Mengukur data

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,

seperti biaya waktu,pelatihan,dan keterbatasan sampel 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.

Ketika Anda memulai penelitian

Anda,lakukanpencarianliteraturuntukmenentukaninformasiapa,jikaada,yangsudahtersedia,m

isalnya,tentanghubungan antara kunjungan keluarga dan lamanya waktu pemulihan yang

diperlukan setelah penggantian pinggul.

  Cantumkan variabel dalam alat ukur. Dalam pencarian literatur Anda, identifikasi beberapa

variabel utama yang perlu dipertimbangkan dalam penelitian Anda, seperti tingkat

dukungan anggota keluarga, usia pasien, apakah pasien tinggal sendiri, apakah ini operasi

pertama pasien, dan faktor lainnya.

 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

(semua ahli) meninjau survei Anda.

Langkah-langkah ini adalah bagian dari memastikan validitas konten.

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

Anda akan memiliki validitas prediktif juga.

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

ini: Agar suatu instrument akurat(valid),itu harus akurat dan andal.

Faktor ketiga yang berkaitan dengan reliabilitas adalah kesetaraan. Kesetaraan adalah

seberapa baik beberapa bentuk dari suatu instrumen atau beberapa pengguna instrumen

menghasilkan/memperoleh hasil yang sama. Variasi pengukuran merupakan cerminan lebih

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.

4. 2x2 hitung sensitivitas dan spesifitas test skrining

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-

benar positif dan termasuk dalam kotak pertama(A).

 Jika subjek tidak menderita penyakit dan hasil skriningnya positif,maka positif

palsu dan termasuk dalam kotak kedua(B).

 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

berakibat fatal atau menular atau ketika pengobatan dini membantu.

 Rumus untuk Menghitung Sensitivitas Layar.

KEKHUSUSAN

Informasilainyangmembantumengevaluasialatskriningadalahspesifisitas,ataukemungkinanba

hwasubjekyangbaik akan memiliki skrining negatif(tidakadapenyakit).Menggunakan

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,

dan memiliki persentase positif palsu yang

rendah.KekhususansangatpentingjikaAndamemilikisubjeksementaradanakansulituntukmene

mukannyalagidimasa mendatang.

GAMBAR 4-3 Rumus untuk Menghitung Spesifisitas Layar.

Sensitivitas dan spesifisitas cenderung bekerja dalam keseimbangan yang berlawanan

satu sama lain, dan kadang-

kadangkerugiandisalahsatuditukardenganperbaikanyanglain.Misalnya,Andaadalahseor

angperawatyangmenangani wabah penyakit menular di unit militer keliling di luar

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

dapatmenahanataumenahan mereka yang melakukan tes positif untuk pengujian dan

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 4-1. Anda dapat menghitung PPV dengan

persamaan pada Gambar 4-4.

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%.

(Lihat Gambar 4-6.)

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

populasi tempat Anda melakukantes.

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

adalah 5%, NPV adalah 98%, (lihat Gambar

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.

GAMBAR 4-9 Hubungan antara Prevalensi dan Nilai Prediktif.

Efesiensi

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.

GAMBAR 4-10 Rumus Perhitungan Efisiensi (EFF).