MEMBACA HASIL PENELITIAN YANG MENGGUNAKAN

ANALISIS MULTIVARIAT
Mampu membaca hasil penelitian yang menggunakan
analisis multivariat, baik dengan kerangka konsep
prediktif maupun kerangka konsep etiologik
Contoh Penelitian
“Recognizing heart failure in elderly patients with stable
chronic obstructive pulmonary disease in primary care:
cross sectional diagnostic study”
(published by BMJ 2005; 331; 1379)

Pada penelitian diatas sistematika pembahasannya

meliputi tujuan penelitian, variabel yang diteliti,
kerangka konsep penelitian, rencana analisis, serta hasil
penelitian.
1. Tujuan Penelitian
Untuk mengetahui faktor-faktor apa saja yang dapat digunakan
sebagai parameter diagnosis penyakit jantung pada pasien dengan penyakit
paru obstruktif kronik (PPOK) stabil

2. Variabel yang Diteliti

a. Variabel anamnesis (umur, perilaku merokok, riwayat penyakit jantung
iskemik, riwayat penyakit jantung, ortopnoe atau paroksismal
nokturnal dispnoe, dan nokturia)
b. Riwayat pengobatan (diuretik, ACE Inhibitor)
c. Pemeriksaan fisik (indeks masa tubuh, laju jantung, suara paru,
peningkatan tekanan vena jugular, laterally displaced apex beat, dan
udema perifer)
d. Pemeriksaan penunjang (NT-pro BNP, C reactive protein, rasio
kardiotoraks, kelainan EKG, FEV, dan FEV/FVC)
3. Kerangka Konsep
Kerangka konsep
yang digunakan adalah
kerangka konsep
prediktif. Pada
penelitian ini, tidak ada
variabel utama dan
otomatis tidak ada
variabel perancu. Total
terdapat 20 variabel
yang diteliti, 14
diantaranya variabel
klinis

Gambar 1. Kerangka konsep Penelitian

4. Analisis dan Hasil Penelitian
a. Analisis Bivariat
Variabel yang disertakan dalam
analisis multivariat adalah variabel
yang memiliki nilai p< 0,10. Dengan
demikian, variabel yang akan masuk
analisis multivariat:
 Klinis (umur, perilaku, merokok,
riwayat penyakit jantung
iskemik, riwayat penyakit
jantung, diuretik, ACE Inhibitor,
IMT, laju jantung, peningkatan
Tekanan Vena Jugularis, laterally
displaced apex beat, dan edema
paru)
 Pemeriksaan Penunjang (NT-
proBNP, C Reactive Protein, rasio
kardiotoraks, dan kelainan EKG)
Gambar 2. Hasil Analisis Bivariat
4. Analisis dan Hasil Penelitian
b. Analisis Multivariat
Analisis ini dilakukan secara bertahap
dengan tujuan untuk mendapatkan
berbagai model diagnosis sehingga dapat
dicari model mana yang paling baik dengan
nilai AUC (area under the curve). Model
diagnosis yang diteliti:
• Analisis multivariat terhadap variabel
klinis
• Analisis multivariat terhadap variabel
klinis + NT-proBNP
• Analisis multivariat terhadap variabel
klinis + EKG
• Analisis multivariat terhadap variabel
klinis + CRP
Gambar 2. Perbandingan AUC dari Berbagai Model
• Analisis multivariat terhadap variabel
klinis + rasio kardiotorak
• Analisis multivariat terhadap variabel
klinis + NT-proBNP + EKG
Pada model klinis, dari sebelas variabel yang masuk analisis multivariat
(umur, perilaku, merokok, riwayat penyakit jantung iskemik, diuretik, ACE
inhibitor, indeks masa tubuh, laju jantung, peningkatan tekanan vena
jugular, laterally displaced apex beat, dan udema perifer), terdapat empat
variabel yang masuk kedalam model akhir yaitu riwayat penyakit jantung
iskemik, indeks masa tubuh, laterally displaced apex beat, dan laju
jantung. Model klinis mempunyai nilai AUC sebesar 0,70 (IK95%0,64-
0,76). Peneliti kemudian melakukan analisis terhadap model lainnya. Nilai
AUC dari setiap model disajikan pada tabel 12.2 Peneliti menyimpulkan
bahwa model klinis + NT-proBNP+EKG adalah model terbaik.
Contoh Penelitian
“Oral Contraceptives and the Risk of Myocardial
Infarction”
(published by N Engl J Med, Vol 345, No.25)

Pada penelitian diatas sistematika pembahasannya

meliputi tujuan penelitian, variabel yang diteliti,
kerangka konsep penelitian, rencana analisis, serta hasil
penelitian.
1. Tujuan Penelitian
Untuk mengetahui hubungan antara penggunaan kontrasepsi oral dengan
terjadinya infark miokardium. Peneliti menggunakan desain kasus kontrol.

