oleh:

dr. Evy Luciana, MEpid

Klasifikasi Studi Epidemiologi

1. Eksperimental vs Observasional
2. Unit observasi: Individual vs Agregat
3. Pengukuran: Longitudinal vs Crosssectional
4. Cohort vs Case-control sampling

Desain Penelitian

Experimental

Field Trial

Observasional

Deskriptif

Analitik

Community Trial

Case Report / Study

Cohort

Clinical Trial

Case Series

Case Control

Correlational Study

Cross Sectional

Survey

Experimental

Observational

Experimental/interven Observational studies

tion studies involve an
allow nature to take
active attempt to
its course
change a disease
The investigator
determinant
measures but does
(exposure/behaviour/
not intervene
progress of a
disease) through
treatment

Deskriptif

Analitik

Menjelaskan
frekuensi & distribusi
masalah kesehatan
terutama berdasarkan
faktor orang, tempat
dan waktu

Studi mengenai
determinants dari
masalah kesehatan
Menggunakan
kelompok
pembanding untuk
melihat hubungan
kausalitas (sebabakibat)

SIKLUS PENELITIAN

PENELITIAN DESKRIPTIF
A descriptive study is limited to a description of the
occurrence & distribution of a disease in a population
Often the 1st step in epidemiological investigation
Limited descriptive information in which the
characteristics of a no. of patients with a specific disease
are described but are NOT compared with those of a
reference population makes no attempt to analyze the
links between exposure & effect
Identifies non-random variations in the distribution of
disease to enable an investigator to generate testable
hypotheses regarding etiology

Studi Cross-sectional
Tujuan:
mempelajari angka kejadian suatu
penyakit/masalah kesehatan
mempelajari hubungan antara suatu faktor
risiko dengan angka kejadian suatu penyakit
Unit analisa: individual
Faktor risiko/exposure dan status
penyakit/masalah kesehatan diukur pada saat
yang sama

PENELITIAN KASUS KELOLA

Begins with selection of cases
Continue with selection of controls:
Matched: frequency/group, individual
un-matched
Look backward in time to search for a possible cause (exposure)
The occurrence of a cause is compared between cases and
controls
Types of Case-Control:
Hospital-Based
Population based

Case-Control
Exposure (+)
Exposure (-)
Exposure (+)

exposure

Mulai dari kasus/disease (OUTCOME) dulu

Cases (D+)
vs
Controls (D-)

Exposure (-)
timeline

1999

ditelusuri ke belakang

2009

PENELITIAN KOHORT
Begin with a group of people FREE of disease but classify
them into sub-groups:
Exposed
Not exposed
Follow up to see the development of new cases of disease
The occurrence of cases (diseases) were compared
between groups with or without exposure
Types of Cohort:
Prospective / Concurrent
Retrospective / Historical / Non-concurrent

JENIS PENELITIAN KOHORT

1.

CONCURENT (Prospective)
Investigator identifies the original population at the beginning
of study
Exposure & non-exposure are ascertained as they occur
during the study
Outcome is ascertained in the future

2.

NON CONCURENT (Retrospective/Historical)

Population is identified on the basis of records of previous
exposures
All the exposure and effect (disease) data have been collected
before the actual study begins
Begin the study with pre-existing population to reduce the
duration

Cohort Prospektif
Mulai dari EXPOSURE

Exposed (E)
vs
Non-exposed (NE)

outcome

Disease (+)
Disease (-)
Disease (+)
Disease (-)
timeline

2009

dilihat ke depan

2019

Cohort Retrospektif
Tetap mulai dari EXPOSURE dulu

Exposed (E)
vs
Non-exposed (NE)

outcome

Disease (+)
Disease (-)
Disease (+)
Disease (-)
timeline

1999

dilihat ke depan

2009

Cohort Prospektif
E(+) E(-)

Cohort Retrospektif
E(+) E(-)

Case - Control
D(+) D(-)

