Professional Documents
Culture Documents
1|Page BIOSTATISTIKA
kolom-kolom.
Untuk menghitung koefisien kontingensi antara skor-skor dua himpunan
kategori, misal A1, A2, A3,..., Ak dan B1 , B2 , B3 ,..., Br. Dapat menyusun
frekuensi-frekuensinya dalam suatu tabel kontingensi, pada tabel 2.1.
Dalam tabel semacamini dapat memasukkan frekuensi yang diharapkan
untuk tiap sel (Eij) denganmenentukan frekuensi manakah akan terjadi
seandainya tidak terdapat asosiasiatau korelasi antara kedua variabel.
Semakin besar perbedaan antara harga-harga sel yang diobservasi, makin
besar pula tingkat asosiasi antara kedua variable dan dengan demikian
semakin tinggi harga C.
Nilai C sayangnya tidak mencapai nilai maksimum 1,0, terutama yang
tertinggi yang dapat dicapai dalam tabel 2 × 2 adalah 0,707. Nilai C ini
dapat mencapai nilai yang mendekati 1,0 dalam tabel kontingensi dengan
lebih banyak kategori; misalnya, dapat mencapai maksimum 0,870 dalam
tabel 4 × 4. Oleh karena itu, seharusnya tidak digunakan untuk
membandingkan asosiasi dalam tabel yang berbeda jika mereka memiliki
jumlah kategori yang berbeda.
2|Page BIOSTATISTIKA
Uji Chi-Kuadrat
Variabel Variabel Uji Statistik
independen dependen
Nominal Nominal Ukuran (2 x 2) 2 baris x 2 kolom
Nominal Ordinal Chi Square - Continuity Correction
Ordinal Nominal (Yates Test)
Ordinal Ordinal Jika ada Expected Count ≥ 5
Ukuran sampel (n) ≥ 40
Tidak ada sel yang kosong (atau
bernilai 0)
Nominal Nominal Ukuran (2 x 2) Fisher’s Exact Test
Nominal Ordinal Jika ada Expected Count < 5
Ordinal Nominal Ukuran sampel (n) ≥ 40
Ordinal Ordinal Tidak ada sel yang kosong (atau
bernilai 0)
Nominal Nominal Ukuran lebih dari (2 x 2) mis: 2 x 4;
Nominal Ordinal atau 3 x 2 dst
Ordinal Nominal Pearson Chi-Square atau Chi-Square
Ukuran sampel (n) ≥ 40
Tidak ada sel yang kosong (atau
bernilai 0)
Contoh:
3|Page BIOSTATISTIKA
Variabel Independent Asal Pembaca (1 : Kota; 2: Desa)
Variabel Dependent Jenis Artikel Surat Kabar (1. News; 2; Sport;
Hiburan; 4. Iklan)
Hipotesis :
H0 : Tidak ada hubungan antara asal pembaca dengan jenis artikel surat
kabar
H1 : Ada hubungan antara asal pembaca dengan jenis artikel surat kabar
Observasi : Ekspektasi :
O11 = 80 (223 x 127)/429 = 66,02
O12 = 65 (223 x 117)/429 = 60,82
O13 = 42 (223 x 137)/429 = 71,21
O14 = 36 (223 x 48)/429 = 24,95
O21 = 47 (206 x 127)/429 = 60,98
O22 = 52 (206 x 117)/429 = 56,18
O23 = 95 (206 x 137)/429 = 65,79
O24 = 12 (206 x 48)/429 = 23,05
-------------- -----------------------------------
Σ 429 Σ 429
2 f 0 f e 2
fe
Dimana : fo = frekuensi observasi dan fe = frekuensi ekspektasi
4|Page BIOSTATISTIKA
O13 = 42 E13 = 71,21 (42 – 71,21)2 = 853,2241 11,98
O14 = 36 E14 = 24,95 (36 – 24,95)2 = 122,1025 4,89
O21 = 47 E21 = 60,98 (47 – 60,98) = 195,4404
2 3,20
O22 = 52 E22 = 56,18 (52 – 56,18)2 = 17,4724 0,31
O23 = 95 E23 = 65,79 (80 – 66,02)2 = 853,2241 12,97
O24 = 12 E24 = 23,05 (12 – 23,05)2 = 122,1025 5,30
================================================
Jumlah 41,90
Dari hasil di atas diperoleh Nilai χ hitung = 41,90.