2. Variabel yang Diteliti

a. Variabel bebas utama adalah kontrasepsi oral
b. Variabel perancu adalah umur, area tempat tinggal, tahun, perilaku merokok,
hipertensi, hiperkolesterol, diabetes, obesitas, riwayat penyakit kardiovaskuler
pada keluarga, tingkat pendidikan, dan perilaku minum alkohol

3. Kerangka Konsep
Berdasarkan tujuan serta variabel yang diteliti, kerangka konsep penelitian
adalah kerangka konsep etiologi. Gambar kerangka konsep tersebut disajikan pada
gambar 12.2

4. Analisis Hasil Penelitian

Hasil penelitian disajikan pada tabel 12.3
Keterangan Gambar 12.2
Pada kerangka konsep etiologik,
fokus penelitian adalah untuk mencari
hubungan murni antara variabel bebas
utama (kontrasepsi oral) dengan variabel
terikat (infark miokard). Sehingga pada
beberapa artikel dengan kerangka konsep
etiologik, peneliti seolah-olah
“mengabaikan” variabel perancu.
“Mengabaikan” disini berarti tidak
menyajikan hasil analisis hubungan
antara variabel perancu dengan variabel
tergantung.

Gambar 12.2 Kerangka Konsep Penelitian: Kerangka

Konsep Etiologik
Keterangan Tabel 12.3

Peneliti fokus pada nilai OR

antara kontrasepsi oral dengan Tabel 12.3 Hubungan antara Kontrasepsi Oral
infark miokardium. Pada tabel dengan Infark Miokardium
tersebut, terdapat dua OR. Nilai
OR pertama adalah nilai OR
variabel kontrasepsi oral apabila
variabel yang dikontrol hanya
variabel umur, area tempat tinggal,
dan tahun kalender. Niali OR yang
kedua adalah nilai OR variabel
kontrasepsi oral apabila variabel
perancu yang dikontrol adalah
semua variabel perancu yang
diteliti. Nilai OR pertma kita sebut
alternatif, dan nilai OR kedua kita
sebut model baku emas.
Apabila dibandingkan keduanya, perubahan nilai OR adalah -4,8% hasil
penghitungan (2-2,1)/2,1*100%. Perubahan nilai OR lebih kecil dari 10%. Oleh
karena itu, model alternatif dapat dikatakan valid. Rentan interval
kepercayaan pada model baku emas 1,7 hasil penghitungan 3,1-1,4. Sementara
rentang interval pada model alternatif adalah 1,3 hasil penghitungan 2,8-1,4.
Model alterbatif mempunyai interval kepercayaan yang lebih sempit daripada
model baku emas. Oleh karena model alternatif adalah model yang sama
validnya dengan bakus emas dan mempunyai presisi yang lebih baik dari
baku emas. Model alternatif diambil dari model akhir. Dengan demikian,
hubungan murni (dengan parameter OR) antara kontrasepsi oral dengan
infark miokardium adalah 2,0 (IK95% 1,5-2,8)
Kedua artikel yang telah dibahas diatas memberikan gambaran perbedaan
antara kerangka konsep prediktif dan etiologik. Pada kerangka konsep
prediktif (artikel pertama), peneliti ingin mengetahui, variabel apa saja yang
berhubungan dengan gagal jantung pada PPOK stabil. Kata kuncinya adalah
“variabel apa saja”. Sementara pada kerangkan konsep etiologik (artikel
kedua), peneliti ingin mengetahui hubungan murni antara kontrasepsi oral
dengan infark miokardium. Konsekuensi dari kerangkan konsep adalah pada
analisis data serta penyajian hasil penenlitian. Pada artikel pertama, analisis
yang digunakan adalah analisis multivariat untuk kerangka konsep prediktif,
sementara pada artikel kedua analisis multivariat untuk kerangka konsep
etiologik. Kita juga dapat melihat bahwa penyajian hasil penelitian antara
kedua kerangka konsep berbeda.
Altman DG, 1999, Practical Statistics for Medical Research, Boca Raton: Chapman and Hall/CRC
Bewick V, Cheek L, Ball J, Statistic Review 11: Assessing Risk. Critical Care 2004, 8:287-291
_____________________, Statistic Review 14: Logistic Regression. Critical Care 2005, 9:112-118
Bland J.M, Altman D.G, The Cost of Dichotomising Continuous Variabels. BMJ 2006; 332-1080
____________________, The Odds Ratio. BMJ 2000; 320-1468
Kleinbaum D, 1996, Logistic Regression: a self-learning text. New York: Springer
Rutten FH, Moons KGM, Cramer MJC et al, Recognising heart failure in elderly patients with stable
chronic obstructive pulmonary disesase in primary care: cross sectional diagnostic study. BMJ
2005; 331-1379
Sastroasmoro S, Ismael S, Dasar-dasar Metodologi Penelitian Klinis (edisi 3). Editor: Sastroasmoro S,
Ismael S, Sagung Seto, Jakarta (2007)
Tanis BC, Bosch MAAJ, Kemmeren JM, et al. Oral Contraceptive and the risk of myocardial infarction.
N Engl J Med, Vol. 345, No.25 2001, p: 1789-93
Vitting E, Shiboski S.C., Glidden D.V., Mc Culloch C.E, Regression Methods in Biostatistics Linear,
Logistic, Survival, and Repeated Measure Models. Springer Science+Business Media, Inc, 2005