22 & 23 Oktober 2016 Rossi Sanusi http://rossisanusi.wordpress.com Merancang Penelitian 22 & 23 Oktober 2016 Rossi Sanusi http://rossisanusi.wordpress.com.

Presentasi berjudul: "22 & 23 Oktober 2016 Rossi Sanusi http://rossisanusi.wordpress.com Merancang Penelitian 22 & 23 Oktober 2016 Rossi Sanusi http://rossisanusi.wordpress.com."— Transcript presentasi:

1 22 & 23 Oktober 2016 Rossi Sanusi http://rossisanusi.wordpress.com
Merancang Penelitian 22 & 23 Oktober 2016 Rossi Sanusi

2 Yang akan dibahas Proses Menyusun Disertasi & Naskah Publikasi
Beda Pra-Proposal dan Proposal Beda Proposal Disertasi & Naskah Disertasi Naskah Publikasi 1 & 2 Beda Rancangan Penelitian & Rencana Pelaksanaan Penelitian Rancangan Pengumpulan Data Rancangan Pengolahan Data Rancangan Penafsiran Data

3 1. Proses Menyusun Disertasi & Naskah Publikasi
Simbol2 Flowchart: Awal & akhir Input Output Melakukan sesuatu Keputusan Awal & akhir

4 Tahap2 SR: Menjaring: Melalui database & manual Kriteria inklusi Menyaring: Ada duplikasi/tidak Berdasarkan judul & abstrak Berdasarkan text Critical Appraisal makalah2 PE primer Menggabungkan: Kualitatif (narasi) Kuantitatif (meta-analisis) – Data gabungan atau Data indiidual Menyimpulkan & Menyarankan Untuk EBM dan IBPH jika bukti sudah kuat Untuk penelitian selanjutnya jika bukti belum kuat

5 Critical Appraisal untuk Makalah PE
Hal yang Dinilai Memenuhi Syarat Keterangan Y T ? Kerangka Konsep Validitas a priori? Validitas a posteriori? Rancangan Penelitian 1. Pengumpulan Data Alat/Cara valid? Penggunaan Alat/cara reliabel? Unit Pengamatan tepat? 2. Pengolahan Data Penggunaan statistik deskriptif tepat? Penggunaan statistik inferensi tepat?

6 Hal yang Dinilai Memenuhi Syarat Keterangan Y T ? 3. Penafsiran Data Validitas Dalam – moderator2 spesifik dan nonspesifik diamati/dikendalikan/ dimanipulasi? Validitas Luar? Pelaksanaan Penelitian Sesuai metoda pengumpulan data? Sesuai metoda pengolahan data? Sesuai metoda penafsiran data? Gaya & Format Penulisan Lugas? Tata Bahasa? Sesuai aturan tata tulis?

7 CA untuk Makalah SR

8 2. Beda Pra-Proposal & Proposal Disertasi
Pra-proposal dilampirkan pada form pendaftaran ProDi S3. Proposal dapat dilaksanakan setelah lulus ujian kompre dan setelah disetuji komite etik. Pra-proposal didasarkan atas kesimpulan dan saran SR sebelumnya (terkini & bermutu tinggi). Pra-proposal memuat Masalah & Tujuan Penelitian Awal. Kebaruan penelitian untuk disertasi didasarkan atas kesimpulan dan saran SR selanjutnya (yg dilakukan mahasiswa dan pembimbing)

9 3. Beda Proposal & Naskah Disertasi
Bedanya hanya di Bab IV: Rencana Pelaksanaan Penelitian  Hasil, Kesimpulan & Saran. Dapat dilaksanakan orang lain di bawah pengawasan, dan menjadi tanggung jawab, peneliti utama (mahasiswa & pembimbing).

10 4. Naskah Publikasi 1 & 2 Hasil SR sebelumnya + SR selanjutnya ttg Hubungan X – Y dan Hubungan X – T – Y. Format: Judul, “by line”, Abtsrak & kata kunci, afiliasi penulis2 (peneliti 1 & 2). Bagian Utama: Introduction, Method, Results & Discussion, Conclusions & Recomendations, References, peran masing2 penulis. Jika diminta editor: tambahkan alinea ttg What is already known on this subject dan What this study adds.

