Metoderiset Keperawatan 2 2012

62
METODE RISET KEPERAWATAN

description

Metoderiset Keperawatan 2 2012

Transcript of Metoderiset Keperawatan 2 2012

  • METODE RISET KEPERAWATAN

  • DISAINPENELITIAN

  • Penelitian EPIDEMIOLOGI KROSSEKSIONALKASUS KONTROLKOHORT

  • TUJUAN PERKULIAHAN :Setelah mengikuti matakuliah ini mahasiswa memahami tentang rancangan (atau disain) penelitian epidemiologi untuk penelitian-penelitian kesehatanPOKOK BAHASAN :Penelitian dengan pendekatan epidemiologiRancangan/ disain cross-sectionalRancangan/ disain kasus kontrolRancangan/ disain kohortAplikasi disain cross-sectional, kasus kontrol dan kohort untuk penelitian kesehatan

  • MASALAH PenelitianTUJUAN PenelitianPenelusuran PustakaLandasan TeoriKERANGKA TEORIKERANGKA KONSEPLangkah-langkah Penelitian :Penelitian EPIDEMIOLOGI

  • Dari KERANGKA KONSEP PENELITIAN dapat diketahui :KERANGKA KONSEP PENELITIANVARIABEL penelitianHUBUNGAN antar variabelHIPOTESIS penelitian

  • Contoh : KERANGKA KONSEP PENELITIAN VARIABELVARIABELVARIABELVARIABELVARIABELVARIABELVARIABELVARIABEL penelitianHUBUNGAN antar variabelHIPOTESIS penelitian

  • Contoh : KERANGKA KONSEP PENELITIANBERAT BADAN BAYI saat LAHIRUMUR IBU saat hamilFAKTOR IBU dan BERAT BADAN BAYI LAHIRTINGGI BADAN Ibu hamilPERTAMBAHAN BERAT BADAN selama kehamilanPARITASSTATUS ANEMIA Ibu hamilPRENATAL CAREDan lain sebagainyaABCDFEG

  • Berdasarkan : pendekatan EPIDEMIOLOGIPenelitian epidemiologi adalah penelitian yang mengkaji problema atau masalah dengan pendekatan komunitas atau kelompok masyarakat

  • Penelitian EPIDEMIOLOGIDESKRIPTIF ANALITIK OBSERVASIONAL EKSPERIMENTAL CROSSECTIONALKASUS KONTROLKOHORT

  • Penelitian epidemiologi ANALITIKMengkaji hubungan kausal atau SEBAB - AKIBATMengkaji hubungan antara FAKTOR RISIKO (variabel bebas) dan EFEK/PENYAKIT (variabel terikat)Untuk pembuktian HIPOTESIS

  • Penelitian EPIDEMIOLOGI - ANALITIKMengkaji hubungan kausal atau SEBAB - AKIBATVariabel BEBASVariabel TERIKATSEBABAKIBAT

  • Penelitian EPIDEMIOLOGI - ANALITIKMengkaji hubungan antara FAKTOR RISIKO dan EFEK/PENYAKITVariabel BEBASVariabel TERIKATEFEK/PENYAKITFAKTOR RISIKOCatatan :Pada penelitian KESEHATAN/ KEPERAWATAN EFEK tidak selalu suatu kondisi PENYAKIT

  • Penelitian : Ibu Hamil ANEMIA dan Berat Badan Bayi LahirContoh :STATUS ANEMIA IBU HAMILBERAT BADAN BAYI LAHIRVariabel BEBASVariabel TERIKATSEBABAKIBATFaktor RISIKOEFEK/Penyakit

  • Penelitian EPIDEMIOLOGI ANALITIKMengkaji hubungan antara FAKTOR RISIKO dan EFEK/PENYAKITFAKTOR RISIKO (FR)EFEK FR (+)EFEK (+)FR (-)EFEK (-)

