Uji Statistik Apa untuk Skripsi Kesehatan Masyarakat Cross-Sectional? Chi-Square, Prevalence Ratio, dan Regresi Logistik (2026)

Untuk skripsi kesehatan masyarakat berdesain cross-sectional dengan variabel bebas dan terikat berskala kategorik, uji statistik yang dipakai adalah uji chi-square pada analisis bivariat, dengan uji Fisher exact sebagai pengganti bila syarat sel terpenuhi tidak tercapai, ukuran asosiasi berupa prevalence ratio (PR) atau odds ratio (OR) beserta interval kepercayaan 95%, dan regresi logistik berganda pada analisis multivariat bila ada lebih dari satu faktor yang diuji bersamaan. Variabel terikat berskala numerik memerlukan uji lain, dan artikel ini menjelaskan cara memilihnya.

Bagaimana cara menentukan uji dari skala data dan desain penelitian?

Pemilihan uji ditentukan oleh tiga hal: skala variabel bebas, skala variabel terikat, dan apakah kelompok yang dibandingkan saling bebas. Desain cross-sectional yang mendominasi skripsi Fakultas Kesehatan Masyarakat, dengan variabel yang hampir selalu dikategorikan (pengetahuan baik/kurang, kejadian ya/tidak), membuat tabel di bawah ini menjawab sebagian besar kasus. Alur ini mengikuti logika yang dipakai Dahlan dalam Statistik untuk Kedokteran dan Kesehatan (edisi 6) dan Sastroasmoro serta Ismael dalam Dasar-dasar Metodologi Penelitian Klinis (edisi 5, 2014), dua rujukan yang paling sering diminta pembimbing FKM.

Kolom terakhir penting karena penguji hampir selalu menanyakan “kalau syaratnya tidak terpenuhi, bagaimana?”. Menuliskan uji alternatif sejak BAB III menunjukkan Anda merencanakan analisis, bukan sekadar menjalankan menu SPSS.

Kapan chi-square boleh dipakai, dan kapan harus diganti Fisher exact?

Chi-square sah dipakai bila tidak ada sel dengan nilai harapan (expected count) kurang dari 1 dan sel dengan nilai harapan kurang dari 5 tidak lebih dari 20% dari seluruh sel. Kaidah ini berasal dari Cochran (1954) dan dipakai SPSS dalam catatan kaki tabel Chi-Square Tests: “0 cells (0,0%) have expected count less than 5”. Bila catatan kaki menunjukkan angka di atas 20%, hasil chi-square tidak boleh dilaporkan.

Penggantinya bergantung pada bentuk tabel. Untuk tabel 2×2, gunakan Fisher exact; SPSS menampilkannya otomatis di baris Fisher’s Exact Test. Untuk tabel 2×K atau B×K, gabungkan kategori yang berdekatan secara klinis (misalnya “kurang” dan “cukup” menjadi “belum baik”) sampai syarat terpenuhi, lalu ulangi chi-square; penggabungan ini harus dijelaskan di BAB IV beserta alasannya. Pada tabel 2×2, baris yang dibaca adalah Pearson Chi-Square, bukan Continuity Correction, kecuali pedoman fakultas Anda menetapkan lain; tuliskan pilihan itu secara eksplisit agar konsisten di seluruh tabel.

Nilai kritis chi-square untuk derajat bebas tertentu tersedia pada tabel r, t, F, dan chi-square untuk skripsi, tetapi laporan skripsi FKM lazimnya cukup memuat nilai p, bukan perbandingan dengan tabel.

Prevalence ratio atau odds ratio: mana yang benar untuk desain cross-sectional?

Ukuran asosiasi yang paling tepat untuk desain cross-sectional adalah prevalence ratio (PR), yaitu perbandingan prevalensi kejadian pada kelompok terpapar dengan kelompok tidak terpapar. Odds ratio diterima luas di skripsi Indonesia, tetapi ia melebih-lebihkan besarnya asosiasi ketika kejadian yang diteliti umum (prevalensi di atas sekitar 10%). Barros dan Hirakata (2003) dalam BMC Medical Research Methodology menunjukkan bahwa regresi Poisson dengan varians robust atau regresi log-binomial memberi taksiran PR yang benar dan lebih mudah ditafsirkan daripada OR dari regresi logistik.

