Variabel penelitian

VARIABEL PENELITIANOleh:Trisno Agung Wibowo

Variabel ?

Variabel : Ciri/ Sifat yang dikaji atau diteliti ( sesuatu gejala alam /fenomena yang :

- Bervariasi. - Mempunyai nilai. - Mempunyai definisi (Verbal/operasional). - Mempunyai nama. - Dapat dikatagorisasi.

Macam-macam variabel:

Berdasarkan sifat / Skala.(Level of Measurement)Berdasarkan urutan waktu (Time Order) .3. Berdasarkan jenis penelitian (eksperimental).

1. SIFAT /SKALA (Level Of Measurement) Diskrit(Nominal/Katagorik)

KontinumOrdinalIntervalRasional

Skala pengukuran diurutkan menurut kekuatan dari Rendah Ke tinggi

Skala nominal : terdiri atas dua atau lebih katagori (dua = dikotomi, tiga atau lebih = poli tomi) , katagori bersifat mutually exclussive.

contoh : Jenis kelamin = pria, wanita.

Status pekawinan = menikah, lajang, janda duda dsb.

2. Skala Ordinal : memiliki sifat skala nominal dengan tambahan kualitas, yaitu penjenjangan seperti tangga Contoh : Bukan perokok, perokok ringan, perokok berat Kepastian diagnosis : defenit, probable, possible.

3. Skala Interval : memiliki sifat skala ordinal , jarak antar kelas atau katagori sama, tidak memiliki nol absolut.

Contoh: suhu..

4. Skala ratio : Memiliki sifat skala interval juga memiliki nol absolut ( nol berarti yang diukur tidak ada).

Contoh : Berat diukur dalam kg. Pendapatan diukur dalam rupiah. Hb diukur dalam gram tiap 100 cc darah.

Berdasarkan urutan waktu =

ABA = Variabel bebas (Independen)/ pengaruhB = Variabel terikat/tergantung/terpengaruh (Dependen Variabel).Contoh =

Asupan Makanan AnemiaPinggul sempit Partus LamaAnemiaPendarahan Post Partum

ACBC = Variabel penghubungContoh :

UmurFrekuensi HubSeksualJumlah AnakYang dilahirkanAsupan MakananrendahAnemia Pendarahan

DABD = Variabel pendahulu.Sosek yang rendahAsupan makanan kurangAnemia

3. Penelitian EksprimentalXYZ 1Z 4Z 3Z 2X = Variabel perlakuan/eksperimental.Y= Variabel terikat/tergantung.Z= Variabel luar (terkendali. Tak terkendali)Contoh :X = Obat anti nyeri untuk post partum.Y= Frekuensi nyeri.Z1 = BB.Z2 = Cara Minum.Z3 = Dosis dsb.

HUBUNGAN ANTAR VARIABELVar LuarVar LuarVar LuarVar AntaraVar BebasVar TergantungVar Perancu(Confounding)Var Luar (D)ABC

Variabel Bebas dan Variabel Tergantung = Variabel Variabel yang ingin diketahui hubungannya oleh peneliti.

Variabel perancu = Variabel yang tidak diteliti tetapi dapat mempengaruhi hasil penelitian (karena berhubungan dengan variabel bebas dan variabel tergantung dan bukan variabel antara.

Variabel luar = Variabel yang tidak diteliti, tetapi berhubungan atau tidak berhubungan dengan variabel bebas dan /atau variabel tergantung.

Contoh Variabel perancu ( confounding variabel)Tinggi BadanLebar TulangPinggulPartus lamaUmurPengendalian Variabel Perancu :Sebelum penelitian (rancangan) = dengan Matching (penyetaraan), Randomisasi,Retriksi.2.Setelah penelitian : analisis startifikasi,analisis multivariabel.

PENGENDALIAN CONFOUNDER(Variabel Pengganggu/Perancu)

Trisno Agung Wibowo, SKM. M Kes.

Kerancuan/confounding :

Distorsi dalam menaksir pengaruh paparan terhadap penyakit Akibat tercampurnya pengaruh sebuah atau beberapa variabel luar.

Distorsi terkadang sangat serius sehingga dapat mengakibatkan menyelewengkan pengaruh paparan yang bersifat protektif bagi penyakit menjadi bersifat resiko dan sebaliknya.

Perlu dikendalikanAgar tidak terjadi Kesalahan Dalam Penarikan kesimpulanHubungan Antara Paparan Dan Penyakit

HUBUNGAN ANTAR VARIABELVar LuarVar LuarVar LuarVar AntaraVar BebasVar TergantungVar Perancu(Confounding)Var Luar (D)ABC

Variabel Bebas dan Variabel Tergantung = Variabel Variabel yang ingin diketahui hubungannya oleh peneliti.

Variabel perancu = Variabel yang tidak diteliti tetapi dapat mempengaruhi hasil penelitian (karena berhubungan dengan variabel bebas dan variabel tergantung dan bukan variabel antara.

Variabel luar = Variabel yang tidak diteliti, tetapi berhubungan atau tidak berhubungan dengan variabel bebas dan /atau variabel tergantung.

