DESAIN STUDI

A. Deskriptif
 Menggambarkan karakteristik individu / kelompok tertentu
 u/ mengetahui keadaan prevalensi kejadian penyakit / masalah kes
 timbul pertanyaan yg berkaitan dgn morbiditas & mortalitas
 ciri-ciri :
a. u/ mendeksirpsikan variabel2 utama subjek studi
b. tidak butuh kelompok kontrol sebagai pembanding
c. penyajian hasil sesuai data yg diperoleh tanpa analisis mendalam
d. pengumpulan data dilakukan dlm satu saat / satu periode tertentu &
tiap subjek studi hanya diamiti 1x
 kelebihan :
a. mudah dilaksanakan
b. tidak butuh kel pembanding
c. diperoleh banyak info penting u/ perencanaan program pelkes pd
masy, membandingkan status kes, atau penelitian pendahuluan u/
penelitian analitik / eksperimental
 kelemahan
a. pengamatan dilakukan 1x → gabisa tau perubahan
b. gabisa nentuin hub sebab akibat
 jenis :
1. Case report
 Studi gambaran klinis yg terdiri dari 1 pasien
 Sering terjadi setelah seorang peneliti memperhatikan sesuatu
yg aneh pd pasien tertentu / penampilan sekelompok peristiwa
yg ga biasa → disebabkan :
- Muncul penyakit ga biasa di populasi
- Identifikasi penyakit ga dikenali sebelumnya
 - Penularan dgn cara tidak terlihat / dicurigai secara umum
 Kelebihan → u/ penyakit yg ga biasa & pajanan mudah
diinvestigasi dari laporan kasus
 Kelemahan → tidak diketahui waktu & dosis pajanan serta gada
kel pembanding
2. Case series
Studi gambaran klinis dari bbrp kasus dgn diagnosis serupa yg
diamati
Terdiri dari kumpulan laporan kasus individual yg mungkin dlm
waktu singkat.
Punya kepentingan historis dlm epid karena sering sebagai cara
awal mengidentifikasi awal / keberadaan epidemi
Kelebihan → lebih maju dlm laporan kasus (n>1) meningkatkan
generalisasi studi
Kelemahan → gapunya kel pembanding
3. Ecological study
o Studi dgn unit analisis suatu kel / populasi
o u/ mendeskripsikan hub korelatif antara karak populasi dgn
frekuensi masalah kes tertentu
- populasi berbeda tp dlm periode waktu yg sama
- populasi sama tp pd periode yg berbeda
o kelebihan
- biaya murah & mudah dilakukan
- pengukuran pd populasi
- efek ekologis di populasi jd kepentingan utama
- analisis & presentasi sederhana
- u/ menghasilkan hipotesis baru u/ penelitian lebih lanjut &
evaluasi program serta pembentukan regulasi
o kelemahan
- kurangnya data yg memadai / hilangnya data
- kesalahan klasifikasi dlm kel
- gabisa kontrol konfounding
- ambiguitas temporal
- kekeliruan ekologis
4. Cross sectional
 Dilakukan pd 1 titik waktu
 u/ mengetahui prevalensi penyakit / masalah kes
 gambarin masalah kes berdasar WTO
B. Observasional analitik
 u/ mencari faktor penyebab & hub sebab akibat terjadinya pernyakit /
masalah kes
 ciri-ciri :
 - dilakukan pd 2 kel / lebih
- menghubungkan 1 var dgn var lain
- perlu hipotesis → perlu uji hipotesis
- membandingkan 1 kel dgn kel lain
- pertanyaan yg digunakan : why
 jenis :
1. Cross sectional analitik
 Pengumpulan data dilakukan 1x pd periode yg sama
 u/ mengetahui hub antara faktor2 tertentu dgn penyakit /
masalah kes
 dilakukan dgn sistematis
 kelebihan :
- mudah & murah
- dilakukan dlm waktu singkat
- memungkinkan u/ penelitian thd bbrp FR / penyebab pd satu
waktu
- bagus u/ program perencanaan, budgeting, dll
 kekurangan
- sulit menentukan hub efek kasual
- impractical u/ penelitian dgn kasus jarang
- ada masalah selective survival
2. Case control
Dilakukan dgn membandingkan antar 2 kel ( kel kasus & kontrol)
Dgn pendekatan longitudinal & bersifat observasional retrospektif u/
menguji hipotesis spesifik tentang adanya hub paparan thd FR di
masa lalu dgn timbulnya penyakit
u/ mencari penyebab penyakit yg blm diketahui, terutama penyakit
yg jarang (ex: kanker)
bisa mengidentifikasi FR, terutama u/ penyakit langka & dgn waktu
induksi yg lama
kelebihan :
- waktunya singkat & biaya murah
- informasi mudah didapat dr penderita / keluarganya
kelemahan
- data paparan berdasar ingatan penderita / pernah menderita →
ga akurat & sering bias
- populasi kasus yg diteliti hanya yg masih hidup → bisa bias
- kel kontrol sering ga dari populasi yg sama → bisa bias
3. Cohort
o Penelitian prospektif dgn menelusuri aksi agent di populasi u/
mencari kemungkinan terjadinya penyakit
o Penelitian paling baik dlm mengkaji hub antara FR ddgn efek
o Kelebihan :
- Dpt dikuantifikasi dgn akurat jml paparan yg diterima populasi
 - Penyakitnya bisa diperiksa & didiganosis secara teliti
- Ga terjadi bias seperti pd kasus kendali
- Hub sebab akibat lebih jelas pasti & meyaknkan
- Pengukuran risiko yg sangat langsung
o Kelemahan :
- Follow up yg lama, mahal
- Sulit memperkirakan paparan individual karna bisa saja
populasinya berpindah
- Data bisa jd sedikit karna populasi pindah, meninggal karna
penyakit lain
- Jml drop out sebanding dgn lama penelitian
- Biasanya dilakukan setelah selesain penelitian retrospektif
C. Eksperimen
 Memberi perlakukan khusus pd suatu objek / sasaran yg diteliti
 Peneliti bisa mengatur perlakuan apa yg akan diberikan
 Peneliti dpt mengamati proses kejadian secara langsung
 Terdiri dari 2 jenis :
1. Eksperimental murni
Sering dilakukan di lab / klinik dgn randomisasi → agar tiap individu
punya kesempatan yg sama u/ terpilih dlm kel kasus / kontrol
2. Eksperimental semu (quasy experimental)
Dilakukan tanpa randomisasi → dpt dilakukan pd populasi tertentu
 Jenis berdasarkan kelompok :
1. Paralel : pengalaman antara kel perlakukan & kontrol dibandingkan
bersamaan
2. Cross over : treatment pertamakali dilakukan acak → diikuti washout
setelah observasi & pengukuran → diikuti peralihan pengobatan
alternatif
3. Faktorial : u/ menilai secara bersamaan efek dr 2/> perawatan
4. Desain bertingkat : perlakuan yg diberikan diacak dlm strata terpisah /
blok
 Meminimalisir bias
Blinding : berbagai pihak tidak tau jenis perlakuan yg diterima setiap subjek
penelitian
1. Single blinding : pasien gatau perawatan apa yg diberikan kpd mereka
/ peneliti yg mengukur ga tau jenis intervensi yg diterima subjek
2. Double blinding : subyek & peneliti sama2 gatau perlakukan yg
diberikan kpd subyek
3. Triple blinding : dgn menutupi info pengobatan / perlakuan dr pihak
tambahan
 Jenis studi eksperimen :
1. Randomized controlled trial
mempelajari efek dr intervensi tertentu
subjek penelitian secara acak dibagi kel kel intervensi & kontrol
 hasilnya dgn membandingkan outcome
2. Uji lapangan
u/ mencegah terjadi suatu penyakit / dmapak merugikan pd
kesehatan
melibatkan orang2 sehat tp dianggap berisiko
pengumpulan data dilakukan langsung di lapangan diantara
orang2 non-institusional pd populasi umum
u/ mengevaluasi intervensi u/ mengurangi paparan tanpa
mengukur terjadinya efek kes
3. Uji coba komunitas
Kel perlakukan : komunitas
Cocok u/ penyakit yg dipengaruhi kondisi sosial (ex:
kardiovaskular)
Kelemahan : hanya sejumlah kecil komunitas yg bisa ikutserta
dlm penelitian & pembagian komunitas secara acak gabisa
dilakukan
 Kelebihan
- Besarnya dosis paparan bisa diatur sesuai keinginan peneliti
- Pengaruh faktor pemaparan bisa dimanipulasi dgn standarisasi pelakuan
- Pengaruh faktor luar yg ga diinginkan bisa dikontrol dgn berbagai cara
(ex: pemilihan subjek yg ketat)
- Pd eksperimen randomisasi, sampel yg memenuhi syarat memberi
peluang u/ mengamati berbagai faktor
- Pd eksperimen non randomisasi, populasi target & kontrol lebih mudah
dipilih dgn jumlah relatif kecil
 Kekurangan
- Sering gabisa dilakukan uji coba pd manusia karna faktor etika
- Pengaruh faktor yg ga diinginkan pd manusia sebagai makhluk sosial,
kadang gabisa dikontrol
- Hasil yg dicapai mungkin ga berlaku pd populasi lain
- Pd eksperimen randomisasi adalah masalah etika terutama pd pemilihan
subjek dgn random
- Pd eksperimental semu, kesalahan sulit dikoreksi dgn ketentuan analisis
statistik & kemungkinan terjadi hasil semu/salah karna salah milih kel
studi/ kontrol dpt berakibat fatal saat ambil kesimpulan
 STUDI KAUSAL

