PURWIGA – AMP 2112013 JS

MODUL & RANGKUMAN

KONSEP DASAR PENELITIAN DAN RANCANGAN
ANALISIS DATA

OLEH:

PURWIGA

FAKULTAS KEDOKTERAN UNIVERSITAS PADJADJARAN

TAHUN 2016
Untuk kepentingan sendiri, tidak untuk diperbanyak
 PURWIGA – AMP 2112013 JS
BAB I
FILOSOFI PENELITIAN
1.1 PENDAHULUAN

 Semua ilmu bersumber dari Al-Quran. Secara umum berkembang menjadi dua, yaitu: ilmu pengetahuan
alamiah dan ilmu pengetahuan budaya
 Ilmu tidak akan berkembang tanpa penelitian, sebaliknya penelitian tidak akan ada tanpa kerangka ilmu
tertentu.
 Ilmu adalah sebuah filosofi, sedangkan penelitian merupakan tindakan (action)
 Seorang dokter adalah konsumen ilmu pengetahuan, sedangkan seorang peneliti adalah produsen ilmu
pengetahuan
 Tujuan penelitian adalah meningkatkan derajat kesehatan manusia melalui praktek Evidence Based
Medicine
 Fungsi Komite Etik
o Membatasi perilaku peneliti mengembangkan ilmu untuk ilmu
o Conflict of interest
 Siklus perkembangan Ilmu:

Teori Fakta/Fenomena

Thalidomide merupakan obat Banyak bayii yang terlahir cacat (anggota

immunomodulator untuk ekstremitas tidak lengkap) pada Ibu yang
mencegah penyakit tertentu. memiliki riwayat mengonsumsi
Selain itu, thalidomide juga Thalidomide untuk mengurangi
mempunyai efek anti-emetik mual/muntah

Kesenjangan
DEDUKTIF (UMUM  KHUSUS)
INDUKTIF (KHUSUS  UMUM)

Perumusan Masalah

TEORI BARU Penelitian

Latar Belakang, Konsep, Hipotesis, Metode

Penelitian, dan lainnya

Kesimpulan

Thalidomide merupakan penyebab kecacatan karena dapat

Untuk kepentingan
mengikat sendiri,
Protein Cereblon tidak untuk
(CBRN) diperbanyak
yang berperan dalam
organogenesis
 PURWIGA – AMP 2112013 JS
BAB II
ANATOMI DAN FISIOLOGI PENELITIAN
2.1 PENDAHULUAN

 Sebuah penelitian, dapat dipecah menjadi dua bagian, yaitu secara Anatomis dan Fisiologis
o Anatomi Penelitian
 Bagaimana struktur/protokol penelitian?
 Tujuan utama untuk membuat sebuah penelitian yang dapat dijalankan (feasible), efisien,
dan sebanding dengan biaya (cost-effective)
 Tujuan lainnya untuk memperoleh dana melalui proposal
o Fisiologi Penelitian
 Bagaimana sebuah penelitian bekerja?
 Tujuan utama untuk memimalisasi kesalahan (error), baik yang random maupun systematic

2.2 ANATOMI PENELITIAN:

No Bagian Keterangan
1 Research Question  Merupakan objektif penelitian
 Ketidakyakinan yang ingin diketahui kebenarannya
 Harus bersifat dari general ke spesifik
 Karakteristik research question yang baik adalah akronim FINER (Feasible,
Interesting, Novel, Characteristic, Relevant)
2 Background  Apa yang saat ini sudah diketahui?
 Mengapa pertanyaan itu begitu penting?
 Bagaimana penelitian-penelitian sebelumnya? Bagian mana yang belum terjawab
dengan jelas?
 Apa yang akan disajikan dari penelitian ini?
3 Design  Observasional atau eksperimental?
 Cross sectional, cohort, case control, clinical trial?
4 Subjects  Siapa saja subjeknya? (kriteria inklusi dan eksklusi)
 Bagaimana mereka dipilih (metode pemilihan sample)
5 Variables  Predictor/independent  Penyebab (Kopi)
 Confounding  Perancu (Rokok)
 Outcome/dependent  Akibat (Penyakit Jantung)
6 Statistical  Hipotesis?
 Besar sample penelitian?
 Pendekatan analisis yang digunakan?

Feasibility : Tersedia subjek, dana, sdm, alat, keahlian

Interesting : Menarik bagi peneliti (motivasi)
Novel : Mengemukakan hal baru, membantah/mengkonfirmasi penemuan terdahulu

Ethical : Tidak bertentangan dengan etika

Relevant : Untuk pengembangan ilmu pengetahuan, peningkatan tata laksana pasien, penelitian-penelitian selanjutnya

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
2.3 FISIOLOGI PENELITIAN

3 3
TRUTH IN THE UNIVERSE TRUTH IN THE STUDY FINDINGS IN THE STUDY

1 2
Research Question Study Plan Actual Study
EXT. VALIDITY INT. VALIDITY

RESEARCH QUESTION
Bagaimana Tingkat Kebugaran Fisik pada Lansia?

TRUTH IN THE UNIVERSE TRUTH IN THE STUDY

1
Research Question Study Plan
EXT. VALIDITY
Target Populasi Intended Sample

Semua lansia di dunia Lansia yang datang

berobat ke klinik (200
subjek)

Phenomena of Interest Intended Variables

Kebugaran Fisik Global Physical Activicty

Questionnaire

MASALAH
Intended Sample Intended Variables

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
TRUTH IN THE STUDY FINDINGS IN THE STUDY

2
Study Plan Actual Study
INT. VALIDITY
Intended Sample Actual Sample

Lansia yang datang Lansia yang datang

berobat ke klinik berobat ke klinik dan mau
mengisi kuesioner (164)

Intended Variables Actual Measurement

Global Physical Activicty Pertanyaan kuisioner yang

Questionnaire diisi oleh responden

MASALAH
Actual Sample Actual Measurement

 Validitas Internal
Sejauh apa hasil sebuah penelitian tidak bias atau dapat dikatakan tingkatan sebuah hasil penelitian dapat
dipercaya kebenarannya
 Validitas Eksternal
Sejauh apa hasil penelitian dapat diaplikasikan kepada subjek di luar studi penelitian

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB III
DESIGN PENELITIAN
3.1 PENDAHULUAN

 Design penelitian adalah sebuah rancangan yang disusun sedemikian rupa sebagai penuntun peneliti dalam
memperoleh jawaban atas pertanyaan penelitian dengan sahih, objektif, dan akurat
 Dengan kata lain, dalam arti sederhana design penelitian adalah sebuah pedoman/alat untuk mencapai
tujuan penelitian
 Untuk memudahkan, ada beberapa istilah yang perlu dipahami terlebih dahulu.

