Analisis Data

1. Analisis Univariat

Analisis univariat dilakukan tiap variabel dari hasil penelitian. Pada umumnya

dalam analisis ini hanya menghasilkan distribusi dan presentase dari tiap variabel

(Notoatmodjo, 2010). Analisis univariat dalam penelitian ini adalah riwayat

pemberian imunisasi campak dan kejadian pneumonia pada balita usia 1-3 tahun.

Tabel 1. Distribusi Frekuensi Kejadian Pneumonia pada Balita Usia 1-3 Tahun di
Puskesmas Piyungan Bantul tahun 2013

Pneumonia Tidak Pneumonia

(Kasus) (Kontrol) Jumlah
Jenis Kelamin
Frekuensi (f) Frekuensi (f) (%)
% %
Laki-laki

Perempuan
Sumber : data sekunder 2013
Tabel 2. Karakteristik Riwayat Pemberian Imunisasi Campak pada Balita Usia 1-3
Tahun di Puskesmas Piyungan Bantul Tahun 2013

Usia (Kasus) (Kontrol) Jumlah

Frekuensi (f) Frekuensi (f) (%)
% %
< 9 bulan

9 - 11 bulan
Sumber : data sekunder 2013

Tabel 3. Karakteristik Kejadian Pneumonia di Puskesmas Piyungan Bantul Tahun

2013

Kejadian Pneumonia Frekuensi (f) %

Pneumonia

Tidak Pneumonia
Total
Sumber : data sekunder 2013
2. Analisis Bivariat

Analisis bivariat dilakukan terhadap variabel yang diduga berhubungan

(Notoatmodjo, 2010). Analisis data adalah menguji adakah hubungan antara

riwayat pemberian imunisasi campak dengan kejadian pneumonia pada balita usia

1-3 tahun dengan menggunakan uji statistik Chi-square dengan bantuan sistem

komputerisasi.

( fo−fn )2
X =∑
2
fn

Keterangan :

X2 : Chi Square

Fo : Frekuensi yang diobservasi

Fn : Frekuensi yang diharapkan

Tabel 4. Hubungan Riwayat Pemberian Imunisasi Campak Dengan Kejadian

Pneumonia pada Balita Usia 1-3 Tahun di Puskesmas Piyungan Bantul

Riwayat Kejadian Pneumonia

Pemberian Tidak Jumlah X2
Pneumonia P value
Imunisasi % Pneumonia % hitung
(f)
Campak (f)
Diberikan

Tidak
Diberikan
Total
Sumber : data sekunder 2013

3. Mencari Odds Ratio (OR) dengan interval kepercayaan 95% dan tingkat

kesalahan 5%. Odds Ratio (OR) dapat dihitung dengan menggunakan tabel 2x2.
Tabel 5. Master tabel 2 x 2 untuk menunjukkan hasil pengamatan pada studi case-
control

Jumlah
Kasus Kontrol
Faktor Ya a b a+b
resiko Tidak c d c+d

Keterangan:

a : Subjek kasus yang mengalami efek/pajangan

b : Subjek kontrol yang mengalami efek/pajangan

c : Subjek kasus yang tidak mengalami efek/pajangan

d : Subjek kontrol yang tidak mengalami efek/pajangan

proporsi pada kelompok kasus

Odds Ratio (OR ) =
proporsi pada kelompok kontrol

a /c ad
Formulasi Odds Ratio = =¿
b/d bc

Interpretasi nilai Odd Ratio :

OR > 1 : artinya mempertinggi risiko

OR = 1 : artinya tidak terdapat asosiasi/hubungan

OR < 1 : artinya mengurangi risiko

(Handoko, 2010).

Interpretasi hasil bila didapat nilai OR sama dengan satu berarti variabel

yang diduga faktor risiko tersebut tidak ada pengaruhnya untuk terjadi efek, maka

hipotesis ditolak. Bila nilai OR lebih dari satu berarti variabel merupakan faktor

risiko untuk timbulnya penyakit, maka hipotesis penelitian diterima. Bila nilai OR

kurang dari satu berarti faktor yang diteliti justru mengurai kejadian penyakit,

maka hipotesis penelitian ditolak.