VARIABEL PENELITIAN

Oleh:
Trisno Agung Wibowo

Variabel ?

Variabel : Ciri/ Sifat yang dikaji atau diteliti ( sesuatu

gejala alam /fenomena yang :
-

Bervariasi.
Mempunyai nilai.
Mempunyai definisi (Verbal/operasional).
Mempunyai nama.
Dapat dikatagorisasi.

Macam-macam variabel:
1. Berdasarkan sifat / Skala.(Level of Measurement)
2. Berdasarkan urutan waktu (Time Order) .
3. Berdasarkan jenis penelitian (eksperimental).

1. SIFAT /SKALA (Level Of Measurement)

Kontinum
Diskrit
(Nominal/Katagorik)
Rasional
Ordinal

Interval

Skala pengukuran diurutkan menurut kekuatan dari

Rendah Ke tinggi
1. Skala nominal : terdiri atas dua atau lebih katagori
(dua = dikotomi, tiga atau lebih = poli tomi) , katagori
bersifat mutually exclussive.

contoh : Jenis kelamin = pria, wanita.

Status pekawinan = menikah, lajang, janda
duda dsb.
2. Skala Ordinal : memiliki sifat skala nominal dengan
tambahan kualitas, yaitu penjenjangan seperti tangga

Contoh : Bukan perokok, perokok ringan, perokok berat

Kepastian diagnosis : defenit, probable, possible.

3. Skala Interval : memiliki sifat skala ordinal , jarak

antar kelas atau katagori sama, tidak memiliki nol
absolut.

Contoh: suhu..
4. Skala ratio : Memiliki sifat skala interval juga
memiliki nol absolut ( nol berarti yang
diukur tidak ada).
Contoh : Berat diukur dalam kg.
Pendapatan diukur dalam rupiah.
Hb diukur dalam gram tiap 100 cc darah.

Berdasarkan urutan waktu =

A = Variabel bebas (Independen)/ pengaruh

B = Variabel terikat/tergantung/terpengaruh
(Dependen Variabel).
Contoh =
Asupan Makanan

Anemia

Pinggul sempit

Partus Lama

Anemia

Pendarahan Post Partum

C = Variabel penghubung

Contoh :

Umur

Frekuensi Hub
Seksual

Asupan Makanan
rendah

Anemia

Jumlah Anak
Yang dilahirkan
Pendarahan

D
A

D = Variabel pendahulu.

B
Sosek yang rendah

Asupan makanan kurang

Anemia

3. Penelitian Eksprimental
Z 1

Z 2

Z 4

X = Variabel perlakuan/eksperimental.
Y= Variabel terikat/tergantung.
Z= Variabel luar (terkendali. Tak
terkendali)

Contoh :
Z 3 X = Obat anti nyeri untuk post partum.
Y= Frekuensi nyeri.
Z1 = BB.
Z2 = Cara Minum.
Z3 = Dosis dsb.

HUBUNGAN ANTAR VARIABEL

A
Var Luar

Var Bebas

B
Var Luar

Var Antara

Var Perancu
(Confounding)
Var Luar (D)

C
Var Luar

Var Tergantung

Variabel Bebas dan Variabel Tergantung = Variabel Variabel

yang ingin diketahui hubungannya oleh peneliti.

Variabel perancu = Variabel yang tidak diteliti tetapi dapat

mempengaruhi hasil penelitian (karena
berhubungan dengan variabel bebas dan
variabel tergantung dan bukan variabel
antara.
Variabel luar = Variabel yang tidak diteliti, tetapi berhubungan
atau tidak berhubungan dengan variabel bebas
dan /atau variabel tergantung.

Contoh Variabel perancu ( confounding variabel)

Tinggi Badan

Lebar Tulang
Pinggul

Partus lama

Umur

Pengendalian Variabel Perancu :

1. Sebelum penelitian (rancangan) = dengan Matching
(penyetaraan), Randomisasi,Retriksi.
2.Setelah penelitian : analisis startifikasi,analisis multivariabel.

PENGENDALIAN CONFOUNDER
(Variabel Pengganggu/Perancu)
Trisno Agung Wibowo, SKM. M Kes.

