1

Uji Statistik yang Digunakan

Untuk ANALISA BIVARIAT
Variabel I Variabel II Jenis uji statistik yang
digunakan

Katagorik  Katagorik - Kai kuadrat

- Fisher Exact

Katagorik  Numerik - Uji T

- ANOVA

Numerik  Numerik - Korelasi

- Regresi

2
 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
  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)

4
 Jenis data kategori
 Sampel independen
 Distribusi tidak normal/tidak
diketahui distribusinya (free
distribution)

5
 Membandingkan frekuensi yang terjadi
(observasi) dengan frekuensi harapan (ekspektasi)
 Pembuktian dengan uji chi square menggunakan
formula:
Pearson Chi Square:

(O  E ) 2
χ2 =  E dengan df = (b-1)(k-1)

fo= nilai observasi (pengamatan)

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

6
 Pertanyaan: Apakah kebiasaan merokok
berhubungan dengan BBLR?

BBLR Total
Merokok
Tidak Ya

Tidak 86 29 115

Ya 44 30 74

Total 130 59 N = 189

7
 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
 Formula:

χ2 = (O  E ) 2

 E
Metode:
1. Hitung nilai/frekuensi ekspektasi dari masing-
masing sel.
2. Lengkapi tabel perhitungan untuk memperoleh χ2
(hitung)

9
 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
Mero BBLR (Observe) Total BBLR (Expected)
kok Tidak Ya Tidak Ya
(130*115)/ (59*115)/
Tidak 86 29 115 189 = 189 =
79,10 35,90
(59*74)/1
(130*74)/1
Ya 44 30 74 89 =
89 = 50,90
23,10

Total 130 59 N = 189 130 59

11
 O E O-E (O-E)2 (O-E)2 /E

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 χ2 = 4,92
0
189

12
 Uji statistik tidak
berada pada
daerah kritis  Ho
ditolak
 Ada hubungan
yang signifikan
antara kebiasaan
3,841

merokok dengan χ2 (hitung) = 4,92 > χ2

BBLR. (tabel) = 3,841

13
Alpha = 0,05
df = (b-1)(k-1) = 1
χ2 (tabel) = 3,841

14
  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
  Kasus
Suatu penelitian ingin mengetahui
hubungan antara perilaku merokok
(merokok dan tidak merokok) dengan
status fertilitas seorang pria (subur dan
tidak subur).

16
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
 pe rila ku merokok * Status fertilitas Crosstabulation

Status fertilitas
subur tidak s ubur Total
perilak u merok ok tidak merokok Count 35 15 50
Ex pec ted Count 27.5 22.5 50.0
% within perilaku
70.0% 30.0% 100.0%
merok ok
merok ok Count 20 30 50
Ex pec ted Count 27.5 22.5 50.0
% within perilaku
40.0% 60.0% 100.0%
merok ok
Total Count 55 45 100
Ex pec ted Count 55.0 45.0 100.0
% within perilaku
55.0% 45.0% 100.0%
merok ok

Dapat diinterpretasikan bahwa ada sebanyak 35 dari 50 (70,00%) laki-

laki tidak merokok memiliki status fertilitas subur. Sedangkan diantara
laki-laki yang merokok, ada 20 dari 50 (40,00%) yang memiliki status
fertilitas
22
subur
 Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 9.091b 1 .003
Continuity Correctiona 7.919 1 .005
Likelihood Ratio 9.240 1 .002
Fisher's Exact Test .005 .002
Linear-by-Linear
9.000 1 .003
Association
N of Valid Cases 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
 Uji chi quare hanya membuktikan bahwa ada
hubungan (P-value)
 Tidak menggambarkan kekuatan hubungan.
 Untuk menggambarkan hubungan digunakan
ukuran OR dan RR

24
 A/(A+B)
RR (Relative Risk) =
---------


C/(C+D)

 OR (Odds Ratio) = AD / BC

25
26
OR = 3,500 (95%
CI:1,529-8,012).
Pria yang merokok
mempunyai peluang 3,5
Risk Estimate
kali untuk tidak subur
dibandingkan pria yang 95% Confidence Interval
tidak merokok
Value Lower Upper
Odds Ratio for perilaku 3.500 1.529 8.012
merokok (tidak merokok /
merokok)
For cohort Status fertilitas = 1.750 1.191 2.572
subur
For cohort Status fertilitas = .500 .309 .808
tidak subur
N of Valid Cases 100
RR = 1,750 (95% CI:1,191-
2,572).