Cross Sectional
Exposure & Outcome
Dilihat pd saat bsamaan

D(+) D(-)
E (+) E (-)

timeline

1999

2009

2019

Jenis
Penelitian

Pilihan
Subjek

Info
Exposure

Info
Disease

CrossSectional

Current

Current

CaseControl

Disease

Past

Current

Cohort
Prospektif

Exposure

Current

Future

Cohort
Retrospektif

Exposure

Past

Current

B I A S
(Error in measurement)
Random error
Individual biological variation
Sampling error (chance variation)
Systematic error
Selection bias
Measurement/Observation/Information
bias

Effect of Bias
A true association may be partially
masked
A spurious association found
Under/Over-estimation of association

Controlling Bias
1. Selection Bias:
Minimize DO/LTFU/non-participant
Same diagnostic criteria
2. Observation bias:
Standardized procedures
Objective measurement of exposures/outcomes
Blinding / masking: single, double, triple

Blinding / Masking
A study technique by which subject(s) /
researcher / statistical analyst does not
know :
the group to which the subject(s) have
been allocated
Status of exposure / outcome
Hypothesis of the study

CONFOUNDING
Faktor lain yang juga berpengaruh pada faktor
penyebab maupun akibat yang sedang diteliti,
sehingga dapat mengacaukan hasil penelitian

Down
Syndr

Control

Total

Usia
ibu >35

91

95

Usia
ibu <35

12

Total

16

1163
1254

OR crude = 4,26
OR >35 thn = 5,73
OR <35 thn = 3,39

1175
1270

Pgunaan spermisida pra-konsepsi

Bivariat vs Multivariat (confounding)

>35

Down

Control

Total

Yes

No

86

89

Total

91

95

<35

Down

Control

Total

Yes

104

107

No

1059

1068

Total

12

1163

1175

Penelitian Analitik

Ingin dibuktikan apakah ada hubungan kausalitas

(sebab akibat)
1. Asosiasi statistik: uji statistik untuk menguji
hipotesa apakah p-value < 0,05
2. Asosiasi epidemiologi: Hills criteria

Bermakna/tidaknya suatu uji statistik tergantung

jumlah sampel
Kuat/tidaknya suatu asosiasi epidemiologik
tergantung besar/kecilnya bias (internal validity)

Both Cohort and Case-Control

studies are designed to determine
whether there is excess risk or a
reduced risk of a certain disease in
association with a certain exposure
or characteristic

How do we determine whether an

excess risk is associated?
1. By calculating the ratio of the attack rate
or incidence rate
Disease risk in exposed
Disease risk in non-exposed

2. By calculating the difference in the risks

or in the incidence rates
Disease risk
in exposed

Disease risk
in non-exposed

CASE - CONTROL
To determine if the 2 groups differ in proportion of
being exposed to a specific factor
DISEASE
Exposed

compared to

Not Exposed

NO DISEASE
Exposed

Not Exposed

Compare prevalence of exposure in a/(a+c) with b/(b+d)

disease
no disease

COHORT
To determine differences in rate at which disease develops
in relation to exposure factor
EXPOSED
Disease

compared to

No Disease

NOT EXPOSED
Disease

No Disease

Compare prevalence of disease in a/(a+b) with c/(c+d)

exposed
not exposed

RELATIVE RISK
Probability of Exposed in Disease (Ie)
RR = ------------------------------------------------------Probability of Not Exposed in Disease (I0)
a / (a+b)
RR = ------------c / (c+d)
Ie = E(+) pada D(+)
Io = E(-) pada D(+)

ARTI RELATIVE RISK

Mereka yang terpapar pada faktor risiko
mempunyai kemungkinan relatif untuk
menderita penyakit sekian kali lebih besar
dibandingkan mereka yang tidak terpapar
Menunjukkan adanya hubungan sebab akibat
Menunjukkan besaran dari hubungan
tersebut
Penting dalam menetapkan adanya
hubungan etiologis

