Nelitipedia Sampul
Buku Ajar Bergambar · Edisi Interaktif

Nelitipedia

Bagaimana Cara Melakukan Penelitian?

Semua jenis penelitian, dari kuantitatif, kualitatif, dan mixed methods sampai rancangan percobaan, tinjauan pustaka, evaluasi, humaniora, dan hukum, disajikan sebagai contoh lengkap dari judul sampai daftar pustaka (termasuk SPSS dan SEM-PLS). Semuanya dibawakan lewat kisah Rara yang meneliti gawai dan tidur remaja, dan diikat oleh satu benang merah.

SMP–SMAS1 · SkripsiS2–S3 · Tesis & Disertasi
Penulis
dr. Rachmat Hidayat, M.Sc, PhDBagian Biologi Kedokteran, Fakultas Kedokteran Universitas Sriwijaya
Editor
Abdullah Hanif Hidayat
Didukung oleh
Aurumgen Academy
RaraKita ikuti sejak menyusun skripsi S1 sampai menyelesaikan disertasi S3. Penasaran, sedikit terburu-buru.
BimaAdik Rara, siswa SMP kelas 8. Suka main gawai dan tidak berhenti bertanya "kenapa?".
Prof. NuniDosen pembimbing Rara. Sabar, teliti, dan selalu menagih "benang merah"-nya.
DimasSahabat Rara dari Antropologi. Muncul di Bab 7B, lalu memimpin etnografi (Bab 30), studi etnometodologi (Bab 30A), dan photovoice (Bab 55).
Cara membaca buku ini

Setiap bab dibuka dengan komik, lalu penjelasan bertahap. Kotak berwarna membantumu memilih kedalaman:

  • Bima bertanya penjelasan paling sederhana, cocok untuk SMP–SMA
  • Penelitian Rara contoh nyata yang terus dipakai: skripsi kuantitatif (Bagian I), penelitian kualitatif (Bagian II), dan tesis mixed methods (Bagian III) S1
  • Pojok S2–S3 pendalaman: bias, perancu, analisis multivariat, pedoman pelaporan S2–S3
  • Coba sendiri kalkulator, simulasi, dan kuis yang bisa kamu klik
  • Peta bingung memilih jenis penelitian? Mulai dari Bab 60, lalu ikuti contoh lengkap yang paling dekat.

Semua data penelitian Rara adalah data simulasi untuk latihan, bukan hasil penelitian sungguhan. "SMA Negeri X" adalah nama samaran. Di proposal aslimu, tulis nama sekolah/instansi yang sebenarnya. Versi cetak (PDF) buku ini dapat diunduh di aurumgen.my.id/nelitipedia.

Prolog

Pertanyaan yang Mengganggu Tidur

Setiap penelitian lahir dari rasa penasaran. Punya Rara lahir pukul satu dini hari.

Apa itu penelitian?

Penelitian adalah upaya ilmiah untuk mengungkap suatu fenomena atau menjawab sebuah pertanyaan. Pertanyaannya bisa sesederhana "Apakah bumi itu bulat?", "Apakah daun sambiloto bermanfaat untuk mengobati sakit perut?", atau seperti milik Rara: "Apakah lama bermain gawai berhubungan dengan buruknya kualitas tidur remaja?"

Yang membuatnya ilmiah adalah caranya: jawaban dicari dengan langkah yang terencana, terukur, bisa diperiksa orang lain, dan bisa diulang. Tebakan pribadi, opini, atau "katanya" belum termasuk penelitian.

Bima bertanya

"Jadi peneliti itu kayak detektif, Kak?"
Persis! Detektif punya pertanyaan ("siapa pelakunya?"), menyusun rencana, mengumpulkan bukti, menganalisis bukti, lalu mengambil kesimpulan. Bedanya, peneliti wajib mencatat semua caranya supaya orang lain bisa mengecek dan mengulanginya.

Pertanyaanrasa penasaran Rencanametode Buktidata Analisisstatistik/tema Kesimpulanjawaban jawaban hari ini melahirkan pertanyaan baru besok
Gambar P.1 — Siklus penelitian. Titik merah adalah "benang merah" yang mengikat setiap langkah.

Metode atau metodologi?

Dua kata ini sering tertukar. Metode penelitian adalah cara yang kamu pakai untuk meneliti. Metodologi adalah ilmu yang mempelajari metode-metode penelitian. Karena itu, bab di proposalmu yang berisi cara penelitian sebaiknya diberi judul "Metode Penelitian", bukan "Metodologi Penelitian". Isinya: desain penelitian, tempat dan waktu, populasi dan sampel, variabel dan definisi operasional, cara kerja, serta analisis data.

Tiga jalan besar penelitian

Kuantitatif

Menjawab dengan angka: berapa banyak, berapa besar, adakah hubungan. Data berupa frekuensi, persentase, kadar, skor. Dianalisis dengan statistik (SPSS, STATA, dan lain-lain).

Bagian I · Bab 1–13 Eksperimen: Bagian IV Observasional analitik: Bagian V Case report & series: Bagian VI Ragam lain: Bagian VIII Kuantitatif lanjutan: Bagian IX

Kualitatif

Menjawab dengan cerita dan makna: bagaimana dan mengapa. Data berupa transkrip wawancara, catatan lapangan. Dianalisis dengan pengodean (coding) menjadi tema.

Bagian II · Bab 14–19 Contoh lengkap: Bagian VII Kualitatif, tinjauan, evaluasi: Bagian X

Mixed methods

Menggabungkan keduanya secara terencana: angka menunjukkan seberapa besar, cerita menjelaskan mengapa.

Bagian III · Bab 20–21 Contoh lengkap: Bagian VII

Di luar tiga jalan besar itu, ada penelitian humaniora, hukum, dan sosial yang bekerja dengan teks dan sumber (Bagian XI). Bingung memilih? Buka peta semua jenis penelitian di Bab 60.

Benang merah: satu tali dari judul sampai kesimpulan

"Mana benang merahnya?" adalah pertanyaan yang sering muncul saat bimbingan atau ujian skripsi, tesis, maupun disertasi. Benang merah adalah keterkaitan yang konsisten dari judul, rumusan masalah, tujuan, metode, hasil, sampai kesimpulan. Semua bagian harus fokus menjawab pertanyaan yang sama, tidak melebar ke mana-mana. Lihat bagaimana benang merah penelitian Rara mengikat setiap langkah:

  1. Judul Bab 1
    Hubungan Durasi Penggunaan Gawai dengan Kualitas Tidur pada Siswa SMA Negeri X Palembang Tahun 2026
  2. Rumusan masalah Bab 2
    3 pertanyaan: gambaran durasi gawai? gambaran kualitas tidur? adakah hubungan keduanya?
  3. Tujuan & hipotesis Bab 3
    3 tujuan khusus, cermin dari 3 rumusan. Ha: ada hubungan.
  4. Metode Bab 4–6
    Kata "Hubungan" → observasional analitik, desain cross-sectional; 108 siswa, stratified random sampling; PSQI untuk kualitas tidur.
  5. Ethical clearance Bab 7
    Protokol dinilai Komisi Etik sebelum data diambil; siswa di bawah 18 tahun memerlukan izin orang tua dan persetujuan siswa (assent).
  6. Analisis data Bab 8–9
    Univariat (tujuan 1 & 2) dan bivariat chi-square + Prevalence Ratio (tujuan 3) dengan SPSS.
  7. Hasil & pembahasan Bab 10–11
    3 tabel utama menjawab 3 tujuan; pembahasan dengan pola Fakta–Teori–Opini.
  8. Kesimpulan Bab 12
    3 kesimpulan, satu untuk setiap tujuan. Tidak kurang, tidak lebih.
  9. Daftar pustaka Bab 13
    Semua rujukan yang dikutip, rapi dalam gaya Vancouver atau Harvard lewat Mendeley.

Di mana tiap bagian tinggal dalam skripsi?

Tabel P.1 — Sistematika umum proposal dan skripsi kuantitatif
BabIsiDibahas di buku ini
BAB I PendahuluanLatar belakang, rumusan masalah, tujuan, hipotesis, manfaatBab 1–3
BAB II Tinjauan PustakaTeori, penelitian terdahulu, kerangka teori, kerangka konsepBab 6, 13
BAB III Metode PenelitianDesain, tempat & waktu, populasi & sampel, variabel & definisi operasional, instrumen, cara kerja, analisis data, etikaBab 4–9
BAB IV HasilTabel, grafik, narasi hasilBab 10
BAB V PembahasanInterpretasi, perbandingan dengan teori dan penelitian lain, keterbatasanBab 11
BAB VI Kesimpulan & SaranJawaban atas tujuan; saran yang bisa dijalankanBab 12
Daftar Pustaka & LampiranRujukan, kuesioner, surat izin, sertifikat etik, outputBab 7, 13
Skripsi kualitatif dan mixed methods memakai sistematika serupa dengan isi Bab Metode yang berbeda (Bab 16–21).

Urutan dan penamaan bab bisa berbeda di tiap kampus. Selalu ikuti buku pedoman penulisan institusimu.

Bima bertanya

"Penelitian itu cuma buat mahasiswa dan profesor, ya?"
Tidak! Siswa SMP dan SMA bisa meneliti lewat Karya Ilmiah Remaja (KIR) atau lomba penelitian. Langkahnya sama; yang berbeda hanya kedalamannya. Skripsi (S1) melatih kamu meneliti dengan benar, tesis (S2) menuntut analisis lebih tajam, dan disertasi (S3) harus menghasilkan kebaruan (novelty) bagi ilmu pengetahuan.

Intinya
  • Penelitian adalah cara ilmiah menjawab pertanyaan; metode adalah caranya, metodologi adalah ilmunya.
  • Ada tiga jalan besar: kuantitatif (angka), kualitatif (makna), dan mixed methods (keduanya terintegrasi).
  • Benang merah mengikat judul, rumusan, tujuan, metode, hasil, dan kesimpulan.
Bab 1

Judul: Alamat Lengkap Sebuah Penelitian

Judul yang baik sudah memberi tahu pembaca apa yang diteliti, pada siapa, di mana, kapan, dan bahkan desain apa yang akan dipakai.

SMP–SMAS1S2–S3

Mengapa judul penting?

Judul adalah bagian yang pertama kali dibaca penguji, pembimbing, editor jurnal, dan mesin pencari. Seperti alamat rumah, judul yang tidak lengkap membuat orang tersesat. Untuk penelitian analitik (yang mencari hubungan atau pengaruh), judul minimal memuat tiga hal wajib:

  1. Variabel independen (variabel bebas), yaitu faktor yang diduga memengaruhi.
  2. Variabel dependen (variabel terikat), yaitu hasil atau akibat (outcome) yang diamati.
  3. Populasi atau subjek penelitian, yaitu siapa yang diteliti. Lengkapi dengan tempat dan waktu.

Semua itu diawali kata kunci yang menunjukkan jenis hubungannya: umumnya "Hubungan" atau "Pengaruh".

Bedah judul Rara

Hubungan Durasi Penggunaan Gawai dengan Kualitas Tidur pada Siswa SMA Negeri X Palembang Tahun 2026
Kata kunciVariabel independen (X)Variabel dependen (Y)Populasi/subjekTempat & waktu

Kata "Hubungan" menandakan penelitian observasional: Rara hanya mengamati siswa, tidak memberi perlakuan apa pun.

Variabel independen dan dependen

Variabel penelitian adalah unit yang diukur atau dinilai hubungannya dalam sebuah penelitian. Ada dua jenis utama:

X Variabel independen (bebas)

Variabel yang berperan atau berpengaruh terhadap variabel dependen. Bisa berupa hal yang diamati (pada penelitian observasional, misalnya kebiasaan merokok) atau perlakuan/intervensi (pada eksperimen, misalnya pemberian ekstrak).

Y Variabel dependen (terikat)

Hasil, luaran, atau outcome penelitian. Nilainya "bergantung" pada variabel independen. Contoh: kualitas tidur, kejadian diabetes melitus, prestasi belajar.

Contoh: pada judul "Hubungan antara Status Gizi dengan Kejadian Diabetes Melitus", variabel independennya status gizi dan variabel dependennya kejadian diabetes melitus.

Bima bertanya

"Gimana cara gampang membedakan X dan Y?"
Bayangkan saklar dan lampu. Saklar (X) yang ditekan, lampu (Y) yang berubah menyala atau padam. Tanyakan: "Mana yang memicu, mana yang terkena akibatnya?" Yang memicu adalah X, yang terkena akibat adalah Y. Pada judul Rara, lama main gawai adalah saklarnya, kualitas tidur adalah lampunya.

Kata kunci menentukan desain

Tabel 1.1 — Kata kunci judul dan arti desainnya
Kata kunciArtinyaDesain yang sesuaiContoh
HubunganPeneliti hanya mengamati hubungan X dan YObservasional analitik (cross-sectional, case-control, cohort)Hubungan Merokok dengan Kanker Paru…
Pengaruh / EfektivitasPeneliti memberi perlakuan lalu menilai akibatnyaEksperimental (RCT, kuasi-eksperimen, pre-post)Pengaruh Senam Kaki terhadap Kadar Gula Darah…
Faktor-faktor yang Berhubungan denganBeberapa X sekaligus terhadap satu YObservasional analitik + analisis multivariatFaktor-faktor yang Berhubungan dengan Kejadian Stunting…
PerbedaanMembandingkan Y antar kelompokObservasional komparatif atau eksperimentalPerbedaan Kadar Hb Remaja Putri yang Sarapan dan Tidak…
GambaranHanya mendeskripsikan, tanpa menguji hubunganObservasional deskriptifGambaran Pola Tidur Siswa SMA…

Jangan terbalik: "Hubungan" untuk observasional, "Pengaruh" untuk eksperimental. Penelitian yang hanya menyebar kuesioner satu kali tidak bisa membuktikan "pengaruh", karena peneliti tidak memberi perlakuan apa pun.

Awas, keliru!
  • Terlalu umum. "Gawai dan Tidur Remaja": tidak jelas apa yang dihubungkan, pada siapa, di mana.
  • Tanpa populasi. "Hubungan Motivasi dengan Prestasi": motivasi siapa? Siswa SD, atlet, atau karyawan?
  • Salah kata kunci. "Pengaruh Stres terhadap Kualitas Tidur Mahasiswa" padahal hanya survei sekali waktu. Seharusnya "Hubungan".
  • X dan Y tertukar. "Hubungan Kualitas Tidur dengan Durasi Gawai" padahal yang ingin dibuktikan adalah gawai yang memengaruhi tidur. Urutan umumnya: X dulu, lalu Y.
  • Singkatan tidak baku dan kata berlebih. Hindari "Studi tentang…", "Suatu analisis…". Banyak pedoman kampus membatasi judul sekitar 15–20 kata.
Pojok S2–S3

PECO/PICO sebagai kerangka judul. Untuk penelitian observasional pakai PECO: Population (siswa SMA), Exposure (screen time ≥4 jam/hari), Comparison (screen time <4 jam/hari), Outcome (kualitas tidur buruk). Untuk eksperimen pakai PICO (Intervention). Judul yang lahir dari PECO/PICO hampir pasti lengkap.

Kriteria FINER (Hulley dkk.) untuk menilai pertanyaan penelitian: Feasible (bisa dikerjakan), Interesting, Novel, Ethical, Relevant. Disertasi S3 dituntut kuat di aspek Novel.

Judul artikel jurnal internasional sering menyebut desain di akhir, misalnya: "Screen Time and Sleep Quality among Senior High School Students in Palembang: A Cross-Sectional Study". Pedoman pelaporan STROBE menganjurkan desain disebut di judul atau abstrak.

Intinya
  • Judul analitik = kata kunci + variabel independen + variabel dependen + populasi + tempat + waktu.
  • "Hubungan" untuk observasional, "Pengaruh" untuk eksperimental.
  • X adalah pemicu, Y adalah akibatnya; tulis X lebih dulu.
Coba sendiri: periksa judul
Bab 2

Rumusan Masalah: Pertanyaan yang Ingin Dijawab

Rumusan masalah adalah inti penelitian: pertanyaan yang akan diuji atau dibuktikan. Semua langkah sesudahnya bekerja untuk menjawabnya.

SMP–SMAS1S2–S3

Dari latar belakang ke rumusan masalah

Rumusan masalah tidak muncul tiba-tiba. Ia ditulis di Bab I, setelah latar belakang. Latar belakang disusun seperti corong: dari masalah yang luas, menyempit ke lokasi penelitian, menunjukkan celah pengetahuan, lalu berujung pada pertanyaan penelitian.

