Analisis Data

kategorik
Dep Biostatistik FKM UI

Analisis Data
Kategori
Deskripsi Estimasi
Uji hipotesis data proporsi

Data Kategori

Skala nominal, ordinaldata

kategorikal
Misal :
Jenis kelamin: laki & wanita2kategori
Gol darah, O,A, B, AB4 kategori

Secara deskriptif
Laki-laki.45 %
Wanita55 %................persentase/ proporsi

Secara deskriptif laki-laki proporsinya

0.45

Distribusi data proporsi

Pendekatan data proporsi ke

distribusi Normal:..didalam
distribusi normal dikenal parameter
nya dan atau kalau sampel ada X
dan S
Untuk data proporsi
Mean = np
Sim baku (S)= n p (1-p) = npq

Distribusi Sampling Data

Proporsi

CLT

= Pp

SE

pq
n

Distr N(0,1)

Estimasi

Suatu penelitian terhadap 50 Mhs

ditanyakan apakah mereka merokok
atau tidak. Ternyata dari sejumlah itu
yang perokok ada 15
orang.p(perokok) x/n= 15/50 =
0,30. Estimate lah perokok dipopulasi
Mhs tersebut pada CI = 95 %
Rumus

RUMUS

p Z1/ 2 SE

N=50
p=0.30
1-p= 0.70

0.3 1.96

= 0,30 0.13
= { 0.17 ; 0.43 }
..CI 95%

0.3 x 0.7
50

Uji Hipotesis satu Proporsi

dan Populasi

Dari contoh diatas didapat p=0.30.

Kalau pada masyarakat umum
perokok ada 25% ( = 0.25) apa
kesimpulan peneliti pada = 0.05 ?
Dilakukan uji hipotesis
Ho p= Ha p
= 0.05
Uji statistik Uji Z

Uji Z didapatkan
nilai z=0.816
pv=0.206
pv >..Ho gatol
Kesimpulan: tidak
ada perbedaan
proporsi perokok
Mhs dengan Masy
umum

p
p

SE
(1 )
n

0.3 0.25
Z
0.816
0.25 x0.75
50

Uji hipotesis 2 proporsi

Misalkan Mhs FKM 50 orang

perokok 15 Orang
Diambil lagi 75 Mhs Teknik ternyata
35 orang perokok
Apakah ada perbedaan kedua
kelompok tersebut dalam hal
merokok pada = 0.05?
Disini terdapat dua proporsi perokok yaitu Mhs
FKM ( p1=0.30) dan Mhs Teknik (p = 0.47)

Penyelesaian

Didalam Ho dikatakan
tidak ada perbedaan
proporsi perokok kedua
Mhs
Berarti kita asumsikan
berasal dari satu
populasi maka kita
dapat estimasi proporsi
populasinya adalah p
= (x1 +x2) / (n1+n2)
Maka SE

SE

1 1
p ' (1 p ' ){ }
n1 n2

Penyelesaian

Ho p1=p2
Ha
p1 p2
= 0.05
Uji statistik.Uji Z

p1 p2
1 1
p ' (1 p ' )( )
n1 n2

15 35 50
p'

0.4
50 75 125

0.3 0.47
0.17
Z

1.88
0.09
1
1
0.4 x0.6( )
50 75

Pv =0.03

2xpv = 0.06..pv>..Ho Gatol

Kesimpulan tidak ada perbedaan proporsi
perokok Mhs FKM & Mhs Teknik

Estimasi perbedaan dua

proporsi

Kalau dari permasalahan diatas mau

ditentukan perbedaan proporsi
tersebut di populasinya. Hitunglah
pada CI 90 % ?.
RUMUS

