Kami sering menghitung rasio odds saat melakukan analisis pada tabel 2 kali 2, yang menggunakan format berikut:<\/span> <\/p>\n Untuk menghitung rasio odds di R, kita dapat menggunakan fungsi oddsratio()<\/strong> dari paket epitools<\/strong> .<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Katakanlah 50 pemain bola basket menggunakan program latihan baru dan 50 pemain menggunakan program latihan lama. Di akhir program, kami menguji setiap pemain untuk melihat apakah mereka lulus tes keterampilan tertentu.<\/span><\/p>\n Tabel berikut menunjukkan jumlah pemain yang lulus dan gagal, berdasarkan program yang digunakan:<\/span> <\/p>\n Katakanlah kita ingin menghitung rasio odds untuk membandingkan peluang seorang pemain lulus tes keterampilan menggunakan program baru versus menggunakan program lama.<\/span><\/p>\n Berikut cara membuat matriks ini di R:<\/span><\/p>\n Dan berikut cara menghitung odds rasio menggunakan fungsi oddsratio()<\/strong> dari paket epitools<\/strong> :<\/span><\/p>\n Rasio oddsnya ternyata 0,6045506<\/strong> .<\/span><\/p>\n Hal ini kami artikan peluang pemain lulus tes menggunakan program baru hanya 0,6045506 kali lipat peluang<\/strong> pemain lulus tes menggunakan program lama.<\/span><\/p>\n Dengan kata lain, peluang seorang pemain untuk lulus ujian sebenarnya berkurang sekitar 39,6% melalui penggunaan program baru.<\/span><\/p>\n Kita juga dapat menggunakan nilai di kolom bawah<\/strong> dan atas<\/strong> hasil untuk membuat interval kepercayaan 95% berikut untuk rasio odds:<\/span><\/p>\n Interval kepercayaan 95% untuk rasio odds: [0.24, 1.48]<\/strong> .<\/span><\/p>\n Kami 95% yakin bahwa rasio odds sebenarnya antara program pelatihan baru dan lama terdapat dalam interval ini.<\/span><\/p>\n Kolom midp.exact<\/strong> pada output juga menampilkan nilai p yang terkait dengan rasio odds.<\/span><\/p>\n Nilai p ini ternyata 0,271899<\/strong> . Karena nilai ini tidak kurang dari 0,05, kami menyimpulkan bahwa rasio odds tidak signifikan secara statistik.<\/span><\/p>\n Dengan kata lain, kita mengetahui dari rasio odds bahwa peluang sukses seorang pemain menggunakan program baru lebih rendah dibandingkan peluang sukses menggunakan program lama, namun perbedaan antara peluang tersebut sebenarnya tidak signifikan secara statistik.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang rasio odds:<\/span><\/p>\n Rasio odds versus risiko relatif: apa bedanya?<\/a> Dalam statistik, rasio odds memberi tahu kita rasio peluang suatu peristiwa terjadi pada kelompok perlakuan terhadap peluang suatu peristiwa terjadi pada kelompok kontrol. Kami sering menghitung rasio odds saat melakukan analisis pada tabel 2 kali 2, yang menggunakan format berikut: Untuk menghitung rasio odds di R, kita dapat menggunakan fungsi oddsratio() dari paket epitools . […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cotesratioexcel0.png\")
<\/p>\n Contoh: Hitung rasio odds dalam R<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/cotes1.png\")
<\/p>\n #create matrix<\/span>\nprogram <- c(' New Program<\/span> ', ' Old Program<\/span> ')\noutcome <- c(' Pass<\/span> ', ' Fail<\/span> ')\ndata <- matrix(c(34, 16, 39, 11), nrow= 2<\/span> , ncol= 2<\/span> , byrow= TRUE<\/span> )\ndimnames(data) <- list(' Program<\/span> '=program, ' Outcome<\/span> '=outcome)\n\n#view matrix\n<\/span>data\n\n Outcome\nProgram Pass Fail\n New Program 34 16\n Old Program 39 11<\/strong><\/pre>\n install. packages<\/span> (' epitools<\/span> ')<\/span>\n\n<\/span>library<\/span> (epitools)\n\n#calculate odds ratio<\/span>\noddsratio(data)\n\n$measure\n odds ratio with 95% CI\nProgram estimate lower upper\n New Program 1.0000000 NA NA\n Old Program 0.6045506 0.2395879 1.480143\n\n$p.value\n two-sided\nProgram midp.exact fisher.exact chi.square\n New Program NA NA NA\n Old Program 0.271899 0.3678219 0.2600686\n\n$correction\n[1] FALSE\n\nattr(,\"method\")\n[1] \u201cmedian-unbiased estimate & mid-p exact CI\u201d\n<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Panduan Lengkap: Cara Melaporkan Rasio Odds<\/a>
Cara menghitung interval kepercayaan untuk rasio odds<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"