Macam penelitian deskriptif (skripsi dan tesis)

Macam penelitian deskriptif antara lain adalah :

    • Survey

Adalah suatu cara penelitian deskriptif yang dilakukan terhadap sekumpulan obyek yang biasanya cukup banyak dalam jangka waktu tertentu. Keuntungan dari survey adalah dapat menjaring responden secara luas dan dapat mendapatkan informasi yang bermacam-macam serta hasil informasi dapat dipergunakan untuk tujuan lainnya.

  •       Case Studi/studi kasusDilaksanakan dengan cara meneliti suatu permasalahan melalui suatu kasus yang terdiri ari unit tunggal. Unit tunggal disini dapat berarti satu orang, kelompok penduduk yang terkena suatu masalah misalnya keracunan atau suatu kelompok masyarakat disuatu daerah. Tujuannya adalah untuk mempelajari secara intensif tentang latar belakang keadaan sekarang dan interaksi lingkungan suatu unit sosial, individu, kelompok, lembaga ataupun masyarakat.Cirri-ciri studi kasus

1)      Cenderung untuk meneliti sejumlah unit yang kecil, tetapi mengenai variable dan kondisi yang besar jumlahnya.

2)      Penelitian kasus sangat berguna untuk informasi latar belakang guna merencanakan yang lebih besar dalam ilmu kesehatan dan sosial.

3)      Penelitian kasus memberikan contoh yang berguna berdasarkan data yang diperoleh untuk member gambaran mengenai penemuan yang disimpulkan dengan statistic.

Kelemahan studi kasus

1)      Tidak memungkinkan generalisasi yang objektif pada populasi sebab perincian kasus memang sangat terbatas representatifnya.

2)      Hasilnya kurang obyektif

Ciri-ciri penelitian deskriptif (skripsi dan tesis)

Ciri-ciri penelitian deskriptif adalah :

  • Pada umumnya bersifat menyajikan potret keadaan yang bisa mengajukan hipotesis atau tidak
  • Merancang cara pendekatan, hal yang mmeliputi mecam datanya, penentuan sampelnya, penentuan metode pengumpulan datanya dan penyajian hasilnya.
  • Tidak perlu kelompok pembanding.
  • Tidak mencari penyebab suatu masalah.
  •   Mengumpulkan data.
  • Penyusunan laporan.

Penelitian Observasional Deskriptif (skripsi dan tesis)

Metode penelitian deskritif adalah suatu metode penelitian yang dilakukan dengan tujuan utama untuk membuat gambaran tentang suatu keadaan secara obyektif. Metode penelitian deskriptif digunakan untuk memecahkan atau menjawab permasalhan yang sedang dihadapi pada situasi sekarang. Penelitian ini dilakukan dengan menempuh langkah-langkah pengumpulan data, klasifikasi, pengolahan, membuat kesimpulan dan laporan.

Metode penelitian deskriptif juga diharapkan seorang eneliti berusaha untuk memaprkan pemecahan masalah yang ada sekarang berdaasarkan data, jadi ia juga menyajikan data, menganalisis dan menginterpretasikan data. Penelitian ini juga bisa bersifat komparatif, korelatif, ataupun analitik.

Masalah yang layak diteliti dalam penelitian ini adalah masalah yang sedang banyak dihadapi saat ini, khususnya dibidang pelayanan kesehatan. Masalah ini baik yang berkaitan dengan aspek yang cukup banyak, menelaah satu kasus tunggal, mengadakan perbandingan  antara satu hal dengan hal yang lain, melihat pengaruh sesuatu terhadap faktor yang lain atau melihat hubungan suatu gejala dengan faktor yang lain.

Definisi Desain Penelitian Klinik (Skripsi dan tesis)

Agar suatu peneliti dapat mencapai tujuan sebagaimana yang diharapkan maka perlu ditetapkan dahulu desain penelitiannya. Adapun yang dimaksud dengan desain penelitian disini adalah macam atau jenis penelitian tertentu yang terpilih untuk dilaksanakan dalam rangka mencaapai tujuan penelitian yang telah ditetapkan.

Jika ditinjau dari kehendak untuk mencapai tujuan penelitian, maka peranan desain penelitian adalah amat penting. Peranan tersebut setidak-tidaknya dapat dibedakan atas dua macam yaitu :

  1. Sebagai alat untuk mencapai tujuan penelitian. Memilih suatu desaain penelitian berarti menetapkan macam atau jenis penelitian yang akan dilaksaanakan. Peranan desain penelitian disini adalah sama dengan peranan penelitian itu sendiri yakni sebagai alat untuk mencapai tujuan yang telah ditetapkan.
  2. Sebagai pedoman dalam melaksankan penelitian. Karena setiap macam atau jenis penelitian meneliti tata laksana tersendiri, maka pemilihan terhadap suatu desain penelitian berarti sekaligus memilih pula tatalaksananya. Tatalaksana ini pada dasaarnya adalah suatu pedoman yang harus dipakai sebagai pegangan dalam melakukan penelitian.

 

Dengan perkataan lain peranan suatu desain penelitian dapat diibaratkan sebagai kendaraan bagi para penumpang, yang akan mengantarkannya sampai ke tujuan, serta juga sebagai rambu-rambu lalu lintas yang akan menuntun keselamatan dalam perjalanan.

Desain penelitian merupakan bentuk rancangan yang digunakan dalam melakukan prosedur penelitian. Desain penelitian yang umumnya digunakan di bidang keperawatan adlah rancangan penelitian deskriptif (korelasi, cross sectional), rancangan observasional (case control, cohort), dan rancangan intervensi atau eksperimen (preexperimental, true experimental, dan quasy experimental). (Aziz Alimul Hidayat. 2007)

Desain penelitian merupakan rencana penelitian yang disusun sedemikian rupa sehingga peneliti dapat memperoleh jawaban terhadap pertanyaan penelitian. Desain penelitian mengacu pada jenis atau macam penelitian yang dipilih untuk mencapai tujuan penelitian, serta berperan sebagai alat dan pedoman untuk mencapai tujuan tersebut. Desain penelitian membantu peneliti untuk mendapatkan jawaban dari pertanyaan penelitian dengan sahih, objektif, akurat serta hemat.

Desain harus disusun dan dilaksanakan dengan penuh perhitungan agar dapat menghasilkan petunjuk empiris yang kuat relevansinya dengan pertanyaan penelitian. Terdapat hal penting yang perlu dinilai sebelum kita menentukan jenis penelitian yaitu :

Pertama, sejak awal peneliti harus menentukan apakah akan dilakukan intervensi dalam penelitian tersebut, yaitu dengan melakukan penelitian intervensional (eksperimental) atau apakah hanya melakukan pengamatan saja tanpa intervensi yaitu dengan melakukan observasional.

Kedua, bila peneliti memilih studi observasional, perlu ditentukan apakah akan mengadakan pengamatan sewaktu (croosectional) atau melakukan follow up dalam jangka waktu tertentu (longitudinal). Ketiga, apakah akan dilakukan studi retrospektif yaitu meneliti peristiwa yang sudah berlangsung atau prospektif yaitu dengan mengikuti subyek untuk meneliti peristiwa yang belum terjadi.

Kekuatan Dan Kelemahan Studi Kohort (skripsi dan tesis)

Kekuatan studi kohort, meliputi:
1. Pada awal penelitian, sudah ditetapkan bahwa subjek harus bebas dari penyakit, kemudian diikuti sepanjang periode waktu tertentu sampai timbulnya penyakit yang diteliti, sehingga sekuens waktu antara faktor risiko dan penyakit atau efek dapat diketahui secara pasti.
2. Dapat menghitung dengan akurat jumlah paparan yang dialami populasi.
3. Dapat menghitung laju insidensi atau kecepatan terjadinya penyakit, karena penelitian dimulai dari faktor risiko sampai terjadinya penyakit.
4. Dapat meneliti paparan yang langka.
5. Memungkinkan peneliti mempelajari sejumlah efek atau penyakit secara serentak sebuah paparan. Misalnya, apabila kita telah mengidentifikasi kohort berdasarkan pemakaian kontrasepsi oral (pil KB), maka dengan studi kohort dapat diketahui sejumlah kemungkinan efek kontrasepsi oral pada sejumlah penyakit, seperti infark miokardium, kanker payudara, dan kanker ovarium.
6. Dapat memeriksa dan mendiagnosa dengan teliti penyakit yang terjadi.
7. Bias dalam menyeleksi subjek dan menentukan status paparan kecil
8. Hubungan sebab akibat lebih jelas dan lebih meyakinkan.

Kelemahan studi kohort, meliputi:
1. Tidak efisien dan praktis untuk mempelajari kasus yang langka
2. Pada studi prospektif, akan memerlukan biaya banyak (mahal), dan membutuhkan banyak waktu.
3. Pada studi retrospektif, membutuhkan ketersediaan catatan yang lengkap dan akurat.
4. Validitas hasil penelitian dapat terancam, karena adanya subjek subjek yang hilang pada saat follow-up.
5. Dapat menimbulkan masalah etika, karena peneliti membiarkan subjek terkena pajanan yang merugikan.

Langkah-Langkah Dalam Studi Kohort (skripsi dan tesis)

  

            Dalam melakukan studi kohort, peneliti sebaiknya melakukan tahapan sebagai berikut:

  1. Merumuskan pertanyaan penelitian dan hipotesis

            Langkah pertama yang harus dilakukan oleh peneliti, adalah merumuskan masalah atau pertanyaan penelitian, menentukan apa yang menjadi variabel dalam penelitian, baik variabel dependen, maupun variabel independen, dan yang selanjutnya peneliti akan merumuskan hipotesa penelitian.

  1. Menentukan kelompok terpapar dan tidak terpapar

     Pada studi kohort, harus diperhatikan mengenai penentuan kelompok yang akan mendapat paparan dengan kelompok yang tidak akan mendapat paparan. Pemilihan kelompok terpapar yang berasal dari populasi umum memungkinkan peneliti mendapatkan informasi yang lengkap dan akurat dari subjek penelitian.

Populasi umum merupakan pilihan yang tepat pada beberapa keadaan, seperti:

  1. Prevalensi paparan pada populasi cukup tinggi
  2. Batas geografik jelas, dan secara demografik stabil
  3. Ketersediaan catatan demografi yang lengkap dan up to date

            Selain populasi umum, kita dapat menggunakan populasi khusus. Populasi khusus merupakan alternatif pada keadaan apabila prevalensi paparan dan kejadian penyakit pada populasi umum rendah, dan adanya kemudahan untuk memperoleh informasi yang akurat.

            Kelompok tidak terpapar atau kelompok kontrol dalam penelitian kohort adalah kumpulan subjek yang tidak mengalami pemaparan, atau pemaparannya berbeda dengan kelompok target. Penentuan kelompok tidak terpapar dapat dipilih dari populasi yang sama dengan populasi kelompok terpapar, dan dapat dipilih dari populasi yang bukan asal kelompok terpapar, tetapi harus dipastikan kedua populasi harus sama dalam hal faktor faktor yang merancukan penilaian hubungan antara paparan dan penyakit yang sedang diteliti.

            Kelemahan dalam menggunakan populasi umum adalah derajat kesehatan berbeda, data kependudukan, kesehatan, dan catatan medik pada populasi umum tidak seakurat pada populasi khusus.

  1. Menentukan Sampel

            Hitung perkiraan besarnya sampel yang dibutuhkan. Untuk menentukan perkiraan besarnya sampel satu kohort dapat digunakan rumus dari Sndecor and Cochran. Untuk dua kohort, terutama untuk pengujian hipotesis, harus diperhatikan kekuatan uji yaitu 1-β.4.

  1. Pengambilan data dan pencatatan

            Kedua kelompok yang telah ditetapkan, yaitu kelompok terpapar dan kelompok tidak terpapar, kemudian diikuti selama jangka waktu tertentu sesuai dengan waktu yang telah ditetapkan dalam penelitian. Selanjutnya peneliti melakukan pencatatan semua keterangan yang telah diperoleh sesuai tujuan penelitian.

  1. Pengolahan dan analisis data hasil penelitian

            Semua data yang telah diperoleh, meliputi data kejadian penyakit yang dialami oleh kelompok terpapar dan kelompok tidak terpapar, dilakukan pengolahan data agar dapat ditangani dengan mudah, meliputi kegiatan editing, coding, processing, dan cleaning.

Setelah data diolah, dilakukan analisis data secara univariat dan bivariat, atau multivariat. Untuk menilai apakah paparan (faktor risiko) yang dialami subjek sebagai penyebab timbulnya penyakit, dilakukan uji kemaknaan dengan uji statistik yang sesuai. Keputusan uji statistik dapat dicari dengan pendekatan klasik ataupun probabilistik.

            Pada penelitian kohort, peneliti menghitung besarnya risiko yang dihadapi kelompok terpapar untuk terkena penyakit menggunakan perhitungan Relative risk/ RR (risiko relatif) dan Atribute risk/ AR (risiko atribut). RR adalah perbandingan antara insidensi penyakit yang muncul dalam kelompok terpapar dan insidensi penyakit yang muncul dalam kelompok tidak terpapar.

Analisis

  1. Insiden Risk ( IR ) = a/ (a+b)
  2. Relative Risk ( RR ) = IR kelompok terpapar : IR kelompok tidak terpapar = (a/a + b) : (c/c + d)
  3. Attributable Risk = IR kelompok terpapar – IR kelompok tidak terpapar

            RR harus selalu disertai nilai interval kepercayaan yang dikehendaki, misalnya 95%. Interpretasi hasil RR adalah:

  1. Jika nilai RR = 1, berarti variabel yang diduga sebagai faktor risiko tidak ada pengaruh dalam terjadinya efek.
  2. Jika nilai RR > 1 dan rentang interval kepercayaan tidak mencakup angka 1, berarti variabel tersebut faktor risiko dari penyakit.
  3. Jika nilai RR < 1 dan rentang nilai interval kepercayaan tidak mencakup angka 1, berarti faktor risiko yang kita teliti merupakan faktor protektif untuk terjadinya efek.
  4. Jika nilai interval kepercayaan RR mencakup nilai 1, berarti mungkin nilai RR = 1 sehingga belum dapat disimpulkan bahwa faktor yang kita teliti sebagai faktor risiko atau faktor protektif.

 Karakteristik Studi Kohort (skripsi dan tesis)

Pada studi kohort, pemilihan subjek dilakukan berdasarkan status paparannya, kemudian dilakukan pengamatan dan pencatatan apakah subyek mengalami outcome yang diamati  atau tidak. Studi kohort memiliki karakteristik:

  1. Studi kohort bersifat observasional
  2. Pengamatan dilakukan dari sebab ke akibat
  3.      Studi kohort sering disebut sebagai studi insidens
  4. Terdapat kelompok kontrol
  5. Terdapat hipotesis spesifik
  6. Dapat bersifat prospektif ataupun retrospektif
  7. Untuk kohort retrospektif, sumber datanya menggunakan data sekunder

Pengertian Kohort Retrospektif (skripsi dan tesis)

Studi Kohort adalah studi yang mempelajari hubungan antara faktor risiko dan efek (penyakit atau masalah kesehatan), dengan memilih kelompok studi berdasarkan perbedaan faktor risiko. Kemudian mengikuti sepanjang periode waktu tertentu untuk melihat berapa banyak subjek dalam masing-masing kelompok yang mengalami efek penyakit atau masalah kesehatan.

Studi kohort dibedakan menjadi dua, yaitu: kohort prospektif dan kohort retrospektif. Studi kohort disebut prospektif apabila faktor risiko, atau faktor penelitian diukur pada awal penelitian, kemudian dilakukan follow up untuk melihat kejadian penyakit dimasa yang akan datang. Lamanya follow up dapat ditentukan berdasarkan lamanya waktu terjadinya penyakit.

 Pada studi kohort retrospektif, faktor risiko dan efek atau penyakit sudah terjadi dimasa lampau sebelum dimulainya penelitian. Dengan demikian variabel tersebut diukur melalui catatan historis.

Prinsip studi kohort retrospektif tetap sama dengan kohort prospektif, namun pada studi ini,pengamatan dimulai pada saat akibat (efek) sudah terjadi.

Prinsip studi kohort retrospektif tetap sama dengan kohort prospektif, namun pada studi ini, pengamatan dimulai pada saat akibat (efek) sudah terjadi. Yang terpenting dalam studi retrospektif adalah populasi yang diamati tetap memenuhi syarat populasi kohort, dan yang diamati adalah faktor risiko masa lalu yang diperoleh melalui pencatatan data yang lengkap. Dengan demikian, bentuk penelitian kohort retrospektif hanya dapat dilakukan, apabila data tentang faktor risiko tercatat dengan baik sejak terjadinya paparan pada populasi yang sama dengan efek yang ditemukan pada awal pengamatan.

Studi Kohort Penyakit Tidak Menular (PTM) (skripsi dan tesis)

 

Di Badan Litbangkes telah dilakukan penelitian studi kohort faktor risiko Penyakit Tidak Menular (PTM) termasuk faktor risiko perilaku serta sindrom metabolik, direncanakan dilaksanakan  minimal 10 tahun. Tahun 2011 telah dilakukan survey baseline data faktor risiko PTM utama, dan selanjutnya akan dilakukan follow-up  setiap individu yang diteliti untuk mengetahui perubahan faktor risiko dan kejadian PTM utama.  Pengumpulan data dilakukan secara prospektif, dengan followup secara periodik beberapa bulan untuk memantau faktor risiko perilaku dan fisik, dan setiap tahun/beberapa tahun untuk memantau faktor risiko biologik dan kejadian PTM. Penelitian ini membandingkan kecepatan perubahan faktor risiko menjadi PTM dari kelompok individu  yang memiliki  faktor risiko PTM  seperti diet tidak sehat (kurang serat, tinggi garam, tinggi lemak), konsumsi alkohol, kurang aktivitas fisik, merokok, sindrom metabolik (hipertensi, hiperglikemia/TGT, dislipidemia, obesitas) dan kombinasinya, dengan kecepatan perubahan faktor risiko menjadi PTM pada kelompok individu yang tidak mempunyai faktor risiko tersebut.
Adapun manfaat studi kohor PTM antara lain:
1)    Informasi insidens dan kecepatan terjadinya sindrom metabolik, jantung koroner, diabetes melitus, kanker, PPOK dan strok merupakan evidenve based penting yang diperlukan bagi pelaksana program dalam rangka penyusunan rencana dan penentuan prioritas program pengendalian faktor risiko PTM
2)    Informasi prediktor utama PTM utama, dan risiko relatif faktor bermanfaat untuk pengembangan model pencegahan dan pengendalian PTM, serta pengobatannya secara efektif.
3)    Informasi prediktor PTM utama dan sindrom metabolik serta kecepatan perubahan faktor risiko menjadi PTM merupakan tambahan ilmu pengetahuan bagi ilmuwan untuk melakukan penelitian etiologi lebih lanjut,
4)    Data dan laporan longitudinal dari studi ini dapat menggambarkan riwayat alamiah penyakit. Hal ini merupakan sumber data yang berpotensi untuk dianalisis lebih lanjut
5)    Bagi masyarakat khususnya responden, penelitian ini akan memberikan informasi faktor risiko dan PTM yang diderita. Dengan demikian masalah kesehatan yang diderita  dapat diketahu

Kelebihan dan Kekurangan dari Penelitian Case Control (skripsi dan tesis)

Kelebihan :

  1. Cocok untuk mempelajari penyakit yang jarang ditemukan
  2. Hasil cepat, ekonomis
  3. Subjek penelitian bisa lebih sedikit
  4. Memungkinkan mengetahui sejumlah faktor risiko yang mungkin berhubungan dengan penyakit
  5. Kesimpulan korelasi kurang baik, karena ada pembatasan dan pengendalian faktor risiko
  6. Tidak menghadapi kendala etik seperti pada penelitian eksperimen atau cohort
  7. Tidak memerlukan waktu lama (lebih ekonomis)

Kekurangan :

  1. Pengukuran variable yang retrospektif, objektifitas dan reliabilitasnya kurang karena subjek penelitian harus mengingat kembali factor-faktor risikonya,
  2. Tidak dapat diketahui efek variable luar karena secara teknis tidak dapat dikendalikan
  3. Kadang-kadang sulit memilih control yang benar-benar sesuai dengan kelompok kasus karena banyaknya factor resiko yang harus dikendalikan. 