{ 1 2 } ( p1 p2 ) Z1/ 2 SE

Uji beda > 2

proporsi
Uji Chi Square
X2

Pendahuluan

Kalau ada lebih dari 2proporsi yang

akan dilihat perbedaannya maka tidak
bisa lagi dilakukan uji Z untuk 2
proporsi karena akan dilakukan
berulangkali uji..hal ini
mengakibatkan derajat kepercayaan
jadi rendah(CI <<<)
Misal ada 3proporsi, p1, p2, p3..kalau
dilakukan uji Z akan ada 3 pasang (p 1p2) (p1- p3), (p2 p3). >>>

Agar tidak terjadi hal yang demikian

maka dilakukan satu kali uji saja
yaitu ..Uji X2

Distribusi Normal x1, x2, x3xn

Distribusi X2
x12, x22, x32..xn2

X2

X2

X2

X2

Konsep uji X

Perbandingan nilai observe (Pengamatan)

dengan nilai expected (Harapan)
Makin besar perbedaan nilai observe
dengan expected maka kemungkinan
perbedaan antara proporsi yang diuji.
Contoh : sebuah coin dilambungkan 50x
kalau permukaan H keluar 28x maka ini
adalah nilai observe sedang nilai expected
(nilai harapan) kalau coin itu seimbang
adalah 25

Jenis uji X

Ada 3 jenis kegunaan uji X2 yaitu:

Uji Goodness of fit (Kesesuaian)

Uji Homogenity (Hogenitas)

Uji Independency (Assosiasi=

hubungan)

Goodness of fit adalah uji kecocokan

misalnya apakah keadaan sekarang masih
cocok dengan masa lalu
Uji Homogeniotas ciri khasnya adalah
apakah adaperbedaan proporsi dari
beberapa sampel mis perokok pada mhs
FKM, mhs Teknik, mhs FKada 3 proporsi
dari tiga sampel
Uji independency/ assosiasi..dari satu
sampel variabelnya yang di cross misalmya
apakah ada hubungan antara pendidikan
dan pengetahuan terhadap HIV / AIDs

Rumus uji X

O = Nilai Observe
E = Nilai Expected

(O E )
X
E
2

Contoh uji goodness of

fit
Sebuah coin dilambungkan 50x dan H
keluar 28xmaka berarti nilai
O=28,nilai expected kalau coin itu
seimbang maka E=25
Permukaan O
H
28
T
22
Nilai X2
X2

O-E (O-E)2 (O-E)2/E

25 3
9
25 -3
9
----------------------------0,72

0,36
0,36

Uji chi square

Ho ..Coin seimbang
Ha.Coin tidak seimbang
=0,05
Uji statistik X2
Dari analisis yang sudah dilaksanakan didapat nilai
X2 = 0,72, untuk menentukan pv maka dilihat tabel X2
dalam hal ini df adalah (kategori) k-1dari contoh
k=2 df=2-1=1
Didapat pv > 0,100
Keputusan uji Pv> .Ho gatol
Kesimpulan Coin seimbang

Uji homogenitas

Ada tiga kelompok

mahasiswa
MHS Peroko Tidak Jumlah
k
Pr
O
O
E
E
FKM
FT
FK
tot

25
30
45
40

50
45
55
60

75
100
75
250

Ho : tidak ada perbedaan proporsi

perokok antara mhs FKM, FT, FK
Ha : Ada perbedaan ..
=0,05
Uji statistik Uji X2
Untuk data yang sudah ada didalam tabel untuk
mencari nilai expected dari sel
E sel = (tot baris x tot kolom): grand tot
ini
dikerjakan sesuai dengan df
Df= (b-1) ( k-1)

contoh

Dari tabel (3x2) diatas maka didapat

df =(3-1)x (2-1)=2
Untuk tabel tersebut:
E sel b1 k1 = (75x100)/250=30
E sel b2 k1 = (100x100)/250=40
Kebebasan mencari E sel dg jalan
mengalikan sub tot baris ,subtot kolom
dibagi grand tot hanya untuk 2 sel saja

