ANALISIS BIVARIAT

CHI SQUARE (Kai Kuadrat)

1/19/22 1
 ANALISIS BIVARIAT PADA VARIABEL DENGAN DATA
KATEGORIK

Ilustrasi masalah Jenis Data Tujuan analisis Uji Statistik

Parametrik Non
Parametrik
Apakah terdapat perbedaan Variabel dependent Uji Beda PROPORSI: - Chi Square
PROPORSI kejadian BBLR dan Independent- - Ibu Anemia (Ya atau Tidak) (Kai Kuadrat)
berdasarkan riwayat anemia nya kategorik  variabel independen
ibu ketika hamil? - Berat lahir bayinya (BBLR
atau Tidak BBLR  variabel
dependen
Apakah terdapat perbedaan Variabel dependent Uji Beda PROPORSI dgn desain - Mc Nemar
PROPORSI kejadian BBLR dan Independent- penelitian experimen atau kuasi
ibu hamil sebelum & sesudah nya kategorik pada ibu yang mendapat Fe dan
mendapat suplemen zat besi tidak
(Fe) selama 1 bulan?
 BBLR Tidak BBLR Jumlah
(BBL normal)
Bumil anemia .... Berapa? (.... .... Berapa? (....
%) %)
Bumil tdk anemia ...... Berapa? ...... Berapa?
(...%) (...%)

Uji Chi Square: prinsip membandingkan proporsi BBLR

berdasarkan riwayat anemia bumil.
Tujuan: menguji secara statistik apakah ada hubungan
antara variabel riwayat anemia bumil dgn kejadian BBLR
1/19/22 3
 PENDAHULUAN
 Uji Chi Square = uji kai kuadrat (dilambangkan dengan "χ2" dari huruf
Yunani "Chi" diucapkan "Kai")
 Merupakan jenis analisis deskriptif
 Digunakan untuk menguji dua kelompok data baik variabel
independen maupun dependennya berbentuk kategorik atau disebut
juga  uji proporsi untuk dua peristiwa atau lebih, sehingga datanya
bersifat diskrit (bilangan bulat).

1/19/22 4
 PENDAHULUAN
 Dalam suatu penelitian, seringkali kita menemui data yang tidak dapat
dinyatakan dalam bentuk angka-angka pengukuran (numerik), melainkan
hasil dari menghitung/pengamatan yang diklasifikasikan dalam bentuk
kategorik Data seperti ini disebut data kategorik (bersifat kualitatif).

Misalnya:
 Jenis kelamin (kategorik: laki-laki dan perempuan)
 Tingkat pendidikan (kategorik: tinggi dan rendah)
 Status gizi (kategorik: baik dan buruk)
 Status BBLR (kategorik: BBLR dan tidak BBLR)

1/19/22 5
PENDAHULUAN
Dalam penelitian kesehatan, sering dilakukan analisis hubungan variabel
kategorik dengan variabel kategorik.
Misalnya:
 ingin mengetahui hubungan antara jenis kelamin dengan status gizi
 ingin mengetahui hubungan antara status gizi ibu dengan kejadian BBLR
 Sehingga dilakukan uji Chi Square untuk menguji perbedaan proporsi
dua atau lebih kelompok populasi/sampel.

1/19/22 6
 PENDAHULUAN
 Dasar uji kai kuadrat adalah membandingkan perbedaan frekuensi hasil observasi
(O) dengan frekuensi yang diharapkan (E)  Perbedaan tersebut meyakinkan jika
nilai dari Kai Kuadrat sama atau lebih besar dari suatu nilai yang ditetapkan pada
level signifikan tertentu (lihat pada tabel χ2)= ada perbedaan yang bermakna

 TUJUAN Uji Kai Kuadrat (χ2 ) dapat digunakan untuk :

1. menguji ada atau tidaknya hubungan antara dua variabel (Independency test).
2. menguji homogenitas antar- sub kelompok (Homogenity test).
3. menguji bentuk Distribusi (Goodness of Fit)

1/19/22 7
 PERSYARATAN UJI CHI SQUARE
1. Sampel dipilih secara acak
2. Semua pengamatan dilakukan  dengan independen
3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1
(satu). Sel-sel dengan frekuensi harapan kurang dari 5 tidak
melebihi 20% dari total sel
4. Besar sampel sebaiknya > 40 (Cochran, 1954)

