![2. Uji Kai Kuadrat / Chi Square
• Uji Chi-Square hanya menyampaikan ada atau tidaknya hubungan
antara variabel yang diteliti dan tidak memberikan informasi tentang
besarnya tingkat kekuatan suatu hubungan.
• Asumsi yang mendasari penggunaan Chi-Square selain pemilihan
sampel secara acak adalah penggunaan sampel yang besar.
• Jika sampel yang digunakan ukurannya kecil maka frekuensi harapan
menjadi sangat kecil, hal ini menyebabkan nilai perhitungan menjadi
kurang efektif jika dibandingkan dengan nilai distribusi Chi-Square itu
sendiri.
• Untuk uji Pearson Chi-Square mensyaratkan frekuensi harapan tidak
boleh <5 untuk tabel 2x2 dan <10 untuk tabel lebih dari 2x2.
Syntax : tabulate [variabel], chi2 row
UJI KAI KUADRAT / CHI SQUARE](https://image.slidesharecdn.com/bab10ujichi-squarestatadanspss-200117071732/85/Bab-10-uji-chi-square-stata-dan-spss-7-320.jpg)
![LANGKAH-LANGKAH PADA STATA
• Kita cukup memasukkan nilai table 2x2 diatas kedalam command
syntax cci (desain kasus control), csi (desain kohort atau
experiment).
Total 40 40 80
cukuo (>=3 kali) 32 15 47
kurang (<3 kali) 8 25 33
sehari 0 kasus (gi Total
MPASi dalam status kasus kontrol
. tab C1 kasuskontrol
chi2(1) = 14.91 Pr>chi2 = 0.0001
Attr. frac. pop .6439394
Attr. frac. ex. .85 .5479848 .95214 (exact)
Odds ratio 6.666667 2.212315 20.89429 (exact)
Point estimate [95% Conf. Interval]
Total 40 40 80 0.5000
Controls 15 32 47 0.3191
Cases 25 8 33 0.7576
Exposed Unexposed Total Exposed
Proportion
. cci 25 8 15 32](https://image.slidesharecdn.com/bab10ujichi-squarestatadanspss-200117071732/85/Bab-10-uji-chi-square-stata-dan-spss-19-320.jpg)
![chi2(1) = 14.91 Pr>chi2 = 0.0001
Attr. frac. pop .6439394
Attr. frac. ex. .85 .5479848 .95214 (exact)
Odds ratio 6.666667 2.212315 20.89429 (exact)
Point estimate [95% Conf. Interval]
Total 40 40 80 0.5000
Controls 15 32 47 0.3191
Cases 25 8 33 0.7576
Exposed Unexposed Total Exposed
Proportion
. cci 25 8 15 32](https://image.slidesharecdn.com/bab10ujichi-squarestatadanspss-200117071732/85/Bab-10-uji-chi-square-stata-dan-spss-20-320.jpg)
![• Digunakan pada data yang menganalisa hubungan tabel 2x2, untuk
kasus dengan jumlah data atau frekuensi sel yang sedikit akan
memiliki nilai harapan <5 dimana distribusi akan berbeda dengan
distribusi Chi-Square.
Syntax :
tabulate [var] [var], expected
tabulate [var] [var], exact
• Uji Kai Kuadrat termasuk dalam uji hipotesis variabel kategorikal tidak
berpasangan.
