Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

1. Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT 2.

Presentasi serupa


Presentasi berjudul: "1. Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT 2."— Transcript presentasi:

1 1

2 Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT 2

3  Apakah ada perbedaan proporsi hipertensi pada populasi perokok dan populasi bukan perokok  Apakah ada perbedaan proporsi anemia pada ibu dengan sosek ekonomi tinggi, sedang, dan rendah  Disusun dalam suatu tabel (tabel kontingensi) 3

4  Secara spesifik uji chi square dapat digunakan untuk menentukan/menguji: ◦ Ada tidaknya hubungan/asosiasi antara 2 variabel (test of independency) ◦ Apakah suatu kelompok homogen dengan sub kelompok lain (test of homogenity) ◦ Apakah ada kesesuaian antara pengamatan dengan parameter tertentu yang dispesifikasikan (Goodness of fit) 4

5  Jenis data kategori  Sampel independen  Distribusi tidak normal/tidak diketahui distribusinya (free distribution) 5

6  Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (ekspektasi)  Pembuktian dengan uji chi square menggunakan formula: Pearson Chi Square: 6 dengan df = (b-1)(k-1) fo= nilai observasi (pengamatan) fe = nilai ekspektasi (harapan) b = jumlah baris k = jumlah kolom χ 2 =

7  Pertanyaan: Apakah kebiasaan merokok berhubungan dengan BBLR? 7 Merokok BBLR Total TidakYa Tidak8629115 Ya443074 Total13059N = 189

8  Hipotesis nol (Ho): ◦ Proporsi BBLR pada ibu perokok sama dengan proporsi BBLR pada ibu yang bukan perokok ◦ ATAU tidak ada hubungan merokok dengan kejadian BBLR  Hipotesis alternatif (Ha): ◦ Proporsi BBLR pada ibu perokok berbeda proporsi BBLR pada ibu yang bukan perokok ◦ ATAU ada hubungan merokok dengan kejadian BBLR 8

9  Formula: χ 2 = Metode: 1. Hitung nilai/frekuensi ekspektasi dari masing- masing sel. 2. Lengkapi tabel perhitungan untuk memperoleh χ 2 (hitung) 9

10  E =  Perkalian antara marginal kolom dan marginal baris masing-masing sel dan dibagi N.  (130*115)/189 = 79,10  (59*115)/189 = 35,90  (130*74)/189 = 50,90  (59*74)/189 = 23,10 10

11 11 Mero kok BBLR (Observe) Total BBLR (Expected) TidakYaTidakYa Tidak8629115 (130*115)/ 189 = 79,10 (59*115)/ 189 = 35,90 Ya443074 (130*74)/1 89 = 50,90 (59*74)/1 89 = 23,10 Total13059N = 18913059

12 OEO-E(O-E) 2 (O-E) 2 /E 8679,10 6.947.610.60 2935,90 -6.947.611.33 4450,90 -6.947.610.94 3023,10 6.947.612.06 Total 189 0 χ 2 = 4,92 12

13  Uji statistik tidak berada pada daerah kritis  Ho ditolak  Ada hubungan yang signifikan antara kebiasaan merokok dengan BBLR. 13 χ 2 (hitung) = 4,92 > χ 2 (tabel) = 3,841 3,841

14 14 Alpha = 0,05 df = (b-1)(k-1) = 1 χ 2 (tabel) = 3,841

15  Pearson Chi Square/Likehood Untuk tabel > 2x2 (misal 3x2 atau 3x3) dengan memperhatikan persyaratan: ◦ Tidak ada frekuensi harapan kurang dari 1 (E<1) ◦ Nilai frekuensi harapan < 5 maksimal 20% ◦ Apabila kedua persyaratan di atas tidak dipenuhi, maka penggabungan kategori perlu dilakukan agar diperoleh nilai harapan yang berharga besar  Yates Correction: Untuk tabel 2x2 bila tidak ada nilai E < 5, maka dipakai Continuity Correction  Fisher Exact Test Untuk tabel 2x2 bila terdapat nilai E < 5 maka digunakan Uji Fisher Exact 15

16  Kasus Suatu penelitian ingin mengetahui hubungan antara perilaku merokok (merokok dan tidak merokok) dengan status fertilitas seorang pria (subur dan tidak subur). 16

17 17

18 18 Variabel perilaku merokok digunakan sebagai variabel independen, pindahkan ke kotak “Row(s):” Variabel status fertilitas digunakan sebagai variabel dependen, pindahkan ke kotak “Kolom(s)”.

19 19

20 20

21 21

22 22 Dapat diinterpretasikan bahwa ada sebanyak 35 dari 50 (70,00%) laki- laki tidak merokok memiliki status fertilitas subur. Sedangkan diantara laki-laki yang merokok, ada 20 dari 50 (40,00%) yang memiliki status fertilitas subur

23 23 Hasil ini menunjukkan bahwa: “tidak ada sel yang memiliki nilai E < 5 dan nilai ekspektasi minimum adalah 22,50”.

24  Uji chi quare hanya membuktikan bahwa ada hubungan (P-value)  Tidak menggambarkan kekuatan hubungan.  Untuk menggambarkan hubungan digunakan ukuran OR dan RR 24

25  RR (Relative Risk) =  OR (Odds Ratio) = AD / BC 25 A/(A+B) --------- C/(C+D)

26 26

27 27 Risk Estimate Value 95% Confidence Interval LowerUpper Odds Ratio for perilaku merokok (tidak merokok / merokok) 3.5001.5298.012 For cohort Status fertilitas = subur 1.7501.1912.572 For cohort Status fertilitas = tidak subur.500.309.808 N of Valid Cases100 OR = 3,500 (95% CI:1,529-8,012). Pria yang merokok mempunyai peluang 3,5 kali untuk tidak subur dibandingkan pria yang tidak merokok RR = 1,750 (95% CI:1,191- 2,572).

