Metodologi Penelitian Kesehatan RANCANGAN PENELITIAN
TOPIK BAHASAN DEFINISI DESAIN PENELITIAN PENTINGNYA DESAIN PENELITIAN OPTIMASI VALIDITAS PENELITIAN JENIS-JENIS PENELITIAN ANCAMAN THD VALIDITAS INTERNAL & EKSTERNAL VARIABEL KONFONDING KESALAHAN (ERROR) DALAM PENELITIAN
DEFINISI & PENTINGNYA DESAIN PENELITIAN “Suatu Rencana, Struktur, dan Strategi untuk menjawab permasalahan, yang meng-optimasi validitas” PENTINGNYA DESAIN PENELITIAN RELEVAN & OBYEKTIF VALID & RELIABLE EFEKTIF & EFISIEN
OPTIMASI VALIDITAS STUDI PENGENDALIAN VARIANS 1. MAKSIMASI VARIANS PENELITIAN Contoh : Tk Pendidikan ----- Kinerja perawat I. “ Lebar” pendidikan maks = varians Kinerja Perawat tergambar baik II. Var lain yg ‘mempengaruhi’ kinerja? 2. KONTROL VARIABEL LUAR (BEBAS) : Subyek “homogen” sesuai dg var. luar Randomisasi Kelompok Matching Kontrol statistik multivariat
MAKSIMASI VARIANS PENELITIAN TK.PENDIDIKAN PERAWAT KINERJA PERAWAT Motivasi Persepsi peran Kompetensi Masa Kerja Lainnya? ? Sarana Prasarana Pembinaan/Superv Beban kerja Lingkungan kerja Kepemimpinan Lainnya? ?
Komunikasi berantai (word-of-mouth) Kebutuhan/ keinginan pribadi Pengalaman lalu KLIEN / KUSTOMER Layanan diinginkan Layanan Yang Diterima (persepsi) Diberikan Penyedia Spesifikasi/Desain Persepsi Penyedia atas kebutuhan klien Janji layanan dari penyedia PENYEDIA LAYANAN GAP-1 GAP-2 GAP-3 GAP-5 GAP-4 Sumber: Parasuraman, 1996
ORIENTASI PENILAIAN KEBUTUHAN KLIEN PIMPINAN YANG “MENDENGAR” (BOTTOM-UP) JENJANG & PROSES BIROKRASI KOMITMEN TERHADAP MUTU PENGHAYATAN TUJUAN MUTU KESIAPAN MENUJU PERUBAHAN KERJASAMA TIM KEMAMPUAN SDM DLM TUGAS BEBAN KERJA PEMBERDAYAAN STAF WASDAL KONFLIK PERAN K-I-S JANJI BERLEBIHAN GAP-1 GAP-2 GAP-3 GAP-4 GAP-5 STANDARISASI PEKERJAAN VAR LAIN?? Sumber: Parasuraman, 1996
PILIHAN-2 DESAIN MAKSIMASI VARIANS PENELITIAN TERGANTUNG PERTANYAAN PENELITIAN: Studi Kasus Bagaimana gambaran kinerja perawat dan kaitannya dengan berbagai gambaran dinamis motivasinya di RS X? Studi longitudinal (cohort) Apakah telah terjadi perubahan kinerja dari waktu ke waktu sesuai dengan tingkatan motivasinya?
PILIHAN-2 DESAIN MAKSIMASI VARIANS PENELITIAN Studi cross-sectional Apakah ada hubungan antara motivasi dengan kinerja? Studi cross-sectional komparatif Apakah ada perbedaan kinerja antara RS yg telah melaksanakan Achievement Motivational Training dengan yg belum?
PILIHAN-2 DESAIN MAKSIMASI VARIANS PENELITIAN Studi eksperimental Apakah ada perbedaan tingkat kinerja pada kelompok perawat yang diberi intervensi AMT dengan yg tidak?
