RANCANGAN PENELITIAN

CROSS SECTIONAL
STUDY

CROSS SECTIONAL STUDY

St penelitian observasional yg paling sering
dilakukan.
Peneliti mencari hubungan antara variabel
bebas (faktor resiko) dgn variabel tergantung
(efek/penyakit) dgn melakukan pengukuran
sesaat (point time approach ).
Faktor resiko dan efek tsb diukur menurut
keadaan atau statusnya pd waktu observasi

PENGUKURAN FAKTOR RESIKO DAN EFEK

DILAKUKAN SATU KALI

YA

EFEK (+)

EFEK (-)

EFEK (+)

EFEK (-)

FAKTOR RESIKO
TIDAK

CROSS SECTIONAL

CROSS SECTIONAL

CASE CONTROL
COHORT PROSPEKTIF

KOHORT RETROSPEKTIF

MASA LALU

SEKARANG

MASA DATANG

Langkah-langkah pada Cross Sectional Study:

1.

2.
3.
4.
5.

Rumuskan pertanyaan penelitian dan

hipotesis
Identifikasi variabel bebas dan tergantung
Tetapkan subjek penelitian
Lakukan pengukuran
Analisis data

Hasil pengamatan cross sectional disusun

dlm tabel 2x2
resiko relatif = besarnya peran faktor
resiko thd terjadinya suatu penyakit
=> Rasio Prevalens (RP).
RP => perbandingan antara prevalens suatu
penyakit pd subjek dari kelompok yg
mempunyai faktor resiko dgn prevalens
penyakit pd subjek dari kelompok yg
tidak mempunyai faktor resiko.

EFEK

FAKTOR
RESIKO

YA

TIDAK

JUMLAH

YA

A+B

TIDAK

C+D

A+C

B+D

A+B+C+D

Rasio Prevalens (RP) = A/(A+B) : C/(C+D)

A = SUBJEK DGN FAKTOR RESIKO YG MENGALAMI EFEK
B = SUBJEK DGN FAKTOR RESIKO YG TIDAK MENGALAMI EFEK
C = SUBJEK TANPA FAKTOR RESIKO YG MENGALAMI EFEK
D = SUBJEK TANPA FAKTOR RESIKO YG TIDAK MENGALAMI EFEK

Prevalens => perbandingan antara jlh subjek

dengan penyakit (lama dan baru) pada satu
saat dengan seluruh subjek yang ada.

RP = A/(A+B) : C/(C+D)
A/(A+B) : proporsi (prevalens) subjek yg
mempunyai faktor resiko yg mengalami efek
C/(C+D): proporsi (prevalens) subjek tanpa
faktor resiko yg mengalami efek.

Interpretasi hasil

Bila RP = 1 berarti variabel yg diduga

sbg faktor resiko tsb tidak ada
pengaruhnya dlm terjadinya penyakit.

Bila RP > 1 dan rentang interval

kepercayaan tidak mencakup angka 1,
berarti varibel tsb merupakan faktor
resiko timbulnya penyakit.

Bila RP < 1 dan rentang nilai interval kepercayaan

tidak mencakup angka 1, berarti faktor resiko yg
diteliti justru akan mengurangi kejadian penyakit
(faktor protektif)

Bila nilai interval kepercayaan RP mencakup angka 1,

berarti pd populasi yg diwakili oleh sampel tsb
mungkin nilai prevalensnya = 1, shg belum dapat
disimpulkan apakah faktor yg diteliti st faktor resiko
atau faktor protektif.

Contoh:

Obat
nyamuk

batuk kronik berulang

YA
TIDAK

YA

TIDAK

JUMLAH

30
15

70
135

100
150

45

205

250

RP = 30/100 : 15/150 = 3
Bila nilai interval kepercayaan 95% terletak diantara 1,6 sampai
5,6 berarti dpt disimpulkan bahwa penggunaan obat nyamuk
semprot merupakan faktor resiko utk tjdnya batuk kronik
berulang.

Kelebihan

Relatif mudah, murah dan hasilnya cepat diperoleh.

Dapat dipakai utk meneliti banyak variabel sekaligus
Jarang terancam loss to follow-up (drop out)
Dapat dipakai sbg dasar utk penelitian selanjutnya
yg lebih konklusif.
Memungkinkan penggunaan populasi dari
masyarakat umum, shg generalisasi lebih mudah.

Kekurangan

Sulit utk menentukan sebab dan akibat

Lebih banyak menjaring subjek yg mempunyai
masa sakit yg panjang daripada yg mempunyai masa
sakit yg pendek.
Dibutuhkan jumlah subjek yg cukup banyak
Tidak menggambarkan RAP
Tidak praktis utk meneliti kasus yg jarang
Mungkin terjadi bias prevalens atau bias insidens