Cross Sectional

Study
 Definisi

• Studi yang meneliti sekaligus suatu faktor

pajanan (exposure) dan sebuah penyakit /
masalah kesehatan tanpa arah dimensi
penyelidikan tertentu (non-directional
dimention).
• Tidak dapat terlihat sekuens mana yang
terjadi lebih dulu, variabel independent
atau variabel dependent, atau
sebaliknya
2
• Tidak dapat terlihat sekuens mana yang terjadi lebih
dulu,
variabel independent atau variabel dependent, atau
sebaliknya

• konsekwensinya tidak dapat melihat hubungan sebab-

akibat
(exposure harus mendahului outcome )

3
• Tujuan:
– mempelajari angka kejadian suatu
penyakit/masalah kesehatan
– mempelajari hubungan antara suatu
faktor risiko dengan angka kejadian
suatu penyakit
• Unit analisa: individu
• exposure dan outcome diukur pada
saat yang sama
 Contoh
• SKRT
• SDKI
• Survei kepuasan pelanggan
• Survei cepat (rapid health need
assessment)
• disertai sampling probabilistik untuk
menjamin keterwakilan (representativeness)
karakterstik populasi yang diteliti
• bisa memiliki 2 tingkat kedalaman analisa (
memiliki 2 "kaki"), yaitu:
• bisa masuk lingkup deskriptif untuk
menggambarkan masalah (Orang-Tempat-
Waktu)
• bisa pula lingkup analitik (formulasi dan
pengujian hipotesis)
• nama lain : studi prevalensi, survey

• bersifat deskriptif dan observasional

• populasi studi merupakan populasi umum

• sampel diambil secara random (acak)

• setiap orang di populasi mempunyai kesempatan
– yang sama untuk menjadi anggota sampel
• sampel representatif /mewakili populasi
• ANALISIS pada studi ini:

• DESKRIPTIF :
• distribusi frekwensi kejadian penyakit/ masalah
kesehatan
berdasarkan “orang - tempat - waktu”
• distribusi frekwensi variabel “exposure” dan
“outcome”
(angka prevalens)

•ANALITIK : melihat korelasi/hubungan antara variabel-variabel

diteliti
 Kros-Seksional
(Studi prevalens, Prevalens
survei)
• Jumlah?
• Umur?
• Sex?
• Pendidikan?
• Pekerjaan?
• Status
penyakit X?
• Status
Cross sectional design study 1

Begin with
Defined Population

data on exposure and outcome secara bersama-sama

Exposed,
Exposed, Not Exposed, Not Exposed,
Non
disease disease Non disease
disease
 Desain study
Outcome(
Penyakit)_
+

Exposure +
(Pajanan)
_
Contoh :
• dalam suatu penelitian dengan disain potong lintang
• ingin melihat hubungan antara merokok dan Tb paru
• D = TB Paru(data kategorikal)
• E = merokok (data kategorikal)
• pengukuran D dan E dilakukan secara simultan
•populasi merupakan Supir
• sampel 1000 orang yang diambil secara random dari populasi

• analisis deskriptif : menghitung distribusi frekwensi D dan E

• analisis analitik :
•untuk melihat hubungan E dan D hitung OR atau PR
Tabel kontingensi 2x2 untuk data diatas

“Outcome”
D+ D- total

E+ 200 200 400

“exposure”
E- 100 500 600

total 300 700 1000

 Populasi • sampel dipilih secara random (acak)
• sampel representatif untuk populasi

sampel

• distribusi frekwensi variabel “exposure”

sampel • distribusi frekwensi variabel “outcome”

Distribusi frekwensi berdasarkan variabel “exposure” pada sampel

• terpapar dengan “exposure”  E +
• tidak terpapar dengan “exposure”  E –

misal sampel terdiri dari 1000 orang

terpapar dengan “exposure”  E + = 400 orang = 40%
tidak terpapar dengan “exposure”  E - = 600 orang = 60%

E+ 40%
prevalensi terpapar dengan “exposure” = 40%
E- 60% prevalensi tidak terpapar dengan exposure = 60%
Distribusi frekwensi berdasarkan variabel “outcome” pada sampel
•“outcome” positif  D (disease) +
•“outcome”negatif  D (disease) –

misal sampel terdiri dari 1000 orang

•“outcome” positif  D (disease) + = 300 orang = 30 %
•“outcome”negatif  D (disease) - = 700 orang = 70%
D+ 30%

