Anda di halaman 1dari 35

EPIDEMIOLOGI

DESAIN PENELITIAN
LABORATORIUM IKM
PROGRAM STUDI PENDIDIKAN DOKTER
UNIVERSITAS ISLAM AL-AZHAR MATARAM

OLEH :
Dr. H. INDRADJID, MS
DESAIN PENELITIAN
A. PENGERTIAN
1. Merupakan rangkaian penelitian mulai dari identifikasi
masalah, perumusan hipotesis, operasionalisasi sampai
pada analisa data.
2. Merupakan jenis atau macam penelitian yang dipilih untuk
mencapai tujuan penelitian, jadi akan berperan sebagai
alat dan pedoman untuk mencapai tujuan penelitian.
B. KLASIFIKASI JENIS PENELITIAN
Atas dasar pembuatannya penelitian dalam bidang
kedokteran dan kesehatan dapat dibagi menjadi :
1.Berdasarkan ruang lingkup :
Penelitian klinis, lapangan atau laboratorium.
2.Berdasarkan pada waktu :
Penelitian transversal/cross-sectional : tidak punya
dimensi waktu
Penelitian longitudinal : Prospektif atau retrospektif
3.Berdasarkan pada substansi :
Penelitian dasar atau penelitian terapan.
4.Berdasarkan pada analisis hubungan antar variabel :
Penelitian deskriptif atau analitik.
Terlihat bahwa klasifikasi tersebut tumpang tindih :
Penelitian dasar mungkin bersifat deskriptif, namun dapat juga
bersifat analitik.
Penelitian klinis dapat bersifat tranversal namun dapat juga
bersifat longitudinal.
Pembagian yang sangat sering dipergunakan adalah desain
penelitian deskriptif dan penelitian analitik.
A. PENELITIAN DESKRIPTIF
Penelitian yang bertujuan melakukan deskripsi tentang
fenomena yang ditemukan, baik yang berupa faktor resiko
maupun efek atau hasil.
Hasil penelitian disajikan apa adanya, peneliti tidak mencoba
menganalisis bagaimana dan mengapa fenomena tersebut
dapat tersaji, sehingga pada penelitian deskriptif tidak perlu
ada hipotesis.
Contoh-contoh :
Survei morbilitas dan mortalitas di daerah A.
Laporan hasil terapi tanpa kontrol.
B. PENELITIAN ANALITIK
Pada penelitian ini, peneliti mencari hubungan antar variabel
dengan melakukan analisis terhadap data yang dikumpulkan.
Oleh karena itu perlu dibuat hipotesis.
Seringkali yang dikumpulkan pada penelitian deskriptif, data
dasarnya dipakai untuk menyusun latar belakang serta hipotesis
untuk penelitian analitik.
Desain penelitian analitik observasional pada umumnya dibagi 3
(tiga) jenis :
Penelitian cross-sectional
Penelitian kasus-kontrol
Penelitian kohort
Klasifikasi lainnya didasarkan pada ada atau tidaknya intervensi
ataupun manipulasi yang dilakukan terhadap subjek penelitian.
DESAIN PENELITIAN

OBSERVASIONAL : INTERVENSIONAL :
1. Laporan Kasus Deskriptif 1. Uji klinis
2. Seri kasus 2. Intervensi :
3. Cross-sectional, Pendidikan
termasuk survei Perilaku
Analitik
4. Kasus-kontrol Kesehatan Masyarakat
5. Kohort
Pada studi intervensional peneliti melakukan manipulasi
terhadap satu atau lebih variabel subjek penelitian dan kemudian
mempelajari efek perlakuan tersebut,
sedangkan pada studi observasional peneliti hanya melakukan
pengamatan atau pengukuran terhadap pelbagai variabel subjek
penelitian menurut keadaan alamiah, tanpa melakukan manipulasi
atau intervensi.
STUDI CROSS-SECTIONAL
PENGERTIAN :
Dalam studi ini peneliti mempelajari hubungan antara variabel
bebas (faktor resiko) dengan variabel tergantung (efek) dengan
melakukan pengukuran sesaat.
Tentunya tidak semua subjek penelitian harus diperiksa pada hari
atau saat yang sama, akan tetapi pengukuran variabel resiko
maupun variabel efek hanya satu kali saja, diukur menurut
keadaan atau statusnya pada waktu dilakukan observasi.
Studi cross-sectional terutama digunakan untuk mempelajari
faktor resiko penyakit yang mempunyai onset yang lama dan lama
sakit (duration) yang panjang.
Penyakit-penyakit ini misalnya osteoartritis, bronkitis kronis dan
sebagian besar penyakit kejiwaan.
Dengan studi ini akan diperoleh prevalen suatu penyakit atau efek
pada populasi pada suatu saat. Hasil pengamatan studi croos-
sectional kemudian disusun dalam tabel 2 X 2, kemudian dihitung
perbandingan antara prevalens penyakit (efek) pada subjek dari
kelompok tanpa resiko.