Untuk sel yang lain cukup dengan mencari

selisih antara sub-sub totol dengan nilai
Esel yang sudah dihitung.
SelO
E
(O-E)
(O-E)2 (O-E)2/E
B1k1
25 30 -5
25
0,83
B1k2
50 45
5
25
0,55
B2k1
45 40
5
25
0,62
B2k2
55 60 -5
25
0,42
B3k1
30 30
0
0
B3k2
45 45
0
0
----------------------------Nilai X2

0
0
2,42

Dari nilai X2=2,42 didapat pv dengan

melihat tabel X2 , df=2.pv >0,1=
Keputusan uji pv > ..Ho gatol

Kesimpulan tidak ada perbedaan yang

bermakna proporsi perokok pada ketiga
fakultas tersebut ( FKM, FT, FK)

Contoh uji Independensi

Penelitian terhadap 150 orang

pengunjung suatu rumah sakit yang
diambil secra random.dan diukur
pengetahuan mereka terhadap
HIV/AIDs
Dari 150 orang ini 35 orang pendidikan
tinggi, 50 pendidikan menengah dan
sisanya berpendidikan rendah
Pengetahuan dibagi menjadi 3
kategori, Baik, Sedang dan Kurang

Dari 35 orang yang berpendidikan tinggi

20 mempunyai pengetahuan baik, 10
sedang sisanya kurang
Dari 50 orang yang berpendidikan
menengah mempunyai pengetahuan baik
15 orang, sedang 20 orang lainnya kurang
Adapun yang berpendidikan rendah 15
orang pengetahuannya baik, 30 sedang,
sisanya kurang
Data ini akan disusun dalam suatu tabel
kontingensi

Tabel :2

Distribusi responden menurut pendidikan dan

pengetahuan

pengt
pddk
Tinggi

Baik

Sedang

Kurang Tota
l

20
10 14 5
35
11.7
9.3
Menenga 15
20
20 15
50
h
16.7
13.3
Rendah
15
30
26 20
65
21.6
Df= (3-1)(3-1)=4, jadi
hanya 4 sel yang dapat mencari17.4
nilai Expected
dengan rumus
Totla
50
60
40
150

Ho: Tidak ada hubungan antara

pendidikan dan pengetahuan. Ha : ada
hubungan pendidikan dan pengetahuan
= 0.05
Uji statistik X2
X2=(20-11,7)2/11,7+(10-14)2/14+ (5-9,3)2/9,3+(1516,7)2/16,7+(20-20)2/20+(15-13,3)2/13,3+
(1521,6)2/21,6+(30-26)2/26+(20-7,4)2/17,4 =12,363
df=4 tabel pv<0,05
Keputusan uji Ho ditolak
Kesimpulan, adahubungan pendidikan dengan
pengetahuan

Tabel 2x2
a

Untuk tabel 2x2 ada keistimewaan, bahwa untuk menghitung nilai

X2 tidak memerlukan nilai ecpected, cukup dengan memakai nilai
observe saja

Rumus X

n[{ad bc} ( n / 2)]

( a b)(c d )(a c )(b d )

2

2
(

0
,
5
)
X2
E

n/2 dan 0,5 adalah Yates corection yaitu koreksi

kontinuitas

Keterbatasan X

1.

2.

Karena uji chi square ini banyak

sekali dipakai perlu diperhatikan
keterbatasannya
Tidak boleh ada nilai expected kecil
dari satu (1)
Tidak boleh lebih 20% sel nilai
expectednya kecil dari lima (5)

Suatu uji X dengan bxk

2

B>2 K>2 kalau terdapat salah satu

dari syarat diatas maka perlu
dilakukan penggabungan kolom
maupun baris( di collaps)
Kalau sudah digabung ternyata masih
ada pelanggaran dari persyaratan
validitas uji ini dan tabel sudah
menjadi 2x2 maka uji yang dipakai
adalah uji Fisher exact test

selesai