1

Introduksi

Disain penelitian Epidemiologi

2
Untuk mempelajari distribusi dan frekwensi penyakit di populasi dipakai
disain studi epidemiologi deskriptif

Untuk mempelajari diterminan suatu penyakit di populasi dipakai disain

studi epidemiologi analitik

3
Penelitian epidemiologi berdasarkan unit pengamatan/unit analisisnya
dapat dibagi menjadi :
• studi dengan unit pengamatan/analisis individu
• studi epidemiologi dengan unit pengamatan/analisis agregat

Termasuk disain studi epidemiologi dengan unit pengamatan

/analisis individu adalah :
• disain studi laporan kasus
• disain studi serial kasus
• disain studi potong lintang
• disain studi kasus - kontrol
• disain studi kohort
• disain studi intervensi

4
 Termasuk disain studi epidemiologi dengan unit pengamatan
/analisis agregat adalah :
• disain studi korelasi

Penelitian epidemiologi berdasarkan bagaimana tindakan peneliti

terhadap subjek yang diteliti dapat dibagi menjadi :
• disain studi observasional
• disain studi intervensi

Termasuk disain studi epidemiologi yang bersifat studi observasional

adalah :
semua disain studi epidemiologi kecuali studi intervensi, yakni;
• semua disain studi epidemiologi deskriptif
• semua disain studi epidemiologi analitik kecuali studi intervensi

5
Pada disain studi epidemiologi yang bersifat studi observasional,
peneliti hanya mengobservasi subjek-subjek yang diteliti tanpa
melakukan intervensi

Pada disain studi epidemiologi yang bersifat intervensi, peneliti

melakukan intervensi pada subjek-subjek yang diteliti

6
• merupakan studi epidemiologi yang bersifat observasional
• unit pengamatan/analisisnya individual
• merupakan laporan kasus-kasus penyakit dengan diagnosis
yang diduga sama
• biasanya merupakan penyakit-penyakit baru, masalah kesehatan baru,
fenomena baru yang belum jelas
• menggambarkan riwayat penyakit, pengalaman klinis dari
masing-masing kasus
• laporan kasus-kasus kemudian dapat dianalisis secara sederhana yakni
dengan melihat
• distribusi/ frekwensi penyakit
• berdasarkan : gejala-gejala klinis “ Orang, Tempat, Waktu”

7
• tujuan :
• diperoleh informasi tentang distribusi frekwensi penyakit
/masalah kesehatan yang diteliti
• diperoleh informasi tentang kelompok yang berisiko tinggi
terhadap penyakit
• dapat dipakai untuk membangun/memformulasikan hipotesis baru

• kelemahan :
• gambaran distribusi, frekwensi penyakit yang diperoleh
tidak dapat mewakili populasi
• hanya berdasarkan kasus-kasus yang dilaporkan saja

• kelebihan :
• sebagai langkah awal untuk mempelajari suatu penyakit
• sebagai jembatan antara penelitian klinis dan penelitian epidemilogi
• dapat digunakan untuk sebagai dasar penelitian lebih lanjut :
• dengan melihat kelompok yang berisiko tinggi
• dengan membuktikan hipotesis yang dibangun
8
•contoh dari suatu studi laporan kasus

• suatu penyakit yang belum jelas sebut penyakit X,

• 10 orang dengan gejala-gejala yang mirip satu sama lain :

• berdasarkan gejala dan pemeriksaan laboratoris

• Berat badan : 9 orang dengan gejala mengurus, 1 berat badan
tidak turun
• Diare : 6 diare, 4 tidak ada diare
• Demam : 8 demam dengan pnemonia, 4 tidak demam
• Bercak pada kulit : 7 orang mempunyai, 3 tidak ada bercak
• Pemeriksaan laboratoris : semua pasien angka limfosit
menurun drastis

• berdasarkan gambaran demografinya

• sex : 9 pria, 1 wanita
• umur : 8 dewasa muda, 2 tua
• pekerjaan : 6 pemusik, 4 pegawai

9
• kebiasaan mengkonsumsi “drugs” :
• menggunakan jarum suntik 8 orang, cara lain 2 orang
bukan pengguna