  • Penelitian EPIDEMIOLOGI ANALITIKMengkaji hubungan antara FAKTOR RISIKO dan EFEK/PENYAKITFR (+)EFEK (+)FR (-)EFEK (-)Terpapar/ EXPOSURETidak terpapar/ Non-EXPOSURESAKITSEHAT

  • Contoh : Faktor Risiko EfekPenelitian :IBU HAMIL ANEMIA dan BERAT BADAN BAYI LAHIRFR(+)EFEK(+)FR(-)EFEK(-)ANEMIANon-ANEMIABB Lahir Rendah (BBLR)BB Lahir Normal (BBLN)

  • KROSSEKSIONALCROSS-SECTIONALPenelitian EPIDEMIOLOGI ANALITIK

  • CROSS-SECTIONAL

    Faktor Risiko (atau variabel bebas) dan Efek (atau variabel terikat) diteliti atau diobservasi pada waktu bersamaan (saat yang sama)

    Penelitian EPIDEMIOLOGI ANALITIK

  • DISAIN atau RANCANGAN CROSS-SECTIONALPOPULASI(SAMPEL)FR (+)FR (-)EFEK (+)EFEK (-)EFEK (-)EFEK (+)

    FAKTOR RISIKO dan EFEK diteliti atau diobservasi pada waktu bersamaan (saat yang sama)

  • Contoh :IBU HAMIL ANEMIA dan BERAT BADAN BAYI LAHIRPOPULASI(IBU HAMIL )FR (+)ANEMIAFR (-)Non-AnemiaEFEK (+)BBLREFEK (-)BBLNEFEK (-)BBLNEFEK (+)BBLR

    STATUS ANEMIA dan BB BAYI LAHIR diteliti atau diobservasi pada waktu bersamaan (saat yang sama)

  • BESAR SAMPEL n = { (Za/2)2 x p x q }/e2 n = besar sampelZ a/2 = tingkat kepercayaan yang diinginkan (atau a)p = perkiraan proporsi/ atau prevalensi/ atau insidens/ atau kejadian kasus pada populasiq = 1 pe = perkiraan kesalahan sampling untuk nilai p

  • Penelitian SURVAI/ Cross-sectional : non-eksperimental)(SUBYEK atau UNIT penelitian dalam keadaan apa adanya atau in nature) Survai POPULASI :Seluruh SUBYEK penelitian (total populasi) Cara/ pelaksanaan :Survai - SAMPEL :Sebagian dari SUBYEK Penelitian(sebagian dari populasi)

  • Survai - SAMPEL :Sebagian dari SUBYEK Penelitian POPULASI(Subyek Penelitian)SAMPEL(sebagian dari populasi)n : besar sampelZ : tingkat kepercayaan yang diinginkanp : prosentase kasus yang akan ditelitiq : 1 pe : kesalahan estimasi untuk nilai p n = {(Za/2)2 x p x q}/e2

  • Survai - SAMPEL :Sebagian dari SUBYEK Penelitian POPULASI(Subyek Penelitian)SAMPEL(sebagian dari populasi)

    Teknik SamplingRandom (Acak)Non-RandomAcak sederhanaAcak sistematikAcak stratifikasiAcak clusterAcak bertahapPurposive samplingQuota samplingAccidental samplingDlsb.

  • Contoh : Survai/Cross-sectional POPULASIPOPULASI (Subyek Penelitian) : ......... ?IBU HAMIL dan BERAT BADAN BAYI LAHIR

  • Contoh : SURVAI POPULASIPOPULASI (Subyek Penelitian) :Semua IBU HAMIL yang melahirkan BAYI di Klinik Bersalin SAKINA IDAMAN, Yogyakarta, selama bulan Nopember 2012IBU HAMIL dan BERAT BADAN BAYI LAHIR

  • Contoh : Survai/Cross-sectional SAMPELPOPULASI (Subyek Penelitian) : .........BESAR SAMPEL : ..............TEKNIK SAMPLING : .........Penyakit Infeksi dan Status Kesehatan BALITA