11 5. Beda Rancangan Penelitian & Rencana Pelaksanaan Penelitian
Rancangan Penelitian: logika dari metoda pengumpulan, pengolahan dan penafsiran data yg (akan) digunakan. Merupakan petunjuk untuk metoda/prosedur penelitian yg (akan) digunakan. Rencana Pelaksanaan Penelitian: logika dari pengelolaan sumberdaya yg (akan) digunakan untuk menyelesaikan penelitian.

12 6. Rancangan Pengumpulan Data
Petunjuk menggunakan secara konsisten alat/ cara yang valid untuk mengumpulkan data dari subyek (unit pengamatan) yang tepat. Alat/cara valid Penggunaan konsisten c. Subyek tepat

13 a. Alat/cara yang Valid mempunyai validitas isi (terbukti valid sebelum digunakan) dan validitas konstruk (terbukti valid setelah digunakan) Validitas Isi (V. Ahli, V. Substansi, V. Konsep, V. Muka – berdasarkan pendapat ahli, kenyataan, teori, tujuan. Validitas Konstruk – berdasarkan data yang terkumpul.

14 Validitas konstruk ditunjukkan melalui pengujian hipotesis tentang validitas alat tsb.
Untuk data yang dapat ditangkap indra (nyata, kasat): Hasil pengumpulan data dengan alat tsb berhubungan erat (r ≥ rmin) dengan hasil pengumpulan dengan alat yang lebih valid. Hasil pengumpulan data dengan alat yang lebih valid dianggap sebagai gold standard/benchmark. Contoh: pengumpulan data TB Paru melalui anamnesis – sputum – kultur – biopsi.

15 Untuk data yang tidak dapat ditangkap indra: dengan pengujian sejumlah hipotesis (triangulasi). Makin banyak hipotesis yg didukung data makin valid alat/cara tsb. Contoh: Etter JF, Perneger TV. Validating a satisfaction questionnaire using multiple approaches: a case study. Soc Sci Med Sep;45(6):879-85

16 b. Penggunaan yang konsisten
Pengumpul data diseleksi, dilatih & disupervisi Hasil pengumpulan data inter- dan intra- pengumpul data dianalisis

17 b. Penggunaan yang konsisten
Pengumpul data diseleksi, dilatih & disupervisi Hasil pengumpulan data inter- dan intra- pengumpul data dianalisis

18 r atau d besarnya bermakna
Pengukur(an) I Pengukur(an) II Unit Penga-matan Data 1 2 3 . k Total MeanI MeanII rbi-serial = korelasi Variabel Dikotomi & Variabel Interval/rasio d = Mean1 - Mean0 r atau d besarnya bermakna r ≥ rmin (koef korelasi yg ingin dicapai) d ≥ dmin (koef Selisih yg ingin dicapai)

19 Pengamat(an) II + - Pengamat(an) I Hitung φ atau C

20 c. Subyek yang tepat Kualitas: Memiliki data yg diperlukan untuk mengukur variabel2 dari konstruk yg bersangkutan; tidak menimbulkan bias pengumpulan data (e.g., same subject bias, recall bias, sampling bias) Kuantitas: Sesuai dengan besar populasi (N) dan besar sampel unit analisis (n); sampling error dihindari pada pembentukan sampel unit analisis dan sampel unit pengamatan.

21 c. Subyek yang tepat Kualitas: Memiliki data yg diperlukan untuk mengukur variabel2 dari konstruk yg bersangkutan; tidak menimbulkan bias pengumpulan data (e.g., same subject bias, recall bias, sampling bias) Kuantitas: Sesuai dengan besar populasi (N) dan besar sampel unit analisis (n); sampling error dihindari pada pembentukan sampel unit analisis dan sampel unit pengamatan.

22 Contoh: Wanita hamil (WaMil) yg berkunjung ke Puskesmas di DIY mempunyai kesehatan mulut yang buruk. WaMil dengan kesehatan mulut buruk diobati dan bersalin di Puskesmas. Berat badan bayi2 yg dilahirkan dari WaMil2 ini ada yang ≥ 2500gr dan ada yg < 2500gr (BBLR). Hipotesis Penelitian: Ada hubungan yg bermakna (r ≥ 0.60) antara angka periodontitis WaMil dan angka BBLR di Puskesmas2 DIY Subyek penelitian =?; UA = ?