•perilaku berhubungan intim :

• sesama jenis 8 orang, lawan jenis 2 orang

• dari data diatas dapat dilihat bahwa :

• dari gejala dan pemeriksaan laboratoris penyakit X tersebut adalah :

• 90 % berat-badan menurun
• 60 % diare
• 80 % demam dengan pneumonia
• 70 % bercak pada kulit
• 100 % limfosit menurun drastis

10
• dari gambaran demografisnya
• 90% pria
• 80% dewasa muda
• 60% pemusik

• dari kebiasaan mengkonsumsi narkoba

• 80% pecandu narkoba

• dari perilaku seksual :

• 80 % homoseksual

• diperoleh gambaran distribusi, frekwensi penyakit berdasarkan :

• gejala dan tanda serta pemeriksaan laboratoris
• gambaran demografi
• kebiasaan mengkonsumsi narkoba
• perilaku seksual

11
• dari analisis sederhana diatas didapat informasi kelompok orang
yang berisiko antara lain :
• pria
• dewasa muda
• pemusik
• pecandu narkoba
• homoseksual

• dari informasi tadi dapat dibangun suatu hipotesis

• pria lebih berisiko untuk mendapat penyakit X dari pada wanita
• usia dewasa muda lebih berisiko untuk mendapat penyakit X
dari pada yang usia tua
• pemusik lebih berisiko untuk mendapat penyakit X dari pada
non pemusik
• pecandu narkoba lebih berisiko untuk mendapat penyakit X dari pada
bukan pecandu
• homoseksual lebih berisiko untuk mendapat penyakit X dari pada
bukan heteroseksual

12
Untuk mendapatkan informasi yang dapat
menggambarkan distribusi, frekwensi penyakit yang
mewakili populasi diperlukan penelitian epidemiologi
deskriptif lain, dimana sampel penelitian mewakili
populasi yang diteliti  disain studi epidemiologi yang
sesuai dipakai untuk itu adalah disain studi potong
lintang.

Untuk membuktikan hipotesis yang dibangun, dapat

dilakukan penelitian epidemiologi analitik lebih lanjut
antara lain dapat dengan :
• studi kohort
• studi kasus kontrol
• studi intervensi

13
Studi Epidemiologi Serial Kasus
• merupakan studi epidemiologi yang bersifat observasional
• unit pengamatan/unit analisis adalah individu
• merupakan kumpulan kasus-kasus individual suatu penyakit dengan
diagnosis yang sama
• sama dengan studi laporan kasus tapi dengan kasus yang lebih banyak
• surveilens yang rutin dilakukan untuk suatu penyakit yang belum jelas
diagnosisnya ataupun sudah jelas diagnosisnya :
• merupakan kumpulan laporan kasus-kasus, atau serial kasus
• dapat digunakan untuk menditeksi munculnya penyakit baru
• dapat digunakan juga untuk menditeksi adanya epidemi

14
 • kumpulan laporan kasus kemudian dianalisis secara sederhana yakni
dengan melihat
• distribusi/ frekwensi penyakit
• berdasarkan “ Orang, Tempat, Waktu”

•tujuan :
• diperoleh informasi tentang distribusi frekwensi penyakit
/masalah kesehatan yang diteliti
• diperoleh informasi tentang kelompok yang berisiko tinggi
terhadap penyakit
• dapat dipakai untuk membangun/memformulasikan hipotesis baru

15
•kelemahan :
• gambaran distribusi, frekwensi penyakit yang diperoleh
tidak dapat mewakili populasi
• hanya berdasarkan kasus-kasus yang dilaporkan saja

• kelebihan :
• sebagai langkah awal untuk mempelajari gambaran epidemiologi
suatu penyakit
• sebagai jembatan antara penelitian klinis dan penelitian epidemilogi
• dapat digunakan sebagai dasar untuk penelitian epidemiologi
lebih lanjut :
• dengan melihat kelompok yang diduga berisiko tinggi
• dengan membuktikan hipotesis yang dibangun

16
Latihan :
Kota X mempunyai 8 RS. Seorang dokter disalah satu RS melakukan penelitian terhadap kasus
kasus diabetes mellitus (DM), selama 1 tahun penelitiannya terkumpul data sebagai berikut :