1 · Masalah umum (global/nasional) Remaja di banyak negara tidur kurang dan terlambat; screen time meningkat 2 · Masalah di lokasi penelitian Studi pendahuluan: siswa SMA Negeri X banyak mengantuk di kelas 3 · Celah (gap) Belum ada data hubungan gawai–tidur di sekolah ini 4 · Rumusan masalah "Apakah terdapat hubungan…?"
Gambar 2.1 — Corong latar belakang. Setiap tingkat didukung data dan rujukan.
Penelitian Rara: studi pendahuluan

Sebelum menulis latar belakang, Rara melakukan studi pendahuluan kecil: ia bertanya kepada 20 siswa SMA Negeri X. Sebanyak 13 siswa mengaku biasa tidur lewat pukul 23.00 karena bermain gawai, dan 11 siswa sering mengantuk di kelas. (Data simulasi.) Data awal seperti ini membuat latar belakang lebih meyakinkan, karena masalahnya benar-benar ada di lokasi penelitian.

Bentuk kalimat rumusan masalah

Rumusan masalah ditulis sebagai kalimat tanya dan berisi masalah inti yang akan diuji. Pola yang umum dipakai:

Apakah terdapat hubungan antara X dengan Y pada Z?Untuk desain observasional analitik (judul memakai "Hubungan").
Apakah terdapat pengaruh X terhadap Y pada Z?Untuk desain eksperimental (judul memakai "Pengaruh").
Bagaimana gambaran/distribusi frekuensi Y pada Z?Untuk pertanyaan deskriptif, termasuk bagian deskriptif dari penelitian analitik.

Tiga rumusan masalah Rara

  1. Bagaimana distribusi frekuensi durasi penggunaan gawai pada siswa SMA Negeri X Palembang tahun 2026?

  2. Bagaimana distribusi frekuensi kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026?

  3. Apakah terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026?

Perhatikan: rumusan 1 dan 2 bersifat deskriptif (menggambarkan masing-masing variabel), sedangkan rumusan 3 bersifat analitik (menguji hubungan). Ketiganya memakai variabel dan populasi yang persis sama dengan judul. Itulah benang merah.

Awas, keliru!
  • Berupa pernyataan, bukan pertanyaan: "Kurangnya tidur pada siswa." Ubah menjadi kalimat tanya.
  • Keluar dari judul: judul tentang kualitas tidur, tetapi rumusan menanyakan prestasi belajar.
  • Terlalu luas: "Apa saja masalah remaja zaman sekarang?" Tidak bisa dijawab oleh satu penelitian.
  • Jawabannya sudah pasti atau tidak bisa diukur: "Apakah gawai itu penting?"
Pojok S2–S3

Jenis celah penelitian (research gap): celah bukti (hasil penelitian terdahulu saling bertentangan), celah populasi (belum pernah diteliti pada kelompok tertentu), celah metode (penelitian lama memakai desain lemah atau alat ukur tidak valid), dan celah teori (mekanisme belum dijelaskan). Tesis dan disertasi harus menyebutkan celahnya dengan tegas, lengkap dengan rujukan.

Bedakan outcome primer (yang menjadi dasar perhitungan besar sampel) dan outcome sekunder. Rumusan masalah utama sebaiknya mengacu pada outcome primer.

Intinya
  • Rumusan masalah adalah kalimat tanya berisi masalah inti, ditulis setelah latar belakang.
  • Latar belakang berbentuk corong: masalah umum → lokal → celah → rumusan.
  • Pola analitik: "Apakah terdapat hubungan/pengaruh X dengan/terhadap Y pada Z?"
Coba sendiri: kuis rumusan masalah
Bab 3

Tujuan dan Hipotesis: Cermin dari Rumusan

Tujuan penelitian adalah jawaban atas rumusan masalah. Jika rumusannya tiga, tujuan khususnya juga tiga, dan kesimpulannya kelak juga tiga.

SMP–SMAS1S2–S3

Rumusan bertanya, tujuan menjawab "untuk apa"

Jika rumusan masalah berbunyi "Apakah ada hubungan antara X dan Y pada kondisi Z?", maka tujuannya berbunyi "Untuk mengetahui hubungan antara X dan Y pada kondisi Z." Jika rumusannya memakai kata "pengaruh", tujuannya pun memakai kata "pengaruh". Kesesuaian judul, rumusan, dan tujuan adalah hal pertama yang diperiksa penguji.

Tujuan biasanya dibagi dua:

  • Tujuan umum: satu kalimat yang merangkum seluruh penelitian, biasanya sama dengan inti judul.
  • Tujuan khusus: rincian langkah untuk mencapai tujuan umum; satu tujuan khusus untuk setiap rumusan masalah.

Gunakan kata kerja operasional yang hasilnya bisa diperiksa: mengetahui, mengidentifikasi, mendeskripsikan, menganalisis, membandingkan. Hindari kata yang tidak terukur seperti memahami secara mendalam atau meningkatkan kesadaran untuk penelitian kuantitatif.

Matriks benang merah Rara

Arahkan kursor atau ketuk satu baris untuk melihat pasangannya menyala.

Rumusan masalah
Tujuan khusus
Dijawab dengan
1
Bagaimana distribusi frekuensi durasi penggunaan gawai pada siswa SMA Negeri X Palembang tahun 2026?
Mengetahui distribusi frekuensi durasi penggunaan gawai pada siswa SMA Negeri X Palembang tahun 2026.
Analisis univariat: frekuensi dan persentase (Tabel 10.2)
2
Bagaimana distribusi frekuensi kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026?
Mengetahui distribusi frekuensi kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026.
Analisis univariat: frekuensi dan persentase (Tabel 10.3)
3
Apakah terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026?
Menganalisis hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026.
Analisis bivariat: chi-square + Prevalence Ratio (Tabel 10.4)

Tujuan umum Rara: Mengetahui hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026.

Bima bertanya

"Kenapa harus sama jumlahnya?"
Bayangkan ujian dengan 3 soal. Kalau kamu hanya menjawab 2, nilaimu kurang. Kalau kamu menulis 5 jawaban padahal soalnya 3, dua jawaban itu tidak dinilai dan malah membingungkan guru. Rumusan masalah adalah soalnya, tujuan adalah janji untuk menjawab, dan kesimpulan adalah jawabannya.

Hipotesis: jawaban sementara

Hipotesis adalah dugaan jawaban atas rumusan masalah analitik, yang disusun berdasarkan teori dan penelitian terdahulu, lalu diuji dengan data. Penelitian yang hanya deskriptif (misalnya case report atau "Gambaran…") tidak memerlukan hipotesis.

H0 · hipotesis nol

Tidak terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang.

Ha · hipotesis alternatif

Terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang.

Uji statistik selalu "menguji H0". Jika nilai p < 0,05, H0 ditolak dan Ha diterima. Kita akan melakukannya di Bab 8 dan 9.

Manfaat penelitian

Bagian ini menjelaskan siapa yang diuntungkan: bagi ilmu pengetahuan (menambah bukti), bagi institusi (sekolah dapat menyusun aturan penggunaan gawai), bagi masyarakat atau responden (siswa dan orang tua lebih sadar pentingnya tidur), dan bagi peneliti (pengalaman meneliti). Tulis secara spesifik, jangan sekadar "bermanfaat bagi semua pihak".

Pojok S2–S3

Hipotesis satu arah atau dua arah. Ha "terdapat hubungan" bersifat dua arah (two-tailed). Ha "screen time tinggi meningkatkan risiko tidur buruk" bersifat satu arah (one-tailed) dan hanya layak dipakai bila teori sangat kuat serta arah sebaliknya mustahil. Dalam kedokteran dan kesehatan, uji dua arah adalah standar.

Hipotesis statistik dan hipotesis penelitian tidak sama. Hipotesis penelitian ditulis dalam kalimat substantif; hipotesis statistik ditulis dengan parameter, misalnya H0: PR = 1 atau H0: μ1 = μ2.

Coba sendiri: Mesin Benang Merah

Isi variabel penelitianmu sekali saja. Mesin ini menyusun judul, rumusan masalah, tujuan, hipotesis, dan desain yang saling sejalan. Hasilnya adalah kerangka awal yang tetap perlu kamu sempurnakan bersama pembimbing.

Intinya
  • Tujuan mencerminkan rumusan; jumlah tujuan khusus sama dengan jumlah rumusan.
  • Hipotesis hanya untuk penelitian analitik; uji statistik menguji H0.
  • Pakai kata kerja operasional: mengetahui, mengidentifikasi, menganalisis.
Coba sendiri: uji benang merahmu
Bab 4

Desain Penelitian: Memilih Jalan yang Tepat

Desain penelitian dijelaskan paling awal di Bab Metode. Pilihannya tidak ditebak-tebak: ia mengikuti judul, rumusan masalah, dan tujuan.

SMP–SMAS1S2–S3

Dua keluarga besar: observasional dan eksperimental

Perbedaan prinsipnya sederhana. Pada penelitian observasional, peneliti hanya mengamati. Pada penelitian eksperimental, peneliti memberi intervensi atau perlakuan kepada subjek, lalu menilai akibatnya.

Observasional · "mengamati"

Peneliti ingin mengetahui efek obat TBC terhadap kesembuhan pasien. Ia hanya mengamati pasien di puskesmas yang sudah mendapat obat TBC dari dokternya, lalu mencatat siapa yang sembuh.

Judul: Hubungan…

Eksperimental · "memberi perlakuan"

Peneliti yang sama memberikan sendiri obat TBC kepada subjek (dengan protokol yang disetujui komisi etik), lalu menilai kesembuhannya dibandingkan kelompok kontrol.

Judul: Pengaruh…

Peta desain penelitian

Klik setiap kotak untuk membaca penjelasannya. Jalur bergaris merah adalah jalur yang dipilih Rara.

Observasional kualitatif dan kuantitatif

Penelitian observasional secara garis besar terbagi dua:

  1. Observasional kualitatif: observasi dilakukan melalui wawancara mendalam atau diskusi kelompok terarah (focus group discussion). Datanya berupa naskah (transkrip) wawancara yang dianalisis dengan pengodean (coding). Jumlah sampel ditentukan dengan prinsip saturasi (jenuh): ketika jawaban antarpartisipan sudah berulang dan tidak ada informasi baru, pengumpulan data dihentikan. Dibahas lengkap di Bagian II (Bab 14–19).
  2. Observasional kuantitatif: data yang diperoleh dari pengamatan, pengukuran, atau kuesioner berupa angka: persentase, frekuensi, kadar, skor. Ada perhitungan besar sampel dan analisis data dengan perangkat lunak seperti SPSS atau STATA.

Observasional kuantitatif lalu dibagi lagi menjadi deskriptif dan analitik:

Deskriptif

Hanya menyajikan distribusi frekuensi data (analisis univariat). Tidak selalu "lebih rendah" dari analitik; ada saatnya penelitian memang perlu deskriptif, misalnya untuk kasus langka atau penyakit baru. Contoh: case report dan case series.

Analitik

Menganalisis hubungan variabel independen dan dependen (analisis bivariat dan multivariat) sehingga diperoleh nilai p dan nilai rasio (PR, OR, atau RR). Contoh: cross-sectional, case-control, dan cohort.

Case report dan case series

Keduanya termasuk observasional kuantitatif deskriptif. Ciri utamanya: semua subjek memiliki kondisi yang sama, misalnya semuanya menderita penyakit A. Tidak ada kelompok pembanding yang sehat.

Case report · n = 1 kasus unik / terapi baru Case series · n > 1 (misalnya 7 kasus) semuanya menderita penyakit yang sama · boleh uji korelasi
Gambar 4.1 — Case report dan case series. Merah = memiliki penyakit yang diteliti.
Tabel 4.1 — Case report dibandingkan case series
Case reportCase series
Jumlah kasus1Lebih dari 1
SubjekSemua dengan penyakit/kondisi yang samaSemua dengan penyakit/kondisi yang sama
Kapan dipakaiKasus unik, langka, atau tata laksana baru yang bernilai ilmiah (sering di kedokteran)Serangkaian kasus serupa, misalnya 7 kasus patah tulang panggul
StatistikTidak ada; hanya deskriptifDeskriptif; bisa uji korelasi antarvariabel pada kasus

Contoh case series analitik sederhana: peneliti ingin mengetahui korelasi kadar Short Chain Fatty Acid (SCFA) dengan keparahan penyakit SLE. Ia mengumpulkan beberapa pasien SLE, mengukur kadar SCFA-nya, lalu menilai korelasinya dengan skor keparahan SLE. Ujinya Pearson bila data numerik dan berdistribusi normal, atau Spearman bila data tidak normal atau berskala ordinal.

Contoh lengkap: case report di Bab 28 dan case series di Bab 29.

Cross-sectional, case-control, dan cohort

Ketiganya adalah desain observasional analitik yang paling sering dipakai, dan paling sering membingungkan. Kuncinya: perhatikan cara kamu menetapkan populasi dan sampel. Kita pakai contoh klasik: hubungan merokok dengan kanker paru di poliklinik penyakit dalam RS X.

Cross-sectional

Semua pasien poliklinik, sekali jepret paparan & outcome diukur bersamaan

Merah = kanker paru · batang oranye = perokok

Populasinya semua pasien poliklinik, baik yang kanker paru maupun tidak. Sampel diambil dengan rumus dan kriteria tertentu, lalu status merokok dan kanker paru dicatat pada saat yang sama. Jumlah yang sakit dan tidak sakit tidak boleh diatur; biarkan alami. Ukuran asosiasi: PR.

Case-control

Mulai dari penyakit, lihat ke belakang Masa laluSekarang KASUS · kanker KONTROL · tidak riwayat merokok? arah penelusuran: mundur (retrospektif)

Peneliti menetapkan kelompok kasus (pasien kanker paru) dan kelompok kontrol (bukan kanker paru), umumnya dengan jumlah sama atau perbandingan tertentu (1:1, 1:2). Lalu riwayat merokok ditelusuri ke belakang. Ukuran asosiasi: OR.

Cohort

Mulai dari faktor risiko, ikuti ke depan SekarangMasa depan PEROKOK BUKAN PEROKOK diikuti bertahun-tahun arah: maju (prospektif) · merah = kanker

Peneliti menetapkan kelompok dengan faktor risiko (perokok) dan tanpa faktor risiko (bukan perokok), lalu mengikuti keduanya ke depan untuk melihat siapa yang terkena kanker paru. Ukuran asosiasi: RR.

Bima bertanya

"Aku masih bingung. Ada cara gampang mengingatnya?"
Pakai kamera!

  • Cross-sectional = foto. Sekali jepret, semua terlihat pada saat yang sama. Contoh lengkap kedua ada di Bab 27.
  • Case-control = album foto lama. Mulai dari yang sudah sakit, lalu membuka album untuk melihat kebiasaannya dulu. Contoh lengkapnya ada di Bab 26.
  • Cohort = merekam video. Mulai dari kebiasaan sekarang, lalu merekam terus sampai terlihat siapa yang sakit nanti. Contoh lengkapnya ada di Bab 25.
Tabel 4.2 — Perbandingan tiga desain observasional analitik
Cross-sectionalCase-controlCohort
Titik awalSeluruh populasi (sakit + tidak sakit)Outcome: kelompok kasus dan kontrolPaparan: kelompok berisiko dan tidak
Arah waktuSatu titik waktuMundur (retrospektif)Maju (prospektif); bisa juga retrospektif dari rekam data
Proporsi sakit : tidak sakitAlami, tidak diaturDiatur (1:1, 1:2, dst.)Muncul seiring waktu
Ukuran asosiasiPR (Prevalence Ratio)OR (Odds Ratio)RR (Relative Risk)
KelebihanCepat, murah, bisa banyak variabel sekaligusCocok untuk penyakit langka; relatif cepatUrutan waktu jelas; bukti hubungan sebab–akibat paling kuat di antara ketiganya
KelemahanTidak tahu mana yang lebih dulu (paparan atau outcome)Bias mengingat (recall bias); pemilihan kontrol sulitLama, mahal, subjek bisa hilang (loss to follow-up)

Populasi dan sampel tiap desain

Penentuan populasi dan sampel sangat erat dengan desain yang dipilih:

  • Case series: populasinya semua subjek dengan penyakit tertentu di wilayah X; sampelnya sejumlah subjek dengan penyakit itu. Semua sampel sakit.
  • Cross-sectional, case-control, cohort: populasinya semua subjek, baik yang sakit maupun tidak sakit, di wilayah X. Keberadaan subjek tidak sakit inilah pembeda utama dari case series.
  • Pada cross-sectional, jumlah subjek sakit dan tidak sakit tidak diatur. Jika diatur (misalnya 50 kanker paru dan 50 tidak), desainnya sudah berubah menjadi case-control.
  • Bisa terjadi sampel cross-sectional ternyata tidak berisi subjek tidak sakit sama sekali. Jika itu terjadi, desain cross-sectional tidak bisa dijalankan dan berubah menjadi case series. Inilah pentingnya menghitung besar sampel dan memilih populasi dengan cermat (Bab 5).
Penelitian Rara: mengapa cross-sectional?

Judul Rara memakai kata "Hubungan" → observasional. Datanya berupa angka → kuantitatif. Ia ingin menguji hubungan dua variabel → analitik. Ia mengambil sampel dari seluruh siswa (yang tidurnya baik maupun buruk, yang lama maupun sebentar bermain gawai) dan mengukur keduanya pada waktu yang sama melalui satu kali pengisian kuesioner → cross-sectional. Ukuran asosiasinya adalah Prevalence Ratio (PR).