PEMAHAMAN RR
Bila RR = 1 maka risiko antara yg terpapar dan tidak
terpapar untuk medapat penyakit tidak berbeda (sama)
Bila RR > 1 maka yg terpapar mempunyai risiko yg lebih
besar untuk mendapat penyakit daripada yg tidak terpapar
Asosiasi positif bersifat harmful
Asosiasi kuat apabila RR>2
Asosiasi sedang apabila RR >1,5 2
Asosiasi lemah apabila RR >1 - <1,5
Bila RR < 1 maka keterpaparan memberikan efek
perlindungan terhadap penyakit (menguntungkan)
Asosiasi negatif bersifat protektif

First select subjects based on exposure

Calculating RR in COHORT
Then follow to see whether
Disease
develops(+)

Disease
doesnt
develop (-)

TOTAL

Exposed (+)

a+b

NonExposed (-)

c+d

TOTAL

a+c

b+d

Example RR in COHORT

CHD(+)

CHD (-)

TOTAL

Smoking

84

2916

3000

Dont smoke

87

4913

5000

TOTAL

171

7829

8000

Incidence in exposed = 84/3000 = 28.0/1000

Incidence in non-exposed = 87/5000 = 17,4/1000
Therefore RR = 28,0/17,4 = 1,61
Mrk yg merokok mpy risiko 1,61x > dr mrk yg tdk

Incidence not
due to exposure

Levels of risk

Incidence due
to exposure

Background
risk

In NE persons, although they arent exposed, they have some risk of

disease the risk of disease is not zero
This is called background risk
Therefore:
Total risk of disease = Background risk + Additional risk
in E person
due to exposure

ATTRIBUTABLE RISK

AR =

I e I0

Ie = Insidens tpapar; I0 = Insidens tdk tpapar

b (r - 1)
AR = ---------------b (r 1) + 1
b = proporsi populasi terpapar
r = resiko relatif

ARTI ATTRIBUTABLE RISK

Memperkirakan besarnya kontribusi suatu
faktor risiko/keterpaparan dalam menimbulkan
penyakit atau mencegah penyakit itu bila
faktor risiko tersebut dihilangkan
Menunjukkan besarnya kontribusi suatu faktor
tertentu terhadap timbulnya penyakit
Disebut juga Risk Difference (RD)
Penting dalam praktek klinik maupun
kesehatan masyarakat

Pemahaman Attributable Risk

Bila AR = 0 maka kontribusi risiko suatu faktor
tertentu terhadap timbulnya penyakit antara yg
terpapar dan tidak terpapar adalah sama
Bila AR > +0 maka kontribusi risiko suatu faktor
tertentu terhadap timbulnya penyakit adalah
terpapar > tidak terpapar
Bila AR < -0 maka kontribusi risiko suatu faktor
tertentu terhadap timbulnya penyakit adalah tidak
terpapar > terpapar (disbt Preventive Fraction)

CHD (+)

CHD (-)

Total

Smoking

84

2916

3000

Dont smoke

87

4913

5000

Incidence among smokers = 84/3000 = 28,0 per 1000

Incidence in non-smokers = 87/5000 = 17,4 per 1000
AR = 28,0 17,4 = 10,6 per 1000
by stop smoking, 10,6 out of 28,0 incident cases of
CHD are prevented

Comparison of RR and RR
Annual Mortality Rate per 100.000
Cigarette smokers
Non-smokers

Lung Cancer
140
10

CHD
669
413

RR for Lung CA = 140/10 = 14

RR for CHD = 669/413 = 1,6
AR for Lung CA = 140 10 = 130/100.000
AR for CHD = 669 413 = 256/100.000
There

is much stronger association for smoking-Lung CA

than for smoking-CHD

But elimination of cigarettes would prevent more deaths
among smokers from CHD than from lung CA

ODDS RATIO
(= Estimated Relative Risk)
Mrpk rasio dari 2 Odds
Dipakai bila frekuensi penyakit jarang (< 10%)
Kasus yang dikumpulkan mewakili semua kasus
yang ada
Kontrol mewakili seluruh populasi umum

OR in Unmatched Case-Control
OR is defined as the ratio of:
Odds that the cases were exposed
Odds that the controls were exposed
Therefore OR = a/c = ad
b/d bc

