Professional Documents
Culture Documents
Kegunaan untuk menentukan jenis analisis yang akan digunakan (parametrik atau non
parametrik)
Cases
Valid Missing Total
N Percent N Percent N Percent
Skor Konsentrasi Pretest 69 100.0% 0 .0% 69 100.0%
Descriptives
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 2
Pengambilan keputusan :
p ≤ (=0,05) Ho ditolak
p > (=0,05) Ho diterima
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Skor Konsentrasi Pretest .081 69 .200* .961 69 .030
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Visualisasi :
Q-Q Plot sebaran data ada disekeliling garis (nilai-z) Detrended Normal Q-Q plot sebaran data ada disekeliling
garis (nilai-z)
Normal Q-Q Plot of Skor Konsentrasi Pretest Detrended Normal Q-Q Plot of Skor Konsentrasi Pretest
4
0.2
E x p e c te d N o rm a l
D e v fro m N o rm a l
2 0.0
-0.2
0
-0.4
-2
-0.6
-4
-0.8
0 30 60 90 120 150
0 30 60 90 120 150
Observed Value
Observed Value
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 3
150
Boxplot
120
90
Median
60
30
48
STATISTIK PARAMETRIK
Berhubungan dengan inferensi statistik (pengambilan keputusan atas masalah tertentu) yang
membahas parameter-parameter populasi, seperti rata-rata, populasi dsb.
Skala data yang digunakan Interval dan Rasio
Jenis data yang digunakan Numerik dan Kategori
Distribusi data (populasi) adalah normal
Jumlah sampel cukup besar (n>30)
Contoh soal :
Penelitian terdahulu menyatakan bahwa ukuran Lila WUS di Kota Cimahi = 23,5 cm, diambil 50
sampel WUS dan diukur Lila nya. Apakah ada perbedaan ukuran Lila antara sampel dengan
penelitian sebelumnya ?
Hipoteis
Ho : Tidak ada perbedaan ukuran Lila WUS antara sampel dengan populasi
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 4
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
lila 50 24.9680 1.34308 .18994
Hasil diatas menunjukkan analisis terhadap 50 sampel dengan ukuran Lila rata-rata 24,96 cm,
Standar deviasi (Sd) 1,34308 dan Standar Error (SE) 0,18994
One-Sample Test
Hasil analisis didapatkan nilai probabilitas (sig)=0,000 bandingkan dengan nilai (0,05).
Keputusan :
Nilai p (sig)=0,000 < (0,05) Ho ditolak
Kesimpulan Ada perbedaan ukuran Lila WUS antara sampel dengan populasi
(sampel=24,96, populasi = 23,5) dengan perbedaan rata-rata (mean difference)
sebesar 1,468 cm (CI-95% : 1,0863-1,8497)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 5
Contoh soal :
Suatu penelitian ingin mengetahui hubungan antara kebiasaan merokok dengan berat
badan bayi lahir. (Kategori : Merokok dan Tidak merokok, Numerik kontinyu : bb bayi lahir)
Suatu penelitian ingin mengetahui hubungan antara riwayat hipertensi dengan berat
badan bayi lahir. (Kategori : Hipertensi dan hipertensi, Numerik kontinyu : bb bayi lahir)
1. Lakukan Levene test untuk melihat apakah nilai varians ke 2 kelompok tersebut sama atau
berbeda
2. Lakukan uji t-independen untuk melihat apakah ada perbedaan nilai means diantara 2
kelompok yang berbeda tersebut
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 6
Group Statistics
Std. Error
Apakah ibu merokok N Mean Std. Deviation Mean
BB lahir anak terakhir Tidak 115 3054.957 752.4090 70.1625
Ya 74 2773.243 660.0752 76.7322
Hasil analisis diatas memperlihatkan ada 115 ibu tidak merokok dengan bb bayi rata-rata
3054,957 gram (Sd=752,4090) dan 74 ibu merokok dengan bb bayi rata-rata 2773,243 gram
(Sd=660,0752)
