BIOSTATISTIK

Chi Square

KELOMPOK 5
KELAS A5 A
1. K.Y. WIRA YUDHA I GUSTI PUTU (11.321.1114)
2. YOGI ARISTANA PUTRA I PUTU GEDE (11.321.1188)
3. BUDI WIRATAMA I NYOMAN (11.321.1203)
4. EMI MAHARANI PUTU (11.321.1207)
5. MAHENDRA I WAYAN GEDE (11.321.1216)
6. NOVI WARDIYANI LUH PUTU (11.321.1223)
7. RATNA SARI DEWI NI PUTU AYU (11.321.1228)
8. FRANSISKUS KUKUH DUTA WICAKSONO (11.321.1312)

PROGRAM STUDI ILMU KEPERAWATAN
STIKES WIRA MEDIKA PPNI BALI
TAHUN 2014

PEMBAHASAN
1. Chi Square
a. Tabulasi Silang (crosstab)
Statistik deskriptif crosstab (tabulasi silang) termasuk dalam analisis deskripsi. Namun
ada perbedaan dibandingkan dengan statistik deskriptif frekuensi,dan eksplore. Deskriptif
crosstab menyajikan data dalam bentuk tabulasi, yang meliputi baris dan kolom. Ciri-ciri
crosstab pada umumnya adalah dua variabel atau lebih yang mempunyai hubungan secara
deskriptif. Penyajian data pada umumnya adalah data kualitatif, khususnya berskala nominal
seperti hubungan antara jenis kelamin dengan usia, jenis kelamin dengan pekerjaan dan lain
sebagainya.
Analisis table silang (crosstabs) merupakan salah satu analisis korelasional yang
digunakan untuk melihat hubungan antarvariabel (minimal 2 variabel) kategori nominal atau
ordinal. Dimungkinkan pula adanya penambahan variabel control.
Analisis tabulasi silang merupakan salah satu analisis korelasional yang digunakan utnuk
melihat hubungan antar variable. Sehingga analisa tabulasi silang ini dapat digunakan untuk
menganalisa lebih dari dua variable.
Berikut ini salah satu contoh perhitungan yang menggunakan analisis tabulasi silang atau
crosstab. Penelitian untuk mengetahui ada tidaknya hubungan antara jenis kelamin dengan
prestasi kerja.
Untuk membuktikan hipotesis tersebut hal yang terlebih dahulu dilakukan adalah
membuat penelitian seperti mengadakan survei di suatu perusahaan atau organisasi. Data tersebut
dapat diperoleh dari kuesioner yang dibagikan kepada beberapa responden. Dalam contoh ini,
kita mengambil responden sebanyak 30 orang. Dari data tersebut dapat menghasilkan data
seperti contoh berikut ini:
Untuk memudahkan analisa maka kita dapat membuat kode pada jenis kelamin dan prestasi
kerja.
Tabel 1. Pemberian Kode pada Variabel Jenis Kelamin dan Prestasi Kerja
No Jenis Kelamin Prestasi Kerja
1. Value 1 = Laki-Laki Value 1 = Rendah misal skor 0-40
2. Value 2 = Wanita Value 2 = Sedang misal skor 41-80
3. Value 3 = Tinggi misal skor 81-120
Setelah data yang diperoleh diubah menjadi data nominal, yakni dengan memberi kode pada
setiap variable maka dapat disajikan menjadi seperti tabel di bawah ini:
Tabel 2. Data-data yang diperoleh telah diubah sesuai ketentuan kode pada tabel 1
No Jenis Kelamin Prestasi Kerja
1 1 1
2 1 2
3 2 3
4 2 1
5 1 3
6 2 2
7 1 2
8 1 1
9 1 3
10 2 2
11 2 3
12 2 1
13 1 1
14 1 1
15 2 2
16 1 1
17 1 2
18 2 3
19 2 1
20 1 3
21 2 2
22 1 2
23 1 1
24 1 3
25 2 2
26 2 3
27 2 1
28 1 1
29 1 1
30 1 1
Setelah kita memberi kode seperti contoh tersebut di atas, maka kita telah siap untuk
mengadakan analisa crosstab atau analisa tabulasi silang. Langkah-langkahnya sebagai berikut :
Membuka program SPSS dengan cara :
Double klik pada shortcut yang terdapat pada dekstop komputer
Atau dengan cara Start > All Program > SPSS for Windows
Kedua cara tersebut akan muncul tampilan SPSS yang mirip dengan tampilan Microsoft Excel.
Setelah itu, secara otomatis output akan keluar. Seperti gambar berikut :
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Jenis Kelamin * Prestasi
Kerja
30 100.0% 0 .0% 30 100.0%
Penjelasan output:
Pada tabel Case Processing Summary, menunjukkan dalam penelitian tersebut terdapat 30
sampel. Tidak ada yang hilang atau missing sehingga tingkat kevalidannya adalah 100%.
Jenis Kelamin * Prestasi Kerja Crosstabulation
Prestasi Kerja
Total Rendah Sedang Tinggi
Jenis
Kelamin
Laki-
Laki
Count 9 4 4 17
Expected Count 7.4 5.1 4.5 17.0
% within Jenis
Kelamin
52.9% 23.5% 23.5% 100.0%
% within Prestasi
Kerja
69.2% 44.4% 50.0% 56.7%
% of Total 30.0% 13.3% 13.3% 56.7%
Wanita Count 4 5 4 13
Expected Count 5.6 3.9 3.5 13.0
% within Jenis
Kelamin
30.8% 38.5% 30.8% 100.0%
% within Prestasi
Kerja
30.8% 55.6% 50.0% 43.3%
% of Total 13.3% 16.7% 13.3% 43.3%
Total Count 13 9 8 30
Expected Count 13.0 9.0 8.0 30.0
% within Jenis
Kelamin
43.3% 30.0% 26.7% 100.0%
% within Prestasi
Kerja
100.0% 100.0% 100.0% 100.0%
% of Total 43.3% 30.0% 26.7% 100.0%


