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)
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
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
JENIS KELAMIN
50 100.0% 0 0.0% 50 100.0%
RESPONDEN * STATUS GIZI
PEREMPUAN Count 3 23 26
Chi-Square Tests
132
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
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
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
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
Cases
RIWAYAT SINDROMA
25 100.0% 0 0.0% 25 100.0%
METABOLIK * STATUS GIZI
STATUS GIZI
% 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)
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
138
Odds Ratio for RIWAYAT SINDROMA
METABOLIK (ADA / TIDAK ADA) 1.167 .168 8.090
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