Ciri-Ciri Penelitian Case Control (skripsi dan tesis)

Pemilihan subyek berdasarkan status penyakitnya, untuk kemudian dilakukan amatan apakah subyek mempunyai riwayat terpapar atau tidak. Subyek yang didiagnosis menderita penyakit disebut: Kasus berupa insidensi yang muncul dan populasi, sedangkan subyek yang tidak menderita disebut Kontrol.Jenis penelitian ini dapat saja berupa penelitian restrospektif bila peneliti melihat ke belakang dengan menggunakan data yang berasal dari masa lalu atau bersifat prospektif bila pengumpulan data berlangsung secara berkesinambungan sering dengan berjalannya waktu. Idealnya penelitian kasus kontrol itu menggunakan kasus (insiden) baru untuk mencegah adanya kesulitan dalam menguraikan faktor yang berhubungan dengan penyebab dan kelangsungan hidup

Pengertian Penelitian Case Control (skripsi dan tesis)

Penelitian Case Control adalah rancangan epidemiologis yang mempelajari hubungan antara paparan (amatan penelitian) dan penyakit, dengan cara membandingkan kelompok kasus dan kelompok kontrol berdasarkan status paparannya. Mempelajari seberapa jauh faktor risiko mempengaruhi terjadinya efek.

Kelebihan Dan Kekurangan Dari Penelitian Kohort (skripsi dan tesis)

Kelebihan :

  1. Kesesuaian dengan logika normal dalam membuat inferensi kausal
  2. Dapat menghitung laju insidensi
  3. Untuk meneliti paparan langkah
  4. Dapat mempelajari beberapa akibat dari suatu paparan

Kekurangan :

  1. Lebih mahal dan butuh waktu lama
  2. Pada kohort retrospektif, butuh data sekunder yang lengkap dan handal
  3. Tidak efisien dan tidak praktis untuk kasus penyakit langka
  4. Risiko untuk hilangnya subyek selama penelitian, karena migrasi, partisipasi rendah atau meninggal
  5. rawan terhadap bias

Karakteristik Penelitian Kohort (skripsi dan tesis)

  1. Bersifat observasional
  2. Pengamatan dilakukan dari sebab ke akibat
  3. Disebut sebagai studi insidens
  4. Terdapat kelompok control
  5. Terdapat hipotesis spesifik
  6. Dapat bersifat prospektif ataupun retrospektif
  7. Untuk kohor retrospektif, sumber datanya menggunakan data sekunder

 Langkah-Langkah Penelitian Kohort (skripsi dan tesis)

 

  1. Merumuskan pertanyaan penelitian dan hipotesis

Langkah pertama yang harus dilakukan oleh peneliti, adalah merumuskan masalah atau pertanyaan penelitian, menentukan apa yang menjadi variabel dalam penelitian, baik variabel dependen, maupun variabel independen, dan yang selanjutnya peneliti akan merumuskan hipotesa penelitian.

  1. Menentukan kelompok terpapar dan tidak terpapar

Pada studi kohort, harus diperhatikan mengenai penentuan kelompok yang akan mendapat paparan dengan kelompok yang tidak akan mendapat paparan. Pemilihan kelompok terpapar yang berasal dari populasi umum memungkinkan peneliti mendapatkan informasi yang lengkap dan akurat dari subjek penelitian. Populasi umum merupakan pilihan yang tepat pada beberapa keadaan, seperti:

  1. Prevalensi paparan pada populasi cukup tinggi
  2. Batas geografik jelas, dan secara demografik stabil
  3. Ketersediaan catatan demografi yang lengkap dan up to date

Selain populasi umum, kita dapat menggunakan populasi khusus. Populasi khusus merupakan alternatif pada keadaan apabila prevalensi paparan dan kejadian penyakit pada populasi umum rendah, dan adanya kemudahan untuk memperoleh informasi yang akurat.

                        Kelompok tidak terpapar atau kelompok kontrol dalam penelitian kohort adalah kumpulan subjek yang tidak mengalami pemaparan, atau pemaparannya berbeda dengan kelompok target. Penentuan kelompok tidak terpapar dapat dipilih dari populasi yang sama dengan populasi kelompok terpapar, dan dapat dipilih dari populasi yang bukan asal kelompok terpapar, tetapi harus dipastikan kedua populasi harus sama dalam hal faktor faktor yang merancukan penilaian hubungan antara paparan dan penyakit yang sedang diteliti.

                        Kelemahan dalam menggunakan populasi umum adalah derajat kesehatan berbeda, data kependudukan, kesehatan, dan catatan medik pada populasi umum tidak seakurat pada populasi khusus.

  1. Menentukan Sampel

Langkah selanjutnya dalam studi kohort adalah menetapkan besarnya sampel yang akan digunakan dalam penelitian.

  1. Pengambilan data dan pencatatan

Kedua kelompok yang telah ditetapkan, yaitu kelompok terpapar dan kelompok tidak terpapar, kemudian diikuti selama jangka waktu tertentu sesuai dengan waktu yang telah ditetapkan dalam penelitian. Selanjutnya peneliti melakukan pencatatan semua keterangan yang telah diperoleh sesuai tujuan penelitian.

  1. Pengolahan dan analisi data hasil penelitian

Semua data yang telah diperoleh, meliputi data kejadian penyakit yang dialami oleh kelompok terpapar dan kelompok tidak terpapar, dilakukan pengolahan data agar dapat ditangani dengan mudah, meliputi kegiatan editing, coding, processing, dan cleaning. Selanjutnya data yang diperoleh disajikan dalam tabel.

Pengertian Kohort (skripsi dan tesis)

Rancangan penelitian kohort adalah sebuah rancangan penelitian dimana peneliti mengelompokkan atau mengklasifikasikan kelompok terpapar dan tidak terpapar, kemudian diamati sampai waktu tertentu untuk melihat ada tidak efek atau penyakit yang timbul.

Pada awal subjek penelitian harus bebas dari penyakit/masalah kesehatan, dari hasil pengamatan setelah rentang waktu yang ditentukan, dianalisis dengan teknik tertentu sehingga dapat disimpulkan apakah ada hubungan paparan dengan penyakit atau efek yang terjadi.

Rancangan penelitian kohort dibedakan menjadi kohort prospektif dan kohort retrosfektif :

  1. Kohort Prospektif :  Rancangan penelitian kohort prospektif apa bila paparan atau faktor risiko diukur pada wal penelitian, kemudian di follow up untuk mengetahui efek dari paparan dimasa datang. Lamanya follow up berdasarkan perkiraan lamanya efek akan terjadi. Biasanya penelitian ini dilakukan bertahun-tahun.
  2. Kohort Retrosfektif : Pada rancangan penelitian kohort retrospektif faktor risiko dan efek/penyakit sudah terjadi dimasa lampau sebelum dilakukan penelitian. Dengan demikian, variabel-variabel tersebut.

Studi Epidemiologi (skripsi dan tesis)

Epidemiologi merupakan suatu studi yang mengamati penyebaran (distribusi) dan penyebab (determinan) dalam kaitanya dengan masalah kesehatan pada skelompok populasi. Oleh karena itu dalam studi epidemiologi dibutuhkan rancangan yang baik dan jelas sehingga dapat memperoleh data yang diharapkan.

Ada dua studi yang dalam epidemiologi, yaitu (1) studi deskriptif dan (2) studi analitik. Studi deskriptif, telah dipelajari pada pertemuan sebelumnya, dimana studi deskriptif untuk memperoleh gambaran kasus/kejadian/isu kesehatan masyarakat berdasar pada distribusi orang (who), tempat (where) dan waktu (when). Dalam studi ini merupakan support data untuk perumusan masalah dan hipotesis.

Yang dipelajari saat ini adalah epidemiologi analitik untuk membuktikan kebenaran hipotesis, sebagai studi lanjutan dari epidemiologi deskriptif. Studi lanjutan yang dilakukan oleh sebab dalam studi ini dalam studi ini dilengkapi dengan kelompok pembanding. Epidemiologi analitik adalah studi epidemiologi yang bertujuan untuk menganalisis faktor penyebab (determinan) dari masalah kesehatan, sehingga dalam hal ini adalah menjawab pertanyaan mengapa (why) sebagai penyebab masalah kesehatan.  Untuk kemidian adalah dapat memberikan saran strategi intervensi yang efektif untuk tindakan pengendalian. Dalam studi analitik ada observasional  dan eksperimental.  Desaing epidemiologi analitik adalah (1) crossectional study (studi potong lintang), (2) case control study (studi kasus kontrol), yang merupakan studi retrospektif sedangkan (3) cohort study (studi kohort), dan experimental study (studi perlakuan) merupakan studi prospektif

Studi kohort (skripsi dan tesis)

Cohort merupakan istilah yang berasal dari bahasa romawi kuno yang artinya “sekelompok tentara yang maju bersama-sama ke medan pertempuran”  studi cohort sebagai studi prospektif  dengan 2 tujuan utama (1) mendeskripsikan insidens suatu kejadian penyakit/masalah kesehatan selama periode waktu tertentu, (2) meneliti hubungan antara faktor risiko dengan efek.

Walaupun studi ini pada dasarnya merupakan studi prospektif, tetapi kohort dapat dibagi menjadi 2 yaitu (1) Studi kohort prospektif apabila faktor risiko, atau faktor penelitian diukur pada awal penelitian, kemudian dilakukan follow up untuk melihat kejadian penyakit dimasa yang akan datang. Lamanya follow up dapat ditentukan berdasarkan lamanya waktu terjadinya penyakit. Sedangkan (2) studi kohort retrospektif dimana faktor risiko dan efek atau penyakit sudah terjadi dimasa lampau sebelum dimulainya penelitian. Dengan demikian variabel tersebut diukur melalui catatan historis. Prinsip studi kohort retrospektif tetap sama dengan kohort prospektif, namun pada studi ini, pengamatan dimulai pada saat akibat (efek) sudah terjadi. Yang terpenting dalam studi retrospektif adalah populasi yang diamati tetap memenuhi syarat populasi kohort, dan yang diamati adalah faktor risiko masa lalu yang diperoleh melalui pencatatan data yang lengkap. Dengan demikian, bentuk penelitian kohort retrospektif hanya dapat dilakukan, apabila data tentang faktor risiko tercatat dengan baik sejak terjadinya paparan pada populasi yang sama dengan efek yang ditemukan pada awal pengamatan. Berikan komentarnya!

Meta-analisis (skripsi dan tesis)

Meta-analisis mengandung pengertian suatu analisis pada sekumpulan hasil-hasil penelitian individual yang telah dianalisis, yang bertujuan untuk mengintegrasi hasil temuan dalam penelitian individual tersebut. Metaanalisis termasuk dalam studi observasional retrospektif; subyek penelitiannya adalah artikel atau laporan penelitian original baik yang dipublikasi ataupun tidak. Meta-analisis merupakan suatu cara untuk mengombinasikan secara kuantitatif beberapa hasil studi yang relevan, yang diperoleh dengan cara systematic review; atau singkatnya meta-analisis adalah suatu systematic review yang dilakukan analisis statistika untuk mendapatkan satu hasil gabungan. Sampai saat ini meta-analisis paling banyak digunakan untuk uji klinis

Uji klinis pragmatis dan eksplanatori (skirpsi dan tesis)

Uji klinis selalu dilakukan pada manusia atau pasien. Terdapat dua jenis uji klinis, yakni uji klinis pragmatis (pragmatic trial), dan uji klinis eksplanatori (explanatory trial). Hasil penelitian uji klinis yang relevan langsung dengan praktik adalah uji klinis pragmatis, yang direncanakan diterapkan dalam praktik klinis. Berikut beberapa karakteristik uji klinis pragmatis:
 Spektrum pasien sama dengan spektrum pasien dalam praktik sehari-hari. Ini ditandai dengan kriteria inklusi yang tidak amat ketat. Misalnya uji klinis untuk obat antidiabetes baru, kriteria inklusinya sama dengan kebanyakan pasien diabetes melitus pada umumnya di klinik (ada yang obes, malnutrisi, hipertensi, hiperkolesterolemia, dan seterusnya). Bila kriteria inklusi terlalu ketat (pasien diabetes yang tidak obes, tidak hipertensi, tidak hiperlipidemia, tidak ada riwayat penyakit jantung koroner dst), maka validitas interna studi tersebut (sangat) baik, akan tetapi  validitas eksternanya kurang baik (penerapan hasil penelitian tersebut dalam praktik menjadi terbatas).
 Yang diutamakan dalam uji klinis pragmatis adalah luaran uji klinis, tidak dipermasalahkan mekanisme bagaimana luaran itu terjadi. Misalnya uji klinis untuk menilai apakah obat tradisional tertentu dapat merangsang nafsu makan pada anak, maka yang dipentingkan adalah luarannya (berupa meningkatnya nafsu makan yang secara obyektif dinilai dengan peningkatan berat badan subyek penelitian), bukan mekanisme bagaimana terjadinya peningkatan nafsu makan.
 Bila luaran berskala binomial (sembuh atau tidak, berhasil atau tidak), maka analisis sebaiknya juga dilakukan secara intention-totreat analysis. Inti dari analisis ini adalah semua subyek yang telah dirandomisasi harus disertakan dalam analisis, tanpa melihat subyek tersebut telah mengikuti penelitian sampai selesai atau tidak. (Lihat bawah). Di lain sisi ada jenis uji klinis yang lain yang disebut uji klinis eksplanatori (explanatory trial) yang bertujuan mempelajari mekanisme mengapa terdapat perbedaan outcome pada kedua kelompok. Uji klinis seperti ini amat bermanfaat untuk pemahaman ilmiah, akan tetapi tidak secara langsung relevan dengan praktik sehari-hari. Pada uji klinis eksplanatori ini analisis akhir biasanya hanya melibatkan para peserta yang mengikuti penelitian sampai selesai (per protocol analysis atau on treatment analysis).

Tiga kesetaraan dalam uji klinis (skripsi dan tesis)

 Dalam praktik sehari-hari kita mengobati pasien dengan penyakit A dengan memberikan obat B, dan memintanya kembali kontrol 1 minggu kemudian. Bila semua gejala dan tanda yang semula ada menjadi hilang, maka pasien dinyatakan sembuh. Pertanyaan apakah kesembuhan tersebut semata-mata disebabkan oleh penggunaan obat B? Jawabnya adalah tidak. Karena selain obat B, ada 3 hal lain yang dapat menyebabkan pasien sembuh atau dinyatakan sembuh, yakni:
  Pertama adalah memang perjalanan penyakitnya seperti itu, dengan atau tanpa obat ia memang akan sembuh dalam waktu 1 minggu (natural history of the disease atau prognostic factors);
 Kedua, pasien minum obat lain, minum jamu, atau melakukan diet, atau istirahat cukup dan seterusnya (faktor-faktor ekstra atau extraneous factors);
  Ketiga adalah kriteria sembuh atau luaran yang dipergunakan (pengukuran outcome, measurement).  Dalam membandingkan hasil intervensi di antara dua kelompok yakni kelompok eksperimental (E) dan kelompok kontrol (C), maka ketiga hal yang disebut di atas harus setara atau sebanding.
 Setara dalam faktor prognostik. Kedua kelompok harus benarbenar sebanding dalam hal faktor prognostik; tidak boleh salah satu kelompok memiliki derajat penyakit yang lebih berat, atau kadar kolesterol yang lebih tinggi, usia lebih tua, atau status gizi lebih buruk, dan seterusnya dibanding kelompok lainnya.
Untuk dapat memperoleh 2 kelompok yang sebanding, proses yang diperlukan adalah randomisasi. Randomisasi apabila dilakukan dengan benar dan melibatkan cukup banyak subyek cenderung untuk membagi sama rata faktor prognostik dan sekaligus juga pelbagai faktor perancu (confounding variables) kedua kelompok.
 Setara dalam perlakuan. Semua subyek pada kedua kelompok harus diperlakukan sama, kecuali untuk pemberian obat atau prosedur yang diteliti. Tidak boleh misalnya subyek kelompok E memperoleh perhatian yang lebih baik, diberi tempat perawatan lebih nyaman, atau ditambah dengan diet atau obat tambahan, sedang kelompok kontrol tidak. Perlakuan yang sama ini dapat dijamin dengan penyamaran (masking, blinding). Pada cara ini satu atau lebih pihak yang terkait dalam uji klinis (peneliti, subyek, evaluator, petugas laboratorium, dll) dibuat tidak tahu jenis terapi yang diberikan. Bila dapat dilakukan penyamaran ganda (peneliti dan subyek tidak tahu obat / prosedur yang diberikan kepada subyek) maka kesahihan uji klinis amat baik.
 Setara dalam pengukuran luaran / outcome. Bila luaran uji klinis adalah “data keras” seperti meninggal atau hidup, atau hasil laboratorium yang dilakukan dengan mesin automatis yang terstandar, maka proses penyamaran tidak (terlalu) diperlukan. Namun apabila luarannya bersifat subyektif (nyeri, cemas, dan sebagainya) atau pemeriksaan yang memerlukan interpretasi (USG, foto Rontgen), maka sangat dianjurkan untuk dilakukan blinding atau penyamaran.  Bila pada uji klinis kesetaraan dalam ketiga hal tersebut dapat dilakukan (yakni dengan randomisasi dan penyamaran), maka apabila terdapat perbedaan luaran antara kelompok eksperimental dan kelompok kontrol, satusatunya penyebab adalah perbedaan intervensi. Dengan demikian maka desain terbaik untuk uji klinis adalah uji klinis dengan randomisasi dan penyamaran ganda (randomized double blind clinical trial). Bila jumlah subyek cukup banyak, maka randomisasi dapat dilakukan pada semua uji klinis, namun penyamaran tidak selalu dapat dilakukan, misalnya uji klinis yang membandingkan efektivitas obat dibandingkan dengan operasi untuk penyakit atau kondisi kesehatan tertentu. Validitas suatu uji klinis ditentukan juga oleh kelengkapan subyek yang mengikuti sampai akhir penelitian (completeness of follow-up); umumnya bila jumlah subyek yang mengikuti sampai akhir penelitian kurang dari 80%, maka uji klinis dianggap tidak valid. Luaran uji klinis terbanyak adalah variabel berskala numerik (misal kadar kolesterol, berat badan, tekanan darah) atau variabel nominal dikotom misalnya meninggal atau hidup, sembuh atau tidak sembuh, kenaikan / penurunan berat badan.

