BAB I

PENELITIAN EPIDEMIOLOGI

A. PENDAHULUAN
Epidemiologi adalah cabang ilmu yang mempelajari seberapa sering
penyakit itu terjadi pada populasi yang berbeda dan penyebabnya. ( Mann, 2003).
Epidemiologi klinis adalah suatu pendekatan secara epidemiologi untuk
melakukan dan menganalisis suatu observasi atau kejadian dalam bidang
kesehatan. Kejadian utama yang paling menarik untuk diperhatikan adalah
penyakit dan apa yang menjadi penyebab penyakit tersebut. Dengan demikian
tujuan dasar epidemiologi klinis adalah untuk mengembangkan cara observasi
dan analisis klinis sehingga diperoleh suatu kesimpulan yang benar dan
terpercaya.( Siswosudarmono, 2015)

Uji klinis adalah salah satu bentuk penelitian epidemiologi klinis yang
secara khusus meneliti suatu intervensi baik yang berupa suatu tindakan (misal
jenis operasi A dibandingkan dengan jenis operasi B) maupun pengobatan (obat
A dibandingkan dengan obat B). Uji klinis merupakan bagian yang sangat penting
dalam bidang pengembangan obat terutama dalam pengujian obat-obat baru.
Dalam arti khusus yang dimaksud uji klinis adalah uji klinis fase III atau lebih
dikenal sebagai Randomized Clinical Trial atau Randomized Controlled Trial
(RCT). Dalam bahasa Indonesia kami menggunakan istilah Uji Klinis secara
Random atau UKR. ( Siswosudarmono, 2015)

Berbeda dengan klinisi maka ahli epidemiologi mempelajari suatu

penyakit dalam sebuah kelompok orang yang disebut populasi. Sebaliknya klinisi
adalah mereka yang memandang penyakit hanya secara individual yaitu kepada
seorang pasien saja. Para ahli epidemiologi merekam kejadian yang ada dalam
kelompok apakah mereka sakit apa tidak atau memerlukan perawatan apa tidak.
Pada umumnya mereka tidak mengumpulkan sendiri datanya dan juga tidak
langsung bertemu dengan populasi yang sedang mereka pelajari. Karena
epidemiologi bekerja dengan sebuah kelompok yang masing-masing mempunyai
sifat yang berbeda, maka suatu ketidakpastian dapat terjadi. Persoalannya
sekarang adalah bagaimana menangani ketidakpastian itu, termasuk variabel yang
tidak diinginkan. Dalam hal ini, ahli epidemiologi banyak menggunakan

1
perhitungan biostatistika untuk menghitung probabilitas dan besarnya pengaruh
kebetulan yang mungkin terjadi dalam sebuah observasi. ( Siswosudarmono,
2015)

Karena dalam penelitian epidemiologis tidak mungkin seluruh populasi

bisa diteliti, maka diambillah batasan tertentu. Dari populasi yang masih sangat
umum, diambillah batasan tertentu yang antara lain adalah kriteria kelayakan
(eligibility criteria) sehingga menghasilkan populasi penelitian, yakni subyek
yang telah layak (eligible subject). Subyek yang layak diteliti masih dibatasi lagi
oleh besar sampel (sample size) menjadi sebuah sampel penelitian. Di sampel
penelitian inilah seorang peneliti melakukan penelitian. ( Siswosudarmono, 2015)
B. TUJUAN PENELITIAN EPIDEMIOLOGI KLINIS( Siswosudarmono, 2015)
1. Menggambarkan status kesehatan dalam suatu populasi.

2. Memperkirakan besarnya kejadian suatu masalah kesehatan (penyakit)

yang umumnya digambarkan dalam angka insidensi, prevalensi atau rate.
3. Menentukan hubungan suatu penyakit dengan faktor risikonya, yang
sering digambarkan dalam bentuk risiko relatif atau odds ratio.
4. Mencari ada tidaknya hubungan timbal balik antara dua gejala atau
variabel. Biasanya dinyatakan dengan koefisien korelasi.
5. Menentukan besarnya keberhasilan suatu intervensi tertentu terhadap satu
masalah kesehatan, atau membandingkan cara intervensi baru dengan cara
lama; misalnya berapa angka kesembuhan sebuah obat baru dibandingkan
dengan obat standard yang sudah ada. Hasilnya sering dinyatakan dengan
risiko relatif, number needed to treat dan lain-lain.

C. JENIS PENELITIAN EPIDEMIOLOGI KLINIS

Pada dasarnya ada dua jenis penelitian epidemiologi klinis, yaitu:
1. Penelitian observasional, yaitu suatu penelitian di mana peneliti hanya
mengobservasi saja kejadian yang sudah ada dalam sebuah populasi dan
sama sekali tidak melakukan intervensi apa-apa.
2. Penelitian eksperimental, yaitu suatu penelitian di mana peneliti dengan
sengaja melakukan satu intervensi terhadap subyek penelitian dengan
maksud untuk melihat pengaruhnya (baik yang bersifat positif maupun
negatif). Jenis penelitian inilah yang lazim disebut sebagai uji klinis
(clinical trial). Ada beberapa tingkat uji klinis, mulai dari uji klinis fase I
2
 sampai fase IV. Uji klinis untuk membandingkan suatu pengobatan baru
atau obat baru dibandingkan dengan standar lazim disebut sebagai
Randomized Controlled Trial (RCT) atau Uji Klinis secara Random
(UKR). Kadang-kadang sebuah uji klinis tidak bisa dilakukan dengan cara
random, dan ini disebut non- randomized clinical trial atau quasi
experimental design.( Glasziou et al, 2009; Siswosudarmono, 2015)

D. DESAIN (BENTUK RANCANGAN) PENELITIAN EPIDEMIOLOGIS

Desain studi dalam epidemiologi sangat penting karena:
1. Tidak ada studi yang sempurna tetapi selalu terdapat keterbatasan. Riset
epidemiologi sendiri bersifat empiris tergantung pada cara observasi dan
pengumpulan data yang sistematis.
2. Karakter psikobiologis setiap individu yang ada dalam kelompok tidak
selalu sama, bahkan cenderung bervariasi.
3. Kesalahan dalam tahap desain sukar diperbaiki dalam tahap berikutnya.
Kesalahan ini umum disebut sebagai bias seleksi (selection bias), bias
pengukuran (measurement bias) dan bias pengganggu (confounding bias).

Gambar 1.Ide dan Penelitian ( Fletcher et al, 2012)

Macam-macam desain penelitian epidemiologi berdasarkan kekuatannya

dalam menentukan hubungan sebab akibat dan efek suatu pemaparan (exposure,
treatment) dapat disusun dari yang paling lemah ke yang paling kuat sebagai
berikut:

1. Studi deskriptif.

3
2. Studi potong lintang.

3. Studi kasus control.

4. Studi kohort.

5. Uji Klinis secara Random (UKR). Istilah yang lebih popular adalah

Randomized Clinical Trial atau Randomized Controlled Trial (RCT).

Gambar 2 . Diagram alur desain penelitian( Kaura, 2013)

4
 A. STUDI DESKRIPTIF
Studi ini menggambarkan karakteristik suatu populasi pada saat ini atau
masa lampau dengan luaran (outcome) atau paparan (exposure) tertentu.

1. Studi ini lebih tepat untuk mencari insidensi atau prevalensi suatu penyakit
tertentu. Hanya mempelajari satu kelompok, tidak ada kelompok
pembanding (kontrol).
2. Tidak dapat menarik kesimpulan ada tidaknya hubungan antara satu
dengan lain variabel karena memang hanya ada satu variabel saja.
3. Ini adalah suatu studi penjajakan (fishing study) yang dapat memberikan
informasi kemungkinan adanya hubungan antara exposure dengan
outcome yang perlu dibuktikan dengan desain dan analisis berikutnya.

4. Hasil yang diperoleh biasanya berupa statistika deskriptif seperti:

insidensi, prevalensi, distribusi frekuensi, mean, standar deviasi, median,
mode, minimum, maksimum, dll.

