› Kampus & Jurusan
Desain Penelitian Skripsi Kesehatan: Cross-Sectional, Case-Control, atau Kohort?
Tim Editor Metodologi Jokify · Terbit

Desain penelitian skripsi kesehatan menentukan siapa yang diteliti, kapan paparan dan hasil kesehatan diukur, dan kesimpulan apa yang boleh ditarik. Gunakan cross-sectional untuk potret satu periode, case-control untuk outcome (hasil kesehatan) yang jarang dengan memulai dari kasus, dan kohort untuk mengikuti kelompok dari paparan sampai kejadian baru. Ukuran asosiasinya ikut berbeda: prevalence ratio (PR) atau prevalence odds ratio (POR), odds ratio (OR), dan risk ratio (RR). Semua contoh di artikel ini bersifat hipotetis untuk pembelajaran, bukan nasihat klinis atau protokol siap pakai.
Perbandingan Singkat Tiga Desain
| Aspek | Cross-sectional | Case-control | Kohort |
|---|---|---|---|
| Titik awal | Sampel dari populasi | Kasus (outcome +) dan kontrol (outcome −) | Kelompok terpapar dan tidak terpapar |
| Arah penelusuran | Paparan dan outcome diukur pada satu periode | Dari outcome mundur ke riwayat paparan | Dari paparan maju ke outcome |
| Ukuran asosiasi | PR atau POR | OR | RR (insidens kumulatif) atau rasio laju |
| Kelebihan | Ringkas, cocok untuk prevalensi | Efisien untuk outcome jarang | Urutan waktu paling jelas |
| Risiko utama | Arah hubungan sulit dipastikan | Bias pemilihan kontrol dan ingatan | Kehilangan peserta (loss to follow-up) |
Tabel ini hanya peta awal; definisi variabel, kualitas sumber data, akses peserta, serta arahan pembimbing dan komite etik tetap menentukan kelayakan. Mahasiswa Keperawatan dan Kesehatan Masyarakat sama-sama dapat memakai desain observasional, tetapi konteks pelayanan, populasi, dan sumber datanya berbeda.
Mulailah dari pertanyaan, bukan dari nama desain. Menurut CDC Field Epidemiology Manual (Jackson & Griffin, 2024), studi analitik umumnya dipakai untuk menguji hipotesis, bukan membangkitkannya. Tuliskan empat unsur sebelum membuka rumus:
- Populasi: siapa yang menjadi sasaran penelitian?
- Paparan: faktor apa yang diduga berhubungan dengan hasil kesehatan?
- Outcome: kondisi atau kejadian apa yang akan diukur?
- Waktu: apakah Anda hanya memerlukan gambaran saat ini, atau perlu memastikan paparan mendahului outcome?
Topik "konsumsi kafein dan kualitas tidur mahasiswa" belum menentukan desain. Anda perlu memutuskan apakah ingin mengukur prevalensi, membandingkan riwayat paparan, atau mengikuti peserta untuk melihat munculnya outcome baru.
Cross-Sectional: Potret Satu Periode
Penelitian cross-sectional mengukur paparan dan outcome pada satu titik atau satu periode pengamatan, sehingga lazim dipakai untuk memperkirakan prevalensi dan menilai hubungan awal antarfaktor. "Satu periode" tidak berarti semua data dikumpulkan pada hari yang sama: pengumpulan boleh berlangsung beberapa minggu selama setiap peserta dinilai sebagai bagian dari satu potret dan tidak diikuti untuk mengamati kejadian baru. Contohnya, Anda mengukur durasi penggunaan layar dan kualitas tidur mahasiswa pada semester berjalan. Data dapat menunjukkan hubungan pada sampel, tetapi belum memastikan bahwa penggunaan layar menyebabkan gangguan tidur.