27
 Contoh:
Ingin diketahui apakah ada hubungan antara
tingkat pendidikan ibu dengan pemanfaatan
pelayanan ANC

28
 Pendidikan Ibu * Pelayanan ANC Crosstabulation
Pelayanan ANC
Tidak
Adekuat adekuat Total
Pendidikan Ibu Pendidikan Count 466 15 481
menengah % within 96.9% 3.1% 100.0%
Pendidikan Ibu

Pendidikan dasar Count 1172 171 1343

% within 87.3% 12.7% 100.0%
Pendidikan Ibu

Tidak sekolah Count 150 42 192

% within 78.1% 21.9% 100.0%
Pendidikan Ibu

Total Count 1788 228 2016

% within 88.7% 11.3% 100.0%
Pendidikan Ibu

29
 Ho ditolak atau ada hubungan
“pendidikan ibu” dengan “anc”.
Chi-Square Tests

Asymp. Sig. (2-

Value df sided)
Pearson Chi-Square 56.253a 2 .000

Likelihood Ratio 63.661 2 .000

Linear-by-Linear Association 56.204 1 .000

N of Valid Cases 2016

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

30
 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
 Pendidikan Ibu * Pelayanan ANC Crosstabulation
Pelayanan ANC
Tidak
Adekuat adekuat Total
Pendidikan Ibu Pendidikan Count 466 15 481
menengah % within 96.9% 3.1% 100.0%
Pendidikan Ibu

Pendidikan dasar Count 1172 171 1343

% within 87.3% 12.7% 100.0%
Pendidikan Ibu

Tidak sekolah Count 150 42 192

% within 78.1% 21.9% 100.0%
Pendidikan Ibu

Total Count 1788 228 2016

% within 88.7% 11.3% 100.0%
Pendidikan Ibu

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
 Chi-Square Tests
Asymp. Sig. Exact Sig. (2- Exact Sig. (1-
Value df (2-sided) sided) sided)
Pearson Chi-Square 62.274a 1 .000
Continuity Correctionb 59.878 1 .000
Likelihood Ratio 55.176 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 62.182 1 .000
Association
N of Valid Cases 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
95% Confidence Interval
Value Lower Upper
Odds Ratio for Pendidikan_1 .115 .062 .213
(Tidak sekolah / Pendidikan
menengah)
For cohort Pelayanan ANC = .806 .747 .871
Adekuat
For cohort Pelayanan ANC = 7.015 3.986 12.346
Tidak adekuat
N of Valid Cases 673

34
 Chi-Square Tests
Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
Pearson Chi-Square 11.749a 1 .001
Continuity Correctionb 10.996 1 .001
Likelihood Ratio 10.496 1 .001
Fisher's Exact Test .001 .001
Linear-by-Linear 11.741 1 .001
Association
N of Valid Cases 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

95% Confidence Interval

Value Lower Upper
Odds Ratio for Pendidikan_2 .521 .357 .760
(Tidak sekolah / Pendidikan
dasar)

For cohort Pelayanan ANC = .895 .828 .967

Adekuat
For cohort Pelayanan ANC = 1.718 1.270 2.323
Tidak adekuat
N of Valid Cases 1535

35
 Variables in the Equation

95% C.I.for EXP(B)

B S.E. Wald df Sig. Exp(B) Lower Upper
Step 1a Pendidikan_Ibu 47.134 2 .000

Pendidikan_Ibu(1) -2.163 .315 47.128 1 .000 .115 .062 .213

Pendidikan_Ibu(2) -.652 .193 11.429 1 .001 .521 .357 .760

Constant -1.273 .175 53.171 1 .000 .280

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
 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