UJI CHI-SQUARE

TABEL 2 x 2
UJI FISHER
TABEL b x k
UJI TREND
 INFLUENSA

YA TIDAK TOTAL

VAKSIN 20 220 240

(8,3%) (91,7%)

PLASEBO 80 140 220

(36,4%) (63,6%)

TOTAL 100 360 460

(21,7%) (78,3%)
Prinsip uji chi-square tabel 2 x 2:
 Membandingkan nilai yang
diobservasi (observed/O) pada setiap
kategori tabel dengan nilai yang
diharapkan (expected/E) apabila ada
perbedaan efektivitas antara vaksin
dengan plasebo
 Syarat: jumlah sampel >40
 Contoh kasus adalah uji vaksin
influensa
 Nilai observed (O): Nilai expected (E):

INFLUENSA INFLUENSA

YA TIDAK TOTAL YA TIDAK TOTAL

VAKSIN 20 220 240 VAKSIN 52,2 187,8 240

(8,3%) (91,7%)

PLASEBO 80 140 220 PLASEBO 47,8 172,2 220

(36,4%) (63,6%)

TOTAL 100 360 460 TOTAL 100 360 460

(21,7%) (78,3%)
• Ada total 100 dari 460 subyek terkena
influensa
• Bila
Nilaivaksin dan plasebo
observed (O): sama2 efektif Nilai expected (E):
maka diharapkan:
• (100/460) INFLUENSA
* 240 = 52,2 subyek INFLUENSA
dari kelompok vaksin, dan
• (100/460)YA* 220 =TIDAK
47,8 subyek
dari kelompok plasebo akanTOTAL YA TIDAK TOTAL
terkena influensa, dan sebaliknya:
• (360/460)*240 = 187,8 dan
(360/460)*220
VAKSIN 20 = 172,2
220terhindar
240
influensa(8,3%) (91,7% VAKSIN 52,2 187,8 240
)
• Nilai chi-square
PLASEBO 80dihitung sbb:
140 220
(36,4% (63,6% PLASEBO 47,8 172,2 220
(O-E) / E
2
untuk )setiap sel) yang ada
atau:
TOTAL 100 360 460
(21,7% (78,3% TOTAL 100 360 460
χ2 =Σ[(O-E) / E]) dengan )df = 1
2
untuk
tabel 2 x 2
χ2 = Σ[(O-E)2 / E] dengan df = 1 untuk tabel 2 x 2:

= [(20–52,2)2/52,2] + [(80–47,8)2/47,8] + [(220-187,8)2/187,8] +

Nilai observed (O): [(140172,2)
Nilai expected (E):2/172,2]
= 19,86 + 21,69 + 5,52 + 6,02 = 53,09 => lihat tabel => P < 0,001
INFLUENSA INFLUENSA
Artinya, probabilitas beda subyek terkena influensa yang diobservasi karena
alasan kebetulan adalah kurang dari 0,001 (kurang dari 0,1%) apabila tidak ada
beda antara vaksin
YA danTIDAK
plasebo => hipotesis null ditolak YA
TOTAL TIDAK TOTAL
Kesimpulan: vaksin efektif mencegah influensa

VAKSIN 20 220 240 VAKSIN 52,2 187,8 240

(8,3%) (91,7%)

PLASEBO 80 140 220 PLASEBO 47,8 172,2 220

(36,4%) (63,6%)

TOTAL 100 360 460 TOTAL 100 360 460

(21,7%) (78,3%)
 Formula cepat:

χ2 = n(d1h0 – d0h1)2 / dhn1n0

Nilai observed (O): Nilai expected (E):
= 460(20*140)2 / (100*360*240*220) = 53,01 => kurang lebih hasil sama
INFLUENSA INFLUENSA

YA TIDAK TOTAL YA TIDAK TOTAL

VAKSIN 20 220 240 VAKSIN 52,2 187,8 240

(8,3%) (91,7%)

PLASEBO 80 140 220 PLASEBO 47,8 172,2 220

(36,4%) (63,6%)

TOTAL 100 360 460 TOTAL 100 360 460

(21,7%) (78,3%)
 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

Nilai observed (O): Nilai expected (E):
z = -7,281 => z2 = (-7,281)2 = 53,01
INFLUENSA INFLUENSA

YA TIDAK TOTAL YA TIDAK TOTAL

VAKSIN 20 220 240 VAKSIN 52,2 187,8 240

(8,3%) (91,7%)

PLASEBO 80 140 220 PLASEBO 47,8 172,2 220

(36,4%) (63,6%)

TOTAL 100 360 460 TOTAL 100 360 460

(21,7%) (78,3%)
Hasil uji chi-square dapat ditingkatkan dengan koreksi Yate:

χ2 = Σ [(|O-E| - 0,5)2 / E], dengan d.f. = 1

Nilai observed (O): Nilai expected (E):
= (32,2–0,5)2/52,2 + (32,2–0,5)2/47,8 + (32,2–0,5)2/187,8 + (32,2–0,5)2/172,2
= 19,25 + 21,01 + 5,35 + 5,84 + 51,46 => P < 0,001
INFLUENSA INFLUENSA

YA TIDAK TOTAL YA TIDAK TOTAL

VAKSIN 20 220 240 VAKSIN 52,2 187,8 240

(8,3%) (91,7%)

PLASEBO 80 140 220 PLASEBO 47,8 172,2 220

(36,4%) (63,6%)

TOTAL 100 360 460 TOTAL 100 360 460

(21,7%) (78,3%)
Uji Fisher (Exact-test)
 Jumlah total subyek <20, atau
 Jumlah total subyek 20 – 40 tetapi
ada nilai E yang kurang dari 5
Contoh kasus
Komplikasi perdarahan

Ya Tidak
Intervensi Total

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

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

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

• Rumus uji Fisher:

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

• Harus dihitung probabilitas dari tabel ekstrim yang mungkin terjadi secara
kebetulan => untuk kasus iniYamasih ada 5 tabelTidak
yang mungkin terjadi
Intervensi Total

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

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

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

 Total
0 13 13
4 8 12
Total 4 21 25 Total
Total
3 10 13
1 12 13
1 11 12
3 9 12
Total 4 21 25
Total 4 21 25
Total
Total
4 9 13
2 11 13
0 12 12
2 10 12 Total 4 21 25
Total 4 21 25
 Nilai P?
P = 0,0391 Total Nilai P= 2(nilai awal + nilai terkceil)
0 13 13 2(0,2261 + 0,0391)= 0,5304

4 8 12
Total 4 21 25 P = 0,2713 Total
P = 0,2261 Total
3 10 13
1 12 13
1 11 12
3 9 12
Total 4 21 25
Total 4 21 25
P = 0,0565 Total
P = 0,4070 Total
4 9 13
2 11 13
0 12 12
2 10 12 Total 4 21 25
Total 4 21 25
Tabel baris x kolom (b x k):

SUMBER AIR MINUM

DESA TOTAL
SUNGAI KOLAM MATA AIR

A 20 18 12 50
(40,0%) (36.0%) (24,0%) (100,0%)
B 32 20 8 60
(53,3%) (33,3%) (13,3%) (100,0%)
C 18 12 10 40
(45,0%) (30,0%) (25,0%) (100,0%)
70 50 30 150
(46,7%) (33,3%) (20,0%) (100,0%)
Tabel baris x kolom (b x k):

SUMBER AIR MINUM

DESA TOTAL
SUNGAI KOLAM MATA AIR

A 23,3 16,7 10,0 50

B 28,0 20,0 12,0 60

C 18,7 13,3 8,0 40

70 50 30 150
χ2 = Σ[(O-E)2 / E]
 χ2 = (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 perbedaan
proporsi sumber air minum antar ketiga
desa
Kolmogorov-Smirnov (KS)
K-S 1 variabel, digunakan untuk
membandingkan distribusi
pengamatan dengan distribusi
teoritis pada 1 variabel dengan
skala ordinal
K-S 2 variabel, digunakan untuk
mencari sebab dan akibat
berbeda dari 2 variabel dengan
skala ordinal
Kolmogorov-Smirnov
 Tentukan Ho = Tidak ada perbedaan
efek obat lama dan obat baru
 Batas penolakan (α)
 Buat tabel frekuensi kumulatif
 Kolmogorov-Smirnov 1 variabel
Rasa sakit pada saat melahirkan ditunjukkan dengan nilai skor
oleh 10 orang wanita:

Skor nyeri: 1 2 3 4 5 Jumlah

Ibu 0 1 0 5 4 10
Distribusi kumulatif ( E)
1/5 2/5 3/5 4/5 5/5
Distribusi 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 dalam
pemilihan skor rasa sakit
Karena n=10, maka dipilih α=0,01
dan dari tabel D diperoleh
D=0,46, artinya
Dhitung>Dtabel atau Ho ditolak
atau rasa nyeri waktu
melahirkan banyak dikeluhkan
oleh wanita
Chi-square untuk analisis trend
 Suatu penelitian ingin mengetahui
hubungan antara obesitas pada
subyek perempuan dengan usia
menarkhe-nya. Paparannya adalah
apakah menarkhe-nya usia < 12
tahun atau usia 12 dan lebih.
Obesitas ditentukan dengan ukuran
tebal lipatan kulit dan dikategorikan
menjadi 3 kelompok
Chi-square untuk analisis trend
Ukuran tebal lipatan kulit
Usia Kecil Menengah Besar Total
Menarkhe