Ho : Tidak ada perbedaan varians bb bayi antara kelompok merokok dan tidak merokok
Ha : Ada perbedaan varians bb bayi antara kelompok merokok dan tidak merokok
Oleh karena hasilnya menunjukkan varians sama, maka nilai p (sig (2-tailed))=0,009 digunakan
untuk uji hipotesis nilai bb bayi pada kelompok merokok dan tidak merokok,
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 7
Ho : Tidak ada perbedaan bb bayi antara kelompok merokok dan tidak merokok
Ha : Ada perbedaan bb bayi antara kelompok merokok dan tidak merokok
Keputusan :
Nilai p (sig)=0,009 < (0,05) Ho ditolak, artinya ada perbedaan bb bayi antara kelompok
merokok dan tidak merokok dengan perbedaan bb bayi sebesar 281,7133 gram
Ada hubungan kebiasaan merokok dengan berat badan bayi lahir (p<0,05)
CATATAN :
Bila salah dalam pengambilan keputusan pada uji homogenitas varians (Levene test), dapat
mengakibatkan kesalahan dalam penggunaan nilai sig.(2-tailed). Contoh hasil analisis berikut
memperlihatkan hasil nilai sig.(2-tailed) yang berbeda antara varians sama dan varians berbeda
Contoh soal :
Suatu penelitian ingin mengetahui efektifitas tablet tambah darah, dengan teknik random
sampling didapatkan 30 sampel ibu. Pada awal penelitian diukur kadar Hb masing-masing
sampel, kemudian diberikan tablet tambah darah selama seminggu. Pada akhir penelitian
diukur kembali kadar Hb. Apakah efektif pemberian tablet tambah darah untuk
meningkatkan kadar Hb ibu ?.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 8
Std. Error
Mean N Std. Deviation Mean
Pair sebelum 12.2600 30 1.31217 .23957
1 setelah 14.0633 30 .89884 .16411
Hasil analisis diatas memperlihatkan ada 30 ibu dengan kadar Hb rata-rata (sebelum
intervensi) 12,26 (Sd=1,312) dan kadar Hb rata-rata (setelah intervensi) 14,06 (Sd=0,898)
Hipotesis
Ho : Tidak ada perbedaan kadar Hb sebelum dan setelah pemberian tablet tambah darah
Ha : Ada perbedaan kadar Hb sebelum dan setelah pemberian tablet tambah darah
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 sebelum - setelah -1.80333 1.17956 .21536 -2.24379 -1.36288 -8.374 29 .000
Keputusan :
Nilai p (sig)=0,000 < (0,05) Ho ditolak, artinya ada perbedaan kadar Hb sebelum dan
setelah intervensi tablet tambah darah dengan peningkatan kadar Hb sebesar 1,803
(sd=1,179)
Intervensi pemberian tablet tambah darah berdampak positif pada peningkatan kadar Hb
(p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 9
1. Lakukan uji F untuk mengetahui apakah ada perbedaan peningkatan berat badan diantara
6 jenis suplemen tersebut ? (paling sedikit ada sepasang suplemen yang berbeda)
2. Jika ada perbedaan, lanjutkan uji menggunakan post hoc test dengan ketentuan :
a. Bila jumlah sampel masing-masing kelompok sama, gunakan uji Tukey atau Duncan
b. Bila jumlah sampel masing-masing kelompok tidak sama, gunakan ujiBonferoni
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 10
weight gain
Sum of
Squares df Mean Square F Sig.
Between Groups 3194.264 5 638.853 53.203 .000
Within Groups 1777.165 148 12.008
Total 4971.429 153
Keputusan :
Nilai p (sig)=0,000 < (0,05) Ho ditolak, Ada perbedaan peningkatan bb diantara 6 jenis
suplemen (p<0,05)
Dengan adanya perbedaan peningkatan bb diantara 6 jenis suplemen, maka dianalisis
untuk mengetahui pada pasangan jenis suplemen mana saja yang berbeda dengan
menggunakan Bonferroni (jumlah sampel pada masing-masing jenis suplemen berbeda).