Ukuran asosiasi yang lazim adalah PR, yaitu prevalensi outcome pada kelompok terpapar dibagi prevalensi pada kelompok tidak terpapar, atau POR, yaitu odds ratio yang dihitung dari data prevalensi. Thompson dkk. (1998) menyimpulkan bahwa PR sebaiknya dipakai daripada POR, dan bila PR > 1, POR selalu lebih besar daripada PR. Barros dan Hirakata (2003) menunjukkan bahwa regresi Cox atau Poisson dengan varians robust dan regresi log-binomial memberi estimasi PR yang benar bila modelnya dispesifikasi dengan tepat, sehingga menjadi alternatif bagi regresi logistik.
Batas Interpretasi Cross-Sectional
Paparan mungkin mendahului outcome, tetapi bisa pula sebaliknya; masalah ini disebut reverse causation. Pemilihan peserta yang tidak mewakili populasi, nonrespons, dan kesalahan laporan mandiri juga menimbulkan bias. Karena itu jelaskan populasi sumber, cara rekrutmen, periode pengukuran, dan kualitas instrumen, serta hindari klaim sebab-akibat hanya karena asosiasi statistik ditemukan.
Case-Control: Mulai dari Outcome
Penelitian case-control memilih kasus (peserta dengan outcome) dan kontrol (peserta tanpa outcome), lalu membandingkan riwayat paparan kedua kelompok. Desain ini patut dipertimbangkan ketika outcome relatif jarang, masa laten panjang, atau mengikuti kelompok besar sejak awal tidak realistis.
Misalnya, Anda menilai hubungan riwayat paparan asap tertentu dengan kondisi pernapasan yang telah didiagnosis. Kasus dan kontrol dipilih dari populasi layanan yang sama, lalu riwayat paparan ditelusuri memakai jendela waktu dan sumber informasi yang telah ditetapkan. Karena peneliti yang menentukan jumlah kasus dan kontrol, studi case-control umumnya tidak menghitung insidensi atau RR secara langsung; ukuran yang lazim adalah OR. Bias utamanya berasal dari pemilihan kontrol yang keliru, ingatan peserta, dan perbedaan kelengkapan catatan.
Pilih Kontrol dari Populasi Sumber
Kontrol tidak boleh dipilih hanya karena mudah ditemukan. Secara konsep, mereka harus mencerminkan populasi sumber tempat kasus berasal dan berpeluang menjadi kasus jika mengalami outcome; CDC menempatkan keputusan ini sebagai bagian penting desain case-control (Jackson & Griffin, 2024). Pencocokan (matching) dapat mengendalikan faktor tertentu, tetapi data hasil matching memerlukan analisis yang sesuai. Tetapkan definisi kasus, kriteria kontrol, jendela paparan, dan rencana matching sejak protokol; teknik memilih peserta dibahas di artikel teknik sampling penelitian.
Kohort: Dari Paparan ke Outcome
Penelitian kohort mengelompokkan peserta berdasarkan status paparan, lalu membandingkan kejadian outcome. Arah dari paparan menuju hasil membuat urutan waktu lebih jelas daripada cross-sectional. Kohort layak ketika paparan harus terukur sebelum outcome, Anda ingin menghitung kejadian baru, dan tersedia populasi atau rekam longitudinal yang memadai.
Sebagai contoh, peserta dikelompokkan berdasarkan pola kerja pada awal masa praktik, dipastikan belum memiliki outcome sesuai definisi, lalu diukur kembali pada akhir periode. Kejadian baru dibandingkan antarkelompok sebagai RR, atau sebagai rasio laju bila lama pengamatan tiap peserta berbeda. Faktor perancu seperti usia, beban kerja, dan kondisi awal tetap perlu diperhatikan.
Kohort Prospektif dan Retrospektif
Pada kohort prospektif, peserta diukur pada awal penelitian lalu diikuti ke depan. Pada kohort retrospektif, paparan dan outcome sudah terjadi, tetapi catatan masa lalu dipakai untuk membentuk kelompok berdasarkan paparan lalu menelusuri hasil setelahnya. Istilah "retrospektif" tidak otomatis berarti case-control: pembedanya adalah titik awal pemilihan peserta, yaitu outcome pada case-control, sedangkan kohort dimulai dari paparan atau keanggotaan kelompok.