No ID Sex Umur Suku Kadar Komplikasi Status

gula Keluar dr
Darah RS
gr/dl
1 Wanita 50 Jawa 300 Ada Meninggal
2 Wanita 45 Jawa 200 Ada Hidup
3 Pria 30 Sumatra 350 Ada Meninggal
4 Pria 35 Sumatra 375 Ada Meninggal
5 Pria 40 Jawa 280 Ada Meninggal
6 Wanita 50 Jawa 300 Ada Meninggal
7 Pria 40 Betawi 240 Tidak ada Hidup
8 Wanita 45 Betawi 300 Ada Hidup
9 Pria 30 Betawi 400 Ada Meninggal
10 Wanita 60 Betawi 200 Tidak ada Hidup
11 Pria 35 Jawa 150 Tidak ada Hidup
12 Wanita 45 Jawa 180 Tidak ada Hidup
13 Pria 50 Jawa 260 Tidak ada Hidup
14 Wanita 60 Jawa 200 Tidak ada Hidup
15 Pria 40 Jawa 380 Ada Meninggal
16 Pria 35 Jawa 375 Ada Meninggal
17 Pria 40 Jawa 150 Tidak ada Hidup
18 Pria 50 Jawa 160 Tidak ada Hidup
19 Pria 40 Jawa 250 Tidak ada Hidup
20 Wanita 45 Sumatra 280 Ada Hidup
21 Wanita 60 Sumatra 290 Ada Hidup
22 Pria 40 Betawi 300 Ada Meninggal
23 Wanita 45 Betawi 325 Ada Meningga
24 Pria 35 Betawi 200 Tidakada Hidup
25 Wanita 40 Betawi 240 Ada Hidup
26 Pria 40 Sumatra 210 Tidak ada Hidup
27 Pria 45 Sumatra 170 Tidak ada Hidup
28 Pria 50 Jawa 190 Tidak ada Hidup
29 Wanita 55 Betawi 340 Ada Meninggal
30 Wanita 60 Betawi 330 Ada Meninggal
31 Pria 40 Sumatra 300 Ada Meninggal
32 Wanita 45 Jawa 260 Ada Meninggal
33 Wanita 50 Betawi 260 Tidak ada Meninggal
34 Pria 40 Sumatra 370 Ada Meninggal
35 Pria 30 Betawi 400 Ada Meninggal
36 Pria 35 Betawi 240 Ada Hidup
37 Pria 35 Betawi 275 Ada Hidup
38 Pria 40 Betawi 200 Tidak ada Hidup
39 Pria 40 Betawi 150 Tidak ada Hidup
40 Pria 40 Jawa 150 Tidak ada Hidup

17
Tugas :

• deskripsikan distribusikan/frekwensi penyakit DM berdasarkan :

• jenis kelamin
• umur
• ada tidaknya komplikasi
• kadar gula darah
• status pada saat pulang dari RS

• dapatkah gambaran distribusi/frekwensi diatas menggambarkan kondisi di populasi ?

apa alasannya ?
• Dari data diatas dapatkah saudara menentukan kelompok yang diduga berisiko tinggi untuk
penyakit DM ? bagaimana caranya

• dari data diatas dapatkah saudara memformulasikan hipotesis baru

• adakah hubungan antara komplikasi dengan kematian pada penderita DM

• jika ada hubungan antara kejadian komplikasi dengan kematian pada penderita
DM dapatkah hasil tersebut digeneralisasikan di populasi
• dapatkah saudara memformulasikan hipotesis baru dari analisis hubungan
tersebut

18
Studi Korelasi
• nama lain studi ekologi
• merupakan studi epidemiologi yang bersifat studi observasional
• unit pengamatan/analisisnya adalah agregat , berikut beberapa contoh
ukuran agregat :

• ukuran agregat yang mengukur nilai rata-rata, median,

• atau proporsi dari kumpulan nilai-nilai individu di suatu
kelompok misal :
• nilai rate suatu penyakit ; insidens, prevalens
• nilai rata-rata asupan lemak pada suatu kelompok individu
/masyarakat
• nilai cakupan program
• nilai median dari penghasilan sekelompok individu