5
 Tabel 1. PERBANDINGAN CROSS SECTIONAL, CASE CONTROL, KOHORT (Kalaivani et al, 2017;
Cross sectional
Definisi
Rancangan studi epidemiologi yang
mempelajari hubungan penyakit dan
paparan dengan cara mengamati status
penyakit dan paparan secara bersamaan
pada individu – individu dengan populasi
tunggal pada suatu saat atau periode
Pemilihan Subyek
Perkiraan besarnya sampel dapat dihitung
dengan rumus Snedecor dan Cochran
Tujuan
• untuk mengetahui masalah
kesehatan masyarakat di suatu
wilayah
• untuk mengetahui prevalensi
penyakit tertentu di suatu daerah
Kaura,2013)
Case control
Rancangan studi epidemiologi yang mempelajari
hubungan antara paparan (faktor penelitian) dan
penyakit dengan cara membandingkan kelompok
kasus dan kelompok kontrol berdasarkan status
paparannya
Pemilihan subyek berdasarkan status penyakit,
kemudian dilakukan pengamatan apakah subyek
mempunyai riwayat terpapar faktor penelitian atau pengamatan atau pencatatan apakah subyek
tidak
• Mempelajari hubungan antara paparan dan
penyakit
• Mempelajari seberapa jauh faktor risiko
mempengaruhi terjadinya efek
• Mempelajari kemungkinan ganda penyebab
6
Kohort
Rancangan studi yang mempelajari
hubungan antara paparan dan penyakit
(outcome) dengan cara membandingkan
kelompok terpapar (faktor penelitian) dan
kelompok tak terpapar berdasarkan status
penyakit (outcome) dan mengikuti hingga
waktu tertentu.
Pemilihan subyek berdasarkan status
paparannya, kemudian dilakukan
dalam perkembangannya mengalami
penyakit yang diteliti atau tidak
• Menentukan insidens dan
perjalanan penyakit atau efek yang
diteliti
• Untuk membedakanpasien terpapar
dengan pasien tak terpapar atau
pasien terpapar A dan terpapar B
 • untuk memperkirakan adanya
hubungan sebab akibat bila
penyakit itu mengalami perubahan
yang jelas dan tetap
• untuk memperoleh hipotesis
spesifik yang akan diuji melalui
penelitian analitis
Ciri-Ciri
• Semua pengukuran variabel
(dependen dan indpenden) yang
diteliti dilakukan pada waktu yang
sama
• Tidak ada periode follow-up
• Penelitian ini bertujuan
mendeskripsikan prevalensi penyakit
tertentu
• Pada penelitian ini tidak terdapat
kelompok pembanding
• Hubungan sebab- akibat hanya
merupakan perkiraan saja
• Penelitian ini dapat menghasilkan
hipotesis
• Merupakan penelitian pendahuluan
dari penelitian analitis
Jenis-Jenis
• Deskriptif
• Analitik
suatu penyakit, dapat dipelajari sejumlah
paparan yang merupakan faktor resiko
potensial terhadap kelompok kasus dan
kelompok kontrol.
• Rancangan ini juga berguna jika akan
dilakukan studi terhadap penyakit ang jarang
dengan ukuran sampel yang lebih kecil
dibanding studi cohort
• Penelitian ini merupakan penelitian yang
bersifat observasional
• Diawali dengan kelompok penderita dan bukan
penderita
• Terdapat kelompok kontrol
• Kelompok control harus memliki resiko
terpajan oleh faktor resiko yang sama dengan
kelompok kasus
• Membandingkan besarnya pengalaman terpajan
oleh faktor resiko antara kelompok kasus dan
kelompok kontrol
• Tidak mengukur insidensi
• Case kontrol retrospektif
• Case kontrol prospektif
7
• Mempelajari hubungan faktor risiko
dengan efek atau penyakit
• Pemilihan subyek berdasarkan status
paparannya
• Pendekatan waktu secara
longitudinal (time-period approach)
• Faktor risiko diidentifikasi terlebih
dahulu Diikuti periode tertentu untuk
melihat efek atau penyakit yang diteliti
pada kelompok dengan faktor risiko
dan pada kelompok tanpa faktor risiko
• Hasil analisis untuk melihat hubungan
dan pengaruh
• Kohort prospektif dengan
kelompok pembanding internal
• Kohort prospektif dengan
kelompok pembanding eksternal

Langkah-Langkah
• Identifikasi dan perumusan
masalah
• Menetukan tujuan penelitian
• Menentukan lokasi dan populasi
studi
• Menentukan cara dan besar
sampel
• Memberikan definisi operasional
• Menentukan variabel yang akan
diukur
• Menyusun instrument
pengumpulan data
• Rancangan analisis
Kelebihan
• Studi
observasional/noneksperimental
• Menetapkan pertanyaan penelitian dan
hipotesis yang sesuai
• Menetapkan variabel penelitian
• Menetapkan subjek penelitian
• Melakukan pengukuran variabel
• Analisa hasil
• Terkadang menjadi satu-satunya cara untuk
meneliti kasus yang jarang atau yg masa
8
• Kohort retrospektif
• Nested Case-Control Study
• Mengidentifikasi faktor efek
(variabel dependen) dan resiko
(variabel independen) serta
variabel-variabel pengendali
( Variabel kontrol)
a. Variabel dependen : frekuensi
kasushipertensi
b. Variabel independen : Merokok
c. Variabel pengendali : Umur,
pekerjaan dan pengetahuan
• Menetapkan subjek penelitian,
yaitu populasi dan sampel
penelitian
• Mengidentifikasi subjek yang
(resiko positif) dari populasi
tersebut, dan mengidentifikasi
subjek yang tidak (resiko negatif)
• Mengobservasi perkembangan
efek pada kelompok orang-orang
yang (resiko positif) dan kelompok
orang (kontrol) sampai pada waktu
tertentu,
• Mengolah dan menganalisis data
secara deskriptif dan analitik
• Tepat untuk mempelajari efek dari
eksposure atau paparan yang jarang
• Desain relatif mudah murah, hasil latennya panjang • Dapat mempelajari beberapa efek
cepat diperoleh • Hasil dapat diperoleh dgn cepat dari suatu paparan
• Memiliki satu kelebihan pokok, • biaya relatif lebih sedikit sehingga lebih • Dapat menerangkan “temporal
yaitu bahwa studi didasarkan pada efisien relationship” antara paparan dan
sampel populasi utama yang ada outcome (penyakit)
(alami) dan tidak bergantung pada • Memungkinkan mengidentifikasi berbagai
faktor resiko sekaligus dalam satu • Dapat menghitung laju insiden &
individu yang mengajukan diri perjalanan penyakit
untuk mendapatkan perlakuan penelitian
medis Dapat meneliti banyak • Tidak mengalami kendala etik
variabel sekaligus • Biasanya dapat mengevaluasi confounding
• Jarang terancam drop out dan interaksi lebih teliti daripada studi
• Dapat dipakai sebagai dasar kohort untuk jumlah sampel yang sama,
penelitian selanjutnya karena kasus dan kontrol lebih sebanding.
• Tidak mengalami hambatan etik
• Bila variabel lebih dari 1, data
dapat dikumpulkan secara
bersamaan
• Agar dapat menggambarkan
karakter populasi dengan akurat,
maka subjek pada studi Cross
Sectional harus diambil dengan
prosedur pengambilan sampel
sedemikian rupa (acak) sehingga
diperoleh sampel yang
representatif /mewakili populasi
sasaran
Kekurangan
• Sulit untuk menentukan sebab • Data mengenai pajanan faktor resiko • Pada kohort prospektif dapat sangat
akibat krn pengambilan data diperoleh dgn menggunakan daya ingat atau lama dan mahal
faktor resiko dan efek diambil catatan medik, dapat terjadi recall bias, data • Pada kohort retrospective perlu
bersamaan sekunder berupa data medik sering kurang sumber data yang lengkap dan
9
 • Dibutuhkan jumlah subyek yang
banyak, terutama bila variabel
yang dipelajari banyak
• Tidak dapat dijelaskan, mana
yang lebih dulu, exposure atau
disease
• Tidak menggambarkan perjalanan
penyakit, insidensi, maupun
prognosis
• Mungkin terjadi bias prevalensi
• Tidak praktis untuk meneliti kasus
yang sangat jarang
• Kesimpulan korelasi antara faktor
resiko dan efek paling lemah.
Rumus
• prevalence kelompok terpapar (Po) = a/
a+b
• Prevalence kelompok tidak terpapar (P1)
= c/ c+d
• Rasio Prevalence = Po / P1
akurat handal
• Validasi informasi terkadang sukar • Tidak efisien untuk mempelajari
diperoleh penyakit yang jarang
• Sukar meyakinkan kelompok kasus dan kel • Mempunyai risiko untuk “loss to
kontrol sebanding krn banyaknya faktor follow up”
eksternal dan sumber bias lainnya yang
sukar dikendalikan
• Tidak dapat dipakai untuk menentukan lebih
dari satu variabel dependen ( hanya
berkaitan dgn 1 penyakit/efek)
• Tdak dapat dilakukan untuk penelitian
evaluasi hasil pengobatan.
• Insidence kelompok terpapar (Po)= a/
a+b
• Insidence kelompok tidak terpapar
(P1)= c/ c+d
• Relative Risk (RR) = Po / P1
 Odds Rasio (OR) = a x d / b x c = ad/bc
10
Gambar 3 . Desain penelitian cross sectional( Fletcher et al, 2014)

Gambar 4. Desain Penelitian Case Control ( Fletcher et al, 2014)

11
Gambar 5. Contoh Penelitian Case Control ( Fletcher et al, 2014)

Gambar 6 . Penelitian kohort ( Kaura, 2013)

12
 Gambar 7: Perbedaan Kohort prospektif dan retrospektif( Kaura, 2013)

CONTOH STUDI KASUS-KONTROL( Leviana, 2019)

Masalah . Apakah abortus berhubungan dengan risiko kejadian plasenta previa pada kehamilan
berikutnya ?
Hipotesis. Studi kasus-kontrol, hospital based
Kasus. Wanita melahirkan di RSCM dari 1 Januari 1996 sampai dengan 31 Desember 1999
secara bedah ceasar atas indikasi plasenta previa totalis yang dibuktikan dengan USG dan klinis
pendarahan antepartum.
Kontrol. Wanita yang melahirkan dalam kurun waktu yang sama tanpa plasenta previa dan
dipilih secara acak.
Faktor risiko yang ingin diteliti. Riwayat terdapatnya abortus sebelum persalinan sekarang.
Pengumpulan data. Dengan wawancara dan pengisian kuesioner diperoleh data dari 68 kasus
dan 68 kontrol.
Analisis data. Meskipun RO lebih dari 1, namun karena interval kepercayaannya mencakup
angka 1, maka simpulannya adalah abortus tidak mempunyai hubungan dengan terjadinya
plasenta previa pada kehamilan kemudian, atau diperlukan lebih banyak kasus untuk
membuktikannya.