2
Hipotesis :
H0 : Tidak ada hubungan antara asal pembaca dengan jenis artikel surat
kabar
H1 : Ada hubungan antara asal pembaca dengan jenis artikel surat kabar
Kesimpulannya :
Ada hubungan antara asal pembaca dengan jenis artikel surat kabar
DB 𝛘2 (5%)
1 3.841
2 5.991
3 7.815
4 9.488
5 11.070
6 12.592
7 14.067
8 15.507
9 16.919
10 18.307
5|Page BIOSTATISTIKA
2 41,90
C 0,089 0,298 0,3
N
2
41,90 429
Selanjutnya nilai C dibandingkan dengan nilai Cmax.
Baris = 2 dan Kolom = 4; maka nilai minimum banyaknya Baris dan Kolom
adalah 2
Nilai m = nilai minimum banyaknya Baris dan Kolom
Nilai m = 2
m 1 2 1 1
Cmax 0,707
m 2 2
Perbandingan nilai C dan Cmax adalah :
C 0,3
0,424
Cmax 0,707
Perbandingan nilai C dan Cmax adalah : 0,424 (cukup kuat)
Kesimpulan :
Ada hubungan yang cukup kuat antara asal pembaca dengan jenis artikel
surat kabar.
6|Page BIOSTATISTIKA
Klik OK
Klik Data, pilih Weight Cases
7|Page BIOSTATISTIKA
Masukkan Asal Pembaca (ASALPEM) ke kotak Row(s) dan Jenis
Artikel Surat Kabar (ARTIKEL) ke kotak Column(s)
Klik Statistics
Centang Chi-Square, Contingency Coefficient
Klik Continue
Klik Cells, pada Percentages, centang Total
Klik Continue
Klik OK
Maka OUTPUTnya adalah sebagai berikut:
Crosstabs
Chi-Square Tests
Asymptotic
Value df Significance (2-sided)
Pearson Chi-Square 41.915a 3 .000
Likelihood Ratio 43.054 3 .000
Linear-by-Linear Association 4.140 1 .042
N of Valid Cases 429
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count
is 23.05.
8|Page BIOSTATISTIKA
Symmetric Measures
Approximate
Value Significance
Nominal by Contingency Coefficient .298 .000
Nominal
N of Valid Cases 429
Dari Chi-Square Test di atas diperoleh Nilai 𝛘2 hitung atau Pearson Chi-
Square = 41,915.
Jika dibandingkan dengan Chi-Square tabel, dengan dk = db =(b-1)(k-1)
atau Db = (2 – 1)(4 – 1) = 3. 𝛘2 tabel = 𝛘2(5%, 3) = 7,815.
Ternyata 𝛘2 hitung = 41,915 > 𝛘2(5%, 3) = 7,815, maka Hipotesis Nol ditolak.
Jika pada dilihat dari Chi-Square Test diperoleh nilai p (Asymp.Sig. (2-
sided)) = 0,000. Nilai p ini < α = 5%, maka Hipotesis Nol ditolak.
Kesimpulan:
Ada hubungan antara asal pembaca dengan jenis artikel surat kabar yang
dibaca.
Bagaimana dengan tingkat keeratan hubungannya ?
Untuk melihat tingkat keeratan hubungan digunakan ukuran koefisien
kontingensi.
Pada symmetric measures diperoleh nilai koefisien kontingensinya
sebesar 0,298.
Selanjutnya nilai Cmax dengan baris = 2 dan kolom = 4; maka nilai minimum
banyaknya baris dan kolom adalah 2.
m 1 2 1 1
Cmax 0,707
m 2 2
Perbandingan nilai C dan Cmax adalah :
C 0,298
0,421
Cmax 0,707
Perbandingan nilai C dan Cmax adalah : 0,421 berada pada rentang
“cukup kuat”
Kesimpulan adalah :
Ada hubungan yang cukup kuat antara asal pembaca dengan jenis artikel
surat kabar yang dibaca.
RANGKUMAN
1. Pearson Chi-Square (Chi-Square) jika ukuran tabel kontingensi lebih
dari 2 X 2 (misal : 2 x 4 atau 4 x 2 atau 3 x 3 atau …… dst)
2 f 0 f e 2
fe
2. Chi Square - Continuity Correction (Yates Test)
Jika ukuran tabel kontingensi hanya 2 X 2 dan Jika Expected Count ≥ 5
atau fe ≥ 5.
