JUDUL PRAKTIKUM : UJI CHI SQUARE

Tujuan Praktikum : Mahasiswa dapat melakukan analisis hubungan variabel

kategorik dengan kategorik
Data dalam penelitian dapat berupa data numerik dan data kategorik. Data numerik
merupakan data yang dinyatakan dalam bentuk angka melalui pengukuran sedangkan
data kategorik berupa data yang dihasilkan dari perhitungan jumlah pengamatan yang
diklasifikasikan menjadi beberapa kategorik. Data yang dapat diklasifikasikan menjadi
data kategorik, antara lain:
a. Jenis kelamin (pria dan wanita)
b. Status merokok (perokok berat, perokok ringan, dan tidak merokok)
c. Tingkat pendidikan (SD, SMP, SMA, D3, D4, S1, S2, S3)
d. Indeks Massa Tubuh (kurus, normal, berlebih, obesitas)
e. Aktifitas fisik (sedentary, moderate, high) dan sebagainya.
Uji Chi Square (X2) digunakan untuk analisis bivariat, yaitu menganalisis hubungan
antara variabel bebas dan variabel terikat dengan skala data yang digunakan berupa data
kategorik numerik, baik pada variabel bebas maupun variabel terikat. Uji ini bertujuan
untuk menguji ada tidaknya perbedaan proporsi/ persentase antara dua atau lebih
kelompok sampel.
Perlu adanya pemahaman mengenai variabel kategorik sebelum melakukan uji
Chi Square. Suatu variabel dikategorikan menjadi variabel kategorik apabila data yang
diperoleh berasal dari hasil klasifikasi/ penggolongan. Contohnya adalah variabel jenis
kelamin, jenis pekerjaan, golongan darah, pendidikan, dan lain sebagainya. Variabel
numerik seperti berat badan, tinggi badan, umur, lingkar pinggang, dan lain-lain
sebagainya dapat juga dikategorikan menjadi variabel kategorik apabila variabel tersebut
sudah mengalami pengelompokan. Contohnya bila kita melakukan penimbangan berat
badan. Data yang diperoleh dari hasil penimbangan berat badan dapat kita kategorikan
menjadi variabel numerik bila kita menuliskan dalam bentuk riil seperti, 53 kg, 54 kg, 55
kg dan lain sebagainya, namun dapat dikategorikan menjadi variabel kategorik bila sudah
dikelompokkan seperti < 50 kg (kurus), 50-60 kg (normal), dan >60 kg (gemuk).
Berikut ini salah satu contoh kasus dalam uji Chi Square:
Peneliti ingin mengetahui hubungan antara riwayat sindroma metabolik dengan status gizi
responden. Hubungan tersebut dikaji melalui ada tidaknya perbedaan proporsi status gizi

125
responden antara responden yang memiliki riwayat sindroma metabolik dengan
responden yang tidak memiliki riwayat sindroma metabolik. Berdasarkan kasus tersebut
diketahui terdapat dua variabel kategorik, yaitu status gizi (obesitas 1 dan obesitas 2) dan
variabel riwayat (ada dan tidak).
Proses pengujian Chi Square adalah membandingkan frekuensi yag terjadi
(observasi) dengan frekuensi harapan (ekspektasi). Apabila nilai frekuensi observasi
dengan nilai frekuensi harapan berbanding lurus (sama), maka dapat dikatakan tidak ada
perbedaan bermakna (signifikan). Apabila terdapat perbedaan nilai frekuensi observasi
dengan nilai frekuensi harapan, maka dapat dikatakan terdapat perbedaan bermakna
(signifikan). Pembuktian Uji Chi Square menggunakan formula sebagai berikut:
(𝑂−𝐸)²
X=Σ Keterangan :
𝐸
O = nilai observasi k = jumlah kolom
df = (k-1) (b-1)
E = nilai ekspektasi (harapan) b = jumlah baris
Guna memudahkan analisis Chi Square, maka nilai data kedua variabel disajikan
dalam bentuk tabel silang sebagai berikut:
Variabel 1 Variabel 2 Jumlah
Tinggi Rendah
Ya a B a+b
Tidak c D c+d
Jumlah a+c b+d N
a, b, c, d merupakan nilai observasi sedangkan nilai ekspektasi (harapan) masing-masing
sel dicari dengan rumus:
𝑇𝑜𝑡𝑎𝑙 𝑏𝑎𝑟𝑖𝑠 𝑥 𝑡𝑜𝑡𝑎𝑙 𝑘𝑜𝑙𝑜𝑚
E=
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑑𝑎𝑡𝑎

