Anda di halaman 1dari 10

Cross Sectional Study

Pendahuluan

Desain penelitian merupakan rancangan penelitian yang disusun sedemikian rupa sehingga dapat menuntun peneliti untuk dapat memperoleh jawaban terhadap pertanyaan penelitian. Dalam pengertian yang lebih luas desain penelitian mencakup pelbagai hal yang dilakukan peneliti, mulai dari identifikasi masalah, rumusan hipotesis, operasionalisasi hipotesis, cara pengumpulan data, sampai akhirnya analisa data. Dalam pengertian yang sempit desain penelitian mengacu pada jenis penelitian yang digunakan untuk mencpai tujuan penelitian, karana itu desain berguna sebagai pedoman untuk mencapai tujuan penelitian.

Terdapat beberapa hal penting yang perlu dikaji sebelum jenis desain ditentukan. Pertama, sejak awal peneliti harus menentukan apakah akan melakukan intervensi, yaitu studi intervensional (eksperimental), atau hanya akan melaksanakan pengamatan saja tanpa intervensi, yaitu melaksanakan studi observasional. Kedua, apabila dipilih penelitian observasional, harus ditentukan apakah akan dilakukan pengamatan sewaktu (yaitu studi cross sectional) atau dilakukan follow up dalam kurun waktu tertentu (studi longitudinal). Hal ketiga adalah apakah akan dilakukan studi retrospektif, yaitu menevaluasi peristiwa yang sudah berlangsung ataukah studi prospektif yaitu dengan mengikuti subyek untuk meneliti peristiwa yang belum terjadi.

Dalam penelitian cross sectional peneliti melakukan observasi atau pengukuran variabel pada satu saat tertentu. Kata satu saat bukan berarti semua subyek diamati tepat pada satu saat yang sama, tetapi artinya tiap subyek hanya diobservasi satu kali dan pengukuran variabel subyek dilakukan pada saat pemeriksaan tersebut. Dengan demikian maka pada studi cross sectional peneliti tidak melakukan tindak lanjut terhadap pengukuran yang dilakukan. Desain cross sectional sering digunakan baik dalam studi klinis dan lapangan. Desain ini dapat digunakan dalam penelitian deskriptif atau analik.

Dalam studi cross sectional, variable independen atau factor resiko dan tergantung (efek) dinilai secara simultan pada suatu saat; jadi tidak ada follow up pada studi cross sectional. Dengan studi cross sectional diperoleh prevalens penyakit dalam populasi pada suatu saat; oleh karena itu studi cross sectional disebut pula sebagai studi prevalens (prevalence study). Dari data yang diperoleh, dapat dibandingkan prevalens penyakit pada kelompok dengan faktor resiko, dengan prevalens penyakit pada kelompok tanpa faktor resiko.

Pengertian Dasar Studi Cross Sectional

Telah dikemukakan bahwa dalam penelitian cross sectional peneliti mencari hubungan antara variable bebas (faktor resiko) dengan variable tergantung (efek) dengan melakukan pengukuran sesaat. Tentunya tidak semua subyek harus diperiksa pada hari ataupun saat yang sama, namun baik variable resiko serta efek tersebut diukur menurut keaadaan atau statusnya

1

pada waktu observasi, jadi pada desain cross sectional tidak ada prosedur tindak lanjut atau follow up. Selain itu temporal relationsip (hubungan waktu) antara faktor resiko dan efek tidak selalu tergambar dari data yang terkumpul.

Hasil pengamatan cross sectional untuk mengidentifikasi faktor resiko ini kemudian disusun dalam table 2 x 2. Untuk desain seperti ini biasanya yang dihitung adalah rasio prevalens, yakni perbandingan antara prevalens suatu penyakit atau efek pada subyek kelompok yang mempunyai faktor resiko, dengan prevalens penyakit atau efek pada subyek yang tidak mempunyai faktor resiko. Rasio prevalens menunjukkan peran factor resiko dalam terjadinya efek pada studi cross sectional. Lihatlah susunan table 2 x 2 pada gambar 1.

pada waktu observasi, jadi pada desain cross sectional tidak ada prosedur tindak lanjut atau follow up.