Kalimat di proposal: "Penelitian ini merupakan penelitian observasional analitik dengan desain potong lintang (cross-sectional)."

Sekilas desain eksperimental

Desain eksperimental menguji hipotesis tentang hubungan sebab–akibat: variabel independen diberi perlakuan, lalu pengaruhnya pada variabel dependen diamati dan diukur. Beberapa jenisnya:

Randomized Controlled Trial (RCT)

Subjek dibagi secara acak ke kelompok perlakuan dan kontrol (tanpa perlakuan atau plasebo). Pengacakan meminimalkan bias sehingga hasilnya bisa ditafsirkan secara kausal.

Rancangan kelompok terpisah

Separate group design: subjek dibagi ke kelompok perlakuan dan kontrol, tetapi subjek kedua kelompok tidak dipasangkan satu sama lain. Variasi hasil bisa lebih besar, namun efek perlakuan tetap bisa diukur dengan membandingkan kedua kelompok.

Kuasi-eksperimen

Dipakai bila subjek tidak bisa diacak, misalnya kelas yang sudah terbentuk atau lingkungan penelitian yang tidak bisa dikendalikan. Lebih praktis, tetapi lebih rentan bias.

Rancangan faktorial

Menguji lebih dari satu variabel independen sekaligus beserta interaksinya, misalnya jenis diet × jenis olahraga. Dianalisis dengan two-way ANOVA.

Rancangan blok teracak

Subjek dikelompokkan (diblok) berdasarkan karakteristik yang bisa mengganggu (usia, jenis kelamin, riwayat medis), lalu perlakuan diacak di dalam setiap blok.

Setiap rancangan punya kelebihan dan kekurangan. Pilihannya bergantung pada tujuan penelitian, sumber daya (waktu, biaya, jumlah subjek), dan faktor luar yang perlu dikendalikan. Tujuan utamanya selalu sama: memastikan perubahan pada variabel dependen benar-benar disebabkan oleh perlakuan, termasuk mempelajari interaksi bila ada dua variabel independen atau lebih.

Tabel 4.3 — Pre-post test dibandingkan post-test only
DesainNotasiCiri
Pretest–posttest with control groupR O₁ X O₂
R O₁ O₂
Variabel dependen diukur sebelum (baseline) dan sesudah perlakuan. Perubahan langsung akibat perlakuan terlihat jelas.
Posttest only with control groupR X O₂
R O₂
Hanya diukur sesudah perlakuan. Lebih sederhana dan singkat; mengandalkan pengacakan agar kelompok setara di awal.
One group pretest–posttestO₁ X O₂Satu kelompok, tanpa kontrol. Mudah, tetapi paling lemah dalam membuktikan sebab–akibat. Contoh lengkap: Bab 24A.

R = randomisasi, O = observasi/pengukuran, X = perlakuan.

Contoh eksperimen lengkap, dari judul, besar sampel, randomisasi, diagram CONSORT, analisis SPSS, sampai kesimpulan, ada di Bagian IV (Bab 22–24), termasuk contoh eksperimen laboratorium dengan hewan coba dan contoh lengkap kuasi-eksperimen.

Pojok S2–S3

Tiga ancaman validitas pada studi observasional:

  • Bias seleksi: cara memilih subjek membuat sampel tidak mewakili, misalnya kontrol diambil dari pasien penyakit yang juga berhubungan dengan merokok.
  • Bias informasi: salah ukur atau salah ingat (recall bias), sangat khas pada case-control.
  • Perancu (confounding): variabel ketiga yang berhubungan dengan paparan sekaligus outcome, misalnya konsumsi kafein atau stres akademik pada penelitian Rara. Dikendalikan lewat restriksi, matching, stratifikasi, atau analisis multivariat.

Ambiguitas temporal pada cross-sectional: bisa jadi siswa yang sulit tidur justru bermain gawai lebih lama (reverse causality). Karena itu kesimpulan cross-sectional adalah "berhubungan", bukan "menyebabkan".

Hierarki bukti (dari lemah ke kuat): case report → case series → cross-sectional → case-control → cohort → RCT → tinjauan sistematis dan meta-analisis (contoh lengkap: Bab 36). Laporkan studi observasional mengikuti STROBE, uji klinis mengikuti CONSORT.

Intinya
  • Observasional mengamati; eksperimental memberi perlakuan.
  • Deskriptif (case report, case series) menggambarkan; analitik (cross-sectional, case-control, cohort) menguji hubungan.
  • Desain ditentukan cara memilih subjek: potret sekali, mulai dari outcome, atau mulai dari paparan.
Coba sendiri: tebak desainnya
Bab 5

Populasi, Sampel, dan Cara Mengambilnya

Kita jarang bisa meneliti semua orang. Maka kita memilih sebagian, dengan cara yang membuat sebagian itu mewakili keseluruhan.

SMP–SMAS1S2–S3

Tempat dan waktu penelitian

Tulis dengan jelas di mana dan kapan data diambil. Contoh Rara: "Penelitian dilaksanakan di SMA Negeri X Palembang pada bulan Oktober–November 2026." Tempat dan waktu harus sama dengan yang tertulis di judul.

Populasi target, populasi terjangkau, dan sampel

Populasi target Populasi terjangkau Sampel 108 siswa Siswa SMA di Palembang kepada siapa hasilingin digeneralisasi Siswa kelas X–XIISMA Negeri X, 2026 (720 siswa) Yang memenuhi kriteriadan terpilih acak
Gambar 5.1 — Populasi dan sampel penelitian Rara.
  • Populasi target: kelompok besar yang menjadi sasaran kesimpulan.
  • Populasi terjangkau: bagian populasi target yang benar-benar bisa dijangkau peneliti (tempat dan waktu tertentu).
  • Sampel: bagian populasi terjangkau yang memenuhi kriteria dan terpilih untuk diteliti.
Bima bertanya

"Kenapa nggak semua siswa aja ditanya?"
Ingat Ibu mencicipi sayur asem. Ibu tidak perlu menghabiskan sepanci untuk tahu rasanya; sesendok sudah cukup. Tapi ada syaratnya: sayurnya diaduk dulu. Kalau tidak diaduk, bisa jadi yang tercicip hanya kuah bagian atas yang hambar. Dalam penelitian, "mengaduk" itu namanya pengambilan sampel secara acak, supaya sampel mewakili seluruh populasi.

Kriteria inklusi dan eksklusi

Kriteria inklusi

Ciri yang harus dimiliki subjek agar boleh diteliti. Rara:

  • Siswa aktif kelas X–XII SMA Negeri X tahun 2026
  • Berusia 15–18 tahun
  • Memiliki gawai pribadi (ponsel/tablet)
  • Bersedia ikut, disertai persetujuan orang tua/wali

Kriteria eksklusi

Ciri yang membuat subjek yang sudah memenuhi inklusi dikeluarkan, karena bisa mengacaukan hasil. Rara:

  • Sedang sakit yang mengganggu tidur (misalnya demam, asma kambuh)
  • Mengonsumsi obat tidur atau obat yang memengaruhi tidur
  • Tidak mengisi kuesioner dengan lengkap

Berapa besar sampelnya?

Besar sampel dihitung dengan rumus, bukan ditentukan sesukanya. Rumusnya bergantung pada desain. Yang paling sering dipakai:

Cross-sectional (proporsi tunggal, rumus Lemeshow)

n = Z²α/2 · P (1 − P) / d²Zα/2 = 1,96 untuk tingkat kepercayaan 95% (α = 5%) · P = proporsi kejadian di populasi dari penelitian sebelumnya (pakai 0,5 bila belum diketahui) · d = presisi/kesalahan yang ditoleransi (umumnya 0,05 atau 0,10)
Penelitian Rara: menghitung sampel

Rara belum menemukan data proporsi kualitas tidur buruk pada siswa di sekolah itu, jadi ia memakai P = 0,5 (nilai yang memberi sampel terbesar) dan presisi d = 0,10.

n = 1,96² × 0,5 × 0,5 / 0,10² = 3,8416 × 0,25 / 0,01 = 96,04 → 97 siswa

Untuk mengantisipasi responden yang mengundurkan diri atau kuesioner tidak lengkap, ia menambah 10%:

n akhir = n / (1 − f) = 97 / (1 − 0,10) = 107,8 → 108 siswa

Rara sengaja tidak memakai koreksi populasi terbatas agar sampelnya lebih besar dan lebih aman. Contoh perhitungan dengan koreksi populasi terbatas ada di Bab 27.

Case-control dan cohort (dua proporsi, tidak berpasangan)

n per kelompok = [ Zα/2√(2PQ) + Zβ√(P₁Q₁ + P₂Q₂) ]² / (P₁ − P₂)²P₂ = proporsi paparan pada kelompok kontrol (case-control) atau proporsi outcome pada kelompok tidak terpapar (cohort) · P₁ = proporsi pada kelompok kasus/terpapar · P = (P₁ + P₂)/2, Q = 1 − P · Zβ = 0,84 untuk power 80% (1,28 untuk 90%)

Contoh untuk kohort: insidens pada tidak terpapar P₂ = 0,15 dan RR yang ingin dideteksi 2 (P₁ = 0,30) menghasilkan 121 per kelompok, lalu ditambah cadangan loss to follow-up. Lihat Bab 25. Contoh untuk case-control dengan 2 kontrol per kasus ada di Bab 26.

Jika outcome-nya numerik (rerata), dipakai rumus dengan simpangan baku dan rasio kelompok:

n per kelompok = (r + 1)/r · SD² (Zβ + Zα/2)² / diff²r = rasio jumlah kelompok (kontrol : kasus, besar ke kecil) · SD = simpangan baku · diff = perbedaan rerata yang dianggap bermakna · Zβ 80% = 0,84 · Zα/2 95% = 1,96

Eksperimental

Besar sampel eksperimen dihitung dengan prinsip power analysis: tentukan α (biasanya 0,05), power (0,80 atau 0,90), dan besar efek yang diharapkan dari penelitian sebelumnya, lalu tambahkan cadangan untuk subjek yang keluar.

Dua kelompok independen: n per kelompok = 2 · SD² (Zα/2 + Zβ)² / d²Untuk desain post-test only atau membandingkan perlakuan vs kontrol · d = beda rerata yang diharapkan
Satu kelompok berpasangan (pre–post): n = [ (Zα/2 + Zβ) · SDd / d ]²SDd = simpangan baku selisih sebelum–sesudah
Rumus Federer (hewan coba): (t − 1)(n − 1) ≥ 15t = jumlah kelompok perlakuan · n = jumlah hewan per kelompok. Contoh 5 kelompok: 4(n − 1) ≥ 15 → n ≥ 4,75 → 5 ekor per kelompok (tambah cadangan). Rumus yang sama dipakai untuk menentukan jumlah ulangan pada RAL (Bab 23C).

Enam langkah power analysis

  1. Tentukan tingkat signifikansi α (biasanya 0,05) dan power (biasanya 0,80 atau 0,90).

  2. Tentukan besar efek yang diharapkan: beda rerata, koefisien korelasi, atau ukuran efek lain, diambil dari penelitian sebelumnya atau studi pendahuluan.

  3. Cari nilai Z (atau t) kritis untuk α yang dipilih: 1,96 untuk α = 0,05 dua arah.

  4. Cari nilai Z untuk power: 0,84 untuk 80%, 1,28 untuk 90%.

  5. Masukkan ke rumus yang sesuai desain (di atas), atau pakai perangkat lunak seperti G*Power.

  6. Tambahkan cadangan untuk subjek yang keluar atau data yang rusak.

Untuk desain dengan banyak kelompok, hitung dulu jumlah subjek per kelompok (n), lalu kalikan: one-way ANOVA dengan k kelompok → N total = k × n; two-way ANOVA dengan faktor A (a level) dan faktor B (b level) → N total = a × b × n. Contoh: 3 dosis ekstrak × 2 jenis kelamin tikus, 6 ekor per sel → N = 3 × 2 × 6 = 36 ekor.

Coba sendiri: kalkulator besar sampel
Pojok S2–S3

Tentang rumus Slovin (n = N / (1 + N·e²)). Rumus ini populer di Indonesia, tetapi tidak memperhitungkan proporsi yang diharapkan, variasi data, maupun power. Untuk penelitian kesehatan, pakai rumus yang sesuai desain dan tujuan (Lemeshow, dua proporsi, dua rerata, atau berbasis regresi). Contoh menghitung sampel untuk regresi tanpa Slovin ada di Bab 38.

Analisis multivariat juga menuntut sampel cukup: untuk regresi logistik, patokan kasar yang sering dipakai adalah sekitar 10 kejadian (events) per variabel independen. Hitung besar sampel untuk setiap tujuan analitik, lalu pakai yang terbesar.

Gunakan perangkat lunak seperti G*Power atau OpenEpi untuk desain yang lebih rumit, dan laporkan semua asumsi (α, power, besar efek, sumber P) di proposal.

Teknik pengambilan sampel

Setelah tahu berapa, tentukan bagaimana memilihnya. Ada dua keluarga:

Probability sampling

Setiap anggota populasi punya peluang yang diketahui untuk terpilih (acak). Hasil lebih bisa digeneralisasi. Jenisnya: acak sederhana, sistematis, stratifikasi, klaster, bertahap (multistage).

Non-probability sampling

Pemilihan tidak acak. Lebih praktis, tetapi rentan bias. Jenisnya: konsekutif, purposif, kuota, kebetulan (accidental/convenience), bola salju (snowball).

Coba sendiri: simulator sampling

Setiap titik mewakili siswa; satu baris adalah satu rombel (kelas). Pilih teknik untuk mengambil sampel 24 siswa (klaster mengambil rombel utuh).

Kelas XKelas XIKelas XIIterpilih
Penelitian Rara: proportionate stratified random sampling

SMA Negeri X memiliki 720 siswa: kelas X 260, kelas XI 240, kelas XII 220. Agar setiap tingkat terwakili sesuai proporsinya, Rara membagi sampel secara proporsional:

StrataPopulasiPerhitunganSampel
Kelas X260260/720 × 10839
Kelas XI240240/720 × 10836
Kelas XII220220/720 × 10833
Jumlah720108

Di dalam setiap tingkat, siswa dipilih secara acak dari daftar nama memakai pembangkit bilangan acak. Siswa yang terpilih tetapi terkena kriteria eksklusi diganti dengan nomor acak berikutnya.

Intinya
  • Populasi target → populasi terjangkau → sampel yang memenuhi kriteria inklusi dan eksklusi.
  • Besar sampel dihitung dengan rumus sesuai desain, lalu ditambah cadangan drop-out.
  • Probability sampling (acak) lebih bisa digeneralisasi daripada non-probability.
Coba sendiri: kuis populasi dan sampel
Bab 6

Variabel, Definisi Operasional, dan Instrumen

Sebelum mengukur, sepakati dulu apa yang diukur, dengan alat apa, dengan cara apa, dan hasilnya dinyatakan bagaimana.

SMP–SMAS1S2–S3

Kerangka konsep

Kerangka konsep adalah gambar sederhana yang menunjukkan variabel apa yang diteliti dan bagaimana hubungannya. Ia diturunkan dari kerangka teori di tinjauan pustaka.

Durasi penggunaangawai Variabel independen Kualitas tidur Variabel dependen Kafein · stres akademik· jenis kelamin perancu (confounding)
Gambar 6.1 — Kerangka konsep Rara. Garis tegas: hubungan yang diuji. Garis putus-putus: variabel perancu yang perlu dikendalikan atau dicatat.

Jenis variabel

  • Independen faktor yang diamati atau diberikan (penyebab yang diduga).
  • Dependen hasil atau outcome.
  • Perancu berhubungan dengan X dan Y sekaligus sehingga bisa "menipu" hasil. Contoh: kafein membuat siswa lebih lama begadang bermain gawai dan sulit tidur.
  • Antara (mediator) jalur yang dilewati X untuk memengaruhi Y. Contoh: gawai → jam tidur mundur → kualitas tidur buruk.
  • Moderator mengubah kuat-lemahnya hubungan X dan Y. Contoh: hubungan gawai–tidur mungkin lebih kuat pada siswa yang bermain gawai di atas kasur.

Definisi operasional (DO)

Definisi operasional adalah petunjuk teknis untuk setiap variabel sehingga menjadi acuan kerja peneliti. Tanpa DO, dua orang bisa mengukur "kualitas tidur" dengan cara yang berbeda. DO harus memuat: definisi variabel, alat ukur, cara ukur, hasil ukur (beserta satuannya), dan skala data.