D- 70%
Prevalensi “disease” = 30%
prevalensi “not disease” = 70%
Prevalence ratio of disease in exposed and unexposed
Penyakit/Outcome
Ya Tidak

Ya a b a
a+b
PR =
c
Tidak
c d c+d
 Prevalence ratio of disease in exposed and unexposed

Mendistribusikan variabel “disease” pada variabel “exposure”

200 D+ 100 D+
dari 400(E+) dari 600 (E-)
200 D - 500 D -

E+ 200 D+ 200 D -
E- 100 D+ 500 D -

dari 400 orang (E+)  prevalens D+ pada kelompok E+ = 200/400

dari 600 orang (E-)  prevalens D - pada kelompok E - = 100/600

prevalens D+ pada kelompok E+ = 200/400

Prevalens Ratio = ------------------------------------------------------------------ = 3
prevalens D + pada kelompok E- = 100/600
Odds D+E + (kelompok orang terpapar) = 200/200
Odds D+E - (kelompok tidaterpapar) = 100/500

Odds D+E + (kelompok orang terpapar) 200/200

OR = ---------------------------------------------------- = ------------ = 5
Odds D+E - (kelompok tidaterpapar) = 100/500
Tabel kontingensi 2x2 untuk data diatas

“Outcome”
D+ D- total

E+ 200 200 400

“exposure”
E- 100 500 600

total 300 700 1000

Prevalence ratio of exposure in disease and non disease

Mendistribusikan variabel “exposure” pada variabel “disease”

200 E+ 200 E+
dari 300 (D+) dari 700 (D-)
100 E - 500 E -

Prevalens E+D + (kelompok orang sakit) = 200/300

Prevalens E+D - (kelompok tidak sakit) = 200/700

Prevalens E+D + (kelompok orang sakit) 200/300

Prevalens Ratio = ---------------------------------------------------= ------------ = 2 1/3
Prevalens E+D - (kelompok tidak sakit) 200/700
 Odds E+D + (kelompok orang sakit) = 200/100
Odds E+D - (kelompok tidak sakit) = 200/500

Odds E+D + (kelompok orang sakit) = 200/100

OR = ------------------------------------------------------------------ = 5
Odds E+D - (kelompok tidak sakit) = 200/500

Terlihat bahwa kalkulasi nilai OR tetap = 5.

• bila variabel “disease” didistribusikan pada variabel “exposure”

• atau bila variabel “exposure” dididtribusikan pada variabel “disease”

Keuntungan

 Dapat 
 menggambarkan status/ masalah
kesehatan
 memperkirakan kebutuhan pelayanan
kesehatan (sehingga bermanfaat
untuk perencanaan kesehatan)
 formulasi hipotesis (skrining hipotesis)
baru.
 Lebih "feasible", nyaman dan hemat
waktu, dibandingkan kohort
 Dapat cukup valid untuk melihat pengaruh
suatu faktor risiko dengan penyakit
tertentu apabila faktor risiko yang diteliti
tersebut jelas terjadinya mendahului
penyakit
 Karena studi kros-seksional biasa
diambil dari suatu “study population”
yang lebih besar, maka dimungkinkan
untuk melakukan generalisasi hasil
studi
Kelemahan

 Tidak dapat mengukur risiko (risk) atau rate

penyakit yang sesunguhnya.
 Kemenduaan temporal (temporal
ambiguity), khususnya pada data
"exposure" yang paling terkini.
 Dapat rentan tehadap kesalahan
pengukuran karena informasi yang digali
retrospektif berdasarkan ingatan atau
catatan
 Status penyakit bisa mempengaruhi
seleksi subyek ( bias seleksi)
 Sering tidak bisa membedakan faktor
risiko (prediktor terjadinya penyakit)
dan faktor prognostik (mempengaruhi
perjalanan penyakit)
 Tidak efisien untuk meneliti penyakit
yang prevalensinya rendah (: penyakit
yang jarang, sangat fatal, atau singkat
durasinya)
 Proporsi pajanan pada kasus
prevalence tidak sama dengan
proporsi pajanan pada kasus incidence