Penelitian eksperimental (skripsi dan tesis)

Studi eksperimental atau studi intervensional dapat dianggap sebagai penelitian kohort yang penelitinya melakukan “manipulasi” pada variabel prediktor atau faktor risiko dengan melakukan intervensi tertentu dan kemudian melakukan analisis terhadap varibel efek atau luaran yang timbul sebagai akibat intervensi tersebut. Dibandingkan dengan pelbagai studi observasional, studi eksperimental lebih kuat untuk menunjukkan adanya hubungan sebab akibat antara variabel prediktor dan variabel efek, dan merupakan desain penelitian yang paling baik untuk mengendalikan pengaruh variabel perancu (confounding). Penelitian eksperimental dapat dibagi menjadi 3 kelompok:
 Eksperimen benar (true-experiment) memiliki syarat pokok yaitu terdapat proses randomisasi.
 Eksperimen semu (quasi experiment), biasanya dimaksudkan uji klinis tanpa randomisasi
  Pra-eksperimen (pre-experiment design), pada umumnya tanpa kelompok kontrol

Analisis uji diagnostik (skripsi dan tesis)

Analisis uji diagnostik meliputi:

  Sensitivitas yaitu proporsi subyek yang sakit dengan hasil uji diagnostik positif (positif benar = PB). Sensitivitas menunjukkan kemampuan suatu alat diagnostik untuk mendeteksi penyakit. Sensitivitas = PB/(PB+PS)
  Spesifisitas yaitu proporsi subyek yang tidak sakit dengan hasil uji yang negatif (negatif benar = NB). Spesifisitas menunjukkan kemampuan alat diagnostik untuk menentukan bahwa subyek tidak sakit. Spesifisitas = NB/(NS+NB)
 Prevalens penyakit, atau prior probability, yaitu probabilitas seseorang (berdasar karakteristik demografis dan klinis) untuk menderita penyakit, sebelum subyek menjalani uji diagnostik. Prevalens = (PB+PS)/(PB+PS+NS+NB)
 Nilai duga positif (positive predictive value) adalah probabilitas seorang dengan hasil uji diagnostik positif memang menderita penyakit yang ditentukan menurut baku emas. Nilai duga positif = PB/(PB+PS).
 Nilai duga negatif (negative predictive value) adalah probabilitas seorang dengan hasil uji diagnostik negatif tidak menderita penyakit. Nilai duga negatif = NB/(NS+NB).
 Likelihood ratio (rasio kemungkinan) menunjukkan besarnya kemungkinan subyek yang sakit akan mendapat suatu hasil uji diagnostik tertentu dibagi dengan kemungkinan subyek yang tidak sakit mendapatkan hasil uji diagnostik yang sama. Positive likelihood ratio (rasio kemungkinan positif) adalah perbandingan antara proporsi subyek yang sakit dengan hasil uji diagnostik yang positif dengan proporsi subyek yang tidak sakit dengan hasil uji yang positif pula, dengan formula: sensitivitas / (1-spesifitas). Di lain sisi terdapat negative likelihood ratio (rasio kemungkinan negatif) yang menunjukkan perbandingan antara proporsi subyek yang sakit dengan hasil uji diagnostik negatif dan proporsi subyek yang tidak sakit dengan hasil yang negatif, dengan formula (1-sensitivitas) / spesifisitas.

Uji diagnostik (skripsi dan tesis)

Sebagian besar penelitian diagnostik termasuk dalam desain cross sectional. Pada uji diagnostik tidak dilakukan intervensi kemudian dilihat pengaruh intervensi tersebut. Pada uji diagnostik sekelompok subyek dilakukan 2 jenis pemeriksaan, pemeriksaan pertama adalah jenis uji diagnostik yang diteliti, sedangkan pemeriksaan kedua adalah pemeriksaan terbaik untuk diagnosis penyakit / keadaan klinis tertentu (disebut sebagai baku emas atau gold standard). Hasil kedua pemeriksaan tersebut dianalisis. Sifat-sifat uji diagnostik mempunyai kemiripan dengan uji prognostik. Perbedaan antara kedua uji ini hanya pada variabel luarannya. Sebagai contoh: uji diagnostik yang bertujuan melihat apakah benturan keras pada kepala dapat merupakan prediktor terjadinya perdarahan intrakranial dan uji prognostik untuk mengetahui apakah benturan keras pada kepala akan dapat memprediksi mortalitas akibat perdarahan intrakranial. Pada contoh ini tampak perbedaan antara kedua desain. Bedanya terletak pada variabel outcome, uji diagnostik berupaya untuk memprediksi ada atau tidaknya penyakit, sedang uji prognostik bermaksud untuk memprediksi kejadian luaran / outcome penyakit.
Penyakit + + Penyakit – a b Risiko (-) c d (+) Risiko (+) a+b c+d 47 Uji diagnostik yang ideal akan selalu memberikan jawaban yang benar (atau hasil positif) pada semua subyek yang sakit dan memberikan hasil negatif pada semua subyek yang tidak sakit. Namun uji diagnostik yang ideal seperti itu jarang ditemukan; hampir pada semua jenis uji diagnostik terdapat kemungkinan untuk diperoleh hasil uji positif pada subyek yang tidak sakit (positif semu), dan sebaliknya mungkin ditemukan hasil negatif pada subyek yang sakit (negatif semu). Selain itu, uji diagnostik yang baik seyogianya mempunyai sifat-sifat hasilnya cepat diperoleh, aman, sederhana, tidak menyakiti/invasif, sahih, reliabel, dan relatif murah. Struktur uji diagnostik secara garis besar sama dengan studi observasional, yaitu memiliki variabel prediktor (hasil uji) dan variabel efek/outcome (ada tidaknya penyakit). Variabel prediktor dapat dalam skala nominal dikotom (positif, negatif), kategorikal (+++, ++, +, -), atau numerik (miligram per desiliter). Bila hasil suatu uji diagnostik berskala kategorikal atau numerik, maka perlu ditentukan titik potong (cut-off point) untuk dapat membedakan subyek yang menjadi sakit atau tidak sakit. Variabel outcome pada uji diagnostik adalah ada atau tidaknya penyakit yang ditentukan dengan baku emas (gold standard). Meskipun struktur uji diagnostik sama dengan studi observasional, namun analisis uji diagnostik sangat berbeda. Apabila pada studi observasional umumnya ditujukan untuk mencari informasi tentang etiologi atau faktor risiko, uji diagnostik dimaksudkan apakah satu uji dapat membedakan subyek dengan penyakit dari subyek yang tidak sakit. Hasil uji diagnostik diringkas dalam tabel 2 x 2, yang terdiri atas sel a, b, c, d. Sel a berisi subyek yang sakit (menurut baku emas) dan didiagnosis sakit oleh uji (positif benar, PB). Sel b berisi subyek yang tidak sakit menurut baku emas namun didiagnosis sakit oleh uji (positif semu, PS). Sel c berisi subyek yang sakit namun didiagnosis sehat oleh uji (negatif semu, NS). Sel d, berisi subyek yang tidak sakit dan didiagnosis sehat oleh uji (negatif benar, NB).

Studi kohort (skripsi dan tesis)

Penelitian kohort merupakan desain penelitian yang amat penting untuk menguji hipotesis tentang faktor risiko atau penyebab suatu penyakit atau keadaan. Dua hal yang menjadi karakteristik studi kohort adalah: Seleksi individu dalam pembentukan kelompok dilakukan dari populasi yang sama. Hal ini dapat dilakukan dengan dua cara:
 Desain kohort dengan pembanding internal: direkrut sejumlah subyek tanpa faktor risiko, kemudian diikuti dan secara alamiah sebagian akan terpajan pada faktor risiko, sebagian tidak.
 Desain kohort dengan pembanding eksternal (double cohort study) yakni dari populasi yang sama direkrut subyek dengan faktor risiko, dan sekelompok subyek tanpa faktor risiko. Kedua kelompok subyek (yang terpajan dan tidak) diikuti sampai timbul efek atau penyakit. Studi kohort merupakan satu-satunya desain untuk memperlihatkan insidens suatu penyakit atau kelainan tertentu. Studi kohort dapat dilakukan secara prospektif atau retrospektif.

Pada studi kohort dapat diperoleh data deskriptif yakni berupa insidens terjadinya penyakit atau kelainan, dan dapat pula diperoleh risiko relatif, yakni berapa besar subyek dengan faktor risiko mengalami efek ketimbang subyek yang tidak memiliki faktor risiko mengalami efek. Penelitian kohort retrospektif mempunyai prinsip dasar yang tidak berbeda dengan penelitian kohort prospektif, yaitu pada kelompok subyek tertentu diikuti atau dipantau, kemudian dilakukan pengukuran variabel prediktor/risiko, masa tindak lanjut (follow-up), dan pengukuran variabel efek, semuanya dilakukan di masa lampau. 46 Agar validitas studi kohort retrospektif baik, harus diyakinkan bahwa data dan semua catatan pada masa lalu baik dan lengkap

Studi kasus-kontrol (skripsi dan tesis)

Studi kasus-kontrol bertujuan menilai peran faktor risiko dalam timbulnya penyakit. Studi diawali dengan merekrut kelompok subyek dengan penyakit tertentu (kasus) dan kelompok subyek tanpa penyakit tersebut (kontrol). \Pada kedua kelompok secara retrospektif diteliti faktor risiko yang diduga berperan dalam kejadian penyakit. Kekerapan pajanan faktor risiko pada kelompok kasus dibandingkan dengan pada kontrol. C

 Rasio odds adalah perbandingan 2 odds. Sebagai contoh peneliti melakukan suatu penelitian kasus-kontrol untuk mengetahui peran faktor risiko X terhadap kejadian gagal ginjal kronik (GGK). Lihat Gambar I-2. Peneliti mencari 50 pasien GGK (kelompok kasus) di suatu rumah sakit besar, dan 50 subyek lainnya tanpa GGK (kontrol) dari populasi yang sama. Pada kelompok kasus dan kelompok kontrol ditelusur berapa yang memiliki faktor risiko X. Misalnya pada akhir penelitian ternyata dari 50 subyek pada kelompok kasus ada 20 yang memiliki faktor X, (odds untuk terjadinya GGK = 20/30), sedangkan pada kelompok kontrol dari 50 subyek hanya 5 yang memiliki faktor X (odds untuk terjadinya GGK pada kelompok kontrol = 5/45). Rasio odds adalah perbandingan antara kedua odds, yakni odds pada kelompok kasus dibagi dengan odds pada 44 kelompok kontrol; dalam contoh ini RO = 20/30: 5/45 = 6 (interval kepercayaan 95% 2,3 sampai 12,7). Artinya pada sampel ditemukan subyek yang memiliki faktor X ternyata 6 kali lebih besar kemungkinan untuk menderita GGK daripada subyek yang tidak memiliki faktor X, sedangkan di populasi yang diwakili oleh sampel tersebut 95% terletak antara 2,3 dan 12,7 kali.

Studi cross sectional Pada Penelitian Klinik (skripsi dan tesis)

Pada studi cross sectional pengukuran variabel dilakukan hanya satu kali, pada satu saat; jadi pada studi ini tidak ada tindak lanjut atau follow-up. Studi cross sectional dapat bersifat deskriptif ataupun analitik. Studi cross sectional deskriptif dikenal sebagai studi prevalens. Pada studi cross sectional analitik yang mencari hubungan antar-variabel, variabel bebas dan luaran dinilai simultan pada satu saat.
 Analisis statistika pada studi cross sectional analitik bergantung pada jenis data yang ada. Untuk data numerik (misal perbandingan kadar kolesterol antara dua kelompok) digunakan uji-t untuk data independen atau untuk data berpasangan. Untuk data nominal analisis dilakukan dengan uji kaikuadrat (data independen) atau uji McNemar untuk data berpasangan. Bila yang diteliti adalah faktor risiko dan luarannya nominal 2 nilai (sakit atau tidak) maka dapat dihitung rasio prevalens yang perhitungan dan interpretasinya sama dengan risiko relatif pada studi kohort). Studi cross sectional juga tidak jarang digunakan untuk menilai beberapa faktor risiko sekaligus untuk terjadinya luaran. Untuk tujuan ini digunakan analisis multivariat; bila semua faktor risiko dan luaran variabel berskala numerik   digunakan regresi multipel, sedangkan bila luarannya nominal dan faktor risikonya berbagai jenis variabel digunakan regresi logistik. Bentuk khusus studi cross sectional yang sering dicari pada PTK adalah uji diagnostik.

Jenis desain penelitian klinis (skripsi dan tesis)

Desain penelitian dapat diklasifikasikan berdasarkan ada atau tidaknya intervensi menjadi dua kelompok, yakni studi observasional dan studi eksperimental. Pada studi observasional peneliti tidak mengintervensi subyek penelitian mana yang mendapat perlakuan apa; peneliti hanya mengamati, mengukur variabel, mengelompokkan dan menganalisis data. Termasuk dalam studi observasional adalah laporan kasus dan seri kasus, studi cross sectional (termasuk uji diagnostik), studi kohort (termasuk di dalamnya analisis kesintasan), studi kasus-kontrol, dan meta-analisis. Berbeda dengan studi observasional, pada studi eksperimental atau disebut juga sebagai studi intervensional, peneliti melakukan intervensi dengan cara menentukan subyek mana yang mendapat perlakuan apa (meski sebaiknya caranya adalah dengan randomisasi). Studi eksperimental dapat dilakukan di laboratorium, di lingkungan klinik, dan dapat juga di komunitas. Studi eksperimental yang dilakukan di klinik disebut sebagai uji klinis (clinical 42 trial). Baku emas uji klinis adalah uji klinis randomisasi (UKR) atau randomized controlled trial (RCT).

Meta-analisis (skripsi dan tesis)

Meta-analisis adalah metode analisis statistik yang menggabungkan data dari dua atau lebih penelitian dengan topik serupa yang bertujuan untuk memberikan satu kesimpulan penelitian. Subjek penelitian merupakan laporan penelitian orisinal baik yang sudah dipublikasi maupun yang belum. Desain penelitian ini adalah metode analisis gabungan yang memiliki level validitas paling tinggi. \ Meta-analisis memiliki keterbatasan yang terletak pada masalah metodologi yaitu kesesuaian penggunaan teknik statistika untuk penggabungan data berbagai penelitian. Meta-analisis harus dihindari jika kualitas penelitian sebelumnya tidak baik karena akan memberikan hasil yang tidak valid. Meta-analisis tidak dianjurkan dilakukan pada penelitian yang terlalu heterogen. Meta-analisis potensial terhadap bias publikasi.

 Meta-analisis terdiri dari empat langkah yaitu identifikasi penelitian yang disertakan dalam meta-analisis. Langkah kedua adalah seleksi atau penilaian kualitas laporan penelitian. Langkah ketiga meta-analisis berupa abstraksi atau kuantifikasi hasil penelitian untuk digabungkan. Langkah terakhir adalah analisis, yakni penggabungan dan pelaporan hasil meta-analisis

Uji Klinis (skripsi dan tesis)

 Uji klinis merupakan bentuk penelitian eksperimental untuk meneliti efek dari intervensi tertentu, biasanya berupa terapi untuk satu penyakit. Subjek penelitian dalam populasi penelitian secara acak dialokasikan menjadi kelompok intervensi dan kelompok kontrol. Hasil penelitian diperoleh dengan membandingkan status penyakit subjek penelitian. Desain penelitian terkuat adalah uji klinis acak terkontrol (randomized controlled trial). Keunggulan utama dari uji klinis adalah kontrol atas confounding factor, berbagai jenis bias dapat ditiadakan atau dikurangi dengan efektif. Uji klinis merupakan desain penelitian terbaik untuk meneliti hubungan kausalitas. Kekurangan uji klinis yaitu memerlukan banyak partisipan, biaya yang mahal dan pelaksanaan yang rumit. Uji klinis tidak tepat digunakan untuk meneliti penyakit yang jarang terjadi. Uji klinis memiliki resiko intervensi pada manusia.

Tahapan uji klinis dalam pengembangan obat terdiri dari empat fase. Fase pertama yaitu penerapan pertama suatu obat baru pada manusia yang melibatkan 20-80 relawan subjek sehat untuk di monitor secara ketat. Tujuan utama fase ini untuk menentukan mekanisme aksi farmakologik dari obat dan mendapatkan bukti awal efektivitas obat. Fase kedua adalah pengambilan data awal dari efektivitas 10 obat baru pada pasien dengan penyakit target atau kondisi tertentu. Fase kedua melibatkan sekitar 100 sampai 300 pasien yang dimonitor secara ketat untuk dilihat efek samping jangka pendek. Fase ketiga melibatkan ribuan pasien dengan penyakit target yang secara acak diberikan obat baru dan plasebo atau pengobatan yang ada (terapi standar) kemudian dibandingkan efek dari tiap kelompok intervensi tersebut. Fase ini menambahkan informasi mengenai efektivitas dan keamanan yang dibutuhkan untuk evaluasi seluruh risiko dan keunggulan obat tersebut. Fase keempat atau disebut juga sebagai uji pasca-pemasaran (postmarketing trial) bertujuan untuk mengevaluasi obat baru dalam jangka waktu yang relatif lama (5 tahun atau lebih). Fase terakhir penting untuk mendeteksi efek samping yang timbul dari pemakaian obat tersebu

Penelitian Eksperimental (skripsi dan tesis)

Penelitian eksperimental atau intervensional adalah penelitian dengan pemberian perlakuan atau intervensi terhadap subjek penelitian, peneliti akan mempelajari efek dari intervensi tersebut. Penelitian eksperimental memiliki kapasitas asosiasi yang lebih tinggi dari penelitian observasional sehingga simpulan yang diperoleh lebih definitif. Penelitian eksperimental memerlukan biaya yang tinggi dan pelaksanaannya rumit sehingga penggunaannya lebih terbatas. Penelitian eksperimental bersifat prospektif dan secara khusus dirancang untuk mengevaluasi dampak langsung dari pengobatan atau tindakan pencegahan terhadap penyakit.

Kohort (skripsi dan tesis)

 Kohort adalah bentuk penelitian prospektif untuk menyelidiki hubungan antara paparan atau faktor risiko potensial dengan status penyakit pasien. Kohort mengidentifikasi subjek yang bebas dari penyakit dan mengklasifikasikan subjek berdasarkan ada atau tidaknya paparan atau faktor risiko. Peneliti akan mengikuti subjek dalam jangka waktu tertentu untuk meneliti perkembangan penyakit dan mengevaluasi perbedaan status penyakit antara kelompok subjek dengan faktor risiko dengan kelompok subjek tanpa faktor risiko.

