BAB I

PENDAHULUAN

1.1 Tabel Kontigensi

Tabulasi adalah proses menempatkan data dalam bentuk tabel dengan cara
membuat tabel yang berisikan data sesuai dengan kebutuhan analisis. Tabel yang
dibuat sebaiknya mampu meringkas semua data yang akan dianalisis. Pemisahan
tabel akan menyulitkan peneliti dalam proses analisis data.
Tabel Kontingensi merupakan tabel yang digunakan untuk mengukur
hubungan (asosiasi) antara dua vektor kategorik dimana tabel tersebut merangkum
frekuensi bersama dari observasi pada setiap kategori vektor. Misalkan n sampel
diklasifikasikan secara silang berdasarkan dua atribut dalam suatu tabel berukuran I x
J, I merupakan kategori dari vektor X dan J merupakan kategori dari vektor Y. Sell
pada tabel mewakili kemungkinan IJ muncul.
Sebuah tabel yang merupakan klasifikasi silang (cross classifies) dari dua
vektor dinamakan tabel kontigensi dua arah. Masing-masing vektor menempati posisi
baris dan kolom. Jika masing-masing vektor mempunyai level 2 maka akan diperoleh
tabel 2x2. Kemudian jika satu vektor baris mempunyai level 5 dan vektor kolom
mempunyai level 3 maka akan diperoleh tabel 5x3. (Jaka Nugraha, 2013)
1.2 Proporsi
Proporsi diperoleh melalui perbandingan frekuensi suatu data dengan frekuensi
total. Proporsi dapat dinyatakan dalam pecahan di antara 0 sampai 1 dan dapat juga
dinyatakan dalam persentase dari 0% sampai 100%. Parameter proporsi pada populasi
diberi notasi p.
Jika suatu data memiliki frekuensi f sedangkan seluruh frekuensi adalah Sf, maka
proporsi untuk data itu adalah f
π=
∑f
Batas nilai proporsi adalah 0£p£1
Jumlah seluruh proporsi adalah Sp = Sf / Sf = 1

Apabila data bersifat dikotomi yang dinyatakan dengan 0 dan 1 (misalnya, 0 adalah
gagal dan 1 adalah sukses), maka

Proporsi sukses :p Proporsi gagal :1–p

1.3 Relative Risk

Resiko Relatif (RR) dalam tabel 2x2 adalah rasio probabilitas sukses diantara
dua kelompok (grup). π 11 adalah probabilitas sukses pada kelompok 1 dan π 21
probabilitas sukses pada kelompok 2. (Jaka Nugraha: 2013)
Maka nilai RR-nya adalah:
π 11
RR =
π 21
1.4 Odds Ratio
Odds Ratio (OR) adalah ukuran asosiasi paparan (faktor risiko) dengan
kejadian penyakit; dihitung dari angka kejadian penyakit pada kelompok berisiko
(terpapar faktor risiko) dibanding angka kejadian penyakit pada kelompok yang tidak
berisiko (tidak terpapar faktor risiko). Odds Ratio dapat dicari nilainya apabila
penelitian yang dilakukan menggunakan skala data nominal dikotom. (Anwar
Hidayat: 2012)
OR = π 1 ¿¿ ¿
1.5 Confidence Interval
Confidence interval merupakan interval atau range nilai penduga (estimated
value) dari populasi, nilai ini diperoleh dari sample yang dikumpulkan dari populasi
tertentu. Confidence interval dapat diartikan pula sebagai penduga interval, apabila
diinterpretasikan confidence interval berarti berapa persen (yang kita kehendaki)
sample dari populasi yang berada dalam interval atau range parameter populasi.
 BAB II

DESKRIPSI KERJA

Pada praktikum kali ini praktikan dituntut untuk menghitung nilai Relative
Risk (RR), Odds, Odds Ratio (OR), dan interval konfidensi. Adapun studi kasus dan
langkah-langkah penyelesaiannya sebagai berikut :
2.1 Studi Kasus
Berikut adalah data kecelakaan di suatu negara X sebanyak 960.804
penumpang. Penumpang diklasifikasikan menurut jenis kelamin dan luka.
Tabel 2.1 Data Kecelakaan
Luka
Jenis Kelamin
Ringan Berat
Wanita 28.257 3.485
Laki-laki 34.166 894.896

Hitunglah :
a. Nilai Relative Risk (RR)
b. Nilai Odds
c. Nilai Odds Ratio (OR)
d. Interval konfidensi untuk Odds Ratio (OR)

