PERTANYAAN YANG KEMUNGKINAN DITANYAKAN

Kemungkinan pertanyaan yang bakal diajukan

1. Apa yang mendasari kamu memilih topik ini sebagai judul skripsi ?

Karena saat saya melakukan pencarian di internet, mengenai data-data prevalensi masalah
apa yang tinggi, saya menemukan wahhh kok banyak juga permasalahan tentang berat
badan lahir, selain itu angka kelahiran di rumah sakit Dr. Moewardi juga banyak, dan saya
menemukan ada beberapa yang perlu diperbaiki pada penelitian sebelumnya sebab pada
penelitian sebelumnya yang dibahas BBLR, saya ingin melengkapi kekurangan itu, jadi saya
menjadi tertarik untuk meneliti hal tersebut lebih jauh, dan bahkan ingin untuk
menjadikannya sebagai topik pada skripsi saya

2. Mengapa kamu memilih cross sectional pada jenis penelitian yg akan kamu lakukan ?

Penelitian ini menggunakan metode observasional analitik dengan pendekatan cross sectional.
Pendekatan cross sectional adalah pendekatan pada jenis penelitian dengan dasar pengukuran
variabel-variabel serta pengambilan data dilakukan sekali pada saat yang sama (Sugiyono,
2016). Hal ini disebabkan saya melakukan penelitian pada 1 hari itu juga untuk meneliti
tingkat pendidikan ibu dan berat badan lahir bayi, saya lakukan pada hari itu juga, jadi saya
menggunakann cross sectional.
**Dengan demikian maka pada studi cross-sectional peneliti tidak melakukan tindak lanjut
terhadap pengukuran yang dilakukan,
**Dalam studi analitik toss-sectional yang mempelajari hubungan antara faktor risiko dengan
penyakit (efek), pengukuran terhadap variabel bebas (faktor risiko) dan variabel tergantung
(efek) hanya dilakukan sekali dalam waktu yang bersamaan.
** Berbeda dengan studi cross-sectional, pada studi kasus-kontrol observasi atau pengukuran
variabel bebas dan variabel tergantung tidak dilakukan pada saat yang sama.->jumlah kontol
haru sama dengan yang bermasalah. Di kasus saya saya belum tahu berapa yang bermasalah
berapa yang normal.
** Peneliti melakukan pengukuran variabel tergantung, yal,rri efek, sedangkan variabel
bebasnya dicari secara retrospektif; karena itu studi kasus-kontrol disebut sebagai studi
 longitudinaf artinya subyek tidak hanya diobservasi pada satu saat tetapi diikuti selama
periode yang ditentukan.
Kalau missal kohort :
Berlawanan dengan studi kasus-kontrol yang mulai dengan identifikasi efek, pada penelitian
kohort yang diidentifikasi lebih dahulu adalah kausa atau faktor risikonya, kemudian
sekelompok subyek (yang disebut kohort) diikuti secara prospektif selama periode tertentu
untuk menentukan terjadi atau tidaknya efek.
** Pada penelitian kohort murni, yang diamati adalah subyek yang belum mengalami pajanan
faktor risiko yang dipelajari serta belum mengalami efek

3. Mengapa kamu memilih taro yamane sebagai metode pengambilan sampel mu ?

Menurut Yamane (1967) yang tertulis pada penelitian yang dilakukan oleh Mercy (2015),
rumus Taro Yamane digunakan pada proporsi populasi yang terbatas (finite population).
Populasi terbatas merupakan populasi yang dapat dihitung. Populasi terbatas lebih
menguntungkan dibanding populasi tak terbatas dalam hal analisis statistik. Tujuan dari
statistik adalah untuk memperkirakan parameter populasi yang terbatas. Beberapa contoh
populasi terbatas seperti: sejumlah kendaraan yang melewati gerbang tol, sejumlah kelahiran
per tahun, di negara bagian tertentu. sejumlah kata dalam satu halaman serta sejumlah siswa
di kelas (CHEEG, 2019). Pada penelitian yang dilakukan oleh Tattevin et al. (2012)
didapatkan hasil bahwa dari 10.574 pasien TB yang terdaftar di 21 pusat DOTS pada tahun
sebelumnya didapatkan ukuran sampel 385 subjek yang ditentukan dengan menggunakan
rumus Taro Yamane untuk populasi terbatas, pada penelitian ini digunakan metode cross
sectional.
DAFTAR PUSTAKA

CHEEG. 2019. Finite Population. https://www.chegg.com/homework-help/definitions/finite-population-31. 27

April 2019 (05:30).