Plasenta previa
RIWAYAT ya Tidak jumlah
ABORSI Ya 12 9 21
Tidak 56 59 115
Jumlah 68 68 136

Ratio adds = (12x59) / (9x56)=1,4 Internal kepercayaan 95%=0,5 ; 3,6

13
B. UJI KLINIS SECARA RANDOM (UKR) atau RANDOMIZED CONTROLLED
TRIAL (RCT), atau RANDOMIZED CLINICAL TRIAL

UKR memiliki ciri-ciri sebagai berikut.

1. Adalah suatu penelitian klinis yang bersifat eksperimental, artinya
peneliti secara aktif melakukan manipulasi terhadap subyek penelitian
(melakukan intervensi) untuk memperoleh hasil yang diinginkan
(outcome of interest).
2. Berbeda dengan studi kohort di mana exposure terjadi dengan
sendirinya (bukan intervensi langsung peneliti) maka pada UKR
exposure memang sengaja diberikan oleh peneliti dan ini sering
disebut sebagai treatment (perlakuan).
3. Seperti pada studi kohort pada UKR penelitian juga berjalan dari
treatment menuju (untuk melihat) outcome.
4. Berbeda dengan studi kohort yang pengelompokan subyek ke dalam
dua kelompok terjadi secara alami (bukan kehendak peneliti), maka
pada UKR alokasi ke dalam kelompok perlakuan dan kontrol
dilakukan secara aktif oleh peneliti dengan cara randomisasi (random
allocation, random assignment).
5. Alokasi secara random menjamin kedua kelompok bersifat sebanding
(comparable) dalam semua variabel kecuali variabel perlakuan yang
memang sedang diteliti. Alokasi random menjamin semua variable luar
yang berpotensi mengganggu hasil terdistribusi secara ekual
(seimbang) pada kedua kelompok. Dengan demikian alokasi random
menghindari adanya bias pengganggu (confounding bias)
6. Pada UKR disyaratkan juga penyamaran (blinding), artinya kedua obat
yang diberikan (obat yang diteliti dan obat yang dipakai sebagai
kontrol) dikemas sedemikian serupa sehingga baik peneliti maupun
pasien tidak tahu obat apa yang diterima. Bentuk perlakuan idealnya
serupa antara yang diteliti dengan kontrol. Dalam keadaan tertentu,

14
 penyamaran tidak mungkin dilakukan kalau kita membandingkan dua
cara pemberian obat yang berbeda: yang satu oral, yang lain injeksi,
atau dua teknik operasi, yang satu operasi terbuka yang lain
laparoskopi.
7. Blinding bisa bersifat single blind (subyek tidak tahu perlakuan apa
yang didapat), doble blind (subyek dan peneliti tidak tahu) dan triple
blind (subyek, peneliti dan pengolah data tidak tahu). Dengan blinding
maka bias pengukuran (measurement bias) dapat dihindari.
8. Concealment. Alokasi random harus ditempatkan dalam amplop opak
(tidak tembus cahaya) sehingga peneliti tidak bisa memilih obat apa
untuk subyek yang mana, tetapi harus patuh pada alokasi secara
random yang sudah ditentukan. Teknik ini disebut concealment, yang
dimaksud untuk menghindari bias pemilihan (selection bias)
9. Sama dengan studi kohort, maka disini satu perlakuan (single
exposure) menghasilkan banyak hasil (multiple outcomes), meskipun
tetap ada satu outcome yang utama.
10. UKR merupakan desain yang paling kuat (the most powerful design)
untuk menentukan hubungan sebab akibat.
11. Mungkin saja pada suatu saat uji klinis tidak dilakukan secara random,
maka ini disebut sebagai quasi experimental design atau bisa juga
disebut non- randomized controlled trial, atau non-randomized clinical
trial.
12. Risiko Relatif (RR). Pada UKR, hasil yang diperoleh adalah risiko
relatif yaitu perbandingan insidensi hasil ya (positif) pada kelompok
treated dengan insidensi hasil ya (positif) pada kelompok kontrol.
13. Attributable Risk (AR). Di samping RR, kita juga dapat mengukur
perubahan insidensi yang terjadi, yang lazim dikenal dengan
attributable risk (AR). Rumusnya adalah AR = insidensi hasil positif
pada kelompok treated dikurangi insidensi hasil positif pada kelompok
control.
14. Number neede to treat (NNT). Dari AR dapat dihitung number needed

NNT15
=1
AR
 to treat (NNT) yakni berapa jumlah pasien yang dibutuhkan untuk
mendapat satu outcome tambahan. Makin sedikit NNT makin baik
hasil terapi.
15. Number needed to harm (NNH), menggambarkan berapa jumlah
pasien yang diberi terapi yang akan memunculkan satu efek samping.
Makin besar NNH, makin baik hasil terapi.

NNH = 1
AR

Keuntungan
1. Random allocation (alokasi random), menjamin komparabilitas kedua kelompok,
sehingga menghindari bias pengganggu (confounding bias).
2. Concealment (tidak tahu perlakuan apa yang akan diberikan) menjamin tidak terjadi
kecenderungan memilih subjek untuk mendapatkan perlakuan tertentu (selection
bias).
3. Blinding (tidak tahu jenis obatnya), menjamin tidak adanya kecenderungan melebih-
lebihkan atau mengurangi hasil pengukuran (measurement bias).
4. Merupakan rancangan paling kuat untuk mencari atau membuktikan adanya
hubungan sebab-akibat (causal-effect relationship), sehingga besarnya efek sebab
akibat dapat ditentukan.
5. Peneliti dapat menentukan secara aktif jenis intervensi: misal jenis obat, variasi
dosis, interval pemberian dan lain-lain.
6. Sebuah UKR memungkinkan standarisasi kriteria kelayakan, pengobatan dan hasil
yang diinginkan.
7. Banyak analisis statistika didasarkan atas asumsi bahwa subjek terbagi secara
random.
Kerugian
1. Seperti studi kohort, UKR ini mahal dan membutuhkan waktu yang lama (time
consuming).
2. Karena peneliti melakukan intervensi secara aktif, subyek berhak mendapatkan
penjelasan mengenai maksud dan tujuan, obat yang diberikan, keuntungan dan
kerugian, efek samping tindakan dan lain-lain, yang dikenal sebagai informed

16
 consent.
3. Pasien berhak menerima atau menolak masuk dalam penelitian, atau menghentikan
mengikuti penelitian kalau dia merasa tidak mendapatkan keuntungan dari penelitian
ini.
4. Uji ini juga harus mendapat persetujuan dari Komisi Etika untuk mendapatkan
kelayakan etika (ethical clearance). Dengan demikian penelitian ini sangat dibatasi
oleh masalah etika.
5. Kadang sebuah UKR kehilangan representativeness-nya karena orang yang masuk
dalam penelitian adalah para volunteers, yang mungkin berbeda dengan pasien yang
sesungguhnya.
6. Studi ini tidak bisa digunakan untuk meneliti kejadian yang jarang, atau kejadian
yang luarannya (outcome) membutuhkan waktu yang lama

Gambar 8. Desain penelitian RCT

17
Gambar 9. Contoh RCT penanganan asma ( Hawkins et al, 2003)

18
Gambar 10. Desain penelitian dalam korelasi dengan waktu( Kaura, 2013)

19
 BAB II
BIOSTATISTIK
A. SEJARAH SINGKAT STATISTIK.

Kata Statistik berasal dari bahasa Yunani, yaitu status yang berarti negara atau
posisi, karena pada mulanya statistik hanya menyangkut urusan-urusan negara seperti
masalah kependudukan, namun saat ini statistik telah diperlukan oleh seluruh aspek
kehidupan seperti dunia kedokteran, ekonomi, pertanian dan sebagainya termasuk kesehatan
masyarakat. Statistik mulai dikenal pada abad 17 disaat sedang marak-maraknya perjudian
dan statistik digunakan untuk melihat peluang ( probabilitas ) didalam perjudian. Pada Tahun
1749 Marsque Caplore memperkenalkan teori peluang dan Carl Friedrich Gauss ( 1777 –
1853 ) memperkenalkan teori Normal Curve of Error. Francis Galton (1822 – 1911)

memperkenalkan teori Regresi dan Korelasi sedangkan Chi-Square ( X2 ) diperkenalkan

oleh Carl Pearson ( 1857– 1936 ) pada tahun 1900. Pada abad 20 pengembangan studi
statistik dilakukan oleh William Gosset dan Sir Ronald Fischer yang memperkenalkan
Student t Distibution dan Distribution F . Saat ini perkembangan aplikasi statistik semakin
pesat dengan pemanfaatan komputer.( Luliano, 2019)