19
 • ukuran agregat “environment”, merupakan ukuran yang
mewakili karakteristik fisik dari suatu lingkungan hidup
misalnya :
• nilai cakupan rumah sehat pada suatu area
• nilai intensitas polusi pada suatu area
• nilai kepadatan jentik pada suatu area

• populasi studi terdiri dari kumpulan unit pengamatan dari mana

ukuran agregat diukur

• sebagai contoh : unit pengamatan untuk angka kepadatan jentik,

dan insidens DHF diukur berdasarkan area kerja puskesmas,
maka populasi studi terdiri dari kumpulan puskesmas - puskesmas

20
• analisis yang dilakukan dapat bersifat:
• deskriptif : melihat distribusi frekwensi dari variabel yang diteliti
(dalam unit agregat)

• analitik : melihat korelasi/hubungan antara variabel-variabel diteliti

• jika variabel “exposure” dan variabel “outcome” diukur sebagai
data kontinyu
• hubungannya secara statistik diuji dengan uji korelasi
• kekuatan/keeratan hubungan dilihat dengan melihat
nilai koefisien korelasi (“r”)
• jika variabel “exposure” dan variabel “outcome” diukur
sebagai data kategorikal
• hubungannya secara statistik dapat diuji dengan uji  kuadrat,
atau regressi logistik
• kekuatan hubungan dilihat dengan menghitung RR atau OR

21
• contoh : suatu studi ekologi ingin melihat korelasi antara cakupan
imunisasi campak dengan insidens campak
• unit pengamatan puskesmas
• populasi studi; 10 puskesmas
• cakupan imunisasi campak dianggap sebagai (exposure
/ independent variable)
• insidens campak dianggap sebagai (outcome
/dependent variable)

• contoh 1: jika variabel bebas dan variabel terikat diukur dengan

skala kontinyu
• y = insidens campak
• x = cakupan imunisasi campak
• hubungan secara statitik diuji dengan uji korelasi
• kekuatan hubungan dilihat dari koefisien korelasi

22
•data :
ID PKM X (%) Y(%) X2 Y2 XY

1 50 60 502 602 50 x 60
2 55 70
3 60 35
4 65 30
5 70 25
6 75 20
7 80 25
8 85 20
9 90 15
10 95 10

N =10 X Y X2 Y2 XY

n xy - ( x )(xy)
r = ------------------------------------------------
 n x2 - (x )2 n y2 - (y )2

23
persamaan garis linier : y = a + bx

n xy - ( x )(y) y - bx

b = -------------------------- a = ---------------------------
n x2 - (x )2 n

b2 [ x2 - ( x )2/n]
r2 = ---------------------------------------- r = r2
y2 - (y)2/n

24
a = intercept merupakan titik dimana garis memotong sumbu y
jika nilai a negatif, garis memotong sumbu y dibawah sumbu x
jika nilai a positif, garis memotong sumbu y diatas sumbu x

b = slope; angka dimana nilai y berubah untuk setiap unit perubahan pada x

Jika nilai b negatif menunjukkan arah garis dari bagian atas sudut kiri
kebagian bawah sudut kanan

Jika nilai b positif menunjukkan arah garis dari bagian bawah sudut kiri
ke bagian atas sudut kanan

Dalam persamaan regressi disebut dengan koefisien regressi,

memprediksi perubahan y untuk setiap unit perubahan pada x

25
r = koefisien korelasi

• menggambarkan kekuatan hubungan variabel x dan y

• nilai r berkisar dari 0 sampai 1
• makin mendekati 1 ada hubungan linier yang kuat antara x dan y
• makin mendekati 0 hampir tidak ada hubungan antara x dan y

• nilai r dapat positif ataupun negatif

• nilai r yang negatif menunjukkan adanya hubungan yang negatif antara x dan y
• jika x meningkat y menurun
• jika x menurun y meningkat
• nilai r yang positif menunjukkan adanya hubungan yang positif antara x dan y
• jika x meningkat y meningkat
• jika x menurun y juga menurun