Kerancuan/confounding :

Distorsi dalam menaksir pengaruh paparan terhada

Akibat tercampurnya pengaruh sebuah atau beber
luar.

-Distorsi terkadang sangat serius sehingga dapat m

menyelewengkan pengaruh paparan yang bersifat
bagi penyakit menjadi bersifat resiko dan sebalikn

Perlu dikendalikan
ar tidak terjadi Kesalahan Dalam Penarikan kesimpula
Hubungan Antara Paparan Dan Penyakit

HUBUNGAN ANTAR VARIABEL

A
Var Luar

Var Bebas

B
Var Luar

Var Antara

Var Perancu
(Confounding)
Var Luar (D)

C
Var Luar

Var Tergantung

Variabel Bebas dan Variabel Tergantung = Variabel Variabel

yang ingin diketahui hubungannya oleh peneliti.

Variabel perancu = Variabel yang tidak diteliti tetapi dapat

mempengaruhi hasil penelitian (karena
berhubungan dengan variabel bebas dan
variabel tergantung dan bukan variabel
antara.
Variabel luar = Variabel yang tidak diteliti, tetapi berhubungan
atau tidak berhubungan dengan variabel bebas
dan /atau variabel tergantung.

Kriterian Variabel perancu :

Adalah variabel luar yang harus memenuhi 3 kriter

1. Merupakan faktor risiko bagi penyakit yang dite

2. Mempunyai hubungan dengan paparan.
3. Bukan merupakan bentuk antara dalam hubung
paparan dan penyakit.

PAPARAN
(E)

PENYAKIT
(D)

PERANCU

Contoh Variabel perancu ( confounding variabel)

Tinggi Badan

Lebar Tulang
Pinggul

Umur

Partus lama

Perbedaan mendasar antara kerancuan

dan Modifikasi Efek
KERANCUAN

MODIFIKASI EFEK

Merupakan kepalsuan
taksiran akibat
tercampurnya faktor luar
dalam penilaian hubungan
paparan dan penyakit

Pengubahan pengaruh
paparan terhadap penyakit
karena pengaruh
pengubah efek (effect
Modifier).

Cara Menilai Kerancuan :

1.Dibuaat berdasarkan pengetahuan a priori.

2.Dibuat berdasarkan data yang dikumpulkan dala
penelitian.

PENGENDALIAN
CONFOUNDER

PENGENDALIAN
CONFOUNDER

Sebelum pengumpulan data

saat menyusun rencana penelitian
-Matching.
-Randomisasi.
-Retriksi.

Setelah data terkumpul

(saat analisis data)
-Analisis Stratifikasi.
-Analisis Multivariate.

I.Matching

Matching : proses pemilihan kontrol sedemikian rupa sehingga

sama dengan kasus dalam hal karakteristik terten
jenis kelamin dan etnis.
Jenis-jenis Matching:

1. Matching berdasarkan frekuensi (Frekuensi matching).

Misal: 25% kasus yang terpapar adalah berjenis kelamin lak
maka :
Dicarikan : 25% kontrol yang terpapar adalah berjenis kelam
2. Matching Indifidu.
Permasalahan dengan Matching:

1. Matching pada banyak variabel dapat menjadikan sulit atau

mungkin untuk menemukan syuatu kontrol yang cocok.

2. Tidak dapat mencari hubungan antara penyakit dan variabe

dan kontrol telah di matching

II. RITRIKSI

Membatasi subyek yang akan diteliti adalah pada

tertentu saja.

Misal :
- Penelitian Hub Minum kopi dengan PJK, diman
diduga sebagai confounder, maka subyek yang d
subyek yang minum kopi tetapi tidak merokok.
III. RANDOMISASI.

Pengalokasian subyek penelitian dari sampel sec

(alokasi acak).

IV. ANALISIS STRATIFIKASI

Contoh menilai kerancuan :

Sebuah studi kohor meneliti hubungan minum kopi dan penya

jantung koroner, Akan dinilai apakah merokok sigaret merupa
Perancu dalam penaksiran minum kopi terhadap PJK ?
Kita lakukan dengan analisis stratifikasi.
Hub Minum kopi dengan
PJK
Dengan
kasar
D+ analisis
DE+

55

Minum Kopi

500
0

E30
500
0
c RR= (55/5000)/(30/5000)
=1,8.

