Research (Mencari Kembali)

Suatu investigasi sstematik, analisis dan interpretasi data untuk menjawab pertanyaan atau menjawab
suatu masalah

Selalu dimulai dari pertanyaan dan dimulai dari masalah

1. What (apa masalahnya) (stunting)

2. Who (siapa target) (balita)
3. How much (berapa banyak yang kena) (2 jt)
4. How (masalahnya apa  morbiditas, mortalitas dll) (mempengaruhi pertumbuhan)
5. Where (dimana masalahnya terjadi) (di Indonesia)
6. When (kapan masalah terjadi) (dari tahun berapa)

Elemen dasar penelitian

1. Question (dijawab dengan rancangan)

2. Rancangan
3. Subjek
4. Pengukuran dan definisi operasional variable (alat ukur apa?)
5. Penghitungan besar sampel
6. Rencana analisis data

Definisi operasional bukan definisi secara umum (harus mencangkup cara mengukur, alat ukur dari
variable dan bagaimana hasil ukurnya, hasilnya apakah nominal ordinal atau bagaimana)

Contoh : usia adalah lama hidup seseorang diukur berdasarkan selisih antara waktu penelitian dan
waktu lahir seseorang dengan hasil ukur adalah tahun. Jika terdapat lebih dari 6 bulan akan dibulatkan
ke atas, jika terdapat lebih tetapi kurang dari 6 bulan maka dibulatkan kebawah.

Jika deskriptif tidak perlu pakai hipotesis

Hipotesis penelitian adalah asumsi (yang diawal-awal) (berbeda dengan hipotesis 0)

Hipotesis 0 baru muncul di analisis data

Epidemiologi

1. Frekuensi
2. Distribusi (who, when, where) 
- Dibedakan di where pada epidemi dan pandemic pada epidemic (masih dalam negara)
pandemic (sudah lebih luas distribusi wherenya)
- Luas meliputi antar benua atau antar negara pada pandemic (terlepas dari 1/ 2 kasus karena
masuk frekuensi)
- Luas meliputi antar wilayah dalam satu negara pada epidemik
- Maka covid adalah epidemi dari masing-masing negara jika negara tersebut yang
mengatakan, jika pandemic mak

3. Determinan factor

Baca kriteria Hill (untuk mengetahui sebab  akibat)

Penelitian selalu dimulai dari demensi waktu

1. Pada cross sectional kita tidak tahu yang mana duluan sehingga sudah dapat sebab dan akibat
dalam satu waktu

Tapi gatau yg mana dulu misal kanker dan merokok, kita gatau kanker dlu atau merokok dlu
(waktu tidak jelas) siapa tau dia baru 1 bulan ngerokok lalu CA paru.

Apakah X menyebabkan Y ? (ada X ada Y)

Bisa mendapatkan prevalensi Y

2. Pada case control

Penyakit ini disebabkan oleh apa? (ada Y ga ada X)

3. Pada prospektif kohort

faktor ini dapat menyebabkan apa? (ada X ga ada Y)

4. Pada retrospektif/ historical kohort

Tetap maju tidak kohort itu mundur

Case sudah ada misal orang mati  siapa yang bunuh?  tersangka  introgasi
Kita cari kronologi (missal CCTV )  merekonstruksi kejadian masih hidup
Dianggap seolah-olah belum sakit padahal sudah sakit.

Ingat X bisa jadi Y , Y bisa jadi X

Tetapi inget harus sesuai konteks penelitian dan harus ingat adanya biological plausibility

Pada uji numerik-numerik

Jika normalitas baik  uji korelasi pearson
Jika normalitas tidak  uji kendall’s / spearman

Pada uji korelasi pearson bisa di ukur korelasinya sedangkan dapat digunakan spearmann’s
tetapi gabisa untuk liat korelasinya (hanya hubungan saja)

Pada uji korelasi bisa diukur

1. Nilai korelasi (+/-)
2. Besar korelasi

Manfaat penelitian kita adalah untuk sample kita selalu!

Harus ada hubungan

Masalah , hasil/kesimpulan , saran ke populasi target berdasarkan hasil dan masalah penelitian

Simple random sampling = populasi gabisa terlalu banyak dan harus diketahui jumlahnya

Termasuk dari probability sampling

SYARAT PROBABILITY SAMPLING

- Random

- Equal

- Representative (mewakili populasi)

Prinsip

1. Bukan ditentukan besar sample tetapi sampling harus benar karena hasil sample kita
merupakan gambaran populasi agar hasil tersebut dapat digeneralisasi ke populasi tsb
 2. Besar sample mewakili validitas internal
3. Yang bagus adalah memenuhi validitas internal dan external agar dapat digeneralisasi

ni

Tentukan populasi

a. Jumlah ?  diketahui gak

b. individu? Atau kluster?

c. Homogen/ tidak

d. probability/ non probability

populasi umum  populasi terget  populasi terjangkau  sample

syarat populasi

1. Meliputi seluruh unit/ subjek (RT , POLISI)

2. Karakteristik jelas  missal anggota RT harus
3. Homogen  harus d homogenkan
4. Dapat dilacak dilapangan

Sample  subjek atau unit yang TERPILIH dari populasi target melalui sampling yang harus sudah di
inklusi dan di ekskulasi (INKLUSI DARI POPULASI TARGET)

EKSKLUSI ITU BISA SEBELUM DIPILIH DAN SESUDAH DI PILIH DALAM INKLUSI
Sebeleum di pilih  unit element

Sample size adalah besar jumlah sample

Unit element  inklusi eksklusi  sample

Jadi eklusi adalah sample terpilih oleh kriteria inklusi yang kemudian dikeluarkan karena 1 dan berbagai
hal sehingga tidak bisa dianalisis.