Tabel 6.1 — Definisi operasional penelitian Rara
VariabelDefinisiAlat ukurCara ukurHasil ukurSkala
Durasi penggunaan gawaiRata-rata waktu per hari menggunakan ponsel/tablet di luar keperluan belajar dalam 7 hari terakhirLaporan fitur Screen Time/Digital Wellbeing pada gawai; lembar isianResponden membuka fitur di gawainya dan menyalin rata-rata harian; dicek peneliti1 = Tinggi (≥ 4 jam/hari)
2 = Rendah (< 4 jam/hari)
Ordinal
Kualitas tidurPenilaian subjektif atas tidur selama 1 bulan terakhir berdasarkan 7 komponen PSQIKuesioner Pittsburgh Sleep Quality Index (PSQI) versi bahasa IndonesiaDiisi sendiri oleh responden; skor global 0–211 = Buruk (skor > 5)
2 = Baik (skor ≤ 5)
Ordinal
UsiaLama hidup sejak lahir sampai pengambilan dataKuesioner identitasDihitung dari tanggal lahirTahunRasio
Jenis kelaminJenis kelamin biologis respondenKuesioner identitasDiisi responden1 = Laki-laki
2 = Perempuan
Nominal
KelasTingkat kelas respondenKuesioner identitasDiisi responden1 = X, 2 = XI, 3 = XIIOrdinal

Titik potong ≥ 4 jam dipakai sebagai contoh latihan. Di penelitian sungguhan, setiap titik potong harus dirujuk dari literatur atau pedoman.

Jenis data: NOIR

Data adalah hasil observasi atau pengukuran. Ada empat jenisnya, disingkat NOIR:

Tabel 6.2 — Empat skala data
SkalaCiriContohKelompok
NominalKategori tanpa tingkatanJenis kelamin, golongan darahKategorik: diperoleh dengan menghitung (50 dari 100 subjek = 50%)
OrdinalKategori bertingkatPendidikan rendah–sedang–tinggi; kualitas tidur baik–buruk
IntervalAngka berjarak sama, tanpa nol mutlakSuhu tubuh (°C)Numerik/kontinu: diperoleh dengan mengukur memakai alat ukur
RasioAngka berjarak sama, dengan nol mutlakKadar enzim amilase (pg/mL), berat badan, usia

Apa itu nol mutlak? Nilai nol yang berarti "tidak ada sama sekali". Suhu 0 °C bukan berarti tidak ada suhu (air membeku, suhunya tetap ada), jadi suhu adalah data interval. Kadar enzim 0 berarti enzimnya memang tidak ada, jadi kadar enzim adalah data rasio.

Coba sendiri: sortir NOIR

Tentukan skala setiap data: Nominal, Ordinal, Interval, atau Rasio.

Skor: 0 / 8

Instrumen penelitian dan kuesioner

Instrumen adalah alat untuk mengumpulkan data: kuesioner, lembar observasi, timbangan, tensimeter, alat laboratorium. Bila tersedia, pakai instrumen baku yang sudah tervalidasi (seperti PSQI). Bila harus menyusun kuesioner sendiri, perhatikan jenis pertanyaan, teknik penulisan, struktur, dan uji coba.

Kuesioner adalah serangkaian pertanyaan tertulis yang diajukan kepada responden untuk memperoleh informasi tentang suatu topik atau variabel. Kuesioner dipakai untuk mengumpulkan data opini, sikap, atau perilaku; mengukur pengetahuan atau pemahaman; dan mengevaluasi suatu program atau layanan.

Tabel 6.3 — Jenis-jenis kuesioner
Dasar pembagianJenisKeterangan
Cara penyampaianTertulis (cetak)Dibagikan dan diisi manual; cocok bila responden sulit mengakses internet.
Daring (online)Dibuat dengan Google Forms, SurveyMonkey, LimeSurvey, dan sejenisnya; hemat, data langsung tersimpan, tetapi pastikan tidak mengumpulkan identitas yang tidak perlu.
Jenis pertanyaanTerbukaTanpa pilihan jawaban; responden menjawab dengan kata-katanya sendiri.
TertutupPilihan jawaban sudah disediakan; mudah diolah secara statistik.
TujuanDeskriptifMenggambarkan suatu kondisi, misalnya kebiasaan tidur siswa.
EksploratifMenggali informasi awal tentang topik yang belum banyak diketahui.
Untuk penelitian eksperimentalMengukur variabel sebelum dan sesudah perlakuan untuk menguji hubungan sebab–akibat.

Contoh kuesioner Rara

Kuesioner_Gawai_dan_Tidur.pdf · halaman 1

KUESIONER PENELITIAN
Hubungan Durasi Penggunaan Gawai dengan Kualitas Tidur pada Siswa SMA Negeri X Palembang

Petunjuk: Jawablah dengan jujur sesuai keadaanmu. Tidak ada jawaban benar atau salah. Jawabanmu dirahasiakan dan tidak memengaruhi nilai. Kode responden: ____ (diisi peneliti)

A. Identitas

  1. Tanggal lahir: ___/___/______
  2. Jenis kelamin: ☐ Laki-laki ☐ Perempuan
  3. Kelas: ☐ X ☐ XI ☐ XII

B. Penggunaan gawai

  1. Buka menu Screen Time (iPhone) atau Digital Wellbeing (Android). Tuliskan rata-rata harian 7 hari terakhir: ___ jam ___ menit
  2. Pukul berapa biasanya kamu berhenti memakai gawai di malam hari? ☐ < 21.00 ☐ 21.00–22.00 ☐ 22.00–23.00 ☐ > 23.00
  3. Aplikasi yang paling lama kamu pakai sebelum tidur: ☐ Video pendek ☐ Media sosial ☐ Gim ☐ Pesan/grup ☐ Lainnya: ____

C. Kualitas tidur

19 butir Pittsburgh Sleep Quality Index versi bahasa Indonesia yang sudah divalidasi (dilampirkan sesuai izin penggunaan instrumen).

Terima kasih atas partisipasimu! Kontak peneliti: Rara (nomor/surel)

Contoh lain: kuesioner kepuasan pelanggan

  1. Seberapa sering Anda menggunakan produk ini? (setiap hari / beberapa kali seminggu / sekali seminggu / jarang / tidak pernah)
  2. Seberapa puas Anda dengan kualitas produk ini? (sangat puas / puas / cukup puas / kurang puas / tidak puas)
  3. Seberapa puas Anda dengan harganya? (lima pilihan yang sama)
  4. Seberapa puas Anda dengan pelayanannya? (lima pilihan yang sama)
  5. Apakah Anda akan merekomendasikan produk ini kepada orang lain? (ya / tidak)

Survei kepuasan pelanggan yang lengkap, dianalisis dengan regresi linear berganda, ada di Bab 38.

Jenis pertanyaan kuesioner

Tertutup

  • Pilihan ganda: "Kelas Anda? (a) X (b) XI (c) XII"
  • Dikotomi: dua pilihan, "Ya/Tidak"
  • Skala Likert: 1 sangat tidak setuju … 5 sangat setuju

Lainnya

  • Terbuka: responden menjawab bebas dengan kata-katanya sendiri
  • Skala/angka: "Berapa usia Anda?"
  • Matriks: tabel beberapa pernyataan dengan pilihan jawaban yang sama

Delapan prinsip menulis pertanyaan

PrinsipKurang baikLebih baik
JelasSeberapa sering Anda memakai internet?Berapa jam per hari Anda memakai internet? (a) > 5 jam (b) 3–5 jam (c) 1–3 jam (d) < 1 jam
RelevanApa warna favorit Anda?Pukul berapa biasanya Anda berhenti memakai gawai di malam hari?
Objektif, tidak menggiringAnda setuju bahwa gawai merusak tidur, bukan?Bagaimana pendapat Anda tentang pengaruh gawai terhadap tidur Anda?
AkuratPertanyaan yang memuat informasi keliruPastikan fakta dalam pertanyaan benar
EfisienCeritakan secara detail pengalaman Anda memakai gawai setiap hari.Aplikasi apa yang paling lama Anda pakai sebelum tidur?
Mudah dijawabFaktor-faktor apa yang menyebabkan inflasi di Indonesia?Pertanyaan yang sesuai pengetahuan responden
NetralSetuju atau tidak, main gawai malam hari itu buruk.Seberapa sering Anda memakai gawai setelah pukul 22.00?
Satu hal per pertanyaanApakah Anda sering main gim dan menonton video sebelum tidur?Pisahkan: satu pertanyaan tentang gim, satu tentang video

Struktur kuesioner yang baik

  1. Halaman depan: judul kuesioner, tujuan, petunjuk pengisian, jaminan kerahasiaan, dan kontak peneliti.

  2. Bagian isi: dimulai dari pertanyaan umum dan mudah (identitas/demografi: usia, jenis kelamin, kelas), lalu pertanyaan inti sesuai tujuan penelitian.

  3. Halaman penutup: ucapan terima kasih dan kontak peneliti.

Uji coba dan revisi

Sebelum disebar, kuesioner diuji coba pada sekelompok kecil responden yang mirip sasaran tetapi bukan sampel penelitian (misalnya siswa SMA lain). Amati kesulitan mereka, minta umpan balik tentang pertanyaan yang membingungkan, revisi, lalu uji coba lagi dengan kelompok baru sampai masalahnya teratasi.

Cara kerja dan alur penelitian

Bagian cara kerja di Bab Metode menjelaskan urutan kegiatan sejak izin sampai analisis, sehingga orang lain bisa mengulang penelitianmu. Alur Rara:

12345678910 Izin sekolah &ethical clearance Sosialisasi keguru dan siswa Acak sampelper tingkat kelas PSP, izin orangtua, assent siswa Isi kuesioner±20 mnt, didampingi Editing: cekkelengkapan Coding: berikode angka Entry: masukkanke SPSS Cleaning: caridata janggal Analisis &penyajian
Gambar 6.3 — Cara kerja penelitian Rara. Langkah 6–9 adalah pengolahan data: editing, coding, entry, dan cleaning.

Validitas dan reliabilitas

Contoh lengkap menyusun dan memvalidasi skala baru (CVI, analisis faktor, reliabilitas) ada di Bab 31.

Valid & reliabeltepat sasaran, konsisten Reliabel, tidak validkonsisten, tapi meleset Tidak keduanyameleset, acak-acakan
Gambar 6.2 — Validitas = tepat mengenai sasaran. Reliabilitas = konsisten.
  • Validitas: sejauh mana instrumen mengukur apa yang seharusnya diukur. Timbangan valid untuk berat badan, tetapi tidak valid untuk tinggi badan.
  • Reliabilitas: sejauh mana instrumen memberi hasil yang konsisten bila dipakai berulang. Jenisnya antara lain konsistensi internal (Cronbach's alpha), tes ulang (test–retest), dan belah dua (split-half).

Kuesioner buatan sendiri diuji pada sekitar 30 responden uji coba di luar sampel. Aturan praktis yang umum dipakai:

Uji validitas

Korelasi Pearson antara skor setiap butir dan skor total. Butir valid bila r hitung > r tabel. Untuk n = 30 (df = 28, α = 0,05 dua arah), r tabel = 0,361. Butir yang tidak valid diperbaiki atau dibuang.

Uji reliabilitas

Hitung Cronbach's alpha dari butir-butir yang valid. Nilai ≥ 0,70 umumnya dianggap reliabel (sebagian buku memakai batas ≥ 0,60). Makin tinggi, makin konsisten.

Langkah SPSS keduanya ada di Bab 9.

Pojok S2–S3
  • Validitas isi dinilai panel ahli, misalnya dengan Content Validity Index (CVI). Validitas konstruk diuji dengan analisis faktor (eksploratori/konfirmatori).
  • Adaptasi lintas budaya: instrumen berbahasa asing diterjemahkan maju–mundur (forward–backward translation), ditelaah panel, diuji kognitif, baru diuji psikometrik.
  • Reliabilitas antar-penilai memakai Cohen's kappa (kategorik) atau ICC (numerik).
  • Mengategorikan data numerik (skor PSQI menjadi baik/buruk) memudahkan interpretasi tetapi membuang informasi dan menurunkan power. Pertimbangkan analisis dengan skor aslinya juga.
Intinya
  • Setiap variabel butuh definisi operasional: definisi, alat ukur, cara ukur, hasil ukur, skala.
  • NOIR: nominal dan ordinal dihitung; interval dan rasio diukur.
  • Kuesioner harus valid dan reliabel, disusun rapi, dan diuji coba sebelum disebar.
Coba sendiri: kuis variabel dan instrumen
Bab 7A

Ethical Clearance: Izin Sebelum Melangkah (Kesehatan)

Komisi etik menilai protokol penelitianmu (rencananya), bukan hasilnya. Karena itu izin etik harus didapat sebelum data pertama diambil.

SMP–SMAS1S2–S3

Bab ini dibagi dua. Bab 7A membahas penelitian kesehatan (KEPK); Bab 7B membahas penelitian sosial-humaniora.

Mengapa penelitian perlu diawasi etiknya?

Sejarah mencatat penelitian yang melukai manusia atas nama ilmu. Eksperimen di kamp konsentrasi Nazi melahirkan Kode Nuremberg (1947). Studi sifilis Tuskegee di Amerika Serikat (1932–1972) membiarkan ratusan pria kulit hitam tidak diobati, bahkan setelah penisilin tersedia; kasus ini mendorong lahirnya Belmont Report (1979). Asosiasi Dokter Sedunia menyusun Deklarasi Helsinki (1964, direvisi berkala, terakhir 2024). Di Indonesia, penelitian kesehatan ditelaah oleh Komisi Etik Penelitian Kesehatan (KEPK) di universitas, rumah sakit, atau lembaga penelitian, dengan pedoman dari Komisi Etik Penelitian dan Pengembangan Kesehatan Nasional (KEPPKN).

Bima bertanya

"Kan cuma nyebar kuesioner, kok perlu izin etik?"
Ethical clearance itu mirip SIM. Sebelum boleh membawa motor di jalan, kamu diuji dulu: paham rambu, bisa mengerem, tidak membahayakan orang lain. Kuesioner juga bisa "melukai": pertanyaan pribadi bisa membuat malu, data nama bisa bocor, siswa bisa merasa terpaksa ikut karena takut nilainya turun. Komisi etik memastikan rencanamu aman sebelum kamu "turun ke jalan".

Apa sebenarnya yang dinilai?

Ethical clearance (persetujuan etik, keterangan layak etik) adalah pernyataan tertulis dari komisi etik bahwa protokol penelitian layak dilaksanakan secara etik. Yang dinilai adalah rencana lengkapmu: alasan penelitian, metode, cara merekrut subjek, risiko dan manfaat, cara meminta persetujuan, dan cara menjaga kerahasiaan. Izin ini diperlukan untuk penelitian yang melibatkan manusia (termasuk kuesioner, wawancara, rekam medis, spesimen biologis) maupun hewan coba.

Tiga prinsip dasar

Menghormati harkat manusia

Respect for persons: menghormati otonomi (keputusan bebas ikut atau tidak) dan melindungi yang otonominya terbatas, seperti anak-anak.

Berbuat baik, tidak merugikan

Beneficence & non-maleficence: memaksimalkan manfaat dan meminimalkan risiko bagi subjek.

Keadilan

Justice: beban dan manfaat dibagi adil; subjek tidak dipilih karena mudah dimanfaatkan.

Tujuh standar kelaikan etik

Pedoman KEPPKN mengadopsi tujuh standar dari WHO-CIOMS (2016). Baca setiap baris sambil bertanya: "Apakah protokolku sudah menjawab ini?"

Tabel 7.1 — Tujuh standar etik dan penerapannya pada penelitian Rara
StandarPertanyaan penelaahJawaban Rara di protokol
1. Nilai sosial/klinisApakah penelitian ini bermanfaat bagi masyarakat?Hasil menjadi dasar edukasi "jam malam gawai" di sekolah.
2. Nilai ilmiahApakah metodenya benar sehingga hasilnya dapat dipercaya?Desain cross-sectional, besar sampel dihitung, PSQI tervalidasi.
3. Pemerataan beban & manfaatApakah pemilihan subjek adil?Sampel acak berstrata dari semua tingkat kelas; tidak memilih siswa tertentu.
4. Potensi risiko & manfaatApakah risikonya minimal dan sepadan dengan manfaat?Risiko: waktu ±20 menit dan pertanyaan pribadi. Siswa dengan skor sangat buruk ditawari rujukan ke guru BK/puskesmas.
5. Bujukan, eksploitasiApakah ada paksaan atau imbalan berlebihan?Tidak ada kaitan dengan nilai. Tanda terima kasih berupa alat tulis sederhana.
6. Rahasia & privasiBagaimana data identitas dilindungi?Nama diganti kode; data disimpan terenkripsi, hanya peneliti yang mengakses; dilaporkan secara agregat.
7. Persetujuan setelah penjelasan (PSP)Apakah subjek memahami dan setuju secara sukarela?Naskah PSP berbahasa sederhana; persetujuan orang tua + persetujuan siswa (assent) karena usia < 18 tahun.

Jenis telaah

Dikecualikan exempted

Risiko sangat minimal, misalnya analisis data sekunder yang sudah anonim. Tetap diajukan; KEPK yang memutuskan pengecualiannya.