Kohort prospektif rentan terhadap loss to follow-up; jika peserta yang keluar berbeda dari yang bertahan, hasil menjadi bias. Kohort retrospektif sering menghadapi catatan yang tidak lengkap, definisi variabel yang berubah, atau waktu pengukuran yang tidak konsisten.
Tabel 2×2: Menghitung PR, POR, OR, dan RR
Semua ukuran asosiasi di atas dihitung dari tabel 2×2 berikut.
| Status paparan | Outcome (+) | Outcome (−) |
|---|---|---|
| Terpapar (+) | a | b |
| Tidak terpapar (−) | c | d |
Rumusnya:
PR atau RR = [a / (a + b)] / [c / (c + d)]
POR atau OR = (a × d) / (b × c)
SE ln(OR) = √(1/a + 1/b + 1/c + 1/d)
SE ln(RR) = √(1/a − 1/(a + b) + 1/c − 1/(c + d))
CI 95% = exp[ln(ukuran) ± 1,96 × SE]
Data ilustrasi (fiktif) untuk latihan, memakai topik kafein tinggi dan kualitas tidur buruk:
| Desain | a / b / c / d | Ukuran | Hasil (CI 95%) |
|---|---|---|---|
| Cross-sectional (n = 200) | 44 / 36 / 36 / 84 | PR dan POR | PR = 1,83 (1,31–2,57); POR = 2,85 (1,58–5,14) |
| Case-control (100 kasus, 100 kontrol) | 62 / 38 / 38 / 62 | OR | OR = 2,66 (1,50–4,71) |
| Kohort (n = 300, enam bulan) | 45 / 105 / 24 / 126 | RR | RR = 1,88 (1,21–2,91); selisih risiko 14,0 poin persentase |
Cara membacanya:
- Cross-sectional: prevalensi tidur buruk 55,0% (44 dari 80) pada kelompok kafein tinggi dan 30,0% (36 dari 120) pada kelompok kafein rendah, sehingga PR = 1,83, artinya prevalensinya 1,83 kali. CI 95% (1,31–2,57) tidak memuat 1, jadi asosiasinya bermakna secara statistik pada α 0,05. POR (2,85) lebih besar daripada PR karena outcome-nya umum.
- Case-control: kafein tinggi ditemukan pada 62 dari 100 kasus dan 38 dari 100 kontrol, sehingga OR = 2,66, artinya odds paparan pada kasus 2,66 kali odds paparan pada kontrol. Jumlah kasus dan kontrol ditetapkan peneliti, jadi prevalensi, insidens, dan RR tidak dapat dihitung dari tabel ini.
- Kohort: insidens gangguan tidur dalam enam bulan 30,0% (45 dari 150) pada kelompok terpapar dan 16,0% (24 dari 150) pada kelompok tidak terpapar, sehingga RR = 1,88 dan selisih risiko 14,0 poin persentase. Pada data yang sama OR = 2,25 (CI 95% 1,29–3,94), lebih besar daripada RR karena outcome tidak jarang. OR baru mendekati RR bila outcome jarang: 1,0% berbanding 0,5% memberi RR = 2,00 dan OR = 2,01.
Asosiasi bukan bukti sebab-akibat. Perancu seperti usia, jenis kelamin, atau beban kuliah tetap perlu dikendalikan melalui desain (pembatasan, matching) atau analisis multivariat.
Di IBM SPSS Statistics, buka Analyze > Descriptive Statistics > Crosstabs, masukkan paparan ke Row(s) dan outcome ke Column(s), klik Statistics, lalu centang Chi-square dan Risk. Tabel Risk Estimate memuat Odds Ratio dan dua baris berawalan "For cohort", satu untuk tiap kategori outcome. Baca baris untuk kategori outcome yang ada (misalnya "For cohort Outcome = 1") sebagai RR atau PR sesuai desain Anda, beserta CI 95%. SPSS membandingkan baris pertama dengan baris kedua menurut urutan kode, jadi beri kode paparan 1 = terpapar dan 2 = tidak terpapar (dan outcome 1 = ada, 2 = tidak ada) agar hasilnya tidak terbalik; bila hanya kode paparan yang terbalik, ambil kebalikannya. Untuk OR yang disesuaikan perancu, gunakan regresi logistik; untuk PR atau RR yang disesuaikan, gunakan regresi Poisson dengan varians robust atau regresi Cox (Barros & Hirakata, 2003).