Istilah Pengertian
Observasi Peneliti hanya melakukan pengamatan
Intervensi Peneliti memberikan perlakuan tertentu kepada subjek (misal: diberi obat)
Cross-sectional Semua pengukuran dilakukan dalan satu waktu
Longitudinal Dilakukan follow-up dalam kurun waktu tertentu
Prospetif Mengamati kejadian yang belum berlangsung
Retrospektif Mengamati kejadian yang sudah berlangsung

 Sebelum memillih design penelitian, tentukan terlebih dahulu

o Akan mengamati (observasi) atau melakukan interevensi?
o Jika observasi, apakah pengamatan dilakukan dalam satu waktu (cross sectional) atau dalam kurun
waktu tertentu (longitudinal)

3.2 KLASIFIKASI

 Ada banyak cara klasifikasi, yaitu sebagai berikut.

o Berdasarkan ada/tidaknya intervensi: observasional, intervensional/eksperimental
o Berdasarkan ada/tidaknya hubungan antar variabel: deskriptif, analitik
o Berdasarkan cara pengukuran variabel: cross sectional, longitudinal
 Meskipun beragam cara klasifikasi, tidak ada satu pun cara klasifikasi yang memuaskan. Semua cara klasifikasi
hanya untuk mempermudah mengingat design penelitian. Berikut disertakan beberapa contoh klasifikasi

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS

Klasifikasi Design Penelitian

Observasional Intervernsional
Laporan Kasus Clinical Trial
Seri Kasus Eksperimen Quasi
Cross Sectional
Case-Control
Cohort

3.3 SERI KASUS DAN LAPORAN KASUS

 Laporan Kasus
Merupakan studi epidemiologi deskriptif tentang satu kasus (seorang pasien)
 Seri Kasus
Merupakan studi epidemiologi deskriptif tentang serangkaian kasus (beberapa pasien)

3.4 CROSS SECTIONAL

 Disebut juga studi prevalensi atau survey

 Pengukuran variabel bebas (faktor risiko) dan variabel tergantung (penyakit) dilakukan dalam ‘satu’ waktu.
Satu waktu berorientasi pada variabel, bukan subjek (subjek bisa diukur pada hari yang berbeda)
 Dalam studi ini, dapat dihitung rasio prevalens
 Rasio prevalens adalah perbandingan prevalensi kelompok dengan efek (penyakit) yang terpajan faktor risiko
dengan prevalensi kelompok dengan efek (penyakit) tanpa terpajan faktor risiko.
 Rasio prevalensi dihitung dengan: (A/A+B) / C/C+D

EFEK (+) EFEK (-) JUMLAH

FAKTOR RISIKO (+) A B A+B
FAKTOR RISIKO (-) C D C+D
JUMLAH A+C B+D A+B+C+D

 Interpretasi nilai rasio prevalensi:

o Nilai <1, artinya faktor risiko (misal: Faktor A) adalah faktor protektif
o Nilai 1. Tidak ada perbedaan prevalensi antara yang terpajan dan tidak terpajan Faktor A. Faktor A
bukan merupakan faktor risiko
o Nilai >1, artinya faktor risiko (misal: Faktor A) adalah faktor risiko penyakit
 Kelemahan dan Kelebihan design studi

Kelemahan Kelebihan
Tidak dapat menjelaskan hubungan sebab-akibat Mudah, murah, dan cepat
(temporal relationship). Misal diare dahulu baru
malnutrisi atau sebaliknya?
Tidak untuk kasus langka Cocok untuk faktor risiko dengan onset lama dan lama
penyakit yang panjang
Lebih sering menjaring subjek dengan masa sakit yang Tidak ada loss follow-up
Untuk kepentingan sendiri, tidak untuk diperbanyak
 PURWIGA – AMP 2112013 JS
Kelemahan Kelebihan
panjang dibandingkan dengan masa sakit yang pendek
(misal: sembuh atau mati). Sehingga dapat terjadi bias
Dapat meneliti beberapa variabel sekaligus dalam waktu
bersamaan

3.5 CASE-CONTROL

 Disebut juga case-comparison study atau retrospective study

 Alur penelitian:
o Pada studi kasus-kontrol, penelitian dimulai dengan identifikasi pasien dengan efek atau penyakit
tertentu (disebut kelompok kasus) dan pasien tanpa efek atau penyakit (disebut kelompok kontrol)
o Kemudian secara retrospektif (menilai peristiwa yang telah berlangsung) ditelusuri faktor-faktor risiko
yang dapat menerangkan mengapa kelompok kasus terkena efek, sedangkan kasus tidak
o Untuk
 Hasil pengukuran dalam studi ini disusun dalam tabel 2x2
 Hubungan sebab akibat antara faktor risiko dan efek/penyakit dihitung secara tidak langsung dengan cara
menghitung risiko relatif (dinyatakan dalam odds ratio)
 Odds adalah perbandingan peluang (probabilitas) untuk terjadinya efek (P) dengan peluang untuk tidak
terjadinya efek (1-P). Maka odds rationya adalah P/(1-P). Misalnya kemungkinan Tim Nasional Indonesia
menang melawan Tim Nasional Thailand adalah 60%. Maka oddsnya adalah 60%/40% = 1.5
 Odds ratio (OR, disebut juga Risk Relatif/RR)
 OR =Odds Kelompok Kasus / Odds Kelompok Kontrol

𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝐾𝑎𝑠𝑢𝑠 𝐷𝑒𝑛𝑔𝑎𝑛 𝑅𝑖𝑠𝑖𝑘𝑜 𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝐾𝑜𝑛𝑡𝑟𝑜𝑙 𝐷𝑒𝑛𝑔𝑎𝑛 𝑅𝑖𝑠𝑖𝑘𝑜

 OR= ∶
𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝐾𝑎𝑠𝑢𝑠 𝑇𝑎𝑛𝑝𝑎 𝑅𝑖𝑠𝑖𝑘𝑜 𝑃𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝐾𝑜𝑛𝑡𝑟𝑜𝑙 𝑇𝑎𝑛𝑝𝑎 𝑅𝑖𝑠𝑖𝑘𝑜

𝐴 (𝐴+𝐵) 𝐵 (𝐴+𝐵)
 OR= 𝐶 (𝐶+𝐷)
∶ 𝐷 (𝐶+𝐷)

𝐴𝐷
 OR= 𝐵𝐶

EFEK (+) EFEK (-) JUMLAH

FAKTOR RISIKO (+) A B A+B
FAKTOR RISIKO (-) C D C+D
JUMLAH A+C B+D A+B+C+D

Dapat juga ditampilkan sebagai:

KASUS KONTROL JUMLAH

FAKTOR RISIKO (+) A B A+B
FAKTOR RISIKO (-) C D C+D
JUMLAH A+C B+D A+B+C+D

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Interpretasi nilaiodds ratio:
o Nilai <1, artinya faktor risiko (misal: Faktor A) adalah faktor protektif
o Nilai 1. Tidak ada perbedaan prevalensi antara yang terpajan dan tidak terpajan Faktor A. Faktor A
bukan merupakan faktor risiko
o Nilai >1, artinya faktor risiko (misal: Faktor A) adalah faktor risiko penyakit
 Kelemahan dan Kelebihan design studi

Kelemahan
Besar kemungkinan untuk terjadi recall bias
Tidak dapat dipakai untuk menentukan lebih dari satu
variabel dependent
Tidak dapat menghitung inciden rates
Hasil diperoleh cepat
Kelebihan
Sesuai untuk penelitian penyakit langka
Biaya relatif murah
Dapat mengidentifikasi bebebagai faktor risiko sekaligus
Jumlah sampel lebih sedikit

