1. Kelayakan
Sebelum memilih jenis instrumen penelitian, Anda harus selalu menilai seberapa layak atau
praktis alat tersebut. Misalnya, jika Anda ingin menggunakan teknik wawancara berbantuan
komputer untuk mensurvei remaja tentang perilaku seksual, tetapi hibah Anda sebesar $1.000
dan setiap perangkat berharga $1.200, itu mungkin bukan rencana praktis. Sebuah studi yang
melibatkan meminta pasien dengan demensia untuk menyelesaikan ingatan 24jam konsumsi
makanan juga kurang layak.Dalam kasus ini,peneliti perlu meluangkan waktu sejenak untuk
memeriksa kenyataan dengan cepat! Menjadi perawat yang bijaksana, Anda tahu bahwa Anda
harus selalu mempertimbangkan kelayakan atau aspek praktis dari alat pengukuran penelitian,
(fisik,budaya,pendidikan,psikososial,dll.)
2. Keabsahan
Setelah Anda menentukan bahwa instrument Anda layak untuk digunakan dalam penelitian
Anda, Anda kemudian dapat melanjutkan untuk menilai validitas dan reliabilitas alat Anda.
Informasi yang Anda kumpulkan hanya berguna jika metode pengukuran dan pengumpulan Anda
akurat, atau valid. Anda dapat memastikan bahwa suatu instrumen memiliki validitas dengan
beberapa cara:
Tentukan variabel yang relevan dengan melakukan pencarian literatur secara menyeluruh.
Anda,lakukanpencarianliteraturuntukmenentukaninformasiapa,jikaada,yangsudahtersedia,m
variabel utama yang perlu dipertimbangkan dalam penelitian Anda, seperti tingkat
dukungan anggota keluarga, usia pasien, apakah pasien tinggal sendiri, apakah ini operasi
Mintalah instrumen Anda ditinjau oleh para ahli untuk mendapatkan umpan balik. Ketika
Anda merancang survei untuk studi Anda, sertakan variabelnya dan kemudian, misalnya,
minta manajer perawat Anda, dua peneliti keperawatan, dan penasihat persekutuan Anda
Anda juga dapat menunjukkan validitas dalam survei Anda dengan membandingkan hasil Anda
dengan survei yang telah divalidasi sebelumnya yang mengukur hal yang sama. Jenis perbandingan
ini disebut validitas konvergen. Misalnya, jika Anda menemukan korelasi 0,4 atau lebih tinggi,
temuan itu memperkuat validitas kedua instrumen, milik Anda dan yang sebelumnya (Grove, 2007).
Pada gilirannya, jika survei Anda kemudian ditemukan dapat memprediksi lama tinggal bagi mereka
yang diterima di masa depan, temuan itu akan memperkuat validitas instrumen Anda, dan studi
Beberapa instrumen dianggap valid karena mengukur variabel yang berlawanan dari
pengukuran yang telah divalidasi sebelumnya dan menemukan hasil yang berlawanan. Misalnya,
sekelompok orang dengan kadar kolesterol serum yang tinggi juga mendapat skor rendah pada
survei yang Anda rancang untuk mengukur asupan buah dan sayuran. Hasil ini adalah contoh
validitas divergen dalam instrumen Anda. Kelompok dengan kolesterol tinggi juga memiliki pola
makan yang buruk. Jika korelasi negatif lebih besar atau sama dengan -0,4, validitas divergen dari
kedua ukuran diperkuat (Grove, 2007).
3. Komponen keandalan
Keandalan berarti bahwa alat pengukuran Anda konsisten atau dapat diulang. Ketika Anda
mengukur variabel yang Anda minati, apakah Anda mendapatkan hasil yang sama setiap saat?
