ANALISIS PERBEDAAN RISK

DUA SAMPEL BEBAS

ARTIKA DEWI AMRI, SKM
Learning Objective

■ Mampu menjelaskan pengertian proporsi, rate, dan ratio

■ Mampu menjelaskan pengertian, cara menghitung dan arti dari RR dan OR
■ menganalisis, menyajikan dan memberikan interpretasi hasil analisis penelitian
risk faktor
■ menggunakan SPSS sebagai alat bantu analisis
Proporsi, Risk dan Ratio

■ Proporsi:
– a/a+b
– Jumlah orang yang mengalami kejadian tertentu dibagi semua orang yang ada
■ Risk
– Probabilitas terjadinya penyakit jumlah yang mengalami penyakit dibagi
orang yang berpeluang untuk mengalami penyakit tersebut
■ Ratio
– a/b
– Perbandingan antara kelompok A dengan kelompok B
Risk Ratio
■ Dipakai untuk membandingkan risk terjadinya suatu penyakit
pada penelitian prospektif
■ Risk Ratio menunjukkan perbandingan kejadian penyakit pada
kelompok terpapar berbanding dengan yang tidak terpapar

sakit

terpapar
sehat

sakit
Tidak
terpapar sehat
Prevalence Ratio and
Relative Risk
Table 2 x 2 PR or RR
Disease + Disease - Total A
Incidence(exp ose ) 
( A  B)
Expose+ A B A+B
C
Incidence(exp ose ) 
Expose - C D C+D (C  D )
A /( A  B )
Total A+C B+D n RR .atau.PR 
C /(C  D )

RR: for Cohort Design

PR: for Cross-Sectional Design
RR = 1, equal risk
INTERPRETATION RR > 1, increasing the risk
RR < 1, decreasing the risk
Risk Ratio

Misal: dilakukan penelitian cohort mengamati

pengaruh obesitas terhadap DM

DM Non DM
Obese 40 a 60 b 100 a+b
Non Obese 20 c 80 d 100 c+d
60 140 200

■ Risk DM pada yg obese= a/a+b= 40/100

■ Risk DM pada non obese=c/c+d= 20/100
■ Risk ratio= 40/100: 20/100= 2
■ Interpretasi: risiko DM pada kelompok obese dua kali risiko DM pada
kelompok non obese
Perhitungan CI dari RR

1 1 1 1
95%CI  RR  Exp( Z    )
a ab c cd
Odd Ratio

■ Odd: Peluang untuk terjadinya sakit berbanding peluang untuk tidak sakit
■ Odd=a/1-a
■ Odd Ratio: Perbandingan Odd sakit antara kelompok terpapar dgn tidak terpapar
■ Odd Ratio: Perbandingan Odd paparan antara yang sakit/case dengan tidak sakit
(control)
Odd Ratio

■ Ukuran perbandingan yang dipakai untuk case control study

■ Pada case control study, risk tidak bisa dihitung Odd
■ Bila prevalence kejadian penyakit sangat kecilodd~risk

terpapar
Kasus
Tdk
terpapar

terpapar
Kontrol
Tdk
terpapar
Odd Ratio
Table 2 x 2 Odd Ratio
Disease + Disease - Total P( E | D) A /( A  C ) A
Odd ( disease )   
P( E | D) C /( A  C ) C
Expose+ A B A+B
P( E | D) B /( B  D) B
Odd ( disease )   
Expose - C D C+D P( E | D) D /( B  D ) D
Odd ( disease ) A / C AD
Total A+C B+D n OddRatio   
Odd ( disease ) B / D BC

Odd Ratio for Case-Control

OR = 1, equal odd
INTERPRETATION OR > 1, increasing the odd
OR < 1, decreasing the odd
Odd Ratio

Misal: dilakukan penelitian case control, kasus adalah

penderita DM dan kontrol non DM, kemudian dilihat riwayat
obesitas
DM Non DM
Obese 40 a 60 b 100
Non Obese 20 c 80 d 100
60 140 200

■ Odd Obese pada yg DM/case= a/c= 40/20

■ Odd obese pada non DM =b/d= 60/80
■ Odd ratio= 40/20: 60/80= 2.67
■ Interpretasi:Odd obese pada penderita DM 2.67 kali odd obese pada
non DM
Perhitungan CI dari OR

1 1 1 1
95%CI  OR  Exp( Z    )
a b c d
Uji Hipotesis untuk Analisis Faktor Risiko

■ Uji Chi Square

■ Indikasi:
– Menganalisis faktor risiko
– Mempelajari hubungan dua variabel kategorikal
– Menguji perbedaan dua proporsi
■ Hipotesis:
– Analisis Faktor risiko
■ Ho: OR=1 Ha: OR>1
■ Ho: RR=1 Ha: RR>1
– Analisis Beda Proporsi
■ Ho: ∏1= ∏2 Ha: ∏1≠ ∏2
Perhitungan Chi Square

(O  E ) 2
2  
E
E=(total kolomX total baris)/ total sampel

Rumus Cepat

n(ad  bc) 2
2 
(a  b)(c  d )(a  c)(b  d )
Uji Chi Square

■ Pearson
– N> 60
– expected count <5 tidak ditemukan pada lebih dari 20% sel
■ Continuity correction
– N 20-60
– expected count <5 tidak ditemukan pada lebih dari 20% sel
■ Fisher exact
– N<20
– Expected count < 5 ditemukan pada lebih dari 20% sel
Uji Chi square

■ Keputusan statistik
– Ho ditolak bila:
■ Nilai Χ2 lebih besar dari CV
– CV dilihat pada tabel distribusi Chi Square, pada α tertentu dgn df= (jml row-1)x
(jml column-1)
■ 95% CI dari RR atau OR tidak mencakup angka 1
■ Nilai p < 0.05
■ Kesimpulan
– Bila Ho ditolak berarti variabel yang diselidiki mempunyai pengaruh thd
outcome (merupakan faktor risik0