A. Definisi Kausal
 Kausal : bersifat menyebabkan suatu kejadian
 Kausalitas : tentang hub sebab akibat yg punya makna dr suatu hal → dlm
konsep epid = asosiasi
 Kausalitas gabisa diobservasi langsung → harus dilakukan kegiatan ilmiah u/
membuktikan hal tsb benar
B. Kausalitas Dalam Penelitian Epidemiologi
 Kausalitas : hub sebab akibat pd kronologis konsep sakit

 Konsep penyakit berubah dr sebab akibat ke interaksi antara HAE

 Kausal berfungsi u/ menganalisis hub2 antara 1 var dgn var lain → epid
 Kausal : ada hub sebab akibat yg terjadi dr interaksi var indep & depen serta
perlu uji hipotesis
C. Karakteristik Kausalitas
1. Memiliki association
- Kausal (x) → efek (y)
- Jika gapunya hub, kausa tsb ditolak → (x) bukan kausa
- Kausal harus punya hub efek, ditandai adanya keterpaparan &
perubahan pd penyebab diikuti akibat
2. Time order
- Kausa harus mendahului efek
- Distant cause : Kausa yg timbul dlm kurun waktu yg lama sebelum
terjadi efek
Ex : paparan diethylstilbestros a/ distant cause dr tumor pd vagina,
biasanya terjadi 20 thn sblm terdiagnosis ca
- Proximate cause : Kausa yg timbul dlm kurun waktu yg sebentar
sebelum terjadi efek
Ex : terapi hormon a/ proximate cause dr ca mammae, biasanya terjadi
5 thn sbkm terdiagnosis ca mammae
3. Direction
Perubahan yg terjadi pd outcome merupakan hasil dr perubahan pd faktor yg
mendahului (kausa)
Ex : merokok pd bumil menyebabkan bayi dgn BBLR
4. Melibatkan faktor host & lingkungan
- Faktor host : genetik, gender, imun, umur, diet, perilaku & penyakit
- Faktor lingk : faktor ekternal dr individu; kondisi lingk alam & sosio eko
5. Bersifat + / -
Bersifat (+)→ menyebabkan penyakit
 Bersifat (-)→ mencegah penyakit

Kriteria Kausalitas (Bradford Hill) → u/ mengevaluasi apakah agent tsb merupakan

kausa/bukan.
1. Kekuatan asosiasi
Semakin tinggi asosiasi → kecenderungan sebagai kausa lebih tinggi
Jika OR/RR > 2,0 → hub sedang
Jika OR/RR > 5,0 → hub kuat
2. Konsistensi
- Hubungan yg sama ditemukan pd studi lain
- Konsistensi hasil akan meningkatkan tingkat kepercayaan thd hub yg
diperoleh → hub tsb bukan karna error, bias, atau confounding
3. Spesifisitas
- Ada hub yg melekat antara spesifisitas & kekuatan dmn makin akurat dlm
definisi penyakit & penularannya → makin kuat hubnya
- 1 kausa harus mendahului 1 efek
- Tp bisa aja 1 kausa nyebabin bbrp efek / bbrp kausa nyebabin 1 efek
4. Temporalitas
- Pemaparan harus mendahului penyakit
- Satu2nya kriteria hill yg bersifat absolut
- Dibuktikan dgn desain studi prospektif
5. Tahapan biologis → Kekuatan hub makin meningkat jika pemaparan
meningkat
6. Masuk akal → Asosiasi harus didukung penjelasan penelitian ilmiah (biologi /
sosial lain)
7. Koherensi → Interpretasi hub kausa & efek gaboleh bertentangan dgn
pengetahuan umum tentang riwayat alamiah & biologis suatu penyakit
8. Eksperimen → Hipotesis tentang kausa yg dpt di uji coba dgn melakukan
penelitian
9. Analogi → Hub kausal bisa dianalogi dgn hub kausal yg lain

D. Ukuran Kausalitas (Ukuran Frekuensi Penyakit dan Ukuran Asosiasi)

1. Ukuran frekuensi penyakit
 Penentuan seberapa sering penyakit / hasil kesehatan lain yg diteliti
muncul di populasi
a. Insidens
 Mengukur kasus baru dr suatu penyakit yg berkembang
selama suatu periode waktu
 u/ mengidentifikasi FR & menilai etiologi penyakit
 biasanya dipake dlm studi kohort & uji klinis
 jenis :
1) cumulative incidence
 - proporsi individu sehat yg jd sakit selama
periode tertentu / perkiraan risiko individu
berbasis populasi
- ciri – ciri :
 berbentuk proporsi
 gapunya satuan
 bernilai 0—1

Contoh :
Dari 1000 populasi yg terdiri dari 1000 pria, 45
diantaranya menderita ca prostat selama follow up 10
thn
CI = 50 / 1000 = 0,05 = 5%
CI pria berumur 45 tahun (dgn 10 thn risiko) u/
menderita ca prostat diestimasikan sebesar 5%
2) incidence rate
- mengukur jml org yg berpindah status dr tidak
sakit ke sakit selama periode waktu tertentu
- ciri-ciri :
 punya satuan (waktu)
 nilainya 0 - ~