1/19/22 8
 1) X2 = hitung
manual
RUMUS DASAR UJI CHI SQUARE
2) Nilai X2 yg kita
hitung dibandingkan
Keterangan Rumus: dgn X2 tabel
O = frekuensi hasil observasi 3) Utk
E = frekuensi yang diharapkan. m’bandingkan,
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data tentukan α dan df
χ2 adalah distribusi χ2 pada derajat kebebasan (df) 4) Jika X2 hitung > X2
tertentu  dengan nilai p (α) tertentu tabel  hub 2
variabel bermakna
df = (b-1) X (k-1)  Ket: b=jml baris dan k=jumlah kolom

Outcome
Exposure (variabel dependent)
(variabel D+ D- Total
independent)

E+ a b a+b
E- c d c+d
1/19/22 9
 ARTI DERAJAT KEBEBASAN (DEGREES OF FREEDOM = df) dalam STATISTIK

df : artinya jumlah total pengamatan dalam sampel (= N) dikurangi banyaknya pembatasan yang Pengamatan BB balita
ditentukan pada pengamatan tsb.
balita ke-1 14
angka df adalah banyaknya pengamatan bebas dari total pengamatan N.
balita ke-2 8
rumus umum df = total pengamatan (N) dikurangi banyaknya parameter yang diteliti atau df = N – k balita ke-3 15
df = N – 1 atau df = N – 3 atau df = N – 3  tergantung dari banyaknya parameter (variabel) yang
diteliti balita ke-4 6

contoh, jika kita hendak meneliti dua variabel, maka derajat kebebasanya adalah df = N – 2.  balita ke-5 11
karena ada dua variabel.
balita ke-6 14
Konsepnya adalah tiap kali kita mengestimasi parameter (karakteristik populasi), kita akan
kehilangan satu derajat kebebasan. Oleh karena itu derajat bebas akan selalu N – k. balita ke-7 8

balita ke-8 6
Misalnya ada sebuah populasi balita, rata-rata BB = 10. Jika kita mengambil sampel sebanyak 10
balita, maka berapa banyak BB balita yg dpt dihitung dengan bebas? balita ke-9 5

balita ke-10 ..?...

Misalnya rata-rata BB balita adalah 10, kita hrs menjumlahkan semua BB balita dibagi 10 
(14+8+15+6+11+14+8+6+5+n):10 = (87+n)/10  supaya rata-rata BB = 10, maka n harus 13.
artinya ada 1 pengamatan (balita) yg nilai BBnya “harus” 13  “hilang 1 derajat kebebasan”
 krn kita hanya mengamati 1 variabel saja, yaitu BB  kita hanya kehilangan 1 derajat kebebasan 
maka df = 10-1=9 (Nilai df, digunakan jika kita akan melihat nilai pd suatu tabel, misal: tabel t
10
UJI CHI SQUARE, nilai data dari variabel dependent
& independent disajikan dlm bentuk tabel silang Tabel ini disebut
tabel 2x2, krn ada
2 baris dan
(variabel dependent) 2 kolom
Exposure
(variabel BBLR Tdk Total
independent) BBLR
Ibu anemia a b a+b
Ibu Tdk c d c+d
anemia
Total
a, b, c, d merupakan nilaia+c b+d
observasi (O), n ekspektasi (E atau nilai
sedangkan nilai
harapan) masing-masing sel (Ea, Eb, Ec, Ed, dicari dengan rumus:

1/19/22 11
 CONTOH
Hipotesis:
Ho : P1 = P2 (Tidak ada perbedaan proporsi kejadian BBLR pada ibu yang anemia dan tidak anemia)
Ha : P1 ≠ P2 (Ada perbedaan proporsi kejadian BBLR pada ibu yang anemia dan tidak anemia)
(variabel
(variabel dependent) Exposure dependent)
Exposure (variabel (variabel BBLR Tdk Total
BBLR Tdk BBLR Total independent) BBLR
independent)
(normal)
Ibu anemia a b a+b
Ibu anemia 30 70 100 Ibu Tdk anemia c d c+d

Ibu Tdk anemia 10 90 100 Total a+c b+d n

Total 40 160 200

Menghitung nilai Ekspektasi (nilai harapan) masing2 sel:

 Ea (Anemia & BBLR) = (100 x 40)/200 = 20
 Eb (Anemia & Normal) = (100 x160)/200 = 80
 Ec (Tdk anemia & BBLR) = (100 x 40)/200 = 20
 Ed (Tdk anemia & Normal) = (100 x 160)/200 = 80

1/19/22 12
 MENGHITUNG NILAI X 2
(variabel dependent)
Exposure (variabel
BBLR Tdk BBLR Total
independent)
(normal)
Ibu anemia 30 (20) 70 (80) 100
Ibu Tdk anemia 10 (20) 90 (80) 100
Total 40 160 200

 30  20   70  80   10  20   90  80 
2 2 2 2

 
2
    12.50
20 80 20 80

 Df = (2-1)*(2-1) = 1  Df=1,
 alfa 0,05
 Bagaimana keputusan uji statistik ini?