Mean
Difference 95% Confidence Interval
(I) food supplement (J) food supplement (I-J) Std. Error Sig. Lower Bound Upper Bound
supplement A supplement B -3.440* 1.013 .013 -6.46 -.42
supplement C 3.864* 1.045 .005 .75 6.98
supplement D 3.593* .995 .006 .62 6.56
supplement E 10.867* .973 .000 7.96 13.77
supplement F 5.357* .987 .000 2.41 8.30
supplement B supplement A 3.440* 1.013 .013 .42 6.46
supplement C 7.304* 1.013 .000 4.28 10.33
supplement D 7.033* .962 .000 4.16 9.90
supplement E 14.307* .938 .000 11.51 17.11
supplement F 8.797* .954 .000 5.95 11.64
supplement C supplement A -3.864* 1.045 .005 -6.98 -.75
supplement B -7.304* 1.013 .000 -10.33 -4.28
supplement D -.271 .995 1.000 -3.24 2.70
supplement E 7.003* .973 .000 4.10 9.91
supplement F 1.494 .987 1.000 -1.45 4.44
supplement D supplement A -3.593* .995 .006 -6.56 -.62
supplement B -7.033* .962 .000 -9.90 -4.16
supplement C .271 .995 1.000 -2.70 3.24
supplement E 7.274* .919 .000 4.53 10.02
supplement F 1.765 .935 .915 -1.02 4.55
supplement E supplement A -10.867* .973 .000 -13.77 -7.96
supplement B -14.307* .938 .000 -17.11 -11.51
supplement C -7.003* .973 .000 -9.91 -4.10
supplement D -7.274* .919 .000 -10.02 -4.53
supplement F -5.510* .911 .000 -8.23 -2.79
supplement F supplement A -5.357* .987 .000 -8.30 -2.41
supplement B -8.797* .954 .000 -11.64 -5.95
supplement C -1.494 .987 1.000 -4.44 1.45
supplement D -1.765 .935 .915 -4.55 1.02
supplement E 5.510* .911 .000 2.79 8.23
*. The mean difference is significant at the .05 level.
Kesimpulan :
Hasil uji lanjut untuk melihat perbedaan peningkatan bb diantara 6 jenis suplemen tersebut memperlihatkan hampir
semua ada perbedaan dengan nilai p (Sig) < 0,05, kecuali pada suplemen C-D (p=1,0), C-F (p=1,0), D-F (p=0,915).
Perbedaan peningkatan means bb terbesar terlihat pada jenis suplemen jenis B-E sebesar 14,307
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 11
Tahap penyelesaian :
1. Buat scatter plot
2. Hitung koefisien korelasi (r) Pearson
3. Uji hipotesis nilai – r
4. Jika nilai r bermakna, hitung koefisien regressi Y = a + b.x
5. Uji hipotesis koefisien regressi
6. Buat persamaan garis regressi
Prosedur Analisis :
1. Buat Scatter Plot : Graphs Scatter/Dot Simple Scatter Define
250
200
negative)
0
20 40 60 80 100
Percentage Immunized
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 12
Percentage Mortality/1000
Immunized live births
Percentage Immunized Pearson Correlation 1 -.829** Nilai - r
Sig. (2-tailed) .000 Uji nilai-r
N 20 20
Mortality/1000 live births Pearson Correlation -.829** 1
Sig. (2-tailed) .000
N 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
Hasil analisis menunjukkan nilai r = -0,829, hal ini menunjukkan adanya keeratan hubungan antara
cakupan imunisasi dengan angka kematian balita (r > 0,75) Keeratannya sangat baik/sempurna
Tanda negative pada nilai r menunjukkan bahwa pola hubungannya Linier negative, artinya semakin
meningkat cakupan imunisasi disertai semakin menurunnya angka kematian balita.
Nilai Sig.(2-tailed) menunjukkan uji-t untuk nilai-r. Hasilnya Sig.(2-tailed)=0,000. Artinya ada
hubungan antara 2 variabel tersebut (Cak Imm & AKABA)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 13
Analyze RegressionLinear
Model Summaryb
R=0,829 Nilai ini menunjukkan adanya keeratan hubungan antara cakupan imunisasi
dengan AKABA (Hubungannya sangat erat/sempurna)
R Square Nilai ini menunjukkan bahwa variable cakupan imunisasi dapat menerangkan
variabilitas sebesar 68,7% pada variable AKABA, sedangkan sisanya (31,3%)
diterangkan oleh variable lain.
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 61392.214 1 61392.214 39.575 .000a
Residual 27922.986 18 1551.277
Total 89315.200 19
a. Predictors: (Constant), Percentage Immunized
b. Dependent Variable: Mortality/1000 live births
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 14
Sig.=0,000 menunjukkan nilai p=0,000 < ().0,05, artinya ada hubungan linier antara cakupan imunisasi
dengan AKABA
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 278.260 35.456 7.848 .000
Percentage Immunized -2.832 .450 -.829 -6.291 .000
a. Dependent Variable: Mortality/1000 live births
(Constant) = Sig.=0,000 menunjukkan nilai p=0,000 < ().0,05, artinya koefisien regresi nilai- a
(intercept) significant
Percentage Immunized = Sig.=0,000 menunjukkan nilai p=0,000 < ().0,05, artinya koefisien
regresi Percentage Immunized significant.