Penelitian kohort merupakan desain penelitian yang dapat digunakan untuk menghitung angka insidensi. Insidensi adalah jumlah dari kasus baru suatu penyakit dalam populasi risiko selama periode waktu tertentu. Analisis dari penelitian kohort melibatkan penghitungan baik dari cumulative incidence atau incidence rate. Perbandingan antara insidens terjadinya efek pada kelompok dengan faktor risiko dengan insidens terjadinya efek pada kelompok tanpa faktor risiko menghasilkan Relative Risk (RR). Relative risk dihitung dengan formula RR=a/(a+b):c/(c+d). Interpretasi hasil dari relative risk yaitu jika bernilai sama dengan satu berarti tidak ada hubungan antara faktor risiko 8 dengan penyakit. Nilai relative risk kurang dari satu berarti faktor risiko tersebut memiliki asosiasi negatif atau penurunan risiko terjadinya penyakit. Nilai relative risk lebih dari satu berarti faktor risiko tersebut merupakan faktor risiko yang berbahaya atau berhubungan positif dengan terjadinya penyakit.
Kelebihan penelitian kohort yaitu paparan atau faktor risiko diukur sebelum terjadinya penyakit sehingga dapat dipastikan paparan mendahului terjadinya penyakit. Kohort berguna untuk meneliti paparan atau faktor risiko yang jarang terjadi dan dapat meneliti berbagai efek hasil atau penyakit. Kelemahan utama dalam desain penelitian ini adalah membutuhkan biaya yang lebih mahal dan waktu penelitian yang lama. Kohort memiliki risiko kehilangan subjek penelitian untuk diikuti perkembangan penyakitnya. Kohort tidak tepat untuk meneliti penyakit atau hasil yang jarang terjadi

Kasus kontrol (skripsi dan tesis)

Penelitian kasus kontrol merupakan bentuk penelitian retrospektif yang menelaah hubungan antara penyakit dengan faktor risiko tertentu dengan membandingkan dua kelompok yang berbeda status penyakit berdasarkan faktor risiko yang diteliti. Kasus kontrol memilih sebuah grup partisipan dengan penyakit tertentu (kasus) dan sebuah grup dari individu sebanding yang bebas dari penyakit (kontrol). Pemilihan subjek penelitian dimulai dari efek atau penyakit, lalu ditelusuri ke masa lalu untuk mengidentifikasi adanya faktor risiko.  Penelitian membandingkan karakteristik dari grup kasus dan kontrol, menyimpulkan bahwa karakteristik yang berbeda berhubungan dengan terjadinya penyakit. Peneliti mendapatkan riwayat pajanan melalui survei pasien atau ulasan rekam medis. Kasus kontrol bersifat retrospektif yaitu pengumpulan data terjadi sebelum hipotesis terbentuk.   Penelitian kasus kontrol berguna untuk meneliti penyakit yang langka atau ketika hasil yang dievaluasi jarang terjadi. Keunggulan lainnya yaitu dapat meneliti berbagai paparan atau faktor risiko sekaligus dalam satu penelitian. Kasus kontrol memiliki waktu penelitian yang lebih singkat dan biaya yang lebih rendah  dibandingkan dengan penelitian kohort atau uji klinis.

Kekurangan penelitian kasus kontrol yaitu potensial terhadap bias seleksi jika tidak memiliki grup kontrol yang tepat. Penelitian kasus kontrol potensial terhadap recall bias. Kasus kontrol memiliki keterbatasan hanya dapat meneliti satu efek hasil atau penyakit.
Mengetahui hubungan antara paparan dengan penyakit diukur dengan Odds Ratio (OR) yang merupakan perbandingan peluang paparan pada kasus dengan peluang paparan pada kontrol. Tabel 2.3 menyajikan data penelitian kasus kontrol. Odds ratio dikalkulasikan dengan rumus OR= (a/b):(c/d)=ad/bc. Interpretasi hasil dari odds ratio yaitu bila bernilai sama dengan satu berarti tidak ada hubungan antara paparan atau faktor risiko dengan penyakit. Nilai odds ratio lebih dari satu berarti paparan atau faktor risiko tersebut berhubungan dengan terjadinya penyakit. Nilai odds ratio kurang dari satu berarti paparan atau faktor risiko tersebut merupakan faktor protektif atau ada penurunan risiko terjadinya penyakit.

Potong Lintang (skripsi dan tesis)

 Penelitian potong lintang adalah penelitian yang mengevaluasi pajanan dan hasil penyakit pada satu waktu tertentu secara bersamaan. Potong lintang menghubungkan status pajanan atau faktor risiko dengan terjadinya penyakit tanpa meneliti urutan waktu dari perkembangan penyakit. Pemilihan subjek penelitian dilakukan secara acak dari populasi yang ada, kemudian dilakukan pemeriksaan terhadap status penyakit dan faktor risiko yang dimiliki oleh subjek penelitian
Potong lintang merupakan desain penelitian yang dapat digunakan untuk menghitung angka prevalensi. Prevalensi adalah proporsi dari individu yang memiliki penyakit pada suatu populasi dalam waktu tertentu. Prevalensi berguna untuk mengukur beban penyakit dalam populasi.
 Perbandingan antara prevalensi kasus atau efek pada kelompok dengan faktor risiko dengan prevalensi kasus pada kelompok tanpa faktor risiko dinyatakan dengan Prevalence Ratio (PR). Prevalence ratio dikalkulasikan dengan rumus PR=a/(a+b):c/(c/d). Interpretasi hasil dari prevalence ratio jika bernilai sama dengan satu berarti tidak ada hubungan antara faktor risiko dengan penyakit. Nilai prevalence ratio kurang dari satu berarti faktor risiko memiliki asosiasi negatif dengan terjadinya penyakit. Nilai prevalence ratio lebih dari satu berarti faktor risiko tersebut memiliki asosiasi positif dengan terjadinya penyakit

Serial Kasus (skripsi dan tesis)

Serial kasus adalah penelitian pada sekelompok pasien dengan diagnosis yang sama, pasien diikuti untuk ditelaah perjalanan alami penyakit baik dari presentasi klinis, riwayat dan prognosisnya. Serial kasus membantu untuk memahami distribusi penyakit dalam populasi dan mempelajari variasi penyakit dari waktu ke waktu. Serial kasus bisa mencakup penyakit yang sering ditemukan namun terdapat hal-hal khusus yang layak untuk dipublikasi misalnya terdapatnya perubahan manifestasi klinis, laboratorium, ataupun perjalanan penyakit yang tidak lazim. Serial kasus yang seringkali dilakukan adalah pengaruh tindakan pengobatan pada sejumlah kasus. Kelemahan dari serial kasus terletak pada kualitas data karena tidak ada standarisasi pengumpulan informasi pasien, pengukuran, tes, dan evaluasi lainnya. Kelebihan serial kasus yaitu berguna dalam memberikan data awal untuk uji klinis. Serial kasus berperan penting dalam penelitian epidemiologi untuk mempelajari gejala penyakit dan membentuk definisi kasus

Laporan Kasus (skripsi dan tesis)

Laporan kasus adalah penelitian yang mendeskripsikan kelainan, penyakit, sindrom yang jarang ditemukan atau penyakit yang biasa ditemukan namun memiliki presentasi yang tidak lazim. Respon yang tidak lazim terhadap pengobatan penyakit juga sering dilaporkan dalam laporan kasus. Pengembangan prosedur atau teknik baru sering diawali dengan laporan atau serial kasus.3,6,11 Laporan kasus biasanya dimulai dengan deskripsi kasus yang disajikan secara kronologis sejak kasus pertama kali diperiksa, riwayat penyakit, pemeriksaan fisik, pemeriksaan penunjang sampai penegakan diagnosis dan penentuan tata laksana. Laporan kasus dilengkapi dengan diskusi membandingkan penemuan tersebut dengan kasus serupa yang pernah dilaporkan dalam kepustakaan dunia. Laporan kasus hanya dapat menyimpulkan penemuan atau mekanisme yang tidak terduga dari suatu penyakit

Penelitian Observasional (skripsi dan tesis)

Penelitian observasional adalah pengamatan atau pengukuran terhadap berbagai jenis subjek penelitian yang dilakukan menurut keadaan alamiah, tanpa ada manipulasi atau intervensi dari peneliti. Penelitian bertujuan untuk mengevaluasi karakteristik, perilaku dan paparan pada subjek dengan penyakit, kondisi atau komplikasi tertentu. Peneliti sebagai investigator tidak melakukan tindakan 3 terhadap subjek penelitian, tetapi mengamati secara alami hubungan antara faktor risiko dengan hasil observasi.

Non Probalitiy sampling (skripsi dan tesis)

Tiap subyek dalam populasi (terjangkau) tidak memiliki kesempatan yang sama untuk terpilih maupun tidak terpilih sebagai sampel penelitian. a. Consecutive sampling : semuaa subyek yang datangberurutan dan memenuhi criteria pemilihan dimasukkan dalam penelitian sampai jumlah subyek yang diperlukan terpenuhi. b. Convenient sampling : merupakan cara termudah sekaligus terlemah untuk menarik sampel. Sampel diambil tanpa sistematika tertentu, sehingga jarang dianggap mewakili populasi terjangkau. c. Judgmental samling/ purposive sampling : peneliti memilih responden berdasarkan pada pertimbangan subyektif dan praktis, bahwa responden tersebut dapat memberikan informasi yang memasai untuk menjawab pertanyaan penelitian

Probability sampling (skripsi dan tesis)

Tiap subyek dalam populasi (terjangkau) memiliki kesempatan yang sama untuk terpilih maupun tidak terpilih sebagai sampel penelitian. a. Simple random sampling : dari seluruh subyek dalam populasi ditentukan besaran sampel sesuai perhitungan, kemudian tiap subyek diberi nomor dan dipilih sebagian dari mereka (sesuai besar sample yang dibutuhkan) dengan bantuan tabel angka random atau dengan ramdomisasi menggunakan program computer. b. Systematic sampling : setelah dilakukan penomoran subyek, kemudian ditentukan tiap subyek dengan nomor ke-sekian yang dipilih menjadi sampel. c. Stratified random sampling : sampel dipilih secara acak untuk tiap strata, kemudian hasilnya digabungkan menjadi satu sample yang terbebas dari variasi untuk setiap strata. Variabel yang sering digunakan untuk stratifikasi adalah: gender, usia, ras, kondisi social-ekonomi. Status gizi, lokasi penelitian. d. Cluster sampling : sample dipilih secara acak pada kelompok individu dalam populasi yang terjadi secara alamah, misalnya : kelurahan, kecamatan, kodya, kabupaten, dsb.Cara ini efektif untuk populasi yang tersebar luas.

Penelitian Cohort (skripsi dan tesis)

 

Pada penelitian cohort yang diidentifikasi lebih dahulu adalah kausa atau factor risikonya, kemudian sekelompok subyek (disebut sebagai kohort) diikuti secara prospektif selama periode tertentu untuk menentukan terjadi atau tidaknya efek. Hal ini berlawanan denga penelitian case-control. Subyek yang terpapar fakror risiko menjadi kelompok yang diteliti, sedangkan subyek yang tidak terpapar menjadi kelompok control, kemudian kedua kelompok tersebut diamati selama periode waktu tertentu untuk kemudian ditentukan apakah telah terjadi efek atau penyakit yang diteliti (prospektif) Pada penelitian cohort, hasil pengukuran yang diperoleh dapat dihitung sebagai risiko insidens atau risiko relatif, yaitu perbandingan antara insidens efek pada kelompok dengan factor risiko dengan insidens efek pada kelompok tanpa factor risiko.. Selain cohort prospektif dikenal juga cohort retrospektif, yaitu peneliti mengidentifikasi factor risiko dan efek pada subyek yang terjadi di masa lalu, atau dengan kalimat lain, saat penelitian dilakukan, outcome/ efek yang diteliti sudah terjadi

Penelitian case-control (skripsi dan tesis)

Peneliti melakukan observasi/ pengukuran variabel bebas dan variabel tergantung pada waktu yang berbeda. Peneliti melakukanpengukuran variabel tergantung (efek), sedangkan variabel bebasnya dicari secara retrospektif. Maka dari itu studi ini disebut juga sebagai studi longitudinal, yaitu subyek tidak hanya diobservasi pada satu saat tetapi diikuti selama periode yang ditentukan. Pada studi ini dilakukan identifikasi subyek (kasus) yang telah terkena penyakit (efek), kemudian ditelusur secara retrospektif ada atau tidaknya faktor risiko yang diduga berperan. Pada penelitian case-control, hasil pengukuran yang diperoleh dapat dihitung sebagai odds ratio. Odds ratio menunjukkan berapa besar peran faktor risiko yang diteliti terhadap terjadinya penyakit (efek)

Penelitian cross-sectional (skripsi dan tesis)

Peneliti melakukan pengamatan/ observasi/ pengukuran pada satu waktu tertentu (semua subyek tidak harus dimamati/diukur tepat dalam waktu yang sama), tiap subyek hanya diamati satu kali dan pengukuran variabel subyek dilakukan pada saat pemeriksaan tersebut. Pada studi ini peneliti tidak melakukan tindak lanjut terhadap pengukuran yang dilakukan. Pada penelitian cross-sectional, hasil pengukuran yang diperoleh dapat dihitung sebagai rasio prevalens, yaitu perbandingan antara prevalens efek pada kelompok subyek yang memiliki faktor risiko dengan prevalens efek pada kelompok subyek tanpa faktor risiko.

Penelitian Observasional (skripsi dan tesis)

Pada penelitian observasional peneliti melakukan pengamatan atau pengukuran terhadap satu atau lebih variabel subyek penelitian. Penelitian ini memiliki kapasitas asosiasi yang hanya sampai pada tingkatan dugaan atau dugaan kuat dengan landasan teori atau telaah logis. Pada studi observasioanl asosiasi sebab-akibat lebih lemah dibandingkan dengan studi eksperimental. Penelitian ini dapat dibagi menjadi 2 yaitu penelitian deskriptif dan penelitian analitik. 1. Penelitian Deskriptif Pada penelitian ini peneliti hanya melakukan deskripsi mengenai fenomena yang ditemukan, dan tidak menganalisis mengenai mengapa fenomena tersebut terjadi. Pada studi ini tidak diperlukan rumusan hipotesis sehingga terhadap data yang dikumpulkan tidak dilakukan uji hipotesis/ uji statistika. Contohnya antara lain : insidensi, prevalensi, survey, gambaran klinis. Data pada penelitian deskriptif dapat digunakan untuk penelitian analitik pada tahapan berikutnya. 2. Penelitian Analitik Peneltian ini memiliki tujuan utama mencari hubungan antara variabel satu dengan yang lain. Pada penelitian ini dilakukan analisis terhadap data yang diperoleh, sehingga pada penelitian ini selalu diperlukan hipotesis. Hubungan antar variabel dapat dilakukan dengan berbagai jenis uji hipotesis (uji statistika). Laporan penelitian analitik selalu diawali dengan deskripsi subyek penelitian terlebih dahulu sebelum dilakukan analisis. Penelitian analitik obserbvasional umumnya dibagi menjadi 3 jenis, yaitu : cross-sectional, case-cotrol, dan cohort. Akhir-akhir ini meta-analysis, suatu desain khusus yang menghubungkan banyak studi, digolongkan dalam studi observasional analitik

Penelitian Eksperimental (skripsi dan tesis)

Studi eksperimental sering disebut pula studi intervensional adalah salah satu rancangan penelitian yang dipergunakan untuk mencari hubungan sebab-akibat. Pada studi eksperimental peneliti melakukan manipulasi terhadap satu atau lebih variabel penelitian kemudian mempelajari efek perlakukan tersebut. Pada penelitian ini asosiasi sebab-akibat yang diperoleh lebih tegas dan nyata sehingga simpulan yang dapat diperolehpun lebih definitive disbanding penelitian observasional. Namun studi ini umumnya memerlukan biaya yang mahal dan pelaksanaannya rumit. Di klinik studi ini sering dilakukan dan didominasi oleh uji klinis untuk menilai efek terapi obat atau prosedur pengobatan/ perawatan/ tindakan. Di lapangan studi eksperimental dilakukan dalam bentuk intervensi komunitas, misalnya penelitian tentang pengaruh penyuluhan cara menggosok gigi terhadap indeks kebersihan mulut. Di laboratorium studi ini dilakukan dengan bakteri atau hewan coba. Diantara ketiga lokasi ini, kondisi yang ideal dapat dibuat di laboratorium, di klinik sampai batas tertentu dapat dibuat mendekati ideal, sedangkan di lapangan studi eksperimental/ intervensi dilakukan atas dasar keadaan factual yang ada di masyarakat. Studi eksperimental memiliki tingkatan (gradasi), yaitu mulai dari : o studi pra-eksperimental/ pre-experimental study  studi kuasi eksperimental/ quasi experimental study (tidak ada randomisasi)  studi eksperimental murni/ true experimental study (desain terkuat, ditandai adanya randomisasi)

 Kohort (skripsi dan tesis)

Penelitian kohort atau sering disebut penelitian prospektif adalah suatu penelitian survey (non eksperimen) yang paling baik dalam mengkaji hubungan antara factor resiko dengan efek (penyakit). Faktor resiko yang akan dipelajari diidentifikasi dulu kemudian diikuti ke depan secara prospektif timbulnya efek yaitu penyakit atau salah satu indicator status kesehatan. Contoh klasik studi kohort adalah Framingham Heart Study.
Rancangan penelitian kohort disebut juga sebagai survey prospektif meskipun sesungguhnya kurang tepat. Rancangan penelitian ini merupakan rancangan penelitian epidemiologis noneksperimental yang paling kuat mengkaji hubungan antara faktor risiko dengan dampak atau efek suatu penyakit.
Rancangan penelitian ini menggunakan pendekatan longitudinal ke depan, dengan mengkaji dinamika hubungan antara faktor risiko dengan efek suatu penyakit. Pendekatan yang dilakukan adalah mengidentifikasi faktor risiko, kemudian dinamikanya diikuti atau diamati sehingga timbul suatu efek atau penyakit.
Kesimpulan hasil penelitian diketahui dengan membandingkan subyek yang mempunyai efek positif (sakit) antara kelompok subyek dengan faktor risiko positif dan faktor risiko negative (kelompok kontrol).
 
Kelebihan penelitian Kohort :
a.    Dapat membandingkan dua kelompok, yaitu kelompok subyek dengan faktor risiko positif dan subyek dari kelompok control sejak awal penelitian.
b.    Secara langsung menetapkan besarnya angka risiko dari waktu ke waktu.
c.    Keseragaman observasi terhadap faktor risiko maupun efek dari waktu ke waktu.
 
Kekurangan penelitian Kohort :
a.    Memerlukan waktu penelitian yang relative cukup lama.
b.    Memerlukan sarana dan prasarana serta pengolahan data yang lebih rumit.
c.    Kemungkinan adanya subyek penelitian yang drop out sehingga mengurangi ketepatan dan kecukupan data untuk dianalisis.
d.    Menyangkut etika sebab faktor risiko dari subyek yang diamati sampai terjadinya efek, menimbulkan ketidaknyamanan bagi subyek.

