RASIO PREVALENSI

Studi cross sectional merupakan salah satu studi epidemiologi untuk menemukan hubungan
antara factor risiko dan penyakit. Penelitian non eksperimental ini dilakukan umumnya dalam
rangka mempelajari dinamika korelasi antara factor-faktor risiko dan variable dengan efek yang
berupa penyakit atau status kesehatan tertentu, dengan model pendekatan poin time, yakni
variable-variabel yang termasuk factor risiko dan variable efek diobservasi sekaligus pada saat
yang sama, tiap subjek hanya diobservasi sekali saja dan factor risiko serta efek diukur menurut
keadaan atau status waktu diobservasi.

Angka Risiko Relatif dalam penelitian cross sectional.

Yang dimaksud dengan Risiko relative adalah kemungkinan timbul atau berkembangnya suatu
efek atau penyakit dihubungkan dengan factor risiko tertentu. Risiko ini dicerminkan dengan
adanya kasus baru dalam populasi tertentu pada periode waktu tertentu. Penghitungan risiko
relative berbeda-beda untuk penelitian epidemiologi yang satu dengan lainnya. Untuk rancangan
cross sectional, risiko relatif dicerminkan dengan angka rasio prevalensi (prevalence ratio, RP)

Rasio prevalensi adalah jumlah subjek dengan efek positif (prevalensi penyakit) pada semua
subjek dengan faktor risiko positif dibagi jumlah subjek dengan efek positif pada semua subjek
dengan faktor risiko negatif. Dengan demikian risiko relative adalah angka yang
menggambarkan prevalensi penyakit dalam populasi terkait dengan factor risiko yang dipelajari,
atau prevalensi penyakit yang timbul akibat factor risiko tertentu.

Untuk menghitung rasio prevalensi dihitung dengan rumus:

RP = A : C
A+B C+D

efek
ya tidak jumlah
Faktor risiko Ya A B A+B
tidak C D C+D
Jumlah A+C B+D A+B+C+D

Setelah diketahui nilai RP, maka interval kepercayaan (Confidence Interval) dapat dihitung
dengan metode Meittenen, Mantel-Hanzel, Fisher, Woolf dan Cornfield. Berikut adalah
penghitungan IK dengan metode Woolf:
a b
ln RP±1. 96| +
a (a+c) b (b+d )
IK = EXP

Dengan menggunakan exel, rumus tersebut dapat digunakan dengan mudah.

Interpretasi hasil:

1
 1. Bila nilai Rasio prevalensi = 1 berarti variabel yang diduga sebagai faktor risiko tidak ada
pengaruhnya terhadap terjadinya efek, atau dengan kata lain, dia bersifat netral.
2. Bila rasio prevalensi > 1, dan rentang interval kepercayaan tidak mencakup angka 1,
maka berarti variabel tersebut merupakan faktor risiko timbulnya penyakit. Akan tetapi
jika interval kepercayaannya mencakup angka 1, maka nilai rasio prevalensi tidak
diperhitungkan.
3. apabila rasio prevalensi < 1, dan rentang kepercayaannya tidak mencakup angka 1, maka
berarti faktor yang diteliti justru menjadi faktor yang mengurangi terjadinya penyakit,
dan menjadi faktor protektif. Jika interval kepercayaan mencakup angka 1, maka
nilai RP tidak diperhitungkan.
4. Bila nilai interval kepercayaan mencakup angka 1, maka berarti pada populasi yang
diwakili oleh sampel tersebut mungkin terdapat nilai prevalen yang sama dengan 1,
sehingga belum dapat disimpulkan bahwa faktor yang dikaji tersebut merupakan faktor
risiko atau faktor proteksi, karena interval kepercayaan yang dalam konteks ini adalah
nilai IK adalah rentang nilai RP pada populasi yang mungkin ditemukan. Jadi jika dalam
rentang tersebut terdapat nilai 1, maka dalam populasi kemungkinan terdapat nilai
RP = 1, sehingga ada anggota populasi yang memiliki variabel yang diduga sebagai
faktor risiko tidak berpengaruh pada efek.