Artinya angka kematian balita dapat diprediksi dengan angka cakupan imunisasi
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 15
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 16
1. Uji Median
Contoh soal :
Sebuah penelitian ingin mempelajari respons eliminasi obat phenylbutazone pada penderita
penyakit hati (Cirhosis Hepatis). Dua kelompok sampel diteliti; sampel normal (sehat) dan sampel
penderita CH. Apakah ada perbedaan waktu konsentrasi plasma tertinggi antara sampel normal
dan penderita CH ?
Frequencies
kat
Normal CH
kon_plas > Median 12 2
<= Median 8 6
Test Statisticsa
kon_plas
N 28
Median 20.8000
Exact Sig. .209
a. Grouping Variable: kat
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 17
Ranks
Test Statisticsb
waktu
Mann-Whitney U 16.500
Wilcoxon W 82.500
Z -2.509
Asymp. Sig. (2-tailed) .012
Exact Sig. [2*(1-tailed a
.010
Sig.)]
a. Not corrected for ties.
b. Grouping Variable: rs
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 18
3. Mc. Nemar
Contoh soal :
Suatu penelitian untuk melihat hubungan antara kebiasaan minum kopi dan infark miokard
dengan desain penelitian kasus kontrol. Lakukan uji kemaknaan pada =0,01.
McNemar Test
Crosstabs
Test Statisticsb
Kasus & Kontrol Kasus &
Kontrol
Kontrol N 100
Kasus 0 1 Exact Sig. (2-tailed) .424a
0 35 15 a. Binomial distribution used.
1 10 40 b. McNemar Test
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 19
4. Wilcoxon
Contoh soal :
Sampel terdiri dari 10 pasien mendapat catopril dengan dosis 6,25 mg. Pasien diukur TD sistolik
sebelum dan 70 menit setelah pemberian obat. Penelitian ini ingin mengetahui apakah
pengobatan tersebut efektif untuk menurunkan TD pasien (=0,05) ?
Ranks
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 20
5. Cohran-Q
Contoh soal :
Empat kelompok masing-masing terdiri dari 6 orang mengikuti program diet, setiap kelompok
mendapatkan 1 macam diet yang berbeda dengan kelompok lain. Pada akhir penelitian ditimbang
bb nya dan dicatat, bila tidak ada peningkatan bb diberi nilai 1 dan bila ada peningkatan diberi
nilai 0. Apakah ada perbedaan efektifitas antara keempat macam diet tersebut (=0,05) ?
Cochran Test
Frequencies Test Statistics
Value N 6
0 1 Cochran's Q 9.316a
diet_a 0 6 df 3
diet_b 1 5 Asymp. Sig. .025
diet_c 5 1 a. 1 is treated as a success.
diet_d 3 3
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 21
6. Friedman
Contoh soal :
Data 10 orang mahasiswa dicuplik secara random untuk evaluasi pengajaran dengan tujuan
perbaikan sistem ujian. Evaluasi berminat mengetahui apakah terdapat perbedaan tingkat
kesulitan ujian pada matakuliah Metodologi Penelitian, Statistik, Komputer dan Bahasa Inggris
(=5%) ?
Prosedur analisis : Analyze Non Parametric TestsK-Related Samples…
Friedman Test
Ranks Test Statisticsa
Mean Rank N 10
Metodologi Penelitian 1.30 Chi-Square 15.568
Statistik 3.25 df 3
Komputer 3.15 Asymp. Sig. .001
Bhs Inggris 2.30 a. Friedman Test
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 22
7. Kruskal Wallis
Contoh soal :
Sebuah hipotesis menyatakan bahwa berat badan bayi berhubungan dengan status kebiasaan
merokok ibu pada trimester pertama. Untuk menguji hipotesis ini dicatat data bb bayi dan status
kebiasaan merokok ibu dengan 4 kelompok dalam periode 1 bulan terakhir. Ujilah apakah ada
perbedaan bb bayi diantara 4 kelompok tersebut (=5%) ?