Reliabilitas berbeda dengan akurasi atau validitas. Misalkan, misalnya, Anda mengukur berat
peserta studi, tetapi timbangan Anda tidak dikalibrasi dengan benar: turun 20 pon. Anda
mendapatkan ukuran yang sama setiap kali pasien menginjak timbangan; yaitu, pengukuran
dapat diulang dan dapat diandalkan. Namun, dalam hal ini, itu tidak akurat atau valid. Suatu
ukuran bisa reliable dan tidak valid, tetapi tidak bisa valid dan tidak reliabel. Pikirkan seperti
Faktor ketiga yang berkaitan dengan reliabilitas adalah kesetaraan. Kesetaraan adalah
seberapa baik beberapa bentuk dari suatu instrumen atau beberapa pengguna instrumen
dari keandalan alat itu sendiri; itu mungkin juga mencerminkan variabilitas berbagai bentuk
alat atau variabilitas karena peneliti yang berbeda mengelola alat yang sama. Misalnya, jika
Anda ingin mengamati warna lulur yang dikenakan oleh 60 perawat saat makan siang pada
hari tertentu, Anda mungkin memerlukan bantuan dalam mengumpulkan data sebanyak itu
dalam waktu yang sesingkat itu. Anda dapat meminta dua asisten peneliti untuk mengamati
para perawat. Ketika Anda memiliki lebih dari satu individu yang mengumpulkan data, Anda
harus menentukan keandalan antar-penilai. Salah satu cara untuk melakukan ini adalah
dengan meminta ketiga individu yang mengumpulkan data mengamati lima perawat
pertamabersama-sama dan kemudian mengklasifikasikan data secara individual.
Istilah yang berbeda tetapi terkait digunakan ketika tes penyaringan dipilih.
Keakuratan tes skrining ditentukan oleh kemampuannya untuk mengidentifikasi subjek yang
memiliki penyakit dan subjek yang tidak.Namun,akurasi tidak berarti bahwa semua subjek
yang memiliki layar positif memiliki penyakit dan semua subjek yang memiliki layar negative
tidak Empat hasil yang mungkin dari setiap tes penyaringan paling baik diilustrasikan dalam
table standar 2×2,juga disebut tabel kontingensi (lihat Gambar4-1).
Jika subjek benar-benar menderita penyakit dan layarnya positif,hasilnya benar-
Jika subjek tidak menderita penyakit dan hasil skriningnya positif,maka positif
Jika subjek memiliki penyakit dan tes negatif,itu adalah negative palsu dan
termasuk dalam kotak ketiga (C). Jika subjek tidak mengidap penyakit dan hasil
skriningnya negative maka benar negative dan termasuk dalam kotak keempat(D).
JanganlupauntukmenjumlahkanbarisdankolomAnda.AgarpasienberadadikotakA,B,
C,atauD,kitaharus mengetahui tes dan status penyakitnya .Jika Anda hanya tahu
satu atau yang lain untuk pasien,pasien itumilik diluar kotak 2x2salah satu kotak
total.
5. Kepekaan
Saat mengevaluasi tes skrining, salah satu hal yang ingin diketahui perawat adalah kemungkinan
pasien akan dinyatakan positif mengidap penyakit tersebut, jika pasien memiliki penyakit
tersebut. Ini dikenal sebagai sensitivitas tes dan dapat dihitung dengan persamaan pada Gambar
4-2. Persamaan ini harus masuk akal. Ambil jumlah subjek yang sakit dan hasil tes positif, dan
bagi jumlah ini dengan jumlah total subjek yang sakit. Ini soal persentase: jumlah pasien yang
benar-benar sakit dan yang dites positif dibagi dengan jumlah total orang yang benar-benar
sakit. Jika layar sensitif, sangat baik dalam mengidentifikasi orang yang benar-benar sakit, dan
memiliki persentase negatif palsu yang rendah Sensitivitas sangat penting ketika suatu penyakit
KEKHUSUSAN
Informasilainyangmembantumengevaluasialatskriningadalahspesifisitas,ataukemungkinanba
tabel2×2yang sama,spesifisitas dapat dihitung dengan persamaan pada Gambar 4-3. Mirip
dengan persamaan sebelumnya, persamaan ini mengambil jumlah orang yang tidak sakit dan
yang memiliki tes skrining negatif dan membagi jumlah ini dengan jumlah orang yang tidak
sakit. Ketika layar sangat spesifik, sangat baik dalam mengidentifikasi subjek yang tidak sakit,
rendah.KekhususansangatpentingjikaAndamemilikisubjeksementaradanakansulituntukmene
mukannyalagidimasa mendatang.