(𝑎+𝑏) 𝑥 (𝑎+𝑐)
Nilai ekspektasi (E) untuk sel a adalah Ea =
𝑛
Rumus tersebut berlaku bila ingin mendapatkan nilai Eb, Ec, dan Ed.
Nilai X2 pada tabel 2x2 dapat dicari dengan menggunakan rumus berikut ini :
𝑁 (𝑎𝑑−𝑏𝑐)²
X2 =
(𝑎+𝑐)(𝑏+𝑑)(𝑎+𝑏)(𝑐+𝑑)

Uji Chi Square sangat baik untuk tabel dengan derajat kebebasan (df) yang besar
sedangkan khusus untuk tabel 2x2 (df = 1) sebaiknya menggunakan uji Chi Square yang
sudah dikoreksi (Yate Corrected atau Yate Correction) dengan formula sebagai berikut :

126
 ( ⎸𝑂−𝐸⎹ −0,5)² 𝑁{ ⎸𝑎𝑑−𝑏𝑐⎹2 −(𝑁/2)}²
X2 = atau X2 =
𝐸 (𝑎+𝑐)(𝑏+𝑑)(𝑎+𝑏)(𝑐+𝑑)

Keterbatasan Uji Chi Square

Berikut ini keterbatasan uji Chi Square, antara lain:
1. Tidak boleh ada sel yang mempunyai nilai harapan (E) <1
2. Tidak boleh ada sel yang mempunyai nilai harapan (E) <5, >20% dari jumlah sel
Uji Chi Square menuntut frekuensi harapan/ ekspektasi (E) dalam masing-masing sel
tidak boleh terlampau kecil. Jika frekuensi sangat kecil, maka penggunaan uji ini mungkin
kurang tepat sehingga harus memperhatikan keterbatasan-keterbatasan uji Chi Square.
Jika keterbatasan tersebut terjadi pada uji Chi Square, maka peneliti harus
menggabungkan kategori-kategori yang berdekatan dalam rangka memperbesar frekuensi
harapan dari sel-sel tersebut (penggabungan ini dapat dilakukan untuk analisis tabel
silang lebih dari 2x2, misalnya 3x2, 3x4, dan sebagainya). Penggabungan ini tentunya
diharapkan tidak sampai membuat data kehilangan makna. Apabila keterbatasan tersebut
terjadi pada tabel 2x2 (hal demikian berarti tidak dapat menggabung kategori-kategorinya
lagi), maka dianjurkan menggunakan uji Fisher’s exact.

ODDS RATIO (OR) dan RISIKO RELATIF (RR)

Hasil Uji Chi Square hanya dapat menyimpulkan ada tidaknya perbedaan proporsi
antar kelompok atau dengan kata lain kita hanya dapat menyimpulkan ada atau tidaknya
hubungan dua variabel kategorik. Uji Chi Square tidak dapat menjelaskan derajat
hubungan. Dengan kata lain, Uji Chi Square tidak dapat menjelaskan hubungan dan tidak
dapat mengetahui kelompok mana yang memiliki risiko lebih besar dibanding kelompok
lain.
Guna mengetahui derajat hubungan dalam penelitian kesehatan digunakan ukuran
Risiko Relatif (RR) dan Odds Rasio (OR). Risiko relatif diperoleh denagn
membandingkan risiko pada kelompok terpapar dengan kelompok tidak terpapar
sedangkan Odds Rasio diperoleh dengan membandingkan Odds pada kelompok terpapar
dengan Odds kelompok tidak terpapar. Ukuran RR pada umumnya digunakan pada desain
Kohort, sedangkan ukuran OR umumnya digunakan pada desain kasus kontrol (case
control) atau potong lintang (cross sectional).