  • Contoh : SURVAI SAMPEL

    Penyakit Infeksi dan Status Kesehatan Balita

    POPULASI (Subyek Penelitian) :Semua BALITA di desa ........, Kecamatan ......, Sleman, D.I.YogyakartaBesar Sampel : n = {(Za/2)2 x p x q}/e2

    Tingkat kepercayaan 95% Za/2 = 1.96p = kasus gizi kurang = 50% p = 0.5q = 1 p = 1 0.5 = 0.5e = 5 % 0.05Besar sampel = n = {(1.96)2 x 0.5 x 0.5 }/ (0.05)2 = 96 balita

  • Contoh : Survai/Cross-sectional SAMPEL

    Penyakit Infeksi dan Status Kesehatan Balita

    POPULASI (Subyek Penelitian) :Semua BALITA di desa ........, Kecamatan ......, Sleman, D.I.YogyakartaBesar Sampel : n = 96 balita Teknik Sampling : Purposive sampling, dengan kriteria inklusi sebagai berikut :Balita berusia 1 sampai 5 tahun................

  • BESAR SAMPELUntuk menduga p (= proporsi) dalam jarak e (dalam persen absolut) dengan TINGKAT KEPERCAYAAN 95%(atau kesalahan a = 5%)Sumber : LEMESHOW, dkk., 1987

  • BESAR SAMPELSumber : LEMESHOW, dkk., 1987Perkiraan PROPORSI/KASUS pada POPULASI (= p)e (%)

    0.100.200.300.400.500.600.700.800.90

    0.05138246323369384369323246138

    0.10356181929692816135

  • Contoh : Crossectional

    KEGEMUKAN dan Kejadian HIPERTENSI

  • Contoh :KEGEMUKAN dan Kejadian HIPERTENSIPOPULASI(KARYAWAN )FR (+)OBESEFR (-)Non-OBESEEFEK (+)HIPERTENSIEFEK (-)Non-HIPERTENSIEFEK (-)Non-HIPERTENSIEFEK (+)HIPERTENSI

    BESAR SAMPEL .??

    Bila, tk. kepercayaan 95%, prevalensi : 30%, e = 10%, maka : BESAR SAMPEL = n = 81 karyawan

  • ANALISIS DATA HASIL PENELITIANPOPULASI(SAMPEL)FR (+)FR (-)EFEK (+)EFEK (-)EFEK (-)EFEK (+)ABCD

  • ANALISIS DATAABCDA+CB+DPREVALENSI pada FR(+) dengan EFEK (+) = A/(A+B)PREVALENSI pada FR(-) dengan EFEK (+) = C/(C+D)RESIKO RELATIF (= RR) = A / (A+B) : C/ (C+D)

    EFEK(+)(-)

    FAKTOR RISIKO(+)(-)TOTAL

    TOTALA + BC + DA+B+C+D

  • ANALISIS DATAABCDA+CB+DRESIKO RELATIF ( = RR)RR >1 ada asosiasi positif antara FR dan EFEKRR =1 tidak ada asosiasi antara FR dan EFEKRR
  • ANALISA DATA (lanjutan )HIPOTESIS STATISTIKHo : tidak ada asosiasi antara FR dan EFEKHa : ada asosiasi antara FR an EFEKUji statistik TABEL (2x2) Uji CHI SQUARE/ KAI KUADRAT

    FAKTOR RISIKOEFEKTOTAL(+)(-)(+)ABA+B(-)CDC+DTOTALA+CB+DA+B+C+D

  • KELEBIHAN :Dapat memperkirakan hubungan SEBAB dan AKIBATMudah dilaksanakan, EKONOMIS dari segi waktu dan hasil dapat diperoleh dengan cepatDapat meneliti sekaligus BANYAK variabel (baik untuk FAKTOR RISIKO maupun EFEK)KETERBATASAN :INFORMASI kurang mendalamDibutuhkan SUBYEK penelitian dalam jumlah besar (terutama bila variabel yang diteliti banyak)

