uji chi square + Fisher exact

UJI CHI-SQUARE

TABEL 2 x 2UJI FISHERTABEL b x kUJI TREND

460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

Prinsip uji chi-square tabel 2 x 2:

Membandingkan nilai yang diobservasi (observed/O) pada setiapkategori tabel dengan nilai yang diharapkan (expected/E) apabila adaperbedaan efektivitas antara vaksindengan plasebo

Syarat: jumlah sampel >40

Contoh kasus adalah uji vaksininfluensa

Nilai observed (O): Nilai expected (E):

460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

460360100TOTAL

220172,247,8PLASEBO

240187,852,2VAKSIN

TIDAKYA TOTAL

INFLUENSA


460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

460360100TOTAL

220172,247,8PLASEBO

240187,852,2VAKSIN

TIDAKYA TOTAL

INFLUENSA

Ada total 100 dari 460 subyek terkenainfluensa Bila vaksin dan plasebo sama2 efektifmaka diharapkan:

(100/460) * 240 = 52,2 subyekdari kelompok vaksin, dan (100/460) * 220 = 47,8 subyekdari kelompok plasebo akanterkena influensa, dan sebaliknya: (360/460)*240 = 187,8 dan(360/460)*220 = 172,2 terhindarinfluensa

Nilai chi-square dihitung sbb:

(O-E)2 / E untuk setiap sel yang adaatau:

2 = [(O-E)2 / E] dengan df = 1 untuktabel 2 x 2


460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

460360100TOTAL

220172,247,8PLASEBO

240187,852,2VAKSIN

TIDAKYA TOTAL

INFLUENSA

2 = [(O-E)2 / E] dengan df = 1 untuk tabel 2 x 2:

= [(2052,2)2/52,2] + [(8047,8)2/47,8] + [(220-187,8)2/187,8] +[(140172,2)2/172,2]

= 19,86 + 21,69 + 5,52 + 6,02 = 53,09 => lihat tabel => P < 0,001

Artinya, probabilitas beda subyek terkena influensa yang diobservasi karenaalasan kebetulan adalah kurang dari 0,001 (kurang dari 0,1%) apabila tidakada beda antara vaksin dan plasebo => hipotesis null ditolakKesimpulan: vaksin efektif mencegah influensa


460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

460360100TOTAL

220172,247,8PLASEBO

240187,852,2VAKSIN

TIDAKYA TOTAL

INFLUENSA

Formula cepat:

2 = n(d1h0 d0h1)2 / dhn1n0

= 460(20*140)2 / (100*360*240*220) = 53,01 => kurang lebih hasil sama


460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

460360100TOTAL

220172,247,8PLASEBO

240187,852,2VAKSIN

TIDAKYA TOTAL

INFLUENSA

Kaitan antara uji chi-square dan uji z:

Uji z untuk kasus yang sama = (p1-p0) / [p(1-p)(1/n1+1/n0)], memberi hasil

z = -7,281 => z2 = (-7,281)2 = 53,01


460360

(78,3%)

100

(21,7%)

TOTAL

220140

(63,6%)

80

(36,4%)

PLASEBO

240220

(91,7%)

20

(8,3%)

VAKSIN

TIDAKYA TOTAL

INFLUENSA

460360100TOTAL

220172,247,8PLASEBO

240187,852,2VAKSIN

TIDAKYA TOTAL

INFLUENSA

Hasil uji chi-square dapat ditingkatkan dengan koreksi Yate:

2 = [(|O-E| - 0,5)2 / E], dengan d.f. = 1= (32,20,5)2/52,2 + (32,20,5)2/47,8 + (32,20,5)2/187,8 + (32,20,5)2/172,2= 19,25 + 21,01 + 5,35 + 5,84 + 51,46 => P < 0,001

Uji Fisher (Exact-test)

Jumlah total subyek

Contoh kasus

25 (n)21 (h)4 (d)Total

12 (n0)9 (h0)3 (d0)B

13 (n1)12 (h1)1 (d1)A

TidakYa Total

Komplikasi perdarahan

Intervensi

Contoh kasus

25 (n)21 (h)4 (d)Total

12 (n0)9 (h0)3 (d0)B

13 (n1)12 (h1)1 (d1)A

TidakYa Total

Komplikasi perdarahan

Intervensi

Rumus uji Fisher:

