PRODI STATISTIKA

D10F-6006 / 4 (3-1) SKS

ADK (Analisis Data Kategori) -Tim Teaching ADK-

-4-
TABEL KONTINGENSI TIGA ARAH
• Ukuran Asosiasi
 Tabel Kontingensi 3 Arah
Dalam mempelajari pengaruh variabel X terhadap
variabel Y, salah satu hal yang perlu diperhatikan
yaitu harus “mengendalikan” kovariat yang akan
mempengaruhi hubungan tersebut  salah satunya
dengan cara membuat kovariat (yang diperkirakan
berpengaruh terhadap hubungan tersebut) menjadi
konstan, sehingga hubungan X dan Y lebih jelas.

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 2

 Contoh

Bagaimana asosiasi antara perokok pasif

dengan kanker paru-paru. Variabel kontrolnya
misalkan usia, status sosial ekonomi, yang
mungkin memiliki hubungan dengan kedua
variabel tersebut.

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 3

 Tabel Kontingensi 3 arah

• Tabel Parsial:
Bagian dari tabel kontingensi tiga arah yang
mengelompokkan X dan Y pada variabel
kontrol Z yang terpisah

• Tabel Marginal:
Gabungan dari Tabel Parsial

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 4

 Contoh (Agresti, hal. 50)
Diketahui data hasil penelitian terhadap tiga variabel , X : Ras Tersangka
(White,Black), Y : Putusan hukuman mati (Ya,Tidak) dan Z : Ras Korban
(White,Black) sebagai berikut :

Victims Race Defendant’s Death Penalty Percentage Yes

Race Yes No
White White 53 414 11,3
Black 11 37 22,9
Black White 0 16 0,00
Black 4 139 2,8
Total White 53 430 11,0
Black 15 176 7,9

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 5

 Contoh (Agresti, hal. 50)
Tabel Parsial
Z = White Bagaimana
Y Yes No Asosiasi
X
Parsial?
White 53 414
Black 11 37

Z = Black
Y Yes No
X
White 0 16
Black 4 139

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 6

 Asosiasi Parsial (Memperhatikan Z)

Z = White Beda Peluang:

Y Yes No
X  Y |B   Y |W  (22.9  11 .3)%
White 53 414
Black 11 37
11 .6%

Artinya:
Ketika korbannya berkulit putih yang menerima hukuman
mati 11.6% lebih sering kepada tersangka berkulit hitam
daripada yang berkulit putih

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 7

 Odds ratio bersyarat

(53)(37)
 XY ( white )   0.43
(414)(11)

• Artinya:
Odds tersangka berkulit putih yang menerima
hukuman mati adalah 43% dari odds tersangka
berkulit hitam

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 8

 Asosiasi Parsial (Memperhatikan Z)

Z = Black Beda Peluang:

Y Yes No
X  Y |B   Y |W  (2.79  0)%
White 0 16  2.79%
Black 4 139

Artinya:
Ketika korbannya berkulit hitam yang menerima hukuman
mati 2.79% lebih sering kepada tersangka berkulit hitam
daripada yang berkulit putih

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 9

 Odds ratio bersyarat

(0)(139)
 XY (black )  0
(4)(16)

• Artinya:
hukuman mati tidak pernah dijatuhkan kepada
tersangka berkulit putih ketika korbannya
berkulit hitam

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 10

 Tabel Marginal
(Melihat asosiasi X dan Y tanpa memperhatikan Z)

Y
Yes No Total Persentase Yes
X
White 53 430 483 11
Black 15 176 191 7.9

Beda Peluang:  Y |W   Y |B  (11  7.9)%  3.1%

Dengan mengesampingkan ras korban, persentase hukuman mati lebih

rendah bagi tersangka berkulit hitam daripada yang berkulit putih

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 11

 Odds Ratio Marginal
(53)(176)
 XY ( white )   1.45
(15)(430)
Odds hukuman mati kepada tersangka berkulit putih 45%
lebih tinggi dibandingkan dengan tersangka berkulit hitam

Hasil menggunakan tabel parsial dan tabel marginal

menunjukkan kesimpulan yang berbeda.
Ternyata variabel X dan Y memiliki hubungan
dengan variabel Z
ADK 3: Inferensi dalam Tabel Kontingensi # Page: 12
 Antara X dan Z Antara Y dan Z
Z White Black Y Yes No
X Z
White 467 16 White 64 4
Black 48 143 Black 451 155

(467)(143) (64)(155)
 ( X ,Z )   86.95  (Y , Z )   5.49
(48)(16) (451)(4)

Karena nilai odds ratio > 1 maka terdapat asosiasi antara variabel
X dan Z, demikian pula untuk variabel Y dan Z