UJI FISHER EXACT](https://image.slidesharecdn.com/bab10ujichi-squarestatadanspss-200117071732/85/Bab-10-uji-chi-square-stata-dan-spss-23-320.jpg)
Bab 10 uji chi square stata dan spss
- 1. Najmah, SKM,MPH. Faculty of PublicHealth, Sriwijaya University [email protected]
- 2. • Uji bivariat-ujihipotesa • Uji KaiKuadrat/ChiSquare • Uji Fisher Exact • AplikasiUji Kai Kuadrat • Uji KaiKuadratdanPenggabunganSel
- 3. UJI BIVARIAT –UJI HIPOTESA Prosedur Uji Hipotesis: a. Menentukan Ho (Null Hypothesis) dan Ha (Alternative Hyphotesis) b. Menentukan tingkat kepercayaan, misal 95 % atau alpha 5 % c. Menentukan statistik hitung d. Mengambil keputusan Ditentukan dengan membandingkan nilai statistik hitung dengan alpha Secara garis besar, analisis bivariat dalam penelitian ini adalah dengan menganalisis silang dua variabel yaitu variabel independen dan variabel dependen. pvalue<alpha: hasilperhitunganstatistikbermakna(signifikan) pvalue> alpha: hasilperhitunganstatistiktidakbermakna (tidaksignifikan)
- 4. Uji statistik yang digunakan untuk analisis bivariat di bidang kesehatan Jenis Penelitian Non Design Khusus Deskriptif Kategorik Numerik Analitik Kategorik - Kategorik Berpasangan Tidak Berpasangan Kategorik - Numerik Berpasangan Tidak Berpasangan Numerik - Numerik Design Khusus Diagnostik Prognostik Kesintasan (Survival)
- 5. VARIABEL I VARIABEL II UJI STATISTIK KATEGORI KATEGORI KAI KUADRAT/FISHER EXACT REGRESI LOGISTIK SEDERHANA KATEGORI NUMERIK UJI T ANOVA NUMERIK NUMERIK KORELASI REGRESI LINIER SEDERHANA Tabel 50. Tabel Uji Statistik pada Analisis Bivariat-Uji Hipotesa
- 6. Var Dependen Independen Kategorik Numerik Kategorik 1.Chi-square/ Regresi logistik sederhana 2.t-test-paired (sebelum-sesudah) 2.t-test-independen (jika 2 kategori) 3.Anova (jika >2 kategori) Numerik t-test (jika 2 kategori) Anova (>2 kategori) 4.Korelasi / Regresi Linier sederhana
- 7. 2. Uji Kai Kuadrat / Chi Square • Uji Chi-Square hanya menyampaikan ada atau tidaknya hubungan antara variabel yang diteliti dan tidak memberikan informasi tentang besarnya tingkat kekuatan suatu hubungan. • Asumsi yang mendasari penggunaan Chi-Square selain pemilihan sampel secara acak adalah penggunaan sampel yang besar. • Jika sampel yang digunakan ukurannya kecil maka frekuensi harapan menjadi sangat kecil, hal ini menyebabkan nilai perhitungan menjadi kurang efektif jika dibandingkan dengan nilai distribusi Chi-Square itu sendiri. • Untuk uji Pearson Chi-Square mensyaratkan frekuensi harapan tidak boleh <5 untuk tabel 2x2 dan <10 untuk tabel lebih dari 2x2. Syntax : tabulate [variabel], chi2 row UJI KAI KUADRAT / CHI SQUARE
- 8. • Sumber Data : Widyawati, 2015, Hubungan Pemberian Makanan Pendamping Asi Dengan Status Gizi Kurang Pada Anak Usia 12-24 Bulan Di Wilayah Puskesmas Lesung Batu Kabupaten Empat Lawang Tahun 2015, Skripsi FKM Unsri. • Hipotesa : Ada hubungan antara status gizi anak (1:kurus, 2: normal) (var no 11) dengan frekuensi MP ASI (1: <3 kali, 2: >=3kali) (var no 22/C1) (p value <0.0001; OR 6,6) • Buka Data : WIDYAWATI 2015.sav APLIKASI UJI KAI KUADRAT
