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

EFEK (+)

YA

EFEK (-)

TIDAK

EFEK (+)

EFEK (-)

FAKTOR RESIKO

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

YA

TIDAK

JUMLAH

A
C

B
D

A+B
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

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:
berulang

Obat
nyamuk

batuk kronik

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