Contoh :
Ada 12 org yg bebas dr penyakit difollow up selama 5
tahun. Lalu diketahui ada 5 kasus baru

Incidence Rate =
5
2.5+3.5+1.5+2.5+ 4+0.5+ 0.5+2.5+2.5+2+1.5+1.5
5
= = 0.20/tahun
25
Sehingga dapat diinterpretasikan sebagai rata-rata ada
2 kasus baru per 10 tahun atau 20 kasus baru per 100
 b. Prevalensi
 Mengukur kasus suatu penyakit yg ada pd titik waktu / selama
periode waktu tertentu
 u/ perencanaan pelkes
 diestimasikan dlm studi case control dan cross sectional

Contoh : jika ada 150 org di populasi pd suatu hari 15

diantaranya flu, maka prevalensinya adalah 10% → 15 / 150 x
100%

 jenis :
1) point prevalence (pd satu waktu tertentu)
2) period prevalence (pd periode tertentu)

 u/ mengukur frekuensi kejadian penyakit pd suatu populasi,

digunakan salah satu dari 3 bentuk pecahan :
a. Proporsi
 Bentuk pecahan yg pembilangnya bagian dr penyebut
 Dinyatakan berbentuk %
 Gapunya nilai satuan & nilainya 0—1
 Contoh :
Pd populasi dr 500 org, 20 org menderita malaria
Proporsi = 20/500 x 100% = 4%
b. Rasio
 Pecahan yg pembilangnya bkn bagian dr penyebutnya.
 Ada 2 jenis :
1) Ratio yg punya satuan (ex : jml dokter / 100.000 pdd)
2) Ratio yg gapunya satuan (karna pembilang &
penyebutnya punya satuan sama)
Rasio jenis ini membandingkan 1 proporsi dgn proporsi lain / 1
rate dgn rate yg lain. Ex : RR dan OR
c. Rate
 Kemampuan berubah suatu kuantitas jika terjadi pd
kuantitas lain
 Punya satuan ukuran (biasanya waktu)
 Besarnya ga terbatas ( 0 - ~ )
 Contoh : Incidence rate, prevalence rate, crude family rate
(CFR), dan crude death rate (CDR).
2. Ukuran asosiasi
u/ membandingkan frekuensi penyakit dr 2 kel / lebih dr studi epid
a. Risk ratio
  Probabilitas kejadian (timbul suatu penyakit) pd kel terpapar
dibanding probabilitas kejadian (timbul suatu penyakit) ada kel
yg terpapar
 Digunakan dlm studi kohort

Arti nilai RR :
1) Jika RR > 1, risiko kel 1 > dibanding risiko kel 0
2) Jika RR < 1, risiko kel 1 < dibanding kel 0
3) Jika RR = 1, risiko kel 1 & 0 sama → gada efek dlm
satu kelompok jika dibanding dgn yg lain

Risk Ratio =
Risiko orang yang merokok
Risiko orang yang tidak merokok
0.36
= = 2.1
0.17

b. Odds ratio
 Odds kejadian (timbul suatu penyakit) pd kel kasus dibanding
odds kejadian (timbul suatu penyakit) pd kel yg kontrol
 Dpt digunakan dlm studi case control, cross sectional & kohort

3. Ukuran dampak
Dipertimbangkan perbedaan ukuran efek & terkait lain yg memungkinkan
peneliti u/ mempertimbangkan potensi dampak kesmas
a. Pada kel terpapar
 Menjelaskan brp banyak penyakit yg terjadi yg bisa dikaitkan
dgn paparan tertentu.
  AR : seberapa besar risiko penyakit dpt dicegah jika bisa
menghilangkan paparan agen tsb
1) Attributable risk pd kel terpapar
ARe = Riske – Riskne
contoh :

71.1 20.5 50.6

AR = - =
100.000 100.000 1000

Sehingga dapat diinterpretasikan

bahwa perbedaan tingkat menunjukkan
tingkat kelebihan 50,6 kematian per
100.000 orang tahun yang terkait
dengan batas kolesterol tinggi jika
dibandingkan dengan kolesterol normal.

2) Attributable proportion pd kel terpapar

ARe % = ((Riske – Riskne )/ Riske ) x 100
Contoh :

Sehingga, dapat diinterpretasikan bahwa

37,9% morbiditas PJK di antara perokok
mungkin disebabkan oleh merokok dan
mungkin dapat dicegah dengan berhenti
merokok (Gordis, 2014).

28−17.4
ARe % = = 0.379 = 37.9%
28

b. Pada populasi
Rumus :
Riskpop = (Insidens pada perokok) (% Perokok pada populasi) +
(Insidens pada non perokok) (% Non perokok pada
populasi)

28 17.4 22.1
Riskpop = ( ) (0.44) + ( ) (0.56) =
1000 1000 1000

1) Attributable risk pada populasi

PAR = Riskpop – Riskne

 22.1 17.4 4.7
PAR = ( 1000 ) - ( 1000 ) = 1000

Sehingga dapat diinterpretasikan bahwa perbedaan tingkat

menunjukkan tingkat kelebihan 4.7 kasus PJK per 1000 orang
tahun yang terkait dengan merokok jika dibandingkan dengan
tidak.

2) Attributable Proportion pada populasi

PAR% = ((Riskpop – Riskne / Riskpop ) x 100
22.1−17.4
PAR% = = 21.3%
22.1
Sehingga dapat diinterpretasikan bahwa 21,3% dari kejadian
PJK dalam total populasi dapat dikaitkan dengan merokok, dan
jika program pencegahan yang efektif menghilangkan
merokok, hasil terbaik akan menjadi penurunan kejadian PJK
sebesar 21,3% dalam total populasi (yang mencakup perokok
dan bukan perokok)
 POPULASI DAN SAMPEL

A. Populasi dan Sampel

 Populasi : seluruh unit / subjek dlm penelitian yg akan dilakukan
Sampel : bagian dr populasi yg akan diukur nilai/karakterisasinya &
diasumsikan bisa mewakili seluurh populasi
 Tingkatan pemilihan subjek penelitian
6. Populasi target : populasi yg akan digeneralisasikan, bersifat ga tetap →
bisa dimodifikasi o/ informasi dari luar hasil penelitian
Ex : wilayah Tangsel, ibu yang melahirkan hidup
7. Populasi sumber : populasi yg subjeknya memenuhi syarat serta bisa
diukur
Ex : kecamatan di Tangsel, ibu yg melahirkan hidup & melahirkan di
PKM
8. Populasi eligible : anggota subjek yg akan menjadi subjek partisipan
penelitian → udh punya kriteria inklusi & eksklusi
9. Partisipan studi : idnividu dr populasi eligible yg datanya berkontribusi
u/ hasil penelitian pemilihan subjek ga hanya melihat seberapa luas
hasil penelitian bsia diterapkan tp jg u/ melihat validitas hasil penelitian
 Pemilihan subjek utama
1. Subjek harus benar2 terpajan biar ga bias
2. Subjek harus “newly exposed” / kasus insiden → subjek harus
terpajan langsung o/ agent penyebab saat penelitian. Dlm case
control, harus nunjukkin adanyanya outcome
3. Subjek harus representatif thd populasi eligible
4. Subjek harus dipilih agar info yg diperlukan bisa diperoleh dgn tepat
 Pemilihan subjek pembanding
1. Subjek pd kel kontrol harus bener2 ga terpajan. Dlm case conrol,
harus terbebas dr outcome yg ingin diteliti
2. Subjek harus dipilih agar info yg diperlukan bisa diperoleh dgn tepat
3. Harus representatif thd populasi eligible dgn kel yg ga terpajan / kel
kontrol dr populasi eligble yg sama dgn kel yg terpajan / kel kasus
4. Dalam cohort, kel terpajan memberi ukuran insiden rate dr outcome
selama invest pd kel terpajan. Fungsi kel pembanding → u/
memperkirakan insiden rate / tingkat kejadian pd subjek yg terpajan
seandainya mereka ga terpajan
5. Dalam case contorl, kel kontrol u/ memperkirakan frekuensi pajanan
thd faktor yg diduga penybab dlm case series tanpa ada hub antara
faktor pajanan & outcome yg menentukan case series
 Alasan penarikan sampel :
 1. Populasi snagat besar & butuh waktu lama jika dilakukan di seluruh
populasi
2. Unit populasi sifatnya homogen → perlu diwakilkan
3. Mengehmat biaya & waktu
4. Ketepatan pengukuran karna unit yg diteliti hanya sebagian populasi
5. Ada penelitian yg dlm melakukannya objek harus dihancurkan (ex:
ambil darah yg gabisa dipake lg)
B. Teknik Sampling