Gambar 1. Struktur studi cross sectional menilai peran faktor resiko dan terjadinya efek. Faktor resiko dan efek diperiksa pada saat yang sama

Studi cross sectional merupakan salah satu studi observasional untuk menentukan hubungan antara factor resiko dan penyakit. Studi cross sectional untuk mempelajari etiologi suatu penyakit digunakan terutama untuk mempelajari factor resiko penyakit yang mempunyai onset yang lama (slow onset) dan lama sakit (duration of illness) yang panjang, sehingga biasanya pasien tidak mencari pertolongan sampai penyakitnya relative lanjut. Contohnya adalah osteoarthritis, bronchitis ronik, dan sebagian besar penyakit kejiwaan. Studi kohort kurang tepat digunakan pada penyakit-penyakit tersebut karena diperlukan sampel yang besar, follow up yang sangat lama, dan sulit mengetahui saat mulainya penyakit (sulit untuk menentukan insidens). Sebaliknya jenis penyakit yang mempunyai masa sakit yang pendek tidak tepat dikaji dengan studi cross sectional, karena hanya sedikit kasus yang diperoleh dalam waktu yang pendek. Sesuai dengan namanya, maka pada studi cross sectional yang dinilai adalah prevalens (pasien baru dan lama). Insidensi penyakit (hanya pasien baru) tidak dapat diperoleh pada studi cross sectional.

Langkah-langkah pada Studi Cross Sectional

Gambar 1 melukiskan dengan sederhana rancangan studi cross sectional. Sejalan dengan skema tersebut dapat disusun langkah-langkah yang terpenting dalam rancangan studi cross sectional, yaitu:

  • 1. Merumuskan pertanyaan penelitian dan hipotesis yang sesuai

  • 2. Mengidentifikasi variable bebas dan tergantung

  • 3. Menetapkan subyek penelitian

2

4.

Melaksanakan pengukuran

  • 5. Melakukan analisis

  • 1. Merumuskan pertanyaa penelitian dan hipotesis yang sesuai

Pertanyaan penelitian yang akan dijawab harus dikemukakan dengan jelas, dan dirumuskan hipotesis yang sesuai. Dalam studi cross sectional analitik hendaklah dikemukakan hubungan antar variable yang diteliti. Misalnya, pertanyaan yang akan dijawab adalah apakah terdapat hubungan antara tingkat pendidikan orangtua dengan kejadian enuresis pada anaknya.

  • 2. Mengidentifikasi variable penelitian

Semua variable dalam studi prevalens harus diidentifikasi dengan cermat. Untuk ini perlu ditetapkan defenisi operasional yang jelas mana yang termasuk dalam faktor resiko yang diteliti (variable independen), faktor resiko yang tidak diteliti, serta efek yang dipelajari (variable dependen). Faktor yang mungkin merupakan resiko namun tidak diteliti perlu diidentifikasi, agar dapat disingkirkan atau paling tidak dikurangi pada waktu pemilihan subjek penelitian.

  • 3. Menetapkan subyek penelitian

    • a. Menetapkan populasi penelitian

Bergantung kepada tujuan penelitian, maka ditentukan dari populasi terjangkau mana subyek penelitian akan dipilih, apakah dari rumah sakit/fasilitas kesehatan, ataukah dari masyarakat umum. Salah satu yang harus diperhatikan dalam menentukan populasi terjangkau penelitian adalah besarnya kemungkinan untuk memperoleh factor resiko yang diteliti. Pada studi cross sectional mengenai infeksi HIV/AIDS, populasi yang dipilih hendaklah kelompok subyek yang sering terpajan oleh virus jenis ini, misalnya kaum homoseks atau penyalah guna narkotik. Bila subyek dipilih dari populasi umum, maka kemungkinan untuk memperoleh subyek dengan HIV menjadi sangat kecil, sehingga diperlukan jumlah subyek yang sangat besar.

  • b. Menentukan sampel dan memperkirakan besar sampel

Besar sampel diperkirakan dengan formula yang sesuai. Berdasarkan perkiraan besar sampel serta perkiraan prevalensi kelainan, dapat ditentukan apakah seluruh subyek dalam populasi terjangkau akan diteliti atau dipilih sampel yang mewakili populasi terjangkau tersebut. Penetapan besar sampel untuk penelitian cross sectional yang mencari rasio prevalens sama dengan penetapan besar sampel untuk studi kohort yang mencari resiko relatif.