23 Populasi Subyek Puskesmas Gamping I
   Sampel Subyek                                                               R    R Sampel UA Populasi UA DIY

24 Metoda Pengumpulan Data
Prosedur memvalidasi alat/cara pengumpulan data sesuai petunjuk (rancangan). Prosedur menggunakan secara konsisten alat/cara pengumpulan data sesuai petunjuk. Prosedur memilih subyek pengumpulan data yang tepat sesuai petunjuk.

25 7. Rancangan Mengolah Data
Meringkas Data menjadi angka peringkas dan dan gambar peringkas (tabel, diagram). Menginferensi (= menafsirkan, memperkirakan) angka peringkas populasi yang disampel berdasarkan angka peringkas sampel. Catatan: Data perlu diringkas jika jumlah Data Points banyak. Inferensi statistk diperlukan jika ada sampling.

26 Data Points Unit Analisis Variabel

27 Angka Peringkas Pemusatan: Modus, Mean & Median
Penyebaran: Range, Inter-Quartile Range, SD Hubungan: Koefisien korelasi, OR Selisih: Selisih Mean, Selisih Proporsi.

28 Angka Peringkas Hubungan (r, OR) dan Selisih (d) digunakan untuk menguji Hipotesis Penelitian.
Keduanya dinamakan Effect Size (ES). Hipotesis Penelitian menyatakan ES bermakna (ES ≥ Esmin).

29 (e.g., Statin terapi tunggal dosis tinggi vs kombinasi dosis rendah)
Pilihan ES Jenis Data (Skala) Prediktor Kriterion Standardized mean difference effect size (d) Catagorical (e.g., Statin terapi tunggal dosis tinggi vs kombinasi dosis rendah) Continuous (e.g., kadar lipid Darah) Correlation coefficient (r) (e.g., kadar lipid darah) (e.g., Kadar gula darah) Odds-ratio (OR) (e.g., Terapi Statin) (e.g., DM)

30 Besar (size) populasi Unit Analisis (UA) = jumlah UA dalam populasi UA
Besar (size) populasi Unit Analisis (UA) = jumlah UA dalam populasi UA. Besar sampel UA = Jumlah UA dalam sampel UA. UA merupakan himpunan Unit Pengamatan (UP, subyek penelitian). Besar populasi UP = jumlah UP dalam populasi UP. Besar sampel UP = jumlah UP dalam sampel UP. Variabel-variabel yg disebut di hipotesis penelitian: UA-nya harus sama; UP-nya tidak harus sama. UA dapat = UP.

31 R Populasi UP Sampel UP     R               
                                                                 R    R Sampel UA Populasi UA

32 Angka Peringkas disebut Statistik.
Pada penelitian sampel: Statistik digunakan untuk memperkirakan Angka Peringkas populasi. Perkiraan makin akurat (bebas Error) jika Standard Error (SE) atau Confidence Interval (CI) dari distribusi sampling (= distribusi statistik-statistik) makin kecil. Parameter merupakan angka peringkas dari distribusi sampling yg digunakan untuk mendisripsikan/mengestimasi angka peringkas dari populasi yang disampel. SE atau CI dapat diperkecil dengan memperbesar sampel.

33 Populasi Sasaran Populasi yg Disampel Inferensi statistik Sampel

34 Rancangan Pengolahan data = Petunjuk pengolahan data:
Meringkas Data – tergantung bunyi hipotesis penelitian (hubungan atau selisih), skala (categorical atau continuous). Menginferensi Data – tergantung jenis penelitian (sampel atau populasi), besar sampel.

35 Metoda Pengolahan data:
Prosedur meringkas data: Untuk data categorical buat tabel UA dan hitung OR (atau C, Phi), untuk data continuous buat tabel data dan hitung r. Prosedur menginferensi data (untuk penelitian sampel): Tetapkan Confidence Level (0.90, atau 0,95) dan Hitung CI

36 Contoh pengolahan data utk menguji Hipotesis Penelitian:
Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pengajaran Skills Lab” dan “Kompetensi klinik” pada AkBid-AkBid di Indonesia. Ada hubungan positif yg kuat (r ≥ 0.80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada mahasiswa AkBid Husada Bakti.