9|Page BIOSTATISTIKA
Rumus Chi Square - Continuity Correction (Yates Test)
Contoh :
Variabel independen Tingkat Pengetahuan Ibu
(1 : Rendah 2: Tinggi)
Variabel dependen Kejadian Ca Cervix
(1: Tidak terjadi Ca Cervix 2: Terjadi Ca Cervix)
Jika dibuat cross tabulation (tabulasi silang) maka bentuknya adalah:
Variabel “Tingkat Pengetahuan Ibu” Skala data : ORDINAL
Variabel “Kejadian Ca Cervix” Skala data : NOMINAL
Sehingga analisis hubungannya menggunakan Uji Chi-Square-Continuity
Correction
Tabel Kontingensi nya : 2 x 2
Tingkat Kejadian Ca Cervix
Pengetahuan Ibu
Tidak Terjadi (+) Terjadi (-)
Tinggi (+) O11 (+/+) O12 (+/-)
Rendah (-) O21 (-/+) O22 (-/-)
Aturan yang benar dari tabel Kontingensi : (2 x 2)
+/+ +/- atau -/- -/+
-/+ -/- +/- +/+
Contoh soalnya:
Tingkat Pengetahuan Ibu Kejadian Ca Cervix
Tidak Terjadi Terjadi
Tinggi 15 4
Rendah 3 18
Penyelesaiannya :
HIPOTESIS :
H0 : Tidak ada hubungan antara tingkat pengetahuan ibu dengan kejadian
Ca Cervix.
H1 : Ada hubungan antara tingkat pengetahuan ibu dengan kejadian Ca
Cervix.
Tingkat Kejadian Ca Cervix Jumlah
Pengetahuan Ibu Tidak Terjadi Terjadi
Tinggi 15 4 19
Rendah 3 18 21
Jumlah 18 22 40
Observasi : Ekspektasi :
O11 = 15 (19 x 18)/40 = 8,55
O12 =4 (19 x 22)/40 = 10,45
10 | P a g e BIOSTATISTIKA
O21 =3 (21 x 18)/40 = 9,45
O22 = 18 (21 x 22)/40 = 11,55
-------------- -----------------------------------
40 40
Ternyata nilai Ekspektasi (Expected count) tidak ada yang < 5 atau
semuanya ≥ 5. Karena ukuran 2 x 2, maka gunakan rumus Chi Square
Continuity Correction – Yates Test.
Rumus Yates Test:
Tingkat Kejadian Ca Cervix Jumlah
Pengetahuan Ibu Tidak Terjadi Terjadi
Tinggi 15 (A) 4 (B) 19 (A+B)
Rendah 3 (C) 18 (D) 21 (C + D)
Jumlah 18 (A + C) 22 (B + D) 40 (N)
2 2
N 40
N | AD BC | 40 | (15)(18) (4)(3) |
2 2
2
( A B)(C D)( A C )( B D) (19)(21)(18)(22)
40| 270 12 | 20 40(238 2 ) 2265760
2
14,34
158004 158004 158004
11 | P a g e BIOSTATISTIKA
Perbandingan nilai C dan Cmax adalah :
C 0,51
0,721
Cmax 0,707
Perbandingan nilai C dan Cmax adalah : 0,721 berada pada rentang “Kuat”
Kesimpulan akhir adalah :
Ada hubungan yang kuat antara tingkat pengetahuan ibu dengan kejadian
Ca Cervix. Semakin tinggi pengetahuan ibu semakin tidak terjadi Ca Cervix.
FAKTOR RESIKO
13 | P a g e BIOSTATISTIKA
Masukkan Tingkat Pengetahuan Ibu (PENGETAHUAN) ke kotak
Row(s) dan Kejadian Ca Cervix (CACERVIX) ke kotak Column(s)
Klik Statistics
Centang Chi-Square, Contingency Coefficient dan Risk
Klik Continue
Klik Cells, pada Counts, centang Expected (selain Observed)
Klik Continue
Klik OK
Maka OUTPUTnya adalah sebagai berikut:
Tingkat Pengetahuan Ibu * Kejadian Ca Cervix Crosstabulation
Kejadian Ca Cervix
Tidak Terjadi Terjadi Total
Tingkat Tinggi Count 15 4 19
Pengetahuan Ibu Expected Count 8.5 10.5 19.0
Rendah Count 3 18 21
Expected Count 9.5 11.6 21.0
Total Count 18 22 40
Expected Count 18.0 22.0 40.0
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. Exact Sig. (1-
Value df sided) (2-sided) sided)
Pearson Chi-Square 16.851a 1 .000
Continuity Correctionb 14.340 1 .000
Likelihood Ratio 18.269 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 16.430 1 .000
Association
N of Valid Cases 40
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 8.55.
b. Computed only for a 2x2 table
14 | P a g e BIOSTATISTIKA
Symmetric Measures
Approximate
Value Significance
Nominal by Contingency Coefficient .544 .000
Nominal
N of Valid Cases 40
Risk Estimate
95% Confidence
Interval
Value Lower Upper
Odds Ratio for Tingkat 22.500 4.337 116.726
Pengetahuan Ibu (Tinggi
/ Rendah)
For cohort Kejadian Ca 5.526 1.890 16.161
Cervix = Tidak Terjadi
For cohort Kejadian Ca .246 .101 .597
Cervix = Terjadi
N of Valid Cases 40
Dari table tabulasi tingkat pengetahuan ibu dan kejadian Ca Cervix, tidak
terdapat nilai expected count (hitungan ekspektasi) yang kurang dari 5,
sehingga uji chi-square yang digunakan adalah Uji Koreksi Yates
(Continuity Correction).