26
sebagai contoh nilai r = - 0.95
• ada hubungan linier yang kuat antara variabel x dan y
• jika x meningkat y menurun atau sebaliknya

y y
• •
• •• •• • •
• •• •• • •
•
• • ••
•••••• • •• •
•
•
x
x
r = positif dan mendekati 1 r = negatif dan mendekati 1

27
 • •
•
• •
•
• •
• • • •
r = positif dan mendekati nol
•
• •
•

28
Uji statistik : untuk melihat apakah nilai “r” yang didapat merupakan ukuran
yang cukup bermakna secara statistik untuk mengindikasikan bahwa
di populasi kedua variabel x dan y berkorelasi

• hipotesis : H0 : r = 0
HA : r  0
• r = koefisien korelasi di populasi
• uji statistik jika r = 0

n-2
t=r ------------ dengan derajat kebebasan = n-2
1 - r2

29
• jika dipakai  = 0.05, dan hasil kalkulasi uji statistik
mempunyai nilai p < 0.05 maka H0 ditolak,

• artinya koefisien korelasi di populasi tidak sama dengan 0,

artinya hasil kalkulasi r berdasarkan sampel tadi cukup
bermakna secara statistik atau dengan kata lain korelasi
antara variabel x dan y bermakna secara statistik

30
• contoh 2 : jika variabel terikat dan variabel bebas diukur
dengan skala kategorikal
• data :

ID PKM X (%) kategori Y (%) kategori

1 50 rendah 60 Tinggi
2 55 rendah 70 Tinggi
3 60 rendah 35 Rendah
4 65 rendah 30 Rendah
5 70 rendah 25 Rendah
6 75 tinggi 60 Tinggi
7 80 tinggi 25 Rendah
8 85 tinggi 20 Rendah
9 90 tinggi 15 Rendah
10 95 tinggi 10 Rendah

X = cakupan imunisasi campak

y = insidens campak
PKM = puskesmas

31
Tabel distribusi cakupan imunisasi campak dan insidens campak
Dari data diatas
Insiden tinggi Insiden rendah

Cakupan rendah 3 2 5
Cakupan tinggi
1 4 5

32
 Contoh :

Dari 35 puskesmas yang mempunyai cakupan imunisasi rendah,

25 puskesmas mempunyai insiden campak yang tinggi :
• proporsi dari insidens campak tinggi pada pkm cakupan rendah = 25/35
• odds dari insidens campak tinggi|cakupan rendah = 25/10

Dari 50 puskesmas yang mempunyai cakupan imunisasi tinggi,

15 puskesmas mempunyai insiden campak yang tinggi
• proporsi dari insidens campak tinggi pada pkm cakupan tinggi = 15/50
• odds dari insidens campak tinggi|cakupan tinggi = 15/35

Insidens 25/35 odds 25/10

RR= -------------------- = ------------ = 1.56 OR= ------------ = ------------- = 5.81
Insidens 15/50 odds 15/35

33
Uji statistik :
• uji homogenitas proprorsi binomial
• uji independensi

• kedua uji statistik diatas sama prosedurnya

k ( O - E )2
2 =  ---------------
i=1 E
2 : Khi kuadrat
O : Observed value / nilai yang diamati
E : Expected value / nilai yang diharapkan
H0 : angka cakupan imunisasi dengan insidens campak, independen
(tak berhubungan)
Ha : angka cakupan imunisasi dengan insidens campak, tak independen
(berhubungan)
 : 0.05 dengan derajat kebebasan = (c-1)((r-1) c= kolom r=baris
jika 2 memberikan nilai P lebih besar dari  maka H0 ditolak

34
tabel kontingensi “ Observed”

insidens DHF

tinggi rendah total

rendah a b (a+b)
angka kpdt jentik
tinggi c d (c+d)

total (a+c) (b+d) (a+b+c+d)

(a+b) (a+c) (a+b) ( b+d)

a” = ---------------- b” =-----------------
(a+b+c+d) (a+b+c+d)

(c+d) (a+c) (c+d) (b+d)

c” = ---------------- d”= --------------
(a+b+c+d) (a+b+c+d)

jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test
35
 (a+b) (a+c) (a+b) ( b+d)
a” = ---------------- b” =-----------------
(a+b+c+d) (a+b+c+d)

