R Notebook

# Membuat tabel kontingensi
data <- matrix(c(20, 80,
                 30, 30),
               nrow = 2, byrow = TRUE)

# Menambahkan nama baris dan kolom
rownames(data) <- c("Sudah Vaksin Lengkap", "Belum Vaksin Lengkap")
colnames(data) <- c("Terkonfirmasi", "Tidak Terkonfirmasi")
# Melihat tabel
data

                     Terkonfirmasi Tidak Terkonfirmasi
Sudah Vaksin Lengkap            20                  80
Belum Vaksin Lengkap            30                  30

# Melakukan uji chi-square independensi
uji_chi <- chisq.test(data, correct = FALSE)
uji_chi

    Pearson's Chi-squared test

data:  data
X-squared = 15.709, df = 1, p-value = 7.387e-05

# Menampilkan expected value (nilai harapan)
uji_chi$expected

                     Terkonfirmasi Tidak Terkonfirmasi
Sudah Vaksin Lengkap         31.25               68.75
Belum Vaksin Lengkap         18.75               41.25

Lihat nilai p-value pada hasil uji_chi.

Jika p-value < 0.05 → Ada hubungan antara status vaksinasi dan kejadian COVID-19.

Jika p-value ≥ 0.05 → Tidak ada hubungan yang signifikan.

hasil uji chi-square biasanya akan memberikan:

Chi-squared sekitar 15,709 ~ 15,71 (Jawaban sama dengan manual yang saya buat)

df = 1

Jika menggunakan Pvalue, didapatkan bahwa p-value < 0.001 → artinya ada hubungan signifikan antara vaksinasi dan kejadian COVID-19.

# Data tabel
a <- 20  # Sudah vaksin & terkonfirmasi
b <- 80  # Sudah vaksin & tidak terkonfirmasi
c <- 30  # Belum vaksin & terkonfirmasi
d <- 30  # Belum vaksin & tidak terkonfirmasi

# Hitung Odds Ratio
or <- (a * d) / (b * c)
or

# Hitung Confidence Interval 95%
se_log_or <- sqrt(1/a + 1/b + 1/c + 1/d)
ci_lower <- exp(log(or) - 1.96 * se_log_or)
ci_upper <- exp(log(or) + 1.96 * se_log_or)

cat("Odds Ratio =", round(or, 2), "\n")
cat("95% CI =", round(ci_lower, 2), "-", round(ci_upper, 2), "\n")

Didapatkan bahwa nilai OR 0,25 (sama seperti yang saya dapatkan manual) artinya status vaksinasi lengkap memiliki kemungkinan 0,25 kali untuk terkonfirmasi Covid-19