Penjelasan Lengkap Tentang Odds Ratio

43
1380

Odds Ratio Dalam SPSS

Odds Ratio (OR) adalah ukuran asosiasi paparan (faktor risiko) dengan kejadian penyakit; dihitung dari angka kejadian penyakit pada kelompok berisiko (terpapar faktor risiko) dibanding angka kejadian penyakit pada kelompok yang tidak berisiko (tidak terpapar faktor risiko).

Sebagai contoh, kita ambil sebuah kasus yaitu: “Pengaruh Rokok Terhadap Penyakit Kanker Pada Pria Usia  Di Atas 50 Tahun”.

Odds Ratio yang dimaksud dalam contoh di atas adalah: seberapa besarkah pengaruh rokok terhadap Penyakit Kanker pada pria usia di atas 50 tahun. Maka jawabannya bisa jadi 2 kali lipat, 3 kali lipat atau 5,5 kali lipat. Nilai kali lipat inilah yang disebut sebagai “odds ratio”.

Berdasar contoh di atas, nilai OR bisa sebesar 2 atau 3 atau 5,5. Artinya: pria  dengan usia di atas 50 yang merokok memiliki resiko sebesar 2 kali lipat untuk dapat menderita kanker dibandingkan dengan pria di atas 50 tahun yang tidak merokok. Dalam hal ini perlu diketahui: Rokok adalah paparan atau faktor resiko sedangkan kanker adalah kejadian efek atau penyakit.

Rumus Odds Ratio

Rumus dari OR adalah: ad/bc.

Odds Ratio
Odds Ratio

Di mana: “a” adalah cell a, “b” adalah cell b, “c” adalah cell c dan “d” adalah cell d. untuk lebih jelasnya lihat tabel dibawah ini:

Dari tabel di atas, apabila kita cermati maka jelas dapat kita ambil kesimpulan, bahwasanya OR dapat dicari nilainya apabila penelitian yang dilakukan menggunakan skala data nominal dikotom. Untuk lebih jelasnya tentang pengertian nominal dikotom, baca artikel kami yang berjudul: “Pengertian Data”.

Manfaat Odds ratio

OR juga hanya boleh dilakukan pada penelitian dengan pendekatan Case Control. Sedangkan untuk penelitian dengan pendekatan kohort, maka disebut Relatif Risk. Ada sedikit perbedaan antara OR dan Relatif Risk (RR), namun dalam bahasan artikel kali ini, kita hanya fokus pada OR.

Berdasar rumus di atas, tampak seolah uji OR sangatlah mudah, tetapi sesungguhnya tidak semudah itu. Seperti uji inferensial lainnya, maka diperlukan nilai signifikansi atau yang disebut juga P Value. P Value pada odds ratio artinya, apakah nilai odds ratio yang didapat dari penelitian yang menggunakan sampel, apakah bisa diberlakukan bagi keseluruhan populasi atau yang disebut juga bisa dijadikan generalisasi. Maka  kita juga akan memperhatikan taraf signifikansi, pada batas kepercayaan berapa? apakah 95 % atau 99 % atau yang lain?

Untuk lebih jelasnya mari kita langsung masuk pada tutorial uji odds ratio pada SPSS

Tutorial Odds Ratio

OR di dalam Program SPSS, sering dilambangkan dengan simbol “Exp (B)”.

Langkah pertama adalah buka aplikasi SPSS dan buatlah 2 variabel pada tab Variable View: “Rokok” dan “Kanker” dengan masing-masing value atau kategori “Ya” dan “Tidak”. Ya beri kode 2 dan Tidak kode 1.

Ubah Measure ke Nominal, Type ke Numeric dan Decimal ke 0.

Gunakan 20 responden, lalu isi data pada Data View. Isi dengan skor 1 atau 2.

Cara Uji Odds Ratio dengan SPSS

Ada 2 cara dalam melakukan uji OR dalam SPSS, yaitu:

Cara pertama: 

Pada menu, klik Analyze, Descriptive Statistics, Crosstab

Masukkan Rokok pada Row(s) dan Kanker pada Column(s)

Klik Statistics, Centang Cochran’s and Maentel-Haenszel Statistics dan biarkan Test Common Odds Ratio tetap 1, lalu klik Continue.

Kemudian Klik OK.

Lihat Hasilnya! (Pada Output – Tabel Paling Bawah).

Interprestasi Odds Ratio

Nilai OR ditunjukkan dengan nilai “Estimate” yaitu 15,000. Artinya: Pria usia di atas 50 tahun yang merokok lebih beresiko 15 kali lipat dari pada yang tidak merokok.

Nilai Asymp. Sig (2-Sided) menunjukkan nilai p value atau signifikansi nilai OR. Apabila < 0,05 maka pada taraf kepercayaan 95%, OR dinyatakan signifikan atau bermakna yang berarti dapat mewakili keseluruhan populasi.

Nilai Common Odds Ratio Lower Bound dan Upper Bound menunjukkan batas atas dan batas bawah OR, yang artinya: setidaknya pria usia di atas 50 tahun yang merokok sekurang-kurangnya lebih beresiko sebesar 1,652 kali lipat dapat menderita kanker dan paling besar lebih beresiko sebesar 136,172 kali lipat dapat menderita kanker.

Sedangkan cara yang kedua dalam SPSS adalah sebagai berikut:

Pada menu, klik Analyze, Regression, Binary Logistic.

