Bagian 1: Definisi Analisis Data Kategori

Pengertian Analisis Data Kategori

Analisis data kategori (categorical data analysis) merupakan cabang ilmu statistika yang secara khusus membahas metode-metode statistik untuk data yang bersifat kualitatif, yaitu data yang nilainya menyatakan keanggotaan suatu observasi pada kelompok atau kategori tertentu, bukan berupa besaran numerik yang dapat diukur secara kontinu. Agresti (2013) mendefinisikan data kategori sebagai data di mana setiap observasi termasuk ke dalam salah satu dari sekumpulan kategori yang saling lepas (mutually exclusive) dan lengkap (exhaustive).

Berbeda dengan data kuantitatif yang dapat dijumlahkan, dirata-ratakan, atau dioperasikan secara aritmatika, data kategori hanya dapat dihitung frekuensinya pada masing-masing kategori. Oleh karena itu, metode analisis yang digunakan pun berbeda, misalnya menggunakan tabel kontingensi, uji chi-square, ukuran asosiasi seperti odds ratio, hingga model regresi khusus seperti regresi logistik dan model loglinear.

Secara umum, tujuan analisis data kategori adalah untuk:

  1. Mendeskripsikan pola distribusi frekuensi pada satu atau lebih variabel kategori.
  2. Menguji ada tidaknya hubungan (asosiasi) antara dua atau lebih variabel kategori.
  3. Mengukur kekuatan dan arah hubungan antar variabel kategori.
  4. Membangun model prediksi untuk variabel respon yang bersifat kategori.

Karakteristik Variabel Kategori

Variabel kategori memiliki beberapa karakteristik utama sebagai berikut.

  1. Skala Nominal Kategori tidak memiliki urutan atau tingkatan tertentu. Contoh: jenis kelamin (laki-laki, perempuan), status merokok (merokok, tidak merokok), golongan darah (A, B, AB, O).

  2. Skala Ordinal Kategori memiliki urutan atau tingkatan yang bermakna, namun jarak antar kategori tidak dapat diukur secara pasti. Contoh: tingkat pendidikan (SD, SMP, SMA, Perguruan Tinggi), tingkat kepuasan (sangat tidak puas, tidak puas, puas, sangat puas).

  3. Bersifat Diskrit Jumlah kategori bersifat terbatas (finite) dan dapat dihitung (countable), berbeda dengan data kontinu yang nilainya dapat berupa bilangan real dalam suatu interval.

  4. Tidak Dapat Dioperasikan Secara Aritmatika Operasi penjumlahan, pengurangan, perkalian, atau pembagian secara langsung terhadap nilai kategori tidak memiliki makna. Sebagai contoh, kategori “SMA” tidak dapat dijumlahkan dengan kategori “SMP”.

  5. Diringkas dalam Bentuk Frekuensi atau Proporsi Karena tidak dapat dioperasikan secara numerik, data kategori umumnya diringkas menggunakan frekuensi (jumlah observasi pada tiap kategori) atau proporsi/persentase.

Contoh Penerapan Analisis Data Kategori dalam Penelitian

Analisis data kategori banyak diterapkan pada berbagai bidang ilmu, di antaranya:

  • Bidang kesehatan: hubungan antara status merokok dengan kejadian kanker paru-paru, hubungan antara status vaksinasi dengan kejadian infeksi, hubungan antara pola makan dengan kejadian obesitas.
  • Bidang ekonomi: hubungan antara tingkat pendidikan dengan status pekerjaan, hubungan antara jenis kelamin dengan tingkat kepemilikan usaha.
  • Bidang sosial dan politik: hubungan antara jenis kelamin dengan preferensi partai politik, hubungan antara wilayah tempat tinggal (kota/desa) dengan partisipasi pemilu.
  • Bidang pendidikan: hubungan antara metode pembelajaran dengan tingkat kelulusan siswa.
  • Bidang pertanian: hubungan antara jenis pupuk dengan tingkat keberhasilan panen (berhasil/gagal).