1/19/22 13
 Jika nilai X 2 sdh dihitung, selanjutnya dibandingkan dengan nilai pada tabel chi
square pada level alfa= 0.05, dan nilai df-nya. Karena bentuk tabel 2x2, maka
nilai df = (2-1)*(2-1)=1.

Tabel X2,
bisa
didownload
sendiri

Dari tabel chi square, lihat pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.
KEPUTUSAN STATISTIK
Bila nilai hitung lebih kecil dari nilai tabel, maka Ho gagal ditolak, sebaliknya bila nilai hitung lebih besar atau
sama dengan nilai tabel, maka Ho ditolak  dari perhitungan X2menunjukan bahwa χ2 hitung >  χ2 tabel 
12,5 > 3,84 sehingga Ho ditolak
KESIMPULAN
Ada perbedaan yang bermakna antara proporsi kejadian BBLR pada ibu yang anemia dan tidak anemia Atau ada
hubungan antara anemia ibu hamil dengan kejadian BBLR.
1/19/22 14
 PRAKTEK UJI CHI QUARE dgn SPSS
gunakan data: berat_bayi_latihan_11 Nov.sav

Perhatikan prinsip kodingnya (0,1 atau 1,2)  Apa yg menjadi “interest” dalam uji statistik chi square?
kode terkecil utk kategori yg mjd “interest”  kode harus konsisten
Catatan:
Kode 0 = BBLR dan 1 = Tidak BBLR
ANC : 0 = ANC Tidak teratur dan 1 = ANC teratur
 jika kodenya berbeda, misal: 0 = ANC teratur dan 1 = ANC Tidak teratur  ubah kode dgn menu
RECODE dlm SPSS
INGAT: pd uji chi square: variabel independent & dependent: datanya bersifat kategorik
Buatlah kerangka konsep penelitiannya dengan benar

1/19/22 15
 KERANGKA KONSEP PENELITIAN
JUDUL PENELITIAN: FAKTOR-FAKTOR YANG BERHUBUNGAN
DENGAN KEJADIAN BBLR
1. Status sosial ekonomi Variabel
2. Tingkat pendidikan ibu Dependen
Variabel
independen 3. Perilaku merokok
4. Penambahan berat badan ibu
selama hamil
Kejadian BBLR (berat bayi lahir rendah)
5. Kadar kolesterol
6. Tinggi fundus uteri
7. Kontraksi uterus
8. Keteraturan pemeriksaan
kehamilan (ANC)
9. Umur ibu saat hamil
10. Kadar hemoglobin
11. Lingkar lengan atas
Tahapan SPSS nya:
1. Dari menu SPSS, klik “Analyze”, kemudian pilih “Descriptive
Statistics”, lalu pilih “Crosstabs”

1/19/22 17
2. Dari menu crosstabs, ada dua kotak yang harus diisi:
pada kotak “row(s)’diisi variabel independen (variabel bebas), contoh: variabel rokok (pilih variabel
perilaku merokok yg kodingnya sdh benar)
pada kotak “column(s)” diisi variabel dependennya, contoh: variabel bblr (koding hrs sudah benar)

1/19/22 18
3. Klik pilihan “Statistics..”, Klik pilihan “Chi-square” dan klik pilihan “Risk” 
klik “Continue”

1/19/22 19
4. Klik pilihan “Cells”, bawa bagian “Percentages” dan klik “Row” klik “Continue”  OK

1/19/22 20
OUTPUT
1/19/22

Data yg dianalisis
adalah 103 responden
yg valid (100%)
Data tabel silang dgn
persentase baris

Output tabel silang antara perilaku merokok ibu dengan kejadian BBLR.
Angka yang paling atas adalah jumlah kasus masing-masing sel, angka kedua adalah persentase menurut baris (jika data yang kita analisis
berasal dari penelitian Cross Sectional sehingga persen yang ditampilkan adalah persentase baris, namun bila junis penelitiannya Case
Control angka persentase yang digunakan adalah persentase kolom)
 Dari analisis data di atas maka interpretasinya: Sebanyak 10 (43,5%) ibu yang merokok melahirkan bayi dengan BBLR sedangkan pada
ibu yang tidak merokok, kejadian BBLR nya sebanyak 32 orang (40%).
21
OUTPUT hasil uji Chi Square