Masukkan Kanker pada kotak dependent dan Rokok pada kotak Covariate.

Klik Options, centang CI For Exp (B) dan beri nilai 95 %. Lalu klik Continue.

Klik OK.

Lihat hasilnya (Pada Output-Tabel paling bawah)

Exp(B)

Nilai OR ditunjukkan pada nilai Exp (B) yaitu 15,00. P Value pada nilai Sig. yaitu 0,016. Batas atas dan bawah pada Lower dan Upper di 95% C.I.for EXP(B).

By Anwar Hidayat

43 KOMENTAR

  1. kok ditempatku gak bisa ya mas ?
    eror mulu.. cth: exp(B) nya 2.373E9 ,,, maksudnya apa ya ?
    terus pas pake mantel, kolom hasilnya gak ada angkanya.. T.T
    help pls gan..
    thanks bantuannya

  2. Ada, anda bisa pilih 0,1 atau 0,5 atau yang lain. Artinya tingkat kepercayaan, kalau 0,5 artinya tingkat kesalahan 0,5 atau 5% maka tingkat kepercayaannya adalah 100%-5%= 95%

  3. Bisa disebabkan oleh jumlah sampel yang banyak dan terjadi kecondongan yang terlalu besar, misal kelompok A persentase X hingga 99% atau lebih sedangkan kelompok B persentase X 1% atau kurang.

  4. Nilai OR berkisar antara 0 sampai dengan tidak terhingga. Adjusted artinya diajustifikasi dengan memperhatikan besaran standart error. Artinya nilai OR lebih sensitif terhadap perubahan standart error.

  5. Pak, mau tanya..apakah untuk OR ini bisa digunakan utk menghitung besarnya risiko ibu yg pergi memilih bersalin tenaga kesehatan atau non tenaga kesehatan ? terima kasih

  6. mas mau nanya, adakahketetuan untuk menentukan besarnya sample dgn melihat hasil OR penelitian terdahulu maka dipilih OR yg paling kecil dari beberapa variable yg pernah diteliti

  7. Belum tentu salah. Idealnya angka OR tidak terlalu besar. Apabila nilai OR terlalu besar, coba anda cek jumlah sampel pada tiap kelompok. Lebih baik jika anda melakukan matching, yaitu menyamakan jumlah sampel pada tiap kelompok.

  8. siang pak,, mau tanya.. saya ada 2 pertanyaan :
    1. hasil pemelitian saya nilai OR dari 4 variabel adalah 24,25,88,91..
    menurut bapak apakah nilai itu tidak terlalu besar.. karena selama sya mengikuti seminar hasil penelitian, OR yang paling tinggi adalah 9. apakah saya melakukan kesalahan..?
    2. apakah tabel 2×2 pada OR, hanya bisa seperti di atas atau bisa di bolakbalik?
    trimakasih..

  9. maaf bapak mau tanya…..untuk mengetahui apakah terdapat hubungan perbedaan genus hewan terhadap infeksi cacing saluran ………..apakah menggunakn OR ?

  10. Pak penelitian saya 3 x 3 dan saya sudah mencoba sesuai yang bapak ajarkan pakai yang regresi logistik, tapi odd rationya tdk ada pak. catatannya " WARNING' for logistic regression, the dependent values must assume exactly two values on the cases being processed". ada cara lain kh pak??

  11. pak mau tanya.. misalnya OR lebih dari 1,5, artinya 1,5 kali lebih berisiko.. tapi apakah nilai p nya harus <0,05 baru OR nya bermakna? kalau p nya 0,12 tetap bisa dibilang 1,5 kali lebih berisiko ga? mohon penjelasannya.. tksh..

  12. Jika bentuk tabel 2 x 2, anda bisa gunakan rumus ad/bc, artinya cell a x cell d dibagi cell b kali cell c. jika bukan tabel 2 x 2 (misal 3 x 2) atau pada uji regresi logistik berganda, maka gunakan software saja biar cepat perhitunggannya. Baca artikel saya tentang regresi logistik

  13. mas OR digunakan untuk cohort prospektive apakah bisa? makasih mas. mohon penjelasannya. karena setau saya cohort prospektive menggunakan RR

  14. pak mau tanya, kalau OR > 1 = faktor risiko, OR = 1 artinya bukan faktor risiko, dan OR < 1 merupakan faktor protektif. itu apakah benar ? mohon penjelasan yang dimaksudkan faktor protektif itu yang bagaimana ya ?

    terimakasih…

  15. Pak saya mau nanya, saya mengajukan proposal yang meneliti tentang hubungan antara umur pertama kali pemberian dan praktik mp asi terhadap kejadian diare pada balita usia 6-26 bln. Sedangkan sampel yg terkena diare (kasus) hanya sekitar 20 orang. Saya menggunakan kasus kontrol matching. Awalnya saya ingin menganalisis hubungan dengan uji chi-square tetapi sampel yang ada sedikit sekali.
    Bagaimana menurut bapak?
    Terus apakah bisa uji lainnya (korelasi rank spearman) di kombinasi dengan uji odds ratio ?

    • Tidak bisa, sebab spearman digunakan pada skala ordinal, sedangkan chi square untuk data nominal. Sebaiknya anda menambah sample dengan cara memperlama waktu penelitian.

Cobalah Menjadi Pandai! Berikan Komentarnya Ya......