 Bila angka kejadian penyakit kecil sehingga a sangat

kecil dibandingkan b maka dpt dianggap (a+b)b mis
(5+100)100
Demikian pula lebih sedikit dijumpai orang yg tidak
terpapar yg menderita penyakit itu, sehingga dapat
dianggap (c+d)d
Maka RR OR

a
a+b

=
c
c+d

a
b
c
d

ad

bc

Example where OR RR
Disease

No Disease

Total

Exposed

200

9800

10000

Not Exposed

100

9900

10000

RR = (200/10000) : (100/10000) = 2
OR = (200 x 9900) (9800 x 100) = 2,02

EXPERIMENTAL STUDY
When the investigator controls the assignment of
subjects to the independent variables, after the
participants are identified & non-participants
eliminated
In human populations only to reduce risk of
disease/death
Prophylactic trial
Therapeutic trial

PROSEDUR PENELITIAN
EKSPERIMENTAL

RANDOMIZATION
(random allocation)
Suatu prosedur untuk menempatkan subyek
penelitian ke dalam kelompok perlakuan atau
kelompok pembanding secara acak (random)
To ensure the groups being compared are
equivalent comparable at the start of an
investigation ie. any difference is due to
chance & unaffected by biases

BUKU RUJUKAN
1. Gordis L. Epidemiology, third edition.
Philadelphia: Elsevier Saunders, 2004:
115-176, 177-190.
2. Beaglehole R, Bonita R, Kjellstrom T.
Basic epidemiology, reprinted. Geneva:
WHO, 1994: 31-52.
3. Rothman KJ. Epidemiology an
introduction. New York: Oxford University
Press, 2002: 8-23, 94-129

oleh:
dr. Evy Luciana, MEpid

Biostatistik

Unsur utama statistik data (kumpulan

angka)

Data harus akurat :

1. Realibilitas kekonsistensian (presisi)
2. Validitas ketepatan (akurasi)

Populasi

Sample

Populasi seluruh unit yang diteliti

Sample bagian dari populasi yang dapat mewakiliki populasi tersebut

Variable menurut SKALA

1.
2.
3.
4.

Nominal antar nilai sederajat

Ordinal ada gradasi / tingkatan
Interval ada selisih / jarak yg terukur
Ratio ada kelipatan
Skala yang lebih tinggi dapat diubah
menjadi skala yang lebih rendah

VARIABEL MENURUT SIFAT

1. Kategorik / Kualitatif / Non-parametrik:
hasil dari pengklasifikasian
2. Numerik / Kuatitatif / parametrik:
Diskrit (bilangan bulat): hasil penghitungan
Kontinu: hasil pengukuran

Latihan
Variable
Agama
Denyut nadi
Berat Badan
Status Gizi
Jenis Kelamin
Suhu tubuh
Tingkat pendidikan

Skala

Sifat

Latihan
Kadar Hb < 8 gr/dL
Kadar Hb 8 10 gr/dL
Kadar Hb > 10 gr/dL
Termasuk skala apakah ?

Tahapan Statistik
1.

Pengumpulan data :
Data apa, cara ukur, alat ukur, siapa
2. Pengolahan data:
Editing: memeriksa data
Coding: diberi kode sesuai klasifikasi
Processing: entry data ke komputer
Cleaning: check hasil entry data
3. Analisis data memberi makna data (peran statistik)
4. Penyajian data : tekstular, tabular, grafikal (tidak boleh
duplikasi)

Tabel
Harus ada:
Nomor tabel
Judul: what, who, where, when
Isi:
kolom & baris
Varibel
Jumlah
Persentase (%)
Narasi yg menyimpulkan

Macam-macam Grafik
1.

Katagorik :
i. Bar diagram : menunjukkan jumlah
ii. Pie diagram : menunjukkan proporsi (%)
iii. Pareto : menunjukkan besar masalah

2.