Penjelasan output:
Pada tabel Jenis Kelamin * Prestasi Kerja Crosstabulation menunjukkan data objektif/ frekuensi
nyata (Count) dan frekuensi harapan (Expected Count) baik dalam bentuk skor maupun
presentase.
Kesimpulan: Dari penelitian tersebut terdapat 9 karyawan laki-laki yang memiliki prestasi kerja
rendah, 4 karyawan laki-laki berprestasi kerja sedang dan 4 sisanya berprestasi tinggi.
Sedangkan untuk karyawan wanita, 4 wanita mempunyai prestasi kerja rendah, 5 orang
memiliki prestasi kerja sedang dan 4 orang lainnya mempunyai prestasi kerja tinggi.
Chi-Square Tests

Value df
Asymp. Sig.
(2-sided)
Pearson Chi-Square 1.528
a
2 .466
Likelihood Ratio 1.550 2 .461
Linear-by-Linear
Association
.916 1 .338
N of Valid Cases 30
a. 3 cells (50,0%) have expected count less than 5. The
minimum expected count is 3,47.

Penjelasan output:
Untuk tabel Chi-Square Tests, menunjukkan hasil Chi Kuadrat (Chi Square) hitung
sebesar 1.528. Tingkat signifikan = 0,05 % yang telah ditentukan terlebih dahulu sebelum
melakukan penelitian.
Keputusan = 0.05 Asymp. Sig. (2-sided) maka Ho diterima dan Ha ditolak.
Bila = 0.05 Asymp. Sig. (2-sided) maka Ho ditolak dan Ha diterima.
Kesimpulan : Dari tabel Chi Square tersebut di atas, dapat diketahui bahwa 0.05 Asymp. Sig. (2-
sided) yakni 0.466 maka Ho diterima dan Ha ditolak. Atau dengan kata lain tidak terdapat
hubungan antara jenis kelamin dengan prestasi kerja.
b. Uji Kesesuaian
Metode ini dikembangkan oleh Pearson tahun 1900 yang merupakan perhitungan suatu
kuantitas yang disebut Kai Kuadrat . Metode ini sangat bermanfaat ketika data yang tersedia
hanya berupa frekuensi (disebut count), misalnya banyaknya subjek dalam kategori sakit dan
tidak sakit, atau banyaknya penderita diabetes mellitus dalam kategori I, II, III, IV menurut
keparahan penyakitnya.
Uji kai kuadrat untuk satu sampel dapat dipakai untuk menguji apakah data sebuah
sampel yang diambil menunjang hipotesa yang menyatakan bahwa populasi asal sampel tersebut
mengikuti suatu distribusi yang telah ditetapkan. Oleh karena itu uji ini disebut juga uji
keselarasan (goodness of fit test), karena untuk menguji apakah sebuah sampel selaras dengan
salah satu distribusi teoritis (seperti distribusi normal, uniform, binomial dan lainnya).