28  Contoh: Ingin diketahui apakah ada hubungan antara tingkat pendidikan ibu dengan pemanfaatan pelayanan ANC 28

29 29 Pendidikan Ibu * Pelayanan ANC Crosstabulation Pelayanan ANC Total Adekuat Tidak adekuat Pendidikan IbuPendidikan menengah Count46615481 % within Pendidikan Ibu 96.9%3.1%100.0% Pendidikan dasarCount11721711343 % within Pendidikan Ibu 87.3%12.7%100.0% Tidak sekolahCount15042192 % within Pendidikan Ibu 78.1%21.9%100.0% TotalCount17882282016 % within Pendidikan Ibu 88.7%11.3%100.0%

30 Chi-Square Tests Valuedf Asymp. Sig. (2- sided) Pearson Chi-Square56.253 a 2.000 Likelihood Ratio63.6612.000 Linear-by-Linear Association56.2041.000 N of Valid Cases2016 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 21.71. 30 Ho ditolak atau ada hubungan “pendidikan ibu” dengan “anc”.

31  Pada tabel > 2 x 2, tidak bisa ditampilkan nilai OR  Tiga cara: ◦ Harus dibuat dummy variabel tabel dahulu, kemudian dilakukan Crosstabs ◦ Lakukan analisis regresi logistik sederhana 31

32 32 Pendidikan Ibu * Pelayanan ANC Crosstabulation Pelayanan ANC Total Adekuat Tidak adekuat Pendidikan IbuPendidikan menengah Count46615481 % within Pendidikan Ibu 96.9%3.1%100.0% Pendidikan dasarCount11721711343 % within Pendidikan Ibu 87.3%12.7%100.0% Tidak sekolahCount15042192 % within Pendidikan Ibu 78.1%21.9%100.0% TotalCount17882282016 % within Pendidikan Ibu 88.7%11.3%100.0%

33  Untuk membuat dummy variabel dari pendidikan (0.Pendidikan menengah, 1. Pendidikan dasar & 2. Tidak sekolah), ditetapkan kelompok mana yang akan dijadikan sebagai pembanding  Sebagai kelompok pembanding kita tetapkan Tidak sekolah.  Melakukan transformasi data dengan menu RECODE: ◦ Pendidikan_1 (0=Tidak sekolah, 1=Pendidikan menengah) ◦ Pendidikan_2 (0=Tidak sekolah, 1=Pendidikan dasar) 33

34 Risk Estimate Value 95% Confidence Interval LowerUpper Odds Ratio for Pendidikan_1 (Tidak sekolah / Pendidikan menengah).115.062.213 For cohort Pelayanan ANC = Adekuat.806.747.871 For cohort Pelayanan ANC = Tidak adekuat 7.0153.98612.346 N of Valid Cases673 Chi-Square Tests Valuedf Asymp. Sig. (2-sided) Exact Sig. (2- sided) Exact Sig. (1- sided) Pearson Chi-Square62.274 a 1.000 Continuity Correction b 59.8781.000 Likelihood Ratio55.1761.000 Fisher's Exact Test.000 Linear-by-Linear Association 62.1821.000 N of Valid Cases673 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.26. b. Computed only for a 2x2 table 34

35 Chi-Square Tests Valuedf Asymp. Sig. (2- sided) Exact Sig. (2- sided) Exact Sig. (1- sided) Pearson Chi-Square11.749 a 1.001 Continuity Correction b 10.9961.001 Likelihood Ratio10.4961.001 Fisher's Exact Test.001 Linear-by-Linear Association 11.7411.001 N of Valid Cases1535 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 26.64. b. Computed only for a 2x2 table Risk Estimate Value 95% Confidence Interval LowerUpper Odds Ratio for Pendidikan_2 (Tidak sekolah / Pendidikan dasar).521.357.760 For cohort Pelayanan ANC = Adekuat.895.828.967 For cohort Pelayanan ANC = Tidak adekuat 1.7181.2702.323 N of Valid Cases1535 35

36 Variables in the Equation BS.E.WalddfSig.Exp(B) 95% C.I.for EXP(B) LowerUpper Step 1 a Pendidikan_Ibu47.1342.000 Pendidikan_Ibu(1)-2.163.31547.1281.000.115.062.213 Pendidikan_Ibu(2)-.652.19311.4291.001.521.357.760 Constant-1.273.17553.1711.000.280 a. Variable(s) entered on step 1: Pendidikan_Ibu. Dari Nilai OR atau (Exp(B) dapat disimpulkan bahwa ibu yang berpendidikan menengah(1) mempunyai kecenderungan untuk melakukan ANC adekuat sebesar 0,115 kali lebih besar dibandingkan dengan ibu yang tidak sekolah (p-value=0,000). Sedangkan ibu yang berpendidikan dasar(2) mempunyai kecenderungan untuk melakukan ANC adekuat sebesar 0,521 kali lebih besar dibandingkan dengan ibu yang tidak sekolah (p-value=0.001). 36

37  Jan W. Kuzma, 1984, Basic Statistics for the Health Sciences, California: Meyfield Publishing Company.  Pagano, M.,& Gauvreau, K., 1993. Principles of Biostatistics. California: Wadsworth Publishing Company.  Hastono, S.P., 2001. Modul Analisis Data. FKM UI.  Dahlan, Sopiyudin. 2008. Statistik untuk Kedokteran dan Kesehatan. Seri Evidence Based Medicine 2 Edisi 3. Jakarta: Penerbit Salemba Medika. 37


Download ppt "1. Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT 2."

Presentasi serupa


Iklan oleh Google