3.6 COHORT

 Alur penelitian
o Ditentukan dahulu kausa/faktor risikonya, kemudian setiap subjek diikuti dalam selang waktu
tertentu (prospektif) untuk melihat terjadinya efek atau penyakit
 Hasil pengamatan studi disusun dalam tabel 2x2 dan dapat ditentukan rasio insidens.
 Rasio insidens adalah perbandingan antara insidens efek pada kelompok dengan faktor risiko dengan insiden
efek pada kelompok tanpa faktor risiko
 Rasio insidens dihitung dengan: (A/A+B) / C/C+D

EFEK (+) EFEK (-) JUMLAH

FAKTOR RISIKO (+) A B A+B
FAKTOR RISIKO (-) C D C+D
JUMLAH A+C B+D A+B+C+D

 Interpretasi nilai rasio insidens:

o Nilai <1, artinya faktor risiko (misal: Faktor A) adalah faktor protektif
o Nilai 1. Tidak ada perbedaan prevalensi antara yang terpajan dan tidak terpajan Faktor A. Faktor A
bukan merupakan faktor risiko
o Nilai >1, artinya faktor risiko (misal: Faktor A) adalah faktor risiko penyakit
 Kelemahan dan Kelebihan design studi

Kelemahan Kelebihan
Merupakan desain terbaik dalam menentukan insidens Memerlukan waktu yang lama
dan perjalanan penyakit
Dapat meneliti beberapa efek sekaligus dari suatu faktor Biaya relatig mahal
risiko
Mudah untuk loss to follow up
Masalah etika membiarkan subjek terpajan faktor risiko

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB IV
SUBJEK PENELITIAN
4.1 PENDAHULUAN

No Materi Pengertian Contoh

1 Populasi Target
2 Populasi Terjangkau
/ Accessible
population
3 Subjek Terpilih
4 Subjek yand diteliti
Tempat hasil penelitian akan diterapkan.
Dibatasi oleh karakterisitk demografi dan
klinis
Populasi target yang dapat dijangkau oleh
penelitian (biasanya atas pertimbangan
praktis). Dibatasi oleh geografi dan waktu
Mereka yang memenuhi kriteria penelitian
dan dipilih dengan mekanisme tertentu,
sehinnga merepresentasikan populasi
terhangkau
Subjek yang menyelesaikan penelitian
Wanita atau laki-laki berumur >59 tahun
(demografi) dengan penyakit Jantung
Koroner (Klinis)
Wanita atau laki-laki berumur >59 tahun
(demografi) dengan penyakit Jantung
Koroner (Klinis) yang Berobat ke RSHS
(Geografi) pada Bulan April – November
2016 (Waktu)

Kriteria, Sampling Alasan Praktis

Subjek yang Diteliti Populasi Terjangkau Populasi Target

STATISTIK LOGIKA & COMMON SENSE

Bagaimana cara menggeneralisasi Hasil Penelitian? Bagaimana cara menggeneralisasi Hasil Penelitian?

Menggunakan P-Value dan Confidence Interval Menggunakan Logika dan Common Sense

4.2 KRITERIA INKLUSI DAN EKSKLUSI

 Kriteria Inklusi
Merupakan karakteristik umum subjek penelitian pada populasi target dan populasi terjangkau yang terkait
dengan research question
 Kriteria Ekslusi
Merupakan subjek dengan karakteristik inklusi, namun memeliki beberapa faktor yang tidak sesuai dengan
misalnya:
o Kecenderungan loss follow-up tinggi
o Ketidakmampuan untuk memberikan informasi yang baik
o Memiliki risiko tinggi untuk terkena efek samping

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS

Kriteria Inklusi Kriteria Eksklusi

Benar  Usia ≥59 tahun
 Memiliki penyakit Jantung Koroner
 Bersedia masuk ke dalam penelitian
Salah  Dalam keadaan sehat (tidak spesifik)
 Tidak sedang hamil (kurang tepat, tidak
spesifik usia kehamilan berapa bulan)
 Tidak memiliki gangguan mental (tidak
mampu memberikan informasi yang baik)
 Tidak mengkonsumsi alkohol (kecenderungan
loss follow-up tinggi
 Tidak mempunyai DM (mempunyai risiko
tinggi terkena efek samping obat)
 Tidak bersedia masuk ke dalam penelitian
 Usia <59 tahun
 Tidak memiliki penyakit Jantung Koroner

4.3 SAMPLING

 Terbagi menjadi dua, yaitu probability dan non-probability sampling

o Probability
Setiap subjek memiliki kesempatan yang sama untuk dipilih menjadi sample
o Non-probability
Tidak setiap subjek memiliki kesempatan yang sama untuk dipilih menjadi sample
 Probability Sampling
o Simple Random Sampling
Memilih secara acak dari semua list responden (mis: menggunakan software, mengambil nomor
medrek tanpa melihat, dll)
o Systematic Random Sampling
Memilih secara acak namun sistematis (misal medrek kelipatan 3, 6, 9, dst)
o Stratified/Proportional Random Sampling
Subjek dikategorikan atas parameter tertentu, misal pria dan wanita, kemudian dari masing-masing
pria dan wanita dipilih secara acak 30 orang
o Cluster Random Sampling
Memilih dengan cara mengelompokkan atas parameter tertentu, kemudian diambil seluruhnya. Misal
dari 10 kelas (IX-1 – IX-10), terpilih secara acak IX-3 menjadi sample
o Multi-stage Random Sampling
Perpaduan lebih dari satu tekhnik probability sampling
 Non-Probability Sampling
o Convenience Sampling
Memilih subjek yang dapat dijangkau peneliti
o Consecutive Sampling
Serupa dengan convenience, namun semua subjek terjangkau diambik sebagai responden
o Quota Sampling
Memberikan porsi/kuota terhadap parameter tertentu. Misal sampel minimal 90 orang, dipilih 30
orang dari setiap kelas X, XI, dan XII
o Snowball
Menanyakan pada responden terpilih, siapa lagi responden yang potensial

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB V
PENGUKURAN DALAM PENELITIAN
5.1 PENDAHULUAN

Research Question Study Plan Actual Study

Phenomena of Interest Intended Variables Actual Measurement

Kebugaran Fisik Global Physical Activicty Pertanyaan kuisioner yang

Questionnaire diisi oleh responden

 Pengertian Pengukuran
Merupakan observasi fenomena (phenomena of interest) dengan maksud agar fenomena tersebut dapat
dianalisis secara statistika
 Kesahihan sebuah studi sangat bergantung pada seberapa baik sebuah variabel penelitian
merepresentasikan phenomena of interest

Skala Pengukuran

Numerik/Kuantitatif Kategorik/Kualitatif

Berdasarkan Berdasarkan Polikotom (>2) Dikotom

Jenis Bilangan Titik 0 Alamiah

Kontinu Diskret Interval Rasio (Misal: Nominal (Misal: Ordinal (Misal:

(Misal: Berat (Misal: (Misal: penghasilan, Golongan darah, Ringan-sedang-
Badan, Tinggi Jumlah Suhu C kadar Jenis kelamin berat, BMI)
Badan) anak) dan F) kolesterol

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Prinsip
o Kesahihan sebuah studi sangat bergantung pada seberapa baik sebuah variabel penelitian
merepresentasikan phenomena of interest
o Skala pengukuran yang paling kaya menyimpan informasi (berurutan) adalah skala numerik, ordinal,
dan nominal. Sebuah skala numerik dapat diubah menjadi kategorik, tetapi tidak sebaliknya
o Utamakan memilih skala pengukuran numerik (karena lebih kaya informasi), sehingga dapat
dihasilkan studi dengan Power dan/atau jumlah sample minimal yang lebih kecil
o Merencanakan sebuah pengukuran yang presisi dan akurat sangatlah penting dalam sebuah
penelitian, yaitu untuk menimalisasi kesalahan pengukuran (measurement error)

