Uji Hipotesis Chi Square

(2)

Uji Statistik yang Digunakan

Untuk ANALISA BIVARIAT

Contoh
Apakah

ada perbedaan proporsi

hipertensi pada populasi perokok
dan populasi bukan perokok
Apakah ada perbedaan proporsi
anemia pada ibu dengan sosek
ekonomi tinggi, sedang, dan
rendah
Disusun dalam suatu tabel
(tabel kontingensi)
3

TUJUAN UJI CHI SQUARE

Secara

spesifik uji chi square dapat

digunakan untuk
menentukan/menguji:

Ada tidaknya hubungan/asosiasi antara

2 variabel (test of independency)
Apakah suatu kelompok homogen
dengan sub kelompok lain (test of
homogenity)
Apakah ada kesesuaian antara
pengamatan dengan parameter tertentu
yang dispesifikasikan (Goodness of fit)

PERSYARATAN/ASUMSI
Jenis

data kategori
Sampel independen
Distribusi tidak normal/tidak
diketahui distribusinya (free
distribution)

PRINSIP DASAR UJI CHI

SQUARE

Membandingkan frekuensi yang terjadi (observasi)

dengan frekuensi harapan (ekspektasi)
Pembuktian dengan uji chi square menggunakan
formula:
Pearson Chi Square:

=
2

(O E )
E

fo= nilai observasi (pengamatan)

fe = nilai ekspektasi (harapan)
b = jumlah baris
k = jumlah kolom
6

dengan df = (b-1)(k-1)

Aplikasi Uji 2 pada Tabel Silang 2x2

Pertanyaan: Apakah kebiasaan merokok

berhubungan dengan BBLR?
BBLR
Merokok

Total

Tidak

Ya

Tidak

86

29

115

Ya

44

30

74

Total

130

59

N = 189

Langkah 1 Menentukan hipotesis statistik

Hipotesis

nol (Ho):

Proporsi BBLR pada ibu perokok sama dengan

proporsi BBLR pada ibu yang bukan perokok
ATAU tidak ada hubungan merokok dengan
kejadian BBLR
Hipotesis

alternatif (Ha):

Proporsi BBLR pada ibu perokok berbeda

proporsi BBLR pada ibu yang bukan perokok
ATAU ada hubungan merokok dengan
kejadian BBLR
8

Langkah 3 Perhitungan Uji

Statistik
Formula:

(O E )
E

2 =

Metode:
1.

Hitung nilai/frekuensi ekspektasi dari masingmasing sel.

2.

Lengkapi tabel perhitungan untuk memperoleh 2

(hitung)
9

Menghitung nilai/frekuensi

ekspektasi masing-masing sel

E=

marginal baris marginal kolom

N

Perkalian antara marginal kolom dan

marginal baris masing-masing sel dan
dibagi N.
(130*115)/189 = 79,10
(59*115)/189 = 35,90
(130*74)/189 = 50,90
(59*74)/189 = 23,10
10

Aplikasi Uji 2 pada Tabel Silang 2x2

Mero
kok

BBLR (Observe)
Tidak

Total

BBLR (Expected)

Ya

Tidak
(130*115)/
189 =
79,10

Tidak

86

29

115

Ya

44

30

74

Total

130

59

N = 189

Ya

(59*115)/
189 =
35,90
(59*74)/1
(130*74)/1
89 =
89 = 50,90
23,10
130

59
11

Tabel Perhitungan
O

86

79,10

6.9

47.61

0.60

29

35,90

-6.9

47.61

1.33

44

50,90

-6.9

47.61

0.94

30

23,10

6.9

47.61

2.06

Total
189

O-E

(O-E)2

(O-E)2 /E

2 = 4,92

12

Langkah 4 Membuat
Keputusan
Uji statistik tidak
berada pada
daerah kritis
Ho ditolak
Ada hubungan
yang signifikan
antara kebiasaan
merokok dengan
BBLR.

3,841

2 (hitung) = 4,92 > 2

(tabel) = 3,841

13

Langkah 2 Menentukan Daerah

Kritis (Critical Region)

Alpha = 0,05
df = (b-1)(k-1) = 1
2 (tabel) = 3,841

14

Persyaratan Penggunaan Chi

Square

Pearson Chi Square/Likehood

Untuk tabel > 2x2 (misal 3x2 atau 3x3) dengan
memperhatikan persyaratan:
Tidak ada frekuensi harapan kurang dari 1 (E<1)
Nilai frekuensi harapan < 5 maksimal 20%
Apabila kedua persyaratan di atas tidak dipenuhi, maka
penggabungan kategori perlu dilakukan agar diperoleh
nilai harapan yang berharga besar

Yates Correction:

Untuk tabel 2x2 bila tidak ada nilai E < 5, maka dipakai
Continuity Correction

Fisher Exact Test

Untuk tabel 2x2 bila terdapat nilai E < 5 maka digunakan
Uji Fisher Exact

15

Aplikasi Uji Chi Square (Tabel

2x2) Menggunakan Spss

16

Kasus
Suatu penelitian ingin mengetahui
hubungan antara perilaku merokok
(merokok dan tidak merokok) dengan
status fertilitas seorang pria (subur dan
tidak subur).