Penerapan-penerapan tersebut umumnya diawali dengan penyusunan tabel kontingensi, dilanjutkan dengan uji asosiasi (misalnya uji chi-square), serta perhitungan ukuran asosiasi seperti odds ratio dan relative risk untuk mengukur kekuatan hubungan antar variabel.

Referensi:

Agresti, A. (2013). Categorical Data Analysis (3rd ed.). Hoboken, NJ: Wiley.

Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.

Bagian 2: Tabel Kontingensi

Definisi Tabel Kontingensi

Tabel kontingensi (contingency table) adalah tabel yang digunakan untuk menyajikan dan menganalisis hubungan antara dua atau lebih variabel kategori dengan menampilkan frekuensi bersama (joint frequency) dari kombinasi kategori-kategori tersebut (Agresti, 2013). Tabel kontingensi juga sering disebut tabel silang (cross tabulation) karena menyilangkan kategori dari satu variabel dengan kategori dari variabel lainnya.

Tabel kontingensi menjadi dasar dari berbagai analisis data kategori, seperti uji independensi chi-square, perhitungan odds ratio, relative risk, hingga analisis loglinear untuk tabel berdimensi lebih tinggi.

Struktur Tabel Kontingensi

Secara umum, tabel kontingensi berukuran \(r \times c\) terdiri atas \(r\) baris (kategori variabel \(X\)) dan \(c\) kolom (kategori variabel \(Y\)), dengan \(n_{ij}\) menyatakan frekuensi observasi pada baris ke-\(i\) dan kolom ke-\(j\).

Untuk kasus khusus tabel \(2 \times 2\), strukturnya adalah sebagai berikut.

\(Y=1\) (Kejadian) \(Y=0\) (Tidak Kejadian) Total
\(X=1\) (Terpapar) \(a\) \(b\) \(a+b\)
\(X=0\) (Tidak Terpapar) \(c\) \(d\) \(c+d\)
Total \(a+c\) \(b+d\) \(n\)

Keterangan:

  • \(a\) : jumlah subjek yang terpapar dan mengalami kejadian.
  • \(b\) : jumlah subjek yang terpapar namun tidak mengalami kejadian.
  • \(c\) : jumlah subjek yang tidak terpapar namun mengalami kejadian.
  • \(d\) : jumlah subjek yang tidak terpapar dan tidak mengalami kejadian.
  • \(n = a+b+c+d\) : total seluruh observasi.

Konsep Joint Distribution

Distribusi peluang bersama (joint distribution) menyatakan peluang terjadinya kombinasi kategori dari dua variabel secara bersamaan, dinotasikan sebagai:

\[ P(X=i, Y=j) = \frac{n_{ij}}{n} \]

Sebagai ilustrasi pada tabel \(2\times 2\) di atas, peluang bersama seseorang terpapar dan mengalami kejadian adalah:

\[ P(X=1, Y=1) = \frac{a}{n} \]

sedangkan peluang bersama seseorang tidak terpapar dan tidak mengalami kejadian adalah:

\[ P(X=0, Y=0) = \frac{d}{n} \]

Seluruh nilai joint distribution pada tabel harus memenuhi syarat:

\[ \sum_{i} \sum_{j} P(X=i, Y=j) = 1 \]

Konsep Marginal Distribution

Distribusi marginal adalah distribusi peluang dari salah satu variabel saja, tanpa memperhatikan kategori variabel lainnya. Distribusi ini diperoleh dengan menjumlahkan sel-sel pada baris atau kolom yang bersesuaian, sehingga disebut juga sebagai “total pinggir” (marginal totals).

\[ P(X=1) = \frac{a+b}{n}, \qquad P(X=0) = \frac{c+d}{n} \]

\[ P(Y=1) = \frac{a+c}{n}, \qquad P(Y=0) = \frac{b+d}{n} \]

Distribusi marginal berguna untuk melihat proporsi keseluruhan masing-masing kategori tanpa memandang hubungannya dengan variabel lain.