127
PENGKODEAN VARIABEL
Perlu diketahui bahwa dalam mengeluarkan nilai OR dan RR perlu hatri-hati
dalam melakukan pegkodean. Konsistensi pemberian kode sangat diperlukan antara
variabel independen (variabel bebas) dengan variabel dependen (variabel terikat). Untuk
variabel independen (variabel bebas), kelompok yang berisiko/ terekspos diberi kode
tinggi (kode 1) dan kode rendah (kode 2) untuk kelompok yang tidak berisiko/ non
ekspos. Pada variabel dependen (variabel terikat), kode tinggi (kode 1) untuk
kelompok kasus atau kelompok yang menjadi fokus pembahasan penelitian dan kode
rendah (kode 2) untuk kelompok non kasus atau yang bukan menjadi fokus penelitian.
Contoh:
Seorang peneliti ingin mengetahui hubungan antara riwayat sindroma metabolik dengan
status gizi responden. Hubungan tersebut dikaji melalui ada tidaknya perbedaan proporsi
status gizi antara responden yang memiliki riwayat sindroma metabolik dengan
responden yang tidak memiliki riwayat sindroma metabolik.
Berdasarkan kasus tersebut diketahui bahwa variabel bebas berupa riwayat (ada
dan tidak). Responden yang memiliki riwayat sindroma metabolik diberi kode 1
sedangkan responden yang tidak memiliki riwayat sindroma metabolik diberi kode 2.
Variabel terikat berupa status gizi responden (obesitas 1 dan obesitas 2). Responden
obesitas 1 diberi kode 1 sedangkan responden obesitas 2 diberi kode 2. Pengkodean dapat
dibalik asalkan memiliki konsistensi, contohnya tidak ada riwayat = 1, ada riwayat = 2,
dan obesitas 2 = 1, obesitas 1 = 2
Tabel Distribusi Responden Menurut Tingkat Pendidikan dan Pengetahuan
Pengetahuan
Pendidikan Total
Rendah Tinggi
n % n % n %
SD 25 50,0 25 50,0 50 100,0
SMP 16 40,0 24 60,0 40 100,0
SMA 10 33,3 20 66,7 30 100,0
Perguruan Tinggi 5 20,0 20 80,0 25 100,0
Jumlah 56 38,7 89 61,3 145 100,0

Pembuatan persentase pada analisis tabel silang harus diperhatikan agar tidak
salah paham dalam menginterpretasi. Pembuatan persentase pada jenis penelitian survei
(cross sectional) atau kohort berdasarkan nilai variabel independen (variabel bebas). Jenis
penelitian berdasarkan tabel diatas adalah Cross Sectional dengan variabel pendidikan

128
sebagai variabel bebas (variabel independen) dan pengetahuan sebagai variabel terikat
(variabel dependen).
Berdasarkan tabel diatas diketahui bahwa dari 50 pasien berpendidikan SD,
sebanyak 25 pasien (50,0%) berpengetahuan tinggi. Dari 40 pasien berpendidikan SMP,
sebanyak 24 pasien (60,0%) berpengetahuan tinggi. Dari 30 pasien berpendidikan SMA,
sebanyak 20 pasien (66,7%) berpengetahuan tinggi. Dari 25 pasien berpendidikan
perguruan tinggi, sebanyak 20 pasien (80,0%) berpengetahuan tinggi. Data tersebut
menunjukkan bahwa semakin tinggi tingkat pendidikan akan semakin tinggi tingkat
pengetahuannya.
Pada penelitian yang berjenis kasus kontrol (Case control) pembuatan
persentasenya berdasarkan variabel dependen (variabel terikat) seperti tabel dibawah ini.

Tabel Distribusi Responden Menurut Kasus Kanker Paru dan Jenis Kelamin
Kanker Paru Total
Jenis Kelamin Kasus Kontrol
n % n % n %
Laki-laki 75 75,0 30 30,0 105 52,5
Perempuan 25 25,0 70 70,0 95 47,5
Jumlah 100 100,0 100 100,0 200 100,0

Berdasarkan tabel diatas diketahui bahwa sebanyak 75 responden (75%) yang

menderita kanker paru berjenis kelamin laki-laki sedangkan sebanyak 30 responden
(30%) yang tidak menderita kanker paru berjenis kelamin laki-laki.
Latihan
Peneliti ingin mengetahui hubungan jenis kelamin dengan status gizi responden.
Variabel bebas berupa jenis kelamin (laki-laki dan perempuan) sedangkan variabel terikat
berupa status gizi (obesitas 1 dan obesitas 2). Langkah pengerjaannya sebagai berikut:
1. Aktifkan DATA SPSS TLM D4.SAV
2. Klik Analyze kemudian klik Descriptive statistic, pilih Crosstab seperti tampilan di
bawah ini

129
3. Row(s) pada menu Crosstab diisi denngan variabel bebas sedangkan Coloumn(s) diisi
dengan variabel terikat. Isi Row(s) dengan variabel SEX dan Coloumn(s) dengan
variabel GIZI seperti pada tampilan berikut ini