Dipercepat expedited

Risiko minimal, misalnya kuesioner atau wawancara tentang topik yang tidak sensitif. Ditelaah oleh satu atau dua penelaah.

Penuh full board

Risiko lebih dari minimal, uji klinis/intervensi, topik sensitif, atau kelompok rentan (anak, ibu hamil, penyandang disabilitas intelektual). Dibahas dalam rapat pleno komisi.

Penelitian Rara berisiko minimal tetapi melibatkan remaja di bawah 18 tahun (kelompok rentan). Banyak KEPK menelaahnya secara expedited, sebagian meminta full board. Keputusan ada di tangan KEPK, bukan peneliti.

Alur pengajuan ethical clearance

  1. Proposal disetujui pembimbing (biasanya setelah seminar proposal). Protokol etik harus sama persis isinya dengan proposal.

  2. Siapkan berkas sesuai daftar periksa di bawah. Unduh formulir terbaru dari KEPK tujuan, karena format tiap KEPK bisa berbeda.

  3. Ajukan ke KEPK. Banyak KEPK memakai sistem daring (misalnya SIM-EPK KEPPKN); sebagian memungut biaya telaah.

  4. Pemeriksaan kelengkapan oleh sekretariat, lalu penetapan jenis telaah (dikecualikan, dipercepat, atau penuh).

  5. Telaah oleh penelaah. Hasilnya bisa: disetujui, disetujui dengan perbaikan, atau ditolak.

  6. Revisi sesuai catatan penelaah dan kirim kembali, lengkap dengan tanggapan per poin.

  7. Terbit keterangan layak etik dengan nomor dan masa berlaku (umumnya 1 tahun; cek ketentuan KEPK). Baru setelah ini data boleh diambil.

  8. Selama penelitian: laporkan setiap perubahan protokol (amandemen), kejadian tidak diinginkan, perpanjangan bila melewati masa berlaku, dan laporan akhir.

Menyusun naskah pengajuan yang benar

Protokol etik adalah "terjemahan" proposalmu ke dalam bahasa etik. Penelaah ingin melihat bahwa kamu sudah memikirkan keselamatan dan hak subjek. Bagian-bagian yang umumnya diminta:

Tabel 7.2 — Kerangka protokol etik dan tips pengisiannya
BagianIsiTips
IdentitasJudul, peneliti utama dan anggota, institusi, lokasi, waktu, sumber danaJudul dan lokasi identik dengan proposal.
Ringkasan protokolLatar belakang, tujuan, metode dalam ±200 kataTulis dalam bahasa awam; penelaah bisa berasal dari luar bidangmu.
Isu etikMasalah etik yang mungkin muncul dan cara mengatasinyaJangan tulis "tidak ada isu etik". Sebutkan misalnya: subjek anak, pertanyaan pribadi, waktu belajar terpotong.
Justifikasi ilmiahRingkasan pustaka, alasan penelitian perlu dilakukanTunjukkan celah penelitian dan nilai sosialnya.
Desain & metodePopulasi, besar sampel dan rumusnya, kriteria inklusi–eksklusi, cara rekrutmen, prosedur, instrumen, analisisJelaskan siapa yang merekrut dan bagaimana mencegah paksaan (misalnya bukan wali kelas yang meminta).
Risiko & manfaatRisiko fisik, psikologis, sosial; manfaat langsung dan tidak langsungTulis rencana tindak lanjut: ke mana subjek dirujuk bila ditemukan masalah.
Persetujuan (PSP)Siapa, kapan, bagaimana persetujuan diminta; persetujuan wali dan assent untuk anakLampirkan naskah PSP dan formulir persetujuan yang benar-benar akan dipakai.
Kerahasiaan & dataPengodean, penyimpanan, akses, lama simpan, pemusnahanHindari formulir daring yang mengumpulkan nama lengkap tanpa perlu.
Kompensasi & biayaImbalan, penggantian biaya, asuransi bila perluWajar dan tidak menjadi bujukan.
Konflik kepentingan & publikasiSponsor, kepemilikan data, rencana publikasi, penyampaian hasil ke subjek/lokasiRencanakan penyampaian hasil ke sekolah.
LampiranProposal, PSP, formulir persetujuan, instrumen, CV, surat izinBeri nomor lampiran sesuai daftar KEPK.

Contoh naskah Penjelasan Sebelum Persetujuan (PSP)

PSP_Rara_versi1.docx

PENJELASAN SEBELUM PERSETUJUAN UNTUK MENGIKUTI PENELITIAN

Adik-adik dan Bapak/Ibu orang tua yang kami hormati, saya Rara, mahasiswa Program Studi … Universitas …, sedang melakukan penelitian berjudul "Hubungan Durasi Penggunaan Gawai dengan Kualitas Tidur pada Siswa SMA Negeri X Palembang Tahun 2026".

  1. Tujuan: mengetahui apakah lama bermain gawai berhubungan dengan kualitas tidur siswa.
  2. Yang akan dilakukan: mengisi kuesioner identitas dan kuesioner tidur (±20 menit) di luar jam pelajaran, serta menyalin angka rata-rata harian dari menu Screen Time/Digital Wellbeing di gawai sendiri.
  3. Risiko: tidak ada risiko fisik. Beberapa pertanyaan bersifat pribadi; kamu boleh tidak menjawab pertanyaan yang membuatmu tidak nyaman.
  4. Manfaat: kamu mendapat informasi tentang kualitas tidurmu. Bila skormu menunjukkan masalah tidur, kami akan menawarkan konsultasi dengan guru BK atau petugas puskesmas.
  5. Kerahasiaan: namamu diganti kode. Data hanya diakses peneliti dan disajikan dalam bentuk kelompok, tidak per orang.
  6. Sukarela: ikut atau tidak ikut tidak memengaruhi nilai atau hubunganmu dengan sekolah. Kamu boleh berhenti kapan saja tanpa alasan.
  7. Tanda terima kasih: satu paket alat tulis.
  8. Kontak: Rara (nomor telepon/surel peneliti) dan KEPK … (alamat/kontak komisi etik).

Formulir persetujuan ditandatangani orang tua/wali, dan lembar persetujuan siswa (assent) ditandatangani siswa sendiri, dengan satu salinan disimpan oleh keluarga.

Daftar periksa berkas ethical clearance

Centang yang sudah siap. Tanda centang tersimpan di perangkatmu.

0 dari 10 berkas siap.

Awas, keliru!
  • Mengambil data dulu, izin etik belakangan. Ethical clearance tidak berlaku surut. Data yang diambil sebelum izin terbit bisa dianggap tidak etis dan ditolak jurnal.
  • PSP penuh istilah teknis ("variabel dependen", "cross-sectional") yang tidak dipahami siswa atau orang tua.
  • Tidak menyebut sifat sukarela atau tidak menjamin bahwa menolak ikut tidak berdampak pada nilai.
  • Protokol berbeda dengan proposal: jumlah sampel, lokasi, atau instrumen tidak sama.
  • Anak di bawah 18 tahun tanpa izin orang tua/wali.
  • Imbalan berlebihan sehingga orang ikut karena hadiahnya, bukan karena memahami penelitian.
Pojok S2–S3
  • Pelindungan data pribadi. Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi berlaku juga untuk data penelitian. Data kesehatan termasuk data pribadi yang bersifat spesifik; rencanakan minimisasi data, pseudonimisasi, dan keamanan penyimpanan.
  • Hewan coba ditelaah dengan prinsip 3R: Replacement (ganti dengan metode tanpa hewan bila bisa), Reduction (jumlah hewan seminimal mungkin, lihat rumus Federer), Refinement (kurangi nyeri dan stres).
  • Uji klinis umumnya wajib didaftarkan di registri uji klinis sebelum subjek pertama direkrut, dan banyak jurnal mensyaratkannya.
  • Penelitian multisenter dapat memerlukan persetujuan dari KEPK setiap lokasi, atau mekanisme pengakuan bersama bila tersedia.
  • Penggunaan data sekunder (rekam medis, data survei) tetap memerlukan telaah etik dan izin pemilik data.
Intinya
  • Komisi etik menilai protokol, sebelum data pertama diambil.
  • Tiga prinsip dasar dan tujuh standar WHO-CIOMS/KEPPKN menjadi pegangan penelaah.
  • Subjek di bawah 18 tahun memerlukan izin orang tua/wali dan assent.
Coba sendiri: kuis etik
Bab 7B

Ethical Clearance Penelitian Sosial-Humaniora

Penelitian pendidikan, psikologi, sosiologi, antropologi, ekonomi, komunikasi, hukum, bahasa, sejarah, dan seni juga melibatkan manusia. Risikonya jarang berupa luka fisik, tetapi bisa berupa rasa malu, stigma, konflik, bahkan masalah hukum.

SMP–SMAS1S2–S3

Penelitian etnografi Dimas dalam komik ini disajikan utuh di Bab 30.

Mengapa penelitian sosial juga perlu klirens etik?

Klirens etik riset adalah proses formal ketika proposal penelitian ditelaah secara independen oleh komisi etik untuk melindungi partisipan dan menjaga integritas ilmiah. Di Indonesia, Undang-Undang Nomor 11 Tahun 2019 tentang Sistem Nasional Ilmu Pengetahuan dan Teknologi mewajibkan kegiatan riset mengikuti kode etik bidang keilmuannya. Karena itu semakin banyak kampus membentuk komisi etik khusus sosial-humaniora, dan BRIN menyediakan layanan klirens etik riset sosial humaniora.

Menurut pedoman klirens etik riset sosial humaniora BRIN, tujuan utamanya adalah melindungi partisipan dari empat jenis bahaya akibat ikut dalam penelitian:

Fisik

Ancaman terhadap keselamatan, misalnya partisipan dicurigai kelompoknya karena diwawancarai tentang konflik lahan.

Psikis

Tertekan, trauma yang terbuka kembali, atau menyesal telah bercerita.

Sosial

Stigma atau dikucilkan dari masyarakat bila identitasnya bocor.

Hukum

Dituntut atau terjerat masalah hukum karena informasi yang diberikan.

Tiga prinsip dasarnya sama dengan penelitian kesehatan: menghormati individu dan komunitas (otonomi serta perlindungan bagi yang rentan), kemanfaatan (memaksimalkan manfaat, meminimalkan bahaya), dan keadilan (beban dan manfaat dibagi adil, tanpa eksploitasi kelompok tertentu). Bedanya ada pada bentuk risiko dan cara menerapkannya di lapangan.

Bima bertanya

"Kalau cuma ngobrol sama warga, bahayanya apa?"
Bayangkan kamu curhat ke seseorang soal masalah keluargamu, lalu ceritamu muncul di skripsi lengkap dengan nama dan fotomu. Tetangga membacanya dan jadi bahan gunjingan. Itulah bahaya sosial. Komisi etik memastikan hal seperti itu tidak terjadi.

Ke komisi etik mana saya mengajukan?

Tabel 7B.1 — Kesehatan dan sosial-humaniora
Penelitian kesehatanPenelitian sosial-humaniora
Contoh topikPenyakit, perilaku kesehatan, gizi, spesimen, rekam medis, intervensi kesehatanPembelajaran, motivasi, budaya, perilaku sosial, kebijakan publik, bahasa, sejarah, ekonomi
Komisi penelaahKEPK di kampus, rumah sakit, atau lembaga penelitian (mengacu pada pedoman KEPPKN); KEK-BRINKomisi etik sosial-humaniora di kampus atau fakultas (misalnya klirens etik riset di FISIP Universitas Airlangga); Komisi Etik Riset Sosial Humaniora BRIN melalui klirensetik.brin.go.id
Kategori telaahDikecualikan, dipercepat, penuhDi BRIN: Hijau Kuning Merah
Rujukan standarWHO-CIOMS 2016, Pedoman KEPPKN, Deklarasi HelsinkiBelmont Report, CIOMS, kode etik profesi (HIMPSI untuk psikologi, BERA untuk pendidikan, AAA untuk antropologi, AoIR untuk riset internet)

Topik yang bersinggungan, misalnya perilaku merokok remaja yang diteliti oleh mahasiswa sosiologi, bisa ditelaah di kedua jenis komisi. Tanyakan ke komisi di institusimu. Yang terpenting: status "perlu atau tidak perlu klirens etik" diputuskan oleh komisi etik, bukan oleh peneliti.

Coba sendiri: asisten "ke mana saya mengajukan?"

Tiga kategori risiko (contoh pedoman BRIN)

Hijau tidak berisiko

Tidak ada keterlibatan manusia secara langsung atau hanya memakai data sekunder. Riset yang umumnya dikecualikan: memakai data yang sudah dipublikasikan (surat kabar, situs web, laporan dan pernyataan publik, film, program televisi, pidato publik), karya terbit, tinjauan pustaka atau sistematis, dan arsip atau manuskrip yang terbuka untuk umum.

Kuning berisiko rendah

Melibatkan manusia, tetapi subjek dan isunya tidak sensitif. Contoh: survei anonim kepuasan layanan perpustakaan pada mahasiswa dewasa, atau wawancara tentang tradisi gotong royong.

Merah berisiko tinggi

Subjek dan/atau isunya sangat sensitif. Termasuk riset dengan kelompok rentan: anak-anak, lansia, perempuan hamil, orang dengan disabilitas mental atau intelektual, penyandang disabilitas, kelompok minoritas gender dan seksual, orang dengan pengalaman trauma, orang dengan HIV, orang dengan ketergantungan obat, orang yang sulit berkomunikasi, narapidana, residivis, dan pelaku terorisme.

Perhatikan juga dua catatan penting dari pedoman tersebut. Pertama, riset yang memakai dokumen konfidensial (rekam klinik, data karyawan atau klien, catatan keuangan atau pelayanan suatu lembaga) tetap memerlukan klirens etik di samping izin dari lembaga pemilik data. Kedua, bila riset dokumen publik ditambah metode yang berinteraksi langsung dengan manusia (wawancara, FGD), klirens etik tetap diperlukan.

Isu etik khas sosial-humaniora

Persetujuan yang sesuai budaya

Selain persetujuan tertulis, ada persetujuan lisan yang direkam (untuk partisipan yang tidak bisa baca tulis, atau bila tanda tangan menimbulkan kecurigaan), persetujuan berjenjang (izin pemimpin komunitas dulu, lalu persetujuan tiap individu), dan persetujuan berkelanjutan pada penelitian lapangan yang panjang. Izin kepala desa tidak menggantikan persetujuan warga.

Observasi terbuka atau terselubung

Observasi terselubung (peneliti tidak mengaku sebagai peneliti) hanya boleh bila tidak ada cara lain, risikonya kecil, dan disetujui komisi. Mengamati orang di ruang publik berbeda dengan menyusup ke grup tertutup.

Penyamaran dan debriefing

Eksperimen psikologi kadang menyembunyikan tujuan sebenarnya (deception). Syaratnya: benar-benar perlu, tidak menimbulkan kerugian berarti, dan diakhiri debriefing (penjelasan jujur) serta hak menarik data.

Relasi kuasa

Guru meneliti muridnya, dosen meneliti mahasiswanya, atasan meneliti bawahannya. Partisipan bisa merasa tidak berani menolak. Solusinya: perekrutan oleh pihak ketiga, jaminan tertulis bahwa nilai atau jabatan tidak terpengaruh, dan pengumpulan data anonim.

Anonim atau disebut nama?

Umumnya partisipan dianonimkan. Namun pada sejarah lisan atau penelitian seni, narasumber sering ingin namanya disebut sebagai pemilik cerita. Tanyakan dan catat pilihannya dalam persetujuan.

Data daring dan media sosial

"Bisa diakses publik" tidak otomatis berarti "boleh dikutip". Kutipan unggahan media sosial mudah dilacak lewat mesin pencari; parafrasekan, jangan tampilkan nama akun, dan pertimbangkan harapan privasi penggunanya (pedoman AoIR).

Foto, video, dan karya visual

Wajah, rumah, atau benda sakral bisa mengungkap identitas. Minta izin terpisah untuk memotret, untuk memakai foto di skripsi, dan untuk memakainya di publikasi atau pameran. Buramkan wajah bila perlu.

Masyarakat adat dan pengetahuan lokal

Hormati aturan adat, minta izin tokoh adat, jangan membuka pengetahuan yang dianggap rahasia, dan rencanakan pembagian manfaat: hasil dikembalikan kepada komunitas dalam bentuk yang bisa mereka pakai.

Kerahasiaan dalam FGD

Peneliti bisa menjaga rahasia, tetapi tidak bisa menjamin peserta lain tidak bercerita di luar. Sampaikan hal ini di awal, sepakati aturan kelompok, dan jangan membahas hal yang terlalu pribadi dalam FGD.

Topik sensitif dan keselamatan peneliti

Siapkan protokol penanganan tekanan emosional (kapan wawancara dihentikan, ke mana partisipan dirujuk) dan rencana keselamatan peneliti di lapangan, termasuk kewajiban melapor ke pembimbing.