1. Probability sampling
 Dilakukan agar bisa digeneralisasi
 Perlu kerangka sampel
 Hal yang perlu diperhatikan :
- Tiap unit dlm populasi harus punya probabilitas yg sama u/
dipilih
- Peneliti gaboleh memprediksi unit mana yg akan dipilih jd
sampel
- Harus bisa menarik sampel yg mencakup tiap kombinasi unit
dr kerangka sampling (variasi)
 Jenis :
a. Simple random sampling
Bisa dilakukan pd populasi yg homogen secara
geografis tp ga terlalu menyebar
Langkah pertama yaitu bikin kerangka sampel lalu pilih
sampel secara ack dgn undian, tabel bilangan random,
atau program komputer
Kelebihan
- Ga akan bias seleksi
- Sangat mudah diambil jika populasinya kecil &
kerangka sampel udh ada
Kekurangan
- Butuh waktu lama jika populasi besar
 - Butuh tambahan biaya pengumpulan data u/
mastiin tiap unit adalah anggota populasi jika
kerangka sampel gaada
b. Systematic random sampling
Sering dipake jika populasi snagat besar & penomoran
tiap entri terlalu makan waktu
Syarat : populasi homogen & punya pola beraturan
seperti blok2 rumah / no urut pasien.
Langkah-langkah :
- Populasi : jml sampel u/ menghasilkan nilai internal
(k)
K = N/m (N= jml populasi; m= jml sampel)
- Sampel pertama dipilih acak, lalu sampel
selanjutnya dipilih dgn nambah nilai k pd angka yg
terpilih
Kelebihan
- Ambil sampel cepat & mudah
- Mudah digunakan dgn kerangka sampel sudah
tersedia
Kelemahan → punya potensi bias seleksi
c. Stratified random sampling
Jika unit2 di dlm strata diketahui. Ppopulasi dibagi ke
bbrp strata → sampel diambil secara acak.
Hal yg perlu diperhatikan :
- Sampel di strata harus sehomogen mungkin
- Sampel antarstrata harus seheterogen mungkin
- Sampel diambil secara proporsional berdasar
besarnya unit yg terdapat dlm strata &
antarstrata
- Unit sampel di strata diambil secara acak
Kelebihan
- Gada bias pengambilan sampel
- Ga akan punya kesalahan pengambilan sampel pd
variabel yg digunakan bertingkat
Kelemahan
- Kerangka sampel harus punya informasi populasi
u/ netepin sampel ke dlm strata yg sesuai
- Butuh tambahan biaya pengumpulan data jika
unit yg dipilih ditolak karna kuota strata udh
penuh
d. Cluster random sampling
Membagi populasi ke dlm kluster dgn asumsi tiap
klaster punya semua variasi yg akan diteliti
Jika subjek penelitian menyebar secara geografis
 Tiap klaster dipilih acak & unit sampel yg akan diambil
dari klaster terpilih sesuai dgn proporsi jml pdd di
klaster
Syarat-syarat pengambilan sampel :
- Di dalam klaster harus sehomogen mungkin
- Antar klaster harus seheterogen mungkin
Kelebihan → mengurangi biaya yg dikeluarkan u/
pengumpulan data
Kelemahan
- Butuh bbrp info u/ bikin kerangka sampel
- Ga diketahui jika ada bias sampel
- Validitas generalisiasi bergantung keterwakilan
sampel
e. Multistage random sampling
Jika populasi snagat besar & secara geografis menyebar
& areanya luas.
Langkah-langkah :
- Tentuin area populasi berdasar administrasi
- Pilih area populasi di area gugus bawahnya
- Area gugus bawah dipilih lg secara acak hingga
gugus paling kecil
Kelebihan
- Mengurangi kerumitan pengambilan sampel pd
populasi yg besar
- Bisa dipake tanpa ada kerangka sampling,
kualifikasi / pertanyaan saringan
Kekurangan → mungkin terjadi bias pemilihan
sampel jika info yg tersedia terbatas
2. Non probability sampling
 Ga semua unsur di populais punya kesempatan yg sama u/ terpilih jd
sampel
 Hasil penelitian sulit digeneralisasi
 Ga perlu kerangka sampel
 Jenis :
a. Purposive sampling
Teknik pengambilan sampel dgn bbrp pertimbangan
tertentu yg sesuai tujuan penelitian
Ada krietria khusus yg diberikan thd sampel
Sampel ditentukan o/ org yg sangat paham populasi yg
akan diteliti
Kelebihan :
- Subpopulasi yg dipilih dpt dipelajari
- Pengambilan sampel lebih murah, mudah diakses, lbh nyaman &
hanya pilih individu yg relevan dgn penelitian
 Kelemahan → gabisa mewakili populasi, sulit digeneralisasi
b. Accidental / convenience sampling
Dilakukan ga terencana & ga berdasarkan pd metode baku
Misal sampel dipilih di jalan secara kebetulan & mereka
bersedia dan pd waktu & situasi yg tepat
Kelebihan
- Murah & mudah dapet sampel
- Ga butuh kerangka sampling
Kelemahan
- Sampel bias ga diketahui jumlah & arahnya
- Validitas generalisasi bergantung pd asumsi keterwakilan sampel
c. Quota sampling
Jml sampel sebelumnya ditentukan dulu o/ peneliti
Penentuan kuota ga u/ mewakili populasi
Pengumpulan data dilakukan hingga jml sampel yg sesuai
kriteria telah tercapai
Kelebihan
- kuota sampel berlebih bisa memberi informasi2 tentang
subpopulasi kecil pd populasi umum
- Subpopulasi yg dipilih bisa dipelajari
Kelemahan → sampel yg dipilih ga mewakili populasi →
gabisa digeneralisasi tanpa pembobotan
d. Snowball sampling
Dilakukan dgn bbrp tahapn
Dianggap sebagai pengambilan sampel ga disengaja thd
populasi khusus yg sulit ditemukan
Pengumpulan data awalnya pd 1 / bbrp org, lalu pd akhir
pengumpulan data peneliti minta informasi kontak / calon
responden selanjutnya
Respondne yg berpotensi lalu dihubungi, diwawancarai,
dimintai informasi kontak lain