< 12 15 (8,8%) 29 36 80
tahun (12,8%) (19,4%)
≥ 12 tahun 156 197 150 503
(91,2%) (87,2%) (80,6%)
Total 171 226 186 583
(100%) (100%) (100%)
Skor 0 1 2
Odds 15/156 29/197 36/150
Log odds -2,34 -1,92 -1,43
Log odds menarkhe dan tebal lipatan kulit

0
1 2 3
-0.5

-1

-1.5

-2

-2.5
Menghitung chi-square untuk
trend:
 U = Σ(dx) – O/N*Σ(nx)
 V = [O(N-O) / N2(N-1)] [NΣ(nx2)-
(Σnx)2]
 χ2 = U2 / V, untuk df =1
Menghitung chi-square untuk
trend:
Σ(dx) = 15x0 + 29x1 + 36x2 = 101
Σ(nx) = 171x0 + 226x1 + 186x2 = 598
Σ(nx2) = 171x0 + 226x1 + 186x4 = 970
O = 80, N = 583, N-O = 503
U = 101 – (80/583x598) = 18,9417
V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927

χ2 untuk trend = (18,9417)2/42,2927 = 8,483

df = 1 => P antara 0,001 dan 0,005
Menghitung chi-square untuk
trend:
Σ(dx) = 15x0 + 29x1 + 36x2 = 101
Σ(nx) = 171x0 + 226x1 + 186x2 = 598
Σ(nx2) = 171x0 + 226x1 + 186x4 = 970
Ada bukti kuat bahwa odds
O = 80, N = 583, N-O = 503 menarkhe dini
meningkat dengan peningkatan tebal lipatan kulit
U = 101 – (80/583x598) = 18,9417
V = [(80x503)/(5832x582)x(583x970-5982) = 42,2927

χ2 untuk trend = (18,9417)2/42,2927 = 8,483

df = 1 => P antara 0,001 dan 0,005
Tabel. Hubungan antara makan es buah dengan
kejadian diare

Diare

Ada Tidak
ada Total

Es buah Ada 65 (a) 10 (b) 75 (m)

Tidak 25 (c) 25 (d) 50 (n)

ada
Total 90 (r) 35 (s) 125 (N)
Tabel. Hubungan antara makan es buah dengan
kejadian diare

Diare

Ada Tidak
ada Total

Es buah Ada 6 (a) 14 (b) 20

Tidak 1 (c) 20 (d) 21

ada
Total 7 34 41 (n)
Tabel. Hubungan antara pengetahuan dan perilaku
wanita hamil tentang mual-muntah

Perilaku

Pengetahuan Baik Cukup Kurang Total

Baik 18 (a) 10 (b) 7 (c) 35

Cukup 13 (d) 14 (e) 13 (f) 40

Kurang 13 (g) 12 (h) 25 (i) 50

Total 44 36 45 125
 Tabel. Hubungan antara pengetahuan dan perilaku
wanita hamil tentang mual-muntah

Perilaku

Pengetahuan Baik Cukup Kurang Total

Baik 14 (a) 21 (b) 0 (c) 35

Cukup 13 (d) 16 (e) 11 (f) 40

Kurang 14 (g) 17 (h) 19 (i) 50

Total 41 54 30 125

Karena ada nilai 0, maka kategori pengetahuan baik dan

cukup digabung supaya dapat diuji chi-square
Tabel 5. Efek obat lama dan obat baru

Baik Sedang Kurang Total

Obat 12 5 4 21
baru
Obat 2 4 8 14
lama
Total 14 9 12 35
Suatu studi bertujuan mempelajari
hubungan antara merokok dengan
kanker paru, dan berhasil mengikuti
30.000 perokok dan 60.000 non-
perokok selama 1 tahun dan
menemukan 39 dari perokok dan 6
dari non-perokok terkena kanker
paru.
Analisis statistik apa yang sesuai untuk
melaporkan hasil studi tersebut?
Dari data 2000 pasien usia 15-50 tahun
yang terdaftar di praktek dokter
umum X ditemukan 138 pasien yang
ditangani karena diagnosis asma, dan
telah dibuat tabulasinya.
Analisis statistik apa yang sesuai untuk
melaporkan hasil survei tersebut?
 Asma + Asma - Total

Perempuan 81 995 1076

Laki-laki 57 867 924

Total 138 1862 2000

Suatu studi bertujuan untuk memonitor risiko
terjadinya keluhan mual hebat pada subyek
kanker payudara selama menjalani
kemoterapi. Untuk itu masing2 100 pasien
diberi obat yang berbeda, yaitu obat baru
atau obat standar. Ternyata 88% dari
kelompok obat baru dan 71% dari
kelompok obat standar mengalami mual
hebat.
Analisis statistik apa yang sesuai untuk
melaporkan hasil studi tersebut?