EFEK

A YA TIDAK JUMLAH
Faktor FAKTOR YA A B A+B
EFEK (+)
Resiko RESIKO TIDAK C D C+D
B
(+)
EFEK (-)

C A = Subjek dengan faktor resiko, mengalami efek


Faktor
EFEK (+) B = Subjek dengna faktor resiko tidak mengalami efek
Resiko
D C = Subjek tanpa resiko, menglaami efek
(-)
EFEK (-) D = Subjek tanpa faktor resiko, tidak mengalmai efek
Analisis hubungan atau perbedaan prevalens antara kelompok-kelompok
yang diobservasi dilakukan setelah validasi pengelompokan data penelitian
yang diperoleh.
Yang sering dihitung adalah resiko relatif, yaitu perbandingan antara prevalens
penyakit pada kelompok resiko dengan prevalen penyakit pada kelompok
tanpa resiko.
Sebetulnya resiko relatif yang murni hanya didapat dengan studi kohort
karena yang dibandingkan adalah insidens, sehingga pada studi cross-sectional
hanya diperoleh ESTIMASI RESIKO RELATIF dengan menghitung RASIO
PREVALENS (RP) = A/(A+B) : C/(C+D).
A/(A+B) = proporsi (prevalens) subjek yang mempunyai faktor
resiko yang mengalami efek.
C/(C+D) = proporsi (prevalens) subjek tanpa faktor resiko yang
mengalami efek.
Rasio prevalens harus disertai dengan nilai interval kepercayaan
(confidence interval) yang dikehendaki, yang akan menentukan apakah RP
tersebut bermakna atau tidak.
CONTOH :
Rasio prevalens , dengan interval kepercayaan 95%nilai 1,4
sampai 6,8 menunjukkan bahwa dalam populasi yang diwakili
oleh sampel yang dimiliki, kita mempunyai kepercayaan 95%
bahwa RP nya terletak antara 1,4 sampai 6,8 (selalu lebih dari
1), dengan demikian RP tersebut bermakna.
Rasio prevalens , dengna interval kepercayaan 95%nilai 0,8
sampai 1,3, menunjukkan bahwa variabel bebas itu belum
tentu merupakan faktor resiko, sebab didalam populasi yang
diwakili oleh sampel 95% nilai RP nya terletak diantara 0,8 dan
1,3, mencakup nilai 1, menunjukkan bahwa vriabel yang diteliti
netral.
Apabila nilai rasio prevalens kurang dari satu, menunjukkan
variabel bebas merupakan faktor protektif.
STUDI CROSS-SECTIONAL
Tidak mempunyai dimensi waktu, pengukuran pelbagai variabel
dilakukan satu kali.
Desain cross-sectional dapat dipakai untuk studi deskriptif, studi
komparatif, studi etiologik atau faktor resiko.
Pada studi etiologik, studi cross-sectional mencari hubungan
antar variabel bebas (resiko) dengan variabel tergantung (efek).
Bila faktor resiko hanya satu, berskala nominal dikotom dan efek
juga berskala nominal dikotom, maka dapat diperoleh rasio
prevalens, yaitu : perbandingan antara prevalens efek pada
kelompok dengan resiko dan pada kelompok tanpa resiko.
Rasio prevalens = 1, menunjukkan bahwa variabel bebas yang
diteliti bukan merupakan faktor resiko. Bila rasio prevalens > 1,
menunjukkan bahwa variabel bebas merupakan faktor resiko dan
bila rasio prevalens < 1 berarti variabel bebas merupakan faktor
protektif.
Interval kepercayaan harus disertakan untuk menyingkirkan
kemungkinan interval rasio prevalens mencakup angka 1, yang
berarti dalam populasi, variabel bebas belum tentu merupakan
faktor resiko atau faktor protektif.
Hubungan banyak variabel bebas dengan satu variabel
tergantung dapat diperoleh dengan analisis multivariat : yang
banyak dipakai adalah persamaan regresi multipel dan regresi
logistik.
Keuntungan studi cross-sectional adalah relatif murah, mudah
dan hasilnya cepat diperoleh. Keterbatasannya adalah karena
tidak adanya dimensi waktu, dari desainnya tidak dapat
ditentukan mana penyebabnya dan mana akibatnya.
CONTOH :
Rasio prevalens sebesar 3, dengan interval kepercayaan 95%
1,4 sampai 6,8 menunjukkan bahwa dalam populasi yang
