Joko Mulyanto Kepaniteran Klinik IKK / IKM 2009

Sampel Penelitian Skala Data Tabulasi dan Coding Analisis deskriptif Analisis Bivariat Analisis Multivariat

Besar sampel yang diambil harus memenuhi besar sampel minimal. Ada beberapa pendapat: - 10 % dari populasi - Rule of thumb 30 - Paling optimal menggunakan rumus perhitungan besar sampel Untuk data yang berskala nominal (kategorikal) dengan desain crosssectional maka dapat menggunakan rumus:

n = Z P (1-P) d2 n : besar sampel minimal Z : Nilai z dari tingkat kemaknaan yg diinginkan dalam hal ini 5 % maka nilainya adalah 1,96 (dikuadratkan) P : prevalensi penyakit d : kesalahan absolut yg bisa ditolerir maksimal 10 %. Perlu ditambahkan 10 % dari besar sampel minimal hasil perhitungan untuk mengantisipasi nonresponse/drop out.

Teknik pengambilan sampel harus menggunakan metode pengambilan sampel yang sesuai. Yang dianjurkan adalah cluster random sampling. Harus memperhatikan Probability proportionate to Size (PPS) Contoh teknik pengambilan sampel sebagai berikut:

Akan dipilih 100 sampel dari 1000 orang dalam populasi yang tinggal di sebuah kecamatan. Kecamatan terdiri atas 4 desa (cluster) A, B, C, D dengan penduduk masing-masing 200, 300, 250, 250. Urutkan penduduk dari 1 sampai dengan N untuk masing-masing desa. Untuk desa A akan diambil 200/1000 x 100 = 20 orang, B 30 orang, C 25 orang, D 25 orang. Pilih dari masing-masing desa secara random sampling sampai dengan besar sampel terpenuhi.

Skala data secara umum dibagi menjadi : - Nominal : kategori tanpa tingkatan /hirarki Contoh: agama, gol.darah - Ordinal : kategori dengan hirarki, contoh: Stadium penyakit - Interval : numerik tanpa nol absolut contoh : suhu dalam celcius - Rasio : numerik dengan nol absolut contoh: kadar gula

Untuk bisa melakukan analisis data, maka skala data dari variabel harus dinyatakan secara jelas pada definisi operasional. Bila data diukur dalam skala numerik dan kemudian dikategorikan ulang untuk dianalisis maka dasar untuk kategorisasi harus jelas (menentukan cut of point dari kategori). Misal: pengetahuan akan dikategorikan dalam tinggi dan rendah. Pengetahuan sendiri diukur menggunakan nilai yang dihitung dari jawaban pertanyaan. Bila skor maksimal 10, pengetahuan tinggi adalah mereka dengan skor 6-10, sedangkan rendah adalah skor 0-5.

Proses tabulasi dan coding adalah memasukkan data dan menggolongkan sesuai dengan kepentingan analisis data. Bila data diambil dari data primer (kuisioner), maka lebih mudah dibuat master table. Bisa dilakukan secara manual atau dengan program komputer (excel, SPSS). Contoh: Pengetahuan diukur dengan 5 pertanyaan. Nilai utk jawaban benar 1 dan salah 0. Pengetahuan dikategorikan baik bila total skor 3-5, buruk bila total skor 0-2. Kategori baik di berikan kode =1, dan buruk = 2

ID 1

SKOR PENGETAHUAN P1 1 P2 0 P3 1 P4 1 P5 1

SKOR TOTAL 4

KAT Baik

Kode 1

2
3 4 5

1
0 1 1

1
0 1 1

1
0 0 1

1
0 0 1

1
1 0 1

5
1 2 5

Baik

Buruk 2 Buruk 2 Baik 1

Disebut juga analisis univariat. Menggambarkan data dalam parameter tunggal. Untuk data kategorikal biasanya berupa distribusi frekuensi dan persentase Bisa dilengkapi grafik batang atau pie. Bila variabel banyak, cukup dibuat dalam 1 master tabel. Contoh:

VARIABEL Pengetahuan Baik Buruk Jumlah

f 10 30 40

% 25 75 100

Analisis (uji) statistik untuk menilai adanya keterkaitan antara 2 variabel, yaitu variabel terikat (outcome, penyakit) dengan variabel bebas (faktor risiko). Menguji hipotesis penelitian, menilai adanya faktor risiko yang bermakna atau tidak. Jenis uji statistik yang dipilih sesuai dengan skala data dari variabel yang akan diuji. Untuk menilai hubungan faktor risiko dan penyakit, analisis yang paling sering digunakan adalah Chi Square

Uji statistik untuk menilai apakah terdapat hubungan antara 2 variabel dengan skala kategorikal (nominal atau ordinal). Yang sering digunakan adalah tabel 2 x 2 Misal : - Variabel tergantung ISPA, dalam 2 kategori (nominal dikotom) ya dan tidak. - Variabel bebas (faktor risiko) merokok. Dalam 2 kategori ya dan tidak.

MEROKOK

YA
ISPA YA TIDAK a c

TIDAK
b d

Nilai pearson chi-square p-value Coeficient contingency OR / RR / RP dengan CI nya. Syarat

Hubungan faktor risiko dengan kejadian ISPA

FR A B C D 2,8 18,6 9,7 X2 12,1 p 0,03 0,43 0,01 0,03 CC 0,35 0,11 0,56 0,42 OR 2,1 1,5 3,4 1,4 95 % CI 1,3 2.7 0,9 1,8 2,5 3,9 1,1 2,5

Analisis statistik untuk melihat hubungan antara variabel bebas yang berjumlah lebih dari 1 secara bersama-sama terhadap variabel bebas Memperhitungkan interaksi antar variabel. Kemurnian hubungan, setelah disesuaikan (adjusted) dengan interaksi tersebut. Jenis bergantung pada skala variabel tergantung. Yang paling sering digunakana adalah regresi linier dan regresi logistik.

Tidak semua variabel bisa dilanjutkan ke analisis multivariat Bila ada hasil multivariat , maka hasil analisis yang dianggap lebih valid adalah yang multivariat.

2009