C. Generalisasi
Validitas internal : ukuran sberapa mudah perbedaan hasil antara kedua kel bisa
dikaitkan dgn efek paparan / intervensi
Validitas eksternal : mengacu pd cara dmn hasil penelitian bisa digeneralisasi ke
populasi yg lebih luas
Generalisasi :
 proses dmn peneliti bisa mengambil kesimpulan, didasarkan pd pengamatan
sejumlah kasus & memperluas kesimpulan u/ mencakup semua kasus2 lain yg
ga teramati yg masuk dlm kategori yg sama
 istilah lain u/ validitas eksternal
 kelebihan : efisien, bermasalah jika sampel penelitian ga mewakili ke populasi
yg besar
 Confounding

A. Pengertian
 Confounding : efek pemaparan yg diteliti pd hasil tertentu dicampur dgn efek
faktor tambahan → distorsi hub yg sebenarnya
 Terjadi ketika distribusi faktor prognosis yg diketahui berbeda diantara kedua
kel yg dibandingkan

B. Karakteristik
1. Faktor confounding memprediksi hasil bahkan tanpa ada eksposur. Meskipun
faktor confounding potensial bisa jd penyebab. Syarat utama : ada hub
independen dgn faktor & hasil bahwa faktor confounding potensial bukan
hasil
2. Faktor confounding dikaitkan dgn eskposur yg sedang diteliti tp bukan
pengganti eksposur. Dalam uji klinis, confounding merupakan hasil dr
distribusi yg ga merata dr faktor confounding potensial dgn kel independen
3. Confounding tidak bisa jd perantara antara eksposur dgn hasil

C. Cara mengkontrol
1. Modifikasi desain penelitian
a. Randomisasi subjek
 Mengontrol variabel2 seleksi dgn tanpa mengidentifikasi
terlebih dahulu
 u/ menghindari kemungkinan munculnya perbedaan tipe org yg
dipilih jd anggota terdapat dlm kel kontrol ataupun pengendali
b. Memilih subjek secara ketat
 Dgn membatasi karakteristik populasi → peneliti bisa membatasi
karakteristik sampel
 Pembatasan ini menghasilkan karakteristik yg sama pd populasi
& jika ditarik sampel → sampel punya karakteristik yg sama
c. Menentukan kriteria inklusi sesuai tujuan penelitian
Matching pemasangan antara kasus & kontrol bisa dilakukan pd bbrp
var yg berpotensi sebagai confounder.
Restriksi, matching, randomisasi
2. Analisis data
a. Analisis stratifikasi
 Dipakai u/ mengontrol perancu berdasar faktor yg dicurigai
sebagai perancu
  Interaksi / modifikasi efek : asosiasi antara prediktor &
keluaran bervariasi pd berbagai tingkat faktor ketiga
 Effect modifier gaperlu disingkirkan sebagai perancu tp perlu
dielaborasi / diperjelas maknanya
b. Analisis multivariat
 Menggambarkan asosiasli antar var u/ mengisolasi efek
prediktor thd keluaran
 Dlm penelitian klinis, yg paling sering dipake yaitu regresi
multipel & regresi logistik
 Bisa diket asosiasi antara var dgn menyingkirkan var lain
Restriksi, stratifikasi, dan multivariat
D. Dampak
 Confounding bisa jd masalah besar pd studi observasional yg ga acak
 Dampak confounding :
1. Perkiraan asosiasi / efek pengobatan yg salah
2. Sulit menetapkan hub sebab akibat antara pengobatan & hasil
3. Menjadi penentu arah & hub antara eksposur & outcome
 Bias dan Error
A. Error
1. Definisi
Error : kesalahan dr hasil pengukuran dlm suatu studi / percobaan
a. Random error
 Variasi pengukuran yg gapunya kaitan jelas dgn pengukuran /
variabel lain
 Terjadi secara kebetulan
b. Systematic error / bias
 Proses studi yg sistematis mengarah ke hasil yg berbeda dr
kebenaran
2. Tipe-tipe
a. Error tipe 1
 Kesalahan yg terjadi saat peneliti menolak hipotesis null (Ho) yg
benar
 Terjadi ketika peneliti menyatakan “terdapat perbedaan/hub”
saat hasil penelitian yg sebenarnya ga menunjukkan hub
b. Error tipe 2
 Kesalahan yg terjadi saat peneliti menerima hipotesis null (Ho) yg
salah
 Terjadi ketika peneliti menyatakan “gada perbedaan/hub” saat
hasil penelitian yg sbnrnya menunjukkan adanya hub
c. Error tipe 3
 Kesalahan dlm menilai variasi antar individu dlm suatu populasi /
periode waktu
 u/ mengurangi terjadi error → perlu analisis bbrp kel populasi
B. Bias
1. Definisi
 Bias : systematic error yg nyebabin hasil penelitian berbeda dr
kejadian sebenarnya
 Bias : kesalahan dlm penilaian hub antara paparan & efek / outcome
dlm target populasi
 Bias : proses yg mengarah pd penyimpangan kesalahan dlm konsepsi
& desain penelitian / pengumpulan, analisis, interpretasi, pelaporan,
publikasi, tinjauan data – mengarah pd hasil / simpulan yg secara
sistematis berbeda dr kebenaran
2. Karakteristik
a. Dapat terjadi pd tiap tahap penelitian
 b. Bisa dicegah, sulit dikendalikan
c. Bisa dievaluasi
d. Gabisa dikurangi dgn sample size
e. Punya arah yg sering gabisa diperkirakan
3. Tipe-tipe
a. Bias seleksi
 Perbedaan sistematika antara populasi penelitian yg dipilih &
populasi yg ga dipilih, yg dihasilkan dr cara pemilihan populasi
penelitian &/ dr faktor2 yg mempengaruhi partisipasi studi →
menyebabkan distorsi estimasi efek
 Bisa muncul karna definisi populasi eligible yg buruk, kurang
akurasi sampling frame, prosedur diagnostik yg ga merata dlm
populasi target
 Contoh :
1) Prevalence-incidence bias
- Terjadi karna penggunaan data prevalensi/insiden yg ga
tepat
- Biasanya pd studi case control & cross sectional
2) Admission rate (berkon’s) bias
- Biasa terjadi pd case control berbasis rumah sakit
- Penyebab :
Penyakit tertentu berpeluang > u/ dirawat di RS
dibanding penyakit lain → peluang kasus u/
dirawat inap & kontrol u/ dirawat inap ga sama
Org yg mengalami > 1 penyakit / punya penyakit
kedua (komplikasi), berpeluang > u/ dirawat inap
3) Non response bias
- Bisa terjadi dlm semua studi, tp studi observasional lbh
rentan
- Karna penolakan berpartisipasi → mempengaruhi
tingkat partisipan kasus & kontrol / terpapar & ga
terpapar
b. Bias informasi / measurement bias
 Terjadi pd tahap pengumpulan data
 Distorsi estimasi efek karna kesalahan pengukuran /
misklasifikasi subjek menurut 1 var / lebih
 Bias informasi yg paling penting : bias misklasifikasi
1) Non-differential : kinerja tes diagnostik dlm kasus &
kontrol sama → selalu mengarah bias negatif
(underestimate)
2) Differential : kinerja uji diagnostik u/ identifikasi paparan
berbeda antara kasus & kontrol →
underestimate/overestimate
C. Dampak dan contoh
1. Dampak error
 Error biasanya terkait dgn pemilihan subjek penelitian → error disebut
validitas eksternal
 Makin besar error, makin sulit mendeteksi perbedaan sejati dlm
faktor yg dinilai antar kel2 yg dibandingkan dlm situasi ekstrim
 Jika pengukuran ga akurat → nilainya ga berhub dgn nilai yg
sebenarnya dari faktor yg dinilai → gakan bisa mendeteksi perbedaan
diantara subjek
2. Dampak bias
 kel Mengakibatkan distorsi (melenceng) penaksiran parameter
populasi sasaran berdasar parameter sampel
a. Mengakibatkan penaksiran hub antara paparan thd penyakit yg lbh
rendah drpd sesungguhnya (underestimate)
b. Mengakibatkan penaksiran hub antara paparan thd penyakit yg lbh
tinggi drpd sesungguhnya (overestimate)
c. Mengakibatkan distorsi penaksiran pengaruh paparan thd penyakit
akibat cara memilih subyek penelitian / cara memperoleh,
melaporkan, mengukur, mencatat, mengklasifikasi & menginterpretasi
info tentang subyek penelitian
3. Contoh bias
a. Bias seleksi
 Karna sampel ga dipilih secara acak dr populasi aktual /
mungkin sudah dipilih dr populasi aktual tp karakteristik
populasi aktual berbeda dgn karakteristik populasi target yg
sesungguhnya
b. Bias informasi
 Disebabkan karna ketidakakuratan info yg diperoleh tentang
var. Penelitian.
 Tipe-tipe :
1) Bias instrumen : karna ketidakakuratan kalibrasi
instrumen pengukuran
2) Bias insentif : karna alat ukur ga peka u/ deteksi
perbedaan nilai-nilai yg ada
3) Bias ingatan : karna kurangnya kemampuan mengingat
responden
c. Bias pewawancara (interviewer bias)
 Karna pewawancara mengumpulkan, mencatat &
menginterpretasikan info tentang paparan/penyakit subjek
penelitian → kecenderungan pewawancara dpt jawaban/info
yg mendukung sangat bisa dilakukan
 Bisa diatasi dgn menerapkan blinding thd asisten peneliti yg
bertugas mewawancarai subyek peneliti → pewawancara ga
tau hipotesis penelitian hub paparan & penyakit
d. Bias follow up (loss to follow up bias)
 Terjadi pd studi kohort karna hilangnya anggota kohort selama
jangka waktu follow up
 Bisa dihindari dgn memilih populasi umum yg punya batasan
jelas, catatan kependudukan teratur & selalu diperbaharui
 Chance Variation