Contoh kasus dan kategorinya

Tabel 7B.2 — Tujuh penelitian sosial-humaniora dan isu etiknya
PenelitianIsu etik utamaSolusi di protokolPerkiraan kategori
Analisis isi berita daring tentang kebijakan zonasi sekolahTidak ada interaksi dengan manusiaSebutkan sumber data publikHijau umumnya dikecualikan
Survei anonim kepuasan layanan perpustakaan pada mahasiswaSukarela, anonimitasTanpa nama/NIM, bisa berhenti kapan sajaKuning
Etnografi tradisi gotong royong membangun rumah di Desa XIzin komunitas, foto warga, pembagian manfaatPersetujuan berjenjang, izin foto terpisah, laporan hasil untuk desaKuning
Guru meneliti metode belajar di kelasnya sendiriAnak di bawah umur, relasi kuasa guru–muridIzin sekolah dan orang tua, assent siswa, nilai tidak terkait keikutsertaanMerah (melibatkan anak)
Wawancara penyintas kekerasan dalam rumah tanggaTrauma, keselamatan partisipanPewawancara terlatih, protokol tekanan emosional, rujukan layanan, lokasi amanMerah
Eksperimen psikologi dengan umpan balik palsuPenyamaranJustifikasi, debriefing, hak menarik dataMerah / telaah penuh
Analisis komentar media sosial tentang isu politikIdentitas akun mudah dilacak, isu sensitifParafrase kutipan, tanpa nama akun, penyimpanan amanDiputuskan komisi (sering tidak dikecualikan)

Kategori di atas adalah perkiraan untuk latihan. Keputusan akhir selalu ada di komisi etik.

Berkas pengajuan sosial-humaniora

Susunannya mirip penelitian kesehatan (Bab 7A), dengan beberapa dokumen khas:

Daftar periksa berkas sosial-humaniora

0 dari 10 berkas siap.

Contoh naskah persetujuan lisan (etnografi Dimas)

Naskah_persetujuan_lisan.docx

"Selamat pagi, Bapak/Ibu. Nama saya Dimas, mahasiswa Antropologi Universitas …. Saya sedang belajar tentang tradisi gotong royong membangun rumah di desa ini. Kepala desa dan Bapak tokoh adat sudah mengizinkan, tetapi keputusan ikut atau tidak tetap ada pada Bapak/Ibu sendiri.

  • Obrolan kita sekitar 45 menit. Boleh saya rekam suaranya supaya tidak ada yang salah catat?
  • Bapak/Ibu boleh tidak menjawab pertanyaan apa pun dan boleh berhenti kapan saja, tanpa akibat apa pun.
  • Nama Bapak/Ibu tidak akan saya tulis, kecuali Bapak/Ibu ingin disebut sebagai narasumber.
  • Foto hanya saya ambil bila Bapak/Ibu izinkan, dan wajah bisa saya samarkan.
  • Hasil penelitian akan saya serahkan ke desa dalam bentuk buku kecil.

Apakah Bapak/Ibu bersedia ikut? Apakah nama boleh disebut? Apakah foto boleh diambil?"
Jawaban direkam dan dicatat dalam lembar persetujuan lisan, disaksikan satu orang saksi.

Izin lapangan bukan pengganti izin etik

Klirens etik berbeda dengan izin melakukan penelitian di suatu tempat. Keduanya sering sama-sama diperlukan:

  • Izin institusi atau lokasi: surat dari kampus ke sekolah, kantor, rumah sakit, atau perusahaan tempat penelitian.
  • Izin komunitas: kepala desa, tokoh adat, tokoh agama, atau pengurus organisasi.
  • Rekomendasi pemerintah daerah: sejumlah daerah mensyaratkan surat keterangan atau rekomendasi penelitian dari Badan Kesatuan Bangsa dan Politik (Kesbangpol) atau layanan perizinan terpadu setempat. Aturannya berbeda antardaerah, jadi cek ke daerah tujuan.
  • Peneliti asing: riset oleh pihak asing di Indonesia memerlukan perizinan riset khusus yang juga dilayani melalui sistem BRIN.
Awas, keliru!
  • "Penelitian saya cuma kuesioner/wawancara, jadi tidak perlu etik." Komisi etik yang memutuskan, bukan peneliti.
  • Menganggap izin kepala sekolah atau kepala desa sama dengan persetujuan partisipan.
  • Menyebar formulir daring yang mewajibkan nama, NIM, atau nomor telepon padahal tidak diperlukan.
  • Menampilkan kutipan atau foto yang membuat partisipan mudah dikenali di komunitasnya yang kecil.
  • Tidak kembali ke komunitas setelah data diambil (helicopter research).
Pojok S2–S3
  • Kode etik bidang keilmuan yang sering dirujuk: Kode Etik Psikologi Indonesia (HIMPSI) untuk psikologi; BERA Ethical Guidelines for Educational Research edisi kelima (2024) untuk pendidikan, termasuk penelitian praktisi dan riset daring; AAA Principles of Professional Responsibility untuk antropologi; AoIR Internet Research Ethical Guidelines 3.0 untuk riset internet.
  • Etika situasional: dilema etik dalam etnografi sering muncul di tengah penelitian. Catat keputusan etik dalam jurnal refleksi dan laporkan perubahan penting kepada komisi (amandemen).
  • Penelitian partisipatif (participatory action research) menempatkan komunitas sebagai mitra: sepakati bersama kepemilikan data, hak publikasi, dan penggunaan hasil.
  • Data kualitatif untuk dipakai ulang (arsip data terbuka) memerlukan persetujuan khusus sejak awal dan anonimisasi yang ketat.
Intinya
  • Penelitian sosial-humaniora juga perlu klirens etik: risikonya psikis, sosial, dan hukum.
  • Kategori risiko Hijau/Kuning/Merah; yang memutuskan adalah komisi etik.
  • Izin komunitas tidak menggantikan persetujuan individu; persetujuan lisan sah bila didokumentasikan.
Coba sendiri: kuis etik sosial-humaniora
Bab 8

Analisis Data: Dari Angka Menjadi Jawaban

Analisis data disusun untuk menjawab tujuan penelitian, satu per satu. Tujuan deskriptif dijawab analisis univariat; tujuan analitik dijawab analisis bivariat dan multivariat.

SMP–SMAS1S2–S3

Tiga tahap analisis

Univariat

Menggambarkan satu variabel saja. Data kategorik: frekuensi (n) dan persentase (%). Data numerik: rerata ± simpangan baku bila normal, atau median (minimum–maksimum) bila tidak normal.

Bivariat

Menguji hubungan dua variabel (satu X dengan satu Y). Menghasilkan nilai p dan, untuk data kategorik, nilai rasio (PR/OR/RR) beserta interval kepercayaannya.

Multivariat

Menguji beberapa X sekaligus terhadap Y, sehingga pengaruh variabel perancu dikendalikan. Contoh: regresi logistik, regresi linear berganda (contoh lengkap regresi linear: Bab 38).

Tabel 8.1 — Rencana analisis Rara (sejalan dengan tujuan)
Tujuan khususVariabelAnalisisOutput
1. Distribusi durasi gawaiDurasi gawai (ordinal)Univariatn (%)
2. Distribusi kualitas tidurKualitas tidur (ordinal)Univariatn (%)
3. Hubungan durasi gawai dengan kualitas tidurKategorik × kategorik (2×2)Bivariat: chi-squareNilai p + PR (IK95%)
Tambahan S2–S3Gawai, kafein, stres, jenis kelamin → tidurMultivariat: regresi Poisson robust / logistikPR/OR terkoreksi (IK95%)

Parametrik atau non-parametrik?

Uji parametrik (uji t, ANOVA, Pearson, regresi linear) dipakai bila data numerik berasal dari populasi yang berdistribusi normal atau mendekati normal. Uji ini lebih kuat (power lebih besar) dan memberi informasi lebih akurat tentang rerata dan variasi. Uji non-parametrik (Mann-Whitney, Wilcoxon, Kruskal-Wallis, Spearman) dipakai bila asumsi normalitas tidak terpenuhi atau sampel sangat kecil. Chi-square adalah uji untuk data kategorik yang juga tidak mensyaratkan distribusi normal.

Normal: simetris seperti lonceng Tidak normal: menceng (skewed) rerata = median
Gambar 8.1 — Tinggi badan satu angkatan siswa biasanya membentuk lonceng. Lama bermain gawai sering menceng: banyak yang sedang, sedikit yang sangat lama.
  • Uji normalitas: Kolmogorov-Smirnov untuk sampel besar (> 50) atau Shapiro-Wilk untuk sampel kecil (≤ 50); ada juga Anderson-Darling. H0-nya "data berdistribusi normal", jadi p > 0,05 berarti normal. Periksa juga histogram dan Q-Q plot. Bila tidak normal, coba transformasi data (misalnya logaritma) atau pakai uji non-parametrik.
  • Uji homogenitas varians: memeriksa apakah variasi antarkelompok setara, dengan uji Levene (paling sering), uji F (dua kelompok), atau uji Bartlett (peka terhadap data tidak normal). p > 0,05 berarti homogen; syarat penting untuk uji t dan ANOVA. Bila tidak homogen, gunakan versi yang tahan terhadapnya: uji t equal variances not assumed, Welch ANOVA, atau Brown-Forsythe.

Memilih uji statistik

Pilihan uji ditentukan oleh tiga hal: jenis data X dan Y (kategorik atau numerik), jumlah kelompok, dan apakah kelompoknya berpasangan (subjek yang sama diukur dua kali) atau tidak.

Tabel 8.2 — Peta uji hipotesis yang paling sering dipakai
X (kelompok/prediktor)Y (outcome)Parametrik (data normal)Alternatif non-parametrik
Kategorik, 2 kelompok tidak berpasanganNumerikUji t independenMann-Whitney
Kategorik, 2 kelompok berpasangan (pre–post)NumerikUji t berpasanganWilcoxon
Kategorik, > 2 kelompok tidak berpasanganNumerikOne-way ANOVA + post hocKruskal-Wallis + post hoc
Kategorik, > 2 pengukuran berpasanganNumerikRepeated measures ANOVAFriedman
KategorikKategorikChi-square (tidak berpasangan) · Fisher exact bila syarat chi-square 2×2 tidak terpenuhi · McNemar (berpasangan)
NumerikNumerikKorelasi Pearson; regresi linearKorelasi Spearman
Dua faktor kategorikNumerikTwo-way ANOVA—
Beberapa XKategorik dikotomRegresi logistik biner (OR terkoreksi)
Beberapa XNumerikRegresi linear berganda
KategorikBeberapa Y numerik sekaligusMANOVA
Beberapa variabel laten (diukur dengan banyak indikator), hubungan berjenjang atau mediasiVariabel latenStructural Equation Modeling: PLS-SEM atau CB-SEM (Bab 9B)
Coba sendiri: asisten pemilih uji

Nilai p dan nilai rasio: dua-duanya wajib

Pada studi observasional sering tertulis "p < 0,05, artinya X berhubungan bermakna dengan Y", lalu selesai. Kesimpulan seperti itu belum lengkap. Kesimpulan uji statistik yang baik memuat nilai p dan nilai rasio beserta interval kepercayaannya:

Nilai p

Menjawab: "Seberapa mungkin hubungan sebesar ini muncul hanya karena kebetulan, bila sebenarnya tidak ada hubungan?" Bila p < 0,05, hubungan dianggap bermakna secara statistik. Untuk studi cross-sectional, case-control, dan cohort dengan data kategorik, nilai p diperoleh dari uji chi-square.

Nilai rasio

Menjawab: "Seberapa besar dan ke arah mana hubungannya?" Nilai 1 berarti tidak ada hubungan; > 1 berarti faktor risiko; < 1 berarti faktor protektif. Interval kepercayaan 95% (IK95%) yang tidak melewati angka 1 sejalan dengan p < 0,05.

Jenis rasio mengikuti desain:

  • PR (Prevalence Ratio) untuk cross-sectional
  • OR (Odds Ratio) untuk case-control
  • RR (Relative Risk) untuk cohort

Semuanya dihitung dari tabel 2×2. Susun baris = faktor risiko (+ di atas), kolom = outcome (+ di kiri):

Outcome +Outcome −
Faktor risiko +ab
Faktor risiko −cd
PR = RR = [a/(a+b)] / [c/(c+d)] OR = (a × d) / (b × c)PR dan RR memakai rumus yang sama; bedanya, PR memakai data prevalensi (kasus yang sudah ada saat diukur, cross-sectional), sedangkan RR memakai data insidens (kasus baru selama pengamatan, cohort).
Bima bertanya

"Bedanya p dan PR apa, Kak?"
Bayangkan kamu melempar koin 10 kali dan keluar gambar 8 kali. Nilai p menjawab: "Mungkin nggak ini cuma kebetulan, padahal koinnya normal?" PR menjawab pertanyaan lain: "Kalau memang ada hubungannya, seberapa besar?" PR 1,89 artinya siswa yang lama bermain gawai hampir 2 kali lebih banyak yang tidurnya buruk dibanding yang sebentar.

Menghitung sendiri: chi-square, PR, OR, dan RR

Uji chi-square membandingkan jumlah yang teramati (O, observed) di setiap sel dengan jumlah yang diharapkan (E, expected) bila tidak ada hubungan.

χ² = Σ (O − E)² / E E = (total baris × total kolom) / N df = (baris − 1)(kolom − 1)Makin besar selisih O dan E, makin besar χ², makin kecil nilai p. Tabel 2×2 memiliki df = 1.
Hitungan manual data Rara

Sel a (gawai tinggi, tidur buruk): O = 44, E = 64 × 60 / 108 = 35,6. Sel b: O = 20, E = 28,4. Sel c: O = 16, E = 24,4. Sel d: O = 28, E = 19,6.

χ² = (44−35,6)²/35,6 + (20−28,4)²/28,4 + (16−24,4)²/24,4 + (28−19,6)²/19,6 = 11,08 (df = 1)

PR = (44/64) / (16/44) = 0,688 / 0,364 = 1,89 OR = (44 × 28) / (20 × 16) = 1232 / 320 = 3,85

Hasil manual ini sama dengan output SPSS di Bab 9 (Pearson Chi-Square 11,076).

Contoh RR (cohort)

Dari 100 pekerja yang terpapar zat berbahaya, 20 terkena kanker; dari 100 yang tidak terpapar, 10 terkena. Risiko = 20/100 = 0,20 dan 10/100 = 0,10. RR = 0,20 / 0,10 = 2: yang terpapar berisiko 2 kali lipat. Perhatikan, yang dibandingkan adalah risiko (proporsi), bukan jumlah kasusnya saja.

Contoh PR (cross-sectional)

Prevalensi penyakit pada kelompok A 20%, pada kelompok B 10%. PR = 20% / 10% = 2: prevalensi pada kelompok A dua kali kelompok B.

Contoh OR (case-control)

Odds = peluang terjadi dibagi peluang tidak terjadi. Bila 30 dari 50 kasus merokok, odds kasus = 30/20 = 1,5; bila 15 dari 50 kontrol merokok, odds kontrol = 15/35 = 0,43. OR = 1,5 / 0,43 = 3,5. OR = 1 berarti tidak ada hubungan, > 1 faktor risiko, < 1 faktor protektif.

Ingat: chi-square hanya menunjukkan asosiasi, bukan sebab–akibat. Untuk mengendalikan faktor lain, lanjutkan ke analisis multivariat.

Aturan membaca uji chi-square di SPSS

Chi-square mensyaratkan tidak ada sel dengan expected count kurang dari 5 (untuk tabel lebih besar, maksimal 20% sel). Aturan praktis yang banyak dipakai di buku analisis data kesehatan Indonesia:

  • Tabel 2×2 dan tidak ada sel dengan expected < 5 → baca baris Continuity Correction.
  • Tabel 2×2 dan ada sel dengan expected < 5 → baca Fisher's Exact Test.
  • Tabel lebih dari 2×2 (misalnya 2×3, 3×3) → baca Pearson Chi-Square; bila syarat tidak terpenuhi, gabungkan kategori.
Coba sendiri: kalkulator tabel 2×2

Angka awal adalah data simulasi Rara. Ubah angkanya atau desainnya, dan lihat semua hasil ikut berubah.

Dua jenis kesalahan

Tabel 8.3 — Kesalahan tipe I dan tipe II
Kenyataan: tidak ada hubunganKenyataan: ada hubungan
Kesimpulan: ada hubungan (H0 ditolak)Kesalahan tipe I (α) — alarm kebakaran berbunyi padahal tidak ada apiBenar (power = 1 − β)
Kesimpulan: tidak ada hubungan (H0 diterima)BenarKesalahan tipe II (β) — ada api, alarm diam saja

Risiko kesalahan tipe I dibatasi dengan α (biasanya 0,05). Risiko kesalahan tipe II dibatasi dengan power yang cukup (biasanya 80–90%), yang dicapai lewat besar sampel yang memadai. Itulah sebabnya besar sampel dihitung di awal (Bab 5).

