Download - 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
-
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?