37 Contoh pengolahan data utk menguji Hipotesis Penelitian:
Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pengajaran Skills Lab” dan “Kompetensi klinik” pada AkBid-AkBid di Indonesia. Ada hubungan positif yg kuat (r ≥ 0.80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada mahasiswa AkBid Husada Bakti.

38 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 1: X = Unit Analisis (AkBid) X = Unit Pengamatan (Mahasiswa) Sampel Mhs AkBid Bantul Pop Mhs AkBid Bantul XXXX XXXXXXXXXXXX R XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R Sampel AkBid Pop AkBid

39 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 2: X = UA = UP = Mahasiswa Populasi Mahasiswa AkBid Husada Bakti Sampel Mahasiswa AkBid Husada Bakti XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R

40 utk Prediktor & Kriterion continuous
Menghitung r utk Prediktor & Kriterion continuous UA Score Prediktor Score Kriterion 1 2 3 . k Hipotesis penelitian didukung jika r ≥ rmin

41 utk Prediktor categorical & Kriterion continuous
Menghitung d utk Prediktor categorical & Kriterion continuous Kelompok X1 Kelompok X0 UA Score Kriterion Unit Ana-lisis Score Kriterion 1 2 3 . k n Total Mean1 Mean0 Hipotesis Penelitian didukung jika d ≥ dmin (d = Mean1 - Mean0)

42 Menghitung OR utk Prediktor & Kriterion categorical
Hipotesis penelitian didukung jika OR ≥ OR min Menghitung OR utk Prediktor & Kriterion categorical Kriterion Total UA + - Prediktor a b a + b c d c + d Total UA a + c b + d n = a+b+c+d

43 8. Merancang Penafsiran Data

44 8. Merancang Penafsiran Data
Hipotesis Penelitian menyatakan bahwa Effect Size bermakna (r ≥ rmin, d ≥ dmin atau OR ≥ ORmin ). ES bermakna: a. Kebetulan? Mungkin terjadi pada Penelitian Sampel. b. Semu (Validitas Dalam)? Mungkin terjadi pada Penelitian Sampel dan Penelitian Populasi. c. Berlaku untuk Populasi Sasaran (Validitas Luar/ Generalisasi)?

45 Penafsiran Data pd Penelitian Sampel
Populasi Sasaran Validitas Luar Populasi yg Disampel Inferensi Statistik Sampel Validitas Dalam

46 Penafsiran Data pd Penelitian Populasi
Populasi Sasaran Validitas Luar Populasi yg diteliti Validitas Dalam

47 Kemungkinan ES bermakna secara kebetulan (= sampling error) makin kecil jika CI makin kecil. CI diperkecil dengan memperbesar sampel (= menambah jumlah Unit Analisis). Sampling bias terjadi jika pemilihan secara acak (random selection) unit analisis tidak dilakukan  penafsiran perlu dilanjutkan?

48 Kemungkinan ES bermakna secara kebetulan (= sampling error) makin kecil jika CI makin kecil. CI diperkecil dengan memperbesar sampel (= menambah jumlah Unit Analisis). Sampling bias terjadi jika pemilihan secara acak (random selection) unit analisis tidak dilakukan  penafsiran perlu dilanjutkan?

49 Validitas Dalam rendah jika Moderator2 (kondisi dan situasi unit analisis) spesifik dan non-spesifik diabaikan. Validitas Dalam ditingkatkan dengan mengendalikan moderator2 spesifik melalui kriteria inklusi, penyetaraan (matching) atau stratifikasi  Mengapa mengurangi Validitas Luar?

50 Moderator2 non-spesifik dikendalikan melalui pembentukan kelompok kendali, penempatan secara acak (random placement) unit analisis ke kelompok2 kendali dan pre-test. Validitas luar dapat berkurang karena interaksi antara intervensi dan si-kon unit analisis.

51 Validitas dalam dan luar ditingkatkan melalui kombinasi cara pengendalian dan analisis multivariat moderator spesifik.