  • CASE CONTROLKASUS KONTROL

  • KASUS KONTROLPenelitian epidemiologi ANALITIK yang bersifat OBSERVASIONAL dimana dilakukan perbandingan antara kelompok KASUS/atau EFEK (+) dengan kelompok KONTROL atau EFEK (-) kemudian diteliti penyebab/FAKTOR RISIKO Mempelajari hubungan antara FAKTOR RISIKO dan EFEK dengan pendekatan retrospektifFAKTOR RISIKOEFEK/PENYAKIT

  • KASUS KONTROLFAKTOR RISIKOEFEK/PENYAKITPRINSIP : EFEK diteliti atau diidentifikasi lebih dulu kemudian diteliti FAKTOR RISIKORETROSPEKTIF

  • DISAIN atau RANCANGAN KASUS KONTROLPOPULASI(SAMPEL)FR (+)FR (-)EFEK (-)EFEK (+)EFEK diteliti atau diidentifikasi lebih dulu kemudian diteliti FAKTOR RISIKOFR (+)FR (-)RETROSPEKTIFRETROSPEKTIFKASUSKONTROLAKIBAT(SAAT INI)SEBAB(MASA LALU)

  • Contoh :IBU HAMIL ANEMIA dan BERAT BADAN BAYI LAHIRPOPULASIBAYI LAHIR FR (+)ANEMIAFR (-)Non-AnemiaEFEK (-)BBL NormalEFEK (+)BBL RendahBayi Lahir diteliti/diidentifikasi lebih dulu kemudian diteliti secara retrospektif Status Anemia Ibu HamilFR (+)ANEMIAFR (-)Non-AnemiaKASUSKONTROL

  • BESAR SAMPELKASUS : KONTROL tak sebanding1 : 21 : 31 : 4 Dst.nya KASUS dan KONTROL sebanding1 :1 n1 = n2 = (Za2 pq + Zbp1q1 + p2q2 )2(p1 p2)2

  • ANALISIS DATA untuk KASUS KONTROLPOPULASI(SAMPEL)FR (+)FR (-)EFEK (-)EFEK (+)FR (+)FR (-)RETROSPEKTIFRETROSPEKTIFKASUSKONTROLABCD

  • ANALISIS DATAACBDA+BC+DODDS RASIO (= OR) = (A x D) : (B x C)

    EFEKKASUSKONTROL

    FAKTOR RISIKO(+)(-)TOTAL

    TOTALA + CB + DA+B+C+D

  • ANALISIS DATAACBDA+BC+DOR > 1 ada asosiasi positif antara FR dan EFEKOR = 1 tidak ada asosiasi antara FR dan EFEKOR < 1 ada asosiasi negatif antara FR dan EFEK (ada efek perlindungan)

    EFEKKASUSKONTROL

    FAKTOR RISIKO(+)(-)TOTAL

    TOTALA + CB + DA+B+C+D

  • ANALISIS DATA (lanjutan ..!!!)ACBDA+BC+DUji statistik TABEL (2x2) Uji CHI SQUARE/ KAI KUADRATHIPOTESIS STATISTIKHo : tidak ada asosiasi antara FR dan EFEKHa : ada asosiasi antara FR an EFEK

    EFEKKASUSKONTROL

    FAKTOR RISIKO(+)(-)TOTAL

    TOTALA + CB + DA+B+C+D

  • KELEBIHAN :Tidak membutuhkan WAKTU, TENAGA dan BIAYA yang relatif besarTidak ditemukan DROP OUT respondenTetap dapat dilakukan walaupun kasus sedikitSangat sesuai untuk penyakit yang jarang terjadiBila penelitian dilakukan di RUMAH SAKIT, dapat memanfaatkan data yang adaKETERBATASAN :Bersifat retrospektif, sehingga variabel/ data yang dikumpulkan ada kemungkinan kurang valid/ tidak obyektif