Aturan yang berlaku pada Chi Square adalah

sbb:
Ukuran tabel 2x2 Ukuran tabel >2x2,
misalnya: 2x3 atau
3x3
Tidak ada Continuity Pearson Chi
nilai E<5 Correction (a) Square
Ada nilai E<5 Fisher’s Exact
Test

Uji “Likelihood Ratio” dan “Linear-by-Linear Assciation”, biasanya digunakan untuk keperluan lebih
spesifik, misalnya analisis stratifikasi pada bidang epidemiologi dan juga untuk mengetahui hubungan linier
dua variabel kategorik, sehingga kedua jenis ini jarang digunakan.
 Untuk mengetahui adanya nilai E kurang dari 5, dapat dilihat pada footnote a dibawah kotak Chi-Square
Test, dan tertulis diatas nilainya 0 cell (0 %) berarti pada tabel silang diatas tidak ditemukan ada nilai E < 5

1/19/22 22
 Perilaku ANC Gizi Gizi Baik Gizi
UKURAN TABEL kurang Obesita
s
Tidak pernah
1 – 2 selama hamil
Sakit Tidak jumlah
> 3 kali
sakit
Faktor penyebab
Tidak ada faktor P

Status Gizi ibu BBLR Tidak Jumlah

hamil BBLR
Kurang
Baik
Obesitas

1/19/22 23
Dengan demikian kita menggunakan uji Chi Square yang sudah dilakukan koreksi
(Continuity Correction) dengan p value dapat dilihat pada kolom “Asymp. Sig” dan
terlihat p valuenya = 0,953.  bandingkan dgn nilai α = 0, 05 (5%)
0,953>0,05
 berarti kesimpulannya tidak ada perbedaan kejadian BBLR antara ibu yang
merokok dengan ibu yang tidak merokok atau tidak ada hubungan perilaku ibu
merokok saat hamil dengan kejadian BBLR.

1/19/22 24
Untuk mengetahui besar/kekuatan hubungan antar kedua variabel tersebut, pada
bidang kesehatan dapat digunakan nilai OR atau RR. (nilai RR  dengan nilai PR)

Jika desain penelitian ini adalah Cross Sectional, maka ukuran kekuatan hubungan antara variabelnya
menggunakan nilai Prevalence Rasio (PR)  dalam Outout SPSS, gunakan nilai for cohort BBLR) 
nilainya adalah: 1,087 (95% CI: 0,635 – 1,861).  Interpretasi nilai PR= 1,087 adalah:
Pada Ibu yang memiliki kebiasaan merokok saat hamil mempunyai peluang 1,1 kali untuk melahirkan
bayi dengan BBLR dibandingkan ibu yang tidak merokok saat hamil.

1/19/22 25
Jika nilai OR atau RR > 1 dan nilai CI 95% = nilai batas bwh dan batas atas >1 
maka hasil uji hipotesis menunjukkan hubungan yang signifikan (bermakna)

Jika nilai OR atau RR < 1 dan nilai CI 95% = nilai batas bwh dan batas atas <1 
maka hasil uji hipotesis menunjukkan hubungan yang signifikan (bermakna)

01/19/2022 26
CONTOH
1. OR = 2,3 (95% CI = 1,6 – 7,5) √
2. OR = 0,6 (95% CI = 0,2 – 0,9) √
3. OR = 2,3 (95% CI = 0,7 – 5,7)
4. OR = 0,7 (95% CI = 0,2 – 3,4)

01/19/2022 27
 PENYAJIAN HASIL ANALISIS BIVARIAT CHI
SQUARE
Tabel 1: hubungan perilaku ibu merokok dengan kejadian BBLR
Perilaku BBLR Tidak BBLR Total P value PR
merokok (95%CI)
ibu n % n % n %

Ya 10 43,5 13 56,5 23 100 0,953. 1,087

(0,635 – 1,861)
Tidak 32 40 48 60 80 100
Hasil analisis hubungan antara perilaku merokok ibu dengan kejadian BBLR diperoleh bahwa proporsi
kejadian BBLR lebih banyak terjadi pada ibu yang merokok (43,5%) dibandingkan dengan ibu yang tidak
merokok (40%). Hasil uji statistik diperoleh nilai p=0,953 (>0,05) maka dapat disimpulkan tidak ada
perbedaan yang bermakna. Nilai PR = 1,087 artinya ibu yang merokok mempunyai peluang (berisiko) 1,1
kali untuk melahirkan bayi BBLR, namun nilai 95%CI = 0,635 – 1,861menunjukkan bahwa hubungan ini
tidak bermakna secara statistik

