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
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
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
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
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
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
Formula cepat:
2 = n(d1h0 d0h1)2 / dhn1n0
= 460(20*140)2 / (100*360*240*220) = 53,01 => kurang lebih hasil sama
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
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
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
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
Menghitung chi-square untuktrend:
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
Menghitung chi-square untuktrend:
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?
Top Related