52 Moderator2 Non-spesifik
Variasi situasi dan kondisi unit analisis akibat: Pengalaman (History) Pertumbuhan (Maturation) Diamati (Testing) Perubahan alat/cara pengumpulan data (Instrumentation) Penggunaan kelompok2 extrem (Regression towards the mean) Penggunaan kelompok2 dengan kriteria inklusi khusus (Differential Selection) Drop out (Mortality)

53 Komunikasi antar kelompok kendali (Diffusion/imitation)
History, maturasi dsb hanya terjadi pada salah satu kelompok (Interaction with Selection) Outcome mempengaruhi intervensi (Direction of causality) Tidak ada blinding (Compensatory equalization of treatments) Persaingan antar kelompok kendali (Compensatory rivalry) Kelompok kendali menyerah (Resentful demoralization). Sumber:

54 Isi Bab III Rancangan Pengumpulan, Pengolahan dan Penafsiran Data
Metoda Pengumpulan Data Metoda Pengolahan Data Metoda Penafsiran Data

55 Merancang metoda penelitian = memilih metoda pengumpulan, pengolahan dan penafsiran data.
Metoda penelitian = prosedur pengumpulan, pengolahan dan penafsiran data.

56 Merancang metoda penelitian = memilih metoda pengumpulan, pengolahan dan penafsiran data.
Metoda penelitian = prosedur pengumpulan, pengolahan dan penafsiran data.

57 Pada RCT Validitas Dalam dan Validitas Luar ditingkatkan dengan mengendalikan moderator spesifik dan non-spesifik. Pada Non-RCT Validitas Dalam dapat ditingkatkan dengan: 1. mengamati moderator2 spesifik (analisis multivariat). 2. mengontrol moderator2 spesifik (kriteria inklusi, matching, stratifikasi). 3. memanipulasi moderator2 spesifik.

58 Jenis Variabel Perlakuan Tujuan Prediktor (X) & Kriterion (Y) Diamati Meneliti korelasi X & Y V Bebas (X) & V Terikat (Y) V Bebas dimanipulasi (variasinya ditentu-kan), V Terikat diamati Moderator spesifik & non-spesifik Dikontrol , diamati atau dimanipulasi Meneliti pengaruh ciri atau keadaan unit analisis thd korelasi X & Y Mediator Meneliti mekanisme korelasi X & Y

59 Mengendalikan Moderator2 Non-spesifik
Dengan penempatan acak unit2 analisis ke kelompok2 kontrol diharapkan data variabel2 perancu sama di kelompok2 tsb, kecuali Mortalitas. Populasi X1 R Sampel R R X0 Random selection Random placement

60 Cara mengendalikan Mortalitas dengan Pre-test (untuk melihat siapa yang drop-out)
Hipotesis penelitian didukung jika Selisih Mean Opost kedua kelompok ≥ Selisih Mean Minimum (yang dipatok sebelum penelitian dimulai). R O X1 O R O X0 O

61 Jika tidak perlu mengendalikan mortalitas gunakan rancangan:
R X1 O R X0 O

62 Jika perlu mengendalikan Mortalitas, tetapi ingin mengendalikan interaksi pretest dan intervensi, gunakan rancangan: R O X1 O R O X0 O R X1 O R X0 O

63 Validitas luar (generalisasi) berkurang karena ada kemungkinan
interaksi antara Pre-test dengan Intervensi Interaksi antara Seleksi dengan Intervensi Pengaturan2 khusus

64 Penafsiran Data pd Penelitian Populasi
Populasi Sasaran Validitas Luar (generalisasi) Populasi yg diteliti Validitas Dalam

65 Penafsiran Data pd Penelitian Sampel
Populasi Sasaran Populasi yg Disampel Validitas Luar Inferensi statistik Sampel Validitas Dalam

66 9. Rancangan Mengolah Data
Meringkas Data menjadi tabel, diagram dan angka peringkas. Menginferensi (= menafsirkan, memperkirakan) angka peringkas dari populasi yang disampel berdasarkan angka peringkas dari sampel. Catatan: Data perlu diringkas jika jumlah Data Points banyak.

67 Data Points Unit Analisis Variabel

68 Angka Peringkas Pemusatan: Modus, Mean & Median
Penyebaran: Range, Inter-Quartile Range, SD Hubungan: Koefisien korelasi, OR Selisih: Selisih Mean, Selisih Proporsi.