(c+d) (a+c) (c+d) (b+d)

c” = ---------------- d”= --------------
(a+b+c+d) (a+b+c+d)

jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test

D+ D-

E+ “a” “b”

E- “c” “d”

36
Contoh menghitung nilai “expected”

Insidens penyakit
tinggi rendah total

rendah 25(a) 10(b) 35 (a+b)

cakupan imunisasi
tinggi 15(c) 35(d) 50 (c+d)

total 40(a+c) 45(b+d) 85 (a+b+c+d)

total row x total colum

nilai “expected” =------------------------------------
grand total

total row x total colum 35 x 40

nilai “expected” a = ------------------------------------ = ------------------- = 16.47
grand total 85

total row x total colum 35 x 45

nilai “expected” b = ------------------------------------ = ------------------- = 18.53
grand total 85 37
 total row x total colum 50 x 40
nilai “expected” c = ------------------------------------ = ------------------ = 23.53
grand total 85

total row x total colum 50 x 45

nilai “expected” d = ------------------------------------ = ------------------= 26.47
grand total 85

38
 k ( O - E )2
2 =  ---------------
i=1 E

(25 - 16.17)2 (10 - 18.53)2 (15 - 23.53)2 (35 - 26.47)2

2 = --------------- + ------------------ + --------------- + -------------------- = 15.75
16.7 18.53 23.53 26.47

Didapat nilai 2  yang mana dibawa H0 akan mengikuti distribusi

khi kuadrat

untuk tingkat = 0.05

kita akan menolak H0 jika nilai nilai 2 > nilai 2d.f..1-
kita akan menerima H0 jika nilai nilai 2 < nilai 2d.f..1-

39
nilai 2d.f..1- = 3.84

{ d.f = derajat kebebasan = (r-1)(c-1) = (2-1)(2-1) =1 dan 1-= 1- 0.05 = 0.95)

kita menolak H0 karena nilai nilai 2 = 15.75 > 3.84 dimana nilai p < 0.05
artinya ada hubungan secara statistik antara variabel
cakupan imunisasi campak dengan insiden campak

• kelebihan dari studi korelasi :

• jika data telah tersedia relatif murah
• dapat untuk melihat distribusi frekwensi kejadian penyakit
/masalah kesehatan dalam satuan agregat di populasi
• dapat melihat hubungan antara variabel yang diteliti
dalam satuan agregat
• dapat untuk membangun /memformulasikan hipotesis baru

40
• kelemahan studi korelasi :
• tidak dapat melihat hubungan ditingkat individu.
• ada ecologic fallacy, yakni bias dalam menginterpretasikan,
hubungan tingkat agregat
disamakan dengan hubungan tingkat individu,

misal ada hubungan antara angka cakupan imunisasi campak

dengan angka insidens campak (hubungan dalam tingkat agregat)
 belum berarti dalam tingkat idividu ada hubungan
antara imunisasi dengan kejadian penyakit campak pada seseorang

• sehingga untuk membuktikan adanya hubungan ditingkat individu,

dari studi korelasi hanya dapat memformulasikan hipotesis baru
• pembuktian hipotesis tadi dengan disain studi epidemiologi analitik

41
Disain Studi Potong-Lintang (cross-sectional study)

• nama lain : studi prevalensi, survey

• bersifat observasional
• unit pengamatan dan unit analaisisnya adalah individu
• 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

• pengukuran variabel independet (exposure) dan variabel dependent

(outcome) dilakukan secara simultan, sehinga :
• 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 )

42
• analisis yang dilakukan dapat bersifat:
• 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
• jika variabel “exposure” dan variabel “outcome” diukur
sebagai data kontinyu
• hubungannya secara statistik diuji dengan uji korelasi
• kekuatan/keeratan hubungan dilihat dengan melihat
nilai koefisien korelasi (“r”) ataupun dengan koefisien
regressi

43
• jika variabel “exposure” dan variabel “outcome” diukur sebagai
data kategorikal
• hubungannya secara statistik dapat diuji dengan
uji  kuadrat, atau regressi logistik
• kekuatan hubungan dilihat dengan menghitung PR
atau OR