Prosedur analisis : Analyze Non Parametric TestsK-Independent Samples…
Kruskal-Wallis Test
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 23
8. Spearman (rs)
Contoh soal :
Data Tekanan Darah (TD) meningkat dengan bertambahnya umur. Namun bagaimana hubungan
antara umur dan denyut jantung. Pada penelitian ini memperlihatkan hasil survey asosiasi antara
umur dengan denyut jantung dari sampel terdiri atas 15 subyek. Hitung nilai rs dan lakukan uji
kemaknaan pada =0,01
Prosedur analisis : Analyze Correlate Bivariate
Nonparametric Correlations
Correlations
umur deny_jtg
Spearman's rho umur Correlation Coefficient 1.000 -.945**
Sig. (1-tailed) . .000
N 15 15
deny_jtg Correlation Coefficient -.945** 1.000
Sig. (1-tailed) .000 .
N 15 15
**. Correlation is significant at the 0.01 level (1-tailed).
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 24
Kesimpulan :
Ada keeratan hubungan (rs = -0,945) antara umur dengan denyut jantung, dengan kata lain
terjadinya peningkatan umur diikuti penurunan frekuensi denyut jantung (korelasi negatif)
(p<0,01)
110
100
90
d e n y _ jt g
80
70
60
50
0 10 20 30 40 50 60 70
umur
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 25
UJI CHI-SQUARE
Tujuan :
Prinsip Dasar :
Membandingkan frekuensi yang terjadi (observasi) dengan frekuensi harapan (Ekspektasi). Bila nilai
frekuensi observasi dengan nilai frekuensi harapan tidak ada perbedaan, maka dapat dikatakan tidak ada
perbedaan yang bermakna (significant). Demikian sebaliknya dikatakan ada perbedaan bila nilai frekuensi
observasi dengan nilai frekuensi harapan berbeda.
Syarat penggunaan :
1. Tidak boleh ada sel yang mempunyai nilai harapan (Expected value) Nol (0)
2. Tidak boleh ada sel yang mempunyai nilai harapan (Expected value) kurang dari 5 lebih dari 20%
jumlah keseluruhan sel
1. Penggunaan kode harus konsisten, gunakan kode rendah untuk terpajan (+) dan outcome (+) dan
kode tinggi untuk terpajan (-) dan outcome (-). Jika salah pengkodean akan mengakibatkan
kesalahan dalam perhitungan nilai POR, OR dan RR
2. Pada baris (row) gunakan untuk variable Independent, pada kolom (Column) gunakan untuk
variable Dependent
3. Output Chi-Square test, gunakan :
a. Fisher’s Exact Test bila ada nilai harapan < 5 (expected count less than 5)
b. Continuity Correction bila tidak ada nilai harapan < 5 pada tabel 2 x 2
c. Pearson Chi-Square bila tabel lebih dari 2 x 2
TABEL :
Penyakit
Pajanan Jumlah
Ada (0) Tidak (1)
Ada (0) a b a+b
Tidak (1) c d c+d
Jumlah a+c b+d a+b+c+d
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 26
1. CROSS SECTIONAL
Keluaran (Outcome)
Pajanan Jumlah
Ada Tidak
Ada a b a+b
Tidak c d c+d
Jumlah a+c b+d a+b+c+d
a / a+b )
PO = c/( c / d )
R
Interpretasi seperti ini hanya dapat dilakukan jika subyek penelitian dipilih pada akhir masa
berisiko terjadinya keluaran dari populasi asal yang tetap (fixed based population) dan status
keluaran tidak berpengaruh pada probabilitas terpilihnya sebyek sebagai sampel penelitian pada
kelompok terpajan dan tidak terpajan. Oleh karena itu dalam perhitungan dengan software
statistics perhitungannya menggunakan rumus,
(a/c) ad
PO = (b/d) = bc
R
Contoh soal :
Suatu penelitian ingin mengetahui hubungan kualitas sumber air minum dengan kejadian diare. Dari 3.080
responden yang diteliti ternyata 1.756 responden menggunakan sumber air minum kualitas buruk dengan
kejadian diare sebanyak 271 responden. Sedangkan kejadian diare pada pengguna sumber air minum
kualitas baik sebanyak 101 responden. Ujilah, apakah ada hubungan antara kualitas sumber air minum
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 27
Prosedur Analisis :
Chi Square
Nilai POR
Nilai observasi
Nilai harapan
Persen baris
(Cross Sectional)
Cases
Valid Missing Total
N Percent N Percent N Percent
Sumber Air Minum * Diare 3080 100.0% 0 .0% 3080 100.0%
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 28
Diare
Ya Tidak Total
Sumber Air Buruk Count 271 1485 1756 Nilai observasi
Minum Expected Count 212.1 1543.9 1756.0
% within Sumber
15.4% 84.6% 100.0% Nilai harapan
Air Minum
Baik Count 101 1223 1324
Expected Count 159.9 1164.1 1324.0
% within Sumber
Persen baris
7.6% 92.4% 100.0% (Cross Sectional)
Air Minum
Total Count 372 2708 3080
Expected Count 372.0 2708.0 3080.0
% within Sumber
12.1% 87.9% 100.0%
Air Minum
Dari tabel diatas terlihat pada kejadian diare, pengguna sumber air minum buruk sebanyak 271 (15,4%)(Exp=212,1)
dan pada pengguna sumber air minum baik sebanyak 101 (7,6%)(Exp=159,9) Apakah perbedaan ini secara statistik
significant ?