B. PENGERTIAN STATISTIK

Statistik adalah sekumpulan konsep dan metode yang digunakan unutuk

mengumpulkan dan menginterpretasi data tentang bidang kegiatan tertentu dan mengambil
kesimpulan dalam situasi dimana ada ketidakpastian dan variasi “

Secara umum statistik adalah disiplin ilmu yang mempelajari metode dan prosedur
pengumpulan, penyajian, analisa dan penyimpulan suatu data mentah agar menghasilkan
informasi yang lebih jelas untuk suatu pendekatan ilmiah. (Kalaivani et al, 2017)

C. BIOSTATISTIK
Biostatistik merupakan aplikasi metode statistik terhadap masalah-masalah dibidang
kesehatan. Jadi Biostatistik bukan merupakan ilmu dasar (basic sciences), tetapi lebih tepat

20
dikatakan sebagai ilmu terapan (applied Sciences). (Kalaivani et al, 2017)

D. KEGIATAN STATISTIK( Luliano, 2019)

Kegiatan didalam statistik umumnya dibagi menjadi 4 tahapan yang bersifat kronologis
dan tidak dapat dipisahkan satu sama lain
1. Pengumpulan data,
Suatu kegiatan yang dilakukan untuk memperoleh data yang diharapkan Paling tidak
ada 4 ( empat ) cara yang dapat digunakan untuk mengumpulkan data

a. Pengamatan/ Observasi, yaitu pengumpulan data dengan menggunakan Panca

Indera
b. Wawancara/ Interview, yaitu melakukan tanya jawab secara lisan dan bertatap
muka antara peneliti/ pewawancara dengan responden
c. Angket, yaitu menyebarkan daftar isian untuk diisi oleh responden
d. Pengukuran, yaitu melakukan penilaian sesuai dengan standar
2. Pengolahan data,
Proses yang dilakukan untuk merubah data menjadi informasi agar data menjadi lebih
mudah dimengerti dan lebih memberi arti.
Langkah-langkah pengolahan data adalah :
a. Editing, yaitu pemeriksaan alat pengumpul data untuk melihat
kelengkapan data yang dikumpulkan
b. Coding, yaitu pemberian kode-kode tertentu untuk untuk membuat
pengelompokan tertentu dan memudahkan didalam pengolahannya
c. Cleaning, yaitu pemeriksaan kembali data yang sudah siap dianalisa, apakah
semua data sudah masuk secara lengkap atau belum.
d. Pengolahan data, yaitu menerapkan prinsip-prinsip statistik terhadap data yang
telah dikumpulkan
3. Penyajian Data,
Suatu kegiatan menampilkan data agar lebih mudah di analisis dan lebih mudah
untuk dimengerti
4. Analisa/ Interpretasi data
Telaahan data dengan menggunakan prinsip-prinsip statistik dengan tujuan merubah

21
 data menjadi informasi untuk menarik suatu kesimpulan .

Gambar 11 . Kegiatan statistik ( Luliano, 2019)

E. DATA DAN SKALA PENGUKURAN

Data merupakan kumpulan fakta yang digunakan untuk keperluan analisa, diskusi,
presentasi ilmiah maupun uji statistik. Data dapat berupa status, keterangan dan hal lainnya
yang dikumpulkan secara individu maupun institusional.

 SYARAT DATA: (Dodiet, 2013)

Data data yang dikumpulkan haruslah data yang baik dan data yang baik harus
memenuhi beberapa persyaratan sebagai berikut :

22
1. Obyektif
Data yang baik harus menggambarkan karakteristik yang diukur apa adanya (sesuai
faktanya), tidak boleh ada intervensi atau rekayasa apapun terhadap data karena akan
menghasilkan informasi yang salah.
2. Representatif
Data harus dapat mewakili keadaan sebenarnya darimana data berasal. Sebagai
contoh apabila kita ingin meneliti status Gizi Balita dengan metode Antophometri,
maka kita jangan melakukan pengukuran terhadap anak SD.
3. Kesalahan sekecil mungkin
Data yang baik diperoleh dari pengumpulan data dengan kesalahan sekecil mungkin.
Untuk menekan tingkat kesalahan dapat dilakukan dengan memberikan training/
pelatihan kepada petugas pengumpul data agar mempunyai persepsi dan pengertian
yang sama tentang data yang akan dikumpulkan.
4. Up To Date
Data yang baik untuk digunakan haruslah data terbaru (mutakhir) dan data terbaru
bukan berarti harus baru diambil dilapangan pada saat penelitian karena penelitian
dengan menggunakan data sekunder tidak melakukan pengambilan data dilapangan,
maka data terbaru dalam penelitian menggunakan data sekunder berarti menggunakan
data yang diambil yang paling terakhir. Misalnya terdapat data sekunder hasil
pengumpulan data tahun 1998, 1999 dan tahun 2000, maka data yang sebaiknya
digunakan adalah data tahun 2000 walaupun data tersebut diperoleh 2 tahun yang
lalu, tetapi dibandingkan dengan data sekunder lainnya data tahun 2000 merupakan
data terbaru.
5. Relevan
Data yang akan diolah harus merupakan data yang sesuai dengan tujuan penelitian.
Sebagai contoh penelitian mengenai obesitas (kegemukan) dilakukan pengukuran
terhadap tinggi badan dengan asumsi semakin tinggi badan seseorang maka akan
semakin berat badannya. Hal seperti ini tidak dapat dibenarkan, bila ingin mengukur
obesitas gunakanlah timbangan untuk memperoleh data berat badan.
6. Valid
Data yang diperoleh harus benar-benar berasal dari sumbernya. Terdapat dua macam

23
 validitas data yaitu validitas eksternal dan validitas internal. Validitas eksternal data
yaitu validitas yang dipengaruhi oleh sumber data, misalnya ingin meneliti tentang
kanker payudara tetapi didalam sample penelitian terdapat laki-laki. Validitas internal
data dipengaruhi oleh petugas pemeriksa maupun alat ukur yang digunakan, misalnya
memeriksa Hb dalam darah menggunakan Haemometer Sahli dan petugas
pemeriksanya adalah seorang perawat, maka validitas internal akan kurang karena
sebaiknya alat yang digunakan adalah spektrofotometer dan petugas pemeriksa
adalah seorang analis.

 MACAM-MACAM DATA
Menurut Jenisnya :
Menurut jenisnya data dibagi menjadi 2 bagian, yaitu : ( Mahajan, 2016)
1. Data Kualitatif,
Data yang bukan berupa bilangan atau angka misalnya pernyataan setuju, tidak
setuju, keterangan, pendapat seseorang, tingkat pendidikan, jenis kelamin.
2. Data Kuantitatif,
Data dalam bentuk angka atau bilangan misalnya 10 Kg, 160 cm 20 mg/ liter dan
sebagainya
Data Kuantitatif dapat dibagi menjadi dua bagian berdasarkan cara
memperolehnya
1) Data Diskrit, yaitu data dalam bentuk bilangan bulat yang diperoleh dari hasil
menghitung, misalnya jumlah anak, lama perwatan dll
2) Data Kontinyu, yaitu data dapat dalam bentuk bilangan bulat maupun bilangan
desimal yang diperoleh dari hasil mengukur, misalnya, 167,8 cm atau 56,4 kg
dan sebagainya

Menurut Sumbernya:
Berdasarkan sumbernya data dapat dibagi menjadi 3 macam sebagai berikut ;
(Ohiostate, 2019)
1. Data Primer
Data primer dapat diartikan sebagai data yang dikumpulkan sendiri oleh
peneliti dari kelompok yang diteliti. Pada keadaan tertentu data primer dapat

24
 diartikan sebagai data yang belum mengalami pengolahan, penelitilah yang pertama
kali mengolah data tersebut walaupun data tersebut tidak dikumpulkan oleh peneliti
secara langsung dari sumber datanya.
2. Data Sekunder,
Data yang dimiliki oleh instansi tertentu dan digunakan oleh peneliti, telah
dilakukan pengolahan oleh pemiliknya tetapi tidak/ belum dipublikasikan secara luas
Data sekunder dapat dibagi menjadi dua :
Data sekunder internal, yaitu data sekunder yang diperoleh dari lingkungan
sendiri. Dan data sekunder Eksternal, yaitu data sekunder yang diperoleh dari
lingkungan luar
3. Data tertier,
Data yang sudah diolah dan dipublikasikan kemudian digunakan oleh
peneliti, dengan kata lain data ini sudah berupa informasi.
Keuntungan dan Kerugian ketiga data menurut sumbernya adalah sebagaimana tabel
berikut :
Tabel 2. KEUNTUNGAN DAN KERUGIAN DATA MENURUT SUMBERNYA
(Ohiostate, 2019)
DATA KEUNTUNGAN KERUGIAN
Terbaik, karena sesuai dengan Memerlukan waktu, biaya, dan tenaga
Primer keinginan peneliti dan yang besar
pengumpulan data dapat
langsung dikontrol
Data sudah siap tersedia, Waktu, Pengumpulan data tidak dapat
Sekunder tenaga dan biaya relatif sedikit dikontrol, dapat terjadi bias
Ada hal-hal yang dibutuhkan
tidak terambil
Mudah memperoleh dan tidak Data sudah diproses tanpa dapat
Tertier memerlukan pengolahan lagi dikontrol
Hal-hal penting bisa banyak yang
hilang.