  • COHORTKOHORT

  • KOHORTPenelitian epidemiologi ANALITIK yang bersifat OBSERVASIONAL dimana dilakukan perbandingan antara kelompok dengan FAKTOR RISIKO (+) dengan kelompok FAKTOR RISIKO (-) kemudian diteliti akibat atau EFEK Mempelajari hubungan antara FAKTOR RISIKO dan EFEK dengan pendekatan prospektifFAKTOR RISIKOEFEK/PENYAKIT

  • KOHORTFAKTOR RISIKOEFEK/PENYAKITPRINSIP : FAKTOR RISIKO diteliti atau diidentifikasi lebih dulu kemudian diteliti EFEK secara prospektifPROSPEKTIF

  • DISAIN atau RANCANGAN KOHORTPOPULASI(SAMPEL)FR (+)EXPOSEEFEK (-)EFEK (+)FAKTOR RISIKO diteliti atau diidentifikasi lebih dulu kemudian diteliti EFEK secara prospektifFR (-)Non-EXPOSEPROSPEKTIFPROSPEKTIFAKIBAT(MASA y.a.d.)SEBAB(SAAT INI)EFEK (+)EFEK (-)SUBYEKEFEK (-)TERPAPARTak TERPAPAR

  • Contoh :IBU HAMIL ANEMIA dab BERAT BADAN BAYI LAHIRPOPULASIIBU HAMIL Trim. IIIFR (+)ANEMIAEFEK (-)BBL NormalEFEK (+)BBL RendahStatus Anemia Ibu Hamil diteliti atau diidentifikasi lebih dulu kemudian diteliti Berat Bayi Lahir secara prospektifFR (-)Non-AnemiaPROSPEKTIFPROSPEKTIFEFEK (+)BBL RendahEFEK (-)BBL NormalSUBYEKEFEK (-)Tak ada riwayat BBLRTERPAPARTak TERPAPAR

  • BESAR SAMPEL FR (+) : FR (-) tak sebanding1 : 21 : 3 Dst.nya FAKTOR RISIKO (+) dan FAKTOR RISIKO (-) sebanding n1 = n2 = (Za2 pq + Zbp1q1 + p2q2 )2(p1 p2)2

  • ANALISIS DATA untuk KOHORTPOPULASIFR (+)EFEK (-)EFEK (+)FR (-)PROSPEKTIFPROSPEKTIFEFEK (+)EFEK (-)SUBYEKEFEK (-)TERPAPARTak TERPAPARABCD

  • ANALISIS DATAABCDA+CB+DINSIDENS pada FR(+) dengan EFEK (+) = A/(A+B)INSIDENS pada FR(-) dengan EFEK (+) = C/(C+D)RESIKO RELATIF (= RR) = A / (A+B) : C/ (C+D)

    EFEK(+)(-)

    FAKTOR RISIKO(+)(-)TOTAL

    TOTALA + BC + DA+B+C+D

  • ANALISIS DATAABCDA+CB+DRESIKO RELATIF ( = RR)RR >1 ada asosiasi positif antara FR dan EFEKRR =1 tidak ada asosiasi antara FR dan EFEKRR
  • ANALISA DATA (lanjutan )HIPOTESIS STATISTIKHo : tidak ada asosiasi antara FR dan EFEKHa : ada asosiasi antara FR an EFEKUji statistik TABEL (2x2) Uji CHI SQUARE/ KAI KUADRAT

    FAKTOR RISIKOEFEKTOTAL(+)(-)(+)ABA+B(-)CDC+DTOTALA+CB+DA+B+C+D

  • KELEBIHAN :INFORMASI/ data yang diperoleh lebih akurat atau dipercayaDapat digunakan untuk meneliti hubungan SEBAB-AKIBATKETERBATASAN :Membutuhkan WAKTU, TENAGA dan BIAYA yang relatif besarAda kemungkinan DROP OUT respondenAda kendala ETIS (terutama bila berkaitan dengan penyakit)Sulit dilakukan bila kasus hanya sedikit

  • Sampai jumpa di pertemuan berikut ........ !!!!

    *