Untuk estimasi besar sampel dengan interval kepercayaan terhadap resiko relatif diperlukan 3 informasi yaitu :

Perkiraan proporsi efek pada kelompok kontrol, P 2 [dari pustaka]

3

Resiko relatif yang bermakna secara klinis, RR [clinical judgment]; dengan P 2 dan RR

dapat dihitung proporsi efek pada kelompok studi, P 1 Tingkat ketetapan relatif yang dikehendaki, e [ditetapkan]

Tingkat kemaknaan α [ditetapkan]

Rumus yang digunakan :

Contoh

 Resiko relatif yang bermakna secara klinis, RR [clinical judgment]; dengan P dan RR  dapat

Catatan : Q 1 = (1 - P 1 ); Q 2 = (1 – P 2 )

 Resiko relatif yang bermakna secara klinis, RR [clinical judgment]; dengan P dan RR  dapat

Untuk data proporsi pada penelitian cross

sectional dapat juga dipakai rumus :

di mana

:

n

Z 1-/2

P

1

P

2

= besar sampel minimum = nilai distribusi normal baku (tabel Z) pada tertentu = perkiraan proporsi pada populasi 1 = perkiraan proporsi pada populasi 2

  • d = kesalahan (absolut) yang dapat ditolerir

4. melaksanakan pengukuran

Pengukuran variable bebas (faktor resiko) dan variable tergantung (efek, atau penyakit) harus dilakukan sesuai dengan pinsip-prinsip pengukuran.

a. Pengukuran faktor resiko

Penetapan factor resiko dapat dilakukan dengan pebagai cara, bergantung pada sifat factor resiko. Pengukuran dapat dilakukan dengan kuisioner, rekam medis, pemeriksaan laboratorium, pemeriksaan fisis atau prosedur khusus. Bila factor resiko diperoleh dengan wawancara, mungkin diperoleh informasi yang tidak akurat atau tidak lengkap, yang merupakan keterbatasan studi ini. Karena itu maka jenis studi ini lebih tepat untuk mengukur factor-faktor resiko yang tidak berubah (variabel atribut), misalnya golongan darah, jenis kelamin atau HLA

4

b. Pengukuran efek (penyakit)

Terdapatnya efek atau penyakit tertentu dapat ditentukan dengan kuisioner, pemeriksaan fisis, atau pemeriksaan khusus, bergantung pada karakteristik penyakit yang dipelajari. Cara apapun yang dipergunakan, harus ditetapkan kriteria diagnosisnya dengan batasan operasional yang jelas. Harus selalu diingat hal-hal yang akan mengurangi validitas penelitian, termasuk subyek yang tidak ingat akan timbulnya suatu penyakit, terutama pada penyakit yang timbul secara perlahan-lahan. Untuk penyakit yang mempunyai eksaserbasi atau remisi, penting untuk menanyai subyek, apakah pernah mengalami gejala tersebut sebelumnya.

5. menganalis data

Analisis hubungan atau perbedaan prevalens antar kelompok yang diteliti dilakukan setelah dilakukan validasi dan pengelompokkan data. Analisis ini dapat berupa suatu uji hipotesis ataupun analisis untuk memperoleh resiko relative. Hal yang terakhir inilah yang lebih sering dihitung dalam studi cross sectional untuk mengidentifikasi factor resiko.

Yang dimaksud dengan resiko relative pada studi cross sectional adalah perbandingan antara prevalensi penyakit (efek) pada kelompok dengan resiko, dengan prevalens efek pada kelompok tanpa resiko. Pada studi cross sectional ini, resiko relative yang diperoleh bukan resiko relative yang murni. Resiko relative yang murni hanya dapat diperoleh dengan penelitian kohort, dengan membandingkan insidensi penyakit pada kelompok dengan resiko dengan insidensi penyakit pada kelompok tanpa resiko.

Pada studi cross sectional, estimasi resiko relative dinyatakan dengan rasio prevalens (RP), yakni perbandingan antara jumlah subyek dengan penyakit (lama dan baru) pada suatu saat dengan seluruh subyek yang ada. RP dihitung dengan cara sederhana, yakni dengan menggunakan table 2 x 2 seperti dilukiskan dalam Gambar 2.

b. Pengukuran efek (penyakit) Terdapatnya efek atau penyakit tertentu dapat ditentukan dengan kuisioner, pemeriksaan fisis, atau

Gambar 2. Tabel 2 x 2 menunjukkan hasil cross sectional

a = subyek dengan faktor resiko yang mengalami efek b = subyek dengan faktor resiko yang tidak mengalami efek c = subyek tanpa faktor resiko yang mengalami efek d = subyek tanpa faktor resiko yang tidak mengalami efek

Rasio prevalens = prevalens efek pada kelompok dengan resiko dibagi prevalens pada kelompok tanpa resiko. RP = a/(a+b) : c/(c+d).