Kriterian Variabel perancu :

Adalah variabel luar yang harus memenuhi 3 kriteria:

1. Merupakan faktor risiko bagi penyakit yang diteliti. 2. Mempunyai hubungan dengan paparan. 3. Bukan merupakan bentuk antara dalam hubungan antara paparan dan penyakit. PAPARAN(E)PENYAKIT(D)PERANCU

Contoh Variabel perancu ( confounding variabel)Tinggi BadanLebar TulangPinggulPartus lamaUmur

Perbedaan mendasar antara kerancuan dan Modifikasi EfekCara Menilai Kerancuan :

Dibuaat berdasarkan pengetahuan a priori.Dibuat berdasarkan data yang dikumpulkan dalam penelitian.

KERANCUANMODIFIKASI EFEKMerupakan kepalsuan taksiran akibat tercampurnya faktor luar dalam penilaian hubungan paparan dan penyakitPengubahan pengaruh paparan terhadap penyakit karena pengaruh pengubah efek (effect Modifier).

PENGENDALIANCONFOUNDERSebelum pengumpulan datasaat menyusun rencana penelitianMatching.Randomisasi.Retriksi.Setelah data terkumpul (saat analisis data)Analisis Stratifikasi.Analisis Multivariate.PENGENDALIAN CONFOUNDER

I.Matching

Matching : proses pemilihan kontrol sedemikian rupa sehingga kontrol tersebut sama dengan kasus dalam hal karakteristik tertentu seperti umur, jenis kelamin dan etnis.

Jenis-jenis Matching:

1. Matching berdasarkan frekuensi (Frekuensi matching). Misal: 25% kasus yang terpapar adalah berjenis kelamin laki-laki. maka : Dicarikan : 25% kontrol yang terpapar adalah berjenis kelamin laki-laki.

2. Matching Indifidu.

Permasalahan dengan Matching:

1. Matching pada banyak variabel dapat menjadikan sulit atau tidak mungkin untuk menemukan syuatu kontrol yang cocok.

2. Tidak dapat mencari hubungan antara penyakit dan variabel dimana kasus dan kontrol telah di matching

II. RITRIKSI

Membatasi subyek yang akan diteliti adalah pada karakteristik tertentu saja.

Misal : - Penelitian Hub Minum kopi dengan PJK, dimana Merokok diduga sebagai confounder, maka subyek yang diteliti adalah subyek yang minum kopi tetapi tidak merokok.

III. RANDOMISASI.

Pengalokasian subyek penelitian dari sampel secara acak (alokasi acak).

Contoh menilai kerancuan :

Sebuah studi kohor meneliti hubungan minum kopi dan penyakit jantung koroner, Akan dinilai apakah merokok sigaret merupakan faktorPerancu dalam penaksiran minum kopi terhadap PJK ?

Kita lakukan dengan analisis stratifikasi.

Hub Minum kopi dengan PJKDengan analisis kasarc RR= (55/5000)/(30/5000) =1,8.Minum KopiPJKMerokokIV. ANALISIS STRATIFIKASI

D+D-E+555000E-305000

Analisis berstrata terhadap penaksiran pengaruh minum kopi terhadap PJK, berdasarkan Status merokok Perokok dan Minum kopi RR= (45/3000)/(8/500) =0,9.Tidak Perokok dan Minum kopi RR= (10/2000)/(22/4500) =1,0.Setelah mengontrol pengaruh rokok, ternyata :

Minum Kopi tidak meningkatkan resiko terkena PJK, karena taksiran kasar > taksiran terkontrol. b. Merokok akan memperbesar pengaruh minum kopi terhadap PJK

D+D-E+ (Perokok dan minum kopi)453000E- (Perokok tidak minum kopi)8500

D+D-E+(Tdk merokok ttp minum kopi)102000E- (Tidak merokok dan tdk minum kopi) 224500

Analisis berstrata terhadap penaksiran pengaruh merokok terhadap PJK, berdasarkan Status minum kopi Perokok dan Minum kopi RR= (45/3000)/(10/2000) =3,0. Perokok dan Tidak Minum kopi RR= (8/500)/(22/4500) =3,2.Analisis pengaruh merokok dengan PJKMerokok meningkatKan risiko terkenaPJK sebesar 3 Kali

D+D-E+ (PEROKOK DAN MINUM KOPI)453000E- (Tidak Merokok ttp minum kopi )102000

D+D-E+ Perokok dan Tdk Minum Kopi)8500E- (Tidak merokok dan tdk minum kopi) 224500

Hubungan antara merokok dan Minum KopiMinum KopiMerokokOR= (3000x4500 )/(500/2000)=13,5Peminum kopiMempunyai kemungKinan sebagai perokok 13,5 kaliLipat dari padaBukan peminum kopiKesimpulan :Merokok adalah faktor perancu sebab : a. Merupakan FR PJK (penyakit). b. Mempunyai Hubungan dengan Minum Kopi (paparan). c. Pengetahuan yang ada membenarkan bahwa merokok bukan bentuk antara dalam rantai hubungan minum kopi dan PJK.

YaTdkYa3000 (86%)500(14%)Tidak2000(31%)4500(69%)

V. ANALISIS MULTIVARIATE.

Alternatif pemakaian analisis multivariate untuk pengendalian confounder:

Jika faktor perancu yang harus diperhitungkan banyak.Faktor perancu akan dikontrol secara bersama- sama.Asumsi bahwa hubungan variabel-variabel tersebut linier:

- Bila hubungan antara variabel digambarkan linier lurus maka model tersebut disebut regresi ganda linier sederhana.

- Bila hubungan antara variabel digambarkan linier sigmoid (spt huruf S) maka model ini disebut dengan regresi ganda linier logistik.

Logistic RegressionContoh : Hasil analisis Regresi logistik.