Memilih Desain: Tabel Keputusan dan Contoh
Tabel Keputusan Berdasarkan Kebutuhan
| Kondisi penelitian | Desain yang layak dipertimbangkan |
|---|---|
| Tujuan utama mengukur prevalensi saat ini | Cross-sectional |
| Paparan dan outcome hanya tersedia dalam satu periode | Cross-sectional |
| Outcome jarang dan kasus dapat diidentifikasi | Case-control |
| Populasi sumber ada, tetapi tidak realistis diikuti seluruhnya | Case-control |
| Perlu mengukur kejadian baru setelah paparan | Kohort |
| Rekam longitudinal memiliki urutan waktu yang jelas | Kohort retrospektif |
| Peneliti sendiri memberikan intervensi | Desain eksperimental atau quasi-eksperimen; bahas dengan pembimbing |
Satu pertanyaan dapat diteliti dengan lebih dari satu desain. Pilihan itu mengubah kebutuhan data, ukuran asosiasi, risiko bias, dan kekuatan interpretasi.
Satu Topik, Tiga Desain
Topik hipotetis "konsumsi kafein dan kualitas tidur mahasiswa" dapat diteliti dengan ketiga desain, tetapi cara memilih peserta, sumber bias, ukuran asosiasi, dan batas kesimpulannya berbeda.
| Desain | Cara peserta dipilih dan diukur | Contoh judul (fiktif) |
|---|---|---|
| Cross-sectional | Sampel mahasiswa; kafein dan kualitas tidur diukur pada satu periode | "Hubungan Konsumsi Kafein dengan Kualitas Tidur Mahasiswa Fakultas Kesehatan: Studi Cross-Sectional" |
| Case-control | Mahasiswa dengan tidur buruk (kasus) dan tidur baik (kontrol); riwayat kafein ditelusuri | "Konsumsi Kafein sebagai Faktor Risiko Kualitas Tidur Buruk pada Mahasiswa: Studi Case-Control" |
| Kohort | Mahasiswa dengan tidur baik diukur kafeinnya di awal, lalu diikuti enam bulan | "Konsumsi Kafein dan Kejadian Gangguan Tidur pada Mahasiswa: Studi Kohort Prospektif" |
Validitas case-control sangat bergantung pada pemilihan kontrol dan ketepatan ingatan paparan, sedangkan kohort memerlukan pengamatan lanjutan dan penanganan peserta yang keluar. Hasil dan batas klaimnya berbeda walaupun topiknya sama.
Peta Bias dan Kesalahan Umum
| Desain | Risiko utama | Pengendalian awal |
|---|---|---|
| Cross-sectional | Seleksi, nonrespons, kesalahan ukur, reverse causation | Tetapkan populasi, rekrutmen, periode, dan instrumen |
| Case-control | Kontrol keliru, bias ingatan, kualitas data berbeda | Samakan definisi serta cara mengukur paparan |
| Kohort | Loss to follow-up, perubahan paparan, catatan tidak lengkap | Tetapkan tindak lanjut dan waktu pengukuran |
| Semua desain | Confounding | Identifikasi perancu dari teori dan literatur |
Bias bukan sekadar isi bagian keterbatasan setelah penelitian selesai. Pemetaan sejak proposal dapat mengubah pemilihan peserta, instrumen, jadwal, dan teknik analisis. Beberapa kekeliruan yang perlu dihindari:
- Menyebut kohort hanya karena data berasal dari masa lalu, padahal titik awal peserta dan urutan waktu belum dijelaskan.
- Menyebut case-control hanya karena ada dua kelompok, padahal kelompok belum tentu dipilih berdasarkan outcome.