Perbedaannya nyata. Misalkan 100 ibu dengan pengetahuan kurang, 40 di antaranya tidak memberi ASI eksklusif; 100 ibu dengan pengetahuan baik, 20 di antaranya tidak memberi ASI eksklusif. Prevalensi kejadian 40% dan 20%, sehingga PR = 0,40 / 0,20 = 2,0. Odds ratio dari tabel yang sama = (40 × 80) / (60 × 20) = 2,67. Keduanya menunjukkan asosiasi, tetapi kalimat “berisiko 2,67 kali” pada BAB IV salah bila yang dimaksud adalah prevalensi; yang benar adalah “prevalensi kejadian 2,0 kali lebih tinggi”.

Di SPSS, PR untuk tabel 2×2 diperoleh dengan mencentang Risk pada menu Crosstabs → Statistics; baris “For cohort [kejadian = ya]” pada tabel Risk Estimate adalah PR pada desain cross-sectional, sedangkan baris “Odds Ratio” adalah OR. Laporkan satu di antaranya secara konsisten beserta interval kepercayaan 95%. Interval yang memuat angka 1 berarti asosiasi tidak bermakna, apa pun nilai p-nya.

Kapan regresi logistik diperlukan, dan bagaimana syaratnya?

Regresi logistik berganda diperlukan bila skripsi Anda menguji lebih dari satu faktor terhadap satu variabel terikat dua kategori dan ingin mengetahui faktor mana yang paling berpengaruh setelah faktor lain dikendalikan. Tiga syarat yang biasanya diperiksa penguji:

1. Seleksi kandidat. Variabel yang masuk pemodelan multivariat adalah variabel dengan nilai p kurang dari 0,25 pada analisis bivariat, mengikuti seleksi bertujuan Hosmer dan Lemeshow. Batas 0,25, bukan 0,05, sengaja longgar agar faktor perancu tidak tersingkir terlalu dini.
2. Kecukupan kejadian. Aturan praktis yang lazim dirujuk adalah minimal sekitar 10 kejadian pada kategori terkecil variabel terikat untuk setiap variabel bebas dalam model (Peduzzi dan rekan, 1996). Empat variabel bebas memerlukan sekitar 40 kejadian, bukan 40 responden.
3. Kecocokan model. Laporkan uji Hosmer-Lemeshow (nilai p lebih dari 0,05 berarti model cocok), Nagelkerke R Square sebagai gambaran kasar proporsi variasi yang dijelaskan, dan adjusted OR beserta interval kepercayaan 95% untuk setiap variabel yang bertahan.

Bila pembimbing meminta PR pada tahap multivariat, jalankan regresi Poisson dengan penaksir varians robust; di SPSS tersedia melalui Generalized Linear Models dengan distribusi Poisson dan fungsi tautan log, di Stata dengan opsi vce(robust), di R dengan paket sandwich. Sebutkan pilihan ini di BAB III agar tidak tampak sebagai perubahan mendadak.

Bagaimana bila variabel terikatnya numerik?

Skripsi yang mengukur kadar hemoglobin, indeks massa tubuh, skor pengetahuan, atau jumlah konsumsi gula memiliki variabel terikat numerik. Uji yang dipakai berubah: perbandingan dua kelompok bebas memakai uji t tidak berpasangan, lebih dari dua kelompok memakai ANOVA satu arah, dan hubungan dua variabel numerik memakai korelasi Pearson. Ketiganya mensyaratkan sebaran normal pada variabel numerik; periksa dengan Shapiro-Wilk untuk sampel sampai 50 dan Kolmogorov-Smirnov untuk sampel lebih dari 50, konvensi yang dipakai Dahlan dan diikuti banyak FKM.

Bila sebaran tidak normal, gantilah dengan Mann-Whitney, Kruskal-Wallis, atau Spearman, dan laporkan median beserta rentang interkuartil, bukan rerata dan simpangan baku. Pilihan lain, termasuk transformasi data, dibahas pada artikel apa yang harus dilakukan bila data skripsi tidak normal. Jangan mengategorikan variabel numerik hanya agar bisa memakai chi-square; pemotongan kategori membuang informasi dan penguji yang teliti akan menanyakannya.