Populasi itu harus ada peluang X dan Y

Target populasi adalah sekumpul subjek yang memiliki ciri-ciri tertentu yang akan diteliti

Sebelum di inkluasi ekkluasi dia adalah populasi terjangkau

Sampling adalah metode memilih unit atau subjek dari populasi terget menjadi sample

Kumpulan unit/ satuan elemen yang kita amil dari populasi

Jika jumlah populasi kita ketahui = finite population  bisa probability sampling

Jika jumlah populasi tidak diketahui = unfinite population  gbs pake probab  non probabi
Menghitung besar sample

1. Nilai kepustakaan proporsi (p)  kategorik (kira” 50% jantan 50% betina)
atau rata-rata berat (varians) numerik (kan ga d ketahui) bisa coba cari  +- ayam 20 th 1800
gr
2. Mau sedekat apa dengan nilai sesungguhnya (ketepatan prediksi terhadap nilai sesungguhnya
dalam populasi) (presisi) = d
3. Nilai keyakinan terhadap hasil penelitian kita (alpha)

Persoalan sample 

1. deskriptif / analitik

Hanya perlu P dan presisi pada deskritif sedangkan analitik harus pake alfa dan beta karena sudah
masuk uji hipotesis

2. 1 populasi saja? Atau lebih dari 1 kelompok?

3. Outcome apa?
 Kate  propor

D pada analitik adalah besar efek x1-x2 = d

Minimum adalah boleh lebih gboleh kurang

Missal cari rata” hb orang berapa (varian)  jika ga ada  pake pilot project  ambil sample beberapa
orang masukin nilai Hb
Presisi berapa 2 misalnya\

VARIAN ADALAH STD KUADRAT

Q1 = 1 – P1

Q2 = 1 – P2

P = P1+P2 /2

S = S1+S2 / 2
X1-X2 = BESAR EFEK

X1= RERATA PREPOST KEL 1

X2 = RERATA PREPOST KEL 2

S = PAKE PILOT PROJECT 10 ORANG

confounding factor = variable ke 3 yang tidak diteliti yang mempengaruhi hubungan X dan Y,
bisa bkin renggang atau malah erat

cara menetralisir confounding = 1. analisis multivariat (bisa di awal direncanakan)

2. restriksi (hanya usia aja, laki-laki aja shg gamasuk variable) 

sebelum melakukan penelitian

3. stratifikasi (laporkan bahwa perempuan-perempuan, laki

-laki) (usia > 40 / < 40)  jika ternyata ada confounding yang tidak di antisipasi

Peran sikap masya + peran petugas

Pengetahuan

Sikap

Perilaku  action yang sudah dilakukan (pernah/sedang dilakukan)

Sebutkan X , Y dan siapa objeknya? (atau factor bkin y siapa objeknya)

(sikap, perilaku terhadap pencegahan di masyarakat puskes) (factor yang mempengaruhi

pengcehan di masuyarakata puskesmas)

Uji kai-square (uji beda proporsi)

Prinsipnya adalah uji proporsi = jumlah observe/total

Proporsi pencegahan dbd yang pengetahuannya kurang lebih besar

H0 Expose = tidak expose (2 tailed)

Ha expose =/ tidak expose  bisa > atau < kan

Uji kai sqare alpha 5% maka jika hasilnya P < 0,05 maka kita tolak H0

Maka kita terima Ha expose yang mana? Lebih gede atau lebih kecil = liat di data

Gboleh Export 0
 Uji beda proporsi

 Beda 2 proporsi
 Beda > 2 proporsi
 Beda independent / dependen

uji beda mean

 Beda 2 mean
 Beda > 2 mean
 Beda mean independent / dependen

Cara menulis pertanyaan penelitian

Missal mau meneliti jahe merah

Apakah jahe merah mampu meningkatan system imun terhadap kejadian covid 19

Pada case control maksimal 1:4 (1 kasus = 4 kontrol)

Minimal (1 : 1)

Unadjusted OR  1 vs 1

Adjusted OR  Yang dipengaruhi semua

Jika dimasukin di pikirkan confounding  kenapa d masukin walaupun tidak bermakna  karena
kemungkinan dia mempengaruhi 2”nya

Multivariate maksudnya 1 x banyak y

Regresi logistic  kartegorik semua

Multivariate regresi linier  numerik semua (distribusi normal)

Case control adalah model prediksi

Masuk confounding itu jika menurunkan atau menaikan OR menjadi 10%

True experimental (ada random allocation) vs quassi experimental (tidak ada random allocation)

OR itu a.d/b.c

Ingat OR TIDAK BOLEH MENGGUNAKAN MORE THAN = missal

OR 7 artinya orang yang merokok 7X untuk menderita kanker daripada orang yang tidak merokok

Tidak boleh bilang bahwa “7X LEBIH BESAR”

Yang dipakai adalah yang D+

Adjusted OR dihitung dari hasil eksponensial Beta

Random selection dari populasi ke populasi target

Random allocation subjek dari populasi target dipilih random  masuk mana control apa intervensi

Kalau blinding  2”nya gatau  peneliti gatau dan subjek gatau

Latar belakang