Case Control (skripsi dan tesis)

Rancangan penelitian ini ada yang menyebutnya sebagai studi retrospektif, meskipun istilah ini kurang tepat. Penelitian ini berusaha melihat ke belakang, yaitu data digali dari dampak (efeknya) atau akibat yang terjadi. Kemudian dari dampak tersebut ditelusuri variable-variabel penyebabnya atau variable yang mempengaruhi.
Penelitian epidemiologi kasus-kontrol ini hasil korelasinya lebih tajam dan mendalam bila dibandingkan dengan rancangan penelitian potong-lintang, sebab menggunakan subyek kontrol atau subyek dengan dampak positif dicarikan kontrolnya dan subyek dengan dampak negatif juga dicari kontrolnya. Kemudian variable penyebab atau yang berpengaruh ditelusuri lebih dulu, baru kemudian faktor risiko atau variable yang berpengaruh diamati secara retrospektif.
 
Kelebihan penelitian case control :
a.    Tidak menghadapi kendala etik, seperti halnya penelitian kohort dan eksperimental.
b.    Pengambilan kasus dan kontrol pada kurun waktu yang bersamaan.
c.    Adanya pengendalian faktor risiko sehingga hasil penelitian lebih tajam.
d.    Tidak perlu intervensi waktu, lebih ekonomis sebab subyek bias dibatasi.
 
Kekurangan penelitian case control :
a.    Tidak diketahuinya efek variable luar oleh karena keterbatasan teknis yaitu variable yang tidak ikut dikenakan waktu matching.
b.    Bias penelitian akibat tidak dilakukan pengukuran oleh peneliti dengan tanpa mengetahui yang harus diukur (blind measurement).
c.    Kelemahan pengukuran variable secara retrospektif adalah obyektivitas dan reliabilitasnya sehingga untuk faktor-faktor risiko yang tidak jelas informasinya dari anamnesis maupun data rancangan sekunder sangat berisiko bila menggunakan rancangan mengatasinya, anamnesis sebaiknya dilengkapi data penunjang yang diperlukan untuk menegakkan diagnosis, misalnya pemeriksaan laboratorium klinis, roentgenologi, mikrobiologis, dan imunologis. Apabila data tersebut adalah data sekunder, perlu dilengkapi dengan uraian mengenai cara memperopleh data secara lengkap.
d.    Kadang-kadang untuk memilih kontrol dengan matching kita mengalami kesulitan oleh karena banyaknya faktor risiko dan/atau sedikitnya subyek penelitian.

Cross Sectional (skripsi dan tesis)

Jenis penelitian ini berusaha mempelajari dinamika hubungan hubungan atau korelasi antara faktor-faktor risiko dengan dampak atau efeknya. Faktor risiko dan dampak atau efeknya diobservasi pada saat yang sama, artinya setiap subyek penelitian diobservasi hanya satu kali saja dan faktor risiko serta dampak diukur menurut keadaan atau status pada saat observasi.
Angka rasio prevalensi memberi gambaran tentang prevalensi suatu penyakit di dalam populasi yang berkaitan dengan faktor risiko yang dipelajari atau yang timbul akibat faktor-faktor risiko tertentu.
 
·      Kelebihan studi cross-sectional:
Kelebihan rancangan studi potong lintang adalah kemudahannya untuk untuk dilakukan dan murah, sebab tidak memerlukan follow-up. Jika tujuan penelitian “sekedar“ mendeskripsikan distribusi penyakit dhubungkan dengan paparan faktor-faktor penelitian, maka studi potong lintang merupakan rancangan studi yang cocok, efisien dan cukup kuat disegi metodologik. Selain itu seperti penelitian observasional lainnya, studi potong lintang tidak “memaksa” subjek untuk mengalami factor yang diperkirakan bersifat merugikan kesehatan (factor resiko). Demikian pula, tidak ada subjek yang kehilangan kesempatan memperoleh terapi yang diperkirakan bermanfaat, bagi subjek yang kebetulan menjadi control.
 
Kekurangan penelitian cross sectional :
a.    Dibutuhkan subyek penelitian yang relatif besar atau banyak, dengan asumsi variable bebas yang berpengaruh cukup banyak.
b.    Kurang dapat menggambarkan proses perkembangan penyakit secara tepat.
c.    Faktor-faktor risiko tidak dapat diukur secara akurat dan akan mempengaruhi hasil penelitian.
d.    Nilai prognosanya atau prekdisinya (daya ramal) lemah atau kurang tepat.
e.    Korelasi faktor risiko dengan dampaknya adalah paling lemah bila dibandingkan dengan rancangan penelitian analitik yang lainnya.
f.     Kesimpulan hasil penelitian berkaitan dengan kekuatan rancangan yang disusun sangat berpengaruh, umumnya kekuatan rancangan yang baik adalah sekitar 40%, artinya hanya sebesar 40% variable bebas atau faktor risiko mampu menjelaskan variable terikat atau dampak, sisanya yaitu 60% tidak mampu dijelaskan dengan model yang dibua

Penelitian “Cross-Sectional” (skripsi dan tesis)

Kalau pada penelitian kohor dan kasus kelola ada pendekatan periode waktu tertentu (period time approach) baik secara prospektif (ke depan) maupun retrospektif (ke belakang), pada penelitian cross-sectional waktunya hanya pada saat observasi saja (point time approach). Oleh karenanya, metode ini sering pula disebut sebagai penelitian prevalensi atau kadang-kadang disebut sebagai survai. Disebut sebagai penelitian prevalensi karena hasil penelitian hanya dapat menghitung angka prevalensi yaitu angka yang menggambarkan banyaknya kasus (baru dan lama) pada periode tertentu saja. Penelitian ini yang merupakan penelitian yang paling lemah diantara penelitian epidemiologik lainnya, dapat dipakai sebagai tahap pertama dalam penelitian kohor atau dapat pula digunakan untuk rnencari kelompok kasus dan kelompok kontrol dalam penelitian kasus kelola. Akan tetapi, biasanya penelitian inilah yang paling sering dilakukan, umpamanya dalam Survai Kesehatan Rumah Tangga dan Survai Demografi Kesehatan Indonesia. Dari survai-survei tersebut, dapat diketahui umpamanya data tekanan darah ibu hamil, proporsi akseptor KB dan prevalensi penyakit kencing manis. Keunggulan metode penelitian ini antara lain mudah dilaksanakan, relatif murah, menghasilkan angka prevalensi dan dapat mengamati banyak variabel. Sedangkan keterbatasannya tidak dapat meneliti kondisi atau kasus penyakit yang sedikit (rare)

banyak “bias” yang timbul, kurang baik untuk meramalkan kecenderungan, memerlukan sampel besar, kurang akurat untuk menggambarkan suatu penyakit dan faktor risiko serta tidak dapat menghitung angka insidensi

Penelitian Kasus Kelola (skripsi dan tesis)

Sebenaraya, informasi yang diharapkan dari penelitian kasus kelola hampir sama dengan yang dihasilkan dari penelitian kohor, tetapi waktunya lebih pendek dan jauh lebih efisien. Penelitian ini yang juga sering disebut sebagai penelitian retrospektif merupakan bagian dari epidemiologi modern. Berbeda dari penelitian kohor yang subjek penelitiannya diambil berdasarkan status keterpaparan (exposure status), penelitian kasus kelola memilih kelompok kasus dan kelompok kelola berdasar status penyakit (disease status), sehingga secara umum harus terbebas dari status keterpaparan. Disamping itu, kelompok kelola harus berasal dari populasi yang sama dengan kelompok kasus, sehingga bila kelompok kelola tersebut mempunyai penyakit yang diamati, maka kelompok kelola tersebut seharusnya menjadi kelompok kasus.
 Sebagai catatan, status penyakit yang dimaksud di sini tidak melulu mengidap atau tidak mengidapnya seseorang terhadap suatu penyakit, tetapi dapat juga umpamanya sudah meninggal atau masih hidupnya seorang bayi. Pada penelitian ini, setelah 2 kelompok subyek dipilih, ditanyakan atau diamati faktor faktor yang mempengaruhi status penyakit tersebut secara retrospektif, entah 1 tahun yang lalu ataupun beberapa waktu yang lalu. Untuk melihat faktor faktor yang mempengaruhi kematian perinatal umpamanya, ditanyakan tentang ada tidaknya pemeriksaan kehamilan, komplikasi hamil, komplikasi bersalin, penolong persalinan, faktor lingkungan, status sosial ekonomi dan pendidikan ibu. Keunggulan metode ini terutama dapat digunakan dengan kasus penyakit yang sedikit, umpamanya terhadap ADDS, kematian perinatal dan maternal. Disamping itu, relatif murah, waktunya relatif singkat dan penelitiannya merupakan penelitian yang relatif kecil. Sebaliknya kritik terhadap metode penelitian ini, karena adanya banyak “bias”.
Masalah “selection bias” terjadi karena sulitnya memilih kelompok kasus dan kelompok kelola. Bias yang lain adalah “information bias” atau “recall bias”. Contohnya, seorang ibu yang kehilangan anaknya akan selalu lebih ingat kejadian-kejadian terdahulu daripada seorang ibu yang anaknya masih segar bugar pada saat wawancara. Atau seorang ibu yang bayinya cacad (kelompok kasus) akan selalu lebih ingat obat yang dimakan pada trimester pertama kehamilannya dibanding dengan ibu yang bayinya normal. Sementara itu, dalam penelitian ini hanya dapat diamati satu variabel tidak bebas saja. Keterbatasan yang lain adalah tidak dapat dihitungnya angka insidensi.

Realibilitas (skripsi dan tesis)

Uji reliabilitas adalah pengukuran untuk suatu gejala. Semakin tinggi realibilitas suatu alat ukur, maka semakin stabil alat tersebut untuk digunakan. Tingkat realibilitas suatu konstruk atau variabel penelitian dapat dilihat dari hasil statistik Cronbach Alpha (α) Suatu variabel dikatakan reliable jika memberikan nilai cronbach alpha > 0,60. Semakin nilai alphanya mendekati 21 satu maka nilai realibilitas datanya semakin terpercaya.Dengan kata lain, realibilitas menunjukkan konsistensi suatu alat pengukur di dalam pengukur gejala yang sama. Uji realibilitas dilakukan dengan rumus Croansbach’s Alpha

Uji Validitas (skripsi dan tesis)

Pengujian validitas data digunakan untuk mengukur sah atau valid tidaknya suatu kuesioner. Suatu kuesioner dianggap valid jika pertanyaan pada kuesioner mampu mengungkapkan sesuatu yang diukur oleh kuesioner tersebut. Pengujian validitas dilakukan dengan bantuan program SPSS for windows. Pengambilan keputusan berdasarkan nilai p value atau nilai signifikasi kurang dari 0,05, maka item pertanyaan tersebut dinyatakan valid dan sebaliknya jika nilai p value atau signifikasi sama dengan atau lebih dari 20 0,05 dinilai tidak valid. Cara analisisnya dengan cara menghitung koefisien korelasi antara masing-masing nilai pada nomor pertanyaan dengan nilai total dari nomor pertanyaan tersebut. Selanjutnya koefisien korelasi yang diperoleh r masih harus diuji signifikansinya bisa menggunakan uji t atau membandingkannya dengan r tabel.Bila t hitung > dari t tabel atau r hitung >dari r tabel, maka nomor pertanyaan tersebut valid. Bila menggunakan program komputer, asalkan r yang diperoleh diikuti harga p< 0,05 berarti nomor pertanyaan itu valid

Ekstraksi Faktor (skripsi dan tesis)

Ekstraksi faktor yang bertujuan untuk mengetahui jumlah faktor yang terbentuk dari data yang ada.Pada tahap ini, akan dilakukan proses inti dari analisis faktor, yaitu melakukan ekstraksi terhadap sekumpulan variabel yang 17 adaKMO>0,5, sehingga terbentuk satu atau lebih faktor.Metode ekstrasi yang digunakan adalah Analisis Komponen Utama (Principal Components Analysis). Analisis komponen utama merupakan teknik statistik yang digunakan untuk menjelaskan struktur variansi-kovariansi dari sekumpulan variabel melalui beberapa variabel baru dimana variabel baru ini saling bebas, dan merupakan kombinasi linier dari variabel asal. Selanjutnya, variabel baru ini dinamakan komponen utama. Secara umum tujuan dari analisis komponen utama adalah mereduksi dimensi data sehingga lebih muda untuk menginterpretasikan data-data tersebut. Analisis komponen utama bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan dimensinya. Hal ini dilakukan dengan menghilangkan korelasi variabel melalui transformasi variabel asal ke variabel baru yang tidak berkorelasi.Variabel baru (?)disebut komponen utama yang merupakan hasil transformasi dari variabel asal X yang modelnya dalam bentuk catatan matriks

Kegunaan Analisis Faktor (skripsi dan tesis)

Analisis faktor mempunyai beberapa kegunaan adalah sebagai berikut : a) Untuk mengidentifikasi underlying dimensions (factors) yang dapat menjelaskan korelasi sekumpulan variabel.Untuk mengidentifikasi variabel baru, yang dapat digunakan untuk analisis l lainnya c) Untuk mengedintifikasi satu atau beberapa variabel dari variabel yang banyak jumlahnya. d) Mengkonfirmasi kontruksi suatu variabel latin

Analisis faktor (skripsi dan tesis)

Analisis faktor merupakan salah satu metode statistika multivariate yang digunakan untuk menemukan beberapa faktor yang mendasari dan mampu menjelaskan hubungan atau korelasi antara berbagai indikator independen yang diobservasi  . Metode analisis faktor pertama kali digunakan oleh Charles Spearman untuk memecahkan persoalan psikologi dalam tulisannya pada American Journal of Psychology pada tahun 1904 mengenai dan pengukuran intelektual.Analisis faktor menganalisis sejumlah variabel dari suatu pengukuran atau pengamatan yang dititikberatkan pada teori dan kenyataan yang sebenarnya dan menganalisis interkolerasi (hubungan) antara variabel untuk menetapkan apakah variasi-variasi yang tampak dalam variabel-variabel tersebut berdasarkan sejumlah faktor dasar yang jumlahnya lebih sedikit dari jumlah variasi yang ada variabel. Selain itu analisis faktor merupakan metode yang dapat digunakan untuk mereduksi data yaitu suatu proses untuk meringkas sejumlah variabel independen yang saling berkorelasi untuk dikelompokan menjadi sebuah variabel baru yang diberi nama faktor. Prinsip dasar analisis faktor adalah mengekstrasi sejumlah faktor (common factor) dari gugusan variabel asal?1, ?2, ?3, …., ??, sehingga banyaknya faktor lebih sedikit dari banyaknya variabel asal x yang tersimpan dalam sejumlah faktor

Faktor Rotasi (Rotated Factor Loading) (skripsi dan tesis)

Faktor rotasi menunjukkan korelasi antara variabel yang diperkirakan dari matriks faktor.Dalam rotasi faktor dikenal dua jenis rotasi, yaitu rotasi orthogonal dan rotasi oblique. Dalam rotasi orthogonal variabel – variabel diekstraksi sedemikian rupa, sehingga variabel – variabel tersebut independent satu sama lain, dengan melakukan rotasi tegak lurus. Sedangkan pada oblique tidak perlu melakukan rotasi tegak lurus.(Santoso,2010) Metode rotasi dengan orthogonal yang banyak dipergunakan yaitu varimaxrotation.Prosedur ini digunakan untuk meminumkan (membuat sedikit  mungkin) banyaknya variabel dengan muatan tinggi (high loading) pada satu faktor. (Supranto,2010)

Asumsi Pada Analisis Faktor (skripsi dan tesis)

Karena prinsip utama analisis faktor adalah korelasi, maka asumsi – asumsi terkait dengan korelasi akan digunakan, yakni : (Santoso,2010) a. Besar korelasi atau korelasi antar variabel independen harus cukup kuat, misalkan diatas 0,5 b. Besar korelasi parsial, korelasi antara dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil c. Pengujian seluruh matriks korelasi (korelasi antar variabel) yang diukur dengan besaran Bartlett Test Of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel d. Pada beberapa kasus, asumsi normalitas dari variabel – variabel atau faktor yang terjadi sebaiknya terpenuhi.

Tujuan Analisis Faktor (skripsi dan tesis)

Pada dasarnya tujuan analisis faktor adalah (Santoso,2010) a. Data summarizationyakni mengidenfikasi adanya hubungan antara variabel dengan melakukan uji korelasi. b. Data reduction yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu

Kegunaan Analisis Faktor (skripsi dan tesis)

Analisis faktor dipergunakan didalam situasi sebagai berikut : (Supranto,2010) a. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel. b. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel yang saling berkorelasi didalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan. c. Mengenali atau mengidentifikasi suatu set yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan didalam analisis multivariat selanjutnya.

Analisis Faktor (skripsi dan tesis)

Proses analisis faktor mencoba menemukan hubungan (interrelationship) antara sejumlah variabel – variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal. (Santoso, 2010) Analisis faktor didasarkan pada sebuah model dimana vektor hasil pengamatan dipartisi ke dalam suatu bagian sistematik yang tak teramati dan suatu bagian error yang tak teramati.Komponen dari vektor error dianggap bebas (independent) dari komponen vektor sistematik, dimana bagian sistematik merupakan kombinasi linier dari variabel faktor yang jumlahnya relatif lebih sedikit.Analisis faktor memisahkan pengaruh faktor yang menjadi perhatian dasar dari error (Anderson.T.W, 1984). Salah satu kelebihan dari analisis faktor adalah ketika bentuk persamaan tidak cocok dengan data, perkiraan korelasi antar faktor dengan variabel jelas mencerminkan kegagalan. Dalam sebuah kasus, ada dua permasalahan dalam perkiraan yaitu (1) tidak jelas banyaknnya faktor yang dibentuk dan (2) tidak jelas nama faktor yang di tentukan. Dalam prosedur statistik lain, kegagalan asumsi tidak mengakibatkan konsekuensi yang jelas seperti dalam perkiraan korelasi. Namun hal ini menjadi asumsi dasar analisis faktor. (Rencher A.C., 2002)

Teknik umum dalam analisis faktor adalah metode principal component analysis, yaitu metode yang digunakan untuk memperkirakan korelasi antara faktor yang akan dibentuk terhadap variabel.(Rencher A.C.,2002) Pada metode principal analysis factor bertujuan untuk mencari korelasi pada faktor terhadap variabel – variabel secara linier serta mengurangi (perkiraan) dimensi dari ruang vektor yang menggandung variabel – variabel dari satu set variabel acak yang intercorrelated. Dalam metode ini variabel yang diamati bergantung pada jumlah faktor yang lebih sedikit yang dapat dijelaskan dari varians atau kovarians yang sistematis atau benar dari penelitianuntuk memperkirakandan mengidentifikasi variabel yang nyata (tapi tidak teramati) yang berpengaruh pada variabel acak (Basilevsky .A., 1994)

Faktor Rotasi (Rotated Factor Loading) (skripsi dan tesis)

Faktor rotasi menunjukkan korelasi antara variabel yang diperkirakan dari matriks faktor.Dalam rotasi faktor dikenal dua jenis rotasi, yaitu rotasi orthogonal dan rotasi oblique. Dalam rotasi orthogonal variabel – variabel diekstraksi sedemikian rupa, sehingga variabel – variabel tersebut independent satu sama lain, dengan melakukan rotasi tegak lurus. Sedangkan pada oblique tidak perlu melakukan rotasi tegak lurus.(Santoso,2010) Metode rotasi dengan orthogonal yang banyak dipergunakan yaitu varimaxrotation.Prosedur ini digunakan untuk meminumkan (membuat sedikit mungkin) banyaknya variabel dengan muatan tinggi (high loading) pada satu faktor. (Supranto,2010)

Asumsi Pada Analisis Faktor (skripsi dan tesis)

 

Karena prinsip utama analisis faktor adalah korelasi, maka asumsi – asumsi terkait dengan korelasi akan digunakan, yakni : (Santoso,2010) a. Besar korelasi atau korelasi antar variabel independen harus cukup kuat, misalkan diatas 0,5 b. Besar korelasi parsial, korelasi antara dua variabel dengan menganggap tetap variabel yang lain, justru harus kecil c. Pengujian seluruh matriks korelasi (korelasi antar variabel) yang diukur dengan besaran Bartlett Test Of Sphericity atau Measure Sampling Adequacy (MSA). Pengujian ini mengharuskan adanya korelasi yang signifikan di antara paling sedikit beberapa variabel d. Pada beberapa kasus, asumsi normalitas dari variabel – variabel atau faktor yang terjadi sebaiknya terpenuhi.