17

Variabel perilaku
merokok digunakan
sebagai variabel
independen, pindahkan
ke kotak Row(s):
Variabel status
fertilitas digunakan
sebagai variabel
dependen, pindahkan ke
kotak Kolom(s).

18

19

20

21

Output
perilaku merokok * Status fertilitas Crosstabulation

perilaku merokok

tidak merokok

merokok

Total

Count
Expected Count
% within perilaku
merokok
Count
Expected Count
% within perilaku
merokok
Count
Expected Count
% within perilaku
merokok

Status fertilitas
subur
tidak subur
35
15
27.5
22.5

Total
50
50.0

70.0%

30.0%

100.0%

20
27.5

30
22.5

50
50.0

40.0%

60.0%

100.0%

55
55.0

45
45.0

100
100.0

55.0%

45.0%

100.0%

Dapat diinterpretasikan bahwa ada sebanyak 35 dari 50 (70,00%) lakilaki tidak merokok memiliki status fertilitas subur. Sedangkan diantara
laki-laki yang merokok, ada 20 dari 50 (40,00%) yang memiliki status
fertilitas
subur
22

Chi-Square Tests

Pearson Chi-Square
Continuity Correction a
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases

Value
9.091b
7.919
9.240
9.000

df
1
1
1
1

Asymp. Sig.
(2-sided)
.003
.005
.002

Exact Sig.
(2-sided)

Exact Sig.
(1-sided)

.005

.002

.003

100

a. Computed only for a 2x2 table

b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
22.50.

Hasil ini menunjukkan bahwa: tidak ada sel yang memiliki nilai E < 5
dan nilai ekspektasi minimum adalah 22,50.
23

Keterbatasan Uji Chi Square

Uji chi quare hanya membuktikan bahwa
ada hubungan (P-value)
Tidak menggambarkan kekuatan hubungan.
Untuk menggambarkan hubungan
digunakan ukuran OR dan RR

24

Kekuatan Hubungan
A/(A+B)
RR (Relative Risk) =
--------C/(C+D)

OR (Odds Ratio) =

AD / BC

25

Langkah Menentukan OR dan RR

Menggunakan SPSS

26

OR = 3,500 (95%
CI:1,529-8,012).
Pria yang merokok
mempunyai peluang 3,5
kali untuk tidak subur
dibandingkan pria yang
tidak merokok

Output

Risk Estimate

Odds Ratio for perilaku

95% Confidence Interval

Value
3.500

Lower
1.529

Upper
8.012

1.750

1.191

2.572

.500

.309

.808

merokok (tidak merokok /

merokok)
For cohort Status fertilitas =
subur
For cohort Status fertilitas =
tidak subur
N of Valid Cases

100

RR = 1,750 (95% CI:1,1912,572).

27

Aplikasi Uji Chi Square pada

Tabel > 2x2

Contoh:
Ingin diketahui apakah ada hubungan
antara tingkat pendidikan ibu dengan
pemanfaatan pelayanan ANC

28

Ouput

Pendidikan Ibu

Total

Pendidikan Ibu * Pelayanan ANC Crosstabulation

Pelayanan ANC
Tidak
Adekuat
adekuat
Total
Pendidikan
Count
466
15
481
menengah
% within
96.9%
3.1% 100.0%
Pendidikan Ibu
Pendidikan dasar Count
% within
Pendidikan Ibu

1172
87.3%

171 1343
12.7% 100.0%

Tidak sekolah

Count
% within
Pendidikan Ibu

150
78.1%

42
192
21.9% 100.0%

Count
% within
Pendidikan Ibu

1788
88.7%

228 2016
11.3% 100.0%

29

Output

Ho ditolak atau ada hubungan

pendidikan ibu dengan anc.
Chi-Square Tests

Pearson Chi-Square

Value
56.253a

Asymp. Sig. (2sided)

.000

df

Likelihood Ratio

63.661

.000

Linear-by-Linear Association

56.204

.000

N of Valid Cases

2016

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
21.71.