 Presisi
o Merupakan ukuran seberapa dekat serangkaian pengukuran satu sama lain
o Presisi sangat mempengaruhi Power (nilai β) dalam sebuah studi
o Dikenal juga dengan reproducibility, reliability, consistency
o Semakin presisi sebuah penguran, semakin kecil kesalahan acaknya (random error)
 Akurasi
o Merupakan ukuran seberapa dekat suatu hasil pengukuran dengan nilai sebenarnya
o Akurasi sangat mempengaruhi kesahihan (validitas) sebuah studi
o Semakin akurat sebuah pengukuran, semakin kecil kesalahan sistematisnya (systematic error)

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB VI
HIPOTESIS DAN PARAMETER STATISTIK
6.1 PENDAHULUAN

 Setelah peneliti sudah menetukan apa yang akan akan diteliti design apa yang akan digunakan, langkah
selanjutnya adalah menghitung berapa sampel yang dibutuhkan dalam studinya.
 Perhitungan sampel yang dibutuhkan sangatlah krusial, karena sampel yang sedikit akan membuat peneliti
tidak mampu menjawab pertanyaan penelitian. Sebaliknya, sampel yang berlebih akan membuat penelitian
semakin sulit dan biaya yang melebihi seharusnya
 Tujuan utama dari bab ini adalah untuk menentukan jumlah sampel untuk setiap design studi.
 Penentuan jumlah sampel analog dengan sebuah resep masakan. Ada begitu banyak bahan yang harus
dipenuhi sebelum mulai memesak. Begitu juga dengan penentuan besar sampel, kita harus mengetahui
komponen-komponen apa saja yang berperan dalam perhitungan besar sampel

6.2 HIPOTESIS

 Hipotesis adalah dugaan sementara atas pertanyaan penelitian

 Dalam penelitian deskriptif tidak dibutuhkan sebuah hipotesis. Tetapi bukan berarti dalam studi deskriptif
tidak memerlukan perhitungan sampel
 Karakteristik Hipotesis
o Hipotesis yang baik dituangkan dalam kalimat simpel, spesifik, namun
o Hipotesis simpel terdiri atas satu variabel bebas dan variabel tergantung
o Hipotesis kompleks terdiri atas lebih dari satu variabel bebas atau variabel tergantung

Hipotesis Simpel Hipotesis Kompleks

Riwayat Berat Bayi Lahir Rendah Berhubungan dengan Riwayat Infeksi Rubela Pada Trimester 1 Kehamilan
Tingkat Kecerdasan Anak Usia 8 – 9 Tahun Berhubungan dengan Tingkat Kecerdasan dan
Pertumbuhan Anak Usia 8 – 9 Tahun
Konsumsi Alkohol dan Rokok Berhubungan dengan
Peningkatan Risiko Kanker Kolon*
* Konsumsi alkohol dan rokok pada hipotesis ini tidak masalah bila dijabarkan tidak jelas selama di bagian lain (definisi
operasional dijelaskan pengertiannya secara mendetail)

 Hipotesis Nol (Ho)

Menyatakan tidak ada hubungan/tidak ada perbedaan antara satu variabel dengan variabel lainnya
 Hipotesis Alternatif (Ha)
Menyatakan adanya hubungan/perbedaan antara satu variabel dengan variabel lainnya.

Hipotesis Nol (Ho) Hipotesis Alternatif (Ha)

Penggunaan Obat A Tidak Berhubungan dengan Penggunaan Obat A Berhubungan dengan Penurunan
Penurunan Kadar Kolesterol Kadar Kolesterol

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Two tailed, One Tailed Hypothesis
Menyatakan arah hubungan antara variabel bebas dan tergantung. Two sided menyatakan terdapat
hubungan, tanpa mengetahui arahnya
o One sided
Dapat dilihat pada contoh di atas, disebutkan Penggunaan Obat A berhubungan dengan “Penurunan”
Kadar Kolesterol. Di sini peneliti sudah menyatakan dengan tegas arahnya hanya satu, yaitu
penurunan
o Two-Sided
Misal: Penggunaan Obat A Berhubungan dengan Kadar Kolesterol. Disini peneliti tidak menyatakan
apakah perubahan tersebut menurunkan atau meningkatkan kadar kolesterol
o Pada hipotesis alternatif, biasanya berupa one-sided. Namun peneliti harus lebih sadar bahwa
kemungkinan hal-hal diluar perkiraan dapat terjadi. Misal pada kasus di Atas, ternyata Obat A justru
meningkatkan kadar kolesterol
o Oleh karena itu, meskipun Ha berupa one-sided. Baiknya dalam perhitungan jumlah sampel kita
anggap Two-sided (Karena pemilihan One/Two sided mempengaruhi besar sampel minimal)

6.3 KEMAKNAAN STATISTIK

 Seorang peneliti dapat dianalogikan sebagai seorang hakim

 Untuk memutuskan apakah terdakwa benar-benar berbuat salah tidak dapat dibuktikan secara langsung.
Artinya, Ha tidak dapat dibuktikan secara langsung (direct).
 Pada awalnya, hakim akan beragumen bahwa terdakwa tidak bersalah. Kemudian dia akan mencari bukti-
bukti yang cukup untuk menolak bahwa terdakwa tidak bersalah. Artinya, satu-satunya cara untuk
membuktikan Ha adalah dengan cara tidak langsung (indirect), yaitu dengan cara membuktikan bahwa H0
dapat ditolak
 Bukti-bukti ini haruslah berdasar/logik agar dapat diterima. Begitu juga dalam peneltian, peneliti akan
mencari bukti dan bukti ini dicari lewat uji statistik.

Keputusan Hakim Tes Statistik

Tidak Bersalah Ho
Bersalah Ha
Menghukum Menyatakan adanya hubungan
Membebaskan Menyatakan tidak adanya hubungan
Keputusan Benar: Menghukum yang bersalah Menyatakan adanya hubungan, ketika memang benar-
benar ada hubungan di populasi
Keputusan Benar: Membebaskan yang tidak bersalah Menyatakan tidak adanya hubungan, ketika memang
benar-benar tidak ada hubungan di populasi
Keputusan Salah: Menghukum yang tidak bersalah Menyatakan adanya hubungan, padahal sebenarnya
tidak ada hubungan
Keputusan Salah: Membebaskan yang bersalah Menyatakan tidak adanya hubungan, padahal
sebenarnya terdapat hubungan

 Menghukum yang tidak bersalah, dikenal juga sebagal kesalahan Tipe 1 (Type 1 Error atau α). Peneliti
menyatakan adanya hubungan, padahal sebenarnya tidak ada hubungan

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Membebaskan yang bersalah, dikenal juga sebagal kesalahan Tipe 2 (Type 2 Error atau β). Peneliti
menyatakan tidak adanya hubungan, padahal sebenarnya ada hubungan.