Tujuan Analisis Faktor (Skripsi dan tesis)

Pada dasarnya tujuan analisis faktor adalah (Santoso,2010) a. Data summarizationyakni mengidenfikasi adanya hubungan antara variabel dengan melakukan uji korelasi. b. Data reduction yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu.

Analisis Faktor (skripsi dan tesis)

Proses analisis faktor mencoba menemukan hubungan (interrelationship) antara sejumlah variabel – variabel yang saling independen satu dengan yang lain, sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal. (Santoso, 2010) Analisis faktor didasarkan pada sebuah model dimana vektor hasil pengamatan dipartisi ke dalam suatu bagian sistematik yang tak teramati dan suatu bagian error yang tak teramati.Komponen dari vektor error dianggap bebas (independent) dari komponen vektor sistematik, dimana bagian sistematik merupakan kombinasi linier dari variabel faktor yang jumlahnya relatif lebih sedikit.Analisis faktor memisahkan pengaruh faktor yang menjadi perhatian dasar dari error (Anderson.T.W, 1984). Salah satu kelebihan dari analisis faktor adalah ketika bentuk persamaan tidak cocok dengan data, perkiraan korelasi antar faktor dengan variabel jelas mencerminkan kegagalan. Dalam sebuah kasus, ada dua permasalahan dalam perkiraan yaitu (1) tidak jelas banyaknnya faktor yang dibentuk dan (2) tidak jelas nama faktor yang di tentukan. Dalam prosedur statistik lain, kegagalan asumsi tidak mengakibatkan konsekuensi yang jelas seperti dalam perkiraan korelasi. Namun hal ini menjadi asumsi dasar analisis faktor. (Rencher A.C., 2002)

 Teknik umum dalam analisis faktor adalah metode principal component analysis, yaitu metode yang digunakan untuk memperkirakan korelasi antara faktor yang akan dibentuk terhadap variabel.(Rencher A.C.,2002) Pada metode principal analysis factor bertujuan untuk mencari korelasi pada faktor terhadap variabel – variabel secara linier serta mengurangi (perkiraan) dimensi dari ruang vektor yang menggandung variabel – variabel dari satu set variabel acak yang intercorrelated. Dalam metode ini variabel yang diamati bergantung pada jumlah faktor yang lebih sedikit yang dapat dijelaskan dari varians atau kovarians yang sistematis atau benar dari penelitianuntuk memperkirakandan mengidentifikasi variabel yang nyata (tapi tidak teramati) yang berpengaruh pada variabel acak (Basilevsky .A., 1994)

Analisis Faktor (skripsi dan tesis)

Menurut Hair, et al. (1995) analisis faktor adalah sebuah nama umum yang diberikan kepada sebuah kelas dari metode statistika multivariat yang tujuan utamanya adalah menentukan struktur yang mendasari keterkaitan (korelasi) antara sejumlah variabel. P Faktor merupakan variabel baru yang bersifat tidak bisa diukur atau tidak dapat diamati. Sedangkan X adalah variabel yang dapat diukur atau diamati. Faktor dalam analisis faktor dibentuk untuk memaksimalkan penjelasan dari sekelompok variabel, bukan digunakan untuk memprediksi suatu variabel tidak bebas. Dalam analisis faktor variabel-variabel dikelompokkan berdasarkan korelasinya, yaitu variabel yang mempunyai korelasi tinggi akan berada dalam kelompok tertentu membentuk suatu faktor dan variabel-variabel yang mempunyai korelasi rendah akan membentuk faktor lain. Secara umum dapat dikatakan bahwa analisis ini bertujuan untuk menganalisis hubungan sejumlah besar variabel dengan menentukan satu kelompok dimensi umum yang disebut faktor (Hair, et al. 1995). Dalam melakukan analisis faktor keputusan pertama yang harus diambil oleh peneliti adalah menganalisis apakah data yang ada cukup memenuhi syarat di dalam analisis faktor. Langkah ini dilakukan dengan mencari matriks korelasi 6 antara indikator-indikator yang diobservasi. Metode Kaiser-Mayer Olkin (KMO) paling banyak digunakan untuk melihat syarat kecukupan data untuk analisis faktor. Metode ini mengukur kecukupan sampel secara menyeluruh dan mengukur kecukupan sampel untuk setiap indikator

Jenis Dalam Regresi Logistik (skripsi dan tesis)

Sebagaimana metode regresi biasa, Regresi Logistik dapat dibedakan menjadi 2, yaitu:

1. Binary Logistic Regression (Regresi Logistik Biner). Regresi Logistik biner digunakan ketika hanya ada 2 kemungkinan variabel respon (Y), misal membeli dan tidak membeli.
 2. Multinomial Logistic Regression (Regresi Logistik Multinomial). Regresi Logistik Multinomial digunakan ketika pada variabel respon (Y) terdapat lebih dari 2 kategorisasi

Asumsi Dalam Regresi Logistik (skripsi dan tesis)

Asumsi yang harus dipenuhi dalam Regresi Logistik antara lain: 1. Regresi logistik tidak membutuhkan hubungan linier antara variabel independen dengan variabel dependen. 2. Variabel independen tidak memerlukan asumsi multivariate normality. 3. Asumsi homokedastisitas tidak diperlukan 4. Variabel bebas tidak perlu diubah ke dalam bentuk metrik (interval atau skala ratio). 5. Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah atau baik dan buruk) 6. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel 7. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif 8. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (independen). 9. Regresi logistik dapat menyeleksi hubungan karena menggunakan pendekatan non linier log transformasi untuk memprediksi odds ratio. Odd dalam regresi logistik sering dinyatakan sebagai probabilitas.

Pengertian regresi Logistik (skripsi dan tesis)

Dalam sebuah penelitian biasanya kita memodelkan hubungan antar 2 variabel, yaiitu variabel X (independent) dan Y (dependent). Metode yang biasa dipakai dalam penelitian seperti ini adalah regresi linier, baik sederhana maupun berganda. Namun, adakalanya regresi linier dengan metode OLS (Ordinary Least Square) yang dipakai tidak sesuai untuk digunakan. Regresi linier yang sering digunakan kadang terjadi pelanggaran asumsi Gauss-Markov. Misalnya pada kasus dimana variabel dependent (Y) bertipe data nominal, sedangkan variabel bebas/prediktornya (X) bertipe data interval atau rasio. Ingin diketahui apakah mahasiswa sudah melek keuangan berdasarkan jenis kelamin, fakultas yang dipilih dan indeks prestasi kumulatif. Dalam kasus ini hanya ada 2 kemungkinan respon mahasiswa, yaitu mahasiswa melek keuangan dan mahasiswa tidak melek keuangan.
Dari contoh kasus di atas, dapat diketahui bahwa tipe data variabel respon (Y) adalah nominal, yaitu kategorisasi keputusan mahasiswa melek keuangan atau tidak (misal melek keuangan angka 1, sedangkan tidak melek keuangan angka 0), sedangkan tipe data untuk variabel bebas (X) setidaktidaknya interval (skala likert). Bila metode regresi linier biasa diterapkan pada kasus semacam ini, menurut Kutner, dkk. (2004), akan terdapat 2 pelanggaran asumsi Gauss-Markov dan 1 buah pelanggaran terhadap batasan dari nilai duga (fitted value) dari variabel respon (Y), yaitu: 1. Error dari model regresi yang didapat tidak menyebar normal. 2. Ragam (variance) dari error tidak homogen (terjadi heteroskedastisitas pada ragam error). 3. Sedangkan, pelanggaran bagi batasan nilai duga Y (fitted value) adalah bahwa nilai duga yang dihasilkan dari model regresi linier biasa melebihi rentang antara 0 s.d. 1. Hal ini jelas tidak masuk akal , karena batasan nilai pada variabel Y (dalam kasus ini adalah Pemahaman literasi keuangan tinggi =1 dan Pemahaman literasi keuangan rendah =0). Untuk mengatasi masalah ini, diperkenalkan metode Regresi Logistik. Regresi logistik (kadang disebut model logistik atau model logit), dalam statistika digunakan untuk prediksi  probabilitas kejadian suatu peristiwa dengan mencocokkan data pada fungsi logit kurva logistik. Regresi logistik adalah sebuah pendekatan untuk membuat model prediksi seperti halnya regresi linear atau yang biasa disebut dengan istilah Ordinary Least Squares (OLS) regression. Perbedaannya adalah pada regresi logistik, peneliti memprediksi variabel terikat yang berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data nominal dengan dua kategori, misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi dan Rendah. Apabila pada OLS mewajibkan syarat atau asumsi bahwa error varians (residual) terdistribusi secara normal. Sebaliknya, pada regresi logistik tidak dibutuhkan asumsi tersebut sebab pada regresi logistik mengikuti distribusi logistik

Uji Model Persamaan Regresi Logistik (skripsi dan tesis)

Uji ini sering disebut juga sebagai uji ketepatan model. Uji ini digunakan untuk mengatahui apakah model regresi logistik sudah sesuai dengan data observasi yang diperoleh. Untuk menilai ketepatan model regresi logistik dalam penelitian ini diukur dengan nilai chi square dengan uji Hosmer dan Lemeshow. Pengujian ini akan melihat nilai goodness of fit test yang diukur dengan nilai chi square pada tingkat signifikansi, dimana tingkat signifikansi pada penelitian ini adalah 5%. Uji Hosmer dan Lemeshow ini disebut juga uji t yaitu uji signifikansi konstanta dan setiap variabel independen. Kriteria Statistiknya dapat dilihat dari tabel Hosmer and Lemeshow dari hasil olah data.

Uji hipotesis: : Model sesuai (Model mampu menjelaskan data empiris) :
                        Model tidak sesuai (Model tidak mampu menjelaskan dataempiris)
 Kriteria Pengujian: : ditolak bila probabilitas ≤ 0,05 : diterima bila probabilitas > 0,05

Analisis Regresi Logistik (skripsi dan tesis)

Model regresi merupakan komponen penting dalam beberapa analisis data dengan menggambarkan hubungan antara variabel respon dan satu atau beberapa variabel penjelas. Pada umumnya analisis regresi digunakan untuk menganalisis data dengan variabel respon berupa data kuantitatif. Akan tetapi sering juga ditemui  kasus dengan variabel responnya bersifat kualitatif/kategori. Untuk mengatasi masalah tersebut maka dapat digunakan model regresi logistik. Pendekatan model persamaan regresi logistik digunakan karena dapat menjelaskan hubungan antara variabel bebas dan peluangnya yang bersifat tidak linear, ketidaknormalan sebaran dari variabel terikat, serta keragaman respon yang tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa (Agresti, 1990). Menurut Hosmer (1989), metode regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval. Yang dimaksud dengan peubah kategorik yaitu peubah yang berupa data nominal dan ordinal. Pada dasarnya regresi logistik sama dengan analisis diskriminan, perbedaan ada pada jenis data dari variabel dependen. Jika pada analisis diskriminan variabel dependen adalah data rasio, maka pada regresi logistik variabel dependen adalah data nominal. Data nominal di sini lebih khusus adalah data binary. Dengan demikian, tujuan regresi logistik adalah pembuatan sebuah model regresi untuk memprediksi besar variabel dependen yang berupa variabel binary dengan menggunakan data variabel independen yang sudah diketahaui besarnya. Regresi logistik biner adalah salah satu metode statistika yang sering digunakan untuk mengklasifikasikan sejumlah pengamatan dengan respon biner ke dalam beberapa kelompok berdasarkan satu atau lebih variabel prediktor. Melalui metode ini akan dihasilkan peluang dari masing-masing kategori respon yang akan dijadikan sebagai pedoman pengklasifikasian dan suatu pengamatan akan masuk kedalam respon kategori tertentu berdasarkan nilai peluang yang terbesar. Pada Regresi logistik biner (dikotomus), variabel responnya mempunyai dua kategori. Fenomena dimana variabel responnya dua (bivariat) dan masingmasing berkategorikan biner, dapat dianalisis mengunakan regresi logistik biner bivariat, dengan asumsi antar peubah respon biner terdapat dependensi.

Regresi logistik cukup baik dan sering digunakan.  Regresi logistik memiliki beberapa keuntungan dibandingkan regresi lainnya, yaitu: 1. Regresi logistik tidak memiliki asumsi normalitas atas variabel bebas yang digunakan dalam model. Artinya variabel penjelas tidak harus memiliki distribusi normal, linier, maupun memiliki varian yang sama dalam setiap group. 2. Variabel dalam regresi logistik dapat berupa campuran dari variabel kontinu, diskrit, dan dikotomis. 3. Regresi logistik amat bermanfaat digunakan apabila distribusi respon atas variabel terikat diharapkan non linier dengan satu atau lebih variabel bebas

Analisis Regresi (skripsi dan tesis)

Analisis regresi adalah teknik statistika yang berguna untuk memeriksa dan memodelkan hubungan diantara variabel-variabel. Analisis regresi dapat digunakan untuk dua hal pokok, yaitu: a. Untuk memperoleh suatu persamaan dari garis yang menunjukkan persamaan hubungan antara dua variabel. Persamaan dan garis yang dihasilkan bisa berupa persamaan garis bentuk linier maupun nonlinier. b. Untuk menaksir suatu variabel yang disebut variabel tak bebas (terikat) dengan variabel lain yang disebut variabel bebas berdasarkan hubungan yang ditunjukkan persamaan regresi tersebut. Berdasarkan amatan dan analisis data, penyelesaian regresi ini dapat berupa persamaan linier maupun nonlinier. Oleh karena itu analisis regresi ini terbagi atas regresi linier dan regresi nonlinier. Yang termasuk ke dalam regresi linier adalah regresi linier sederhana, regresi linier berganda, dan sebagainya. Ssedangkan yang termasuk regresi nonlinier adalah regresi model parabola kuadratik, model parabola kubik, model eksponen, model geometrik, regresi logistik, dan sebagainya.

Macam–macam Rancangan Penelitian dalam Bidang Kesehatan (skripsi dan tesis)

Secara garis besar, penelitian dalam bidang kesehatan dapat dibagi berdasarkan beberapa aspek sebagai berikut: 1. Berdasarkan tujuan, penelitian kesehatan dapat dibagi menjadi penelitian eksploratif, penelitian deskriptif, penelitian analitik (prospektif dan retrospektif) dan penelitian eksperimental. 2. Berdasarkan pendekatan yang digunakan maka penelitian dapat dibagi menjadi penelitian cross sectional dan longitudinal. 3. Berdasarkan keterlibatan peneliti dapat dikelompokkan menjadi penelitian observasional dan penelitian intervensional.Konsep penelitian ini adalah penelitian Cross Sectional. Penelitian cross sectional mempelajari dinamika hubungan antara faktor resiko dengan efeknya. Faktor resiko dengan efeknya diobservasi pada saat yang sama. Artinya subjek penelitian diobservasi hanya satu kali saja dan faktor resiko dengan efeknya dicatat sesuai kondisi atau status pada saat observasi. Faktor resiko pada penelitian ini adalah Jenis Kelamin, Usia, Sex, Transfusi Darah, Jarum Suntik, Ibu ke anak dan efeknya adalah penyakit Hiv/Aids

Pengertian Variabel (skripsi dan tesis)

 Variabel merupakan objek yang berbentuk apa saja yang ditentukan oleh peneliti dengan tujuan untuk memperoleh informasi agar bisa ditarik suatu kesimpulan. Secara teori, definisi variabel penelitian adalah merupakan suatu objek atau sifat atau atribut atau nilai dari orang atau kegiatan yang mempunyai bermacammacam variasi antara satu dengan yang lainnya yang ditetapkan oleh peneliti dengan tujuan untuk dicari dan ditarik kesimpulan. Adapun tipe-tipe variabel terbagi atas:
1. Variabel Bebas Variabel bebas ataupun variabel independen merupakan variabel stimulus atau variabel yang memepengaruhi variabel lain. Variabel bebas merupakan yang variabilitasnya diukur atau dipilih oleh peneliti untuk menentukan hubungannya dengan suatu gejala yang diobservasi.
2. Variabel Terikat Variabel terikat atau variabel dependen merupakan variabel yang memberikan reaksi atau respon jika dihubungkan dengan variabel bebas. Variabel dependen adalah variabel yang variabilitasnya diamati dan diukur untuk menentukan pengaruh yang disebabkan oleh variabel bebas.

Skala Pengukuran Data (skripsi dan tesis)

Pengetahuan mengenai skala pengukuran data sangat penting di dalam statistika. Terdapat empat skala pengukuran data, diurutkan mulai dari tingkatan terendah hingga tertinggi seperti berikut ini:

 1. Nominal, tipe data ini digunakan untuk mengklasifikasikan informasi/data. Contoh: Data jenis kelamin yaitu Laki-laki dan Perempuan. Biasanya, saat analisis data tipe seperti ini dilambangkan dengan bilangan numerik. Laki–laki dilambangkan dengan angka 1, sedangkan perempuan dilambangkan dengan angka 2. Tidak berarti angka 1 lebih rendah dari angka 2, hanya melambangkan saja.

 2. Ordinal, tipe data ini digunakan untuk mengklasifikasikan serta memiliki tingkatan. Tipe data ordinal lebih tinggi dari nominal karena kemampuannya untuk membentuk tingkatan. Contoh: Jabatan di dalam perusahaan ada karyawan, manager, dan direktur utama. Misal karyawan dilambangkan dengan 1, manager dengan 2 dan direktur utama dengan 3. Pada tipe data ini, angka 1 dianggap lebih rendah dari angka 2 dan seterusnya.
 3. Interval, ciri khas dari tipe data ini selain memiliki kemampuan mengklasifikasi dan membentuk tingkatan adalah tidak adanya nilai nol mutlak. Artinya, angka nol yang digunakan bukan berarti tidak ada. Contoh: Derajat suhu. Di dalam skala celcius misalnya, Nol derajat celcius bukan berarti tidak ada suhu. Nol derajat itu memiliki suhu, hanya saja dilambangkan nol.
4. Rasio, tipe data ini memiliki kemampuan dari ketiga tipe data sebelumnnya dan angka nol dianggap mutlak. Contoh: data berat badan (kg). Angka nol kg berarti memang tidak ada berat.