HIPOTESIS :
H0 : Tidak ada hubungan antara tingkat pengetahuan ibu dengan kejadian
Ca Cervix
H1 : Ada hubungan antara tingkat pengetahuan ibu dengan kejadian Ca
Cervix
Dari hasil di atas pada Continuity Correction diperoleh Nilai 𝛘2 hitung =
14,34.
Jika dibandingkan dengan Chi-Square tabel, dengan dk = db =(b-1)(k-1)
atau Db = (2 – 1)(2 – 1) = 1, 𝛘2 tabel = 𝛘2(5%, 1) = 3,841
Ternyata 𝛘2 hitung = 14,34 > 𝛘2(5%, 1) = 3,841, jadi Hipotesis Nol ditolak.
Jika dilihat nilai p (Asymptotic Significance (2-sided))pada Continuity
Correction diperoleh nilai p = 0,000. Nilai p ini < α = 5%, maka Tolak H0
Kesimpulan:
Ada hubungan antara tingkat pengetahuan ibu dengan kejadian Ca Cervix.
Bagaimana dengan tingkat keeratan hubungannya ?
Untuk melihat tingkat keeratan hubungan digunakan ukuran koefisien
kontingensi.
Dari symmetric measures diperoleh koefisien kontingensi = 0,544
Selanjutnya nilai C dibandingkan dengan nilai Cmax, dengan baris = 2 dan
kolom = 2; maka nilai minimum banyaknya baris dan kolom adalah 2.
Nilai m = 2
m 1 2 1 1
Cmax 0,707
m 2 2
Perbandingan nilai C dan Cmax adalah :
15 | P a g e BIOSTATISTIKA
C 0,544
0,769
Cmax 0,707
Perbandingan nilai C dan Cmax adalah : 0,769 berada pada rentang “Kuat”
Kesimpulan akhir adalah :
Ada hubungan yang kuat antara tingkat pengetahuan ibu dengan kejadian
Ca Cervix. Semakin tinggi pengetahuan ibu semakin tidak terjadi Ca Cervix.
Faktor Resiko:
Dari Risk Estimate diperoleh Odd Ratio Pengetahuan Ibu (Tinggi/Rendah)
= 22,50. Dengan demikian tingkat pengetahuan ibu yang tinggi
memungkinkan tidak akan terjadi Ca Cervik 22,5 kalinya dibanding
tingkat pengetahuan ibu yang rendah.
Soal Latihan :
JENIS TERAPI TINGKAT KESEMBUHAN
Sembuh Tidak Sembuh
TERAPI 9 2
TIDAK TERAPI 3 7
Apakah ada hubungan antara terapi dengan tingkat kesembuhan?
HIPOTESIS :
H0 : Tidak ada hubungan antara terapi dengan tingkat kesembuhan
H0 : Ada hubungan antara terapi dengan tingkat kesembuhan
Observasi : Ekspektasi :
O11 =9 (11 x 12)/21 = 6,29
O12 =2 (11 x 9)/21 = 4,71
O21 =3 (10 x 12)/21 = 5,71
O22 =7 (10 x 9)/21 = 4,29
-------------- -----------------------------------
16 | P a g e BIOSTATISTIKA
∑21 ∑21
Ternyata nilai Ekspektasi (Expected count) ada yang nilai < 5 yaitu pada
sel 1.2 (nilai 4,71) dan sel 2.2 (nilai 4,29). Karena ukuran 2 x 2 dan ada
nilai ekspektasi (expected count) ada nilai yang < 5, maka digunakan
rumus Chi Square Fisher Exact Test.