A. Pengertian chance variation

 Variasi chance : variasi acak dlm bbrp item yg dihasilkan dlm setiap proses
 Disebabkan bbrp penyebab yg bisa ditetapkan & biasanya menghasilkan efek
buruk pd kualitas item yg dihasilkan. Contoh: perangkat lunak yg salah, mesin
yg rusak, kesalahan manusia, dst
 Dilihat dari CI

B. Confidence intervals (CI)

 Efek dalam suatu studi kurang bisa memastikan apakah nilai yang diberikan
merupakan nilai sebenarnya dari efek intervensi atau hanya terjadi secara
kebetulan
 Distribusi sampling dik 95% dari semua studi yg mungkin memberi perkiraan
yg terletak 1,96 SE di kedua sisi nilai sebenarnya
 Jadi, ada 95% probabilitas bahwa kisaran ini (1,96 SE di kedua sisi ukuran efek
studi) termasuk nilai sebenarnya

- Interval kepercayaan bisa dipake sebagai pengujian menentukan apakah

mena / proporsi berbeda secara signifikan dr nilai tetap
- Untuk meliat apakah OR/RR berbeda secara signifikan dari rasio 1,0 (gada
perbedaan)
- Jika RR = 1,7 dengan 95% CI antara 0,92 dan 2,70 → tidak akan berbeda
secara signifikan dari 1,0, jika α=0,05, karna CI mencakup 1,0
- CI memberi nilai yg sama dgn P, tp melampauinya karena menunjukkan
kisaran nilai dgn kepercayaan 95% yang mungkin mengandung nilai yang
mewakili efek “sebenarnya” dari intervensi
 - Jika CI sempit → efek sebenarnya dlm kisaran kecil nilai yg mungkin
Jika CI leba, bahkan jika signifikan → efek sebenarnya terletak dlm kisaran
nilai yg luas

C. Penyebab Kesalahan Acak (Random Error)

 Tidak bisa diprediksi
 Dikaitkan dgn variasi dr peluang yg ada dlm semua penelitian & gabisa
dihilangkan
 Pd penelitian medis, mengacu pd kondisi biologis yg bervariasi antara 1
pasien dgn pasien lain, pengukuran pasien yg sama dr 1 waktu ke waktu lain,
dari 1 pengukuran lain pd pasien yg sama & waktu yg sama
 Variasi acak lain: kesalahan pencatatan data yg ga terdeteksi (penempatan
desimal yg salah, angka terbalik, kesalahan transkripsi pd formulir & laporan
klinis)

D. Dampak Random Error (Chance)

1. Memungkinkan terjadi variasi pd hasil penelitian
 Jika suatu penelitian dilakukan berulang, ada kemungkinan hasilnya
bervariasi walau tidak mengubah cara memilih subjek, mengukur
variabel, atau mengendalikan confounding
 Variasi ini terjadi karena konsekuensi logis dari proses sampling
 Systematic eror berdampak pd validitas (keabsahan, kesahihan,
kebenaran) dan random eror berdampak pada reliabilitas (keandalan).
2. Mempengaruhi presisi (ketelitian) suatu estimasi (penaksiran)
 Salah satu indikator variasi random = galat baku
 Semakin kecil galat baku maka semakin kecil tingkat kemlesetannya →
CI estimasi thd parameter populasi semakin kecil
 CI memberi informasi seberapa tepat suatu estimasi dlm memprediksi
tingkat populasi. Semakin sempit CI maka semakin tepat.

E. Kesalahan Tipe I (α) dan Tipe II (β)

 Kesalahan tipe I (positif palsu) terjadi jika penyidik menolak hipotesis nol yg
sebenarnya benar
 Kesalahan tipe II (negatif palsu) terjadi jika penyidik gagal menolak hipotesis
nol yg sebenarnya salah
 Contoh :
• Tujuan : Mengetahui hubungan Tamiflu dan psikosis dengan α = 0,05
• Peneliti menetapkan 5% sebagai peluang maksimum untuk salah menolak
hipotesis nol (dan secara keliru menyimpulkan bahwa penggunaan Tamiflu dan
kejadian psikosis dikaitkan dalam populasi.
• Jika β = 0,10, peneliti memutuskan bahwa bersedia menerima peluang 10%
untuk kehilangan asosiasi (hubungan) ukuran efek antara Tamiflu dan psikosis.
Ini mewakili kekuatan 0,90, yaitu, 90% kemungkinan menemukan asosiasi
ukuran itu.

 menghilangkan kemungkinan hasil positif palsu & negatif palsu. Dalam

praktiknya, α dan β dibuat sekecil mungkin. Untuk menguranginya perlu
peningkatan ukuran sampel.
 Banyak studi menetapkan α=0,05 dan β=0,20 (kekuatan 0,80). Adapun kisaran
konvensional α = 0,01 - 0,10; dan β = 0,05 - 0,20.