 SKALA PENGUKURAN( Kaula, 2013)

Didalam statistik dikenal 4 ( empat ) Skala pengukuran, yaitu : Nominal, Ordinal,
Interval dan Ratio ( NOIR ). Skala pengukuran sangat penting, karena akan menentukan
jenis data yang akan dikumpulkandan jenis statistik yang akan digunakan untuk memperoleh

25
hasil penelitian.

1. Nominal :
Merupakan skala pengukuran paling rendah, skala ini hanya dapat membedakan saja,
tidak dapat menentukan tingkatan, jarak maupun kelipatannya. Contohnya jenis kelamin
( laki-laki – perempuan ) dan Golongan darah ( A, B, AB, O )
2. Ordinal :
Adalah skala pengukuran yang dapat membedakan dan dapat melihat tingkatan suatu
nilai tetapi tidak diketahui jaraknya, misalnya tingkat pendidikan (SD, SMP, SMU,
Perguruan Tinggi).
3. Interval :

Adalah skala pengukuran yang dapat membedakan , terlihat tingkatannya dan dapat
diketahui jaraknya tetapi tidak dapat mengukur kelipatannya, misalnya suhu, derajat
keasaman, tekanan darah dan lainnya . Catatan lain skala interval ini adalah
mempunyai titik nol yang tidak absolut ( nol relatif ).
Maksud dari Nilai nol relative adalah bahwa nilai nol memang merupakan suatu nilai,

misalnya suhu air O0 C bukan berarti air tidak mempunyai suhu. Lain halnya dengan
nol absolute dimana nilai nol berarti kosong atau tidak bernilai, misalnya berat badan
0 kg berarti kosong atau tidak ada beratnya.
4. Ratio :
Skala ini merupakan skala pengukuranyang tertinggi karena , dapat membedakan,
terlihat tingkatannya, diketahui jaraknya dan dapat mengukur kelipatannya, misalnya
tinggi badan dan berat badan. Catatan lain skala ini mempunyai nilai nol absolut

Untuk memudahkan didalam membedakan masing-masing skala pengukuran ini dapat

dipergunakan tabel berikut :

TABEL 3.CIRI- CIRI TIAP-TIAP SKALA PENGUKURAN

CIRI – CIRI NOMINAL ORDINAL INTERVAL RATIO
Dapat Membedakan Ya Ya Ya Ya
Ada tingkatan Tidak Ya Ya Ya
Ada Jarak Tidak Tidak Ya Ya

26
 Ada kelipatan Tidak Tidak Tidak Ya

Skala pengukuran yang lebih tinggi dapat diubah menjadi skala pengukuran yang
lebih rendah, tetapi skala pengukuran yang lebih rendah tidak dapat diubah menjadi
skala pengukuran yang lebih tinggi, mislnya berat badan dalam kilogram (skala Ratio)
dikelompokkan menjadi berat dan ringan (Skala Ordinal), karenanya didalam
pengumpulan data sebaiknya data dikumpulkan dalam skala tertingginya. Misalnya data
berat jangan dikumpulkan dalam kategori berat dan ringan, tetapi dikumpulkan dalam
kilogram agar tidak ada informasi yang hilang.

F. POPULASI DAN SAMPEL( Fletcher et al, 2012)

Hampir Didalam setiap penelitian terdapat populasi yang diteliti dan seringkali
dilakukan pengambilan sampel dengan berbagai pertimbangan, baik pertimbangan biaya,
waktu maupun karena populasi yang luas atau karena tidak mungkin seluruh populasi
diteliti.

Untuk memahami pengambilan sampel yang baik perlu dipahami terlebih dahulu latar
belakang perlunya dilakukan pengambilan sample sehingga dalam pengambilan sampel
tidak dilakukan secara sembarangan , tetapi memenuhi kaidah-kaidah tertentu.

1. POPULASI
Pengertian dari populasi atau Universe adalah keseluruhan dari unit analisis yang
karakteristiknya akan diduga (diteliti} dan anggota dari populasi disebut sebagai unit
populasi atau elemen populasi. Populasi dapat dibedakan antara populasi sampling dan
populasi sasaran. Sebagai contoh apabila kita menetapkan rumah tangga sebagai sample
sedangkan yang diteliti adalah anggota rumah tangga yang mengikuti program KB, maka
rumah tangga merupakan populasi sampling dan anggota rumah tangga yang mengikuti KB
merupakan populasi sasaran. Dalam setiap penelitian, populasi erat hubungannya dengan
masalah yang ingin diteliti karena populasi penelitian harus memiliki karakteristik dari apa
yang akan diteliti.

27
 2. SAMPEL

Sampel adalah sebagian dari populasi yang karakteristiknya diteiti. Anggota sample
disebut sebagai unit sample dan dapat sama dengan unit populasi, tetapi dapat juga unit
sample berbeda dengan unit populasi. Sebagai contoh adalah penelitian mengenai pola
makan bayi, maka unit populasinya adalah bayi sedangkan unit sampelnya adalah ibu bayi,
karena ibu bayi yang tahu mengenai pola makan bayinya dan tidak mungkin menanyai bayi
mengenai pola makannya.

Gambar 12 . Populasi dan sampel ( Fletcher et al, 2012)

3. Pembagian Sampel ( Mahajan, 2016)

Secara umum pengambilan sampel dibagi menjadi dua bagian, yaitu Non Probability
Sampling dan Probability Sampling (Random Sampling). Non probability sampling
adalah pengambilan sample tidak secara acak, tetapi lebih didasarkan kepada
pertimbangan-pertimbangan tertentu sedangkan probability Sampling adalah
pengambilan sample secara acak (random).
a. Non Probability Sampling
Beberapa macam Non probability sampling adalah sebagai berikut :
• Convenience sampling, Yaitu memilih sample sesukanya tanpa ada aturan, misalnya
melakukan wawancara terhadap siapa saja yang ditemui dijalan
• Quota Sampling, yaitu menentukan sample dengan menentukan jumlahnya, misalnya
seorang pewawancara harus mendapatkan sepuluh responden.

28
 • Jugement sampling, yaitu memilih sample dengan proses seleksi bersyarat, misalnya
penderita hipertensi yang merokok.
• Panel sampling, yaitu memilih sample semi permanent uantuk keperluan studi
berkelanjutan.

b. Probability Sampling
Pengambilan sampel secara acak dibagi menjadi lima macam, yaitu :
• Simple Random Sampling (Sampel Acak Sederhana)
Pengambilan sample ini menggunakan alat Bantu berupa tabel random atau
komputer untuk menentukan darimana pengambilan sample dimulai.
• Systematic Random sampling (Sampel Acak sistematik)
Hampir sama dengan simple random sampling, bedanya ditentukan dulu
kelipatannya berdasarkan jumlah populasi dibagi jumlah sample kemudian
sample pertama ditentukan lalu sample berikutnya merupakan kelipatannya.
• Stratified Random Sampling.
Populasi penelitian dibagi terlebih dahulu kedalam strata yang tersedia.
Misalnya jenis kelamin berarti ada dua strata atau bila populasi murid SD maka
akan ada 6 strata lalu besar sample ditentukan dan untuk masing-masing strata
memiliki jumlah yang sama.
• Cluster Random Sampling
Cara ini lebih diarahkan kepada pembagian wilayah dengan isi masing-masing
wilayah memiliki karakteritik yang sama. Didalam pelaksanaannya dilakukan
pemetaan terhadap suatu wilayah dengan membagi wilayah tersebut menjadi
beberapa bagian (Cluster).