Mercy, B. 2015. Attitide and Practice of Care of The Elderly Patients Among Health Workers. Journal of Nursing
and Science University of Nigeria.

Tattevin et al. 2012. Factors associated with patient and health care system delay in the diagnosis of tuberculosis
in France. International Journal of Tuberculosis and Lung Disease 16(4): 510–515.
4. Mengapa dalam melakukan sampling kamu memilih purposive sampling ?

Karena pada penelitian ini, peneliti sangat menekankan kriteria inklusi dan ekslusi, jadi subjek
harus benar benar masuk dalam kriteria inklusi dan ekslusi sebagai contoh : kriteria inklusi : ibu
harus berumur 20-34 tahun, sebab di penelitian saya usia kan termasuk variabel luar yang
dikendalikan maka dari itu berdasar yang saya baca kalau usia ibu melahirkan dan hamil
dibawah dan diatas rentang tersebutu maka akan sangat berisiko untuk mengalami
keabnormalitasan berat – badan sehingga akan menjadi bias dalam penelitian saya apabila
tidak dikelompokkan, jadi dengan mengelompokkan ini tujuannya akan lebih terfokus untuk
megamati tingkat pendidikan dari pada usia yang terlalu mempengaruhi.
**Berdasarkan penelitian yang dilakukan oleh Dennis dan Mollborn (2013) dalam buku yang
dikarang oleh Mollborn (2017) didapatkan hasil bahwa ibu-ibu yang masih berusia remaja di
Amerika Serikat memiliki peningkatan risiko BBLR dibandingkan dengan rekan mereka yang
berusia antara 20-34. Pada penelitian ini, subjek adalah ibu hidup yang melahirkan bayi hidup
dengan usia 20-34 tahun.

5. Variabel luar terkendali yang umur kamu kelompokkan berdasarkan apa, coba jelaskan ?

Menurut Roustaei et al. (2019) tingkat kesuburan seorang ibu sangat dipengaruhi oleh
rentang usia. Usia ibu untuk tingkat kesuburan spesifik dikategorikan menjadi di bawah 20
tahun, 20-24 tahun, 25-29 tahun, 30-34 tahun, 35-39 tahun, 40-44 tahun, dan 45 tahun atau
lebih.
Dalam penelitian ini usia dikendalikan pada rentang 20-34 tahun, sehingga masing-masing
umur diberikan skor berdasarkan tingkat kesuburan atau tingkat fertilitasya :
Rentang Usia Skor
20-24 tahun 1
25-29 tahun 2
30-34 tahun 3
6. Kenapa kamu tidak menganalisis secara statistik bagian yang domisili dan tempat tinggal
serta ras ? Kenapa cuman usia ?

Karena menurut saya akan sulit apabila saya menganalisis domisili/tempat tinggal serta ras.
Hal ini disebabkan pada variabel luar berupa domisili/ tempat tinggal tidak bisa dilakukan
scoring.

7. Kenapa kamu melakukan penelitian cuman di HCU neonatus ? Kenapa tdk d tempat yang
lainnya ?

- Tempat tempat lain berdasarkan apa yang saya amati dan saya tanyakan sebelumnya tidak
terdapat bayi baru lahir hidup, bayi yang berada disana mayoritas sudah berumur semisal
25 hari dll seperti itu, jadi kalau sudah lama kan kita hanya bisa melihat data rekam medis
saja, serta sebentar lagi akan pulang sehingga kemungkinan akan sulit untuk menemui
ibunya atau menanyai ibunya terkait tingkat pendidikan ibu.

-NICU->isinya bayi patologis yang lahir di RS Dr Moewardi

-HCU->isinya bayi yang sehat dan patologis namun disini berasal dari partus luar dan partus
dalam.
Karena di NICU jumlahnya sedikit serta bayi yang berada di NICU cuman bayi yang patologis,
makanya saya memilih HCU Neonatus.

8. Apa maksud yang dirawat begitu, kenapa begitu, saya kurang mengerti ? Kenapa ada kata
dirawat ?

Dengan pertimbangan memilih bayi – bayi di HCU neonatus, kan bayi yang berada di HCU
neonatus tidak semua partus dalam jadi kata kata yang semula->bayi lahir hidup di rumah
sakit, saya tambahkan kata-kata dirawat.

8. Tolong jelaskan saya regresi logistik model prediksi nya maksudnya gimana ?

Pengertian Analisis Multivariat

Metode analisis multivariat adalah suatu metode statistika yang tujuan digunakannya adalah
untuk menganalisis data yang terdiri dari banyak variabel serta diduga antar variabel tersebut
saling berhubungan satu sama lain.