Konsep Conditional Probability

Peluang bersyarat (conditional probability) menyatakan peluang terjadinya suatu kategori variabel \(Y\) dengan syarat kategori variabel \(X\) telah diketahui, dirumuskan sebagai:

\[ P(Y=j \mid X=i) = \frac{P(X=i, Y=j)}{P(X=i)} \]

Untuk tabel \(2 \times 2\), peluang bersyarat seseorang mengalami kejadian dengan syarat ia terpapar adalah:

\[ P(Y=1 \mid X=1) = \frac{P(X=1, Y=1)}{P(X=1)} = \frac{a/n}{(a+b)/n} = \frac{a}{a+b} \]

sedangkan peluang bersyarat seseorang mengalami kejadian dengan syarat ia tidak terpapar adalah:

\[ P(Y=1 \mid X=0) = \frac{c}{c+d} \]

Perbandingan antara kedua peluang bersyarat inilah yang nantinya mendasari perhitungan ukuran asosiasi seperti relative risk pada Bagian 3.

> Catatan konseptual: Jika \(P(Y=1 \mid X=1) = P(Y=1 \mid X=0)\), maka variabel \(X\) dan \(Y\) dikatakan independen (tidak ada hubungan), karena status \(X\) tidak memengaruhi peluang terjadinya \(Y\).

Bagian 3: Ukuran Asosiasi

Ukuran asosiasi (measures of association) digunakan untuk mengukur kekuatan dan arah hubungan antara dua variabel kategori pada tabel kontingensi \(2 \times 2\). Tiga ukuran yang paling umum digunakan adalah odds, odds ratio, dan relative risk.

Odds

Odds menyatakan perbandingan antara peluang suatu kejadian terjadi dengan peluang kejadian tersebut tidak terjadi, dirumuskan secara umum sebagai:

\[ \text{Odds} = \frac{P(Y=1)}{1-P(Y=1)} = \frac{P(Y=1)}{P(Y=0)} \]

Pada tabel kontingensi \(2\times 2\), odds kejadian pada kelompok terpapar (\(X=1\)) adalah:

\[ \text{Odds}_{X=1} = \frac{P(Y=1 \mid X=1)}{P(Y=0 \mid X=1)} = \frac{a/(a+b)}{b/(a+b)} = \frac{a}{b} \]

dan odds kejadian pada kelompok tidak terpapar (\(X=0\)) adalah:

\[ \text{Odds}_{X=0} = \frac{c}{d} \]

Interpretasi:

  • \(\text{Odds} = 1\) berarti peluang kejadian sama besar dengan peluang tidak terjadinya kejadian.
  • \(\text{Odds} > 1\) menunjukkan peluang kejadian lebih besar dibandingkan peluang tidak terjadinya kejadian.
  • \(\text{Odds} < 1\) menunjukkan peluang kejadian lebih kecil dibandingkan peluang tidak terjadinya kejadian.

Odds Ratio

Odds ratio (OR) mengukur perbandingan odds antara dua kelompok (misalnya kelompok terpapar dan tidak terpapar), dan merupakan salah satu ukuran asosiasi yang paling banyak digunakan karena dapat dihitung baik pada studi kohort maupun studi kasus-kontrol (case-control).

\[ OR = \frac{\text{Odds}_{X=1}}{\text{Odds}_{X=0}} = \frac{a/b}{c/d} = \frac{ad}{bc} \]

Interpretasi:

  • \(OR = 1\): tidak ada asosiasi antara kedua variabel (independen).
  • \(OR > 1\): kelompok terpapar (\(X=1\)) memiliki odds lebih tinggi mengalami kejadian dibandingkan kelompok tidak terpapar, sehingga \(X\) berperan sebagai faktor risiko.
  • \(OR < 1\): kelompok terpapar memiliki odds lebih rendah mengalami kejadian, sehingga \(X\) berperan sebagai faktor protektif.

Semakin jauh nilai \(OR\) dari 1 (baik ke atas maupun ke bawah), semakin kuat asosiasi antara kedua variabel.