5

Dari skema tersebut rasio prevalens dapat dihitung dengan formula berikut:

RP = a/(a+b) : c/(c+d) a/(a+b) = proporsi (prevalensi) subyek yang mempunyai factor resiko yang mengalami efek c/(c+d) = proporsi (prevalensi) subyek tanpa factor resiko yang mengalami efek

Rasio prevalensi harus selalu disertai dengan interval kepercayaan (confidence interval) yang dikehendaki, misal interval kepercayaan 95%. Interval kepercayaan menunjukkan rentang ratio prevalens yang diperoleh pada populasi terjangkau bila sampling dilakukan berulang-ulang dengan cara yang sama. Cara perhitungan interval kepercayaan untuk rasio prevalens dapat dilihat dalam lampiran, atau dapat dihitung dengan pelbagai program statistika computer. Bagi kita yang terpenting adalah pemahaman bahwa interval kepercayaan tersebut harus dihitung, dan memahami bagaimana menginterprestasinya.

  • 6. Interprestasi hasil

  • 1. Bila nilai rasio prevalens = 1

Bila nilai rasio prevalens = 1, berarti variable yang di duga sebagai factor resiko tidak ada pengaruhnya dalam terjadinya efek, atau dengan kata lain ia bersifat netral. Misalnya semula diduga bahwa pemakaian kontrasepsi oral pada awal kehamilan merupakan factor resiko untuk terjadinya penyakit jantung bawaan pada bayi yang akan dilahirkan. Apabila ternyata pada akhir penelitian ditemukan rasio prevalensinya = 1, maka hal tersebut berarti bahwa pemakaian obat kontrasepsi oral oleh ibu pada awal kehamilan bukan merupakan factor resiko untuk terjadinya penyakit jantung

  • 2. Bila rasio prevalens > 1

Bila rasio prevalens > 1 dan rentang interval kepercayaan tidak mencakup angka 1, berarti variable tersebut merupakan factor resiko untuk timbulnya penyakit. Misalnya rasio prevalensi pemakaian KB suntik pada ibu memberikan ASI ekslusif terhadap kejadian kurang gizi pada anak = 2. Ini berarti bahwa KB suntik merupakan resiko untuk terjadinya defisiensi gizi pada bayi, yakni bayi yang ibunya akseptor KB suntik mempunyai resiko menderita defisiensi gizi pada bayi, yakni bayi yang ibunya akseptor KB suntik mempunyai resiko menderita defisiensi gizi 2 kali lebih besar ketimbang bayi yang ibunya bukan pemakai KB suntik.

  • 3. Bila nilai rasio prevalens < 1

Bila nilai rasio prevalens < 1 dan rentang interval kepercayaan tidak mencakup angka 1 , berarti factor yang diteliti merupakan factor protektif, bukan factor resiko. Misalnya rasio prevalens pemakaian ASI untuk terjadinya diare pada bayi adalah 0,3, berarti ASI justru merupakan factor pencegah diare pada bayi, yakni bayi yang minum ASI memiliki risiko untuk menderita diare 0,3 kali apabila dibandingkan dengan bayi yang tidak minum ASI.

  • 4. Bila nilai interval kepercayaan rasio prevalens mencakup angka 1

6

Bila nilai interval kepercayaan rasio prevalens mencakup angka 1 maka berarti pada populasi yang diwakili oleh sampel tersebut masih mungkin nilai rasio prevalensinya = 1. Ini berarti bahwa dari data yang ada belum dapat disimpulkan bahwa factor yang dikaji benar-benar merupakan factor resiko atau factor protektif.