Analisis multivariat adalah salah satu dari teknik statistik yang diterapkan untuk memahami
struktur data dalam dimensi tinggi. Dimana variabel-variabel yang dimaksud tersebut saling
terkait satu sama lain.
Berdasarkan beberapa definisi Analisis Multivariat di atas, maka statistikian menyimpulkan
bahwa yang dimaksud dengan Analisis Multivariat adalah suatu analisis yang melibatkan
variabel dalam jumlah lebih dari atau sama dengan 3 variabel.

Dimana minimal ada satu variabel terikat dan lebih dari satu variabel bebas serta terdapat
korelasi atau keterikatan antara satu variabel dengan variabel lainnya. Maka dapat diartikan
bahwa Analisis Multivariat juga merupakan analisis yang melibatkan cara perhitungan yang
kompleks. tujuannya adalah agar dapat memahami struktur data berdimensi tinggi dan saling
terkait satu sama lain.

Klasifikasi Analisis Multivariat

Klasifikasi analisis multivariat ada tiga macam, yaitu yang pertama adalah teknik dependensi
atau istilah english versionnya adalah dependent technique. Yang kedua adalah teknik
interdependensi atau english versionnya adalah interdependent technique. Dan yang ketiga atau
yang terakhir adalah dan model struktural atau english versionnya disebut dengan istilah
structural model.

Para pakar ada yang menyebutkan bahwa Analisis Multivariat hanya dikelompokkan ke dalam 2
klasifikasi saja. Yaitu analisis dependensi dan analisis interdependensi. Menurut statistikian,
tidak ada masalah tentang perbedaan ini, sebab para pakar yang berpendapat bahwa ada dua
klasifikasi, telah memasukkan Model Struktural atau struktural equation modelling sebagai
bagian dari klasifikasi analisis dependensi.

Teknik Dependensi Analisis Multivariat

Teknik Dependensi Analisis Multivariat adalah suatu metode Analisis Multivariat dimana
variabel atau kumpulan variabel yang diidentifikasi sebagai variabel dependen atau variabel
terikat dapat diprediksi atau dijelaskan oleh variabel lain yang merupakan variabel independen
atau variabel bebas.

Analisis dependensi berfungsi untuk menerangkan atau memprediksi variabel terikat dengan
menggunakan dua atau lebih variabel bebas.

Sehingga berdasarkan pengertian di atas, maka analisis yang termasuk di dalam klasifikasi
analisis dependensi antara lain: analisis regresi linear berganda atau multiple linear regression,
analisis diskriminan atau discriminant analysis, analisis varian multivariate (MANOVA), dan
analisis korelasi kanonikal atau canonical correlations.

Jenis-Jenis Analisis Dependensi

Berikut kami tampilkan jenis-jenis analisis dependensi dalam bentuk tabel beserta skala data dan
jumlah variabel yang dianalisis:
Teknik Dependensi Analisis Multivariat

Dari tabel diatas, dapat kami jelaskan bahwa:

Regresi linear dan regresi logistik digunakan jika jumlah variabel dependen ada 1. Perbedaannya
adalah, regresi linear digunakan jika skala data variabel terikat adalah metrik. Sedangkan regresi
logistik, skala data variabel terikat adalah non metrik.

10. Tolong jelaskan lebih detail tentang teknik analisis yang kamu lakukan, secara detail ?
Teknik analisis data yang saya gunakan adalah “Uji Chi Square”->Jenis data yang digunakan
dalam uji chi square harus berbentuk data berfrekuensi berskala nominal dan ordinal.

Contoh kasus yang menggunakan uji-chi square-> : “Hubungan antara sumber air minum
dengan kejadian diare pada balita di wilayah kerja puskesmas….

Bandingkan dengan judul ku “Hubungan tingkat pendidikan ibu dengan berat badan lahir bayi
di…..”

Pertanyaan kuosioner pada penelitian sumber air minum-> apakah jenis sumber air yang anada
gunakan untuk memenuhi kebutuhan sehari-hari ?

1. PDAM
2. Air mineral
3. Air sumur
4. Air hujan
5. Air sungai

Pokoknya di scoring

Trs ada pertanyaan kuosioner variabel kejadian diare- apakah anak balita anda pernah
terkena diare dalam 6 bulan terakhir-> Ya= 2, tidak =1
***Variabel berupa numeric-> analisis dengan korelasi (pilihannya)
*** Kedua variabel berupa -> kategorikal-> analisis korelasi tidak bisa digunakan karena
angka pada suatu kategori hanya berupa kode bukan nilai yang sebenarnya-> sehingga
operasi aritmatika tidak sah untuk kasus data kategorik.