- 9. Tabel 51. Langkah-Langkah Penentuan Uji No Langkah Jawaban 1 Menentukan variabel yang diuji Variabel yang diuji adalah Status Gizi Kurang (variabel dependen) dan Frekuensi MP ASI (variabel independen) 2 Menentukan skala pengukuran variabel Variabel Status Gizi Kurang merupakan variabel kategorikal (nominal) Variabel Frekuensi MP ASI merupakan variabel kategorikal (nominal) 3 Menentukan jenis hipotesis Jenis hipotesis Asosiatif 4 Menentukan jumlah kelompok Jumlah kelompok yang diuji adalah 2 (Pemberian MP ASI Kurang dan Pemberian MP ASI Cukup) 5 Menentukan berpasangan atau tidak berpasangan Pada kasus di atas, kedua kelompok tidak berpasangan 6 Menentukan Jenis Tabel Jenis tabelnya adalah 2 X 2 Kesimpulan: Uji yang digunakan adalah chi-square. Bila tidak memenuhi syarat uji chi-square, maka digunakan uji alternatifnya yaitu KOLMOGOROV-SMIRNOV
- 10. Langkah-langkah pada program SPSS: •Klik Analyze Descriptive Statistics Crosstabs
- 11. • Masukan Variabel Independen (Frekuensi Pemberian MP ASI) ke dalam kolom ‘ROWS’ dan Variabel Dependen (Status Gizi Kurang) ke ‘COLUMN’
- 12. •Klik Statistics, klik Chi-square, klik continue (untuk tabel 2x2, risk rasio/odds rasio bisa dihasilkan dengan men- checklist risk) • Klik ‘Cells’, lalu klik ’Observed’, ‘Expected’, ‘Rows’ dan ‘Column’ dan klik continue • Lalu klik OK.
- 13. Output SPSS Tabel 52. Output Cross Tabulation MPASI dalam Sehari dan Status Gizi Sampel Berdasarkan BB/TB MPASi dalam sehari * status gizi sampel berdasarkan BB/TB Crosstabulation status gizi sampel berdasarkan BB/TB Total Kurus Normal MPASi dalam sehari kurang (<3 kali) Count 25 8 33 Expected Count 16,5 16,5 33,0 % within MPASi dalam sehari 75,8% 24,2% 100,0% % within status gizi sampel berdasarkan BB/TB 62,5% 20,0% 41,2% cukup (>=3 kali) Count 15 32 47 Expected Count 23,5 23,5 47,0 % within MPASi dalam sehari 31,9% 68,1% 100,0% % within status gizi sampel berdasarkan BB/TB 37,5% 80,0% 58,8% Total Count 40 40 80 Expected Count 40,0 40,0 80,0 % within MPASi dalam sehari 50,0% 50,0% 100,0% % within status gizi sampel berdasarkan BB/TB 100,0% 100,0% 100,0%
- 14. Chi-Square Tests Value Df Asymp. Sig. (2- sided) Exact Sig. (2-sided) Exact Sig. (1-sided) Pearson Chi-Square 14,907a 1 ,000 Continuity Correctionb 13,204 1 ,000 Likelihood Ratio 15,484 1 ,000 Fisher's Exact Test ,000 ,000 Linear-by-Linear Association 14,720 1 ,000 N of Valid Cases 80 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.50. b. Computed only for a 2x2 table Risk Estimate Value 95% Confidence Interval Lower Upper Odds Ratio for MPASi dalam sehari (kurang (<3 kali) / cukuo (>=3 kali)) 6,667 2,440 18,212 For cohort status gizi sampel berdasarkan BB/TB = Kurus 2,374 1,498 3,760 For cohort status gizi sampel berdasarkan BB/TB = Normal ,356 ,189 ,671 N of Valid Cases 80