Rumus yang digunakan untuk uji ini sama dengan rumus umum Uji Kai Kuadrat :


Contoh Kasus :
Sebuah survei berminat menyelidiki determinasi orang dalam mencegah factor-faktor
risiko penyakit jantung koroner. Setiap subjek dari sampel berukuran 200 orang diminta
menyatakan sikapnya terhadap sebuah pertanyaan kuesioner sebagai berikut apakah anda yakin
dapat menghindari makanan berkolesterol tinggi dengan hasil 70 orang sangat yakin, 50 orang
yakin, 45 orang ragu-ragu, dan 35 orang sangat ragu-ragu. Dapatkah kita menarik kesimpulan
berdasarkan data tersebut, bahwa keempat sikap yang berbeda menyebar merata di dalam
populasi asal sampel.
Penyelesaian :
Buat tabel seperti ini untuk memudahkan dalam perhitungan :

Nilai E = 50, karena kita berharap bahwa jumlah yang menjawab pada masing-masing kategorik
akan berdistribusi sama. Selanjutnya masukan dalam rumus.



Dari hasil perhitungan terlihat Chi square hitung adalah 13. Selanjutnya melihat nilai tabel pada
kemaknaan alfa = 0.05 pada df = 4-1 = 3.

Dari tabel chi square diperoleh chi square tabel dengan df= 3 adalah 7,815, berarti Chi-square
hitung > chi-square tabel, maka Ho ditolak. Artinya sikap responden terhadap pertanyaan tidak
proporsional, dimana sikap responden cendrung pada sikap tertentu.
c. Uji Independensi
Chi-Kuadrat Untuk Pengujian Independensi
Di bidang kedokteran tidaki jarang kita menemukan dua variable di mana masing-masing
variable terdiri dari beberapa kategori, misalnya tingkat beratnya penyakit dan tingkat
kesembuhan. Bila kita ingin mengetahui apakah di antara dua variable tersebut terdapat
hubungan atau tidak, dengan kata lain apakah kedua variabel tersebut tersebut bersifat dependen
atau independen, maka pengujian hipotesis dilakukan dengan

.
Interpretasi hasil pengujian ialah apabila hipotesis nol diterima, berarti tidak ada
hubungan (independen), tetapi bila hasilnya menolak hipotesis nol maka dikatakan kedua
variable tersebut mempunyai hubungan atau dependen. Rumus yang digunakan adalah rumus
umum

.
Contoh:
Sebuah penelitian dilakukan oleh seorang kepala rumah sakit untuk mengetahui apakah
ada hubungan antara tingkat pendidikan dengan kelas ruang rawat inap. Untuk kepentingan
tersebut diambil sampel sebanyak 200 orang penderita dengan hasil sebagai berikut.
H
o
: variable 1 dan variabel 2 bersifat independen
H
a
: variable 1 dan variabel 2 bersifat dependen
1. 70 orang dengan pendidikan SD
20 orang memilih kelas 1
40 orang memilih kelas 2
10 orang memilih kelas 3
2. 50 orang berpendidikan SLTP
25 orang memilih kelas 1
15 orang memilih kelas 2
10 orang memilih kelas 3
3. 40 orang berpendidikan SLTA
15 orang memilih kelas 1
10 orang memilih kelas 2
15 orang memilih kelas 3
4. 40 orang berpendidikan akademi atau perguruan tinggi
20 orang memilih kelas 1
5 orang memilih kelas 2
15 orang memilih kelas 3
Data di atas dapat disajikan dalam bentuk table seperti berikut :
Kelas ruang
Pendidi
kan
Jumlah
SD SLTP SLTA PT
1
2
3
20
40
10
25
15
10
15
10
15
20
5
15
80
70
50
Jumlah 70 50 40 40 200

Hasil perhitungan :
O E (O-E) (O-E)
2
(O-E)
2
/E
20 28 -8 64 2,29
25 20 5 25 1,25
15 16 -1 1 0,06
20 16 4 16 1,00
40 24,5 15,5 240,25 9,81
15 17,5 -2,5 6,25 0,06
10 14 4 16 1,14
5 14 -9 81 5,75
10 12,5 -2,5 6,25 0,50
10 17,5 -7,5 56,25 3,21
15 10 5 25 2,5
15 10 5 25 2,5

30,11

X
2
= 0,05,dk6 = 12,59
Hipotesis ditolak pada derajat kemaknaan 0,05 atau p > 0,05.
Kesimpulannya, kita 95% percaya bahwa terdapat hubungan antara tingkat pendidikan
dengan ruang rawat inap.












Daftar Pustaka

Budiarto, Eko. 2001. Biostatistika Untuk Kedokteran Dan Kesehatan Masyarakat. Jakarta : EGC
http://idtesis.com/analisis-tabulasi-silang-crosstab/
http://digensia.wordpress.com/akses2013/04/10/uji-kecocokankesesuaian-goodness-of-fit-test/