Berapa sampel yang dibutuhkan agar uji ini bermakna?

Skripsi FKM berdesain cross-sectional biasanya memakai rumus Lemeshow untuk taksiran proporsi: n = Z² × P × (1 − P) / d², dengan Z = 1,96 untuk tingkat kepercayaan 95%, P prevalensi dari penelitian terdahulu, dan d presisi mutlak (lazimnya 0,05 atau 0,10). Dengan P = 0,30 dan d = 0,10, n = 3,8416 × 0,30 × 0,70 / 0,01 = 80,7, dibulatkan 81 responden. Bila tujuan skripsi adalah menguji hubungan, rumus uji hipotesis dua proporsi lebih tepat karena memperhitungkan perbedaan prevalensi antarkelompok yang ingin dideteksi. Rumus Slovin tidak dirancang untuk keduanya. Penjelasan lengkap tiap rumus, termasuk cadangan untuk responden yang tidak lengkap, ada pada panduan cara menentukan jumlah sampel skripsi.

Bagaimana menuliskannya di BAB III dan melaporkannya di BAB IV?

Di BAB III, subbab analisis data cukup memuat empat kalimat: uji univariat (distribusi frekuensi), uji bivariat beserta uji alternatifnya, ukuran asosiasi yang dilaporkan, dan uji multivariat beserta kriteria masuknya variabel. Contoh kalimat: “Analisis bivariat menggunakan uji chi-square dengan tingkat kemaknaan 5%; bila syarat nilai harapan tidak terpenuhi, digunakan uji Fisher exact. Kekuatan hubungan dinyatakan dengan prevalence ratio beserta interval kepercayaan 95%. Variabel dengan nilai p kurang dari 0,25 pada analisis bivariat dimasukkan ke dalam regresi logistik berganda.”

Tabel di atas memakai angka contoh dari bagian PR dan OR; interval kepercayaan dihitung dari log PR dengan galat baku √(1/40 − 1/100 + 1/20 − 1/100), dan nilai p berasal dari chi-square Pearson tabel 2×2 (χ² = 9,52; df = 1). Satu baris narasi yang cukup: “Ibu berpengetahuan kurang memiliki prevalensi tidak memberi ASI eksklusif dua kali lebih tinggi daripada ibu berpengetahuan baik (PR = 2,00; IK 95% 1,26–3,17; p = 0,002).”

Di BAB IV, satu tabel bivariat per variabel terikat sudah cukup, dengan kolom: kategori variabel bebas, n dan % kejadian pada tiap kategori, PR atau OR beserta interval kepercayaan 95%, dan nilai p. Narasi di bawah tabel menyebut arah dan besar asosiasi, bukan mengulang semua angka. Pola paragraf pembahasan yang menghubungkan hasil, teori, dan penelitian terdahulu dijelaskan pada artikel cara menulis bab 4 dari keluaran ke naskah. Untuk subbab etika dan desain yang mendahului analisis, struktur BAB III pada panduan BAB III skripsi keperawatan berlaku hampir seluruhnya untuk skripsi kesehatan masyarakat.

Kesalahan apa yang paling sering dicoret penguji FKM?

• Melaporkan chi-square padahal catatan kaki SPSS menunjukkan lebih dari 20% sel bernilai harapan kurang dari 5.
• Menyebut “risiko 3 kali lipat” dari odds ratio pada desain cross-sectional dengan kejadian yang umum.
• Melaporkan nilai p tanpa interval kepercayaan, atau interval kepercayaan yang memuat angka 1 tetapi tetap disebut bermakna.
• Memasukkan semua variabel ke regresi logistik tanpa seleksi bivariat, atau sebaliknya hanya memasukkan yang p kurang dari 0,05.
• Mengategorikan variabel numerik dengan titik potong yang tidak bersumber (bukan dari WHO, Kemenkes, atau penelitian terdahulu).
• Menguji normalitas pada variabel kategorik, atau tidak mengujinya pada variabel numerik.
• Tabel B×K yang digabung tanpa penjelasan, sehingga kategori di BAB IV berbeda dari definisi operasional di BAB III.