- 15. Notes: Hasil Asosiasi (Risk Estimate) Kolom OR for MP ASI, hasil OR untuk studi desain kasus Kontrol *OR= Odds pada kasus (kurus)/Odds pada control(normal)=(25/8): (15:32)=6,667 Kolom For cohort status gizi sampel, hasil PR atau RR untuk studi desain kohort atau potong lintang *kurus terhadap normal *PR/RR= Risk pada kelompok terpapar/Risk pada kelompok tidak terpapar = (25/33) : (15/47)= 2,374 (MP Asi kurang meningkatkan resiko untuk kurus sebesar 2,3 kali) *normal terhadap kurus *PR/RR= Risk pada kelompok terpapar/Risk pada kelompok tidak terpapar =(8/33): (32/347) = 0,356 (MP ASI kurang menurunkan resiko gizi normal sebesar 0,35 atau 65%
- 16. Tabel 53. Laporan Hasil MP ASI Variabel OR IK 95% p value Min Maks Frekuensi MPASI < 3 kali >=3 kali Ref 6,6 2,4 18,2 <0.0001
- 17. Interpretasi: OR=6,6, 95% IK: 2,4-18,2, p. < 0.0001. Hubungan antara Frekuensi pemberian MP ASI dan status gizi anak Anak usia 12-24 bulan dengan frekuensi pemberian MP ASI kurang dari 3 kali meningkatkan resiko kejadian gizi kurang sebesar 6,6 kali dibandingkan dengan anak dengan frekuensi pemberian MP ASI lebih atau sama dengan 3 kali dalam sehari. Di populasi, anak dengan frekuensi pemberian MP ASI kurang 3 kali dalam 1 hari meningkatkan resiko kejadian gizi kurang berkisar 2,4 hingga 18,2 kali lebih tinggi dibandingkan dengan anak usia 12-24 bulan dengan frekuensi pemberian MP ASI 3 kali atau lebih dalam sehari Kesimpulannya, berdasarkan nilai p value <0.0001 menunjukkan ada hubungan yang signifikan antara frekuensi pemberian MP ASI dan status gizi anak.
- 19. LANGKAH-LANGKAH PADA STATA • Kita cukup memasukkan nilai table 2x2 diatas kedalam command syntax cci (desain kasus control), csi (desain kohort atau experiment). Total 40 40 80 cukuo (>=3 kali) 32 15 47 kurang (<3 kali) 8 25 33 sehari 0 kasus (gi Total MPASi dalam status kasus kontrol . tab C1 kasuskontrol chi2(1) = 14.91 Pr>chi2 = 0.0001 Attr. frac. pop .6439394 Attr. frac. ex. .85 .5479848 .95214 (exact) Odds ratio 6.666667 2.212315 20.89429 (exact) Point estimate [95% Conf. Interval] Total 40 40 80 0.5000 Controls 15 32 47 0.3191 Cases 25 8 33 0.7576 Exposed Unexposed Total Exposed Proportion . cci 25 8 15 32
- 20. chi2(1) = 14.91 Pr>chi2 = 0.0001 Attr. frac. pop .6439394 Attr. frac. ex. .85 .5479848 .95214 (exact) Odds ratio 6.666667 2.212315 20.89429 (exact) Point estimate [95% Conf. Interval] Total 40 40 80 0.5000 Controls 15 32 47 0.3191 Cases 25 8 33 0.7576 Exposed Unexposed Total Exposed Proportion . cci 25 8 15 32
- 21. Atau memasukkan variabel langsung pada data 1. Untuk mengetahui nilai expected, apakah ada dibawah 5 atau tidak. • Berdasarkan hasil dibawah inii nilai expected dibawah ini memenuhi untuk uji Kai Kuadrat Command Syntax: tabulate outcome exposure, expected Tabulate outcome exposure, exact -----jika uji kai kuadrat tidak terpenuhi, maka fisher exact sebagai alternatif. 33.0 47.0 80.0 To tal 33 47 80 16.5 23.5 40.0 Ku rus 25 15 40 16.5 23.5 40.0 Nor mal 8 32 40 n BB /TB ku rang (< cukuo (>= To tal ber dasa rka M PASi dala m seh ari sam pel g izi sta tus expected frequency frequency Ke y . t abul ate s tatus gizi C1, expec ted