11. Pendapatan kan kamu teliti secara statistik, tapi kenapa tidak kamu buat range seperti
umur, tingkat pendidikan, dsb ?

Karena pendapatan termasuk ke dalam variabel luar yang tidak saya kendalikan, karena
kalau saya kendalikan akan mempersempit sampel, jadi rencananya akan saya range saat
sudah mendapatkan data berapa pendapatannya

12. Kenapa kamu mencantumkan variabel luar tidak terkendali ada beberapa yg tidak
menyinggung faktor risiko ? Jelaskan ke saya

Sebenarnya memang saya bedakan sebab apa yang ada di faktor risiko sebenanrnya sudah
masuk ke dalam variabel luar tidak terkendali
13. Untuk yang bagian hubungan kan tidak kamu sertakan di ppt, boleh jelaskan ke saya ?
Beserta sumbernya

Pendidikan memiliki korelasi yang sangat erat terhadap kesehatan dan keduanya
saling memberikan manfaat. Pendidikan dan kesehatan merupakan pusat kesejahteraan
individu dan populasi. Keduanya tertanam dalam konteks dan struktur sosial. Orang
dewasa dengan tingkat pendidikan yang lebih tinggi ternyata hidup lebih sehat dan
lebih lama dibandingkan dengan orang yang tidak berpendidikan (Zajacova dan
Lawrence, 2018).
Berbeda dengan beberapa studi lainnya seperti yang dilakukan di Australia pada
tahun 2015, didapatkan hasil bahwa pendidikan meningkatkan kualitas makanan
seseorang serta memiliki kecenderungan untuk membuat seseorang sadar akan
pentingnya melakukan olahraga teratur dan minum air untuk mencegah dehidrasi.
Tetapi tingginya pendidikan tidak berbanding lurus dengan tindakan seseorang untuk
menghindari rokok serta untuk melakukan pemeriksaan kesehatan sebagai upaya
preventif (Li dan Powdthavee, 2015). Dalam penelitian lain yang dilakukan oleh
Hidaka didapatkan bahwa pada wanita berpendidikan tinggi erat dikaitkan dengan
asupan makanan cepat saji yang lebih besar (r= 0.28; p=0.0005); namun hubungan ini
tidak signifikan pada pria (r=−0.14; p=0.21). Dalam populasi yang lebih luas
didapatkan bahwa seseorang yang berpenghasilan rendah dan seseorang dengan
pencapaian pendidikan tinggi (lulusan perguruan tinggi atau lebih tinggi) sangat erat
kaitannya dengan asupan makanan cepat saji yang lebih tinggi. Hal ini berlaku pada
wanita tetapi tidak pada pria (Hidaka et al., 2018).

Padahal asupan makanan yang kaya akan nutrisi sangat penting untuk
keberlangsungan hidup seseorang (Falkenberg et al., 2017). Memiliki kebiasaan
makan makanan cepat saji dapat membuat asupan makanan tidak lagi sehat (Moore et
al., 2009). Berdasarkan penelitian yang ditulis oleh Barrington dan White (2016);
Bowman dan Vinyard (2004); Pereira et al. (2005) dalam Hidaka et al. (2018)
dijelaskan bahwa makanan cepat saji dikaitkan secara erat terhadap indeks masa tubuh
yang besar, penambahan berat badan yang cepat, terjadi resistensi insulin dan
peningkatan risiko mortalitas.
 Penelitian mengenai makrosomia belum banyak disoroti, namun berdasarkan
patofisiologi serta sebagaimana telah dijelaskan dalam beberapa jurnal bahwa ibu-ibu
yang menderita obesitas, diabetes mellitus (DM) atau resistensi insulin, kelebihan
asupan makanan sebelum dan selama kehamilan memiliki risiko tinggi untuk
melahirkan bayi dengan berat badan berlebih. Sehingga hal ini memiliki hubungan
yang erat antara tingkat pendidikan seorang ibu yang sedang hamil terhadap berat
badan lahir bayi (Kc et al., 2015; Najafian dan Cheraghi, 2012; Pan et al., 2017).