130
4. Klik option Statistics, klik Chi Square dan klik Risk

5. Klik Continue
6. Klik option Cells kemudian klik Row pada bagian Percentages seperti pada
tampilan berikut ini:

131
7. Klik Continue dan OK. Hasil analisis uji Chi Square sebagai berikut:
Crosstabs
Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

JENIS KELAMIN
50 100.0% 0 0.0% 50 100.0%
RESPONDEN * STATUS GIZI

JENIS KELAMIN RESPONDEN * STATUS GIZI Crosstabulation

STATUS GIZI

OBESITAS 1 OBESITAS 2 Total

JENIS KELAMIN LAKI-LAKI Count 12 12 24

RESPONDEN % within JENIS KELAMIN
50.0% 50.0% 100.0%
RESPONDEN

PEREMPUAN Count 3 23 26

% within JENIS KELAMIN

11.5% 88.5% 100.0%
RESPONDEN
Total Count 15 35 50

% within JENIS KELAMIN

30.0% 70.0% 100.0%
RESPONDEN

Chi-Square Tests

132
 Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)

Pearson Chi-Square 8.791a 1 .003

Continuity Correctionb 7.055 1 .008
Likelihood Ratio 9.219 1 .002
Fisher's Exact Test .005 .004
Linear-by-Linear Association 8.615 1 .003
N of Valid Cases 50

a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 7.20.
b. Computed only for a 2x2 table

Risk Estimate

95% Confidence Interval

Value Lower Upper

Odds Ratio for JENIS KELAMIN

RESPONDEN (LAKI-LAKI / PEREMPUAN) 7.667 1.808 32.518

For cohort STATUS GIZI = OBESITAS 1

4.333 1.390 13.509

For cohort STATUS GIZI = OBESITAS 2

.565 .370 .863

N of Valid Cases 50

Interpretasi hasil:
Berdasarkan analisis data diketahui bahwa dari 50 orang repsonden yang diteliti,
sebanyak 12 orang (50%) responden laki-laki memiliki status gizi obesitas 1 dan
sebanyak 12 orang (50%) responden laki-laki memiliki status gizi obesitas 2. Sebanyak 3
orang (11,5%) responden perempuan memiliki status gizi obesitas 1 dan sebanyak 23
orang (88,5%) responden perempuan memiliki status gizi obesitas 2. Tidak terdapat nilai
expected <5 (dapat dilihat pada poin a) sehingga layak diuji dengan Uji Chi Square. Nilai
signifikansi 0,008 (dapat dilihat pada Chi Square dengan continuity correctionb)
sehingga dapat disimpulkan bahwa terdapat hubungan antara jenis kelamin dengan status
gizi responden. Selisih proporsi status gizi antara pria dan wanita adalah 38,5%, sama
dengan perbedaan dengan proporsi minimal yang dianggap bermakna.
Hasil analisis disajikan dalam bentuk tabel silang baris dan kolom. Tabel yang
lengkap terdiri atas jumlah dan persentase untuk setiap sel serta nilai p. Apabila desain
penelitian kohort, maka persentase total disajikan ke baris. Apabila desain penelitian