Rumus Uji Fisher’s Exact :
Langkah 1 :
JENIS TERAPI TINGKAT KESEMBUHAN
Jumlah
Sembuh Tidak Sembuh
TERAPI 9 (A) 2 (B) 11 (A+B)
TIDAK TERAPI 3 (C) 7 (D) 10 (C+D)
Jumlah 12 (A+C) 9 (B+D) 21 (N)
17 | P a g e BIOSTATISTIKA
Langkah 2 :
JENIS TERAPI TINGKAT KESEMBUHAN
Jumlah
Sembuh Tidak Sembuh
TERAPI 10 (A) 1 (B) 11 (A+B)
TIDAK TERAPI 2 (C) 8 (D) 10 (C+D)
Jumlah 12 (A+C) 9 (B+D) 21 (N)
Langkah 3 :
JENIS TERAPI TINGKAT KESEMBUHAN
Jumlah
Sembuh Tidak Sembuh
TERAPI 11 (A) 0 (B) 11 (A+B)
TIDAK TERAPI 1(C) 9 (D) 10 (C+D)
Jumlah 12 (A+C) 9 (B+D) 21 (N)
18 | P a g e BIOSTATISTIKA
Nilai P = P0 + P1 + P2 = 0,0224543258 + 0,001684074 + 0,0000340217 =
≈ 0,024172422 ≈ 0,024.
Dari SPSS Nilai P = (Exact Sig. (1-sided)) = 0,024
HIPOTESIS :
H0 : Tidak ada hubungan antara terapi dengan tingkat kesembuhan
H1 : Ada hubungan antara terapi dengan tingkat kesembuhan
Ternyata nilai p = 0,030 < 0,05 (0,050), maka Tolak H0.
Kesimpulan : Ada hubungan antara terapi dengan tingkat kesembuhan
19 | P a g e BIOSTATISTIKA
Atau jika diaktifkan View, Label tampilan sebagai berikut:
20 | P a g e BIOSTATISTIKA
Klik Continue dan klik OK
Diperoleh OUTPUT sebagai berikut:
Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. Exact Sig. (1-
Value df sided) (2-sided) sided)
Pearson Chi-Square 5.743a 1 .017
Continuity Correctionb 3.822 1 .051
Likelihood Ratio 6.034 1 .014
Fisher's Exact Test .030 .024
Linear-by-Linear 5.470 1 .019
Association
N of Valid Cases 21
21 | P a g e BIOSTATISTIKA
HIPOTESIS :
H0 : Tidak ada hubungan antara terapi dengan tingkat kesembuhan
H1 : Ada hubungan antara terapi dengan tingkat kesembuhan
Pada Fisher’s Exact Test diperoleh nilai p (Exact Sig.(1-sided)) = 0,024, nilai
p ini < 0,05 (0,050), maka Tolak H0.
Kesimpulan : Ada hubungan antara terapi dengan tingkat kesembuhan
Symmetric Measures
Approximate
Value Significance
Nominal by Contingency .463 .017
Nominal Coefficient
N of Valid Cases 21
22 | P a g e BIOSTATISTIKA
KEPUSTAKAAN
Agung, I.G.N. 2006. Statistika: Penerapan Model Rerata Sel Multivariat dan Model
Ekonometri dengan SPSS. Jakarta: Yayasan Sad Satria Bhakti.
Antara, N.S. 2012. Pengolahan dan Analisis Data. Universitas Udayana, Bali.
Dahlan, Sopiyuddin. 2014. Statistik untuk Kedokteran dan Kesehatan. Jakarta,
Salemba Medika.
Gall, M.D, Joyce P. Gall, Walter R. Borg. 2007. Educational Research: An
Introduction, Eighth Edition. New York: Pearson.
Irianto, Agus, 2007, Statistik, Konsep Dasar dan Aplikasinya. Jakarta : Kencana
Kuzma. J. W., (1984). Basic statistical for health sciences. California Mayfield
Publishing Company
Moore, D, S., (2000). The Basic practice of statistics. New York: W.H. Freeman and
Company.
Pagano M., Gouvreau K, 1992, Principles of Biostatistics. Duxbury Press, California.
Pagano, M., Gauvreau,K., and Mattie, H., 2022. Principles of Biostatistics 3rd
Edition, Chapman and Hall.
Sabri, L & Hastono, S.P.,(2007). Statistik Kesehatan. Jakarta: PT Raja Grafindo
Persada.
Salkind, N.J. (2000). Statistics for people who hate statistics. USA: Sage
Publications
Stern, R., Coe, R., Allan, E., and Dale, I., 2004. Good Statistic Practice for Natural
Resources Research, London UK: CABI Publishing.
Sudjana, 2000. Metode Statistika. Bandung: Tarsito.
Supranto,J. 2004. Analisis Multivariat Arti dan Interpretasi. Jakarta : Rineka Cipta
Weiss, Neil A, 2004. Elementary Statistics, 6 ed. Boston: PWS Kent.
23 | P a g e BIOSTATISTIKA