- Menyimpulkan sebab-akibat dari cross-sectional, padahal arah waktunya tidak dapat dipastikan.
- Memilih kontrol karena mudah dijangkau, padahal mereka mungkin bukan bagian populasi sumber.
- Menafsirkan OR sebagai "berisiko sekian kali" pada outcome yang umum, padahal OR melebih-lebihkan RR.
- Menentukan uji statistik sebelum desain, padahal makna analisis mengikuti cara peserta dipilih.
- Menganggap rekam medis bebas digunakan, padahal data kesehatan tetap memerlukan tata kelola etik.
Etik, Rekam Medis, dan Data Pribadi
Penelitian kesehatan dapat melibatkan data sensitif, rekam medis, atau peserta rentan. Kelayakan teknis tidak otomatis berarti penelitian layak secara etik.
Persetujuan Etik (Ethical Clearance)
Penelitian yang melibatkan manusia, data pasien, atau rekam medis memerlukan persetujuan etik (ethical clearance) sebelum data dikumpulkan. Persetujuan itu biasanya diterbitkan oleh Komite Etik Penelitian Kesehatan (KEPK) di kampus, fakultas, atau rumah sakit tempat Anda meneliti, jadi ikuti pedoman, formulir, dan jadwal telaah KEPK tersebut sejak awal. Di tingkat nasional, Permenkes Nomor 75 Tahun 2020 membentuk Komite Etik Penelitian dan Pengembangan Kesehatan Nasional (KEPPKN) yang membantu Menteri membina dan menegakkan etik penelitian kesehatan (Pasal 1 dan 2). Peraturan yang sama mewajibkan komite etik penelitian kesehatan terakreditasi dan menyatakan bahwa akreditasinya hanya dapat dilakukan oleh Kementerian Kesehatan (Pasal 5), sehingga ada baiknya Anda menanyakan apakah KEPK yang dituju sudah terakreditasi. Informasi KEPPKN tersedia di situs KEPPKN. Acuan internasionalnya antara lain pedoman WHO (WHO, 2011) tentang telaah etik penelitian kesehatan.
Rencana Anda perlu membahas:
- persetujuan etik sesuai kebijakan institusi;
- proses informed consent atau dasar sah penggunaan data sekunder;
- pengumpulan data seminimal mungkin sesuai tujuan;
- perlindungan identitas dan kerahasiaan peserta;
- pembatasan akses, masa simpan, serta pemusnahan data;
- risiko psikologis, sosial, atau fisik, dan perlakuan yang adil terhadap kelompok rentan.
Data Pribadi dan Rekam Medis
UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menggolongkan data dan informasi kesehatan, serta data anak, sebagai data pribadi yang bersifat spesifik (Pasal 4 ayat 2). Pemrosesan data pribadi memerlukan dasar yang sah, salah satunya persetujuan yang sah secara eksplisit dari subjek data untuk tujuan tertentu (Pasal 20 ayat 2 huruf a). Masa penyesuaian dua tahun sejak undang-undang itu diundangkan pada 17 Oktober 2022 sudah lewat, jadi rancang lembar informed consent yang menjelaskan tujuan, data yang diambil, penyimpanan, dan hak menarik diri.
Jika Anda memakai rekam medis sebagai data sekunder, Permenkes Nomor 24 Tahun 2022 tentang Rekam Medis mengatur pembukaan isinya. Pembukaan isi rekam medis untuk pendidikan dan penelitian tanpa persetujuan pasien dilakukan tanpa membuka identitas pasien (Pasal 35 ayat 1 huruf e dan ayat 2), diminta oleh pihak atau institusi yang berwenang (Pasal 35 ayat 3), dan memerlukan persetujuan Menteri (Pasal 36 ayat 1). Cara fasilitas pelayanan kesehatan menerapkan ketentuan ini dapat berbeda, sehingga tanyakan sejak awal prosedur resminya kepada bagian rekam medis, komite etik, dan pembimbing. Jangan menyalin data pasien tanpa izin tertulis.