Jika nilai RP > 1 dan IK tidak mencakup angka 1, maka variabel merupakan faktor risiko.
Sebagai contoh, pada penelitian mengenai sinusitis sebagai faktor risiko terjadinya Otitis
Media Akut, hasil analisis data diketahui RP=2 dan IK antara 1,02 - 3,5 maka disimpulkan
sinusitis sebagai faktor risiko OMA. Simpulannya, orang yang menderita sinusitis
memiliki kemungkinan 2 kali akan menderita OMA dibandingkan dengan orang yang
tidak menderita sinusitis.

RASIO ODDS (OR)

Penelitian case control atau case-comparison study merupakan penelitian epidemiologis yang
menelaah hubungan antara efek (penyakit) tertentu dengan factor risiko tertentu. Dalam urutan
kekuatan hubungan sebab akibat, desain case control ada di bawah desain penelitian kohort,
namun lebih kuat dari pada desain penelitian cross sectional.
Pada penelitian case control, kelompok kasus (pasien yang menderita efek) dibandingkan dengan
kelompok control (mereka yang tidak menderita penyakit atau efek). Dalam desain penelitian ini
ingin diketahui apakah suatu factor risiko tertentu benar berpengaruh terhadap terjadinya efek
dengan membandingkan kekerapan pejanan factor risiko tersebut pada kelompok kasus dan
kelompok control.
Pada desain case control, Risiko relative dinyatakan dalam rasio Odds (OR). Penghitungan OR
adalah :

AxD
OR=
BxC

Rumus interval kepercayaan untuk OR adalah sebagai berikut:

2
 1 1 1 1
ln OR±1 .96| + + +
a b c d
IK= EXP

Interpretasi hasil nilai OR sama dengan interpretasi RP.

RISIKO RELATIF

Penelitian kohort juga merupakan penelitian epidemiologi yang mempelajari hubungan antara
faktor risiko dan efek atau penyakit. Pada penelitian kohort, kausa atau faktor risiko
diidentifikasi terlebih dahulu, kemudian subjek diikuti sampai periode tertentu untuk melihat
terjadinya efek atau penyakit yang diteliti pada kelompok subjek dengan faktor risiko dan subjek
tanpa faktor risiko.

Pada studi kohort sederhana, besaran efek yang diperoleh menggambarkan insiden kejadian pada
setiap kelompok. Perbandingan insiden penyakit antara kelompok dengan faktor risiko dan
kelompok tanpa faktor risiko disebut dengan risiko relatif atau rasio risiko (RR)

RR dapat dihitung dengan menggunakan rumus sebagai berikut:

A C
:
RR= A+B C +D

Rumus interval kepercayaan yang digunakan adalah:

a b
ln RP±1. 96| +
a (a+c) b (b+d )
IK = EXP

Interpretasi nilai RR sama dengan interpretasi nilai RP dan OR.

TUGAS MAHASISWA PELAJARI DAN LAKUKAN DI RUMAH

Berikut adalah data penelitian mengenai Anemi sebagai faktor risko kejadian Berat Bayi Lahir
Rendah (BBLR) di RSI Sultan Agung periode Januari-Desember 2013. Jika rancangan
penelitian yang dipergunakan adalah cross sectional, tentukan RP dan interpretasinya. Jika
desain yang dipergunakan case control, tentukan OR dan interpretasinya. Jika desain yang
dipergunakan adalah kohort, tentukan RR dan interpretasinya. Hitunglah RP, OR dan RR
tersebut secara manual dan menggunakan SPSS, kemudian bandingkan hasilnya.