1/19/22 28
PENYEBAB HASIL UJI STATISTIK CHI SQUARE TIDAK
BERMAKNA:
1. jumlah sampel relatif sedikit
2. kemungkinan ada bias dalam pengukuran  variabel yg diukur adalah perilaku ibu
merokok = dianggap masyarakat ini perilaku yg tdk baik, sehingga kemungkinan besar
responden tdk memberikan jawaban yg sebenarnya (menutupi informasi)  solusi: di
awal hrs menjelaskan tujuan penelitian dgn benar, informed consent, menjaga privacy,
bina hub saling percaya
3. kemungkinan: pertanyaan dlm kuesioner kurang menggali informasi, solusi  membuat
kuesioner yg benar  uji validitas dan reliablilitas
4. mengukur perilaku merokok gunakan indeks standar: bukan hanya merokok atau tdk,
contoh yg sdh baku = menghitung “Brinkman Index”

1/19/22 29
 KETERBATASAN UJI CHI SQUARE

 Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat memakai data yang diskrit
dengan pendekatan distribusi kontinyu.
 Dekatnya pendekatan yang dihasilkan tergantung pada ukuran (jumlah) pada berbagai sel dari tabel
kontingensi.
 Untuk menjamin pendekatan yang memadai digunakan aturan dasar “frekuensi harapan tidak boleh
terlalu kecil” secara umum dengan ketentuan:
 Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1 (satu)
 Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5 (lima)
 Bila hal ini ditemukan dalam suatu tabel kontingensi, cara untuk menanggulanginyanya adalah dengan
menggabungkan nilai dari sel yang kecil ke sel lainnya (meng-collaps), artinya kategori dari variabel
dikurangi sehingga kategori yang nilai harapannya kecil dapat digabung ke kategori lain. Khusus untuk
tabel 2x2 hal ini tidak dapat dilakukan, maka solusinya adalah melakukan uji “
Fisher Exact atau Koreksi Yates”

1/19/22 30
*LATIHAN DIMULAI MENGGUNAKAN PRINSIP TABEL 2 X 2
(cek variabel independent yg 2 kategorik: anc, rokok, ui)

Keunggulan penggunaan tabel 2x2, bisa menghitung ukuran asosiasi

 untuk melihat kekuatan hubungan antara variabel independent
atau dependent.
Ukuran asosiasi disesuaikan dengan jenis desain penelitian

1/19/22 31
 Reminder

01/19/2022 32
LATIHAN A
Lakukan uji chi square untuk variabel independent: kontraksi uterus, sosek dan
pendidikan ibu
Variabel dependent : status BBLR
Jelaskan Interpretasi hasilnya
Catatan:
1. variabel sosek dan didik dalam bentuk 3 kategori, ikuti teorinya (tdk bisa melihat
ukuran asosiasi (tdk bisa melihat angka Risk)
2. Variabel sosek dan didik  ubah (RECODE) menjadi 2 kategori  lakukan uji
chi square dan hitung ukuran asosiasinya.

1/19/22 33
Variabel “sosek3”  status ekonomi, ada 3 kategori:
1. tinggi
2. sedang
3. rendah
 lakukan uji chisquare  sosek 3 kategori dan BBLR 2 kategori (tdk perlu klik menu “risk” pd
SPSS)
Ubah kode kategori: menu RECODE
Kode 1,2  sosek baik  kode 1
Kode 3  sosek kurang  kode 0
 lakukan uji chi square  sosek 2 kategori dan BBLR 2 kategori  nilai test chi square & nilai Risk
nya.

1/19/22 34
 PR DIKERJAKAN DAN
DIPRESENTASIKAN
JUMAT,
LATIHAN B JAM......
Variabel dependen : kejadian anemia
Lihat pada data: kadar Hb, diubah menjadi variabel baru = status_anemia
0. anemia (jika kadar Hb kurang dari.......)
1. tidak anemia (jika kadar Hb >= .........)

Variabel independen:
1. pendidikan
2. sosek
3. anc
4. perilaku merokok
5. umur (0: umur ibu hamil berisiko ..... Tahun dan 1: umur ibu hamil tidak berisiko)

 lakukan uji chi suare dan buatlah penyajian hasil seperti utk penulisan skripsi.

1/19/22 35