diwakili oleh sampel yang dimiliki, kita mempunyai
kepercayaan 95% bahwa RP nya terletak antara 1,4 sampai 6,8
(selalu lebih dari 1), dengan demikian RP tersebut bermakna.
Rasio prevalens sebesar 3, dengna interval kepercayaan 95%
0,8 sampai 7, menunjukkan bahwa variabel bebas itu belum
tentu merupakan faktor resiko, sebab didalam populasi yang
diwakili oleh sampel 95% nilai RP nya terletak diantara 0,8 dan
11, mencakup nilai 1, menunjukkan bahwa vriabel yang diteliti
netral.
Apabila nilai interval kepercayaannya kurang dari 1,
menunjukkan variabel bebas merupakan faktor protektif.
STUDI KOHORT
1. Merupakan penelitian observasional analitik yang dapat
dipergunakan untuk menentukan pengaruh pajanan terhadap
kejadian efek atau penyakit.
2. Studi kohort disebut juga studi insidens.
3. Dimulai dengan menentukan subjek tanpa efek pajanan,
mengamati terjadinya pajanan dan menilai terjadinya
efek/penyakit pada kelompok terpajan dan kelompok tidak
terpajan.
4. Analisis yang khas untuk studi kohort adalah penentuan resiko
relatif (RR), yakni perbandingan antara insidens penyakit pada
klip terpajan dan pada klip tidak terpajan.
5. Nilai RR harus disertai interval kepercayaan (IK)
RR dengan IK = 1 atau mencakup angka 1, pajanan bukan
faktor resiko.
RR dengan IK > 1 = pajanan adalah faktor resiko.
RR dengan IK < 1 = adalah faktor protektif.
6. Jenis-jenisnya :
Studi Kohort Prospektif dengan pembanding internal atau
eksternal
Studi Kohort Retrospektif
Nested case-control studi
7. Dapat pula meneliti beberapa faktor resiko sekaligus.
8. Kelebihannya : dapat menentukan insidens, dan kekurangannya
: lama, ancaman drop-out, mahal.
STUDI KASUS KONTROL
Merupakan studi observasional analitik yang berdimensi
retrospektif.
Dimulai dengan merekrut sejumlah subjek dengan efek
(kelompok kasus), kemudian dicari subjek lain yang
karakteristiknya sebanding namun tidak mempunyai efek
(kelompok kontrol).
Pada kedua kelompok (kasus dan kontrol) ditelusuri retrospektif
apakah subjek mengalami pajanan faktor resiko yang diteliti.
Proporsi pajanan pada kelompok kasus dan kontrol
dibandingkan.
Pemilihan kasus harus dengan kriteria yang jelas, demikian pula
pemilihan kontrol, yang dapat dilakukan secara matching atau
tanpa matching.
Analisis untuk studi kasus-kontrol adalah penentuan rasio odss
(RO) yakni perbandingan antara odds pada kelompok kasus dan
odds pada kelompok kontrol. Odds adalah perbandingan antara
peluang terjadinya efek dibagi dengan peluang tidak terjadinya
efek (P/(I-P)).
Nilai RO harus disertai interval kepercayaan (IK). RO = 1 atau RO
dengan IK yang mencakup angka 1 menunjukkan bahwa pajanan
bukan merupakan faktor resiko. Nilai IK > 1 menunjukkan bahwa
pajanan bnar merupakan faktor resiko. Nilai IK < 1 menunjukka
bahwa pajanan merupakan faktor protektif.
Studi kasus-kontrol merupakan desain terbaik untuk meneliti
hubungan kausal penyakit yang jarang. Faktor rsiko yang
dipelajari dapat tunggal atau banyak (analisis multivariat).
Kekurangan studi ini recall bias : subjek penelitian lupa terhadap
informasi tentang faktor resiko ataupun tentang confounding.
DESAIN PENELITIAN ; POPULASI DAN SAMPEL
Penelitian selalu dilaksanakan pada sampel dan hasilnya akan
digeneralisasi ke populasi yang diwakili oleh sampel.
Populasi dapat dibagi menjadi populasi target yang dibatasi oleh sifat
demografis dan klinis, dan populasi terjangkau yakni bagian populasi
target.
Keuntungan penggunaan sampel adalah lebih cepat, lebih murah,