2 = d! h! n1! n0! / (n! d1! h1! d0! h0!) = 4! 21! 13! 12! / (25! 1! 12! 3! 9!)= 4 x 13 x 12 x 11 x 10 / (25 x 24 x 23 x 22) = 0,2261

Harus dihitung probabilitas dari tabel ekstrim yang mungkin terjadi secarakebetulan => untuk kasus ini masih ada 5 tabel yang mungkin terjadi

25214Total

1293

13121

Total

25214Total

12111

13103

Total

25214Total

12102

13112

Total

25214Total

12120

1394

Total

25214Total

1284

13130

Total

25214Total

1293

13121

TotalP = 0,2261

25214Total

12111

13103

TotalP = 0,2713

25214Total

12102

13112

TotalP = 0,4070

25214Total

12120

1394

TotalP = 0,0565

25214Total

1284

13130

TotalP = 0,0391Nilai P?

Nilai P= 2(nilai awal + nilai terkceil)2(0,2261 + 0,0391)= 0,5304

Tabel baris x kolom (b x k):

150

(100,0%)

30

(20,0%)

50

(33,3%)

70

(46,7%)

40

(100,0%)

10

(25,0%)

12

(30,0%)

18

(45,0%)

C

60

(100,0%)

8

(13,3%)

20

(33,3%)

32

(53,3%)

B

50

(100,0%)

12

(24,0%)

18

(36.0%)

20

(40,0%)

A

MATA AIRKOLAMSUNGAI

TOTAL

SUMBER AIR MINUM

DESA

Tabel baris x kolom (b x k):

150305070

408,013,318,7C

6012,020,028,0B

5010,016,723,3A

MATA AIRKOLAMSUNGAI

TOTAL

SUMBER AIR MINUM

DESA

2 = [(O-E)2 / E] 2 = (20-23,3)2/23,3 + (18-16,7)2/16,7

+ (12-10,0)2/10,0 + (32-28,0)2/28,0

+ (18-18,7)2/18,7 + (20,20,0)2/20,0

+ (8-12,0)2/12,0 + (12-13,3)2/13,3

+ (10-8,0)2/8,0 = 3,53

Dengan df = (b 1)(k-1) = 2 X 2 = 4

P = 0,47, antara 0,25 dan 0,5

Artinya, tidak terbukti adanya perbedaanproporsi sumber air minum antar ketigadesa

Kolmogorov-Smirnov (KS)

K-S 1 variabel, digunakan untukmembandingkan distribusipengamatan dengan distribusiteoritis pada 1 variabel denganskala ordinal

K-S 2 variabel, digunakan untukmencari sebab dan akibatberbeda dari 2 variabel denganskala ordinal

Kolmogorov-Smirnov

Tentukan Ho = Tidak ada perbedaanefek obat lama dan obat baru

Batas penolakan ()

Buat tabel frekuensi kumulatif

Kolmogorov-Smirnov 1 variabel

Rasa sakit pada saat melahirkan ditunjukkan dengan nilai skoroleh 10 orang wanita:

Skor nyeri: 1 2 3 4 5 Jumlah

Ibu 0 1 0 5 4 10Distribusi kumulatif ( E )

1/5 2/5 3/5 4/5 5/5Distribusi kumulatif ( O )

0/10 1/10 1/10 6/10 10/10

Selisih 2/10 3/10 5/10 2/10 0/10

Maksimum deviasi ( D ) = (E-O), dipilih yang paling besar = 0,50

Kolmogorov-Smirnov

Ho: Tidak ada perbedaan dalampemilihan skor rasa sakit

Karena n=10, maka dipilih =0,01 dan dari tabel D diperolehD=0,46, artinyaDhitung>Dtabel atau Ho ditolakatau rasa nyeri waktumelahirkan banyak dikeluhkanoleh wanita

Chi-square untuk analisis trend

Suatu penelitian ingin mengetahuihubungan antara obesitas padasubyek perempuan dengan usiamenarkhe-nya. Paparannya adalahapakah menarkhe-nya usia < 12 tahun atau usia 12 dan lebih. Obesitas ditentukan dengan ukurantebal lipatan kulit dan dikategorikanmenjadi 3 kelompok

Chi-square untuk analisis trend

-1,43-1,92-2,34Log odds

36/15029/19715/156Odds

210Skor

583186 (100%)