Anonimisasi bukan hanya menghapus nama: kombinasi umur, lokasi, diagnosis, dan karakteristik lain dapat memungkinkan identifikasi ulang. Pertahankan terapi dan layanan peserta; intervensi klinis untuk kepentingan skripsi hanya dapat dilakukan dengan kewenangan, supervisi, dan persetujuan etik yang sesuai.
Sampel, Analisis, dan Pelaporan
Jumlah subjek dihitung setelah desain dipilih, karena rumusnya berbeda antardesain. Untuk cross-sectional deskriptif dengan populasi tidak diketahui, rumus Cochran (1977), yang di Indonesia dikenal sebagai rumus Lemeshow, memberi 385 responden pada proporsi 0,5 dan presisi 5%. Studi analitik yang membandingkan proporsi, OR, atau RR memerlukan rumus beda dua proporsi (Lemeshow dkk., 1990) atau analisis daya; rumus dan contoh lengkapnya ada di artikel cara menghitung ukuran sampel.
Analisisnya mengikuti desain dan skala data. Uji chi-square atau uji Fisher dipakai untuk hubungan dua variabel kategorik, tetapi ia hanya metode analisis dan kerap keliru disebut sebagai desain penelitian. Uji statistik juga tidak dapat memperbaiki cara pemilihan peserta atau urutan waktu yang keliru.
Setelah desain dipilih, gunakan daftar periksa STROBE (von Elm dkk., 2007) untuk memeriksa kelengkapan pelaporan; STROBE menyediakan daftar periksa terpisah untuk kohort, case-control, dan cross-sectional. Daftar periksa pelaporan tidak menggantikan perencanaan desain, konsultasi metodologi, atau peninjauan etik.
Desain Lain yang Sering Dipertimbangkan
- Studi ekologis: unit analisisnya kelompok atau wilayah, bukan individu.
- Laporan kasus dan rangkaian kasus: mendeskripsikan kasus tanpa kelompok pembanding.
- Nested case-control: case-control yang kasus dan kontrolnya dipilih dari dalam suatu kohort.
- Eksperimen dan quasi-eksperimen: peneliti yang memberikan intervensi; logika kelompok pembanding dan analisis selisih hasilnya dibahas di artikel metode skripsi pendidikan.
Langkah Berikutnya
Tuliskan satu paragraf pembenaran desain di Bab 3: pertanyaan, populasi, paparan, outcome, waktu, ukuran asosiasi, dan bias utama beserta pengendaliannya. Paragraf itu memudahkan pembimbing dan komite etik menilai kelayakan rancangan, dan membantu Anda menjawab penguji yang bertanya mengapa bukan kohort. Ketiganya adalah desain observasional dalam pendekatan kuantitatif; perbedaannya dengan pendekatan kualitatif dan mixed method dibahas di penelitian kuantitatif vs kualitatif. Susun populasi, variabel, prosedur, dan analisis mengikuti panduan metodologi Bab 3. Jika skripsi Anda berupa sistem informasi layanan kesehatan, metode pembuatannya dibahas di metode pengembangan sistem.
Jika pilihan desain, ukuran asosiasi, dan analisis masih sulit diselaraskan, Anda dapat memakai bimbingan metodologi untuk menguji konsistensinya bersama mentor tanpa menggantikan keputusan akademik pembimbing, agar Anda tetap memahami setiap langkahnya dan siap mempertahankannya saat sidang.
Pertanyaan yang Sering Diajukan
Apa beda cross-sectional dan case-control?
Pada cross-sectional, peneliti mengambil sampel dari populasi tanpa memandang status outcome, lalu mengukur paparan dan outcome pada periode yang sama. Pada case-control, peneliti memilih peserta berdasarkan status outcome, yaitu kasus dan kontrol, lalu menelusuri riwayat paparan. Karena itu cross-sectional dapat menghitung prevalensi, sedangkan case-control tidak, dan ukuran asosiasi utama case-control adalah OR.
Kapan memakai OR, PR, atau RR?