• Multy Stage Random sampling

Cara pengambilan sample bertingkat, biasanya berdasarkan pembagian wulayah
kerja atau pemerintahan, misalnya dari propinsi menjadi kabupaten lalu menjadi
kecamatan dan akhirnya sample diambil pada desa. (Kadarusman, 2011)

G. VARIABEL
1. Pengertian Variabel

29
 Variabel merupakan salah satu hal penting dalam penelitian. Variabel penelitian pada
dasarnya adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti
untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik
kesimpulannya (Sugiyono, 2007).
2. Jenis-Jenis Variabel (Kadarusman, 2011; Rosanita, 2018)
a. Variabel berdasarkan jenis data terdiri dari dua macam, yaitu:
1) Varibel diskret
Variabel diskret adalah variabel yang dapat diklasifikasi secara terpisah berdasarkan
atas suatu ciri tertentu, pembagiannya bukan berdasarkan kualitas, dan tidak
memiliki ciri yang bersambung, misalnya jenis kelamin.
2) Variabel kontinyu
Variabel kontinyu adalah variabel yang dapat diklasifikasikan berdasarkan kualitas,
mempunyai ciri bersambung. Pengumpulan datanya menggunakan alat ukur.
Datanya diperoleh dari data ordinal, rasio, dan ordinal. Contoh variabel kontinyu
adalah intelegensi, hasil belajar.
b. Variabel berdasarkan mudah tidaknya diubah terdiri dari dua macam, yaitu:
1) Variabel aktif
Varibel aktif adalah varibel yang dapat diubah setiap saat, misalnya metode
pembelajaran, media belajar.
2) Variabel atribut
Variabel atribut adalah variabel yang sulit diubah, terutama pada karateristik
individu, misalnya jenis kelamin. 
c. Variabel berdasarkan fungsi dalam penelitian terdiri dari dua macam, yaitu:
1) Variabel Bebas ( Independent Variabel)
Adalah kondisi-kondisi atau karakteristik-karakteristik yang oleh peneliti
dimanipulasi  dalam rangka untuk menerangkan hubungannya dengan fenomena
yang diobservasi.
Karena fungsi ini sering disebut variabel pengaruh, sebab berfungsi
mempengaruhi variabel lain, jadi secara bebas berpengaruh terhadap variabel lain.
Variabel ini juga sering disebut sebgai variabel  Stimulus, Prediktor, antecendent.
Dalam SEM(Structural Equation Modeling) variabel independen disebut variabel

30
 eksogen.
2) Variabel Tergantung (Dependent Variabel)
Yaitu kondisi atau karakteristik yang berubah atau muncul ketika penelitian
mengintroduksi, pengubah atau mengganti variabel bebas.
Menurut fungsinya variabel ini dipengaruhi oleh variabel lain, karenanya juga
sering disebut variabel yang dipengaruhi atau variabel terpengaruhi. Variabel ini
sering disebut sebagai variabel output, Kriteria, Konsekuen. Atau dalam bahasa
Indonesia sering disebut Variabel terikat. Dalam SEM (Structural Equation
Modeling) variabel dependen disebut variabel Indogen.
3) Variabel kontrol (Variabel kendali)
Yaitu yang membatasi (sebagai kendali) atau mewarnai variabel mederator.
Variabel ini berfungsi sebagai kontrol terhadap variabel lain terutama berkaitan
dengan variabel  moderator jadi juga  seperti variabel moderator dan bebas ia juga
ikut berpengaruh terhadap variabel tergantung Variabel control adalah variabel
yang dapat dikontrol oleh peneliti

4) Variabel intervening
Variabel intervenig adalah variabel yang secara teoritis mempengaruhi hubungan
antara variabel independen dengan Variabel dependen menjadi hubungan yang
tidak langsung dan tidak dapat diamati dan diukur. Variabel ini merupakan
variabel penyela/antara yang terletak di antara variabel independen dan dependen,
sehingga variabel independen tidak langsung mempengaruhi berubahnya atau
timbulnya variabel dependen. Variabel Intervening juga merupakan variabel yang
berfungsi menghubungkan variabel satu dengan variabel yang lain. Hubungan itu
dapat menyangkut sebab akibat atau hubungan pengaruh dan terpengaruh.
5) Variabel ekstraneous
Jenis variabel yang mempengaruhi baik variabel independent maupun dependent
yang tidak dapat dikontrol oleh peneliti dan berada di luar variabel yang diteliti
6) Variabel Moderator
Dalam mengidentifikasi variabel moderator dimaksud adalah variabel yang
karena fungsinya ikut mempengaruhi variabel tergantung serta meperjelas

31
 hubungan bebas dengan variabel tergantung.
Adalah variabel independen kedua yang dicakup dalam suatu hipotesis, dan
diduga mempunyai dampak yang berarti terhadap hubungan variabel independen
dengan dependennya.
Contoh : Pelaksanaan empat hari kerja dalam seminggu (VI) cenderung
meningkatkan produktivitas kerja (VD) Khususnya diantara para pekerja usia
muda (VM).
7) Variabel Supressor
Adalah masuknya variabel ketiga didalam suatu set peristiwa hubungan antara
variabel independen dengan dependennya, menekan hubungan / pengaruh
variabel pertama.
8) Variabel Distorter
Nama lain = Variabel Pengganggu, Adalah masuknya variabel ketiga didalam
suatu set peristiwa hubungan antara variabel independen dengan dependennya,
mememberikan hasil yang berlawanan dengan hasil analisis dua variabel saja.
9) Variabel Pengacau
Nama lain = Confounding variabel, Adalah suatu variabel (satu atau lebih)
bilamana ia berada didalam suatu setting peristiwa hubungan variabel independen
dengan dependen, mengacau atau mempengaruhi hubungan antara variabel
independen maupun dependennya.

H. DEFINISI OPERASIONAL

Definisi operasional adalah seperangkat instruksi yang lengkap untuk menetapkan apa
yang akan diukur dan bagaimana cara mengukur variable.

Hal-hal yang perlu diperhatikan dalam menyusun definisi operasional sebuah variable adalah:

 Nama variable
 Definisi verbal variable
 Kelompok penggolongan variable

32
Definisi operasional dari variabel sangat diperlukan terutama untuk menentukan alat atau
instrumen yang akan digunakan dalam pengumpulan data.

Sebagai contoh konsep orang lapar: Orang lapar dapat didefinisikan sebagai:

 Orang yang dapat menghabiskan sepiring nasi dalam waktu kurang dari dua menit
 Orang yang kelihatan mengantuk, tidak suka berbicara dan kelihatan lesu.
 Untuk menentukan seseorang lapar atau tidak, berdasarkan definisi 1 diperlukan sepiring
nasi dan sebuah pencatat waktu, sedang berdasar definisi 2 tidak diperlukan alat, kecuali
indera pengamatan

I. UJI HYPOTESIS
1. Pengertian(Pagano,2018; Kadarusman , 2011)
Hipotesis berasal dari kata Hypo yang berartI sementara atau lemah kebenarannya
dan thesis artinya pernyataan/ teori. Dengan demikian hipotesis berarti pernyataan
sementara yang perlu diuji kebenarannya.
Pengujian hipotesis berguna untuk pengambilan keputusan tentang sutau hipotesis
seperti ada tidaknya perbedaan suatu nilai atau ada tidaknya hubungan antar variabel
dengan berdasarkan pada besarnya peluang untuk memperoleh hubungan secara kebetulan
( by chance ). Semakin kecil peluang ( peluang adanya by chance ) maka semakin besar
bahwa hubungan memang ada. Dengan demikian uji hipotesis akan menghasilkan suatu
kesimpulan secara probabilistik.
Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel ( data
hasilmpenelitian ) dengan nilai hipotesis ( nilai populasi ) yang diajukan. Peluang untuk
diterima atau ditolaknya suatu hipotesis tergantung besar kecilnya perbedaan nilai antara
sampel dengan nilai hipotesis. Bila perbedaan cukup besar, maka peluang untuk menolak
hipotesis akan besar pula dan sebaliknya.
Kesimpulan dari uji hipotesis hanya ada dua , yaitu menolak hipotesis atau menerima
hipotesis ( istilah yang paling tepat adalah gagal menolak hipotesis ). Bila kesimpulan uji
hipotesis adalah mengakui kebenaran hipotesis ( menerima hipotesis ) bukan berarti bahwa
kita telah membuktikan bahwa hipotesis itu benar, karena untuk membuktikannya kita
memerlukan observasi terhadap seluruh populasi dan hal tersebut tidak mungkin/ hampir

33
 tidak mungkin dilakukan. Jadi Menerima hipotesis berarti kita tidak cukup bukti untuk
menolak hipotesis dengan kata lain kita telah gagal menolak hipotesis.

2. Jenis – Jenis Hypotesis (Pagano, 2018; Kadarusman H, 2011)

Didalam pengujian hipotesis terdapat dua jenis hipotesis, yaitu :

a. Hipotesis Nol ( Ho ), yaitu hipotesis yang menyatakan tidak ada perbedaan suatu
kejadian antara dua kelompok atau menyatakan tidak ada hubungan antara
variabel yang satu dengan variabel yang lain. Penetapan Ho seperti ini dengan
dasar bahwa sebelum kita memiliki asumsi bahwa telah terjadi sesuatu ( perbedaan
atau hubungan ) maka tidak ada yang terjadi sampai kita membuktikannya.
Contoh :
* Tidak ada perbedaan berat badan bayi yang dilahirkan ibu perokok dengan ibu
tidak perokok.