226 (100%)

171 (100%)

Total

503150 (80,6%)

197 (87,2%)

156 (91,2%)

12 tahun

8036 (19,4%)

29 (12,8%)

15 (8,8%)< 12 tahun

BesarMenengahKecilTotal

Ukuran tebal lipatan kulit

UsiaMenarkhe

Log odds menarkhe dan tebal lipatan kulit

-2.5

-2

-1.5

-1

-0.5

01 2 3

Menghitung chi-square untuktrend:

U = (dx) O/N*(nx) V = [O(N-O) / N2(N-1)] [N(nx2)-

(nx)2] 2 = U2 / V, untuk df =1


2 untuk trend = (18,9417)2/42,2927 = 8,483df = 1 => P antara 0,001 dan 0,005

V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927

U = 101 (80/583x598) = 18,9417

O = 80, N = 583, N-O = 503

(nx2) = 171x0 + 226x1 + 186x4 = 970

(nx) = 171x0 + 226x1 + 186x2 = 598

(dx) = 15x0 + 29x1 + 36x2 = 101


2 untuk trend = (18,9417)2/42,2927 = 8,483df = 1 => P antara 0,001 dan 0,005

V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927

U = 101 (80/583x598) = 18,9417

O = 80, N = 583, N-O = 503

(nx2) = 171x0 + 226x1 + 186x4 = 970

(nx) = 171x0 + 226x1 + 186x2 = 598

(dx) = 15x0 + 29x1 + 36x2 = 101

Ada bukti kuat bahwa odds menarkhe dinimeningkat dengan peningkatan tebal lipatan kulit

Tabel. Hubungan antara makan es buah dengankejadian diare

125 (N)35 (s)90 (r)Total

50 (n)25 (d)25 (c)Tidakada

75 (m)10 (b)65 (a)AdaEs buah

Tidakada

Ada Total

Diare

Tabel. Hubungan antara makan es buah dengankejadian diare

41 (n)347Total

2120 (d)1 (c)Tidakada

2014 (b)6 (a)AdaEs buah

Tidakada

Ada Total

Diare

Tabel. Hubungan antara pengetahuan dan perilakuwanita hamil tentang mual-muntah

125453644Total

5025 (i)12 (h)13 (g)Kurang

4013 (f)14 (e)13 (d)Cukup

357 (c)10 (b)18 (a)Baik

TotalKurangCukupBaikPengetahuan

Perilaku

Tabel. Hubungan antara pengetahuan dan perilakuwanita hamil tentang mual-muntah

125305441Total

5019 (i)17 (h)14 (g)Kurang

4011 (f)16 (e)13 (d)Cukup

350 (c)21 (b)14 (a)Baik

TotalKurangCukupBaikPengetahuan

Perilaku

Karena ada nilai 0, maka kategori pengetahuan baik dancukup digabung supaya dapat diuji chi-square

Tabel 5. Efek obat lama dan obat baru

3512914Total

14842Obatlama

214512Obatbaru

TotalKurangSedangBaik

Suatu studi bertujuan mempelajarihubungan antara merokok dengankanker paru, dan berhasil mengikuti30.000 perokok dan 60.000 non-perokok selama 1 tahun danmenemukan 39 dari perokok dan 6 dari non-perokok terkena kankerparu.

Analisis statistik apa yang sesuai untukmelaporkan hasil studi tersebut?

Dari data 2000 pasien usia 15-50 tahunyang terdaftar di praktek dokterumum X ditemukan 138 pasien yang ditangani karena diagnosis asma, dantelah dibuat tabulasinya.

Analisis statistik apa yang sesuai untukmelaporkan hasil survei tersebut?

20001862138Total

92486757Laki-laki

107699581Perempuan

TotalAsma -Asma +

Suatu studi bertujuan untuk memonitor risikoterjadinya keluhan mual hebat pada subyekkanker payudara selama menjalanikemoterapi. Untuk itu masing2 100 pasiendiberi obat yang berbeda, yaitu obat baruatau obat standar. Ternyata 88% darikelompok obat baru dan 71% darikelompok obat standar mengalami mualhebat.

Analisis statistik apa yang sesuai untukmelaporkan hasil studi tersebut?

uji chi square + Fisher exact

Documents

Transcript of uji chi square + Fisher exact