uji chi-square - website staff...
TRANSCRIPT
INFLUENSA
TOTALYA TIDAK
VAKSIN 20(8,3%)
220(91,7%)
240
PLASEBO 80(36,4%)
140(63,6%)
220
TOTAL 100(21,7%)
360(78,3%)
460
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
TOTALYA TIDAK
VAKSIN 20(8,3%)
220(91,7%)
240
PLASEBO 80(36,4%)
140(63,6%)
220
TOTAL 100(21,7%)
360(78,3%)
460
INFLUENSA
TOTALYA TIDAK
VAKSIN 52,2 187,8 240
PLASEBO 47,8 172,2 220
TOTAL 100 360 460
Nilai observed (O): Nilai expected (E):
INFLUENSA
TOTAL
YA TIDAK
VAKSIN 20(8,3%)
220(91,7%
)
240
PLASEBO 80(36,4%
)
140(63,6%
)
220
TOTAL 100(21,7%
)
360(78,3%
)
460
INFLUENSA
TOTALYA TIDAK
VAKSIN 52,2 187,8 240
PLASEBO 47,8 172,2 220
TOTAL 100 360 460
• Ada total 100 dari 460 subyek terkena influensa• Bila vaksin dan plasebo sama2 efektif maka diharapkan:
• (100/460) * 240 = 52,2 subyek dari kelompok vaksin, dan• (100/460) * 220 = 47,8 subyek dari kelompok plasebo akan terkena influensa, dan sebaliknya:• (360/460)*240 = 187,8 dan (360/460)*220 = 172,2 terhindar influensa
• Nilai chi-square dihitung sbb:
(O-E)2 / E untuk setiap sel yang ada atau:
χ2 = Σ[(O-E)2 / E] dengan df = 1 untuk tabel 2 x 2
Nilai observed (O): Nilai expected (E):
INFLUENSA
TOTALYA TIDAK
VAKSIN 20(8,3%)
220(91,7%)
240
PLASEBO 80(36,4%)
140(63,6%)
220
TOTAL 100(21,7%)
360(78,3%)
460
INFLUENSA
TOTALYA TIDAK
VAKSIN 52,2 187,8 240
PLASEBO 47,8 172,2 220
TOTAL 100 360 460
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] + [(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 karena alasan kebetulan adalah kurang dari 0,001 (kurang dari 0,1%) apabila tidak ada beda antara vaksin dan plasebo => hipotesis null ditolakKesimpulan: vaksin efektif mencegah influensa
Nilai observed (O): Nilai expected (E):
INFLUENSA
TOTALYA TIDAK
VAKSIN 20(8,3%)
220(91,7%)
240
PLASEBO 80(36,4%)
140(63,6%)
220
TOTAL 100(21,7%)
360(78,3%)
460
INFLUENSA
TOTALYA TIDAK
VAKSIN 52,2 187,8 240
PLASEBO 47,8 172,2 220
TOTAL 100 360 460
Formula cepat:
χ2 = 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):
INFLUENSA
TOTALYA TIDAK
VAKSIN 20(8,3%)
220(91,7%)
240
PLASEBO 80(36,4%)
140(63,6%)
220
TOTAL 100(21,7%)
360(78,3%)
460
INFLUENSA
TOTALYA TIDAK
VAKSIN 52,2 187,8 240
PLASEBO 47,8 172,2 220
TOTAL 100 360 460
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):
INFLUENSA
TOTALYA TIDAK
VAKSIN 20(8,3%)
220(91,7%)
240
PLASEBO 80(36,4%)
140(63,6%)
220
TOTAL 100(21,7%)
360(78,3%)
460
INFLUENSA
TOTALYA TIDAK
VAKSIN 52,2 187,8 240
PLASEBO 47,8 172,2 220
TOTAL 100 360 460
Hasil uji chi-square dapat ditingkatkan dengan koreksi Yate:
χ2 = Σ [(|O-E| - 0,5)2 / E], dengan d.f. = 1 = (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
Uji Fisher (Exact-test)
Jumlah total subyek <20, atau Jumlah total subyek 20 – 40 tetapi
ada nilai E yang kurang dari 5
Contoh kasus
Intervensi
Komplikasi perdarahan
TotalYa Tidak
A 1 (d1) 12 (h1) 13 (n1)
B 3 (d0) 9 (h0) 12 (n0)
Total 4 (d) 21 (h) 25 (n)
Contoh kasus
Intervensi
Komplikasi perdarahan
TotalYa Tidak
A 1 (d1) 12 (h1) 13 (n1)
B 3 (d0) 9 (h0) 12 (n0)
Total 4 (d) 21 (h) 25 (n)
• Rumus uji Fisher:
χ2 = 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 secara kebetulan => untuk kasus ini masih ada 5 tabel yang mungkin terjadi
Total
1 12 13
3 9 12
Total 4 21 25
Total
3 10 13
1 11 12
Total 4 21 25
Total
2 11 13
2 10 12
Total 4 21 25
Total
4 9 13
0 12 12
Total 4 21 25
Total
0 13 13
4 8 12
Total 4 21 25
P = 0,2261 Total
1 12 13
3 9 12
Total 4 21 25
P = 0,2713 Total
3 10 13
1 11 12
Total 4 21 25
P = 0,4070 Total
2 11 13
2 10 12
Total 4 21 25
P = 0,0565 Total
4 9 13
0 12 12
Total 4 21 25
P = 0,0391 Total
0 13 13
4 8 12
Total 4 21 25
Nilai P?Nilai P= 2(nilai awal + nilai terkceil)
2(0,2261 + 0,0391)= 0,5304
Tabel baris x kolom (b x k):
DESASUMBER AIR MINUM
TOTALSUNGAI KOLAM MATA AIR
A 20(40,0%)
18(36.0%)
12(24,0%)
50(100,0%)
B 32(53,3%)
20(33,3%)
8(13,3%)
60(100,0%)
C 18(45,0%)
12(30,0%)
10(25,0%)
40(100,0%)
70(46,7%)
50(33,3%)
30(20,0%)
150(100,0%)
Tabel baris x kolom (b x k):
DESASUMBER AIR MINUM
TOTALSUNGAI 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 0,5Artinya, 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 variabelRasa 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 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 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
Usia Menarkhe
Ukuran tebal lipatan kulitTotalKecil Menengah Besar
< 12 tahun
15 (8,8%) 29 (12,8%)
36 (19,4%)
80
≥ 12 tahun 156 (91,2%)
197 (87,2%)
150 (80,6%)
503
Total 171 (100%)
226 (100%)
186 (100%)
583
Skor 0 1 2
Odds 15/156 29/197 36/150
Log odds -2,34 -1,92 -1,43
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 = 8,483df = 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
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 = 8,483df = 1 => P antara 0,001 dan 0,005
Ada bukti kuat bahwa odds menarkhe dini meningkat dengan peningkatan tebal lipatan kulit
Tabel. Hubungan antara makan es buah dengan kejadian diare
Diare
TotalAda Tidak
ada
Es buah Ada 65 (a) 10 (b) 75 (m)
Tidak ada
25 (c) 25 (d) 50 (n)
Total 90 (r) 35 (s) 125 (N)
Tabel. Hubungan antara makan es buah dengan kejadian diare
Diare
TotalAda Tidak
ada
Es buah Ada 6 (a) 14 (b) 20
Tidak ada
1 (c) 20 (d) 21
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 baru
12 5 4 21
Obat lama
2 4 8 14
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?
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?