lebih mudah, lebih akurat dan lebih spesifik dengan tingkat
kesalahan yang ditetapkan.
Pemilihan subjek untuk sampel dapat dilakukan dengan cara
probability sampling maupun non probability sampling.
Probability sampling : simple random sampling, systematic sampling,
stratified random sampling, cluster sampling dan kombinasi cara-cara
tersebut.
Non probability sampling : consecutive sampling, convlient sampling
dan judgemental sampling. Dalam studi klinis consecutive sampling
paling sering digunakan.
Semua uji statistika maupun perhitungan interval kepercayaan
dilakukan dengan asumsi bahwa pemilihan subjek dilakukan dengan
probability sampling, meskipun subjek pada sample yang mewakili
populasi tidak harus dilakukan secara probability sampling.
Hasil penelitian dapat diterapkan pada populasi tergantung kepada
apakah sample tersebut mewakili populasi terjangkau (dapat
dihitung) dan apakah populasi terjangkau dianggap dapat mewakili
populasi target (secara common sense).
Desain penelitian merupakan rencana penelitian sebagai sarana bagi
peneliti untuk memperoleh jawaban atas pertanyaan penelitian
atau menguji validitas hipotesis.
Klasifikasi sederhana :
- Studi Observasional
- Studi Eksperimental
Desain penelitian seringkali saling berhubungan dan saling
menunjang.
Desain penelitian untuk mencari hubungan kausal yang terkuat
adalah studi eksperimental, tetapi biasanya sulit dan mahal.
Studi observasional mempunyai kapasitas hubungan sebab-akibat
yang lebih lemah, tetapi banyak digunakan karena lebih mudah dan
murah.
Desain terbaik adalah yang dapat menjawab pertanyaan penelitian
secara akurat, sahih, efektif dam efisien.
HUBUNGAN ANTAR VARIABEL
Variabel menduduki tempat sentral dalam penelitian, sebab
variabel lah yang diukur, diintervensi, diobservasi dan hasilnya
dianalisis.
Variabel yang dianggap berpengaruh terhadap variabel lain
disebut sebagai variabel bebas (independent, prediktor, resiko,
kausa), sedangkan variabel yang dipengaruhi disebut sebagai
variabel tergantung (dependent, outcome, efect, event).
Variabel yang berhubungan dengan variabel bebas dan dengan
variabel tergantung disebut variabel perancu (confuging).
Variabel ini harus diwaspadai karena dapat mempengaruhi hasil
penelitian.
Perancu dapat disingkirkan dalam desain (restriksi, matching
dan randomisasi) atau dalam analisis (stratifikasi, analisis
multivariat). Pada umumnya menyingkirkan dalam desain lebih
baik daripada dalam analisis.
Efek Modifier adalah variabel yang mengubah derajat hubungan
antar variabel tidak harus disingkirkan, bahkan harus
dielaborasi.
Sebelum dipastikan adanya hubungan sebab-akibat, harus
ditelaah lebih dahulu apakah syarat-syarat yang mendukung
hubungan kausal konsistensi, koherensi, hubungan dosis,
kesamaan dengan penelitian lain dan biological plausability.
MEDICAL STATISTIC AT A-GLANCE, by A.
PETRIE & C. SABIN
I. TYPES OF DATA JENIS DATA
Pengumpulan data pada suatu penelitian bertujuan memperoleh INFORMASI
mengenai, masalah khusus dari yang akan diteliti.
DATA terdiri dari satu atau lebih VARIABEL.
DATA diperoleh dari SAMPLE OF INDIVIDUALS yang menggambarkan atau mewakili
keadaan dari POPULATION OF INTEREST. Tujuannya adalah meringkas data ini dengan
cara tertentu (meaningful way) dan menarik informasi yang bermanfaat.
STATISTIC, mencakup :
Metoda pengumpulan
Meringkas data
Menganalisis data
Menarik kesimpulan data
TYPE DATA menurut VARIABEL, dibagi menajdi :
CATEGORICAL/QUALITATIVE DATA = nominal dan ordinal
NUMERAL/QUANTITATIVE DATA = discrete and continous
VARIABEL