NO ANEMI BBLR
1 ANEMI BBLR
2 ANEMI BBLR
3 TDK ANEMI TDK BBLR
4 TDK ANEMI TDK BBLR

3
 5 TDK ANEMI TDK BBLR
6 TDK ANEMI TDK BBLR
7 TDK ANEMI TDK BBLR
8 ANEMI BBLR
9 ANEMI BBLR
10 ANEMI BBLR
11 ANEMI BBLR
12 ANEMI BBLR
13 ANEMI BBLR
14 TDK ANEMI TDK BBLR
15 TDK ANEMI TDK BBLR
16 TDK ANEMI TDK BBLR
17 ANEMI TDK BBLR
18 ANEMI TDK BBLR
19 ANEMI BBLR
20 ANEMI BBLR
21 TDK ANEMI BBLR
22 ANEMI BBLR
23 TDK ANEMI TDK BBLR
24 TDK ANEMI TDK BBLR
25 TDK ANEMI TDK BBLR
26 TDK ANEMI TDK BBLR
27 ANEMI BBLR
28 ANEMI BBLR
29 ANEMI BBLR
30 ANEMI TDK BBLR
31 TDK ANEMI TDK BBLR
32 ANEMI TDK BBLR
33 ANEMI TDK BBLR
34 ANEMI TDK BBLR
35 TDK ANEMI TDK BBLR
36 ANEMI BBLR
37 ANEMI BBLR
38 TDK ANEMI TDK BBLR
39 ANEMI TDK BBLR
40 TDK ANEMI TDK BBLR
41 TDK ANEMI TDK BBLR
42 ANEMI TDK BBLR
43 TDK ANEMI BBLR
44 ANEMI BBLR
45 ANEMI TDK BBLR
46 ANEMI TDK BBLR
47 TDK ANEMI TDK BBLR

4
48 ANEMI TDK BBLR
49 TDK ANEMI TDK BBLR
50 TDK ANEMI TDK BBLR
51 ANEMI TDK BBLR
52 ANEMI TDK BBLR
53 ANEMI TDK BBLR
54 ANEMI BBLR
55 TDK ANEMI BBLR
56 ANEMI BBLR
57 TDK ANEMI TDK BBLR
58 ANEMI TDK BBLR
59 ANEMI TDK BBLR
60 TDK ANEMI TDK BBLR
61 TDK ANEMI TDK BBLR
62 ANEMI TDK BBLR
63 TDK ANEMI TDK BBLR
64 TDK ANEMI TDK BBLR
65 TDK ANEMI TDK BBLR
66 TDK ANEMI TDK BBLR
67 ANEMI TDK BBLR
68 TDK ANEMI BBLR
69 ANEMI BBLR
70 ANEMI TDK BBLR
71 TDK ANEMI TDK BBLR
72 TDK ANEMI TDK BBLR
73 TDK ANEMI TDK BBLR
74 TDK ANEMI TDK BBLR
75 ANEMI BBLR
76 ANEMI BBLR
77 ANEMI BBLR
78 ANEMI TDK BBLR
79 ANEMI TDK BBLR
80 TDK ANEMI TDK BBLR
81 TDK ANEMI BBLR
82 ANEMI BBLR
83 TDK ANEMI TDK BBLR
84 ANEMI BBLR
85 ANEMI TDK BBLR
86 TDK ANEMI TDK BBLR
87 ANEMI BBLR
88 ANEMI BBLR
89 TDK ANEMI TDK BBLR
90 ANEMI TDK BBLR

5
 91 TDK ANEMI TDK BBLR
92 ANEMI BBLR
93 ANEMI BBLR
94 ANEMI TDK BBLR
95 TDK ANEMI TDK BBLR
96 TDK ANEMI TDK BBLR
97 ANEMI BBLR
98 ANEMI BBLR
99 TDK ANEMI TDK BBLR
100 TDK ANEMI TDK BBLR

Untuk memudahkan membuat tabel 2 x 2, maka gunakan SPSS.

Buka SPSS, klik variabel view, kemudian pada kolom name, tuliskan nama variabel, yakni
anemi. Pada kolom values, si klik, lalu isikan value labels, seperti contoh:

Lakukan langkah yang sama untuk variabel BBLR.

Kemudian kembali ke Data view, dan isikan data seperti pada contoh. Untuk membuat tabel 2x2,
klik analyze, descriptive statistic dan crosstab.