Hasil Studi Kebenaran Dalam Populasi

Ada Hubungan Tidak Ada Hubungan
Menolak H0 Benar α
Tidak Menolak H0 Β Benar

6.4 EFFECT SIZE (UKURAN EFEK)

 Ukuran efek adalah besarnya efek yang ditimbulkan oleh parameter yang diuji di dalam pengujian hipotesis.
 Ukuran efek bergantung kepada jenis parameter yang diuji.
o Jika parameter itu adalah perbedaan rerata dua populasi maka ukuran efek ditentukan oleh
seberapa besar perbedaan itu.
o Jika parameter itu adalah perbedaan proporsi dua populasi maka ukuran efek ditentukan oleh
seberapa besar perbedaan itu
 Effect size juga dapat dianggap sebagai ukuran mengenai kebermaknaan hasil penelitian dalam tataran
praktis
 Cara penetunan
o Cara pertama, peneliti menentukan terlebih dahulu, sebelum penelitian dilakukan, besarnya effect
size yang dianggap bermakna. Besarnya effect size ini kemudian akan menentukan besarnya sampel
yang akan digunakan untuk dapat menghasilkan effect size minimal sebesar yang dianggapnya
bermakna
o Cara penggunaan kedua bersifat post hoc. Effect size dihitung setelah signifikasi statistik dilakukan

Pengukuran Effect Size

perbedaan mean yang distandardisasi dan ukuran asosiasi atau proporsi varians yang dijelaskan

6.5 NILAI-P (P-VALUE), NILAI α, NILAI β, DAN INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL)

Jika P-value < α, tolak hipotesis nol Jika P-value > α, terima hipotesis nol

Banyak bayii yang terlahir cacat (anggota Banyak bayii yang terlahir cacat (anggota
 ekstremitas
Pengertian tidak lengkap) pada Ibu yang
Nilai-P (P-Value) ekstremitas tidak lengkap) pada Ibu yang
o Misal memiliki riwayat mengonsumsi
setelah dilakukan uji statistik dengan test Spearmanmemiliki riwayat
diperoleh mengonsumsi
p-value = 0.02
o P-value Thalidomide untukpengertian
= 0.02 memiliki mengurangi “Apabila Hipotesis 0Thalidomide
(H0) benar, untuk mengurangi untuk
maka kemungkinan
mual/muntah mual/muntah
memperoleh hasil tersebut (atau hasil yang lebih ekstrem) akibat peluang adalah 2%”
o Hasil tersebut atau hasil yang lebih ekstrem
 Pengertian Nilai α
o Disebut juga false positive (analogi: menghukum yang tidak bersalah). Peneliti menyatakan adanya
hubungan, padahal sebenarnya tidak ada
o Nilai α ini kita tentukan di awal penelitian, biasanya pada rentang 0.01 (1%) – 0.1 (10&)
Untuk kepentingan sendiri, tidak untuk diperbanyak
 PURWIGA – AMP 2112013 JS
o Misal kita tentukan nilai α = 0.05 (5%) pada penelitian “Penggunaan Obat A Berhubungan dengan
Penurunan Kadar Kolesterol”.
o Arti 5% pada konteks ini adalah sebuah “ketetapan/batas toleransi” sebanyak 5% untuk melakukan
kesalahan yang diakibatkan peluang semata yang menyebabkan peneliti mengatakan Obat A Dapat
menurunkan Kolesterol Darah. padahal sebenarnya tidak! (Kesalahan Tipe 1) . Jika kesalahannyanya
<5% (dalam batas toleransi) peneliti akan ‘memaafkan’ dan hubungan antar variabel dianggap benar-
memang benar-benar ada.
o Perhatikan analogi berikut:
Setelah membimbing matematika selama setahun, seorang guru memberikan 100 soal kepada
muridnya. Sang guru mengatakan muridnya wajib mendapatkan nilai 100. Sang murid pun berkata
tidak menyanggupi, karena ia adalah seorang manusia dan banyak hal yang bisa membuat ia tidak
mendapatkan 100. (Misal: menghitung dengan benar tapi salah membulatkan pilihan ganda,
komputer menilai jawabannya salah padahal benar, dan banyak lainnya  Peluang). Sang guru pun
menyetujui dan mengatakan maksimal salah sebanyak 5 soal (5%), jika nilai 95 akan dianggap nilainya
100.
o Interval Keperayaan (Confidence Interval) = 1 – α (akan dibahas nanti)
 Pengertian Nilai β
o Disebut juga false negative (analogi: membebaskan yang bersalah). Peneliti menyatakan tidak ada
hubungan, padahal sebenarnya ada.
o Biasanya memiliki rentang 0.05 (5%) sampai dengan 0.2 (20%)
o Power = 1 – β. Misal pada kasus β = 0.2, artinya power dalam penelitian ini adalah 80&
o Power 80% memiliki pengertian adalah probabilitas untuk dengan benar menolak H0 jika memang
benar ada hubungan (same or greater than the effect size!) sebesar 80%
 Pengertian Interval Kepercayaan/IK (Confidence Interval)
o Secara matematika, dinyatakan dalam 1- α
o IK memiliki banyak rumus yang disesuaikan dengan jenis datanya (misal rerata, proporsi dll). Namun
secara umum dinyatakan dengan: IK = P  (Za * SE)
o Misal didapatkan dari 100 Ibu yang menyusui, proporsi Ibu yang menyusui dengan benar di
Kecamatan Jatinangor sebesar 60%. Bila seandainya penelitian dilakukan berulang kali sampai tidak
terbatas (dengan metode yang sama) akan terletak di rentang berapa?
o IK 90% memiliki pengertian kita percaya 90% proporsi ibu yang menyusui terletak antara misal 40 –
70%
o Semakin kecil α, semakin besar Za. Tetapi semakin kecil α, semakin besar intervak kepercayaan kita
o SE berbanding terbalik dengan jumlah subjek. Artinya, jika ingin IK besar namun rentang  nya tidak
begitu jauh (misal pada kasus nilai Za*SE = 10% akan menghasilkan rentang 40% – 70%) maka caranya
adalah memperbesar jumlah sampel

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS

6.6 PERHITUNGAN BESAR SAMPEL

 Penelitian Deskriptif – Variabel kontinu

4 𝑍𝑎 2 ∗ 𝑆 2
N=
𝑊2
Jika standar deviasi belum diketahui, dapat dilakukan
perkiraan dengan cara ¼ (Nilai terbesar – Nilai terkecil)

N : Jumlah sampel minimal yang dibutuhkan

Za : Standar deviasi normal dari α

S : Standar deviasi variabel (didapat dari pilot studi atau penelitian sebelumnya)

W : Mean difference *2 (or desired total width of confidence interval)

Peneliti ingin menentukan rata-rata tinggi badan pada anak kelas XII di SMAN 3 Bandung dengan IK = 95% dengan
rentang nilai 4 cm. Standari deviasi dari penelitian sebelumnya adalah 12 cm. Hitung besar sampel minimal!