Uji post hoc setelah ANOVA

ANOVA hanya memberi tahu ada perbedaan di antara tiga kelompok atau lebih. Untuk tahu kelompok mana yang berbeda, lakukan uji post hoc:

  • Tukey HSD: varians homogen, jumlah subjek per kelompok sama atau mirip.
  • Bonferroni: jumlah perbandingan sedikit; konservatif (risiko tipe II naik).
  • Dunnett: setiap kelompok perlakuan dibandingkan dengan satu kelompok kontrol.
  • Holm (Bonferroni bertahap): banyak perbandingan; tetap menjaga kesalahan tipe I, tetapi tidak sekonservatif Bonferroni.
  • Games-Howell: varians tidak homogen dan/atau jumlah subjek tidak sama.
  • Scheffé: perbandingan kompleks (kombinasi kelompok); sangat konservatif.
Pojok S2–S3
  • OR bukan PR. Pada cross-sectional dengan outcome yang sering (prevalensi > 10%), OR dari regresi logistik akan membesar-besarkan PR (pada data Rara: OR 3,85 vs PR 1,89). Untuk PR terkoreksi, gunakan regresi Poisson dengan robust variance atau regresi log-binomial (Barros & Hirakata, 2003). Langkah SPSS-nya diperagakan di Bab 27.
  • Seleksi variabel multivariat. Konvensi yang sering dipakai: variabel dengan p < 0,25 pada analisis bivariat menjadi kandidat model, lalu dipertimbangkan secara substantif (jangan hanya mengandalkan p). Periksa multikolinearitas dan interaksi.
  • Jangan memuja p < 0,05. American Statistical Association (Wasserstein & Lazar, 2016) menegaskan nilai p tidak mengukur besar efek maupun kepentingan hasil. Selalu laporkan besar efek dan IK95%.
  • Data hilang dan multiple testing: jelaskan penanganan data hilang (misalnya multiple imputation) dan koreksi untuk banyak uji bila relevan.
Intinya
  • Analisis bertahap: univariat → bivariat → multivariat, sesuai tujuan.
  • Pilih uji dari jenis data, jumlah kelompok, berpasangan atau tidak, dan normalitas.
  • Laporkan nilai p dan nilai rasio (PR/OR/RR) dengan IK95%.
Coba sendiri: kuis analisis data
Bab 9

Praktik SPSS Langkah demi Langkah

Dari menyiapkan variabel, memasukkan data, sampai membaca output, semuanya dengan data Rara. Setiap resep ditulis sebagai jalur menu yang bisa kamu ikuti klik demi klik.

S1S2–S3

Menyiapkan SPSS

SPSS (Statistical Package for the Social Sciences) adalah perangkat lunak analisis statistik untuk statistik deskriptif, uji hipotesis, analisis multivariat, dan regresi. Antarmukanya berbasis menu, bisa mengimpor data dari Excel atau CSV, dan menyajikan hasil dalam tabel dan grafik.

Memasang di Windows

  1. Unduh pemasang dari portal lisensi kampus atau situs resmi IBM (versi trial).
  2. Jalankan berkas pemasang, ikuti wizard, pilih folder instalasi.
  3. Di akhir, buka License Authorization Wizard dan masukkan kode otorisasi dari kampus.
  4. Buka SPSS; bila muncul jendela awal, pilih New Dataset.

Memasang di macOS

  1. Unduh versi yang mendukung macOS di komputermu (cek catatan rilis IBM).
  2. Buka berkas .dmg/.pkg dan ikuti pemasangannya.
  3. Bila muncul pesan "cannot be opened" atau "unidentified developer" untuk pemasang resmi, buka System Settings ▸ Privacy & Security lalu klik Open Anyway khusus untuk aplikasi itu.
  4. Masukkan kode lisensi saat diminta.

Gunakan SPSS berlisensi resmi. Jangan memasang salinan tidak resmi atau mematikan fitur keamanan komputer secara menyeluruh (misalnya menonaktifkan Gatekeeper lewat Terminal) demi memasang aplikasi. Bila tidak memiliki lisensi, alternatif gratis yang menu dan hasilnya mirip adalah JASP, jamovi, dan PSPP.

SPSS memiliki empat jendela utama:

  • Variable View: tempat mendaftarkan "identitas" setiap variabel (nama, jenis, label, kode).
  • Data View: tempat mengisi data; satu baris = satu responden, satu kolom = satu variabel.
  • Output Viewer: tempat hasil analisis muncul.
  • Syntax Editor: perintah tertulis; berguna untuk mengulang analisis dengan tepat.

Langkah 1 · Variable View

Data_Rara.sav — Variable View
NameTypeDecimalsLabelValuesMeasure
idNumeric0Kode respondenNoneNominal
usiaNumeric0Usia (tahun)NoneScale
jkNumeric0Jenis kelamin1 = Laki-laki; 2 = PerempuanNominal
kelasNumeric0Kelas1 = X; 2 = XI; 3 = XIIOrdinal
durasi_jamNumeric1Durasi gawai (jam/hari)NoneScale
gawai_katNumeric0Kategori durasi gawai1 = Tinggi; 2 = RendahOrdinal
psqi_skorNumeric0Skor global PSQINoneScale
tidur_katNumeric0Kualitas tidur1 = Buruk; 2 = BaikOrdinal
  • Name tanpa spasi dan tidak diawali angka (pakai garis bawah).
  • Values adalah kode angka untuk kategori. Klik kotak Values, isi Value = 1, Label = Tinggi, klik Add, dan seterusnya.
  • Trik penting: beri kode 1 untuk faktor risiko positif (Tinggi) dan outcome positif (Buruk). SPSS mengurutkan kategori dari kode terkecil, sehingga tabel 2×2 langsung tersusun a–b–c–d dan PR/OR bisa dibaca apa adanya.
  • Measure diisi Nominal/Ordinal untuk kategorik dan Scale untuk numerik.

Langkah 2 · Data View

Data_Rara.sav — Data View (5 baris pertama dari 108)
idusiajkkelasdurasi_jamgawai_katpsqi_skortidur_kat
1116225,5181
2215112,0242
3317236,51111
4416123,0271
5515214,0152

Periksa data sebelum dianalisis (cleaning): jalankan Frequencies untuk setiap variabel dan cari nilai janggal, misalnya usia 61 (salah ketik 16) atau kode 3 pada jenis kelamin.

Langkah 3 · Transformasi data

Mengubah angka menjadi kategori (Recode)

Transform▸Recode into Different Variables
  1. Masukkan durasi_jam ke kotak Input Variable → Output Variable; isi Name = gawai_kat, klik Change.
  2. Klik Old and New Values: pilih Range, value through HIGHEST = 4 → New Value 1 → Add. Pilih All other values → New Value 2 → Add.
  3. Continue → OK. Lengkapi label nilainya di Variable View.

Selalu pilih Recode into Different Variables agar data asli tidak tertimpa.

Menjumlahkan skor (Compute)

Transform▸Compute Variable

Target Variable = psqi_skor; Numeric Expression = komp1 + komp2 + komp3 + komp4 + komp5 + komp6 + komp7. Setelah itu buat tidur_kat dengan Recode: skor 0–5 → 2 (Baik), skor 6–21 → 1 (Buruk).

Langkah 4 · Analisis univariat

Analyze▸Descriptive Statistics▸Frequencies

Masukkan jk, kelas, gawai_kat, tidur_kat ke kotak Variable(s) → OK. Hasilnya tabel frekuensi (n dan %) untuk tujuan 1 dan 2. Untuk data numerik (usia, durasi_jam), pakai Explore agar sekaligus mendapat uji normalitas.

Langkah 5 · Uji validitas dan reliabilitas kuesioner

Dilakukan pada data uji coba (±30 responden di luar sampel), sebelum penelitian utama.

Uji validitas (korelasi butir–total)

Analyze▸Correlate▸Bivariate
  1. Buat dulu variabel total (Compute: jumlah semua butir).
  2. Masukkan semua butir (p1, p2, … p10) dan total ke kotak Variables.
  3. Centang Pearson dan Two-tailed → OK.
  4. Lihat baris/kolom total: setiap butir dengan r hitung > r tabel (0,361 untuk n = 30) dinyatakan valid.

Cara lain: pada Reliability Analysis (di bawah), lihat kolom Corrected Item-Total Correlation.

Uji reliabilitas (Cronbach's alpha)

Analyze▸Scale▸Reliability Analysis
  1. Masukkan butir-butir yang valid ke kotak Items; Model = Alpha.
  2. Statistics → centang Scale if item deleted → Continue → OK.
  3. Baca tabel Reliability Statistics: Cronbach's Alpha ≥ 0,70 → reliabel.

Langkah 6 · Uji normalitas dan homogenitas

Analyze▸Descriptive Statistics▸Explore
  1. Masukkan variabel numerik (misalnya psqi_skor) ke Dependent List. Bila ingin per kelompok, masukkan variabel kelompok ke Factor List.
  2. Plots → centang Normality plots with tests. Bila ada Factor, pilih Spread vs Level: Untransformed untuk uji Levene.
  3. Baca tabel Tests of Normality: Kolmogorov-Smirnov (n > 50) atau Shapiro-Wilk (n ≤ 50). Sig. > 0,05 = normal.
  4. Baca tabel Test of Homogeneity of Variance (Levene, Based on Mean): Sig. > 0,05 = homogen.

Langkah 7 · Analisis utama Rara: chi-square + PR

Analyze▸Descriptive Statistics▸Crosstabs
Crosstabs

Row(s): gawai_kat · Column(s): tidur_kat

Statistics… Chi-squareCorrelationsRiskMcNemar

Cells… ObservedExpectedRowColumnTotal

Klik OK. Tiga tabel penting akan muncul:

Output — Crosstabulation
gawai_kat * tidur_kat CrosstabulationBurukBaikTotal
TinggiCount442064
Expected Count35,628,464,0
% within gawai_kat68,8%31,3%100,0%
RendahCount162844
Expected Count24,419,644,0
% within gawai_kat36,4%63,6%100,0%
TotalCount6048108
Output — Chi-Square Tests
ValuedfAsymp. Sig. (2-sided)Exact Sig. (2-sided)Exact Sig. (1-sided)
Pearson Chi-Square11,076ᵃ1,001
Continuity Correctionᵇ9,8031,002
Likelihood Ratio11,2021,001
Fisher's Exact Test,001,001
Linear-by-Linear Association10,9741,001
N of Valid Cases108

a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 19,56. · b. Computed only for a 2×2 table

Output — Risk Estimate
Value95% CI Lower95% CI Upper
Odds Ratio for gawai_kat (Tinggi / Rendah)3,8501,7128,658
For cohort tidur_kat = Buruk1,8911,2372,890
For cohort tidur_kat = Baik,491,321,752
N of Valid Cases108
  1. 1Cek syarat: catatan kaki "0 cells have expected count less than 5" → syarat chi-square terpenuhi.
  2. 2Tabel 2×2 → baca baris Continuity Correction: p = 0,002 < 0,05 → H0 ditolak.
  3. 3Desain cross-sectional → baca baris For cohort tidur_kat = Buruk. Walau SPSS menamainya "cohort", angka ini adalah rasio proporsi, yang pada data cross-sectional disebut PR = 1,891 (IK95% 1,237–2,890). Untuk case-control, baca baris Odds Ratio (contoh: Bab 26). Untuk cohort, baris yang sama disebut RR (contoh: Bab 25).
Kalimat hasil Rara

"Hasil uji chi-square menunjukkan terdapat hubungan yang bermakna antara durasi penggunaan gawai dengan kualitas tidur (p = 0,002). Siswa dengan durasi penggunaan gawai tinggi memiliki prevalensi kualitas tidur buruk 1,89 kali lebih besar dibandingkan siswa dengan durasi rendah (PR = 1,89; IK95% 1,24–2,89)."

Resep uji lainnya

Klik judul untuk membuka setiap resep.

Korelasi Pearson / Spearman
Analyze▸Correlate▸Bivariate

Masukkan dua variabel numerik (misalnya durasi_jam dan psqi_skor). Centang Pearson bila keduanya normal, atau Spearman bila tidak normal/ordinal. Baca Sig. (bermakna bila < 0,05), arah (tanda + searah, − berlawanan), dan kekuatan r: 0,00–0,199 sangat lemah; 0,20–0,399 lemah; 0,40–0,599 sedang; 0,60–0,799 kuat; 0,80–1,00 sangat kuat.

Contoh simulasi: rs = 0,41; p < 0,001 → korelasi positif, kekuatan sedang: makin lama bermain gawai, makin tinggi skor PSQI (makin buruk tidurnya). Contoh penelitian korelasional lengkap, termasuk korelasi parsial: Bab 41.

Uji t satu sampel
Analyze▸Compare Means▸One-Sample T Test

Dipakai untuk menguji apakah rerata sampel berbeda dari suatu nilai acuan. Contoh: apakah rerata durasi tidur siswa berbeda dari rekomendasi 8 jam? Test Variable(s) = durasi_tidur; Test Value = 8 (bila dikosongkan, SPSS memakai 0). Options → atur Confidence Interval 95%.

Baca tabel One-Sample Test: t, df, Sig. (2-tailed), Mean Difference, dan 95% CI. Syaratnya: data berdistribusi normal.

Uji t independen (dua kelompok tidak berpasangan)
Analyze▸Compare Means▸Independent-Samples T Test

Test Variable = variabel numerik (misalnya psqi_skor); Grouping Variable = jk → Define Groups: Group 1 = 1, Group 2 = 2 → OK.

Baca dulu Levene's Test: bila Sig. > 0,05, baca baris Equal variances assumed; bila < 0,05, baca Equal variances not assumed. Lalu lihat Sig. (2-tailed) dan Mean Difference beserta 95% CI-nya.

Uji t berpasangan (pre–post)
Analyze▸Compare Means▸Paired-Samples T Test

Masukkan pasangan variabel (misalnya skor_pre dan skor_post) ke Paired Variables → OK. Syaratnya: selisih pre–post berdistribusi normal. Baca Sig. (2-tailed) dan rerata selisihnya.

One-way ANOVA + post hoc
Analyze▸Compare Means▸One-Way ANOVA

Dependent List = psqi_skor; Factor = kelas. Options → centang DescriptiveHomogeneity of variance testWelch. Post Hoc → bagian Equal Variances Assumed: Tukey atau Bonferroni; untuk membandingkan setiap kelompok dengan satu kontrol, centang Dunnett lalu pilih kategori kontrol (First/Last). Bagian Equal Variances Not Assumed: Games-Howell.

Baca Levene → pilih ANOVA (homogen) atau Welch (tidak homogen) → bila Sig. < 0,05, lihat tabel Multiple Comparisons untuk pasangan kelompok yang berbeda.

Uji non-parametrik: Mann-Whitney, Wilcoxon, Kruskal-Wallis
  • Mann-Whitney: Analyze▸Nonparametric Tests▸Legacy Dialogs▸2 Independent Samples → Test Type: Mann-Whitney U; Define Groups 1 dan 2.
  • Wilcoxon: Legacy Dialogs▸2 Related Samples → masukkan pasangan pre–post; Test Type: Wilcoxon.
  • Kruskal-Wallis: Legacy Dialogs▸K Independent Samples → Define Range (misalnya 1 sampai 3); Test Type: Kruskal-Wallis H. Bila bermakna, lanjutkan dengan Mann-Whitney antarpasangan (dengan koreksi).
  • Friedman: Legacy Dialogs▸K Related Samples.

Laporkan median (minimum–maksimum) per kelompok dan nilai p.

Two-way ANOVA dan MANOVA
Analyze▸General Linear Model▸Univariate

Dependent Variable = outcome numerik; Fixed Factor(s) = faktor A dan faktor B. Model → Full factorial (otomatis memuat interaksi A×B). Plots → faktor A di Horizontal Axis, faktor B di Separate Lines → Add. Options → Descriptive statisticsEstimates of effect sizeHomogeneity tests. Baca tabel Tests of Between-Subjects Effects: Sig. untuk A, B, dan A×B. Interaksi bermakna berarti efek A berbeda pada tiap level B.

Analyze▸General Linear Model▸Multivariate

MANOVA: beberapa variabel dependen numerik sekaligus ke Dependent Variables; faktor ke Fixed Factor(s). Baca Wilks' Lambda pada tabel Multivariate Tests; makin kecil nilainya, makin besar perbedaan antarkelompok. Periksa asumsi homogenitas matriks kovarians (Box's M) dan laporkan besar efek (partial eta squared). Contoh MANOVA: membandingkan kinerja tiga kelompok pekerja pada tiga aspek sekaligus (produktivitas, kualitas, kehadiran). Contoh ANOVA biasa: membandingkan rerata penghasilan tiga kelompok pendidikan.

Regresi linear (sederhana dan berganda)
Analyze▸Regression▸Linear

Dependent = outcome numerik (psqi_skor); Independent(s) = satu atau lebih prediktor. Statistics → EstimatesConfidence intervalsModel fitCollinearity diagnosticsDurbin-Watson. Plots → ZRESID (Y) vs ZPRED (X), HistogramNormal probability plot.