Numerik :
i. Histogram : data kontinu
ii. Frekuensi poligon : > 2 kelompok data
iii. Ogive : data kumulatif (cakupan)
iv. Line diagram : tren, unsur waktu, diskrit

Bar Diagram

Pie Diagram

Line Diagram

Ukuran Tengah

Ukuran ringkasan yang dapat mewakili data yang

diukur atau disurvei
Data Katagorik : proporsi (%)
Data Numerik :
i. Mean x (rata2) : terpengaruh nilai ekstrim
Arithmetic (rata-rata hitung)
Geometric (rata-rata ukur)
ii. Mode : nilai yang paling sering muncul
iii. Median : nilai tengah yang membagi data menjadi 2
bagian yang sama

Ukuran Tengah Var.Numerik

Mean = 62,14 kg
Total / n 435/7
Mode = 65 kg
3x 65 kg
Median = 65
Urutkan dulu:
55,55,60,65,65,65,70

No

BB (kg)

65

60

55

65

65

70

55

Ukuran Variasi

Untuk melihat seberapa jauh data menyebar :

homogen / heterogen

Katagorik : proporsi (%)

Numerik :
i. Range (rentang) : max - min
ii. Varians (S2)
iii. Standard deviasi (S)
iv. Koefisien variasi (S/x)

Pengambilan Sample
1.

Non-random:
i.
Convenient
ii.
Consecutive
iii. Judgmental/Purposive
iv. Accidental
v.
Quota

2.

Random:
i.
Simple Random Sampling (SRS)
Undi / tabel / komputer (epitable)
ii.
Stratified sampling
iii. Cluster Sampling
iv. Multistage
v.
PPS (Probability Proportionate to Size)

P O P U LAS I

Stratified
Sampling

Strata 1

Strata 2

Strata 3

S
T
R
A
T
I
F
I
K
A
S
I

Antar strata Heterogen

Dalam strata homogen

P O P U LAS I

Cluster
Sampling

Cluster 1

Cluster 2

Cluster 3

Antar cluster Homogen

Dalam cluster heterogen

CLUSTER

Contoh pemilihan secara PPS:

Misalnya 1 Desa terdiri dari 6 RW (45 RT) dimana:
RW 01 = 10 RT; RW 02 = 8 RT; RW 03 = 6 RT;
RW 04 = 9 RT;
RW 05 = 7 RT; RW 06 = 5 RT

Jika ingin dipilih 30 RT dari 45 RT secara PPS maka

Dari RW 01 terpilih: 10/45 x 30 cluster = 6,6 7 RT
Dari RW 02 terpilih: 8/45 x 30 = 5,3 5 RT
Dari RW 03 terpilih: 6/45 x 30 = 4 RT
Dari RW 04 terpilih: 9/45 x 30 = 6 RT
Dari RW 05 terpilih: 7/45 x 30 = 4,6 5 RT
Dari RW 06 terpilih: 5/45 x 30 = 3,3 3 RT

Var. bebas Var. tgantung

1.

Var. bebas:
= Var. independent
= Exposure untuk penelitian observasional
= Intervensi untuk penelitian eksperimental
Mrpk fk risiko atau sesuatu yg diduga sbg penyebab

2.

Var. tergantung:
= Var. dependent
= Outcome
Mrpk penyakit atau sesuatu yg diduga sbg akibat

Penelitian
Var. independent Var. dependent
(sebab/exposure) akibat/outcome
Contoh:
Kebiasaan merokok CA Paru
CA Paru

Tdk CA Paru

Merokok

Tdk Merokok

Uji statistik utk analisis bivariat

Var. Dep
Katagorik

Var. Dep
Numerik

Var. Indep
Katagorik

Chi Square

t test /
Anova

Var. Indep
Numerik

t test /
Anova

Korelasi (Pearson)
/ Regresi

Latihan
Apakah ada hubungan antara tingkat kepuasan
pasien (Y/T) dengan jenis kelamin pasien ?
Apakah ada hubungan antara kebiasaan ibu
merokok (Y/T) dengan berat bayi yang
dilahirkannya ?
Apakah ada hubungan antara penghasilan per
bulan dengan tingkat pendidikan responden
(rendah, sedang, tinggi) ?
Apakah ada hubungan antara frekuensi
kunjungan ANC bumil dengan kadar Hb-nya ?