Ho = Tidak ada perbedaan proporsi kejadian diare antara pengguna sumber air minum buruk dan baik
Ha = Ada perbedaan proporsi kejadian diare antara pengguna sumber air minum buruk dan baik
Chi-Square Tests
Pada tabel Chi-Square test menunjukkan tidak ada nilai harapan < 5, sehingga yang digunakan adalah nilai Continuity
Correction p=0,000 bandingkan dengan nilai =0,05.
Kesimpulan :
Ada perbedaan proporsi kejadian diare antara pengguna sumber air minum buruk dan baik
Ada hubungan antara penggunaan sumber air minum dengan kejadian diare (p<0,05)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 29
Nilai POR
Risk Estimate
95% Confidence
Interval
Value Lower Upper
Odds Ratio for Sumber Nilai POR
2.210 1.737 2.811
Air Minum (Buruk / Baik)
For cohort Diare = Ya 2.023 1.628 2.514
For cohort Diare = Tidak .916 .893 .939
N of Valid Cases 3080
Nilai POR = 2,21 artinya orang yang menggunakan sumber air minum buruk memiliki resiko untuk menderita diare
2,2 kali dibandingkan dengan orang yang menggunakan sumber air minum baik dengan CI-95% antara 1,737 – 2,811
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 30
2. CASE CONTROL
Perhitungan ukuran asosiasi
Keluaran (Outcome)
Pajanan Jumlah
Kasus Kontrol
Ada a b a+b
Tidak c d c+d
Jumlah a+c b+d a+b+c+d
(a/c) ad
RiskO = (b/d) = bc
R
Contoh soal :
Suatu penelitian tentang penggunaan asetil salisilat (aspirin) sebagai factor risiko terjadinya Syndroma
Reye pada anak. 100 anak disertakan dalam penelitian, terdiri dari 50 kasus dan 50 kontrol. Ternyata ada 32
anak pengguna aspirin yang berasal dari kasus dan ada 17 anak pengguna aspirin yang berasal dari control.
Dengan menggunakan =5%, apakah penggunaan asetil salisilat (aspirin) sebagai factor risiko terjadinya
Syndroma Reye pada anak. Berapa nilai POR ?
Prosedur Analisis :
Chi Square
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 31
Nilai ROR
Nilai observasi
Nilai harapan
Persen kolom
(Case Control)
Cases
Valid Missing Total
N Percent N Percent N Percent
Penggunaan Aspirin
100 100.0% 0 .0% 100 100.0%
* Syndroma Reye
Syndroma Reye
Ya Tidak Total
Penggunaan Ya Count 32 17 49
Aspirin Expected Count 24.5 24.5 49.0
% within Syndroma Reye 64.0% 34.0% 49.0%
Tidak Count 18 33 51
Expected Count 25.5 25.5 51.0
% within Syndroma Reye 36.0% 66.0% 51.0%
Total Count 50 50 100
Expected Count 50.0 50.0 100.0
% within Syndroma Reye 100.0% 100.0% 100.0%
Dari tabel diatas terlihat bahwa pada pengguna aspirin, ada 32 (64%) kasus Syndroma Reye dan 17
(34%) bukan kasus Syndroma Reye Apakah perbedaan ini secara statistik significant ?
Ho = Tidak ada perbedaan proporsi antara kasus dan kontrol pada pengguna asetil salisilat (aspirin)
Ha = Ada perbedaan proporsi antara kasus dan kontrol pada pengguna asetil salisilat (aspirin)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 32
Chi-Square Tests
Pada tabel Chi-Square test menunjukkan tidak ada nilai harapan < 5, sehingga yang digunakan adalah nilai Continuity
Correction p=0,005 bandingkan dengan nilai =0,05.