6
Pindahkan variabel Anemi pada kolom Rows, dan BBLR pada kolom Coloums.

Kemudian klik statistik maka akan muncul :

7
Selanjutnya klik chisquare dan Risk.

Klik OK, maka akan muncul hasil sebagai berikut:

Hasil tabel 2 x 2 adalah sebagai berikut:

Dengan tabel 2 x 2 ini, dapat dicari nilai RP, OR dan RR dengan rumus di atas. Jika dihitung
dengan SPSS, maka hasil dapat dilihat pada tabel Risk Estimate.

8
=((C5/B5) / (B5+C5)) + ((C6/B6) / (B6+C6))

Dari hasil tersebut diketahui:

a. Jika desain penelitiannya adalah case control, maka lihat value pada Odd ratio: 10.33, dan
95% CI: 3.539 sd 30.174.
b. Jika desain penelitian cross sectional atau cohort, maka lihat hasil pada cohort for BBLR:
5.073 dengan 95% CI: 2.150 sd 11.970.

CHI SQUARE TEST

Seorang peneliti ingin mengetahui apakah ada perbedaan kecenderungan penggunaan jenis
tensimeter yaitu air raksa, mekanik, digital dan “sound” diantara dokter-dokter muda (lulus
dokter < 5 tahun), menengah (lulus 5 – 10 th) dan tua (>10 th). Data dari 668 dokter yang
diperiksa terlihat seperti tabel di bawah.

Kelompok Air raksa Mekanik Digital Sound Total

dokter
Muda 56 71 13 34 174
Menengah 27 63 30 62 182
Tua 14 42 85 41 182
Total 97 176 128 137 538

Uji yang digunakan Kai-kuadrat X2.

Uji kai-kuadrat adalah suatu analisis nonparametrik untuk menguji perbedaan atau penaksiran
data bersekala nominal. Ada 3 macam bentuk uji kai-kuadrat, yaitu :
1. Untuk menaksir 1 kelompok data terhadap populasi tertentu, uji goodness of fit
2. Untuk menguji perbedaan antara 2 kelompok pengamatan yang mandiri (lain subyek)
3. Untuk menguji perbedaan antara 3 kelompok pengamatan atau lebih yang mandiri
Pada praktikum ini kita akan menguji 3 kelompok pengamatan ( dokter muda, menengah dan
tua) dengan skala data nominal. Langkah-langkahnya

1. start SPSS

2. Pilih Variable View

9
isi :
1. nama variabel :
baris 1 : dokter dan baris 2 : tensi

2. Label :
baris 1 : kelompok usia dokter
baris 2 : jenis tensimeter

3. Value
klik pada values akan muncul tampilan value labels, isikan pada kolom value angka 1,
kemudian value labels kelompok umur dokter 20-30 th, klik add. Isi angka 2 untuk value labels
kelompok umur 31-40 th, klik add. Demikian seterusnya, untuk baris ke dua dengan cara yang
sama kita masukan jenis tensimeter

4. klik data view untuk memasukan data

10
5. Kemudian hitung uji beda dengan chi square, klik analyze, pilih descriptive statistic pilih
crosstab.

11
pilih statistik, kemudian chi-square

klik continue, output

12
Ketika melihat hasil chi-square, pertama-tama lihatlah nilai prosentase expected count pada
bagian hasi chi-square test. Karena prosentase expected count yang less than 5 kurang dari 20%,
maka hasil chi-square dapat dipergunakan.

Jika hasil uji chi-square terdapat expected score less than 5 hingga mencapai lebih dari 20%,
maka hasil chi square tidak dapat dipergunakan, sehingga data harus dioleh dengan
menggunakan Fisher exact. Karena fisher exact hanya dapat dilakukan jika tampilan data cross
tab adalah 2x2, maka tada yang tadinya 3 x 4 harus diubah menjadi 2 x 2, dengan meng-koding
ulang variable bebas menjadi “muda dan tua” dan variable tergantung menjadi “digital dan non
digital”.