KIAT MAKSIMASI VARIANS MEMILIH DESAIN YG MAMPU KAUSALITAS Eksperimental (kuantitatif) atau case study (kualitatif) Observational cross-sectional tidak mampu kausalitas Hanya didasari asumsi yg rasional (Plausible conjecture)
KIAT MAKSIMASI VARIANS PRINSIP SEBANYAK MUNGKIN (melalui proses deduksi yg komprehensif) Pelajari semua variabel yang mungkin berhubungan dengan var dep. Pelajari antar-hubungan variabel2 yg ada REDUKSI MODEL SESUAI KEBUTUHAN Mereduksi variabel yg kecil pengaruhnya Mampu laksana
KONTROL VARIABEL LUAR (BEBAS) TK.PENDIDIKAN PERAWAT KINERJA PERAWAT Motivasi Persepsi peran Kompetensi Masa Kerja Lainnya? fokus ? Sarana Prasarana Pembinaan/Superv Beban kerja Lingkungan kerja Kepemimpinan Lainnya? ?
PILIHAN-2 DESAIN OBSERVATIONAL Cohort KONTROL VARIABEL LUAR (BEBAS) PILIHAN-2 DESAIN OBSERVATIONAL Cohort Membandingkan motivasi tinggi dg rendah, melalui proses waktu ke masa depan (prospektif) dilihat dampaknya thd kinerja Case Control Membandingkan kinerja tinggi dg rendah, melihat ke masa lalu (retrospektif) catatan (skor) motivasi
PILIHAN-2 DESAIN Cross-sectional KONTROL VARIABEL LUAR (BEBAS) PILIHAN-2 DESAIN Cross-sectional Mengukur tk kinerja & motivasi pd waktu bersamaan Pd satu populasi yg sama atau >1 EKSPERIMENTAL Melakukan intervensi Achievement Motivation Training pd sekelompok perawat dan dibandingkan dengan klp kontrol yang setara Randomized Non-randomized
KRITERIA INKLUSI Homogenisasi Variabel luar dijadikan ‘konstan’ KONTROL VARIABEL LUAR (BEBAS) KRITERIA INKLUSI Homogenisasi Variabel luar dijadikan ‘konstan’ Matching Kelompok Intervensi dan Kontrol memiliki kesamaan dalam hal variabel luar
STATISTIK MULTIVARIAT KONTROL VARIABEL LUAR (BEBAS) STATISTIK MULTIVARIAT Melihat pengaruh/hubungan antara var dependen dengan var independen (utama) dengan mengendalikan/mengontrol var independen lainnya Pengaruh motivasi thd kinerja dengan mengendalikan faktor pendidkan, persepsi peran, masa kerja, pembinaan, dst
KIAT MEMILIH Kausalitas lebih baik daripada korelasional KONTROL VARIABEL LUAR (BEBAS) KIAT MEMILIH Kausalitas lebih baik daripada korelasional Fikirkan Desain eksperimental (randomized) sbg opsi pertama Kemudian non-randomized Kemudian Cohort-case control-cross sectional Eksperimental terandomisasi sangat baik dalam mengendalikan var luar Kemampuan analisis multivariat sangat membantu
OPTIMASI VALIDITAS STUDI (lanjutan) 3. MINIMASI KESALAHAN PENGUKURAN 3.1 PENGENDALIAN KESALAHAN SISTEMATIK Pembakuan alat ukur peneraan alat ukur pelatihan pengukuran ganda pengendalian “lingkungan” saat mengukur 3.2 RELIABILITAS & vALIDITAS PENGUKURAN Konsisten - Tepat - Teliti Construct - Content - Criterion related
ANCAMAN VALIDITAS INTERNAL HISTORY Kejadian “baru” yg muncul MATURASI Perubahan yg dialami subyek PENGUJIAN Telah-mengenal” uji yg akan diberikan INSTRUMENTASI Alat ukur tidak valid Pre & Post-test berbeda Pewawancara tdk “setara REGRESI STATISTIK Kecenderungan “ketengah” SELEKSI DIFERENSIAL Subyek berbeda nilai variabel-tercoba MORTALITAS Drop-out dlm penelitian
ANCAMAN VALIDITAS EXTERNAL Interaksi Uji -awal dengan Perlakuan Pada rancangan-ulang : Kepekaan naik Interaksi Seleksi dengan Perlakuan Selection Bias Pengaturan Terlalu Spesifik “Novelty Effect” Perlakuan Ganda Sisa perlakuan awal -- akumulatif