133
kasus control (case control), maka persentase total disajikan ke kolom. Apabila desain
penelitian potong lintang (cross section), maka persentase total dapat disajikan ke baris
maupun kolom tergantung pada keinginan peneliti.
Terdapat aturan yang berlaku pada Chi Square sebagai berikut:
a. Bila pada tabel 2x2 dijumpai Expected value (nilai harapan) kurang dari 5, maka uji
yang digunakan adalah “Fisher’s Exact Test”
b. Bila pada tabel 2x2 tidak ada Expected value (nilai harapan) kurang dari 5, maka uji
yang digunakan adalah “Continuity Correlation (a)”
c. Bila tabelnya lebih dari 2x2, misalnya 3x2, 3x3 dan sebagainya, maka uji yang
digunakan adalah “Pearson Chi Square”
d. Uji “Likelihood Ratio” dan “Linear-by- Linear Association”, biasanya digunakan
untuk keperluan lebih spesifik, misalnya analisis statifikasi pada bidang epidemiologi
dan juga untuk mengetahui hubungan linier dua variabel kategorik sehingga kedua
jenis ini jarang digunakan.
Uji Chi Square hanya dapat digunakan untuk mengetahui ada atau tidaknya
hubungan dua variabel sehingga uji ini tidak adapat untuk mengetahui derajat atau
kekuatan huungan dua variabel. Besar kekuatan hubungan dapat diketahui tergantung
pada latar belakang disiplin keilmuan. Besar kekuatan hubungan pada ilmu sosial dapat
diketahui melalui koefisien Phi, koefisien Contingency and Cramer’s V, koefisien
lambda, dan uncertainty coefficient sedangkan bidang keilmuan kesehatan dapat
diketahui melalui nilai OR (Odss Ratio) dan RR (Relative Risk). Nilai OR digunakan
untuk jenis penelitian Cross sectional dan Case Control sedangkan nilai RR digunakan
bila jenis penelitian Cohort.
Berdasarkan hasil analisis Chi Square diatas diketahui bahwa nilai OR (Odss
Ratio) sebesar 7,667 (95% CI: 1,808-32,518) sedangkan nilai RR terlihat pada baris For
Cohort sebesar 4,333 (95% CI: 1,390-13,509). Penelitian menggunakan desain cross
sectional sehingga yang digunakan untuk mengetahui kekuatan hubungan adalah nilai
OR. Dapat disimpulkan bahwa responden wanita memiliki peluang 7,67 untuk
mengalami obesitas 2 bila dibandingkan dengan responden laki-laki. Nilai OR akan
keluar pada Crosstab bila tabel silang 2x2. Apabila tabel silang lebih dari 2x2, seperti
3x2, 4x2, dan sebagainya, maka nilai OR dapat diperoleh dengan analisis regeresi logistik
sederhana dengan membuat “Dummy Variable”.

134
PENYAJIAN DAN INTERPRETASI
Tabel 4. Hasil Analisis Chi Square Hubungan Jenis Kelamin Dengan Status Gizi
Responden

Status Gizi OR P value

(95% CI)
Obesitas 1 Obesitas 2
n % n %
Laki-Laki 12 50,0 12 50,0 7,667 0,008
Jenis Perempuan 3 28,0 23 72,0 (1,808-32,518)
Kelamin
Jumlah 15 48,0 35 52,0
Berdasarkan hasil analisis Chi Square diketahui bahwa sebanyak 12 orang (50%)
responden laki-laki memiliki status gizi obesitas 1 dan sebanyak 12 orang (50%)
responden laki-laki memiliki status gizi obesitas 2. Sebanyak 3 orang (11,5%) responden
perempuan memiliki status gizi obesitas 1 dan sebanyak 23 orang (88,5%) responden
perempuan memiliki status gizi obesitas 2. Hasil uji statistik diperoleh nilai p = 0,008
sehingga dapat disimpulkan bahwa terdapat hubungan signifikan antara jenis kelamin
dengan status gizi respoden. Nilai OR sebesar 7,667 menunjukkan bahwa responden
perempuan memiliki peluang 7,667 kali untuk mengalami obesitas 2 dibandingkan
dengan responden laki-laki.

DAFTAR PUSTAKA

Dahlan, M. S., 2017. Statistik untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat, dan
Multivariat Dilengkapi Aplikasi Menggunakan SPSS. 6 ed. Jakarta: Epidemiologi
Indonesia.
Siregar, S., 2013. Metode Penelitian Kuantitatif: Dilengkapi Dengan Perbandingan
Perhitungan Manual & SPSS. 1 ed. Jakarta: Kencana.
Siregar, S., 2017. Statistik Parametrik untuk Penelitian Kuantitatif. 1 ed. Jakarta: Bumi
Aksara.
Siregar, S., 2018. Statistika Deskriptif untuk Penelitian: Dilengkapi Perhitungan Manual
dan Aplikasi Versi 17. 1 ed. Depok: Rajawali Press.

135
JUDUL PRAKTIKUM : UJI FISHER EXACT
Tujuan Praktikum : Mahasiswa dapat melakukan uji alternative dari uji Chi
Square dalam menganalisis hubungan variabel kategorik
dengan kategorik (statistik non parametrik)
Uji Fisher digunakan sebagai analisis bivariat untuk mengetahui hubungan antara
variabel bebas dengan variabel terikat. Skala data pengukuran yang digunakan adalah
data nominal baik pada variabel bebas maupun variabel terikat. Uji Fisher digunakan
mengetahui perbedaan proporsi/ persentase antara dua atau lebih kelompok sampel. Uji
Fisher merupakan alternatif uji Chi Square dengan sampel kecil.
Latihan:
Peneliti ingin mengetahui hubungan antara riwayat sindroma metabolik dengan status
gizi. Desain penelitian adalah cross sectional. Hipotesis yang diajukan adalah terdapat
hubungan antara riwayat sindroma metabolik dengan status gizi. Tingkat kepercayaan 5%
dan peneliti hanya merekrut 25 subyek perkelompok.
Langkah pengerjaan sebagai berikut:
1. Aktifkan file DATA SPSS 2 TLM D4.SAV
2. Klik Analyze kemudian klik Descriptive Statistic dan pilih Crosstab