• jika variabel “exposure” diukur sebagai data kontinyu dan

variabel “outcome” diukur sebagai data kategorikal
• hubungannya secara statistik dapat diuji dengan
regressi logistik kekuatan hubungan dilihat dengan
menghitung exponensial koefisien regressi
• setiap ada penambahan atau pengurangan satu satuan
unit “exposure” terjadi peningkatan atau pengurangan
odds “outcome” sebesar eksponensial koefisien regressi

44
• jika variabel “exposure” diukur sebagai data kategorikal
dan variabel “outcome” diukur sebagai data kontinyu
• hubungannya secara statistik dapat diuji dengan uji t
(jika hanya2 kelompok “exposure”) dan tes Anova
(bila lebih dari 2 kelompok)
• kekuatan hubungan dilihat dengan membandingkan
masing-masing nilai mean pada masing-masing kelompok

45
Contoh :

• dalam suatu penelitian dengan disain potong lintang :

• ingin melihat hubungan antara skore intensitas psikosis
dengan kadar amphetamin darah.
• D = skore intensitas psikosis (data kontinyu)
• E = kadar amphetamin darah (data kontinyu)
• pengukuran D dan E dilakukan secara simultan
• populasi pengguna amphetamin yang datang ke klinik
ketergantungan obat
• sampel 10 orang yang diambil secara random dari populasi

• analisis deskriptif : menghitung mean, median, mode dari

variabel D dan E

46
• analisis analitik :
• buat diagram scatter untuk melihat hubungan secara kasar
• analisis korelasi linear dan analisis regrresi
• alpha ditentukan 0,05
• untuk melihat hubungan E dan D lihat koefisien korelasi “r”
• untuk melihat bagaimana E memprediksian D lihat
koeffisien regressi b

47
Data

Pasien Skore intesitas psikosis Kadar amphetamin darah

(Y) mg/ml ( X )

1 10 150
2 30 300
3 20 250
4 15 150
5 45 450
6 35 400
7 50 425
8 15 200
9 40 350
10 55 475

48
persamaan garis linier : y = a + bx

n xy - ( x )(y) y - bx

b = -------------------------- a = ---------------------------
n x2 - (x )2 n

b2 [ x2 - ( x )2/n]
r2 = ---------------------------------------- r = r2
y2 - (y)2/n

silahkan hitung koefisien korelasi “r” dan koefisen regressi “b”

49
Uji statsitik: t statistik

n-2
t=r ------------ dengan derajat kebebasan = n-2
1 - r2

Apakah ada hubungan secara statistik antara kadar amphetamin darah

dengan skore intensitas psikosis

Buatlah persamaan garis y = a + bx

Seseorang pecandu dengan kadar amphetamin 360 mg/ml darah

berapa kira-kira skore intesitas psikosisnya

50
Contoh 2
• dalam suatu penelitian dengan disain potong lintang
• ingin melihat hubungan antara merokok dan bronchitis kronis.
• D = bronchitis kronis (data kategorikal)
• E = merokok (data kategorikal)
• pengukuran D dan E dilakukan secara simultan
• populasi merupakan pegawai di pabrik A
• sampel 1000 orang yang diambil secara random dari populasi

• analisis deskriptif : menghitung distribusi frekwensi D dan E

• analisis analitik :
• analisis khi kuadrat dengan tabel kontingensi
• alpha ditentukan 0,05
• untuk melihat hubungan E dan D hitung OR atau PR

51
Tabel kontingensi 2x2 untuk data diatas

“Outcome”
D+ D- total

E+ 200 200 400

“exposure”
E- 100 500 600

total 300 700 1000

52
 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%

53
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%

54
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

55
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

56
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

57
 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”

58
Kelebihan Studi Potong Lintang :

• dapat untuk melihat distribusi frekwensi penyakit di populsi

• dapat untuk melihat hubungan variabel “exposure” dan
variabel “outcome”
• hasil analisisnya dapat dipakai untuk membangun hipotesis baru

Kelemahan Studi Potong Lintang

• tidak dapat untuk melihat hubungan sebab akibat, karena

variabel “exposure” dan variabel “outcome” diukur secara simultan

59