F. Meminimalisir variasi acak (meningkatkan presisi)

1. Meningkatkan ukuran sampel menjadi lebih besar
a. Meningkatnya ukuran sampel, kesalahan acak & variabilitas menurun &
kemampuan mendeteksi perbedaan yg signifikan secara statistik &
menghasilkan estimasi parameter populasi yg lebih tepat (presisi) →
rentang CI lebih sempit
b. Ukuran sampel berkaitan dgn random error tetapi tidak dengan
systematic error
2. Memperbaiki prosedur pengambilan sampel
3. Kurangi variabilitas pengukuran menggunakan protokol pengukuran yg lebih
ketat, instrumen yg lebih baik
4. Menggunakan metode analitik yang lebih efisien secara statistik
 Diagnosis of Causation

A. Deskripsi Umum
1. Apa exposure atau intervensinya?
2. Apa outcomenya?
3. Apa desain studi yang digunakan?
4. Apa populasi studinya?
5. Apa hasil utamanya?

Exposure Menstruasi dan Faktor Reproduksi

Outcome Kanker Payudara
Design Study Case control
Study Population Dalam studi ini, total 474 wanita (237 kasus dan 237 kontrol yang
sesuai usia) direkrut antara Januari 2014 dan April 2015. Kelompok
kasus merupakan pasien yang baru-baru ini terdiagnosis kanker
payudara yang terkonfirmasi secara histologis, dirawat di Pusat
Onkologi Medis di RS Universitas di Fez. Sedangkan kelompok
kontrol adalah wanita sehat tanpa riwayat kanker yang telah
disesuaikan dengan kelompok kasus berdasarkan usia.
Main Result Menarche dini dan nulliparitas secara signifikan memiliki hubungan
dengan peningkatan risiko kanker payudara, sedangkan kehamilan
pada usia muda dikaitkan dengan penurunan risiko kanker
payudara.

B. Validitas Internal – pertimbangan penjelasan non causal

6. Apakah hasil cenderung dipengaruhi oleh bias observasi?
 Dapatkah hasil penelitian muncul karena bias observasi, jika tidak ada
perbedaan nyata antara kelompok yang dibandingkan?
 Jika terdapat bias observasi yang parah, tidak ada manipulasi internal
data yang akan mengatasi masalah
7. Apakah hasil cenderung dipengaruhi oleh confounding?
 Apakah hasil menunjukkan perbedaan yang sebenarnya, apakah itu
karena faktor perancu daripada faktor penyebab yang diduga?
 Jika ada perancu, analisis data yang sesuai dapat menunjukkan dan
mengontrolnya (perlu untuk menilai apakah analisis tersebut sudah
dilakukan).
8. Apakah hasil cenderung dipengaruhi oleh chance variation?
 Apakah hasil menunjukkan perbedaan sebenarnya, tapi yang terjadi
secara kebetulan, tidak ada hubungan umum antara eksposur dan
hasil?
 Penilaian chance variation harus dilakukan pada hasil utama penelitian,
setelah dilakukan pertimbangan bias dan mengontrol confounding.
C. Validitas internal – hubungan kausal
9. Apakah time relationship nya sudah benar?
 Suatu hubungan kausal harus menunjukkan sekuen waktu yang jelas,
yaitu exposure mendahului efek outcome. Untuk mengetahui sebuah
faktor merupakan kausa penyakit, harus dipastikan paparan tersebut
berlangsung sebelum terjadinya penyakit.
 Pada studi prospektif, kelompok terpapar dibandingkan kelompok tidak
terpapar, harus dipastikan apakah subjek belum memiliki outcome
sebelum penelitian dilakukan.
 Pada studi restrospektif time relationship nya lebih lemah karena
mempertimbangkan kemungkinan faktor-faktor penyebab terjadi
setelah outcome berkembang.
 Sebuah penelitian mungkin tidak dapat menunjukkan hubungan karena
skala waktunya tidak memadai.
 Contoh : perbandingan pengobatan memberi hasil yang tidak relevan
jika didasarkan tindak lanjut yang singkat dan efek jangka panjang yang
ditimbulkan dari suatu paparan akan menimbulkan bias apabila
penelitian dilakukan dalam jangka waktu yang singkat.
10. Apakah hubungannya kuat?
 Menggambarkan ukuran asosiasi yang telah diperhitungkan dengan
tepat efeknya, meliputi (perbedaan risiko, relative risk, odds ratio).
 Semakin kuat hubungan asosiasi maka semakin besar kemungkinan
hubungan kausalitasnya.
11. Apakah terdapat hubungan dosis-respons?
 Perubahan intensitas paparan yang selalu diikuti perubahan frekuensi
penyakit meningkatkan kesimpulan hubungan kausal.
 Contoh: Risiko kanker paru meningkat sesuai bertambahnya jumlah
batang rokok, keyakinan hubungan kausal antara merokok dengan
kanker paru semakin kuat.
12. Apakah hasil penelitiannya konsisten?
 Apakah asosiasi yang diamati memiliki hasil yang sama pada subjek dan
lingkungan yang berbeda.
 Semakin konsisten dengan pengamatan lain yang dilakukan pada
populasi dan lingkungan yang berbeda, maka semakin kuat hubungan
kausalnya.
 Contoh: penelitian dengan metode yang berbeda membuktikan hal
yang sama, meskipun berbeda populasinya.
13. Apakah di dalam penelitian terdapat spesifisitas?
 Apakah suatu paparan mengarah ke hasil tertentu. Faktor kausal hanya
menghasilkan sebuah penyakit dari sebuah kausa tunggal.
 Semakin spesifik efek suatu paparan maka semakin kuat kesimpulan
hubungan kausalnya.
  Semakin spesifik penyebabnya maka semakin kuat kesimpulan
hubungan kausalnya.

Kesimpulan
- Keputusan positif → hasil diterima sebagai ukuran yang valid dari hubungan
sebenarnya dalam subjek yang diteliti & jika ada keterkaitan antara paparan
dan hasil → dianggap sebagai kemungkinan karena hubungan sebab akibat.
- Keputusan negatif → satu atau lebih penjelasan non-kausal cenderung
berlaku; hubungan yang dilihat adalah karena bias pengamatan, perancu,
atau kebetulan, dan harus dapat menentukan kemungkinan bias atau faktor
perancu.

D. Validitas eksternal – generalisasi hasil

- Jika validitas internal sangat kurang → tidak perlu melanjutkan langkah
berikutnya.
- Jika hasil penelitian tidak valid untuk kelompok yang diteliti →
pengaplikasian untuk kelompok lainnya pun tidak relevan
- Jika penelitian cukup valid & terdapat hubungan sebab akibat →
mempertimbangkan validitas eksternal

14. Bisakah hasil studi diaplikasikan untuk populasi eligible?

15. Bisakah hasil studi diaplikasikan untuk populasi sumber?
16. Bisakah hasil studi diaplikasikan untuk populasi lain yang relevan?

 Hilangnya partisipan harus dipertimbangkan karena bisa tidak acak →

berpengaruh ke generalisasi hasil. Alasan hilangnya partisipan juga bisa
berkaitan dengan eksposur atau hasil.
 Bukan hanya apakah subjek yang diteliti adalah 'khusus' atau 'representatif',
tapi apakah hubungan antara hasil & paparan yang diberikan cenderung
berlaku untuk kelompok lain
 Penilaian penerapan hasil perlu lebih spesifik tentang faktor-faktor yang
mungkin mempengaruhi suatu hubungan.
 Kesulitan penerapan hasil dari satu populasi studi ke populasi lain
dipengaruhi fisiologi dasar, aspek budaya dan psikososial dominan.

