BESAR SAMPEL DESAIN

COHORT
Studi Kohort
 Mempelajari hubungan faktor risiko dengan efek
atau penyakit
 Pendekatan waktu secara longitudinal (time-
period approach)
 Faktor risiko diidentifikasi terlebih dahulu
kemudian kemudian diikuti periode tertentu
untuk melihat efek atau penyakit yang yang
diteliti pada kelompok dengan faktor risiko dan
pada kelompok tanpa faktor risiko
 Hasil analisis  untuk melihat hubungan dan
pengaruh
 Pada prinsipnya sama seperti desain
penelitian cross sectional dan
experiment.
 Yang perlu diketahui untuk menghitung
besar sampel yaitu :
- proporsi kelompok tersekspose yang
mendapat outcome (P1)
- proporsi kelompok tidak terekspose
yang mendapat outcome (Po) atau (P2)
Besar sampel pada studi kohort
1. Besar sampel untuk uji beda 2 proporsi

2. Besar sampel untuk uji beda 2 rata-rata

data independen
Perhitungan sampel untuk uji beda 2
proporsi :
1. Pendekatan RR

P1 = Po * RR
Perhitungan sampel untuk uji beda 2
proporsi :…(continue)

2. Pendekatan proporsi 1 dan proporsi 2

Besar sampel untuk uji beda 2 rata-rata data
independen
Contoh 1
 Seorang peneliti ingin melihat pengaruh
sterilisasi pada wanita terhadap kejadian
dysmenorhea. Penelitian terdahulu
menunjukkan bahwa dysmenorrhea terjadi
pada 10% wanita yang bukan menggunakan
sterilisasi. Peneliti tersebut ingin mendeteksi
risiko dysmenorrhe sebesar 2 kali lipat
pada wanita dengan sterilisasi. Berapa besar
sample jika derajat kemaknaan 5% dan
kekuatan uji 90%.diperkirakan angka DO
10%.
Penyelesaian
Diketahui
 Po = 0,10
 RR = 2
 P1 = Po*RR  0,10*2 = 0,20
 Alpha 5%  Z alpha 1,65
 Kekuatan uji 90%  1,28
 Drop out 10%
Penyelesaian
 Hasil perhitungan  266/ kelompok
 Ditambah DO 10%  26,6 responden
 Jadi total besar sampel 292,6= 293
responden / kelompok
Contoh 2
 Peneliti ingin melihat apakah ada pengaruh
pajanan debu terhadap volume pernapasan
seseorang. Hasil penelitian terdahulu
menunjukkan rata-rata volume paru pada
kelompok yang tidak terpajan debu 120.
rata-rata volume paru pada kelompok yang
terpajan debu 100. simpangan baku
populasi diketahui 20. dengan alpha 5%
dan derajat kemaknaan 80% hitunglah besar
sampel minimal.
Penyelesaian
 Diketahui :
 μo : 120
 μ1 : 100
 σ : 20
 Alpha 5%
 Kekuatan uji : 80%
 Besar sampel minimal  16 / kelompok
 Drop out 10% 1,6
 Jadi besar sampel minimal 16+1,6  17,6
= 18 responden/kelompok
 Bias pada desain Cohort
Secara umum Bias yang terjadi dalam desain kohort
antara lain:
A. BIAS SELEKSI
1. Bias follow up (loss to follow-up bias)
 Bias follow-up (loss to follow-up bias) terjadi pada studi
kohort karena hilangnya anggota kohort selama jangka
waktu follow-up.
 Pada studi kohort, setiap subyek diidentifikasi menurut
status paparan, kemudian diikuti terus dalam jangka waktu
tertentu untuk dicatat apakah mengalami penyakit yang
diteliti atau tidak.
 Jika selama follow-up ada individu hilang atau berhenti dan
berhentinya berkaitan dengan status paparan atau penyakit
maka peneliti itu mengalami bias follow-up.
 Contoh : studi mengenai pengaruh hipertensi
terhadap berat badan bayi lahir (kohor prospektif)
Bias pada desain Cohort
B. BIAS INFORMASI
1. Bias mengingat kembali (recall
bias)
Recall bias pada desain kohort terjadi
karena perbedaan akurasi antara
kelompok terpapar dan tak terpapar
dalam melaporkan peristiwa penyakit
yang dialami (studi kohort restrospektif).
Bias pada desain Cohort
B. BIAS INFORMASI
2. Bias pewawancara (interviewer
bias)
Dapat terjadi karena pewawancara
menggiring jawaban dari responden
Bias pada desain Cohort
C. BIAS CONFOUNDING
 Terjadi bila tidak ada upaya untuk
mengkontrol confounding.
 Bias confounding dapat dikontrol melalui
design dan analisa data
 Bias pada desain Cohort
BIAS CONFOUNDING
 Contoh: stadium kanker payudara merupakan faktor risiko
terjadinya kematian pada penderitanya, pasien dengan stadium
lanjut memiliki risiko kematian dalam kurum waktu t tahun
lebih tinggi dari pasien dengan stadium awal. Satu penelitian
dlakukan untuk membandingkan risiko kematian pada t
tahun antara pasien yang dilakukan radiasi dan pasien
yang dilakukan pembedahan. Jika pasien-pasien yang
dilakukan radiasi memiliki stadium kanker yang lebih tinggi dari
pada pasien yang dilakukan pembedahan dan peneliti memiliki
hasil risiko relatif > 1 untuk pasien yang diradiasi, maka hasil
risiko relatif tersebut perlu dipertanyakan akibat tindakan
radiasi atau akibat stadium kanker yang lebih lanjut. Jadi pada
penelitian ini, stadium kanker adalah confounder.
Sekian
 Latihan