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Penelitian Deskriptif – Variabel Dikotom

4 𝑍𝑎 2 ∗𝑃∗𝑄
N= 𝑊2
, N valid jika NPQ ≥ 5
Jika nilai P tidak diketahui dapat dibuat 0.5 (perkalian maksimum)

N : Jumlah sampel minimal yang dibutuhkan

Za : Standar deviasi normal dari α

S : Standar deviasi variabel (didapat dari pilot studi atau penelitian sebelumnya)

P : Expected proportion/nilai prevalensi sebelumnya

Q : 1-P

W : Precision * 2 ( or desired total width of confidence interval)

Penliti ingin mengetahui prevalensi Riwayat prematur pada anak-anak yang mengalami serebral palsi. Diketahui,
prevalansi riwayat prematur pada studi-studi sebelumnya adalah 35%. Peneliti menentukan α = 0.1, β = 0.1 dan
presisi 7%. Tentukan jumlah besar sampel minimal!

 Penelitian Analitik – Korelasi Dua Variabel Kontinu

𝑍𝑎 +minimal 2
𝑍𝑏 yang dibutuhkan (1+𝑟)
N : Jumlah sampel
N= + 3 C = 0.5 * Ln
𝐶 normal dari α (1−𝑟)
Za : Standar deviasi

Zβ : Standar deviasi normal dari β

r : Expected correlation coeficient / koefisien korelasi (dari studi sebelumnya)

Atau menggunakan pilot studi (jika tidak diketahui)

Peneliti ingin mengetahui apakah asupan kalori berkorelasi dengan indeks massa tubuh. Dari studi sebelumnya,
dietahui koefisien korelasi (r) = 0.42. Jika nilai α = 0.05 dan β = 0.1, tentukan besar jumlah sampel minimal!

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Penelitian Analitik – Variabel Bebas Kontinu

1 1
+ ∗(𝑍𝑎+𝑍𝑏)2
𝑄1 𝑄0
N1 = N2 = 𝐸 2
𝑆
Jika proporsi kedua grup ingin dibuat sama, maka Q1 = Q2 = 0.5
Jika nilai P tidak diketahui dapat dibuat 0.5 (perkalian maksimum)

N1 : Jumlah sampel minimal yang dibutuhkan (exposed)

N2 : Jumlah sampel minimal yang dibutuhkan (unexposed)

Za : Standar deviasi normal dari α

Zβ : Standar deviasi normal dari β

Q1 : Proporsi subjek pada grup 1 (exposed)

Q0 : Proporsi subjek pada grup 0 (unexposed)

E : Effect Size
: Desired difference (In percent) * mean in previous study

S : Standar deviasi

E/S : Disebut juga standardized effect size

Peneliti ingin menetahui adakah perbedaan kemanjuran antara obat salbutamol dan ipratropium bromide dalam
mengobati asma. Diketahui rata-rata FEV1 pada populasi yang asmanya diobati adalah 2 liter dengan standar deviasi
1 liter. Peneliti ingin meneliti perbedaan sebesar 10% denganα α = 0.05 dan β = 0.80. Berapa subjek minimal pada
setiap grup (salbutamol dan ipratropium) jika porsi keduanya ingin dibuat sama!

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
 Penelitian Analitik – Variabel Bebas Dikotom

2
𝑍𝑎 2𝑃𝑄+ 𝑍𝑏 𝑃1𝑄1+𝑃2𝑄2
N1 = N2 = 𝑃1−𝑃2 2

N1 : Jumlah sampel kasus

N2 : Jumlah sampel kontrol

Za : Standar deviasi normal dari α

Zβ : Standar deviasi normal dari β

P1 : Proporsi subjek terpapar faktor risiko dari kelompok kasus

P2 : Proporsi subjek terpapar faktor risiko dari kelompok kontrol

Q1 : 1 – P1

Q2 : 1 – P2

P : (P1 + P2) / 2

Q : 1-P

Peneliti ingin mengetahui apakah tekanan darah tinggi berhubungan dengan diabetes menggunakan studi kasus-
kontrol tanpa matching. Dari studi sebelumnya, diketahui bahwa proporsi tekanan darah tinggi pada kelompok
kontrol sebesar 7%. Peneliti menentukan perbedaan proporsi bermakna antara kasus dan kontrol sebesar 19%. Jika α
= 0.1 dan β = 0.1,tentukan besar jumlah sampel minimal!

Kalkulator online dapat di akses di http://www.dcr-4.net/ atau http://www.sample-size.net/

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB VII
RANCANGAN ANALISIS DATA
7.1 PENDAHULUAN

 Pendahuluan
o Uji hipotesis yang sesuai  pengambilan kesimpulan yang sahih
 Alur Pemilihan Uji Hipotesis
o Tentukan jenis skala pengukuran setiap variabel bebas dan variabel tergantung
o Tentukan jenis hipotesis apakah asosiatif, komparatif, atau korelasi
o Tentukan jumlah kelompok, apakah 2 atau >2 kelompok
o Berpasangan atau tidak berpasangan
o Persyaratan parametrik dan non-parametrik
o Lihat jumlah baris dan kolom

7.2 JENIS HIPOTESIS (ASOSIATIF, KOMPARATIF, DAN ASOSIATIF)

Asosiatif Komparatif Korelasi

Kalimat Hipotesis Apakah terdapat Apakah terdapat ‘perbedaan’ Berapa ‘korelasi’
‘hubungan’
Hasil yang disajikan Mencari hubungan Mencari perbedaan Mencari ‘besarnya/kekuatan’
dan ‘arah’ hubungan
Asosiasi simetris dan - Asosiasi timbal balik.
asosiasi asimetris Tidak ada variabel bebas dan
tergantung (setiap variabel
berdiri sendiri)
Asosiasi bersifat lebih umum, sedangkan korelasi bersifat lebih spesifik. Sebuah korelasi sudah pasti sebuah asosiasi,
tetapi sebuah asosiasi belum tentu sebuah korelasi. Si A dan B berpacaran (memiliki asosiasi), tetapi kekuatan
hubungannya bagaimana?

 Nllai korelasi berada pada rentang 0 – 1, dapat bernilai positif ataupun negatif
o Nilai 0: tidak ada hubungan antara dua variabel
o Nilai -1: kedua variabel memiliki hubungan linier sempurna. Jika X naik, Y juga naik
o Nilai +1: kedua variabel memiliki hubungan llnier sempurna. Jika X naik, Y turun (dan sebaliknya)

Nilai Keterangan
0 Tidak ada korelasi antara dua variabel
<0 – 0.25 Korelasi sangat lemah
0.25 – 0.5 Korelasi cukup
0.5 – 0.75 Korelasi kuat
0.75 – 0.99 Korelasi sangat kuat
1 Korelasi sempurna

7.3 DATA BERPASANGAN

 Data disebut berpasangan:

Untuk kepentingan sendiri, tidak untuk diperbanyak
 PURWIGA – AMP 2112013 JS
o Pengukuran data diambil dari subjek yang sama setelah adanya intervensi, misalnya nilai pre-test dan
post-test
o Dilakukan proses matching (usia dan jenis kelamin antara dua atau lebih kelompok disamakan)
o Dilakukan pengukuran berulang pada subjek yang sama (Kadar kolesterol minggu pertama, kedua,
ketiga, dst)
o Cross over trials, subjek mendapat perlakuan yang beragam (Obat A, obat B, dst)

7.4 UJI PARAMETRIK DAN NON-PARAMETRIK

No Parametrik Non-parametrik
1 Memerlukan asumsi distiribusi data yang normal Tidak memerlukan asumsi distribusi data yang normal
2 Memerlukan jenis data kuantitatif Wajib digunakan untuk data kategorik
(numerik/metrik)
3 Jumlah data yang digunakan ≥ 30 data Digunakan pada data numerik (jika syarat uji
parametrik tidak terpenuhi)
4 Jika >2 kelompok varians harus sama (homogen) Jumlah data yang digunakan <30 data
5 Mean Median
6 Varian homogen
-