Data (skripsi dan tesis)

Data merupakan sejumlah informasi yang dapat memberikan gambaran tentang sesuatu keadaan. Informasi yang di peroleh memberikan keterangan, gambaran, atau fakta mengenai suatu persoalan dalam bentuk kategori, huruf, atau bilangan. Data digunakan untuk menyediakan informasi bagi suatu penelitian, pengukuran kinerja, dasar pembuatan keputusan dan menjawab rasa ingin tahu. Jenis-jenis data berdasarkan cara memperolehnya yaitu:

 1. Data primer Data primer merupakan data yang didapat dari sumber pertama, baik dari individu atau perseorangan seperti hasil wawancara atau pengisian kuisioner yang biasa dilakukan oleh peneliti. Biasanya data primer, peneliti melakukan observasi sendiri baik di lapangan maupun di laboratorium.
2. Data sekunder Data sekunder merupakan data primer yang diperoleh oleh pihak lain atau data primer yang telah diolah lebih lanjut dan disajikan baik oleh pengumpul data primer atau pihak lain yang pada umumnya disajikan dalam bentuk tabel-tabel atau diagram-diagram (Sugiarto, dkk, 2001)

Regresi Robust (skripsi dan tesis)

Regresi robust merupakan metode regresi yang digunakan ketika distribusi dari galat tidak normal dan atau adanya beberapa pencilan yang berpengaruh pada model (Ryan, 1997). Menurut Chen (2002:1) metode-metode estimasi dalam regresi robust diantaranya adalah:

 1. Estimasi M (Maximum likelihood type) yang dikenalkan oleh Huber (1973) adalah metode yang sederhana baik dalam penghitungan maupun secara teoritis. Estimasi ini menganalisis data dengan mengasumsikan bahwa sebagian besar yang terdeteksi pencilan pada variabel independen.

2. Estimasi LTS (Least Trimmed Squares) adalah metode dengan high breakdown point yang dikenalkan oleh Rousseeuw (1984). Breakdown point adalah ukuran proporsi minimal dari banyaknya data yang terkontaminasi pencilan dibandingkan seluruh data pengamatan.

3. Estimasi S (Scale) juga merupakan metode dengan high breakdown point yang dikenalkan oleh Rousseeuw and Yohai (1984). Dengan nilai breakdown yang sama, metode ini mempunyai efisiensi yang lebih tinggi dibanding estimasi LTS. 4. Estimasi MM (Method of Moment), dikenalkan oleh Yohai (1987). Metode ini menggabungkan estimasi S (estimasi dengan high breakdown point) dan estimasi M.

Asumsi Regresi Logistik (skripsi dan tesis)

Adapun asumsi dalam analisis regresi logistik adalah:
  1. Tidak mengasumsikan hubungan linier antar variabel dependen dan independen
  2. Variabel dependen harus bersifat dikotomi (2 variabel)
  3. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok variabel
  4. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat eksklusif
  5. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50 sampel data untuk sebuah variabel prediktor (bebas).

Regresi Logistik (skripsi dan tesis)

Logistic Regression atau biasa kita sebut Regresi Logistik sebenarnya mirip dengan analisis faktor yaitu kita ingin menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Analisis regresi logistik digunakan untuk menjelaskan hubungan antara variabel respon yang berupa data dikotomik/biner dengan variabel bebas yang berupa data berskala interval dan atau kategorik, (Hosmer dan Lemeshow, 1989).
Variabel yang dikotomik/biner adalah variabel yang hanya mempunyai dua kategori saja, yaitu kategori yang menyatakan kejadian sukses (Y=1) dan kategori yang menyatakan kejadian gagal (Y=0). Pada model-model linear umum komponen acak tidak harus mengikuti sebaran normal, tapi harus masuk dalam sebaran keluarga eksponensial. Sebaran bernoulli termasuk dalam salah satu dari sebaran keluarga eksponensial. Variabel respon Y ini, diasumsikan mengikuti distribusi Bernoull

Analisis Regresi Linier Berganda (skripsi dan tesis)

Analisis regresi merupakan salah satu analisis statistik yang sering digunakan untuk menganalisis hubungan antara dua variabel atau lebih. Menurut Drapper dan Smith (1992) analisis regresi merupakan metode analisis yang dapat digunakan untuk menganalisis data dan mengambil kesimpulan yang bermakna tentang hubungan ketergantungan variabel terhadap variabel lainnya. Hubungan yang didapat pada umumnya dinyatakan dalam bentuk persamaan matematika yang menyatakan hubungan antara variabel bebas (independent variable) dan variabel tak bebas (dependent variable) dalam bentuk persamaan sederhana.

Model Regresi Multilevel Respon Biner (skripsi dan tesis)

Model regresi multilevel dengan variabel respon (dependen) berupa data biner atau hanya terdiri dari dua kategori, maka estimasi parameter bisa dilakukan menggunakan estimasi maksimum likelihood dengan pendekatan suatu metode tertentu (Goldstein, 1999). Dalam model regresi, apabila variabel respon berupa biner atau dichotomous biasanya digunakan model regresi logistik yang dalam estimasi parameternya harus menggunakan suatu fungsi penghubung (link function). Hal tersebut juga sama diterapkan dalam model multilevel. Apabila variabel respon berdistribusi binomial dengan parameter proporsi (πij), maka fungsi penghubung yang digunakan adalah logit (log{π/(1-π)}) sehingga modelnya disebut dengan model logistik

Regresi Logistik Biner (skripsi dan tesis)

Regresi logistik digunakan untuk mencari hubungan variabel dependen (Y) yang bersifat dichotomous(berskala nominal atau ordinal dengan dua kategori) atau polychotomous (mempunyai skala nominal atau ordinal dengan lebih dari dua kategori) dengan satu atau lebih variabel independen (X) yang bersifat kontinu atau kategorik (Agresti, 2007). Salah satu regresi logistik yang paling sederhana digunakan adalah regresi logistik biner. Regresi logistik biner merupakan suatu metode analisis data yang digunakan untuk mencari hubungan antara variabel dependen (Y) yang bersifat biner atau dikotomus dengan variabel independen (X) yang bersifat polikotomus Data variabel dependen yang digunakan dalam regresi logistik biner adalah data dengan skala nominal dengan hanya berupa 2 kategori yaitu “sukses” atau “gagal” misalnya: ya-tidak, benar-salah, hidup-mati, hadir-absen, laki-wanita, dan seterusnya. Sedangkan data variabel independen dapat berupa data dengan skala ordinal (seringkali digunakan pada kasus-kasus/penelitian sosial kemasyarakatan) ataupun data dengan skala rasio (seringkali dijumpai pada penelitian industri). Outcome dari variabel dependen Y terdiri dari 2 kategori yaitu “sukses” dan “gagal” yang dinotasikan dengan Y=1 (sukses) dan Y=0 (gagal). Dalam keadaan demikian, variabel Y mengikuti distribusi Bernoulli untuk setiap observasi tunggal

Model Regresi Multilevel (skripsi dan tesis)

Model multilevel merupakan sebuah model yang digunakan pada data berjenjang (hierarchy). Data berjenjang seringkali ditemukan pada penelitian- penelitian survei dimana unit-unit analisisnya berasal dari kelompok-kelompok (cluster), atau data yang diambil melalui penarikan sampel bertahap (cluster sampling). Misalnya, dalam pengambilan sampel menggunakan metode sampling satu tahap (Single Stage Cluster Sampling), dimana unit-unit sampling yang berasal dari kelompok diperhitungkan keberadaanya dalam analisis, sehingga dalam hal ini model yang sesuai adalah model multilevel. Unit-unit sampling yang ada dalam kelompok disebut level rendah dan kelompokkelompok disebut level tinggi. Banyaknya unitunit analisis dalam kelompok bisa sama atau berbeda untuk setiap kelompok. Suatu model regresi multilevel yang sederhana hanya terdiri dari 2 level. Misalkan, diberikan data dalam J kelompok dan jumlah yang berbeda dari individu nj dalam setiap kelompok. Dalam individu (level 1), terdapat variabel tak bebas/respon Yij dan variabel bebas/penjelas Xij, serta pada level kelompok terdapat variabel bebas Zj. Sehingga, terdapat persamaan model regresi terpisah pada setiap kelompok

Langkah-langkah analisis regresi ordinal (skripsi dan tesis)

Langkah-langkah analisis regresi ordinal yang digunakan dalam menganalisis data dalam penelitian ini adalah sebagai berikut. 1. Pembentukan model regresi logistik ordinal dari seluruh variabel prediktor yang berpengaruh dengan variabel respon. 2. Menguji secara parsial model regresi logistik ordinal. 3. Menguji secara serentak model regresi logistik ordinal. 4. Menguji kesesuaian model regresi logistik ordinal 5. Menghitung nilai probabilitas masing-masing Y dari model regresi logistik ordinal. 6. Melakukan interpretasi model regresi logistik ordinal.

Regresi Logistik (skripsi dan tesis)

Regresi logistik merupakan bagian dari analisis statistik kategori yang juga merupakan model-model linear umum. Regresi logistik dapat memprediksi hasil analisis data diskrit seperti pengelompokan dari variabel kontinu, variabel diskrit, variabel dikotomi atau campuran dari semuanya (Agresti, 2007). Secara umum, variabel respon (dependent) merupakan variabel dikotomus, seperti hadir/tidak, sukses/gagal. Variabel dependen dalam regresi logistik biasanya berupa data dikotomi, variabel dependen bernilai 1 dengan peluang sukses (p), atau 0 jika peluang gagal (1-p). Variabel ini disebut sebagai variabel Bernoulli (biner). Sebagaimana disebutkan sebelumnya, variabel independen (penjelas/ prediktor) dalam regresi logistik dapat memiliki beberapa bentuk. Sehingga dalam regresi logistik tidak ada asumsi mengenai distribusi dari variabel independen (penjelas). Variabel penjelas tersebut tidak harus berdistribusi normal, tidak harus mempunyai hubungan linear atau varians sama dalam tiap grup (kelompok). Dalam analisis regresi standar, sebenarnya model regresi yang dibangun adalah membuat model nilai tengah dari variabel respon (Hosmer, et al, 2000).Oleh karena itu, untuk kasus variabel dikotomi sebagai variabel respon maka sesungguhnya model regresi yang dibuat adalah bagaimana membangun model proporsi dari variabel respon dengan variabel-variabel penjelasnya.

Uji Normalitas (skripsi dan tesis)

Untuk menguji kenormalan ganda (Multivariate Normality) adalah dengan mencari nilai jarak kuadrat untuk setiap pengamatan yaitu dengan rumus sebagai berikut : Dimana : = Nilai jarak kuadrat untuk setiap pengamatan ke-i Xi = Pengamatan ke-i (i=1, 2, …, n) = Rata-rata variabel independen S-1 = Kebalikan (inverse) matriks varians-kovarians S Kemudian diurutkan dari yang paling kecil ke yang paling besar. Selanjutnya dibuat plot dimana i = urutan 1, 2, …, n. Bila hasil plot dapat didekati dengan garis lurus maka dapat disimpulkan bahwa peubah ganda menyebar normal.

Proses Dasar Analisis Diskriminan (skripsi dan tesis)

Menurut Santoso (2010), terdapat beberapa proses dasar yang harus dilakukan dalam analisis diskriminan, diantaranya yaitu : 1. Memisah variabel-variabel menjadi variabel dependen dan variabel independen. 2. Menentukan metode untuk membuat fungsi diskriminan. Pada prinsipnya ada dua metode dasar, yaitu : a. Simultaneous Estimation Semua variabel dimasukkan secara bersama-sama kemudian dilakukan proses diskriminan. b. Step-Wise Estimation Variabel dimasukkan satu per satu ke dalam model diskriminan. Pada proses ini tentu ada variabel yang tetap ada pada model, dan ada kemungkinan satu atau lebih variabel independen yang dibuang dari model. 3. Menguji signifikansi dari fungsi diskriminan yang telah terbentuk dengan menggunakan Wilk’s Lambda, Pilai, F-test dan lainnya. 4. Menguji ketepatan klasifikasi dari fungsi diskriminan, termasuk mengetahui ketepatan klasifikasi secara individual dengan Casewise Diagnostics. 5. Melakukan interpretasi terhadap fungsi diskriminan tersebut. 6. Melakukan uji validasi fungsi diskriminan

Analisis Diskriminan (skripsi dan tesis)

Analisis diskriminan merupakan teknik menganalisis data, dimana variabel dependen merupakan data kategorik (nominal dan ordinal) sedangkan variabel independen berupa data interval atau rasio. Analisis diskriminan ini termasuk dalam analisis multivariat dengan metode dependensi. Ada dua metode dalam analisis multivariat yaitu metode dependensi dan metode interdenpendensi. Metode dependensi yaitu variabel-variabelnya tidak saling bergantung satu dengan yang lain, sedangkan metode interdenpendensi adalah antarvariabelnya ada saling ketergantungan. Jika variabel dependen terdiri dari dua kelompok atau  kategori disebut Two-Group Discriminant Analysis , sedangkan jika lebih dari dua kelompok atau kategori disebut dengan Multiple Discriminant Analysis.

Analisis diskriminan bertujuan untuk mengklasifikasikan suatu individu atau observasi ke dalam kelompok yang saling bebas (mutually exclusive/disjoint) dan menyeluruh (exhaustive) berdasarkan jumlah variabel independen. Menurut Johnson dan Wichern (2007) analisis diskriminan digunakan untuk mengklasifikasikan individu ke dalam salah satu dari dua kelompok atau lebih. Suatu fungsi diskriminan layak untuk dibentuk, bila terdapat perbedaan nilai rataan di antara kelompok-kelompok yang ada. Persamaan fungsi diskriminan yang dihasilkan untuk memberikan peramalan yang paling tepat untuk mengklasifikasi individu kedalam kelompok berdasarkan skor variabel independen. Sebelum fungsi diskriminan dibentuk, perlu dilakukan pengujian terhadap perbedaan nilai rataan dari kelompokkelompok tersebut.
Menurut Santoso (2010), terdapat beberapa asumsi yang harus dipenuhi dalam pengujian ini, yaitu :
1. Multivariate Normality atau variabel independen seharusnya berdistribusi normal, jika tidak berdistribusi normal akan menyebabkan masalah pada ketepatan fungsi model diskriminan.
2. Matriks kovarians dari semua variabel independen seharusnya sama (equal).
3. Tidak ada korelasi antar variabel independen. Jika dua variabel independen mempunyai korelasi yang kuat, dikatakan terjadi multikolinearitas.
 4. Tidak adanya data yang sangat ekstrim (outlier) pada variabel independen. Jika ada data outlier yang tetap diproses, hal ini bisa berakibat kurangnya ketepatan klasifikasi dari fungsi diskriminan.

Uji Kesesuaian (skripsi dan tesis)

Model Uji kesesuaian model digunakan untuk menilai apakah model sesuai dengan data atau tidak. Untuk mengetahui apakah model sesuai atau tidak terhadap data yang ada menggunakan uji Hosmer dan Lemeshow. Jika uji Hosmer dan Lemeshow dipenuhi maka model dinilai dapat memprediksi nilai observasinya. Menurut Hosmer dan Lemeshow (1989), uji Hosmer dan Lemeshow yang biasa ditulis dengan uji Ĉ dihitung berdasarkan taksiran probabilitas. Pada uji ini sampel dimasukkan ke sejumlah g kelompok dengan tiap-tiap kelompok memuat n/10 sampel pengamatan, dengan n adalah jumlah sampel. Jumlah kelompok ada sekitar 10, dengan kelompok pertama memuat sampel yang memiliki taksiran probabilitas sukses terkecil yang diperoleh dari model taksiran.

Kelompok kedua memuat sampel yang memiliki taksiran probabilitas sukses terkecil kedua, dan seterusnya (Liu, 2007). Statistik uji Ĉ yang dihitung berdasarkan nilai y = 1 dirumuskan dengan hipotesis sebagai berikut : H0 : Model sesuai, tidak terdapat perbedaan antara hasil observasi dengan hasil prediksi. Ha : Model tidak sesuai, terdapat perbedaan antara hasil observasi dengan hasil prediksi.