Menyelesaikan analisis dan naskah BAB IV tanpa berminggu-minggu menebak uji

Sebagian besar waktu yang hilang pada skripsi FKM bukan pada pengolahan data, melainkan pada bolak-balik memastikan uji yang tepat dan menerjemahkan keluaran SPSS menjadi paragraf. Tesify membantu Anda menyusun subbab analisis data BAB III dari definisi operasional yang Anda masukkan, menghasilkan draf narasi hasil bivariat dan multivariat dari tabel yang Anda tempel, dan menjaga agar istilah PR, OR, dan interval kepercayaan dipakai konsisten di seluruh naskah. Anda tetap yang menjalankan analisis dan menafsirkannya. Mulai susun BAB III dan BAB IV skripsi kesehatan masyarakat Anda di Tesify, gratis untuk bab pertama.

Pertanyaan yang Sering Diajukan

Apakah skripsi cross-sectional wajib memakai chi-square?

Tidak wajib. Chi-square dipakai bila kedua variabel kategorik. Bila variabel terikat numerik, uji yang tepat adalah uji t, ANOVA, atau korelasi beserta padanan nonparametriknya.

Apa bedanya Pearson Chi-Square dan Continuity Correction pada keluaran SPSS?

Keduanya muncul pada tabel 2×2. Pearson Chi-Square adalah uji baku; Continuity Correction adalah koreksi Yates yang lebih konservatif. Lazimnya yang dilaporkan adalah Pearson, kecuali pedoman fakultas menetapkan koreksi Yates; sebutkan pilihannya di BAB III.

Bolehkah memakai odds ratio pada skripsi cross-sectional?

Boleh dan masih lazim, tetapi tafsirkan sebagai perbandingan odds, bukan risiko. Bila prevalensi kejadian tinggi, prevalence ratio lebih tepat dan lebih mudah dijelaskan di sidang.

Berapa nilai p yang dipakai untuk memasukkan variabel ke regresi logistik?

Kurang dari 0,25 pada analisis bivariat, mengikuti seleksi bertujuan Hosmer dan Lemeshow. Variabel yang secara teori dikenal sebagai perancu boleh dipertahankan meskipun nilai p-nya lebih besar.

Bagaimana bila hanya satu variabel yang bermakna pada bivariat?

Regresi logistik tidak diperlukan bila hanya satu kandidat; laporkan hasil bivariat beserta ukuran asosiasinya dan jelaskan di BAB IV mengapa pemodelan multivariat tidak dilakukan.

Apakah uji normalitas diperlukan untuk chi-square?

Tidak. Uji normalitas hanya berlaku untuk variabel numerik. Chi-square bekerja pada frekuensi, sehingga syaratnya adalah nilai harapan sel, bukan sebaran normal.

Berapa responden minimal agar regresi logistik sahih?

Patokan yang lazim adalah sekitar 10 kejadian pada kategori terkecil variabel terikat per variabel bebas dalam model. Empat variabel bebas memerlukan sekitar 40 kejadian, yang pada prevalensi 20% berarti sekitar 200 responden.

Apakah hasil yang tidak bermakna berarti skripsi gagal?

Tidak. Hasil tidak bermakna tetap dilaporkan dan dibahas: bandingkan dengan penelitian terdahulu, tinjau kecukupan sampel, dan diskusikan kemungkinan bias pengukuran. Penguji menilai kejujuran analisis, bukan arah hasilnya.

Perlukah melampirkan keluaran SPSS?

Sebagian besar FKM mewajibkan lampiran keluaran asli untuk setiap tabel di BAB IV. Simpan berkas output (.spv) dan ekspor ke PDF; penguji kadang mencocokkan angka di tabel dengan lampiran.

Apakah aplikasi selain SPSS diterima?

Diterima selama keluarannya bisa dilampirkan dan ujinya sama. Stata dan R memudahkan regresi Poisson dengan varians robust untuk PR; JASP dan jamovi gratis dan cukup untuk chi-square, Fisher, uji t, dan regresi logistik.