Contoh

Rasio prevalensi (RP) sebesar 3, dengan interval kepercayaan 95% 1,4 sampai 6,8 menunjukkan bahwa dalam populasi yang diwakili oleh sampel yang diteliti, kita percaya 95% bahwa rasio prevalensnya terletak antara 1,4 sampai 6,8 (selalu lebih dari 1). Namun suatu RP sebesar 3 dengan interval kepercayaan 95% antara 0,8 sampai 7, menunjukkan bahwa variable bebas yang diteliti belum tentu merupakan factor resiko, sebab di dalam populasi yang diwakili oleh sampel, 95% nilai RP-nya terletak diantara 0,8 dan 7, jadi mencakup nilai 1. RP = 1 menunjukkan bahwa variable yang diteliti bersifat netral. Hal yang sama juga berlaku untuk factor protektif (RP kurang dari 1); apabila nilai interval kepercayaan mencakup angka 1, factor yang diteliti tersebut belum tentu merupakan factor protektif

Studi Cross Sectional dengan Beberapa Faktor Resiko

Tidak jarang peneliti ingin memperoleh peran beberapa faktor resiko untuk terjadinya sesuatu penyakit sekaligus, atau data yang dikumpulkan tidak dapat menyingkirkan adanya faktor-faktor lain yang mungkin merupakan faktor perancu (comfounding faktor). Untuk data ini dapat dilakukan

analisis multivariat. Dua jenis analisis multivariat yang sering digunakan adalah regresi multipel dan regresi logistik. Keduanya disinggung sekilas.

  • 1. Bila semua faktor resiko adalah variabel berskala numerik dan variabel efek juga berskala nukerik, maka dipergunakan regresi multipel. Contoh; Ingin diketahui peran kadar kolesterol total, trigliserida, hemoglobin, jumlah konsumsi rokok, dan usia terhadap tekanan darah diastolik guru lelaki di Jakarta. Desain yang dipilih adalah cross sectional. Hubungan antara pelbagai jenis variabel independen (faktor resiko) dengan variabel dependen (tekanan darah) dinyatakan dalam persamaan regresi mulltipel.

  • 2. Bila variabel efek berskala nominal, dan variabel bebas numerik, ordinal dan nominal maka yang dipakai adalah regresi logistik. Contoh; Dengan suatu studi cross sectional ingin diketahui peran faktor jenis kelamin, status gizi, kadar gula puasa, dan kadar trigliserida untuk terjadinya gangren diabetikum. Karena variabel tergantung berskala nominal dikotom (gangren-tidak gangren), dan faktor resikonya berskala numerik (yakni usia, kadar gula, kadar trigliserida) dan nominal (jenis kelamin, status gizi), maka analisis yang sesuai adalah regresi logistik.

7

Baik persamaan regresi multipel mauoun regresi logistik merupakan cara yang kuat untuk menunjukkan peran banyak variabel independen terhadap terjadinya variabel dependen, namun mempunyai pelbagai persyaratan, keterbatasan dan pendekatan interprestasi tertentu, yang tidak dibahas disini.

Pertanyaanya adalah mengapa bila tekhnik multivariat ini baik serta efisien (karena sekaligus mendeteksi banyak faktor resiko) tidak selalu digunakan dalam studi kedokteran? Jawabannya adalah oleh karena meskipun teknik multivariat dapat mendeteksi banyak variabel independen (biasanya sebagai faktor resiko) sekaligus, namun dalam perhitungannya banyak digunkan asumsi agar uji hipotesis tertentu sesuai untuk data tersebut. Misalnya untuk uji parametrik diasumsikan bahwa data yang ada mempunyai distribusi yang normal; dalam kenyataanya tidak jarang asumsi tersebut tidak dipenuhi oleh data.

Padahal dalam studi apapun, asosiasi yang langsung lebih dapat diperoleh dengan desain yang lebih sederhana. Makin sederhana desain yang digunakan, makin sedikit asumsi yang diperlukan, makin langsung pula asosiasi yang diperoleh. Hasil penelitian yang mempergunakan desain yang sederhana lebih mudah pula untuk diinterprestasi. Oleh karena itulah maka studi multivariat oleh sebagian ahli dianggap sebagai penelitian untuk membangun hipotesis (hypothesis generating research), dan bukan penelitian untuk menguji hipotesis (hypothesis testing research). Artinya hasil analis multivariat dapat digunakan sebagai latar belakang untuk mengembangkan penelitian baru yang menguji asosiasi antara variabel independen dan variabel dependen dengan menggunakan desain penelitian yang lebih sederhana dan terarah.

Kelebihan dan Kekurangan Penelitian Cross Sectional

Kelebihan

  • 1. Keuntungan yang utama desain cross sectional adalah desain ini relatif mudah, murah dan

hasilnya cepat dapat diperoleh.