30

Dummy Variabel
Pada tabel > 2 x 2, tidak bisa ditampilkan
nilai OR
Tiga cara:

Harus dibuat dummy variabel tabel dahulu,

kemudian dilakukan Crosstabs
Lakukan analisis regresi logistik sederhana

31

Contoh Dummy Variabel

Pendidikan Ibu

Total

Pendidikan Ibu * Pelayanan ANC Crosstabulation

Pelayanan ANC
Tidak
Adekuat
adekuat
Total
Pendidikan
Count
466
15
481
menengah
% within
96.9%
3.1% 100.0%
Pendidikan Ibu
Pendidikan dasar Count
% within
Pendidikan Ibu

1172
87.3%

171 1343
12.7% 100.0%

Tidak sekolah

Count
% within
Pendidikan Ibu

150
78.1%

42
192
21.9% 100.0%

Count
% within
Pendidikan Ibu

1788
88.7%

228 2016
11.3% 100.0%

32

Untuk membuat dummy variabel dari pendidikan

(0.Pendidikan menengah, 1. Pendidikan dasar &
2. Tidak sekolah), ditetapkan kelompok mana
yang akan dijadikan sebagai pembanding
Sebagai kelompok pembanding kita tetapkan
Tidak sekolah.
Melakukan transformasi data dengan menu
RECODE:
Pendidikan_1 (0=Tidak sekolah, 1=Pendidikan
menengah)
Pendidikan_2 (0=Tidak sekolah, 1=Pendidikan dasar)

33

Pearson Chi-Square

Value
62.274a

Chi-Square Tests
Asymp. Sig. Exact Sig. (2df
(2-sided)
sided)
1
.000

Continuity Correctionb

59.878

.000

Likelihood Ratio

55.176

.000

Fisher's Exact Test

Linear-by-Linear
Association
N of Valid Cases

Exact Sig. (1sided)

.000
62.182

.000

.000

673

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.26.
b. Computed only for a 2x2 table
Risk Estimate
Value
Odds Ratio for Pendidikan_1
(Tidak sekolah / Pendidikan
menengah)
For cohort Pelayanan ANC =
Adekuat
For cohort Pelayanan ANC =
Tidak adekuat
N of Valid Cases

.115

95% Confidence Interval

Lower
Upper
.062
.213

.806

.747

.871

7.015

3.986

12.346

673

34

Pearson Chi-Square

Value
11.749a

Chi-Square Tests
Asymp. Sig. (2- Exact Sig. (2df
sided)
sided)
1
.001

Continuity Correctionb

10.996

.001

Likelihood Ratio

10.496

.001

Fisher's Exact Test

Linear-by-Linear
Association
N of Valid Cases

Exact Sig. (1sided)

.001
11.741

.001

.001

1535

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 26.64.
b. Computed only for a 2x2 table
Risk Estimate

Odds Ratio for Pendidikan_2

(Tidak sekolah / Pendidikan
dasar)
For cohort Pelayanan ANC =
Adekuat
For cohort Pelayanan ANC =
Tidak adekuat
N of Valid Cases

Value
.521

95% Confidence Interval

Lower
Upper
.357
.760

.895

.828

.967

1.718

1.270

2.323

1535

35

Variables
in the Equation
Dummy variabel dengan
regresi
logistik sederhana

B
Step 1

S.E.

Pendidikan_Ibu

Wald
47.134

df
2

Sig.
.000

Exp(B)

95% C.I.for EXP(B)

Lower
Upper

Pendidikan_Ibu(1)

-2.163

.315

47.128

.000

.115

.062

.213

Pendidikan_Ibu(2)

-.652

.193

11.429

.001

.521

.357

.760

-1.273

.175

53.171

.000

.280

Constant

a. Variable(s) entered on step 1: Pendidikan_Ibu.

Dari Nilai OR atau (Exp(B) dapat disimpulkan bahwa ibu yang

berpendidikan menengah(1) mempunyai kecenderungan untuk
melakukan ANC adekuat sebesar 0,115 kali lebih besar dibandingkan
dengan ibu yang tidak sekolah (p-value=0,000). Sedangkan ibu yang
berpendidikan dasar(2) mempunyai kecenderungan untuk melakukan
ANC adekuat sebesar 0,521 kali lebih besar dibandingkan dengan
ibu yang tidak sekolah (p-value=0.001).

36

Referensi

Jan W. Kuzma, 1984, Basic Statistics for the Health

Sciences, California: Meyfield Publishing Company.

Pagano, M.,& Gauvreau, K., 1993.

Principles of Biostatistics. California:
Wadsworth Publishing Company.
Hastono, S.P., 2001. Modul Analisis Data.
FKM UI.
Dahlan, Sopiyudin. 2008. Statistik untuk
Kedokteran dan Kesehatan. Seri Evidence
Based Medicine 2 Edisi 3. Jakarta: Penerbit
Salemba Medika.

37