Berikut adalah contohnya:

13
 usia * tensimeter Crosstabulation

tensimeter Total

air raksa mekanik digital sound

usia muda Count 8 2 4 45 59

% within usia 13.6% 3.4% 6.8% 76.3% 100.0%

menengah Count 15 6 9 22 52

% within usia 28.8% 11.5% 17.3% 42.3% 100.0%

tua Count 16 5 3 5 29

% within usia 55.2% 17.2% 10.3% 17.2% 100.0%

Total Count 39 13 16 72 140

% within usia 27.9% 9.3% 11.4% 51.4% 100.0%

Chi-Square Tests

Asymp. Sig. (2-

Value df sided)

Pearson Chi-Square 33.815a 6 .000

Likelihood Ratio 34.804 6 .000

Linear-by-Linear Association 28.431 1 .000

N of Valid Cases 140

a. 3 cells (25.0%) have expected count less than 5. The minimum

expected count is 2.69.

Dari hasil di atas, karena nilai expected countnya lebih dari 20%, maka hasil chi square
tidak dapat dipergunakan, sekalipun nilai p untuk Pearson chi square = 0.000. Selanjutnya,
data harus diolah dengan menggunakan fisher exact. Untuk itu data harus diubah/ dikoding ulang
agar data dapat ditampilkan dalam table 2 x 2.

Misalnya kita ingin me-recode usia kelompok dokter menjadi 1. Muda (terdiri dari muda dan
menengah) dan 2. Tua (kelompok Tua) variable jenis tensimeter menjadi 1.air raksa dan 2.
Mekanik (mekanik, digital dan sound). Cara melakukan recoding adalah:

1. Klik transform pilih recode into different variable

2. Untuk me recode kelompok dokter, pindahkan usia ke kolom sebelah kanan kemudian isi
output variable misalnya kelompokdokter_baru (tidak boleh ada spasi) da nisi label
dengan nama yang dikehendaki misalnya usia. Lalu klik change. Kemudain klik old and
new variable
14
3.

4. Setelah di klik old and new variable akan muncul:

5. Masukkan value yang akan diganti. Misalnya range 1 (muda) dan 2 (menengah) kita ganti
value 1. Lalu klik add.
6. Selanjutnya lakukan langkah yang sama untuk value 3. Tua. Dengan cara klik range,
value through highest. Ketikkan 3. Kemudian di new value klik value, ketik 2. Lalu klik
Add.

15
 7.
8. Kemudain klik continue. Kemudain OK. Maka akan muncul variable baru di halaman
Data View SPSS anda. Selanjutnya buat nama variable baru tersebut. misalnya 1.
Muda_menengah 2. Tua

9.
10. Lakukan hal yang sama untuk me-recode jenistensimeter.
11. Kemudian analisis statistik pengaruh kelompok dokter terhadap jenistensimeter.

Berikut adalah hasil analisis statistiknya:

16
 usia * tensimeter Crosstabulation

tensimeter

air raksa mekanik Total

usia muda Count 57 8 65
% within usia 87.7% 12.3% 100.0%
menengah Count 67 8 75
% within usia 89.3% 10.7% 100.0%
Total Count 124 16 140
% within usia 88.6% 11.4% 100.0%
Chi-Square Tests
Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
Pearson Chi-Square .093a 1 .761
b
Continuity Correction .001 1 .970
Likelihood Ratio .092 1 .761
Fisher's Exact Test .795 .483
Linear-by-Linear Association .092 1 .762
b
N of Valid Cases 140
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 7.43.
b. Computed only for a 2x2 table

Hasil SPSS menunjukkan bahwa jumlah nilai expected count yang kurang dari 5 sebanyak 5%,
maka hasil chi-square hasil koding baru dapat dipergunakan, sehingga tidak perlu melihat hasil
fisher. Diketahui nilai p Pearson chi-square adalah 0.761, sehingga tidak ada hubungan antara
usia dan pilihan tensimeter berdasarkan hasil chi square coding baru.

17