Kejadian yang memiliki prevalensi lebih tinggi dari makrosomia atau kelahiran
bayi dengan berat badan lahir besar adalah kejadian bayi lahir dengan berat badan
rendah (BBLR). Pamungkas (2012) mengatakan bahwa terdapat hubungan antara berat
bayi lahir rendah dengan kehidupan sosial ekonomi ibu dengan (p=0,031) yang mana
pendidikan termasuk ke dalam faktor sosial ekonomi. Menurut Suciati (2008) dan
Achadi (2007) dalam Pamungkas (2012) faktor tingkat pendidikan turut pula
menentukan mudah tidaknya seseorang menyerap dan memahami pengetahuan gizi
yang mereka peroleh. Tingkat pendidikan termasuk dalam faktor sosial ekonomi
karena tingkat pendidikan berhubungan dengan status gizi yaitu dengan meningkatkan
pendidikan kemungkinan akan dapat meningkatkan pendapatan sehingga
meningkatkan daya beli makanan untuk mencukupi kebutuhan gizi keluarga. Sehingga
apabila tingkat pendidikan rendah maka terdapat kemungkinan terjadi kekurangan
asupan gizi. Menurut Shrestha et al. (2015) bahwa kurang konsumsi makanan bergizi
selama hamil menjadi penyebab kelahiran bayi BBLR (AOR=1.99; CI=1.28-3.10).
Walaupun pendidikan merupakan komponen dari sosial ekonomi tetapi penelitian
yang dilakukan ini belum terlalu spesifik terdahap pendidikan ibu.
Selain itu juga terdapat penelitian yang dilakukan oleh Khairina dan Modjo
(2013) menjelaskan mengenai perbedaan tingkat pendidikan ibu dengan kejadian berat
badan lahir rendah pada bayi. Penelitian dilakukan di wilayah Puskesmas Kecamatan
Cipayung Kota Depok dengan responden sebanyak 100 bayi berumur 0-11bulan. Pada
variabel tingkat pendidikan diklasifikasikan menjadi tinggi dan rendah serta
dihubungkan dengan variabel kejadian berat badan lahir rendah bayi. Hasil peneltian
terdapat hubungan yang signifikan antara pendidikan dengan berat badan lahir bayi
rendah dan diperoleh nilai (OR=12; p=0.010).
 Berdasarkan penelitian di atas menunjukkan bahwa tingkat pendidikan ibu
dengan berat badan lahir memiliki hubungan (Khairina dan Modjo, 2013). Namun,
tingkat pendidikan ibu yang baik belum tentu membuat seorang ibu melahirkan bayi
dengan berat badan yang normal, bahkan tingkat pendidikan tinggi pada beberapa
penelitian disebutkan memiliki kecenderungan untuk mengkonsumsi makanan yang
kurang bergizi (Hidaka et al., 2018). Namun untuk tingkat pendidikan ibu yang
rendah memiliki hubungan yang signifikan pada beberapa penelitian terhadap bayi
lahir rendah (Septiani, 2015). Oleh karena itu, dalam penelitian ini diharapkan adanya
hasil yang yang tepat dan bisa memberikan bukti terbarukan sehingga bisa menjadi
landasan terbaru untuk mengetahui hubungan antara tingkat pendidikan ibu dengan
berat badan bayi lahir di RS Dr. Moewardi Surakarta.

14. Tolong jelaskan alur penelitian cara kerja secara lengkap

 Rekam medis dilihat dalam waktu kurang dari 1 hari sejak kedatangan bayi baru /
kelahiran bayi baru- jadi bayi oewk owk ditulis di rekam medis-> trs kita catet dari data
rekam medis.--> jadi harus sigap

15. Kenapa kamu memilih nilai signifikansi 0.01 ? kenapa tidak 0.05 ?

16. Saat penentuan populasi kenapa data yang kamu ambil dari HCU bukan data bayi lahir di
ponek ?

-Kita ketahui bersama bahwa ponek berisi data –data bayi yang lahir di RS. Dr. Moewardi
Surakarta, termasuk data data bayi yang lahir dan masih dirawat selama beberapa hari
sampai 25 hari dan hampir 1 bulan, sehingga akan kesusahan apabila kita mencari data
tentang ibunya, sedangkan yang diinginkan adalah bayi baru lahir hidup, maka HCU
neonatus adalah yang paling tepat sebab disana merupakan pusat bayi-bayi baru lahir.
Kalau kita pakai polulasi dari ponek maka akan menjadi bias karena ka nada bbrp bayi yang
lahir lama tapi masih berada di situ dan itu bukan bayi baru lahir, jadi bias, kalau kita missal
mengambil data tersebut maka akan tidak akurat.->susah cari rekam medisnya juga