3. Isi Row(s) dengan variabel riwayat sindroma metabolic dan isi Coloumn(s) dengan
variabel status gizi

136
4. Klik Statistic

5. Klik Cells

6. Klik Continue dan Klik OK kemudian output akan muncul sebagai berikut:

137
Crosstabs

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

RIWAYAT SINDROMA
25 100.0% 0 0.0% 25 100.0%
METABOLIK * STATUS GIZI

RIWAYAT SINDROMA METABOLIK * STATUS GIZI Crosstabulation

STATUS GIZI

OBESITAS 1 OBESITAS 2 Total

RIWAYAT SINDROMA ADA Count 4 12 16

METABOLIK % within RIWAYAT
25.0% 75.0% 100.0%
SINDROMA METABOLIK

TIDAK ADA Count 2 7 9

% within RIWAYAT
22.2% 77.8% 100.0%
SINDROMA METABOLIK
Total Count 6 19 25

% within RIWAYAT
24.0% 76.0% 100.0%
SINDROMA METABOLIK

Chi-Square Tests

Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)

Pearson Chi-Square .024a 1 .876

Continuity Correctionb .000 1 1.000
Likelihood Ratio .025 1 .875
Fisher's Exact Test 1.000 .637
Linear-by-Linear Association .023 1 .878
N of Valid Cases 25

a. 2 cells (50.0%) have expected count less than 5. The minimum expected count is 2.16.
b. Computed only for a 2x2 table

Risk Estimate

95% Confidence Interval

Value Lower Upper

138
Odds Ratio for RIWAYAT SINDROMA
METABOLIK (ADA / TIDAK ADA) 1.167 .168 8.090

For cohort STATUS GIZI = OBESITAS 1

1.125 .254 4.982

For cohort STATUS GIZI = OBESITAS 2

.964 .615 1.511

N of Valid Cases 25

Interpretasi hasil:
❖ Tabel riwayat sindroma metabolik menggambarkan deskripsi masing-masing sel
untuk nilai observed dan persentase ke arah kolom
❖ Tabel 2x2 tidak memenuhi kriteria Chi Square karena lebih dari 20% sel mempunyai
expected kurang dari lima (dilihat dari 2 cells (50.0%) have expected count less than
5. The minimum expected count is 2.16)
❖ Tabel 2x2 yang tidak memenuhi syarat Chi Square, maka analisis yang dianjurkan
adalah uji Fisher. Nilai signifikansinya 1,00 untuk dua arah dan 0,637 untuk satu
arah
❖ Peneliti mengambil nilai p sebesar 1,00 karena penelitian mempunyai hipotesis dua
arah
❖ Karena nilai p>0,05, maka secara statistik tidak terdapat hubungan antara riwayat
sindroma metabolik dengan status gizi
Pelaporan hasil:
Tabel 5. Hasil Analisis Uji Fisher Hubungan riwayat Sindroma Metabolik dan
Status Gizi
n Status Gizi Nilai P
Obesitas 1 Obesitas 2
Riwayat Sindroma Ada 16 4 12 1,000
Metabolik Tidak ada 9 2 7
Total 6 19

DAFTAR PUSTAKA

Dahlan, M. S., 2017. Statistik untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat, dan
Multivariat Dilengkapi Aplikasi Menggunakan SPSS. 6 ed. Jakarta: Epidemiologi
Indonesia.
Siregar, S., 2013. Metode Penelitian Kuantitatif: Dilengkapi Dengan Perbandingan
Perhitungan Manual & SPSS. 1 ed. Jakarta: Kencana.

139
Siregar, S., 2017. Statistik Parametrik untuk Penelitian Kuantitatif. 1 ed. Jakarta: Bumi
Aksara.
Siregar, S., 2018. Statistika Deskriptif untuk Penelitian: Dilengkapi Perhitungan Manual
dan Aplikasi Versi 17. 1 ed. Depok: Rajawali Press.

140