Relative Risk

Relative risk (RR), atau disebut juga risiko relatif, mengukur perbandingan proporsi (risiko) kejadian antara dua kelompok, dan hanya dapat dihitung secara sahih pada studi kohort atau studi cross-sectional (bukan pada studi kasus-kontrol).

\[ RR = \frac{P(Y=1 \mid X=1)}{P(Y=1 \mid X=0)} = \dfrac{\dfrac{a}{a+b}}{\dfrac{c}{c+d}} \]

Interpretasi:

  • \(RR = 1\): risiko kejadian pada kedua kelompok sama besar.
  • \(RR > 1\): kelompok terpapar memiliki risiko lebih tinggi mengalami kejadian dibandingkan kelompok tidak terpapar.
  • \(RR < 1\): kelompok terpapar memiliki risiko lebih rendah mengalami kejadian dibandingkan kelompok tidak terpapar (bersifat protektif).

Hubungan antara Odds Ratio dan Relative Risk

Perlu dicatat bahwa ketika suatu kejadian tergolong jarang terjadi (rare event, biasanya proporsi kejadian di bawah 10%), nilai odds ratio akan mendekati nilai relative risk, sehingga OR sering digunakan sebagai pendekatan (approximation) terhadap RR terutama pada studi kasus-kontrol di mana RR tidak dapat dihitung secara langsung.

Bagian 4: Contoh Perhitungan Manual

Pada bagian ini disajikan dua contoh kasus perhitungan manual agar konsep yang telah dijelaskan pada Bagian 3 dapat dipahami secara lebih mendalam.

Contoh Kasus 1: Merokok vs Kanker Paru-Paru

Misalkan diperoleh data hasil survei terhadap 200 orang sebagai berikut.

Kanker Tidak Kanker Total
Merokok 60 40 100
Tidak Merokok 20 80 100
Total 80 120 200

Sehingga \(a=60\), \(b=40\), \(c=20\), \(d=80\), dan \(n=200\).

1. Membuat Tabel Kontingensi

Tabel kontingensi telah disajikan di atas dengan \(a=60,\ b=40,\ c=20,\ d=80\).

2. Menghitung Peluang Bersyarat

\[ P(\text{Kanker} \mid \text{Merokok}) = \frac{a}{a+b} = \frac{60}{100} = 0.60 \]

\[ P(\text{Kanker} \mid \text{Tidak Merokok}) = \frac{c}{c+d} = \frac{20}{100} = 0.20 \]

3. Menghitung Odds

\[ \text{Odds}_{\text{merokok}} = \frac{a}{b} = \frac{60}{40} = 1.5 \]

\[ \text{Odds}_{\text{tidak merokok}} = \frac{c}{d} = \frac{20}{80} = 0.25 \]

4. Menghitung Odds Ratio

\[ OR = \frac{ad}{bc} = \frac{(60)(80)}{(40)(20)} = \frac{4800}{800} = 6 \]

Interpretasi manual: Odds seseorang mengalami kanker paru-paru pada kelompok perokok adalah 6 kali lebih besar dibandingkan kelompok bukan perokok.

Sebagai pelengkap, dihitung juga relative risk:

\[ RR = \frac{0.60}{0.20} = 3 \]

Interpretasi: Risiko mengalami kanker paru-paru pada kelompok perokok adalah 3 kali lipat dibandingkan kelompok bukan perokok.

Contoh Kasus 2: Vaksin vs Infeksi

Sebagai contoh tambahan, misalkan dilakukan studi kohort terhadap 300 orang untuk melihat hubungan antara status vaksinasi dengan kejadian infeksi, dengan hasil sebagai berikut.

Infeksi Tidak Infeksi Total
Tidak Divaksin 45 105 150
Divaksin 15 135 150
Total 60 240 300

Di sini kelompok “Tidak Divaksin” diposisikan sebagai kelompok terpapar (faktor risiko), sehingga \(a=45\), \(b=105\), \(c=15\), \(d=135\), dan \(n=300\).

1. Membuat Tabel Kontingensi

Tabel kontingensi telah disajikan di atas dengan \(a=45,\ b=105,\ c=15,\ d=135\).