kadangkerugiandisalahsatuditukardenganperbaikanyanglain.Misalnya,Andaadalahseor
negeri. Kemampuan Anda untuk menemukan pasien ini lagi sangat terbatas, jadi Anda
ingin memastikan bahwa mereka yang Anda skrining negatif dan yang meninggalkan
fasilitas keliling tidak benar-benar membawa penyakit yang Anda skrining. Dengan
demikian, Anda memilih tes yang sangat spesifik yang sangat baik dalam
mengidentifikasi mereka yang tidak memiliki penyakit yang Anda skrining. Ketika tes
yang sangat
spesifiknegatif,Andatahukemungkinannyasangatbagusbahwaorangtersebutsebenarny
asehatdandapatmeninggalkan
fasilitastanpakhawatirdiadapatmenyebarkanpenyakityangAndaskrining.Andakemudian
evaluasi lebihlanjut.
Konsep penting lainnya untuk dipahami tentang tes skrining apa pun adalah nilai prediksi positif
(PPV). PPV memberi tahu Anda berapa probabilitas bahwa subjek benar-benar memiliki penyakit
yang diberikan hasil tes positif—yaitu, probabilitas positif sejati. Lihat kembali tabel 2 × 2 pada
GAMBAR 4-4 Rumus untuk Menghitung Nilai Prediktif Positif dari Layar.
Banyak siswa menemukan konsep ini membingungkan karena tidak hanya bergantung pada
sensitivitas dan spesifisitas tes tetapi juga pada prevalensi penyakit pada populasi yang diskrining.
populasi. Jika Anda melihat kembali tabel 2 × 2, Anda dapat menentukan prevalensi dengan cukup
mudah. Ini hanyalah jumlah orang yang menderita penyakit dibagi dengan jumlah penduduk (lihat
Gambar4-5).
GAMBAR 4-5 Rumus untuk Menghitung Prevalensi dari Tabel 2 × 2.
Jika Anda melakukan tes skrining dengan sensitivitas dan spesifisitas yang mapan dalam populasi
dengan prevalensi penyakit yang rendah, tes skrining Anda akan memiliki nilai prediksi positif yang
rendah. Mari kita lihat sebuah contoh. Jika Anda menerapkan layar dengan sensitivitas 80% dan
spesifisitas 50% pada populasi dengan tingkat prevalensi 5%, PPV Anda hanya akan menjadi 7,8%.
GAMBAR 4-6 Penerapan Penyaringan pada Sampel dengan Tingkat Prevalensi 5%.
Nilai predektif negatif
Konsep terkait adalah nilai prediktif negatif (NPV) dari sebuah tes: Jika subjek Anda menyaring secara
negatif, NPV memberi tahu Anda kemungkinan bahwa pasien benar-benar tidak memiliki penyakit
tersebut. Seperti PPV, ukuran ini bergantung pada sensitivitas, spesifisitas, dan prevalensi penyakit pada
Dengan menggunakan tabel 2 × 2 lagi, Anda dapat menentukan NPV menggunakan persamaan pada
Gambar 4-8. Dengan contoh kami sebelumnya, Anda akan melihat bahwa ketika prevalensi penyakit
4-6) tetapi ketika prevalensi lebih tinggi, dan 25% sampel memiliki kondisi tersebut, NPV menurun menjadi 88,4% (lihat Gambar
4-7).
Sekali lagi, ini masuk akal; ketika sangat sedikit orang yang memiliki kondisi tersebut, layar negatif lebih
mungkin akurat. Ketika beberapa orang memiliki kondisi tersebut, layar negatif cenderung tidak akurat.
Prevalensi dan NPV adalah ukuran yang bergerak dalam arah yang berlawanan (lihat Gambar 4-9).
GAMBAR 4-8 Rumus untuk Menghitung Negative Predictive Value (NPV) dari Tabel 2 × 2.
Satu konsep terakhir sangat berguna dalam pengaturan klinis. Efisiensi (EFF) adalah ukuran kesepakatan
antara tes skrining dan diagnosis klinis yang sebenarnya. Untuk menentukan efisiensi, tambahkan semua
positif sejati dan semua negatif sejati, dan tentukan berapa proporsi sampel Anda. (Proporsi ini adalah
kelompok yang diidentifikasi dengan benar oleh tes, dan oleh karena itu diagnosis dibuat dengan benar.
Itu
selalu merupakan hal yang baik dalam keperawatan!) Efisiensi dapat dihitung dengan menggunakan
rumus pada Gambar 4-10.