2.2 Langkah Penyelesaian Studi Kasus

Berikut adalah langkah-langkah dalalm menyelesaikan studi kasus di atas
menggunakan program R.
1. Buka program R maka akan muncul lembar kerja R
2. Buat tabel kontigensi dari tabel data kecelakaan di atas yaitu dengan ketik syntax
seperti di bawah ini
 #LAPORAN PRAKTIKUM 3 ANALISIS DATA KATEGORIK

#TABEL DATA KECELAKAAN NEGARA X

HRBU<-
matrix(c(28257,3485,34166,894896),byrow=TRUE,ncol=2)
dimnames(HRBU)<-list(c("Wanita","Laki-
laki"),c("Ringan","Berat"))
names(dimnames(HRBU))<-c("Jenis Kelamin","Luka")
tot<-sum(HRBU)
HRBU/tot
prop.test(HRBU)
HRBU.test<-prop.tet(HRBU)
names(HRBU.test)

Syntax untuk membuat tabel kontigensi dari studi kasus yang ada
3. Penyelesaian soal
a. Mencari nilai Relative Risk (RR) yaitu dengan ketik syntax seperti di bawah
ini
#RELATIVE RISK
HRBU.test$estimate[1]/HRBU.test$estimate[2]
HRBU.test$estimate[2]/HRBU.test$estimate[1]

Syntax untuk mencari nilai Relative Risk

b. Mencari nilai Odds yaitu dengan ketik syntax seperti di bawah ini
#ODDS
HRBU.test$estimate
odds<-HRBU.test$estimate/(1-HRBU.test$estimate)
odds[1]
odds[2]

Syntax untuk mencari nilai Odds

c. Mencari nilai Odds Ratio (OR) yaitu dengan ketik syntax seperti di bawah ini

#ODDS RATIO
odds[1]/odds[2]
(HRBU[1,1]*HRBU[2,2])/(HRBU[2,1]*HRBU[1,2])
Syntax untuk mencari nilai Odds Ratio
d. Mencari interval konfidensi yaitu dengan ketik syntax seperti di bawah ini
#CONFIDENT INTERVAL
theta<-odds[1]/odds[2]
HANI<-sqrt(sum(1/HRBU))
logtheta.CI<-log(theta)+c(-1,1)*1.96*HANI
exp(logtheta.CI)
Syntax untuk mencari nilai interval konfidensi
 BAB III

PEMBAHASAN

3.1 Penyelesaian Soal

Gambar 3.1 Input Data dan Tabel Kontigensi

Hasil output di atas menjelaskan prose deklarasi input data dari studi kasus
yang ada yaitu dengan membuatnya menjadi sebuah tabel kontigensi. Hal ini
praktikan lakukan sebelum mencoba menjawab pertanyaan dari studi kasus karena
hal ini merupakan hal yang paling utama sebelum mejawab pertanyaan selanjutnya
atau dapat dikatakan ini merupakan dasar dalam perhitungan selanjutnya.

Gambar 3.2 Mencari Nilai Probabilitas Masing-Masing Kejadian

Setelah praktikan mendeklarasikan data studi kasus menggunakan cara matrik,
kemudian praktikan ingin melihat nilai probabilitas masing-masing kondisi atau
kejadian. Diketahui bahwa total kejadian seluruhnya dari data di atas yaitu sebesar
960.804 dan total dari seluruh nilai probabilitas dari masing-masing kejadian
adalah sebesar 1.
 Perhitungan nilai probabilitas di dapat dari nilai masing-masing kejadian
dibagi dengan total kejadian (960.804) sehingga didapat nilai probabilitas untuk
kejadian kecelakaan dengan penumpang berjenis kelamin wanita mendapat luka
ringan sebesar 0,02940974 dan penumpang berjenis kelamin wanita mendapat luka
berat sebesar 0,03627171. Nilai probabilitas kejadian dengan penumpang berjenis
kelamin laki-laki mendapat luka ringan sebesar 0,03555980 dan penumpang laki-
laki mendapat luka berat sebesar 0,931403283.