- 22. 2. Melanjutkan uji Kai Kuadrat • Command Syntak : tabulate outcome eksposur, chi2 row Pe arson chi 2(1) = 14.9065 Pr = 0.000 41.25 58.75 100.00 To tal 33 47 80 62.50 37.50 100.00 Ku rus 25 15 40 20.00 80.00 100.00 Nor mal 8 32 40 n BB /TB ku rang (< cukuo (>= To tal ber dasa rka M PASi dala m seh ari sam pel g izi sta tus row percentage frequency Ke y . t abul ate s tatus gizi C1, chi2 row
- 23. • Digunakan pada data yang menganalisa hubungan tabel 2x2, untuk kasus dengan jumlah data atau frekuensi sel yang sedikit akan memiliki nilai harapan <5 dimana distribusi akan berbeda dengan distribusi Chi-Square. Syntax : tabulate [var] [var], expected tabulate [var] [var], exact • Uji Kai Kuadrat termasuk dalam uji hipotesis variabel kategorikal tidak berpasangan. UJI FISHER EXACT
- 24. a. Semua hipotesis untuk tabel B kali K tidak berpasangan menggunakan Uji Chi Square bila memenuhi syarat uji Chi Square! b. Syarat uji Chi Square adalah : • Tidak ada sel yang nilai observed bernilai nol. • Sel yang mempunyai nilai expected kurang dari 5, maksimal 20 % dari jumlah sel. • Nilai yang diambil ‘continutity correction’. c. Jika syarat uji chi square tidak terpenuhi, maka dipakai uji alternatifnya: • Alternatif uji chi square untuk tabel 2 x 2 adalah uji Fisher • Alternatif uji chi square untuk tabel 2 x k adalah uji Kolmogorov- Smirnov • Penggabungan sel adalah langkah alternatifuji chi Square untuk tabel selain 2 x 2 dan 2 x k sehingga terbentuk suatu tabel B kali K yang baru. Setelah dilakukan penggabungan sel, uji hipotesis dipilih sesuai dengan tabel B kali K yang baru tersebut.
- 25. Chi-Square Tests Value Df Asymp. Sig. (2-sided) Exact Sig. (2- sided) Exact Sig. (1- sided) Pearson Chi-Squarea 14,907a 1 ,000 Continuity Correctionb 13,204 1 ,000 Likelihood Ratio 15,484 1 ,000 Fisher's Exact Testc ,000 ,000 Linear-by-Linear Association 14,720 1 ,000 N of Valid Cases 80 a.Pearson Chi Square, Nilai signifikansi ( p value) untuk tabel 2 x k, bxk (selain tabel dari 2x2) b.Continuity correction, Nilai signifikansi (p value) untuk tabel 2x2, Kai Kuadrat c.Fisher’s Exact test, Nilai signifikansi (p value) untuk tabel 2x2, Fisher Exact
- 26. •UJI HIPOTESIS TABEL B X K SELAIN 2 X 2 DAN 2 X K •BUKA DATA: Intake &Tahu_Sopiyudin D.xls KAI KUADRAT DAN PENGGABUNGAN SEL
- 27. STUDI KASUS: Anda ingin mengetahui hubungan antara tingkat pengetahuan (rendah, sedang, tinggi) dengan intake makanan (kurang, cukup, lebih). Anda membuat pertanyaan sebagai berikut:”Apakah ada hubungan antara tingkat pengetahuan (rendah, sedang, tinggi) dengan intake makanan (kurang, cukup, lebih)?”(3)Buka data dari bentuk data excel ke dalam lembar kerja SPSS (Intake &Tahu_Sopiyudin D.xls), Lakukan uji Kai Kuadrat lalu perhatikan nilai expectednya, apakah bisa langsung kita gunakan signifikasi hasil Kai Kuadrat dari tabel dibawah ini? Lakukan analisa lebih lanjut!