CATEGORICAL NUMERICAL
(QUALITATIVE) (QUANTITAIVE)

NOMINAL ORDINAL DISCRETE NOMINAL

Categories are mutually Categories are mutualy Integer values : Takes any value in arange
exclusive and unordered, exclusive and ordered, Day sick per years of Values, e.g :
e.g: e.g : Number of events Weight in Kg
SEX (Male/Female Disease stage Height in Cm
Blood group (mild/moderate/ There is no limitations of
(A/B/AB/O) severe) values the variable can
Marital status Binary or dichotom take
(Married/Widowed/
(yes/no-dead/alive)
Single)
II. SAMPLING AND SAMPLING DISTRIBUTIONS

Memperoleh sample yang representative


Idealnya mengambil random sample dari suatu populasi, teteapi
sering kali menjumpai kesulitan yang pada umumnya karena faktor
biaya yang besar. Untuk itu menggunakan cara lain yang disebut
CONVEIENCE SAMPLE, contohnya sebagai berikut :
Jika akan meneliti pasien-pasien dengan tanda-tanda klinik
tertentu, maka akan dapat kita cari satu rumah sakit yang
sedang merawat pasien-pasien dengan tanda-tanda klinik
tertentu tersebut.
Kadang-kadang digunakan cara lain yaitu QUOTA SAMPLING dan
SYSTEMATIC SAMPLING, tetapi kerangkanya NON RANDOM
jadi perlu diperhatikan apakah mewakili populasi.
Parameter alam populasi :
Mean
Proporsi
Mengestimasi nilai parameter :
Point estimate Single value
Interval estimate a range of values
STATISTIK
Data statistik
Data deskriptive yang diperoleh dari sample
Sampling variation
Jika kita mengambil beberapa sample dari populasi secara berkali-
kali, maka menurut perkiraan masing-masing estimate parameter
dari masing-masing sample akan sama, tetapi pada kenyataannya
adalah mendekati nilai-nilai sesungguhnya dari parameter dalam
populasi.
SAMPLING DISTRIBUTIONS OF THE MEAN
Jika akan mengestimasi MEAN POPULATION, dapat diperoleh dengan cara
mengambil sample berkali-kali dari populasi dan masing-masing sample dicari
meannya, kemudian dibuat histogram maka nampak SAMPLING
DISTRIBUTION OF THE MEAN.
Beberapa hal dapat kita perhatikan :
a. Jika jumlah samplenya banyak, maka estimasi mean akan mengikuti
NORMAL DISTRIBUTION (sesuai dengan CENTRAL LIMITS THEOREM),
apapun jenis data original dari populasi.
b. Jika jumlah samplenya kecil tetapi data original didalam populasi mengikuti
distribution, maka estimasi mean akan mengikuti NORMAL
DISTRIBUTION.
c. Mean dari estimasi akan sama dengan mean sesungguhnya dari populasi.
d. Varibilitasnya dari distribusi diukur dengan standar deviasi dari estimasi,
yang disebut STANDAR ERROR OF THE MEAN
Apabila hanya ada satu sample (hal ini sering terjadi), maka
estimasi mean populasi adalah mean dari sample.

SD - Standar deviasi sample


SEM
n - Besarnya sample
Interpretasi standar error :
Makin kecil SE maka estimasi semakin tepat ; hal ini dapat
diperoleh bila jumlah sample makin banyak dan data
original dari populasi kecil variabilitasnya.
SD atau SEM merupakan parameter yang mirip tetapi
berbeda dalam penggunaannya :
a. SD menjelaskan variasi dari nilai data (data values)
b. SEM menjelaskan ketepatan/ precision dari sample
mean (the mean of a set of data values)
SAMPLING DISTRIBUTIONS OF THE MEAN
Jika ingin diketahui proporsi individu yang memiliki beberapa
karakteristik maka estimasinya :
r
P
n
dimana r merupakan jumlah individu dengan karakteristik tertentu.