Contoh Perhitungan

460 orang ikut percobaan efektifitas vaksin

Hepatitis B : 240 org mdp vaksin sdgkan 220 org
lainnya mdp plasebo.
20 org pd klmpk yg mdp vaksin dan 80 org pd
klmpk yg mdp plasebo kmd diket menderita
Hepatitis B.
Apakah tdp asosiasi statistik antara vaksinasi
Hepatitis B dan kejadian Hepatitis B?

Vaksinasi

Skt Hep B

Tdk Hep B

Total

Placebo

80 (a)

140 (b)

220 (a+b)

Hepatitis B

20 (c)

220 (d)

240 (c+d)

Total

100 (a+c)

360 (b+d)

460 (N)

H0: Tidak ada hubungan yang bermakna antara

vaksinasi Hep B dengan kejadian Hepatitis B
df = (b-1) (k-1) = (2-1) (2-1) = 1
Pada df = 1 dgn tingkat kemaknaan = 0,05 maka batas
penolakan 2 = 3,841 (lihat tabel 2)
Maka H0 ditolak jk 2 >3,841 (p-value <0,05) atau
gagal ditolak jk 2 <3,841 (p-value >0,05)

H0

Rumus perhitungan Chi-Square

2
(O

E)
2 =
E

2
N
(ad

bc)
2 =
(a+b)(c+d)(a+c)(b+d)

Dengan Koreksi Yate

2 =

2 =

{ l O E l 0,5 }2
E

N { l ad bc l 0,5N }2
(a+b)(c+d)(a+c)(b+d)

Set

(O E)2/E

1 (a)

80

(80+20)(80+140)/460
= 47,83

(80 47,83)2 / 47,83

= 21,64

2 (b)

140

360 x 220 / 460 =

172,17

6,01

3 (c)

20

100 x 240 / 460 =

52,17

19,84

4 (d)

220

360 x 240 / 460 =

187,83

5,51

460

2 = 53,00

Karena 2 = 53 > batas penolakan (2 = 3,841) maka H0 ditolak

Terdapat hubungan yang bermakna (p-value < 0,0005)
antara vaksinasi Hep B dgn kejadian Hepatitis B

Macam Statistik
1. Deskriptif menjelaskan variable yang diteliti
tanpa melakukan generalisasi ke populasi
2. Analitik / Induktif / Inferensial
menyimpulkan secara umum.
Syaratnya :
Sample harus representatif
Jumlah harus cukup
Tehnik pengambilan sample harus benar

Statistik Analitik
Uji Hipotesis :
i.

Menetapkan hipotesis :
i. Ho : TIDAK ada hub / pbedaan yg bmakna
ii. Ha dalam proposal penelitian yg ditulis adalah
Ha tapi yg diuji adalah Ho
ii. Memilih uji statistik : mencari p-value
iii. Menentukan batas kemaknaan (level of
significance) : = 0,05
iv. Keputusan : bandingkan p-value dgn
p-value < : Ho ditolak
p-value > : Ho gagal ditolak (diterima)

Pertimbangan adanya kausalitas

1.

Asosiasi statistik
Uji hipotesis (p-value)
Bermakna/tidaknya suatu uji statistik tergantung
jumlah sampel

2.

Asosiasi epidemiologik
Hills Criteria of Causality
Kuat/tidaknya suatu asosiasi epidemiologik
tergantung besar/kecilnya bias (internal validity)

Statistical representativeness based on sampling vs

biological representativeness based on scientific
knowledge

BUKU RUJUKAN
1. Budiarto E. Biostatistika, untuk kedokteran
dan kesehatan masyarakat. EGC, 2001.
2. Sastroasmoro S, Ismael S. Dasar-dasar
metodologi penelitian klinis. Edisi ke-3.
Jakarta: Binarupa Aksara, 2008.