Gambar 3.3 Menampilkan Nilai Yang Bisa Dicari

>HRBU.test<-prop.test(HRBU) merupakan syntax untuk mendefinisikan
nilai HRBU.test sama dengan nilai prop.test(HRBU).
>names(HRBU.test) merupakan syntax untuk menampilkan nilai-nilai apa
saja yang dapat dicari.
A. Menghitung Nilai Relative Risk

Gambar 3.4 Mencari Nilai Relative Risk

>HRBU.test$estimate[1]/HRBU.test$estimate[2] merupakan
merupakan syntax untuk mencari resiko relatif (menunjukan RR dari proporsi
faktor resiko positif).
>HRBU.test$estimate[2]/HRBU.test$estimate[1] merupakan
merupakan syntax untuk mencari resik relatif (menunjukan RR dari proporsi
faktor resiko negatif).
 Relative Risk disini dihitung dengan membandingkan kecelakaan
penumpang wanita (baris 1) dengan kecelakaan penumpang laki-laki (baris 2).
Relative Risk untuk hasil pengujian luka ringan (kolom 1) dihitung dengan
membandingkan peluang kecelakaan penumpang wanita dan luka ringan dengan
kecelakaan penumpang wanita dan luka berat. Nilai RR= 24,20708 menunjukan
RR dari proporsi faktor resiko positif. Artinya kecelakaan penumpang wanita
memiliki peluang untuk luka ringan sebesar 24,20708. Sedangkan nilai RR =
0,04131024 menunjukan RR dari proporsi faktor resiko negatif.
B. Menghitung Nilai Odds

Gambar 3.5 Mencari Nilai Odds

>HRBU.test$estimate merupakan syntax untuk menampilkan nilai estimasi
dari proporsi 1 dan proporsi 2 yang diketahui nilainya sebesar 0,89020856
untuk prop 1 dan 0,03677473 untuk prop 2.
>Odds<-HRBU.test$estimate/(1-HRBU.test$estimate)
merupakan syntax untuk mendefinisikan nilai Odds yaitu proporsi (i) / (1-
proporsi(i)) dengan i = 1 atau 2.
p1 0,89020856 0,89020856
Odds[1] = = = =8,108178
1− p 1 1−0,89020856 0,10979144
p2 0,03677473 0,03677473
Odds[2] = = = =0,03817874
1− p 2 1−0,03677473 0,96322527
C. Menghitung Nilai Odds Ratio
 Gambar 3.6 Mencari Nilai Odds Ratio
>Odds[1]/Odds[2] merupakan syntax untuk mendefinisikan nilai Odds
Ratioyaitu Odds[1] dibagi dengan Odds[2] dan dapat diketahui hasilnya sebesar
212,3742
>(HRBU[1,1]*HRBU[2,2])/(HRBU[2,1]*HRBU[1,2])merupakan
syntax untuk mendefinisikan nilai Odds Ratiodengan rumus atau cara lain. Di
dapat nilai Odds Ratio sebesar 212,3742 sama dengan rumus pertama.
Odds Ratio yang dihitung disini merupakan Odds dari jumlah kecelakaan
penumpang berdasarkan jenis kelamin (wanita dan laki-laki) dibandingkan
dengan jumlah kecelakaan berdasarkan kriteria luka (ringan dan berat). Jika
dilakukan perhitungan manual di dapat hasil sebagai berikut:
Odds Ratio(OR)
odds [1] 8,108178
OR = = =212,3742
odds [2] 0,03817874
D. Menghitung Nilai Interval Konfidensi

Gambar 3.7 Mencari Nilai Interval Konfidensi

>theta<-Odds[1]/Odds[2] merupakan syntax untuk mendefinisikan nilai
dari theta yang nilainya yaitu rumus mencari Odds Ratio.
>ASE<-sqrt(sum(1/mul)) merupakan syntax untuk mencari nilai dari
standar error (SE).
>logtheta.CI<-log(theta)+c(-1,1)*1.96*ASE merupakan syntax
untuk mencari nilai selang interval yang dibuat log.
>exp(logtheta.CI) merupakan syntax untuk membuat exponen dari nilai
logtheta.CI yang telah didefinisikan. Maka diperoleh selang interval untuk
OR adalah 204,6987 < OR < 220,3374
 BAB IV

PENUTUP

Dari hasil praktikum di atas dapat diambil kesimpulan bahwa :

1. Nilai Relative Risk dari proporsi faktor resiko positif adlah sebesar 24,20708,
sedangkan nilai Relative Risk = 0,04131024 menunjukan RR dari proporsi faktor
resiko negatif.
2. Nilai Odds di dapatkan yaitu Odds [1] sebesar 8,108178 dan Odds [2] sebesar
0,03817874
3. Nilai Odds Ratio diketahui sebesar 212,3742
4. Nilai selang interval untuk Odds Ratio adalah 204,6987 < Odds Ratio <
220,3374