69 Angka Peringkas Hubungan (r, OR) dan Selisih (d) digunakan untuk menguji Hipotesis Penelitian.
Keduanya dinamakan Effect Size (ES). Hipotesis Penelitian menyatakan ES bermakna (ES ≥ Esmin).

70 (e.g., Statin terapi tunggal dosis tinggi vs kombinasi dosis rendah)
Pilihan ES Jenis Data (Skala) Prediktor Kriterion Standardized mean difference effect size (d) Catagorical (e.g., Statin terapi tunggal dosis tinggi vs kombinasi dosis rendah) Continuous (e.g., kadar lipid Darah) Correlation coefficient (r) (e.g., kadar lipid darah) (e.g., Kadar gula darah) Odds-ratio (OR) (e.g., Terapi Statin) (e.g., DM)

71 Pilihan ESmin Cohen’s “Rules-of-Thumb”
standardized mean difference effect size small = 0.20 medium = 0.50 large = 0.80 correlation coefficient small = 0.10 medium = 0.25 large = 0.40 odds-ratio small = 1.50 medium = 2.50 large = 4.30 Sumber:

72 Besar (size) populasi Unit Analisis (UA) = jumlah UA dalam populasi UA
Besar (size) populasi Unit Analisis (UA) = jumlah UA dalam populasi UA. Besar sampel UA = Jumlah UA dalam sampel UA. UA merupakan himpunan Unit Pengamatan (UP, subyek penelitian). Besar populasi UP = jumlah UP dalam populasi UP. Besar sampel UP = jumlah UP dalam sampel UP. Variabel-variabel yg disebut di hipotesis penelitian: UA-nya harus sama; UP-nya tidak harus sama. UA dapat = UP.

73 R Populasi UP Sampel UP     R               
                                                                 R    R Sampel UA Populasi UA

74 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 2: X = UA = UP = Mahasiswa Populasi Mahasiswa AkBid Husada Bakti Sampel Mahasiswa AkBid Husada Bakti XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R

75 Angka Peringkas disebut Statistik.
Pada penelitian sampel: Statistik digunakan untuk memperkirakan Angka Peringkas populasi. Perkiraan makin akurat (bebas Error) jika Standard Error (SE) atau Confidence Interval (CI) dari distribusi sampling (= distribusi statistik-statistik) makin kecil. Parameter merupakan angka peringkas dari distribusi sampling yg digunakan untuk mendisripsikan/mengestimasi angka peringkas dari populasi yang disampel. SE atau CI dapat diperkecil dengan memperbesar sampel.

76 Populasi Sasaran Populasi yg Disampel Inferensi statistik Sampel

77 Contoh pengolahan data utk menguji Hipotesis Penelitian:
Ada hubungan positif yg bermakna (r ≥ 0.80) antara “Pengajaran Skills Lab” dan “Kompetensi klinik” pada AkBid-AkBid di Indonesia. Ada hubungan positif yg kuat (r ≥ 0.80) antara “Pembelajaran di Skills Lab” dan “Kompetensi klinik” pada mahasiswa AkBid Husada Bakti.

78 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 1: X = Unit Analisis (AkBid) X = Unit Pengamatan (Mahasiswa) Sampel Mhs AkBid Bantul Pop Mhs AkBid Bantul XXXX XXXXXXXXXXXX R XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R Sampel AkBid Pop AkBid

79 XXXXXXXXXXXXXXXXXXXXX
Hipotesis 2: X = UA = UP = Mahasiswa Populasi Mahasiswa AkBid Husada Bakti Sampel Mahasiswa AkBid Husada Bakti XXXXXXXX XXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXX XXXXXX XXXXXXXXXXXXXXXXXXXXX R

80 utk Prediktor & Kriterion continuous
Menghitung r utk Prediktor & Kriterion continuous UA Score Prediktor Score Kriterion 1 2 3 . k Hipotesis penelitian didukung jika r ≥ rmin

81 utk Prediktor categorical & Kriterion continuous
Menghitung d utk Prediktor categorical & Kriterion continuous Kelompok X1 Kelompok X0 UA Score Kriterion Unit Ana-lisis Score Kriterion 1 2 3 . k n Total Mean1 Mean0 Hipotesis Penelitian didukung jika d ≥ dmin (d = Mean1 - Mean0)