 Mengetahui Distribusi Data

Deskriptif Analitik
Koefisien Varians (nilai koefisien harus <30%) Kolgomorov-Smirnov
Jika jumlah data >50
Rasio skewness (harus diantara -2 s/d 2) Shapiro Wilk (p > 0.05)
Jika jumlah data <50
Rasio kurtosis(harus diantara -2 s/d 2)
Histogram (Simetris, tidak miring kanan maupun kiri, tidak
terlalu tinggi/terlalu rendah)

Box Plot (Simetris, median tepat di tengah, tidak ada outliet

ataupun nilai ekstrim)

Normal Q – Q Plots (Data menyebar sekitar garis)

Detrended Q – Q Plots (Data menyebar sekitar garis pada

nilai 0)

Pada uji Shapiro Wilk dan Kolgomorov Smirnov jika didapatkan nilai P < 0.05 maka sebaran data tidak normal

 Mengetahui Varians
o Dilakukan uji Leuvine Test of Varians
o Jika p > 0.05 maka varians sama

7.4 PEMILIHAN UJI HIPOTESIS

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
Jenis Hipotesis
Skala Asosiatif/Komparatif Korelatif
Pengukuran 2 Kelompok >2 Kelompok
Variabel Berpasangan Tidak Berpasangan Berpasangan Tidak Berpasangan
Nominal Mc Nemar Chi2 Square Cochran Chi2 Square Koefisien
Marginal Fischer Fischer Kontingensi
Homogenity Kolmogorov- Kolmogorov- Lambda
Smirnov Smirnov
Ordinal Mc Nemar Chi2 Square Cochran Chi2 Square Somner Gamma
Marginal Fischer Fischer
Homogenity Kolmogorov- Kolmogorov-
Smirnov Smirnov
Wilcoxon Mean-Whitney Friedman Kruskal-Walis Spearman
Numerik Uji-t Uji-t tidak Anova* Anova* Pearson*
berpasangan* Berpasangan*

Kolom
Baris 1 2 3
1
2
Tabel diatas B X K = 2 X 3!

7.5 CHECKLIST SPSS DASAR

No Materi Keterangan
1 Memasukkan Data Tabulasi Variable View
2 Mengubah Satu Variabel Ke Variabel Lainnya  Transform  recode  Into different Variabel
 Pilih Variabel yang akan diubah
 Tulis nama Variabel Baru
 Masukkan Value baru
 Tuliskan label value pada tabulasu Variable View
3 Membuat Deskripsi Variabel Kategorik  Analyze  Descriptive Statistics  Frequencies
 Pilih variabel
 Chart  Pilih tipe chart
 Chart  Pilih Chart Values
4 Membuat Deskripsi Variabel Numerik  Analyze  Descriptive Statistics  Frequency
 Pilih variabel
STATISTICS
 Central tendency: mean, median
 Dispersion: standart deviation, minimum,
maksimum
 Distribution: skewness, kurtosis
CHART
 Histogram
 With normal curve
5 Mengetahui Sebuah Data Memiliki Distribusi Normal  Analyze  Descriptive Statistics  Explore
atau Tidak  Pilih variabel  masukan di dependent list
PLOTS
Untuk kepentingan sendiri, tidak untuk diperbanyak
 PURWIGA – AMP 2112013 JS
No Materi Keterangan
 Cek histogram
 Cek Normality plot test
 Lihat kolom .sig pada Shapiro atau Kolgomorov
(tergantung jumlah sampel)
 Jika p <0.05 sebaran data tidak normal!

6 Transformasi  Transform  compute

 Tulis nama variabel baru
 Log 10 (Variabel numerik)
7 Uji-t Tidak berpasangan  Analyze  compare means  independent
sample t-test
 Test variabel  numerik
 Grouping variabel  kategorik (masukan value)
Man-Whitney (Alternatif Uji-t Tidak Berpasangan)  Analyze  non-parametric test  Independent
samples
 Test variabel  numerik
 Grouping variabel  kategorik (masukan value)
8 Uji-t Berpasangan  Analyze  compare means  paired sample t-
test
 Masukan variabel (sebelum perlakuan)
 Masukan variabel (setelah perlakuan)
Wilcoxon  Analyze  non parametric test  two related
samples
 Masukan variabel (sebelum perlakuan)
 Masukan variabel (setelah perlakuan)
9 Uji Kuadrat / Chi Square  Analyze  Descriptive Statiics  Crosstab
 Row  Variabel bebas
 Column  Variabel tergantung
 Statistics  centang Chi Square
 Cells  centang observed dan expected
Uji Fisher  Sama seperti Chi-Square
 Lihat nilai p pada baris (uji fisher)
Uji Kolgomorov-Smirnov  Analyze  non-parametrict test  independent
sample
 Test variabel  kategorik Polikotom
 Group  Kategorik dikotom
 Centang Kolgomorov-Smirnov Z
Selain tabel 2x2 dan Tabel 2XK  Penggabungan sel
10 Uji korelasi Person  Analyze  Correlate  Bivariat
 Masukan kedua variabel
 Centang person, centang two-tailed
Uji korelasi Spearman  Sama seperti person, hanya yang dicentang
adalah spearman

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
Variabel Numerik
Hipotesis Asosiatif/komparatif

Sebaran Data?

Ya Tidak

Berpapasangan? UJI NON-PARAMETRIK

Berpasangan Tidak Berpasangan

Jumlah Kelompok?

2 Kelompok >2 Kelompok

Varian Sama Varian beda

UJI PARAMETRIK!

Transformasi data

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS

Tabel B x K
Tidak Berpasangan

Tabel 2 x 2 Tabel 2 x K Tabel Selain 2 X 2

Tabel Selain 2 x K

Syarat Uji Chi Square terpenuhi  Lakukan Uji Chi Square!

Tidak terpenuhi Tidak terpenuhi Tidak terpenuhi

Uji Fisher Uji Kolgmorov - Smirnov Penggabungan Sel

Syarat Uji Chi Square:

 Tidak ada sel yang observednya bernilai 0

 Sel dengan nilai expected <5 maksimal berjumlah 20% dari total sel

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS

Tabel B x K
Berpasangan

Tabel 2 x 2 Tabel 2 x K Tabel B x K

B = K, dan B & K >2

Uji Mc Nemar Uji Cochran Uji Marginal Homogenity

Variabel 1 Variabel 2 Uji Korelasi

Nominal Nominal Koefisien kontingensi, Lambda
Nominal Ordinal Koefisien kontingensi, Lambda
Ordinal Ordinal Spearman, Gamma, Somers’ d
Ordinal Numerik Spearman
Numerik Numerik Person

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB VIII
UJI DIAGNOSTIK (MATERI TAMBAHAN)
BAKU EMAS JUMLAH
POSITIF NEGATIF
HASIL UJI POSITIF A B A+B
NEGATIF C D C+D
JUMLAH A +C B+D A+B+C+D