Jika sample diambil berkali kali dari satu populasi, dan


dari masing masing sample ditentukan proporsinya dan
dibuat histograf, maka akan nampak SAMPLING
DISTRIBUTION OF THE PROPORTION yang mendekati
normal distribution dengan nilai mean =
Standar deviasi dari distribusi ini disebut STANDARD
ERROR OF THE PROPORTION SE(p) = p1 p
n

dengan interpretasi :
makin kecil standar error, makin tepat estimasi
proporsi
III. CONFIDENCE INTERVALS (Ci) = TARAF KEPERCAYAAN
Adalah suatu interval, suatu jarak bilangan dalam mana
probabilitas tentang letak mean parameter (dan lain-lain
bilangan statistik) kita ramalkan.
Ramalan tentang probabilitas ini kita dasarkan atas taraf-taraf
kepercayaan tertentu, misalnya 95% dan 99%. Itulah sebabnya
mengapa interval ini disebut INTERVAL KEPERCAYAAN
(Confidence Interval).
Ada 2 (dua) taraf kepercayaan yang sangat lazim digunakan
yaitu 95% dan 99%.
TARAF KEPERCAYAAN 95% :
Suatu deviasi sebesar 1,96 x SEm diatas dan dibawah mean
yang mencakup 95% dari frekuensi dalam distribusi normal.
Bilamana kita membuat estimasi tentang letak mean
parametrik dengan Ci 95%, kita akan menolak setiap estimasi
yang menganggap mean dari sample terletak lebih jauh dari
1,96 SEM. Peluangnya adalah 5 diantara 100 kemungkinan
akan diperoleh mean statistik lebih besar dari 1,96 SEM.
Bila dituliskan dalam rumus estimasi dengan Ci 95% adalah :
Mp = Ms + 1,96 SEM
Tetapi bila data tidak mengikuti distribusi normal atau tidak
diketahui variance populasi, maka mean mengikuti t-
distributions maka menentukan mean pada Ci 95% X (t
0,05 x SEM), X + (t 0,05 x SEM).
t 0.05 adalah percentage point (percentile) dengan (n-1) sebagai
df (degree of freedom) yang menghasilkan a two tailed
probability of 0,05.
Maka Mp = 27,01 + (2,001 x 0,7326)
= (25,54 28,48)
Contoh :
n = 49
Ms = 27,01
SD = 5,1282
SEM = SD = 5,1282 = 0,7326
n 49
Mp = Ms + (1,96 x SEM)
= 27,01 + (1,96 x 0,7326)
TARAF KEPERCAYAAN 99% :
Analog dengan diatas : Mp = Ms + 2,58 SEM
Seperti kita lihat dari sifat-sifat distribusi normal, maka 2,58
SEM mencakup 49,5% dari frekuensi dari sebelah atas dan
bawah mean parametrik atau seluruhnya berjumlah 99% dari
frekuensi dalam populasi. Ini berarti bahwa bilamana kita
menggunakan Ci 99%, peluangnya adalah 1 (satu) diantara
seratus kemungkinan akan lebih dari mean sample yang
menyimpang sejauh 2,58 SEM atau lebih dari mean
parametrik disebabkan karena kesalahan sampling.
Beberapa ahli statistik berpendapat bahwa perlu sekali
menyatakan taraf kepercayaan mana (95% atau 99%) yang
digunakan untuk mengadakan parameter, untuk menghindari
salah mengerti dari para pembaca laporan penyelidikan.
CONFIDENCE INTERVAL FOR THE PROPORTION
Mengikuti BINOMIAL DISTRIBUTION. Bila n besar, maka mean () diestimasi
dari proporsi dalam sample, p = r/n (r = jumlah yang terkena efek),
sedangkan standard error = p(1 p)
n
Confidence interval 95% untuk proporsi adalah
p(1 p) p(1 p)
p 1,96 p 1,96
n n
Apabila n = kecil atau np = n(1-p) kurang dari 5 dipakai BINOMIAL
DISTRIBUTION dengan catatan bila p dinyatakan dengan percentage maka
(1-p) diganti (100-p).

Contoh :
n 64
r 27 0,4221 0,422
SEP
0,42242,2%
27 64
p
64
95% Ci = 0,422 + (1,96 X 0,0617) (0,301 0,543)