Professional Documents
Culture Documents
2.1. Pendahuluan
Dalam modul ini akan dijelaskan mengenai asosiasi antara dua variabel dalam tabel kontingensi 2 x 2.
Pembahasan meliputi pada selang kepercayaan (Confidence intervals), odds ratio dan resiko relatif (relative
risk), pengujian perbedaan proporsi dan uji independensi menggunakan pendekatan normal (untuk sampel
besar) atau prosedur Wolf. Secara umum untuk tabel kontingensi I x J, pengujian independensi variabel baris
dan kolom menggunkan uji chi kuadrat termasuk statistik rasio kemungkinan (likelihood ratio statistic) dan
statistik Chi-Kuadrat Pearson. Sebagai catatan apabila variabel baris dan kolom mempunyai kategori order
maka yang digunakan pada hipotesis alternatif adalah trend.
Percaya
Tidak Percaya
Jumlah
Laki-Laki
375
134
509
Perempuan
435
147
582
Jumlah
810
281
1091
375
134
[2,]
435
147
Tentu saja matriks diatas tidak menggambarkan apa-apa sehingga kita beri nama masing-masing kolom dan
berisnya.
375
134
Perempuan
435
147
Selain itu kita juga bisa memberikan nama variabel (atau faktor) dari kolom dan barisnya dengan cara sebagai
berikut:
Percaya Tidak
Laki-laki
375
134
Perempuan
435
147
Berikutnya yang dapat dilakukan adalah menghitung proporsi masing-masing sel terhadap total sampel (n)
Percaya
Tidak
Untuk menghitung total masing-masing kolom (ni.) dan total masing-masing baris (n.j) dapat menggunakan
fungsi apply. Sedangkan untuk menghitung proporsi sel terhadap ni. (pi.) dan proporsi sel terhadap (p.j) dapat
menggunakan fungsi sweep.
Adapun penggunaan kedua fungsi tersebut pada data adalah sebagai berikut
Perempuan
509
582
> totKolom
Percaya
Tidak
810
281
Percaya
Tidak
> round(Prop.Baris,3)
Kepercayaan
JK
Percaya
Tidak
Laki-laki
0.737
0.263
Perempuan
0.747
0.253
Percaya
Tidak
Percaya Tidak
Laki-laki
0.463 0.477
Perempuan
0.537 0.523
bentuk data frame dapat memperlakukan variabel baris dan variabel kolom sebagai faktor. Pendekatan ini
sebenarnya lebih tepat apabila data disimpan dalam file terpisah yang dapat dibaca di R. Baris-baris berikut
adalah contohnya
> JK <- c("Wanita","Wanita","Pria","Pria")
> Kepercayaan <- c("Ya","Tidak","Ya","Tidak")
> Jumlah <- c(435,147,375,134)
> afterlife <- data.frame(JK,Kepercayaan,Jumlah)
> afterlife
JK Kepercayaan Jumlah
1 Wanita Ya 435
2 Wanita Tidak 147
3 Pria Ya 375
4 Pria Tidak 134
> rm(JK,Kepercayaan,Jumlah) # tidak dibutuhkan lagi
Kita dapat membuat tabel kontingensi dengan memperlakukan data frame sebagai matriks atau menggunakan
fungsi tapply dengan cara sebagai berikut:
Ya
Wanita 147
435
Pria
375
134
Tidak
Ya
Wanita 147
435
Pria
375
134
Ya
Tidak
Wanita 435
147
Pria
134
375
> prop.test(phs)
2-sample test for equality of proportions
with continuity correction
data: phs
X-squared = 24.4291, df = 1, p-value = 7.71e-07
alternative hypothesis: two.sided
95 percent confidence interval:
0.004597134 0.010814914
sample estimates:
prop 1 prop 2
0.01712887 0.00942285
Koreksi dalam statistik uji digunakan sebagai default dalam prop.test. Apabila koreksi ini tidak digunakan
maka akan ada sedikit perbedaan dalam hasil (output) untuk contoh diatas seperti berikut ini:
> prop.test(phs,correct=F)
2-sample test for equality of proportions
without continuity correction
data: phs
> phs.test$conf.int
[1] 0.004597134 0.010814914
attr(,"conf.level")
[1] 0.95
> round(phs.test$conf.int,3)
[1] 0.005 0.011
attr(,"conf.level")
[1] 0.95
> phs.test$estimate[1]/phs.test$estimate[2] % relative risk
prop 1
1.817802