82 Menghitung OR utk Prediktor & Kriterion categorical
Hipotesis penelitian didukung jika OR ≥ OR min Menghitung OR utk Prediktor & Kriterion categorical Kriterion Total UA + - Prediktor a b a + b c d c + d Total UA a + c b + d n = a+b+c+d

83 8. Merancang Penafsiran Data
Menetapkan apakah ES bermakna secara substantifpraktis: ES ≥ ESmin. ES valid: a. Biased? Mungkin terjadi karena pengumpulan dan pengolahan data tidak valid. b. Kebetulan? Mungkin terjadi pada penelitian sampel karena sampling error terlampau besar. c. Semu? Mungkin terjadi karena moderator2 diabaikan.

84 Penafsiran Data pd Penelitian Sampel
Populasi Sasaran Validitas Luar Populasi yg Disampel Inferensi Statistik Sampel Validitas Dalam

85 Penafsiran Data pd Penelitian Populasi
Populasi Sasaran Validitas Luar Populasi yg diteliti Validitas Dalam

86 Moderator2 non-spesifik dikendalikan melalui pembentukan kelompok kendali, penempatan secara acak (random placement) unit analisis ke kelompok2 kendali dan pre-test. Moderator2 spesifik dapat dikendalikan (melalui kriteria inklusi, stratifikasi, matching), dimanipulasi, atau diamati (melalui analisis multivariat). Validitas luar dapat berkurang karena moderator2 dikendalikan atau dimanipulasi.

87 Moderator2 Non-spesifik
Variasi situasi dan kondisi unit analisis akibat: Pengalaman (History) Pertumbuhan (Maturation) Diamati (Testing) Perubahan alat/cara pengumpulan data (Instrumentation) Penggunaan kelompok2 extrem (Regression towards the mean) Penggunaan kelompok2 dengan kriteria inklusi khusus (Differential Selection) Drop out (Mortality)

88 Komunikasi antar kelompok kendali (Diffusion/imitation)
History, maturasi dsb hanya terjadi pada salah satu kelompok (Interaction with Selection) Outcome mempengaruhi intervensi (Direction of causality) Tidak ada blinding (Compensatory equalization of treatments) Persaingan antar kelompok kendali (Compensatory rivalry) Kelompok kendali menyerah (Resentful demoralization). Sumber:

89 Komunikasi antar kelompok kendali (Diffusion/imitation)
History, maturasi dsb hanya terjadi pada salah satu kelompok (Interaction with Selection) Outcome mempengaruhi intervensi (Direction of causality) Tidak ada blinding (Compensatory equalization of treatments) Persaingan antar kelompok kendali (Compensatory rivalry) Kelompok kendali menyerah (Resentful demoralization). Sumber:

90 Komunikasi antar kelompok kendali (Diffusion/imitation)
History, maturasi dsb hanya terjadi pada salah satu kelompok (Interaction with Selection) Outcome mempengaruhi intervensi (Direction of causality) Tidak ada blinding (Compensatory equalization of treatments) Persaingan antar kelompok kendali (Compensatory rivalry) Kelompok kendali menyerah (Resentful demoralization). Sumber:

91 Kesimpulan PE: Hipotesis penelitian didukung/tidak didukung data penelitian.
Hipotesis penelitian menyatakan ES ≥ Esmin. ES = kekuatan (kemaknaan substantif/praktis) hubungan X – Y dan hubungan X – T – Y.

92 Practical Meta-Analysis -- D. B. Wilson
Pilihan ESmin? Cohen’s “Rules-of-Thumb” standardized mean difference effect size small = 0.20 medium = 0.50 large = 0.80 correlation coefficient small = 0.10 medium = 0.25 large = 0.40 odds-ratio small = 1.50 medium = 2.50 large = 4.30 Sumber: Practical Meta-Analysis -- D. B. Wilson

93 Kerangka Konsep Mediator X (Prediktor/Intervensi/Program) Y
Action (Predictive) Theory ExplanatoryTheory Mediator X (Prediktor/Intervensi/Program) Y (Kriterion, Outcome, Hasil) Moderator F1 F2 F3 F = Faktor = Dimensi V = variabel atau item V1 V2