E. Perbandingan hasil dengan bukti lain

Hirarki bukti
Penting u/ mempertimbangkan karna sebuah penelitian itu dilakukan secara
memadai sesuai keterbatasan rancangan / desain yg digunakan, keandalan informasi
dari studi tersebut dapat diurutkan berikut ini:
a. Uji Intervensi Acak
 Jika dilakukan dgn benar pada jumlah sampel yang memadai, tentu penelitian
dilakukan pada manusia. Hasil dari penelitian ini harus diberi bobot keandalan
informasi terbesar karena punya kelebihan yaitu dalam mengatasi masalah
bias dan confounding.
b. Penelitian Cohort, Case control
Penelitian kohort lebih terdepan dibandingkan case-control. Jika penelitian
kohort dilakukan dengan baik, seharusnya biasnya rendah & memberikan bukti
yang lebih jelas terkait time relationship dalam sebuah hubungan, serta
memiliki kelompok pembanding yang hasilnya mudah untuk ditafsirkan.
Namun, keduanya bisa bermasalah → case-control yang baik lebih bernilai
dibandingkan kohort yang buruk.
c. Studi Perbandingan Lain
Studi ini membandingkan kelompok subjek yang tidak dipilih secara spesifik
untuk tujuan studi tetapi mewakili populasi atau kelompok subjek yang
berbeda. Ini termasuk studi korelasi populasi → data tiap individu tidak dinilai
secara terpisah & perbandingan informal antara pasien di RS yang berbeda,
pasien yang dirawat pada periode waktu yang berbeda, dan sebagainya.
d. Case series, Descriptive studies, Clinical experience, dll
Desain ini sebagian bersifat anekdot/unreliable → belum tentu benar/dapat
diandalkan, karena berdasarkan ingatan yang tidak sistematis tentang
pengalaman pribadi/kelompok (sering disebut sebagai ‘penilaian klinis’),
kesimpulan berdasarkan praktik tradisional, dan informasi dari spesies lain,
pengujian in vitro, prinsip fisiologis dasar, dan penilaian tidak langsung lainnya.

17. Apakah hasilnya konsisten dengan bukti lain, terutama bukti dari studi
dengan desain studi serupa atau lebih kuat?
Penelitian dikatakan konsisten jika ada asosiasi yang sama dalam sejumlah
penelitian yang berbeda & punya variasi cukup dalam kelompok metodologi
& studi → tidak mungkin bias & counfounding berlaku dalam semua
penelitian.

18. Apakah total bukti menunjukkan adanya kekhususan?

 U/ melihat adanya perbedaan antara 2 studi diinterpretasikan sebagai
inkonsistensi / spesifisitas bergantung pada apakah perbedaan
tersebut diantisipasi o/ hipotesis yang dibuat sebelum dilakukan
perbandingan.
 Jika tidak, tapi mekanisme masuk akal dapat ditemukan / jika
perbedaan ditemukan secara konsisten → hipotesis dapat dimodifikasi
u/ memperhitungkan kekhususan yang telah ditunjukkan →
menciptakan hipotesis baru yg harus dinilai dengan studi independen
lanjut.

19. Apakah hasilnya masuk akal, dalam kaitannya dengan mekanisme biologis?
  Mengacu pada asosiasi yang diamati secara biologis dapat dipahami
berdasarkan pengetahuan terkini mengenai kemungkinan
mekanismenya.
 Pertimbangan masuk akal dapat menunjukkan bias / faktor perancu
yang harus dipertimbangkan.
20. Jika efek utama ditampilkan, apakah itu koheren dengan distribusi eksposur
dan hasilnya?
 Asosiasi dianggap koheren jika sesuai dengan ciri umum distribusi
paparan & hasil penelitian
 Jika kanker paru-paru disebabkan merokok, frekuensi kanker paru-
paru pada populasi yang berbeda & dalam periode waktu yang
berbeda harus berhubungan dengan frekuensi merokok pada populasi
tersebut pada periode waktu tertentu.
 Hal ini mengasumsikan bahwa keterpaparan dan hasilnya sama pada
populasi yang berbeda & berlaku hanya jika proporsi outcome yang
tinggi pada mereka yang terpapar.
 Jika faktor penyebab hanya sebagian kecil dari seluruh penyakit,
pengaruh luar biasa dari faktor-faktor lain dapat membuat pola
keseluruhan tidak konsisten.
Penerapan lebih lanjut dari konsep ini
Validitas internal
apakah bukti yang diberikan dalam penelitian
ini mendukung hubungan kausal?

If yes If no

Apa hubungan ini, dalam Penjelasan lain apa yang ada

kaitannya dengan agen penyebab, untuk hasil yang diamati?
hasil, dan populasi yang
menerapkannya?

Penerapan lebih lanjut

Pada konsep ini tentu banyak hubungan penting yg belum tentu merupakan jenis sebab
akibat & ada jenis data lain yang dapat dipertimbangkan.
1. Asosiasi bisa bermanfaat meski bukan kausal
 Jika sudah menetapkan suatu penelitian memiliki hubungan meskipun bukan
kausal, namun informasi ini sangat berharga
  Khususnya subjek diagnosis yg menarik bergantung pd asosiasi yg dpt
diandalkan yg bukan hubungan kausal.

2. Aplikasi untuk studi populasi dan parameter fisiologis atau biokimia

a. Aplikasi untuk studi populasi
 Studi individu / suatu penelitian memberi kontribusi 1 eksposur & 1
peristiwa hasil.
 Pada studi populasi, hubungan sebab akibat sering disarankan &
kadang dinilai, dgn membandingkan data kel populasi yg
berbeda→statistik rutin dari kejadian penyakit, morbiditas, atau
kematian kasus
 Studi semacam itu menghasilkan perbandingan antara tingkat
keterpaparan & tingkat hasil dalam populasi, tanpa punya data yang
menunjukkan individu
b. Aplikasi untuk parameter fisiologi / biokimia
 Hasil yg didasarkan serangkaian pengukuran fisiologis / biokimia
dalam diri seseorang.
 contoh : bagaimana hubungan sebab-akibat antara temperatur luar
biasa & aliran darah perifer?
 Proses pengukuran bisa pd suhu yg berbeda, tp jauh lebih efisien
membandingkan individu yg sama, membuat serangkaian pengukuran
aliran darah perifer sementara memvariasikan suhu eksternal.

Penerapan skema dalam merancang suatu penelitian

Skema ini bisa dipake dalam desain studi. Pendekatan umum untuk desain
penelitian → peneliti harus mencoba proyeksi ke depan tepat waktu ke titik
dimana penelitian telah selesai & hasilnya telah disusun.
Berguna bagi peneliti untuk mempertimbangkan semua kemungkinan jenis
hasil → asosiasi positif / arah yang diharapkan, tidak ada asosiasi / negatif,
atau berlawanan dengan arah yang diharapkan.
Studi yg dirancang dengan baik adalah peneliti bersedia menerima &
menindaklanjuti hasil, meskipun hasilnya berbeda dari hasil yang diharapkan.