 Sensitivitas
Proporsi subjek dengan penyakit, dimana tesnya benar-benar menunjukan jawaban yang benar (True-
Positive) = A / A+C
 Spesifitas
Proporsi subjek tanpa penyakit, dimana tesnya benar-benar menunjukan jawaban yang benar (True-
Negative) = D / B + D
 Positive Predictive Value
Probabilitas seseorang menderita penyakit, apabila uji diagnostiknya positif = A / A + B
 Negative Predictive Value
Probabilitas seseorang tidak menderita penyakit, apabila uji diagnostiknya negatif = D / C + D
 Likelihood Ratio
Probabilitas hasil tes pada orang yang menderita penyakit dibandingkan dengan probabilitas hasil tes pada
orang yang tidak menderita penyakit
 LR +
Menunjukkan berapa besar kemungkinan suatu test memberikan hasil positif pada orang yang sakit
dibandingkan pada orang sehat = [A / (A + C)] / [B / (B+D)] = Sensitivitas / 1 - Spesifisitas
 LR -
Menunjukkan berapa besar kemungkinan suatu test memberikan hasil negatif pada orang yang sakit
dibandingkan pada orang sehat
 Pre-Test Probability = Prevalence = A + C / A + B + C + D
 Pre-Test Odd = Prevalance / 1 – Prevalence
 Post Test Odd = Pre Test Odd * LR
 Post Test Probabilty = Post Test Odd / 1 + Post Test Odd

Untuk kepentingan sendiri, tidak untuk diperbanyak

 PURWIGA – AMP 2112013 JS
BAB IX
KESALAHAN DALAM PENELITIAN (MATERI TAMBAHAN)
9.1 PENDAHULUAN

 Sebaik dan sesahih apapun penelitian, tidak ada satu pun penelitian yang bebas dari kesalahan
 Terdapat dua jenis kesalahan dalam penelitian
o Systematic Error (Bias)
Kesalahan yang membuat nilai yang diteliti tidak merepresentasikan nilai benarnya (true value).
Misalnya ingin prevalensi pengguna KB dari ibu muda. Sampel dipilih dari ibu muda yang datang ke
fasilitas kesehatan. Disini terjadi kesalahan selection bias) karena sampel tidak merepresentasikan
populasi (Bisa saja ibu muda yang datang ke fasilitas kesehatan memang ingin mengakses pelayanan
kontrasepsi)
o Random Error (Chance)
Keselahan yang disebabkan oleh peluang semata. Membuat penelitian menjadi tidak presisi.
Misalnya jika nilai benar (true value) terdapat 3 orang penggunal pil KB dari 10 ibu muda (prevalensi
3%), tetapi bagaimanapun bisa diperoleh hasil yang sedikit berbeda misal 2, 3, atau 4 orang karena
peluang semata. Salah satu langkah untuk meningkatkan presisi adalah menaikan besar sampel. Jika
terdapat 100 sampel, perbedaan 2 – 4 orang mengubah prevalensi sedikit dari true valuenya.
 Berdasarkan sumbernya, kesalahan dapat diklasifikasikan menjadi:
o Keselahan dari peneliti
o Kesalahan dari instrumen pengukuran
o Kesalahan dari subjek
 Langkah-langkah memimalisasi kesalahan

No Strategi Contoh Kesalahan

1 Standarsisasi metode
pengukuran
2 Pelatihan
3 Pemilihan instrument
Untuk kepentingan sendiri, tidak untuk diperbanyak
Random Error
 Peneliti
Adanya variasi nilai tekanan
darah karena variasi kecepatan
cuff (<2 atau >2 mmHg/detik)
 Subjek
Adanya variasi nilai tekanan
darah karena lamanya subjek
duduk
 Peneliti
Adanya variasi nilai tekanan
darah karena penggunaan
tekhnik yang berbeda
 Peneliti & Instrumen
Adanya variasi nilai tekanan
darah karena kecenderungan
membulatkan kelipatan 5
Systematic Error
 Peneliti
Kesalahan mengukur nilai diastol
(ketika suara meredam) padahal
definisinya adalah ketika suara
sulit untuk didengar
 Subjek
Nilai tekanan darah tinggi karena
pengukuran ada di lantai dua dan
subjek harus menaiki tangga
 Peneliti
Mengetahui prosedur standar,
tetapi dalam prakteknya tidak
sesuai
 Instrumen
Penggunaan instrumen yang tidak
sesuai, misal lebar dan panjang
cuff tidak sesuai

No Strategi
4 Penggunaan instrumen
otomatis
5 Repetisi pengukuran
6 Pengukuran Benar
7 Kalibrasi instrumen
Contoh Kesalahan
Random Error
 Peneliti
Adanya variasi nilai tekanan
darah karena penggunaan
tekhnik yang berbeda
 Peneliti, instrumen, subjek
Menggunakan rata-rata dua
pengukuran dibanding 1x
pengukuran
TIDAK ADA
TIDAK ADA
PURWIGA – AMP 2112013 JS
Systematic Error
 Kecenderungan untuk
membulatkan ke bawah nilai
tekanan darah karena subjek
adalah pasien dengan obat baru
(dibanding obat placebo)
 Subjek
nilai tekanan darah meningkat
karena terlalu dekat dengan
peneliti
TIDAK ADA
 Subjek
Ada kecenderungan untuk
melebih-lebihkan kepatuhan obat
 Subjek
Alat pengukuran tidak dikalibrasi
terlebih dahulu

9.2 SYSTEMATIC ERROR/BIAS

 Bias dapat dibagi menjadi tiga jenis, yaitu:

o Selection bias
Sampel tidak representatif dengan populasi target
o Information bias
Pengukuran variabel tidak merefleksikan ‘phenomena of interest’
o Confounding bias
Adanya penyimpangan hubungan antara faktor risiko dan penyakit oleh faktor lain (confounder)
 Information Bias
o Recall bias
o Interviewer bias
o Follow-up bias
o Bias Hawthorne

9.3 CONFOUNDER (PERANCU)

 Syarat confounder
o Variabel ketiga ini berhubungan dengan faktor risiko yang diteliti
o Variabel ketiga ini berhubungan dengan penyakit/outcome
o Bukan merupakan konsekuensi dari paparan
 Mengontrol confounding
o Spesifikasi/restriksi
Untuk kepentingan sendiri, tidak untuk diperbanyak
 PURWIGA – AMP 2112013 JS
o Matching
o Randomisasi
 Contoh bias
o Exposure (E), Outcome/Disease (D), Confounder (F)
o Kopi (E) – CHD (D) – Merokok (F)
o Diabetes (E) – CHD (D) – Hipertensi (F)

Referensi:

 Hulley, Designing Clinical Research 3rd Ed

 Leon Gordis, Epidemiology 4th Ed
 Epidemiology for Public Health Practice 5Th ED
 Dasar-dasar Metodologi Penelitian Klinis Edisi ke-4
 Sopiyudin, Buku seri 1 – Statistik untuk Kedokteran dan Kesehatan
 Sopiyudin, Buku seri 2 – Besar Sampel Penelitian untuk Kedokteran dan Kesehatan
 Sopiyudin, Buku seri 3 – Membuat Proposal Penelitian untuk Kedokteran dan Kesehatan
 Sopiyudin, Buku seri 5 – Pelitian Diagnostik Besar Sampel Penelitian untuk Kedokteran dan Kesehatan

Untuk kepentingan sendiri, tidak untuk diperbanyak