  • 2. Memungkinkan penggunaan populasi dari masyarakat umum, tidak hanya [pasien yang

mencari pengobatan, dengan demikian maka generalisasinya cukup memadai.

  • 3. Dapat dipakai untuk meneliti banyak variabel sekaligus.

  • 4. Jarang terancam loss to follow up (drop out).

  • 5. Dapat dimasukkan ke dalam tahapan pertama suatu penelitian kohort atau eksperimen,

tanpa atau dengan sedikit menambah biaya.

  • 6. Dapat dipakai sebagai dasar untuk penelitian selanjutnya yang bersifat lebih konklusif.

Misalnya suatu laporan cross sectional tentang hubungan antara kadar HDL, kolesterol dan

8

konsumsi alkohol dapat merupakan dasar studi kohort (atau uji klinis) untuk dapat memastikan adanya hubungan sebab akibat.

Kekurangan

  • 1. Sulit untuk menentukan sebab dan akibat karena pengambilan data resiko dan efek

dilakukan pada satu saat yang bersamaan 9temporal relationship tidak jelas). Akibatnya seringkali tidak mungkin ditentukan mana penyebab dan mana akibat (dilema telur dan ayam, horse and chart). Misalnya hubungan kausal antara diare dan malnutrisi tidak dapat ditentukan pada studi prevalens, karena diare kronik dapat menyebabkan terjadinya malnutrisi, sebaliknya malnutrisi juga dapat menyebabkan sindrom malabsorbsi dengan gejala diare kronik.

  • 2. Studi prevalens lebih banyak menjaring subyek dengan masa sakit yang panjang daripada

yang mempunyai masa sakit pendek, karena individu yang cepat sembuh atau cepat meninggal mempunyai kesempatan yang lebih kecil untuk terjaring. Bila karakteristik pasien yang cepat sembuh atau meninggal berbeda dengan yang mempunyai masa sakit panjang,

dapat terjadi bias, yakni salah interprestasi hasil penelitian.

  • 3. Dibutuhkan jumlah subyek yang cukup banyak, terutama bila variabel yang dipelajari

banyak.

  • 4. Tidak menggambarkan perjalanan penyakit, insidens maupun prognosis

  • 5. Tidak praktis untuk meneliti kasus yang sangat jarang, misalnya kanker lambung, karena

pada populasi usia 45-59 tahundiperlukan paling tidak 10.000 subyek untuk mendapatkan satu kasus. Kekurangan ini sebagian dapat diatasi dengan cara memilih populasi dari daerah yang endemik/kelompok resiko tinggi daripada memilih populasi umum.

  • 6. Mungkin terjadi bias prevalens atau bias insidens karena efek suatu faktor resiko selama

periode tertentu dapat disalahtafsirkan sebagai efek penyakit. Misalnya pada rancangan penelitian cross sectional didapatkan frekuensi HLA A2 yang tinggi pada pasien leukemia limfositik akut (LLA), memberi kesan bahwa pasien dengan HLA A2 mempunyai resiko yang lebih besar untuk menderita LLA. Namun dalam penelitian lain yang dilakukan kemudian terbukti bahwa HLA A2 justru memiliki prognosis yang baik, yakni umur pasien lebih panjang; akibatnya, pasien LLA dengan HLA A2 dijumpai lebih banyak daripada pasien LLA dengan HLA lain.

Daftar pustaka

9

1.

Alatas H, Karyomanggolo WT, Musa DA, Boediarso A, Oesman IN, Idris NS. Desain penelitian. Dalam; Sastroasmoro S, Ismael S (eds). Dasar-dasar metodologi penelitian klinis, edisi ke 4. Jakarata: Sagung Seto; 2011. Hal 104-113.

  • 2. Ghazali MV, Sastroasmoro S, Soedjarwo SR, Soelaryo T, Pramulyo HS. Studi Cross Sectional. Dalam; Sastroasmoro S, Ismael S (eds). Dasar-dasar metodologi penelitian klinis, edisi ke 4. Jakarata: Sagung Seto; 2011. Hal 130-144

  • 3. Madiyono B, Moeslichan S, Sastroasmoro S, Budiman I, Purwanto SH. Perkiraan Besar Sampel. Dalam; Sastroasmoro S, Ismael S (eds). Dasar-dasar metodologi penelitian klinis, edisi ke 4. Jakarata: Sagung Seto; 2011. Hal 349- 355

10