Analisis hubungan katagorik dengan katagorik uji kai kuadrat (chi square) Fery Mendrofa.

Presentasi berjudul: "Analisis hubungan katagorik dengan katagorik uji kai kuadrat (chi square) Fery Mendrofa."— Transcript presentasi:

1 Analisis hubungan katagorik dengan katagorik uji kai kuadrat (chi square)
Fery Mendrofa

2 pendahuluan Dalam suatu penelitian terkadang dijumpai data yang tidak dapat dinyatakan dalam bentuk angka (numerik) Dijumpainya data dari hasil menghitung jumlah pengamatan yang diklasifikasi atas beberapa kategori Misal; jenis kelamin ( L/P), Status merokok (berat, sedang, ringan )

3 Uji kai kuadart Diperlukan untuk menganalisis hub. Variabel kategorik dengan variabel kategorik Bertujuan; menguji perbedaan proporsi dua atau lebih kelompok sampel adakah hubungan jenis pekerjaan dengan perilaku menyusui ibu

4 Prinsip dasar uji kai kuadat
Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (ekspektasi) Bila nilai frekuensi observasi dan ekspektasi harapan sama  tidak ada perbedaan yang bermakna (signifikan), demikian juga sebaliknya

5 Contoh I adakah hubungan jenis pekerjaan dengan perilaku menyusui ibu
Variabel independen Jenis pekerjaan 2. Bekerja 1. Tidak bekerja Variabel dependen Perilaku menyusui 2. Ekslusive 1. Non eklusive

6 Contoh II apakah ada perbedaan kejadian hipertensi antara wanita dan pria?
Variabel independen hipertensi 1. tidak 2. ya Variabel dependen Jenis kelamin 1. pria 2. wanita

7 Contoh III apakah ada perbedaan kejadian anemi antara ibu yang kondisi soseknya tinggi, sedang dan rendah? Variabel independen anemia 1. tidak 2. ya Variabel dependen Sosial ekonomi 1. rendah 2. Sedang 3. Tinggi

8 Variabel A Variabel B Jumlah tinggi rendah Ya a b a+b tidak c d c+d a+c b+d N

9 Nilai E= total barisnya X total kolomnya
jumlah keseluruhan data Ea = (a+b) X (a+c) N

10 Keterbatasan kai kuadrat
Nilai E tidak boleh terlalu kecil, bila kecil uji KK tidak tepat digunakan Keterbatasannya; Tidak boleh ada sel yang mempunyai nilai harapan kurang dari 1 Tidak boleh ada sel yang mempunyai nilai harapan kurang dari 5 lebih dari 20 % dari jumlah keseluruhan sel Jika terjadi kategori yang berdekatan harus digabungkan untuk memperbesar frekuensi harapan ( pada tabel lebih dari 2x2)

11 Bila terjadi pada tabel 2x2 tidak bisa digabungkan dianjurkan untuk menggunakan fisher exact
Aturan uji kai kuadrat Tabel 2x2 Ada Nilai E kurang dari 5 Fisher exact Tidak ada nilai E <5 Continuiti corection Tabel lebih dari 2x2 Pearson chi square Keperluan spesifik analisis stratifikasi dan hub linear 2 variable katagorik Likelihood ratio dan linear bay linear association

12 Keputusan hipotesis? Bila P value ≤ α, Ho ditolak
Bila P value ≥ α, Ho gagal ditolak

13 ODDS RASIO (OR) DAN RISIKO RELATIF (RR)
KK hanya dapat menyimpulkan ada tidaknya perbedaan proporsi antar kelompok/ ada tidaknya hubungan 2 variabel katagorik KK tidak dapat menjelaskan derajat hubungan / kelompok mana yang memiliki resiko lebih besar dibanding kelompok lain Derajat ini sering kita sebut OR dan RR

14 RR membandingkan risiko pada kelompok terekspose dengan kelompok tidak terekspose
Digunakan pada desain kohort OR membandingkan ODDS pada kelompok terekspose dengan ODDS kelompok tidak terekspose Digunakan pada desain cross sectional

15 Penting !!!! Pemberian kode
Rendah untuk kelompok beresiko / ter ekspose Tinggi untuk kelompok tidak beresiko / Tak terkspose

16 Prosedur penggunaan SPSS
Klik SPSS Satistics Crosstab Isikan box rows untuk variabel independen Isikan box column untuk variabel dependen Klik option statistic pilihan chi square dan risk Klik continue Klik option cell ; klik counts oberved dan percentages pada row Klik OK Lihat hasilnya

17 CONTOH OLAHAN KAI KUADRAT kerja * eksklu crostabulation
Eklusif total eksklusif Non ekslusif KERJA Tak bekerja count 18 8 26 % within KERJA 69,2% 30,8% 100 % bekerja 16 24 33,3% 66,7% 100% TOTAL Count 50 52.0% 48.0%

18 CONTINUTY CORRECTION (a) 5.085 .024 LIKELIHOOD RATIO 6.585 .010
VALUE df ASYMP SIG.(2-SIDED) EXACT SIG.(1-SIDED) EXACT SIG(2-SIDED) PEARSON CHI SQUARE 6.443 (b) 1 .011 CONTINUTY CORRECTION (a) 5.085 .024 LIKELIHOOD RATIO 6.585 .010 FISHER’S EXACT TEST .022 .012 LINEAR BY LINEAR ASSOCIATION 6.314 N OF VALID CASES 50 COMPUTED ONLY 2X2 TABLE, 0 cells (.0%) have expected count less than 5. the minimum expected count is 11.52

19 Contoh olahan Risk Estimeate
value 95% confidance interval lower upper Odds Ratio for Kerja (tak bekerja/bekerja) 4.500 1.370 14.778 For cohort eksklu = ekslusive 2.077 1.116 3.865 .462 .243 .877 N of valid cases 50

20 Penyajian data olahan KK
Tabel Distribusi responden menurut Jenis pekerjaan dan Perilaku menyusui menyusui total OR 95% CI P Value Jenis pekerjaan ekslusife Non ekslusife n % N Tidak bekerja 18 69,2 8 30,8 26 100 4.50 (1,1-14,7) 0.024 bekerja 33,3 16 66,7 24 jumlah 52,0 48,0 50

21 Hasil analisis hubungan antara status pekerjaan dengan perilaku menyusui ekslusive diperoleh bahwa ada sebanyak 18 dari 26 (69,2%) ibu yang tidak bekerja menyusui bayi dengan ekslusife. Sedangkan diantara ibu yang bekerja, ada 8 dari 24 (33,3%) yang menyusui secara ekslusife. hasil uji statistik diperoleh nilai P = 0,024 maka dapat disimpulkan ada perbedaan proporsi kejadian menyusui ekslusife antara ibu tidak bekerja dengan ibu yang bekerja ( atau ada hubungan yang signifikan antara ibu tidak bekerja dan ibu yang bekerja)

22 Dari hasil analisis diperoleh nilai OR =4
Dari hasil analisis diperoleh nilai OR =4.50, artinya ibu yang tidak bekerja mempunyai peluang 4,5 kali menyusui ekslusife dibandingkan ibu yang bekerja

23 terimakasih Matur nuwun Ada pertanyaan ?