Pakai OR untuk case-control, RR untuk kohort, dan PR untuk cross-sectional, terutama bila outcome umum. POR juga dapat dilaporkan pada cross-sectional, tetapi nilainya cenderung lebih besar daripada PR. Pada kohort atau cross-sectional dengan outcome umum, OR melebih-lebihkan RR atau PR, jadi jangan menafsirkannya sebagai risiko sebesar itu.
Apakah skripsi kesehatan wajib memiliki ethical clearance?
Banyak kampus dan rumah sakit mensyaratkan persetujuan etik untuk penelitian yang melibatkan manusia atau data pasien, termasuk skripsi. Kewajiban pastinya ditentukan oleh kebijakan institusi dan komite etik yang menelaah rencana Anda. Sebagian penelitian berisiko minimal dapat dibebaskan dari telaah penuh, tetapi keputusan itu diambil komite, bukan peneliti.
Apakah cross-sectional bisa membuktikan sebab-akibat?
Tidak. Paparan dan outcome diukur pada periode yang sama sehingga urutan waktunya tidak dapat dipastikan, dan hubungan yang ditemukan mungkin berbalik arah atau dipengaruhi perancu. Hasilnya cukup untuk menyatakan adanya asosiasi pada sampel dan menghasilkan hipotesis untuk penelitian lanjutan.
Berapa sampel minimal untuk case-control dan kohort?
Tidak ada angka tunggal. Kebutuhan sampel bergantung pada ukuran asosiasi yang ingin dideteksi, proporsi paparan pada kelompok pembanding, tingkat kemaknaan, dan daya yang diinginkan. Menambah jumlah kontrol per kasus meningkatkan daya, tetapi manfaatnya makin kecil setelah beberapa kontrol per kasus; hitung dengan rumus Lemeshow dkk. atau perangkat lunak analisis daya, lalu konsultasikan dengan pembimbing.
Referensi
- Barros, A. J. D., & Hirakata, V. N. (2003). Alternatives for logistic regression in cross-sectional studies: An empirical comparison of models that directly estimate the prevalence ratio. BMC Medical Research Methodology, 3, Article 21. https://doi.org/10.1186/1471-2288-3-21
- Cochran, W. G. (1977). Sampling techniques (3rd ed.). Wiley.
- Jackson, B. R., & Griffin, P. M. (2024). Designing and conducting analytic studies in the field. In CDC field epidemiology manual. Centers for Disease Control and Prevention. https://www.cdc.gov/field-epi-manual/php/chapters/design-conduct-analyze-field-studies.html
- Kementerian Kesehatan Republik Indonesia. (t.t.). Komite Etik Penelitian dan Pengembangan Kesehatan Nasional [Situs web]. https://kepkn.kemkes.go.id/
- Lemeshow, S., Hosmer, D. W., Klar, J., & Lwanga, S. K. (1990). Adequacy of sample size in health studies. Wiley.
- Peraturan Menteri Kesehatan Nomor 24 Tahun 2022 tentang Rekam Medis (Berita Negara Republik Indonesia Tahun 2022 Nomor 829). https://peraturan.go.id/files/bn829-2022.pdf
- Peraturan Menteri Kesehatan Nomor 75 Tahun 2020 tentang Komite Etik Penelitian dan Pengembangan Kesehatan Nasional (Berita Negara Republik Indonesia Tahun 2020 Nomor 1289). https://peraturan.go.id/files/bn1289-2020.pdf
- STROBE Initiative. (t.t.). STROBE checklists. https://www.strobe-statement.org/checklists/
- Thompson, M. L., Myers, J. E., & Kriebel, D. (1998). Prevalence odds ratio or prevalence ratio in the analysis of cross sectional data: What is to be done? Occupational and Environmental Medicine, 55(4), 272–277. https://doi.org/10.1136/oem.55.4.272
- Undang-Undang Republik Indonesia Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. https://peraturan.go.id/id/uu-no-27-tahun-2022
- von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. https://doi.org/10.1016/S0140-6736(07)61602-X
- World Health Organization. (2011). Standards and operational guidance for ethics review of health-related research with human participants. https://www.who.int/publications/i/item/9789241502948