* Tidak ada hubungan antara merokok dengan berat badan bayi.yang dilahirkan
b. Hipotesis alternatif ( Ha ), yaitu hipotesis yang menyatakan ada perbedaan suatu
kejadian antara dua kelompok atau menyatakan ada hubungan antara variabel yang
satu dengan variabel yang lain. Pernyataan ini timbul karena asumsi yang kita
miliki.
Contoh :
* Ada perbedaan berat badan bayi yang dilahirkan ibu perokok dan ibu tidak
perokok.
* Ada hubungan antara merokok dengan berat badan bayiyang
dilahirkan
3. Arah/Bentuk Hypotesis (Pagano,2018)
. Bentuk hipotesis alternatif akan menentukan arah uji statistiknya, apakah satu arah/
sisi ( one tail ) atau dua arah/ sisi ( Two Tail ).
a. One Tail ( Satu Arah )
Bila hipotesis alternatif menyatakan adanya perbedaan dan ada

34
 pernyataan yang satu lebih tinggi atau lebih rendah dari yang lain.
Contoh :
Berat badan bayi dari ibu hamil yang merokok lebih rendah dari berat badan bayi
ibu hamil yang tidak merokok
b. Two Tail ( Dua Arah )
Bila pernyataan hipotesis alternatif hanya menyatakan perbedaan tanpa melihat
apakah yang satu lebih tinggi/ rendah dari yang lain
Contoh :
Berat badan bayi dari ibu hamil yang merokok berbeda dari berat badan bayi
ibu hamil yang tidak merokok. Atau dengan kata lain ada perbedaan berat badan
bayi yang dilahirkan ibu yang merokok dengan berat badan bayi yang dilahirkan
ibu yang tidak merokok
4. Kesalahan Pengambilan Keputusan.
Ada dua jenis kesalahan pengambilan keputusan didalam uji statistik.
a. Kesalahan tipe I ( α ), yaitu kesalahan menolak Ho padahal sesungguhnya Ho
benar dan peluang kesalahan tipe I adalah α atau sering disebut dengan tingkat
signifikansi ( Significance Level ).. Sebaliknya peluang untuk tidak membuat
kesalahan Tipe I adalah sebesar 1 - α, disebut dengan Tingkat Kepercayaan
(Confidence Level )
b. Kesalahan tipe II ( β ), yaitu kesalahan tidak menolak Ho padahal sesungguhnya
Ho salah. Peluang untuk membuat kesalahan tipe II adalah sebesar β dan peluang
untuk tidak membuat kesalahan kesalahan tipe II adalah sebesar 1 – β dan dikenal
dengan Tingkat Kekuatan Uji ( Power of The Test )

Tabel 4. Kesalahan Pengambilan Keputusan

Populasi
Keputusan
Ho Benar Ho Salah

Tidak menolak Ho Benar ( 1 – α ) Kesalahan Tipe II ( β )

Menolak Ho Kesalahan Tipe 1 ( α ) Benar ( 1 – β )

Dalam uji hipotesis kita menghendaki nilai α dan β yang kecil, tetapi sulit dicapai

35
 karena pilihannya hanya menolak atau gagal menolak sehingga bila α makin kecil
maka β semakin besar. Karena pilih salah satu dan biasanya yang digunakan adalah
nilai α.

Besarnya nilai α ditentukan dari tujuan dan kondisi penelitian, nilai α yang sering
digunakan adalah 1 %, 5 % dan 10 %. Untuk bidang kesehatan yang dapat berakibat
fatal menggunakan nilai α yang kecil yaitu 1 % , misalnya penelitian mengenai obat-
obatan. Sedangkan yang tidak berakibat fatal seperti hubungan antara ibu perokok
dengan berat badan bayi biasanya menggunakan α 5 % atau 10 % ( biasanya 5 % )

Jenis Hipotesis (Kadarusman H, 2011)

Uji Hipotesis adalah metode untuk mengetahui hubungan (association) antara
variabel yang bisa dilakukan dengan dua cara;
1. Komparatif (comparation)
2. Korelatif (correlation)

Untuk menunjukan bahwa metode yang dipakai untuk mencari hubungan

antarvariabel adalah metode komparatif , maka digunakan kata hubungan atau
perbandingan.
Untuk menunjukan bahwa metode yang digunakan untuk mencari hubungan
antarvariabel adalah metode korelatif, maka digunakan kata korelasi

Pertanyaan penelitian untuk hipotesis Komparatif

 Apakah terdapat perbedaan rerata kadar gula darah antara kelompok yang mendapat
pengobatan glibenklamid dan kelompok placebo?
 Apakah terdapat hubungan antara kadar gula darah dengan jenis pengobatan yang
diterima (glibenklamid dan kelompok placebo)?
 Apakah terdapat perbedaan terjadinya kanker paru antara perokok atau bukan perokok?
 Apakah terdapat hubungan antara perilaku merokok dan terjadinya kanker paru?
Pertanyaan untuk hipotesis korelatif

Masalah Skala Pengukuran Numerik Atau Kategorik(Kadarusman H, 2011)

1. Untuk Hipotesis Komparatif
 Yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari

36
 asosiasinya adalah variabel kategorik dengan variabel kategorik.
 Yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari
asosiasinya adalah variabel kategorik dengan variabel numerik.
2. Untuk Hipotesis Korelatif
 Yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel
yang dicari asosiasinya adalah variabel kategorik.
 Yang dimaksud dengan masalah skala numerik adalah bila salah variabel yang
dicari asosiasinya adalah variabel numerik dengan variabel numerik.

Pasangan dan Jumlah Kelompok (Kadarusman H, 2011)

1. Dua kelompok tidak berpasangan
Contoh: Anda mengukur tekanan darah subjek penelitian. Subjek penelitian tersebut
berasal dari dua kelompok,yaitu kelompok daerah rural dan kelompok urban. Data
tekanan darah kelompok rural adalah satu kelompok data sedangkan data tekanan
darah kelompok urban adalah kelompok data lain. Dari segi jumlah, ada dua
kelompok data. Sedangkan dari dari segi berpasangan, kelompok data ini adalah
kelompok data yang tidak berpasangan karena individu dari kedua kelompok data
tersebut berbeda.

2. Dua kelompok berpasangan

Contoh : Ada sekelompok mahasiswa yang diukur berat badannya sebanyak dua
kali, yaitu pada bulan Januari 2003 dan bulan Februari 2003. Data berat badan
mahasiswa pada bulan Januari adalah satu kelompok data. Berat badan siswa bulan
februari adalah sekelompok data lagi. Dari segi jumlah, Anda mempunyai dua
kelompok data (yaitu berat badan mahasiswa pada bulan Januari dan Februari) dari
segi berpasangan. Anda mempunyai kelompok data yang berpasangan karena
individu dari kedua kelompok data adalah individu yang sama.

2. Kelompok berpasangan karena matching. contoh: sama dengan ilustrasi no.1. anda
mengukur tekanan darah subjek penelitian yang berasal dari dua kelompok, yaitu
kelompok daerah rural dan kelompok daerah urban. Dalam prosedur pemilihan
subjek penelitian, anda melakukan proses matching, yaitu setiap subjek dari
kelompok rural dicarikan pasangannya yang mempunyai karakteristik yang sama

37
 dengan subjek dari kelompok urban. Dengan demikian, dari segi jumlah, anda punya
dua kelompok data. Sedangkan segi berpasangan, Anda mempunyai kelompok data
yang berpasangan karena ada proses matching.

3. Kelompok berpasangan karena desain cross over. Jenis data kelompok berpasangan
bisa juga diperoleh pada suatu uji klinis yang menggunakan desain cross over. Pada
desain ini, pada periode tertentu subjek penelitian akan menerima obat A. setelah
menyelesaikan obat A, subjek penelitian akan menerima obat B selama periode
tertentu. Dengan cara ini, akan diperoleh data ketika subjek penelitian menggunakan
obat A dan ketika subjek penelitian menggunakan obat B. Data obat A dengan data
obat B dikatakan berpasangan karena data tersebut diperoleh dari individu yang
sama.

Dua atau lebih kelompok data dikatakan berpasangan apabila data tersebut dari
individu yang sama, baik karena pengukuran berulang, proses matching atau
karena desain crossover.

