mem-
pengaruhi pada penutupan Dustus Arteriosus bayi prematur.
ii. Dipilih tingkat signifikansi 1%.
iii. Hitungan:

Fisher's exact test: P-Value = 0.0405594

iv. Kesimpulan:
Karena diperoleh Fisher’s exact test: P-Value=0.0405594 dan H 0
ditolak jika α =0.01> P-Value maka diperoleh analisis bahwa H 0
tidak ditolak. Dengan kata lain, pemberian obat Indomethacine dan
Plasebo dapat mempengaruhi penutupan Dustus Arteriosus pada
bayi prematur.

***

163