2. Menghitung Peluang Bersyarat

\[ P(\text{Infeksi} \mid \text{Tidak Divaksin}) = \frac{a}{a+b} = \frac{45}{150} = 0.30 \]

\[ P(\text{Infeksi} \mid \text{Divaksin}) = \frac{c}{c+d} = \frac{15}{150} = 0.10 \]

3. Menghitung Odds

\[ \text{Odds}_{\text{tidak divaksin}} = \frac{a}{b} = \frac{45}{105} = 0.4286 \]

\[ \text{Odds}_{\text{divaksin}} = \frac{c}{d} = \frac{15}{135} = 0.1111 \]

4. Menghitung Odds Ratio

\[ OR = \frac{ad}{bc} = \frac{(45)(135)}{(105)(15)} = \frac{6075}{1575} = 3.857 \]

Interpretasi manual: Odds seseorang mengalami infeksi pada kelompok yang tidak divaksin adalah sekitar 3,86 kali lebih besar dibandingkan kelompok yang divaksin.

Relative risk untuk kasus ini:

\[ RR = \frac{0.30}{0.10} = 3 \]

Interpretasi: Risiko mengalami infeksi pada kelompok yang tidak divaksin adalah 3 kali lipat dibandingkan kelompok yang divaksin, sehingga vaksinasi terbukti memiliki efek protektif terhadap kejadian infeksi pada data ini.

Bagian 5: Analisis Menggunakan R

Pada bagian ini, kedua contoh kasus manual di atas direplikasi menggunakan perangkat lunak R agar hasil perhitungan manual dapat diverifikasi.

Kasus 1: Merokok vs Kanker Paru-Paru

data1 <- matrix(c(60, 40, 20, 80),
                 nrow = 2,
                 byrow = TRUE)
rownames(data1) <- c("Merokok", "Tidak Merokok")
colnames(data1) <- c("Kanker", "Tidak Kanker")
data1
##               Kanker Tidak Kanker
## Merokok           60           40
## Tidak Merokok     20           80

Menghitung Odds dan Odds Ratio

a <- data1[1,1]; b <- data1[1,2]
c <- data1[2,1]; d <- data1[2,2]

odds_merokok <- a/b
odds_tidak_merokok <- c/d
OR1 <- (a*d)/(b*c)

odds_merokok
## [1] 1.5
odds_tidak_merokok
## [1] 0.25
OR1
## [1] 6

Menghitung Relative Risk

RR1 <- (a/(a+b)) / (c/(c+d))
RR1
## [1] 3

Melakukan Uji Chi-Square

chisq.test(data1)
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  data1
## X-squared = 31.688, df = 1, p-value = 1.811e-08

Kasus 2: Vaksin vs Infeksi

Membuat Tabel Kontingensi

data2 <- matrix(c(45, 105, 15, 135),
                 nrow = 2,
                 byrow = TRUE)
rownames(data2) <- c("Tidak Divaksin", "Divaksin")
colnames(data2) <- c("Infeksi", "Tidak Infeksi")
data2
##                Infeksi Tidak Infeksi
## Tidak Divaksin      45           105
## Divaksin            15           135

Menghitung Odds dan Odds Ratio

a2 <- data2[1,1]; b2 <- data2[1,2]
c2 <- data2[2,1]; d2 <- data2[2,2]

odds_tidak_divaksin <- a2/b2
odds_divaksin <- c2/d2
OR2 <- (a2*d2)/(b2*c2)

odds_tidak_divaksin
## [1] 0.4285714
odds_divaksin
## [1] 0.1111111
OR2
## [1] 3.857143

Menghitung Relative Risk

RR2 <- (a2/(a2+b2)) / (c2/(c2+d2))
RR2
## [1] 3

Melakukan Uji Chi-Square

chisq.test(data2)
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  data2
## X-squared = 17.521, df = 1, p-value = 2.842e-05

Visualisasi Tabel Kontingensi

Sebagai pelengkap, berikut disajikan visualisasi mosaic plot untuk melihat proporsi masing-masing sel pada kedua tabel kontingensi.

par(mfrow = c(1,2))
mosaicplot(data1, main = "Merokok vs Kanker", color = c("#9ecae1", "#3182bd"),
           xlab = "Status Merokok", ylab = "Status Kanker")
mosaicplot(data2, main = "Vaksin vs Infeksi", color = c("#9ecae1", "#3182bd"),
           xlab = "Status Vaksin", ylab = "Status Infeksi")