Kesimpulan :
Ada perbedaan proporsi antara kasus dan kontrol pada pengguna asetil salisilat (aspirin)
Ada hubungan antara penggunaan asetil salisilat dengan kejadian syndrome reye (p<0,05)
Nilai OR
Risk Estimate
95% Confidence
Interval
Value Lower Upper
Odds Ratio for
Penggunaan Aspirin 3.451 1.517 7.852
(Ya / Tidak)
For cohort Syndroma
1.850 1.211 2.827
Reye = Ya
For cohort Syndroma
.536 .347 .828
Reye = Tidak
N of Valid Cases 100
Nilai OR = 3,45 artinya terjadinya syndrome reye pada pengguna asetil salisilat (aspirin) 3,45 kali dibandingkan
dengan terjadinya syndrome reye pada bukan pengguna asetil salisilat dengan CI-95% antara 1,517 – 7,852
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 33
3. COHORT
Perhitungan ukuran asosiasi
Penyakit
Pajanan Jumlah
Ada Tidak
Ada a b a+b
Tidak c d c+d
Jumlah a+c b+d a+b+c+d
a/a+b
RR =
c/c+d
Contoh soal :
Suatu penelitian tentang hubungan anemi pada kehamilan dengan terjadinya BBLR pada bayi. Penelitian
melibatkan 300 responden ibu hamil yang terdiri dari 100 ibu anemi dan 200 tidak anemi. Setelah
penelitian ini berakhir ternyata ada 30 ibu anemi melahirkan BBLR dan 20 ibu tidak anemi melahirkan BBLR.
Ujilah apakah ada hubungan anemi pada kehamilan dengan kejadian BBLR (=5%). Berapa nilai RR ?
Prosedur Analisis :
Chi Square
Nilai RR
Nilai observasi
Nilai harapan
Persen baris
(Cohort)
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 34
Crosstabs (Cohort)
Cases
Valid Missing Total
N Percent N Percent N Percent
Kejadian Anemi * BBLR 300 100.0% 0 .0% 300 100.0%
BBLR
Ya Tidak Total
Kejadian Ya Count 30 70 100
Anemi Expected Count 16.7 83.3 100.0
% within Kejadian Anemi 30.0% 70.0% 100.0%
Tidak Count 20 180 200
Expected Count 33.3 166.7 200.0
% within Kejadian Anemi 10.0% 90.0% 100.0%
Total Count 50 250 300
Expected Count 50.0 250.0 300.0
% within Kejadian Anemi 16.7% 83.3% 100.0%
Dari tabel diatas terlihat bahwa kejadian BBLR pada ibu dengan anemi sebanyak 30 (30%)
(Exp=16,7) dan pada ibu dengan tidak anemi sebanyak 20 (10%)(Exp=33,3%) . Apakah perbedaan ini
secara statistik significant ?
Ho = Tidak ada perbedaan proporsi kejadian BBLR antara ibu anemi dengan tidak anemi
Ha = Ada perbedaan proporsi kejadian BBLR antara ibu anemi dengan tidak anemi
Chi-Square Tests
Pada tabel Chi-Square test menunjukkan tidak ada nilai harapan < 5, sehingga yang digunakan adalah nilai Continuity
Correction p=0,000 bandingkan dengan nilai =0,05.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007
Parametrik P a g e - 35
Kesimpulan :
Ada perbedaan proporsi kejadian BBLR antara ibu anemi dengan tidak anemi
Ada hubungan antara anemi pada kehamilan dengan kejadian BBLR (p<0,05)
Risk Estimate
95% Confidence
Interval
Value Lower Upper
Odds Ratio for Kejadian
3.857 2.055 7.239
Anemi (Ya / Tidak)
For cohort BBLR = Ya 3.000 1.797 5.008
For cohort BBLR = Tidak .778 .679 .891
N of Valid Cases 300
Nilai RR = 3,00 artinya yang menderita anemi pada waktu hamil memiliki resiko untuk melahirkan bayi BBLR 3
kali lebih besar dari ibu yang tidak menderita anemi dengan CI-95% antara 1,797 – 5,008.
Ichwanuddin, disampaikan pada Pelatihan Metode dan Analisis Data Penelitian-STIKES Jend Ahmad Yani-Cimahi, 5-6 Juni 2007