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 13

 Kesimpulan
• Orang kulit putih 87 kali lebih sering
membunuh orang kulit putih sendiri dibanding
orang kulit hitam
• Tersangka akan dihukum mati seandainya
korbannya berkulit putih 5,49 kali dibanding
seandanya korbanyya kulit hitam

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 14

 Catatan

• Apabila asosiasi marginal berbeda dengan

asosiasi bersyarat disebut Sympson’s
Paradox, ini berlaku pada variabel kuantitatif
maupun variabel kategori

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 15

 Conditional dan Marginal Odds Rasio
• Odds ratio yang dihitung untuk tiap tabel parsial
disebut “conditional odds ratio”
• Untuk contoh di atas :

• Odds ratio yang dihitung untuk tabel marginal

disebut “marginal odds ratio”

• → Kedua nilai ini bisa berbeda

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 16
 Marginal dan Conditional Independence
• Diketahui data yang menunjukkan bahwa diduga ada
hubungan antara tiga variabel Y : respon (sukses dan
gagal), X : perlakuan obat (A,B) dan Z : klinik (1,2),
sebagai berikut

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 17

 Marginal dan Conditional Independence
•• 
  Jadi pada masing-masing tabel parsial, X dan Y
independen, disebut “conditional independence” (bebas
bersyarat). Respon dan perlakuan dalam hal ini
conditional independence.
• Dengan mengabaikan adanya Klinik, maka odds rasio
dapat dihitung sebagai berikut :
•  X dan Y dependen secara
marginal
Tanpa memperhatikan klinik, pemberian obat A dua kali lebih
mungkin berhasil dibanding obat B

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 18

 Marginal dan Conditional Independence
• Dari hasil ini terlihat bahwa odds rasio adalah 2 yang berarti
perlakuan tidak saling bebas secara marginal dengan respon.
• Hal ini menunjukkan bahwa meskipun suatu variable (X)
saling bebas dengan variable (Y) pada suatu taraf tetap dari
variable lain (Z) tidak menjadikan variable (X) saling bebas
dengan variable (Y) secara marginal, artinya :
• mengabaikan keberadaan Klinik (variabel
kontrol) pada kasus di atas akan memberikan
kesimpulan yang keliru.

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 19

 Asosiasi Homogen (Homogenous
Association ) conditional odds rasio
•• Terjadi jika odds rasio untuk tiap level pada variabel kontrolnya
 
sama, yaitu :
• =... =
• Jika terjadi asosiasi homogen (sama pada tiap level faktor kontrol),
maka dpt dikatakan bahwa tidak ada interaksi antara dua variabel
dalam pengaruhnya terhadap variabel ketiga.
• Jika tidak terjadi asosiasi homogen, maka conditional odds rasio
berubah pada level-level variabel ketiga,
• Contoh X : Merokok (Ya , Tidak) , Y : Kanker paru-paru (Ya ,
Tidak), Z : Usia ( ⦤ 45 , 45 – 65 , > 60 ), misal didapat :
• 1,2 2,8 6,2
• → Merokok memp pengaruh yg lemah terhadap peny kanker paru-paru bagi
anak muda, tetapi pengaruh akan bertambah kuat seiring dg peningkatan usia

ADK 3: Inferensi dalam Tabel Kontingensi # Page: 20

 KUIS I

1. Diteliti efek aspirin dosis rendah untuk mengurangi risiko terserang

penyakit Myocardinal Infarction (MI). Dari orang-orang yang berpenyakit
tsb diteliti sebanyak 1360 pasien, 676 diantaranya dipilih untuk diberi
obat aspirin dosis rendah dan sisanya diberi Placebo. Setelah 3 tahun,
jumlah yang meninggal terkena MI sebanyak 18 pasien berasal dari klp
yang diberi aspirin dan 28 pasien dari klp yang diberi obat Placebo.
a. Hitung dan interpretasikan : Beda Peluang, Risiko Relatif dan Odds
Rasio.
b. Apakah ada perbedaan proporsi yang meninggal karena MI diantara
orang2 yg diberi aspirin dan placebo
c. Buat analisis inferensberdasarkan a. dan interpretasikan.

ADK 4: Tabel Kontingensi 3 Arah # Page: 21

 KUIS I

2. Odds Rasio antara Treatment (A,B) dengan Respons (Mati,Hidup)

adalah 2,0
a. Pernyataan berikut salah : “Peluang mati dengan treatment A
adalah 2 kali jika dengan treatment B”. Jelaskan !
b. Kapan pernyataan a benar ?
c. Odds mati = 0,5 untuk treatment A. Berapakah peluang mati
untuk treatment A ? Treatment B ?

ADK 4: Tabel Kontingensi 3 Arah # Page: 22