Analisis Tabel Kontingensi

1. Chi Square Test Pearsons Chi Square Test oleh Karl Pearson (1857-1936), menemukan (db) r 1

distribusi n yang besar mendekati distribusi chi square

Untuk analisis data berskala nominal/kategorikal termasuk dikotom. RUMUS : G2 =

Menggunakan tabel Kontingensi 2 x 2 Sampel Sampel I Sampel II Total Kategori A a (O11) c (O21) a + c (n01) Kategori B b (O12) d (O22) b + d (n02) Total a + b (n10) c + d (n20) N=a+b+c+d

E(a) = (a+b)(a+c)/N E(b) = (a+b)(b+d)/N E(c) = (c+d)(a+c)/N E(d) = (c+d)(b+d)/N

Syarat : Nilai E tidak boleh < 1 Tidak boleh > 20% jumlah sel yang mempunyai E < 5 (u/ tabel 2 x 2 E setiap tabel harus > 5) Apabila tidak memenuhi kedua syarat Jika masih menginginkan Uji UJI FISHER Chi Square dapat dilakukan

penggabungan kategori sesuai dg teori (u/ tabel kontingensi > 2 x 2). Jika hingga tabel 2 x 2 masih belum memenuhi syarat menggunakan EXACTs FISHER TEST. Mutlak

Chi Square Goodness of Fit Exp : N = 100 O(O) = 60 O(A) = 20 O(B) = 15 O(AB) = 5 E = 50% E = 20% E = 20% E = 10%

Apakah distribusi hasil penelitian sesuai dengan distribusi di populasi? Dengan = 0,05

G2 = (O-E)2/E G2 = {(60-50) 2/50}+{(20-20) 2/20}+{(15-20)2/20}+{(5-10)2/10}

Pada Penggunaan SPSS Untuk tabel 2 x 2 yang dibaca pada output adalah nilai signifikansi pada Continuity Correction

2. Uji Exact dari Fisher Untuk tabel kontingensi 2 x 2, dapat digunakan ketika syarat untuk uji Chi Square tidak terpenuhi. Diciptakan oleh R.A. Fisher dan J.O. Irwin Rumus :  Nilai p langsung dicocokkan dengan untuk menolak atau menerima Ho

Hitung Peluang Fisher / Probabilitas Eksak Uji satu ekor Uji dua ekor p = p (obs) + p (searah) p = p(obs) + p(searah) + p(lawan arah)

Keterangan : P(searah) jumlah semua probabilitas yg lebih kecil / ekstrim

dibandingkan dengan p(obs) pada arah terpendek. P(lawan arah) jumlah semua probabilitas yg lebih kecil / ekstrim

dibandingkan dengan p(obs) pada arah terpanjang.

P(searah) Tidak Merokok Tidak Sakit Sakit SubTotal 4 1 5 Merokok 3 7 10 SubTotal 7 8 15

= 0,093 Tidak Merokok Merokok 4 6 10 SubTotal 9 6 15

Tidak Sakit Sakit SubTotal

5 0 5

3. Uji Mc. Nemar (Paired) Untuk uji kemaknaan data berpasangan, skala data nominal (dikotom). Dilakukan tabulasi silang : Sesudah Before (+) (-) a c (+) b d (-)

Pada kolom b dan c terlihat perubahan. Syarat: a. Untuk ukuran sampel yg relatif besar (bila (b+c) 5) maka rumus menggunakan pendekatan chi-square dg df = 1 G2 = (|b c | - 1)2 b+c Hipotesis : Ho ditolak jika p < 0,05 ( ) b. Untuk ukuran sampel yang relatif kecil (bila (b+c) < 5) digunakan pendekatan ke distribusi binomial N=b+c Kemudian dicocokkan dengan tabel probabilitas binomial degan P = Q = 0,5

Pada tabel binomial jika x =1 menunjukkan p = 0,035 menunjukkan one tailed, untuk analisis two tailed nilai p dikali dua. Hipotesis : Ho ditolak jika p < 0,05 ( )

4. Uji Cochran Q Analisis data sampel yg diperoleh lebih dari dua kali pengamatan Skala data minimal nominal (dikotom),mirip dg Mc Nemar hanya pd uji ini dilakukan > 2 kali pengamatan. Pada analisis menggunakan tanda : (+) (-) = untuk variabel yg mengandung karakter yg diinginkan = untuk variabel yg mengandung karakter yg tidak diinginkan

Disusun tabulasinya. Distribusi Q mendekati distribusi chi-square dengan df = k-1

Hipotesis Ho ditolak bila Q > G2

(df)

5. Regresi Logistik Untuk analisis hubungan sebab akibat antara variabel bebas dan tergantung. Analisis regresi pasti melibatkan analisa korelasi, namun analisa korelasi belum tentu melibatkan analisis regresi. Dalam analisis regresi variabel X (bebas) sebagai penyebab dan variabel Y (tergantung) sebagai akibat. Estimasi menggunakan metode MLE (Maximum Likelihood Estimation) yang merupakan asumsi dari Bernoulli.. Pada data dengan outcome nominal dikotom, valuenya : Nilai 0 : outcome tidak terjadi. Nilai 1 : outcome terjadi

Fungsi regresi logistik dalam persamaanmatematis : 



Nilai z Z

- tak hingga dan + tak hingga kombinasi beberapa faktor risiko (variabel X) yang

adalah

menyebabkan outcome.  

Misalnya y = 1  Notasi Log Likelihood L( ), persamaannya L( ) = ln l( ) Cara ini bersifat iteratif yang untuk selanjutnya diprogram dg software.

Uji Kesesuaian Model (Fit Model Test) Beberapa uji statistik yang dapat dilakukan adalah : 1. -2 log likelihood (G2) 2. Goodness of Fit (G2) Hipotesis Statistik utk Fit Model : Ho : Model sesuai (tidak ada beda observasi dg hasil prediksi) H1 : Model tidak sesuai 3. G2 G 
   

Statistik ini untuk mengetahui 1 variabel bebas yg blm masuk model tp memiliki peranan penting dalam model. Hipotesis statistik : Ho : Model tanpa variabel bebas tertentu adalah model terbaik H1 : Model dengan variabel bebas tertentu adalah model terbaik

Pengujian Parameter Untuk menentukan variable prediktor yang signifikan dalam model atau yang berpengaruh signifikan thd variabel respon. Dapat dilakukan dg : 1. Uji Parsial Menguji setiap Ho : H1 :
1 1 1

secara individual

=0 0

Menggunakan Statistik Wald (W) mengikuti ditribusi normal. Ho ditolak bila W > G2 2. Uji Serentak (simultan) Merupakan uji model G2 untukmenguji parameter secara bersamaan. Uji statistik dg G Likelihood ratio Tolah Ho jika G > G2
(df=y)

Interpretasi Koefisien. Koefisien menggambarkan slope atau perubahan pada variabel

dependen per unit perubahan pada variabel predictor. Intepretasi meliputi : 1. Prakiraan hubungan antar variabel outcome dan predictor 2. Menentukan pengaruh tiap unit perubahan var.prediktor pada var.otcome Intepretasi koef.
1,

lihat jenis variabel prediktornya : dikotom,

politomos atau kontinyu. 1. Jenis variabelnya dikotom Intepretasi koef. parameter digunakan Odds Ratio (Psi) 2. Jenis variabelnya Politomous 3. Jenis variabelnya kontinyu

Metode Pemilihan Variabel Ada beberapa cara pemilihan variabel. 1. Pemilihan Bertujuan Metode ini, peneliti memiliki kontrol sepenuhnya terhadap variabel yg akan dimasukkan dalam model.