RANCANGAN OBSERVASIONAL(1) Desain Kasus-Kontrol Rasio-odds=...? Keuntungan & kerugian
RANCANGAN OBSERVASIONAL(2) Desain Kohort Resiko relatif=...? Keuntungan & kerugian
UJI DIAGNOSTIK Adalah bentuk penelitian yang dilakukan untuk menguji apakah alat/prosedur dx memiliki kemampuan tertentu Desain yang dapat dipakai EXPERIMENTAL Murni Kuasi OBSERVASIONAL Cross sectional Case-control Cohort
PRINSIP UMUM (!) Dapat dijelaskan/dimengerti bahwa dx/gejala/ tanda klinis mempunyai hubungan dg outcome
Hypotheticodeductive Verificative
PENDEKATAN LAIN Algoritme dan flowchart Pattern recognition Berguna pada situasi data jelas & akurat Misal dx kondisi anemia Pattern recognition Dilakukan di pelayanan kes dg sarana tbts Melihat pola yg biasa terjadi Misal demam >3 hr: typhoid Exhaustive data Studi kasus yg unik/jarang Dilakukan setelah cara lain tdk berhasil
Research Gap Fenomena yang ingin dijawab SPESIFIK DAPAT DIJAWAB (RASIONAL) MUDAH DICAPAI (FEASIBLE) Contoh: Apakah vaskularisasi pembuluh (derajat angiogenesis) pada kanker serviks memiliki sensitivitas dan spesivisitas tinggi dalam memprediksi keberhasilan terapi radiasi kanker serviks stadium 2b keatas
Berdasarkan pertanyaan penelitian Model Teoritis Berdasarkan pertanyaan penelitian Respon Radiasi Vaskulari sasi
Research Ethics Pada pelaksanaan studi: Bila ditemukan kasus respon buruk, yang secara moral memerlukan tindakan profesional: Apa yang harus dilakukan? Siapa yang menanggung biaya? (direct & indirect costs)
Conceptualization Konsep respon radiasi Konsep angiogenesis Konsep-konsep yang ingin diteliti, harus: Jelas dan Disepakati bersama Misal: Konsep respon radiasi Konsep angiogenesis
Operationalization Konsep harus terukur Jelas dan rinci (cara, alat & hasil ukur) Mudah dilakukan di lapangan Baku (enumerator/interviewer terlatih) Proses pengumpulan data memperhatikan kemungkinan BIAS
Analisis Data Uji Dx
Ukuran-ukuran tdk terikat besaran prevalen Sensitivity = True Positives/(True Positives + False Negatives) Specificity = True Negatives/(False Positive + True Negative) Ukuran-ukuran terikat besaran prevalen Positive Predictive Value = True Positive/(True Positive + False Positive) Negative Predictive Value = True Negative/(True Negative + False Negative)
PPV dan NPV ukuran untuk memprediksi seorang pasien dengan dx tertentu inti dari seluruh persoalan uji diagnostik tergantung prevalensi penyakit
CONTOH Se= .... Sp= .... PPV=... NPV=...
Se= 231/263 =.88 Sp= 54/81 =.59 PPV= 231/258 = .90 NPV= 54/86 =.63 Ketepatan alat dx mendeteksi ‘sakit’ (outcome) Sp= 54/81 =.59 Ketepatan alat dx mendeteksi ‘tdk-sakit’ (outcome) PPV= 231/258 = .90 Probabilitas dx positif NPV= 54/86 =.63 Probabilitas diagnosis negatif
Ukuran Likelihood LR= Likelihood Ratio Perbandingan antara kemungkinan seseorang positif dengan kemungkinan seseorang negatif Se/(1-Sp) Merupakan indikator kegunaan alat dx Semakin tinggi semakin baik
Kurva ROC ROC= Receiver Operating Curve Digunakan untuk mencari titik potong (cut-off) ideal Sumbu Y= Sensitivity Sumbu X= 1-specificity
Terimakasih