Bagian 6: Interpretasi Hasil

Kasus 1: Merokok vs Kanker Paru-Paru

Berdasarkan hasil perhitungan manual maupun output R, diperoleh nilai odds ratio sebesar \(OR = 6\) dan relative risk sebesar \(RR = 3\). Hasil uji chi-square menghasilkan nilai p-value yang perlu dibandingkan dengan taraf signifikansi \(\alpha = 0.05\). Jika p-value \(< \alpha\), maka \(H_0\) (tidak ada asosiasi antara status merokok dan kejadian kanker) ditolak, sehingga disimpulkan terdapat asosiasi yang signifikan secara statistik antara status merokok dan kejadian kanker paru-paru.

Secara substantif, nilai \(OR = 6\) menunjukkan bahwa peluang (odds) seseorang mengalami kanker paru-paru pada kelompok perokok adalah 6 kali lebih besar dibandingkan kelompok bukan perokok. Nilai \(RR = 3\) mengindikasikan bahwa risiko mengalami kanker paru-paru pada perokok adalah 3 kali lebih tinggi dibandingkan bukan perokok. Temuan ini konsisten dengan berbagai studi epidemiologi yang menunjukkan merokok sebagai faktor risiko utama kanker paru-paru, sehingga upaya pencegahan dan pengendalian konsumsi rokok menjadi penting dalam konteks kesehatan masyarakat.

Kasus 2: Vaksin vs Infeksi

Diperoleh nilai odds ratio sebesar \(OR \approx 3.86\) dan relative risk sebesar \(RR = 3\). Sebagaimana kasus pertama, hasil uji chi-square perlu dibandingkan dengan \(\alpha = 0.05\); jika p-value \(< \alpha\), maka \(H_0\) (tidak ada asosiasi antara status vaksinasi dan kejadian infeksi) ditolak, sehingga disimpulkan terdapat asosiasi yang signifikan secara statistik antara status vaksinasi dan kejadian infeksi.

Secara substantif, nilai \(OR \approx 3.86\) menunjukkan bahwa odds seseorang mengalami infeksi pada kelompok yang tidak divaksin adalah hampir 4 kali lebih besar dibandingkan kelompok yang divaksin. Nilai \(RR = 3\) menunjukkan bahwa risiko infeksi pada kelompok tidak divaksin adalah 3 kali lebih tinggi dibandingkan kelompok yang divaksin. Hasil ini secara substantif mendukung efektivitas program vaksinasi dalam menurunkan risiko infeksi pada populasi yang diteliti, sehingga cakupan vaksinasi perlu terus ditingkatkan sebagai upaya pencegahan penyakit menular.

Kesimpulan Umum

Kedua contoh kasus di atas menunjukkan bagaimana tabel kontingensi \(2\times 2\) dapat digunakan untuk mengukur kekuatan asosiasi antara variabel paparan (status merokok, status vaksinasi) dengan variabel hasil (kejadian kanker, kejadian infeksi) melalui ukuran odds, odds ratio, dan relative risk. Pada kedua kasus, nilai OR dan RR yang jauh dari 1 secara konsisten menunjukkan adanya asosiasi yang kuat, yang kemudian diverifikasi signifikansinya secara statistik menggunakan uji chi-square di R.

Perbandingan antar kasus juga menunjukkan bahwa selisih antara nilai OR dan RR dipengaruhi oleh besar-kecilnya proporsi kejadian pada kelompok terpapar: semakin jarang suatu kejadian terjadi (rare event), semakin dekat nilai OR terhadap RR, sebagaimana terlihat dari perbandingan Kasus 1 (kejadian relatif umum, \(OR=6\) vs \(RR=3\)) dan Kasus 2 (kejadian relatif jarang, \(OR\approx 3.86\) vs \(RR=3\)). Pemahaman terhadap perbedaan ini penting agar pemilihan dan interpretasi ukuran asosiasi disesuaikan dengan desain studi dan karakteristik data yang dianalisis.

Daftar Pustaka

Agresti, A. (2013). Categorical Data Analysis (3rd ed.). Hoboken, NJ: Wiley.

Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.