Dua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal
dari subjek yang berbeda tanpa prosedur matching

Nilai Probabilitas (P) dan Interval Kepercayaan

Ada 2 cara untuk melakukan inferensi (penarikan kesimpulan), yaitu dengan menghitung
nilai p dan interval kepercayaan (IK). Berikut ini panduan untuk interpretasi hasil uji
hipotesis dengan menghitung nilai p.
Tabel 5. Panduan interpretasi hasil uji hipotesis bila nilai p < 0,05( Dahlan, 2011)
Makna jika p < 0,05 (hipotesis null ditolak,
No Nama Uji
hipotesis alternative diterima)
1. Uji normalitas kolmogorov-
Distribusi data tidak normal
Smirnov dan Shapiro-Wilk
2. Uji Varians Levene's test Distribusi beberapa set data yang dibandingkan

mempunyai varians yang berbeda

3. Uji t berpasangan Terdapat perbedaan rerata yang bermakna antara dua
4. Uji t tidak berpasangan
kelompok data

38
 5. Uji Wilcoxon
6. Uji Mann-Whitney
7. Uji ANOVA Paling tidak terdapat dua kelompok data yang

8. Uji Friedman mempunyai perbedaan rerata yang bermakna (untuk

9. Uji kruskal-Wallis mengetahui kelompok mana yang berbeda secara
bermakna, harus dilakukan analisis Post-Hoc
10. Uji McNemar Terdapat perbedaan proporsi yang bermakna anatara

11. Uji Homogenecity dua kelompok data

12. Uji Cochran Paling tidak, terdapat perbedaan proporsi yang

bermakna antara dua kelompok data (untuk

mengetahui kelompok mana yang berbeda secara
bermakna, harus dilakukan analisis Post-Hoc
13. Uji Chi-Square
Terdapat hubungan yang bermakna antara variabel A
14. Uji Kolmogorov-Smirnov
dengan variabel B
15. Uji Fisher
16. Uji Pearson
17. Uji Spearman
Terdapat korelasi yang bermakna antara variabel A
18. Uji koefisien Kontingensi
dengan variabel B
19. Uji Lambda
20. Uji Gamma & Somers'd

5. UJI STATISTIK(Kadarusman , 2011)

Uji statistik ada dua, yaitu Parametrik dan Non parametrik.

a. Uji Statistik Parametrik digunakan apabila :

 Data numerik / kuantitatif
 Distribusinya normal atau mendekati normal
b. Uji Statistik Non parametrik digunakan apabila :
 Data kategori/ kualitatif
 Tidak tergantung kenormalan distribusi

39
 Besar sampel < 30 atau > 30 sebagai batasan adalah berdasarkan empiris bahwa
sampel < 30 akan berdistribusi tidak normal dan bila > 30 akan berdistribusi normal
atau mendekati normal.
Perlu diperhatikan bahwa uji statistik bukan merupakan keputusan akhir, karena
uji statistik hanya bersifat bantuan didalam pengambilan keputusan. Hal lain yang perlu
diperhatikan adalah segi substansi/ klinis.. Oleh klarena itu didalam pengambilan
keputusan jangan hanya bertumpu pada hasil uji statistik tetapi juga memperhatikan
segi substansi.

Gambar 13. Uji statistik (Kusuma , 2011)

40
 Daftar Pustaka

BMJ Evidence Center (2010). About evidence-based medicine. group.bmj.com. Diakses 13 Desember 2010.

Dahlan, M. S. (2011). Statistik untuk kedokteran dan kesehatan. Penerbit Salemba.

Dodiet S (2013). Data dan metode pngumpulan data penelitian. Di

https://akupunktursolo.files.wordpress.com/2013/03/data-teknik-pengumpulan-data.pdf. Diakses 10 April
2019.

Fletcher, R. H., Fletcher, S. W., & Fletcher, G. S. (2012). Clinical epidemiology: the essentials. Lippincott Williams
& Wilkins.

Glasziou, P. P., Del Mar, C., & Salisbury, J. (2009). Evidence-based practice workbook. John Wiley & Sons.

Halsey NA, Hyman SL, the Conference Writing Panel (2001).Measles-Mumps-Rubella vaccine and autistic
spectrum disorder: Report from the new challenges in childhood immunizations conference convened in Oak
Brook, Illinois, June 12-13, 2000.

Harris, M., & Taylor, G. (2014). Medical statistics made easy. Scion Publications.

Hawkins RC (2005). The evidence based medicine approach to diagnostic testing: practicalities and limitations. Clin
Biochem Rev, 26: 7-18.

Hawkins, G., McMahon, A. D., Twaddle, S., Wood, S. F., Ford, I., & Thomson, N. C. (2003). Stepping down
inhaled corticosteroids in asthma: randomised controlled trial. BMj, 326(7399), 1115.

Henderson-Smart DJ, Steer PA (2000). Doxapram versus methylxanthine for apnea in preterm infants. Cochrane
Database of Systematic Reviews 2000, Issue 4. Art. No.: CD000075. DOI: 10.1002/14651858.CD000075

Hollingworth W, Jarvik JG (2007).Technology assessment in radiology: Putting the evidence in evidence-based

radiology. Radiology: 2441): 31-38

Ilic D, O'Connor D, Green S, Wilt TJ (2006). Screening for prostate cancer. Cochrane Database of Systematic
Reviews 2006, Issue 3. Art. No.: CD004720. DOI: 10.1002/14651858.CD004720.pub2

Indrayan, A., & Malhotra, R. K. (2017). Medical biostatistics. Chapman and Hall/CRC.

41
Irlam JH, Visser MME, Rollins NN, Siegfried N (2010). Micronutrient supplementation in children and adults with
HIV infection. Cochrane Database of Systematic Reviews 2010, Issue 12. Art. No.: CD003650. DOI:
10.1002/14651858.CD003650.pub3

Iuliano, A., & Franzese, M. (2019). Introduction to Biostatistics.

Kadarusman H. (2011). Statistik. Di https://id.scribd.com/document/396983731/HAND-OUT-doc. Diakses 12

April.2019.

Kalaivani, M., Amudhan, S., Upadhyay, A. D., & Kamal, V. K. (2017). Biostatistics. In Essentials of
Neuroanesthesia (pp. 975-995). Academic Press.

Kaura, A. (2013). Crash course evidence-based medicine: reading and writing medical papers-e-Book. Elsevier
Health Sciences.

Kusuma W. (2011). Di https://www.slideshare.net/f1smed/uji-statistik. Diakses 9 April 2014.

Leviana S. (2019). Di https://www.academia.edu/9143531/A._PENGERTIAN_CASE_CONTROL. Diakses 10

April 2019.

Mahajan, B. K., & Lal, S. (2016). Methods in biostatistics for medical students and research workers.  Indian
Journal of Community Medicine, 24(03), 140.

Mann, C. J. (2003). Observational research methods. Research design II: cohort, cross sectional, and case-control
studies. Emergency medicine journal, 20(1), 54-60.

Manyemba J, Mayosi BM (2002). Penicillin for secondary prevention of rheumatic fever.

Mathew JL (2010). Beneath, behind, besides and beyond evidence-based medicine. Indian Pediatrics, 47: 225-227

Montori, VM, Guyatt GH (2008). Progress in evidence-based medicine. JAMA. 300 (15): 1814-16

Murti,B., 2009, Introduction to Evidence Based Medicine, Fakultas Kedokteran UNS, Surakarta.

Ohiostate. (2019). Primary, secondary, & tertiary source. Di

https://ohiostate.pressbooks.pub/choosingsources/chapter/primary-secondary-tertiary-sources/. Diakses 10
April 2019.

Price CP (2000). Evidence-based laboratory medicine: Supporting decision-making. Clinical Chemistry, 46(8):
1041-50

Rosanita A. (2018). Variabel dan uji statistik. Di https://id.scribd.com/document/376469204/TUGAS-1-Variabel-

Dan-Uji-Statistik. Diakses 7 April 2019.

Rothman KJ (2002). Epidemiology: An introduction. New York: Oxford University Press.

Sacket D.L, Richardson W.S, Rosenberg W.M.C, Haynes R.B., 2000. Evidence based medicine: How to practice
and teach Evidence based medicine. Churchill Livingstone. Edinburgh.

Sackett DL (1997). Evidence-based medicine. Seminars in Perinatology. 21 (1): 3-5

Sackett DL, Rosenberg WM (1995). The need for evidence-based medicine. J R Soc Med;88:620-624

Sackett DL, Straus SE, Richardson WS, Rosenberg WM, Haynes B (2000). Evidence based medicine: how to
practice and teach EBM. (2nd ed.) Toronto: Churchill Livingstone

Sastroasmoro,S.,2009, Evidence Based Medicine, Fakultas Kedokteran UI, Jakarta.

Shaughnessy AF, Slawson DC (1997). POEMs: Patient-Oriented Evidence That Matters.

42
Siswosudarmo R., 2015, Pendekatan Praktis Penelitian Epidemiologi Klinis dan Aplikasi SPSS Untuk Analisis
Statistika, Fakultas Kedokteran UGM, Yogyakarta.

Smith CA, Hay PPJ, MacPherson H (2010). Acupuncture for depression. Cochrane Database of Systematic Reviews
2010, Issue 1. Art. No.: CD004046. DOI: 10.1002/14651858. CD004046.pub3

Straus, S. E., Glasziou, P., Richardson, W. S., & Haynes, R. B. (2018). Evidence-Based Medicine E-Book: How to
Practice and Teach EBM. Elsevier Health Sciences.

43