- 28. Intake kalori Total kurang cukup lebih Tingkat pengetahuan rendah Count 11 29 1 41 Expected Count 9.8 19.7 11.5 41.0 % within tingkat pengetahuan 26.8% 70.7% 2.4% 100.0% sedang Count 12 19 27 58 Expected Count 13.9 27.8 16.2 58.0 % within tingkat pengetahuan 20.7% 32.8% 46.6% 100.0% tinggi Count 1 0 0 1 Expected Count .2 .5 .3 1.0 % within tingkat pengetahuan 100.0% .0% .0% 100.0% Total Count 24 48 28 100 Expected Count 24.0 48.0 28.0 100.0 % within tingkat pengetahuan 24.0% 48.0% 28.0% 100.0%
- 29. Value df Asymp. Sig. (2-sided) Pearson Chi-Square 27.485 4 .000 Likelihood Ratio 32.283 4 .000 Linear-by-Linear Association 8.253 1 .004 N of Valid Cases 100 a 3 cells (33.3%) have expected count less than 5. The minimum expected count is .24.
- 30. Interpretasi • Tabel 3 x 3 ini tidak layak untuk diuji dengan chi square karena sel yang nilai expected kurang dari lima ada 33.3 % jumlah sel. Selain itu terdapat sel dengan nilai observed nol.Langkah selanjutnya adalah melakukan penggabungan sel. • Anda memutuskan untuk menggabungkan kelompok pengetahuan tinggi dengan kelompok pengetahuan sedang. Alasan anda menggabungkan kedua kelompok karena jumlah subyek yang termasuk ke dalam kelompok pengetahuan tinggi sedikit (satu subyek) sehingga digabung dengan kelompok subyek dengan pengetahuan sedang.
- 31. •Lakukan transformasi data • Transform.......Recode.......Recode into different variable • Masukkan tahu_2 ke dalam output variabel
- 32. • Klik kotak change • Klik old and values • Isilah kotak old value dan kotak new values (selanjutnya ikuti logika berfikir) • Logikanya adalah: • Kode 1 (old value), diubah menjadi kode 1 (new value) • Kode 2 (old value), diubah menjadi kode 2 (new value) • Kode 3 (old value), diubah menjadi kode 2 (new value)
- 33. • Sampai tahap ini, Anda akan memperoleh tampilan sebagai berikut • Proses telah selesai, klik continue • OK, dan lihat hasilnya ada variabel ’tahu2’ • Lakukan uji chisquare kembali dengan variabel pengetahuan dengan dua kategori (tahu2) seperti latihan sebelumnya
- 34. • Output hasil TAHU2 * Intake kalori Crosstabulation Intake kalori Total kurang cukup lebih TAHU2 rendah Count 11 29 1 41 Expected Count 9.8 19.7 11.5 41.0 % within TAHU2 26.8% 70.7% 2.4% 100.0% sedang+ Count 13 19 27 59 Expected Count 14.2 28.3 16.5 59.0 % within TAHU2 22.0% 32.2% 45.8% 100.0% Total Count 24 48 28 100 Expected Count 24.0 48.0 28.0 100.0 % within TAHU2 24.0% 48.0% 28.0% 100.0%
- 35. • Chi-Square Tests Interpretasi: Tabel 2 x 3 ini layak untuk diuji dengan chi square karena tak ada sel yang bernilai 0, dan tidak ada nilai expected yang kurang dari 5. Nilai significancynya adalah< 0.001, menunjukkan ada hubungan antara pengetahuan dengan intake makananatau p value <0.001 menunjukkan adanya bukti yang kuat untuk menolak hipotesa nul, tidak ada hubungan antara pengatahuan dengan intake makanan. Value df Asymp. Sig. (2-sided) Pearson Chi-Square 23.928 2 .000 Likelihood Ratio 29.196 2 .000 Linear-by-Linear Association 10.696 1 .001 N of Valid Cases 100