Estimasi Parameter (skripsi dan tesis)

Dalam regresi linier dikenal istilah last square yang digunakan untuk estimasi parameter model, sedangkan untuk regresi logistik digunakan prinsip estimasi maximum likelihood. Prinsip dari maximum likelihood ini adalah parameter populasi diestimasi dengan cara memaksimumkan kemungkinan dari data observasi. Setiap observasi untuk model regresi logistik adalah variabel random dari distribusi Bernoulli (Netter et al., 1996). Menurut Hosmer dan Lemeshow (1989), fungsi likelihood distribusi Bernoulli untuk n sampel independen adalah sebagai berikut : Untuk log-likelihood atau logaritma natural fungsi probabilitas bersamanya adalah sebagai berikut :  Taksiran parameter , diperoleh dengan mendiferensialkan fungsi loglikelihood terhadap dengan k = 0;1. Nilai maksimum diperoleh bila hasil diferensial fungsi log-likelihood bernilai nol (0). Diperlukan metode iterasi untuk mendapatkan taksiran pada metode maksimum likelihood karena tidak bisa diperoleh taksiran parameter dari pendeferensialan fungsi log-likelihood

Regresi Logistik (skripsi dan tesis)

 Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel yang lain. Variabel penyebab disebut dengan bermacam istilah, seperti variabel penjelas, variabel eksplanatorik, variabel independen atau variabel X (karena seringkali digambarkan dalam grafik sebagai absis atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat atau variabel Y. Kedua variabel ini dapat merupakan variabel acak, namun variabel yang dipengaruhi harus selalu variabel acak. Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini. Regresi logistik merupakan salah satu bagian dari analisis regresi yang digunakan untuk memprediksi probabilitas kejadian suatu peristiwa dengan mencocokkan data pada fungsi logit kurva logistik. Metode ini merupakan model linear umum yang digunakan untuk regresi binomial. Seperti analisis regresi pada  umumnya, metode ini menggunakan satu atau beberapa variabel bebas dengan satu variabel tak bebas bersifat dikotomi.
 Regresi logistik juga digunakan secara luas pada bidang kedokteran, ilmu sosial dan bahkan pada bidang pemasaran, seperti prediksi kecenderungan pelanggan untuk membeli suatu produk atau berhenti berlangganan.
Regresi logistik tidak memerlukan asumsi normalitas, heteroskedastisitas dan autokorelasi, dikarenakan variabel terikat yang terdapat pada regresi logistik merupakan variabel dummy (0 dan 1), sehingga residualnya tidak memerlukan ketiga pengujian tersebut. Untuk asumsi multikolinearitas, karena hanya melibatkan variabel-variabel bebas, maka masih perlu untuk dilakukan pengujian. Untuk pengujian multikolinearitas ini dapat digunakan uji kesesuaian (goodness of fit test) yang kemudian dilanjutkan dengan pengujian hipotesis guna melihat variabel bebas mana saja yang signifikan dan dapat tetap digunakan dalam penelitian. Selanjutnya di antara variabel bebas yang signifikan, dapat dibentuk suatu matriks korelasi, dan apabila tidak terdapat variabel bebas yang saling memiliki korelasi yang tinggi, maka dapat disimpulkan bahwa tidak terdapat gangguan multikolinearitas pada model penelitian (David W. Hosmer, 2011).
Regresi logistik merupakan salah satu metode statistik nonparametrik untuk menguji hipotesis. Metode regresi logistik adalah metode matematika yang menggambarkan hubungan antara satu atau lebih variabel bebas dengan satu variabel tak bebas yang dikotomi yang variabelnya dianggap hanya mempunyai dua nilai yang mungkin yaitu 0 dan 1, dimana kondisi ini dapat diartikan sebagai  solusi atau gagal pada analisis regresi logistik tunggal dan regresi logistik berganda. Pada umumnya analisis regresi membentuk suatu persamaan untuk memprediksi variabel dependen berdasarkan variabel independennya. Model regresi logistik ganda adalah model regresi logistik dengan variabel independennya lebih dari satu variabel. Fungsi probabilitas untuk setiap observasi adalah sebagai berikut : Dimana jika y = 0 maka f(y) = 1-π dan jika y = 1 maka f(y) = π. Fungsi regresi logistik dapat dituliskan sebagai berikut : dengan k=banyaknya variabel independen Nilai z antara – dan + sehingga nilai f(z) terletak antara 0 dan 1 untuk setiap z yang diberikan. Hal tersebut menunjukkan bahwa model logistik sebenarnya menggambarkan probabilitas atau risiko dari suatu objek. Model regresi logistik dapat dituliskan sebagai berikut : Untuk mempermudah pendugaan parameter regresi maka model regresi logistik diatas dapat diuraikan dengan menggunakan transformasi logit dari π(x). Sehingga diperoleh persamaan sebagai berikut :  Model tersebut merupakan fungsi dari parameter-parameternya. Pada regresi logistik, variabel dependen diekspresikan sebagai y = π(x) + dimana mempunyai salah satu dari kemungkinan dua nilai, yaitu =1-π(x) dengan peluang π(x) jika y = 1 dan = -π(x) dengan peluang 1-π(x) jika y = 0 dan mengikuti distribusi binomial dengan rataan nol dan varians (Lemeshow, 2000)

Regresi Logistik Ordinal (skripsi dan tesis)

Regresi logistik adalah model regresi yang digunakan apabila variabel respons bersifat kualitatif. Model ini terdiri dari regresi logistik sederhana yang bersifat dikotomus yang mensyaratkan variabel respons terdiri dari dua kategori, dan regresi logistik polytomous dengan variabel respons lebih dari dua kategori. Regresi logistik polytomous dengan variabel respons bertingkat dikenal dengan regresi logistik ordinal. Variabel prediktor yang dapat disertakan dalam model berupa data kategori dan kontinu yang terdiri atas dua variabel atau lebih (Hosmer dan Lemeshow, 2000).

Regresi Logistik (skripsi dan tesis)

Menurut Hosmer dan Lemeshow (2000) tujuan melakukan analisis data kategori menggunakan regresi logistik adalah mendapatkan model terbaik dan sederhana untuk menjelaskan hubungan antara keluaran dari variabel respons (?) dengan variabel-variabel prediktornya (?). Variabel respons dalam regresi logistik dapat berupa kategori atau kualitatif, sedangkan variabel prediktornya dapat berupa kualitatif dan kuantitatif. Jika variabel ? merupakan variabel biner atau dikotomi dalam artian variabel respons terdiri dari dua kategori yaitu “sukses” (? = 1) atau “gagal” (? = 0), maka variabel ? mengikuti sebaran Bernoulli yang memiliki fungsi densitas peluang: ?(?? ) = ?(??) ??(1 − ?(??)) 1−?? , ; ?? = 0,1 (2.1) sehingga diperoleh: Untuk ?? = 0, maka ?(0) = ?(??) 0 (1 − ?(??)) 1−0 = 1 − ?(??), untuk ?? = 1, maka ?(1) = ?(??) 1 (1 − ?(??)) 1−1 = ?(??). Misalkan probabilitas dari variabel respons ? untuk nilai ? yang diberikan, dinotasikan sebagai ?(?). Model umum ?(?) dinotasikan sebagai berikut: ?(?) = exp(?0 + ?1?1 + ?2?2 + ⋯ + ????) 1 + exp(?0 + ?1?1 + ?2?2 + ⋯ + ????) , Persamaan (2.2) disebut fungsi regresi logistik yang menunjukkan hubungan antara variabel prediktor dan probabilitas yang tidak linear, sehingga untuk mendapatkan (2.2) 9 hubungan yang linear dilakukan transformasi yang sering disebut dengan transformasi logit. Bentuk logit dari ?(?) dinyatakan sebagai ?(?), yaitu: logit [?(?)] = ?(?) = ln ( ?(?) 1−?(?) ) = ?0 + ?1?1 + ?2?2 + ⋯ + ????. (2.3) Persamaan (2.3) merupakan bentuk fungsi hubungan model regresi logistik yang disebut model regresi logistik berganda (Hosmer dan Lemeshow, 2000).

Multikolinieritas (skripsi dan tesis)

Salah satu syarat yang harus terpenuhi dalam pembentukan model regresi dengan beberapa variabel prediktor adalah tidak ada kasus multikolinieritas atau tidak terdapat korelasi antara satu variabel prediktor dengan variabel prediktor yang lain. Dalam model regresi, adanya korelasi antar variabel prediktor menyebabkan taksiran parameter regresi yang dihasilkan akan memiliki error yang sangat besar. Pendeteksian kasus multikolinieritas dilakukan menggunakan kriteria VIF (Varians Inflation Factor) lebih besar dari menunjukkan adanya multikolinieritas anatar variabel prediktor. Nilai VIF dinyatakan sebagai berikut : ??? = 1 1−?? 2 (4) Dengan ?? 2 adalah koefisien determinasi antara satu variabel prediktor Xj dengan variabel prediktor lainnya

Heteroskedastisitas (skripsi dan tesis)

 Uji heterokedastisitas spasial dilakukan untuk mengetahui apakah terdapat karakteristik atau keunikan sendiri di setiap lokasi pengamatan. Adanya heterogenitas spasial dapat menghasilkan parameter regresi yang berbeda-beda di setiap lokasi pengamatan. Heterogenitas spasial di uji menggunakan statistik uji Breusch-Pagan dengan hipotesis sebagai berikut : H0 : ?1 2 = ?2 2 = … ? 2 (homoskedastisitas) H1 : minimal ada satu ?1 2 ≠ ? 2 (heteroskedastisitas) Statistik uji : ?? = ( 1 2 ) ? ??(? ??) −1? ?? (3) Dengan elemen vektor f adalah ?1 = ( ?? 2 ?2 − 1) dimana ?? = ?? − ?̂? adalah least square residual untuk pengematan ke-i dan z merupakan matrik berukuran (n x (p+1)) berisi vektor yang sudah di normal standarkan untuk tiap pengamatan. Daerah penolakan : repository.unimus.ac.id Tolak H0, jikan ?? > ?? 2 atau jika p-value < alpha dengan p adalah banyaknya prediktor.

Autokorelasi (skripsi dan tesis)

Uji autokorelasi digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik autokorelasi yaitu korelasi yang terjadi antara residual pada satu pengamatan dengan pengamatan lain pada model regresi. Persyaratan yang harus terpenuhi adalah tidak adanya autokorelasi dalam  model regresi. Metode pengujian yang sering digunakan adalah dengan uji Durbin-Watson (Uji DW) dengan ketentuan sebagai berikut : 1. Jika d lebih < dL, berarti hipotesis nol ditolak, yang berarti terdapat autokorelasi. 2. Jika (d > dL), berarti terdapat autokorelasi. 3. Jika d terletak antara du dan (4-dU), maka hipotesis nol diterima, yang berarti tidak ada autokorelasi 4. Jika dL < d < dU atau (4-dU), berarti tidak dapat disimpulkan

Normalitas (skripsi dan tesis)

Asumsi persyaratan normalitas harus terpenuhi untuk mengetahui apakah residual/error dari data berdistribusi normal atau untuk mengetahui apakah data sampel berasal dari populasi tang berdistribusi normal. Uji statistik yang yang digunakan adalah kolmogorov-smirnov. Hipotesis yang digunakan adalah sebagai berikut : H0 : data berdistribusi normal H1 : data tidak berdistribusi normal Tingkat signifikan ? = 5% Pengambilan keputusan : Jika p-value < 0,05 maka H0 ditolak

Uji Durbin-Watson (skripsi dan tesis)

Vincent Gaspersz (1991), J.Durbin dan G.S.Watson dalam dua artikel yang dimuat dalam majalah ilmiah Biometrika pada tahun 1950 dan 1951 telah mengemukakan uji untuk autokorelasi yang populer dengan nama uji DurbinWatson. Uji Durbin-Watson dapat digunakan untuk menguji hipotesis berikut: H0 : ?? = 0 ; tidak terdapat autokorelasi H1 : ?? ≠ 0 ; terdapat autokorelasi Untuk menguji H0, dapat digunakan uji Durbin-Watson yang dirumuskan sebagai berikut: ?? = ∑ (????−????−1) ?? 2 ??=2 ∑ ???? ?? 2 ??=1 = ∑ ???? ?? 2 ??=2 +∑ ????−1 ?? 2 ??=2 −2 ∑ ????????−1 ?? ??=2 ∑ ???? ?? 2 ??=1 (2.17) Adapun beberapa asumsi yang melandasi uji Durbin-Watson ini yaitu:
 1. Uji Durbin-Watson diterapkan untuk model regresi yang mencakup parameter ??0 , dengan kata lain dipergunakan untuk model regresi yang mengandung intersep. Jika kita mempunyai model regresi tanpa intersep atau model regresi melalui titik asal maka perlu membangun model regresi dengan intersep untuk menghitung nilai error dari model itu
 2. Variabel-variabel bebas ?? adalah nonstokastik, atau bersifat tetap dalam penarikan sampel yang berulang (repeated sampling)
3. Bentuk kesalahan pengganggu/error mengikuti pola autoregresif derajatpertama dengan bentuk persamaan: ???? = ??????−1 + ????
4. Model regresi tidak mencakup nilai-nilai lag dari variabel terikat sebagai suatu variabel bebas
5. Tidak ada pengamatan yang hilang dalam data, dengan demikian uji Durbin-Watson hanya dapat diterapkan untuk model regresi yang dibangun berdasarkan data yang lengkap. Untuk sampel yang berukuran besar, maka bentuk-bentuk: ∑ ???? ?? 2 ??=2 , ∑ ????−1 ?? 2 ??=2 , ?????? ∑ ???? ?? 2 ??=1 akan mendekati hasil yang sama atau memiliki besaran yang hampir serupa atau hampir sama besar. Dengan demikian, kita dapat menulis statistik d dalam pendekatan berikut:
 ?? ≈ 2 ∑ ??2 ??−1 ∑ ??2??−1 − 2 ∑ ???? ????−1 ∑ ??2??−1 ≈ 2(1 − ∑ ???? ????−1 ∑ ??2??−1 ). Dan didefinisikan ??� = ∑ ???? ????−1 ∑ ??2??−1 sehingga ?? ≈ 2(1 − ??�) . Oleh karena terdapat suatu batasan bahwa −1 ≤ ?? ≤ 1 , maka statistik d akan terletak dalam selang (0,4) sehingga dapat ditulis 0 ≤ ?? ≤ 4.
 Dari uraian yang dikemukakan, maka dapat diambil kesimpulan tentang beberapa sifat uji Durbin-Watson antara lain:
1. Jika tidak terdapat autokorelasi, maka ??� = 0 maka ?? = 2 sehingga apabila berdasarkan perhitungan diperoleh ?? ≈ 2 maka dapat dinyatakan tidak terdapat autokorelasi dalam fungsi regresi 2. Jika ??� = 1 maka ?? = 0 , dan dalam keadaan seperti ini menunjukkan adanya autokorelasi positif sempurna. Dengan demikian, jika 0 < ?? < 2 menunjukkan adanya suatu autokorelasi positif di mana autokorelasi tersebut akan semakin kuat bersifat positif apabila nilai ?? ≈ 0 , dan sebaliknya autokorelasi positif tesebut akan semakin lemah apabila nilai ?? ≈ 2
 3. Jika ??� = −1 maka ?? = 4, dan dalam keadaan ini menunjukkan adanya autokorelasi negatif sempurna. Dengan demikian, jika 2 < ?? < 4 menunjukkan adanya autokorelasi negatif dimana autokorelasi negatif tersebut akan semakin kuat apabila ?? ≈ 4, sebaliknya autokorelasi negatif tersebut akan semakin lemah apabila ?? ≈ 2. Keuntungan dari uji Durbin-Watson ini adalah statistik tersebut didasarkan pada error/residual yang diestimasi, yang secara rutin dihitung pada analisis regresi. Dan kelemahan dari uji ini yaitu jika d jatuh dalam daerah yang meragukan atau daerah ketidaktahuan maka kita tidak dapat menyimpulkan apakah autokorelasi ada atau tidak (Gujarati, 1988). Durbin-Watson telah menetapkan batas atas (dU) dan batas bawah (dL) untuk taraf nyata tertentu yang cocok untuk menguji hipotesis tentang ada atau tidak adanya autokorelasi.
Mekanisme dari uji Durbin-Watson adalah sebagai berikut, dengan mengasumsikan bahwa asumsi yang mendasari pengujian terpenuhi:
1. Lakukan regresi OLS dan dapatkan nilai error/residual
2. Hitung nilai d
3. Untuk ukuran sampel tertentu dan jumlah variabel bebas tertentu, tentukan nilai kriteria dL dan dU. 4
. Menarik kesimpulan dengan mengikuti aturan pengambilan keputusan pada uji Durbin-Watson

Konsekuensi Autokorelasi (skripsi dan tesis)

Jika semua asumsi model regresi linier klasik dipenuhi, teori Gauss-Markov menyatakan bahwa dalam kelas semua penduga tak bias linier penduga OLS adalah yang terbaik yaitu penduga tersebut mempunyai varians minimum (Gujarati, 1988). Akan tetapi jika suatu model regresi linier menunjukkan adanya autokorelasi maka telah disebutkan sebelumnya bahwa penduga parameter ??0, ??1, ??2, … , ???? yang diperoleh dengan metode OLS tidak lagi bersifat BLUE.Gujarati (1988), jika kita tetap melakukan penerapan OLS dalam situasi autokorelasi, konsekuensi sebagai berikut terjadi:

1. Jika kita mengabaikan autokorelasi dalam penduga OLS yang dihitung secara konvensional dan variansnya, penduga tersebut masih tetap tidak efisien. Oleh karena itu, selang keyakinannya menjadi lebar dan pengujian arti (signifikan) kurang kuat
2. Jika kita tidak memperhatikan batas masalah autokorelasi dan terus menerapkan formula OLS klasik (dengan asumsi tidak ada autokorelasi) maka konsekuensinya akan lebih serius karena:

 a.) Varians error ??�2 menduga terlalu rendah (underestimate) ??2 sebenarnya
b.) Jika ??2 tidak diduga terlalu rendah, varians dan kesalahan standar OLS nampaknya akan menduga varians terlalu rendah dan juga kesalahan standar yang sebenarnya
c.) Pengujian arti (signifikan) t dan F tidak lagi sah, dan jika diterapkan akan memberikan kesimpulan yang menyesatkan secara serius mengenai arti statistik dari koefisien regresi yang diduga

3. Meskipun penduga OLS tidak bias yang merupakan sifat penyampelan berulang, tetapi dalam satu sampel tertentu penduga tersebut memberikan gamabaran yang menyimpang dari populasi sebenarnya. Seperti telah dikemukakan dalam batasan masalah di bab sebelumnya bahwa kesalahan pengganggu/error mengikuti persamaan berikut: ???? = ??????−1 + ???? (2.16) keterangan: ????= kesalahan pengganggu/error pada waktu t ?? = koefisien autokorelasi dengan nilai −1 ≤ ?? ≤ 1 ????−1 = kesalahan pengganggu/error pada periode ?? − 1 ????= kesalahan pengganggu/error yang mana dalam hal ini ???? diasumsikan memenuhi semua asumsi OLS yaitu: ??(????) = 0, ??????(????) = ??2, ?????? ??????(????, ????+??) = 0 , ?? ≠ 0. Persamaan (2.16) di atas dikenal sebagai autoregresif derajat-satu yang ditulis sebagai AR(1), disebut autoregresif karena persamaan (2.16) diinterpretasikan sebagai regresi ???? atas dirinya sendiri yang terlambat satu periode dan dinamakan derajat-satu karena hanya ???? dan nilai error pada satu periode sebelumnya (????−1) saja yang terlibat

Alasan Terjadinya Autokorelasi (skripsi dan tesis)

 Vincent Gaspersz (1991), terjadinya autokorelasi pada suatu model regresi linier dapat disebabkan oleh beberapa hal berikut:
1. Adanya variabel-variabel bebas yang dihilangkan dari model Seperti diketahui bahwa kebanyakan variabel-variabel dalam bidang ekonomi cenderung memiliki autokorelasi, di mana nilai-nilai dari periode sekarang akan tergantung pada periode sebelumnya. Jika variabel yang memiliki sifat autokorelasi ini dihilangkan atau dikeluarkan dari model atau dipisahkan dari sekumpulan variabel-variabel bebas yang lain, maka jelas hal ini akan berpengaruh yang direfleksikan dalam variabel error ??, sehingga nilai-nilai error akan berautokorelasi
 2. Adanya kesalahan spesifikasi bentuk matematika dari model Jika kita merumuskan atau menetapkan bentuk matematika yang berbeda dari bentuk hubungan yang sebenarnya, maka nilai error akan menunjukkan autokorelasi
 3. Adanya fenomena cobweb
 4. Di dalam regresi deret-waktu, jika model regresi mengikutsertakan tidak hanya nilai-nilai sekarang tetapi juga nilai-nilai pada waktu yang lalu sebagai variabel bebas, maka variabel itu disebut sebagai model distribusi “ lags ”
 5. Adanya manipulasi data Di dalam analisis empirik, data mentah sering dimanipulasi. Sebelum membahas manipulasi data, maka perlu dikemukakan bahwa kata manipulasi tidak berkaitan dengan hal-hal yang negatif seperti memalsukan data, mengarang data, dan sebagainya tetapi manipulasi data yang dimaksudkan disini adalah suatu teknik mengubah data yang berkonotasi positif, dimana teknik mengubah data atau memperkirakan data itu dapat dibenarkan tetapi sering menimbulkan masalah yang berkaitan dengan bentuk gangguan.