Merokok

PJK

Analisis berstrata terhadap penaksiran pengaruh minum kop

berdasarkan Status merokok
Perokok dan Minum kopi
D+

D-

E+ (Perokok dan minum kopi)

45

3000

E-

500

(Perokok tidak minum kopi)

RR= (45/3000)/(8/500)
=0,9.

Tidak Perokok dan Minum kopi

D+
E+(Tdk merokok ttp minum kopi)

10

D200
0

RR= (10/2000)/(22/45
=1,0.

E- (Tidak merokok dan tdk minum kopi) 22

450
0 rokok, ternyata :
Setelah mengontrol pengaruh

a. Minum Kopi tidak meningkatkan resiko terkena PJK, karen

kasar > taksiran terkontrol.
b. Merokok akan memperbesar pengaruh minum kopi terha

Analisis pengaruh merokok dengan PJK

Analisis berstrata terhadap penaksiran pengaruh merokok te

berdasarkan Status minum kopi
Perokok dan Minum kopi
D+
E+

(PEROKOK DAN
MINUM KOPI)

D-

45

300
0

RR= (45/3000)/(10/2000)
Merokok mening
=3,0.

E- (Tidak
10
200
Merokok ttp
0
minum kopi )
Perokok dan Tidak Minum kopi
D+

D-

E+ Perokok

500

E- (Tidak

22

450
0

dan Tdk Minum

Kopi)

merokok dan tdk

minum kopi)

Kan risiko terke

PJK sebesar 3 Ka

RR= (8/500)/(22/4500)
=3,2.

Hubungan antara merokok dan Minum Kopi

Minum Kopi

Merokok

Ya

Tdk

Ya

3000
(86%)

500
(14%)

Tidak

2000
(31%)

4500
(69%)

Peminum kopi
Mempunyai kem
Kinan sebagai
perokok 13,5 kal
Lipat dari pada
Bukan peminum

OR= (3000x4500 )/(500/2000)=13,5

Kesimpulan :
1. Merokok adalah faktor perancu sebab :
a. Merupakan FR PJK (penyakit).
b. Mempunyai Hubungan dengan Minum Kopi (paparan)
c. Pengetahuan yang ada membenarkan bahwa merokok
bentuk antara dalam rantai hubungan minum kopi dan

V. ANALISIS MULTIVARIATE.

Alternatif pemakaian analisis multivariate untuk pengenda

a. Jika faktor perancu yang harus diperhitungkan banyak.

b. Faktor perancu akan dikontrol secara bersama- sama.
c. Asumsi bahwa hubungan variabel-variabel tersebut linier:

- Bila hubungan antara variabel digambarkan linier lurus

tersebut disebut regresi ganda linier sederhana.

- Bila hubungan antara variabel digambarkan linier sigm

S) maka model ini disebut dengan regresi ganda linier

Contoh : Hasil analisis Regresi logistik.

Model Summary
Step
1

-2 Log
likelihood
251.013

Cox & Snell

R Square
.193

Logistic Regression

Nagelkerke
R Square
.267

Classification Tablea
Predicted

Step 1

Observed
STATUSKA

STATUSKA
Kasus
Kontrol
34
45
17
141

Kasus
Kontrol

Percentage
Correct
43.0
89.2
73.8

Overall Percentage
a. The cut value is .500

Variables in the Equation

Step
a
1

ALPELDI
LAMASEMP
KALISEMP
STATUSGI
Constant

B
.890
.743
.963
1.110
-5.301

S.E.
.316
.345
.325
.244
.973

Wald
7.952
4.647
8.767
20.638
29.670

df
1
1
1
1
1

Sig.
.005
.031
.003
.000
.000

a. Variable(s) entered on step 1: ALPELDI, LAMASEMP, KALISEMP, STATUSGI.

Exp(B)
2.436
2.102
2.620
3.035
.005