Baca: R Square (proporsi variasi Y yang dijelaskan model), ANOVA Sig. (kelayakan model), dan tabel Coefficients: B (perubahan Y per satu unit X), Sig., dan 95% CI. Periksa asumsi: residual normal, linearitas, homoskedastisitas, tidak ada multikolinearitas (VIF < 10), independensi.

Regresi logistik biner (multivariat)
Analyze▸Regression▸Binary Logistic
  1. Buat variabel outcome 0/1 lewat Recode: tidur_bin 1 = Buruk, 0 = Baik. SPSS memodelkan kode yang lebih tinggi (1) sebagai kejadian.
  2. Dependent = tidur_bin; Covariates = gawai_kat, kafein, stres, jk. Method = Enter (atau Backward LR).
  3. Categorical → pindahkan variabel kategorik, pilih kategori pembanding (Reference Category: Last/First) → Change.
  4. Options → CI for exp(B): 95%Hosmer-Lemeshow goodness-of-fit.

Baca: Omnibus Tests (model bermakna bila Sig. < 0,05), Nagelkerke R Square, Hosmer-Lemeshow (model sesuai bila Sig. > 0,05), dan tabel Variables in the Equation: Exp(B) = OR terkoreksi beserta 95% CI dan Sig.

Menyimpan dan mengekspor hasil

Simpan data sebagai .sav dan output sebagai .spv. Untuk memindahkan tabel ke naskah: di Output Viewer pilih File ▸ Export, pilih format (Word, Excel, PDF), lalu rapikan menjadi tabel tiga garis (Bab 10). Simpan juga sintaks (Paste di setiap jendela dialog) agar analisis bisa diulang persis.

Latihan SPSS mandiri: 20 siswa

Ketik atau tempel data di bawah ke Data View (susun dulu Variable View seperti Langkah 1), lalu kerjakan empat tugas. Kunci jawaban ada di bagian bawah.

idjkdurasi_jamgawai_katpsqi_skortidur_kat
  1. Buat tabel frekuensi gawai_kat dan tidur_kat.
  2. Uji normalitas psqi_skor (n = 20, jadi baca Shapiro-Wilk).
  3. Uji hubungan gawai_kat dengan tidur_kat (Crosstabs, Chi-square, Risk). Baris mana yang harus dibaca?
  4. Uji korelasi Spearman durasi_jam dengan psqi_skor.
Kunci jawaban
  1. Gawai tinggi 11 (55%), rendah 9 (45%). Tidur buruk 10 (50%), baik 10 (50%).
  2. Shapiro-Wilk: W = 0,943; p = 0,274 → data berdistribusi normal.
  3. Tabel 2×2: a = 8, b = 3, c = 2, d = 7. Ada sel dengan expected 4,5 (< 5), jadi baca Fisher's Exact Test: p (2-sided) = 0,070 → tidak bermakna. Seandainya keliru membaca Pearson Chi-Square (p = 0,025), kesimpulannya jadi salah! PR = 3,27 (IK95% 0,91–11,71) dan OR = 9,33 (IK95% 1,19–72,99): IK95% PR melewati 1 dan sangat lebar karena sampel kecil.
  4. Spearman rs = 0,433; p = 0,056 → korelasi positif sedang tetapi belum bermakna pada α = 0,05.

Pelajaran: sampel yang terlalu kecil membuat penelitian kurang power. Itulah mengapa besar sampel dihitung sejak awal (Bab 5).

Awas, keliru!
  • Menulis "p = 0,000". Nilai p tidak pernah nol. Bila SPSS menampilkan ,000, tulis p < 0,001.
  • Memakai uji t untuk data tidak normal tanpa memeriksa normalitas.
  • Memakai baris "Pearson Chi-Square" untuk tabel 2×2, atau mengabaikan catatan kaki tentang expected count.
  • Salah kode sehingga tabel 2×2 terbalik dan OR/PR yang dibaca menjadi kebalikannya (misalnya 0,53 padahal seharusnya 1,89).
  • Menempel output mentah SPSS ke skripsi. Salin angkanya ke tabel yang rapi (Bab 10).
Intinya
  • Susun Variable View dulu (kode 1 untuk faktor risiko dan outcome positif), lalu isi Data View.
  • Crosstabs + Chi-square + Risk menghasilkan nilai p dan PR/OR/RR sekaligus.
  • Periksa syarat (expected, normalitas, homogenitas) sebelum membaca hasil; tulis p < 0,001, bukan 0,000.
Coba sendiri: kuis SPSS
Bab 9B

Analisis SEM-PLS: Mengukur yang Tak Terlihat

FOMO, kontrol diri, kepuasan pelanggan, motivasi kerja: variabel seperti ini tidak bisa diukur dengan penggaris. Structural Equation Modeling (SEM) mengukurnya lewat beberapa indikator, lalu menguji hubungan antarvariabel itu sekaligus dalam satu model.

S1S2–S3

Apa itu SEM?

Structural Equation Modeling (SEM) adalah metode statistik untuk menganalisis hubungan antarvariabel laten. SEM menggabungkan dua teknik sekaligus: analisis faktor (untuk mengukur variabel laten dari indikatornya) dan regresi/analisis jalur (untuk menguji hubungan antarvariabel laten). Karena itu SEM cocok untuk menguji model teoretis yang kompleks: banyak variabel, hubungan berjenjang, dan variabel perantara (mediator).

Kapan butuh SEM?

  • Variabelnya laten dan diukur dengan beberapa butir kuesioner.
  • Ada banyak hubungan sekaligus: X → M → Y, beberapa variabel endogen.
  • Ingin memperhitungkan kualitas pengukuran (loading, reliabilitas) bersamaan dengan hubungan antarvariabel.

Kapan tidak perlu?

  • Variabelnya bisa diukur langsung (usia, kadar Hb, skor total baku) dan modelnya sederhana: cukup regresi (Bab 9).
  • Satu X dan satu Y kategorik: cukup chi-square.
  • Sampel sangat kecil tanpa dasar teori yang kuat.
Bima bertanya

"Variabel laten itu apa sih, Kak?"
"Jago main bola" tidak bisa diukur langsung. Tapi kita bisa melihat tanda-tandanya: jumlah gol, operan sukses, kecepatan lari. "Jago" itu variabel laten; gol, operan, dan kecepatan adalah indikatornya. SEM menilai seberapa baik indikator mewakili si "jago", lalu menguji apakah "jago" berhubungan dengan, misalnya, "terpilih masuk tim sekolah".

Komponen dasar SEM

KP1KP2KP3 Kepuasanpelanggan 0,800,700,76 LoyalitasR² = 0,49 β = 0,70 LY1LY2 model pengukuran (outer model) model struktural(inner model)
Gambar 9B.1 — Notasi SEM dengan contoh klasik kepuasan → loyalitas pelanggan. Oval = variabel laten, kotak = indikator. Karena hanya ada satu prediktor, R² = 0,70² = 0,49.
Tabel 9B.1 — Istilah kunci SEM
IstilahArtiContoh
Variabel laten (konstruk)Variabel abstrak yang tidak bisa diamati langsungKepuasan pelanggan, loyalitas merek, kualitas hidup, motivasi kerja, kepemimpinan, FOMO
Variabel terukur (indikator, manifest)Variabel yang diamati langsung dan mewakili variabel latenSkor butir Likert "Saya puas dengan kualitas produk"
Variabel metrikIndikator bernilai angkaSkor Likert 1–5, jumlah pembelian per tahun, pendapatan per bulan
Variabel kategorialIndikator berupa kelompokJenis kelamin, status pernikahan, merek yang dipilih
EksogenVariabel laten yang tidak dipengaruhi variabel lain dalam modelKepuasan pelanggan pada Gambar 9B.1
EndogenVariabel laten yang dipengaruhi variabel lain dalam modelLoyalitas
Model pengukuran (outer model)Hubungan variabel laten dengan indikatornyaKepuasan → KP1, KP2, KP3
Model struktural (inner model)Hubungan antarvariabel laten sesuai hipotesisKepuasan → Loyalitas
LoadingKekuatan hubungan indikator dengan variabel latennyaKP1 = 0,80
Koefisien jalur (β)Kekuatan dan arah hubungan antarvariabel latenKepuasan → Loyalitas = 0,70
Error / residualVarians yang tidak dijelaskan model1 − R² = 0,51 pada loyalitas
MediatorVariabel perantara: X → M → YPenggunaan gawai malam di antara FOMO dan gangguan tidur
ModeratorVariabel yang mengubah kuat-lemahnya hubungan X → YDukungan keluarga memperlemah hubungan gawai–tidur

Reflektif atau formatif?

Reflektif (panah dari konstruk ke indikator)

Indikator mencerminkan konstruk; bila konstruknya naik, semua indikator ikut naik. Indikator saling berkorelasi tinggi dan bisa saling menggantikan. Contoh kepuasan pelanggan: "Saya puas dengan kualitas produk", "…dengan layanan pelanggan", "…dengan harga produk".

Formatif (panah dari indikator ke konstruk)

Indikator membentuk konstruk; masing-masing menyumbang bagian yang berbeda, sehingga membuang satu indikator mengubah makna konstruk. Contoh kualitas hidup: "Kesehatan fisik saya baik", "Kesehatan mental saya baik", "Hubungan sosial saya baik".

Cara mudah menentukan: tanyakan "Bila satu indikator dihapus, apakah makna konstruknya berubah?" Bila tidak, reflektif. Bila ya, formatif. Kebanyakan skala sikap dan persepsi berbentuk reflektif.

Skala pengukuran yang umum: skala Likert (sangat tidak setuju–sangat setuju) dan skala diferensial semantik (dua kata berlawanan, misalnya puas–tidak puas, baik–buruk, dengan 5–7 titik di antaranya).

CB-SEM atau PLS-SEM?

Tabel 9B.2 — Dua jenis SEM
AspekCB-SEM (SEM konvensional)PLS-SEM
Tujuan utamaMenguji dan mengonfirmasi teori (apakah model cocok dengan data)Menjelaskan dan memprediksi konstruk target; mengembangkan teori
EstimasiMaximum Likelihood (ML), GLS; berbasis kovariansPartial Least Squares; berbasis varians, memaksimalkan varians yang dijelaskan (R²) pada konstruk endogen
Distribusi dataMengasumsikan normal multivariat (untuk ML)Tidak mengasumsikan normalitas
Ukuran sampelUmumnya besar (sering ≥ 200)Bisa lebih kecil, tetapi tetap dihitung (lihat di bawah)
Konstruk formatifSulitMudah
Uji signifikansiUji z/t berbasis ML, chi-square modelBootstrapping (resampling) untuk nilai p dan interval kepercayaan
Kecocokan modelIndeks fit: χ², CFI, TLI, RMSEA, SRMRTidak berfokus pada fit; dinilai dari reliabilitas, validitas, R², f², daya prediksi
Perangkat lunakAMOS (SPSS AMOS), LISREL, Mplus, EQS, R lavaanSmartPLS, WarpPLS, ADANCO, R seminr/cSEM

Pilih PLS-SEM bila…

  • tujuannya prediksi atau pengembangan teori,
  • ada konstruk formatif,
  • modelnya kompleks (banyak konstruk dan indikator),
  • data tidak normal, atau sampel tidak terlalu besar,
  • skor variabel laten akan dipakai untuk analisis lanjutan.

Pilih CB-SEM bila…

  • tujuannya menguji atau membandingkan teori yang sudah mapan,
  • perlu menilai kecocokan model secara keseluruhan (indeks fit),
  • semua konstruk reflektif dan sampel besar,
  • ada korelasi antar-error yang ingin dimodelkan.

Contoh kasus: model gawai dan tidur

Model Hubungan FOMO, Kontrol Diri, Penggunaan Gawai Malam, dan Gangguan Tidur pada Siswa SMA di Palembang: Analisis SEM-PLS

Setelah skripsinya, Rara ingin memahami mekanismenya lebih jauh: apakah FOMO dan kontrol diri berhubungan dengan gangguan tidur melalui penggunaan gawai di malam hari? Semua variabel adalah konstruk laten yang diukur dengan skala Likert 1–5. Data survei cross-sectional 250 siswa (simulasi).

FO1FO2FO3FO4 KD1KD2KD3KD4 PG1PG2PG3 GT1GT2GT3GT4 0,820,860,790,74 0,840,810,620,80 0,880,850,83 0,800,830,770,72 FOMO Kontroldiri Gawai malamR² = 0,311(mediator) GangguantidurR² = 0,370 H1 (+)H2 (−)H3 (+)H4 (+)H5 (−) 0,380***−0,310***0,470***0,190**−0,050 (ns)
Gambar 9B.2 — Model penelitian. H6 dan H7: gawai malam memediasi hubungan FOMO → gangguan tidur dan kontrol diri → gangguan tidur. *** p < 0,001; ** p < 0,01; ns = tidak bermakna. Loading oranye (KD3 = 0,62) dibahas di Langkah 5.

Delapan langkah analisis SEM-PLS

Langkah 1 · Rumuskan model struktural (hipotesis)

Gambar hubungan antarkonstruk berdasarkan teori dan penelitian terdahulu, bukan coba-coba. Hipotesis Rara:

KodeHipotesis
H1FOMO berhubungan positif dengan penggunaan gawai malam.
H2Kontrol diri berhubungan negatif dengan penggunaan gawai malam.
H3Penggunaan gawai malam berhubungan positif dengan gangguan tidur.
H4FOMO berhubungan langsung dan positif dengan gangguan tidur.
H5Kontrol diri berhubungan langsung dan negatif dengan gangguan tidur.
H6Penggunaan gawai malam memediasi hubungan FOMO dengan gangguan tidur.
H7Penggunaan gawai malam memediasi hubungan kontrol diri dengan gangguan tidur.

Langkah 2 · Rumuskan model pengukuran (indikator)

Tentukan indikator setiap konstruk dari literatur, teori, atau skala baku, lalu tetapkan reflektif atau formatif. Indikator yang baik valid, reliabel, dan berhubungan kuat dengan konstruknya. Semua konstruk Rara reflektif:

Tabel 9B.3 — Indikator (skala Likert 1–5, contoh ilustrasi)
KonstrukKodeButir
FOMOFO1Saya khawatir teman-teman mengalami hal seru tanpa saya.
FO2Saya gelisah bila tidak tahu apa yang sedang dibicarakan teman.
FO3Saya merasa harus terus memeriksa media sosial agar tidak ketinggalan.
FO4Saya merasa tertinggal bila tidak ikut obrolan grup.
Kontrol diriKD1Saya bisa berhenti melakukan hal yang menyenangkan bila sudah waktunya.
KD2Saya mampu menolak godaan yang merugikan diri saya.
KD3Saya jarang bertindak tanpa berpikir panjang.
KD4Saya tetap fokus pada tujuan meskipun ada gangguan.
Gawai malamPG1Saya memakai gawai di tempat tidur sebelum tidur.
PG2Saya memakai gawai lebih dari satu jam setelah pukul 22.00.
PG3Saya menunda tidur karena masih memakai gawai.
Gangguan tidurGT1Saya sulit tertidur di malam hari.
GT2Tidur saya tidak nyenyak.
GT3Saya bangun dalam keadaan lelah.
GT4Saya mengantuk saat belajar di siang hari.

Butir di atas hanya ilustrasi. Dalam penelitian sungguhan, gunakan skala baku yang sudah divalidasi dalam bahasa Indonesia, atau kembangkan skala baru dengan uji validitas isi dan uji coba (Bab 6).

Langkah 3 · Tentukan besar sampel dan periksa data

Anggapan bahwa PLS-SEM "cukup 30–50 sampel" sudah tidak dianjurkan. Tiga cara yang lebih baik:

  • Metode inverse square root (Kock & Hadaya, 2018): nmin > (2,486 / |βmin|)² untuk α = 5%, dengan βmin = koefisien jalur terkecil yang diharapkan bermakna. Untuk βmin = 0,20 → n ≥ 155.
  • Power analysis (G*Power) untuk regresi berganda dengan jumlah prediktor terbanyak yang menuju satu konstruk.
  • Aturan 10 kali (10 × jumlah panah terbanyak yang menuju satu konstruk) hanya sebagai batas bawah kasar, karena sering menghasilkan sampel terlalu kecil.

Periksa data sebelum analisis: data hilang (indikator dengan data hilang > 15% sebaiknya dikeluarkan), pola jawaban lurus (responden menjawab "4" untuk semua butir), pencilan, dan distribusi yang sangat menceng. PLS-SEM tidak mensyaratkan normalitas, tetapi data ekstrem tetap memengaruhi hasil.

Coba sendiri: sampel minimum PLS-SEM

Langkah 4 · Estimasi model (algoritma PLS)

Jalankan algoritma PLS (skema pembobotan path weighting). Pastikan algoritma konvergen, yaitu berhenti karena perubahan estimasi sudah sangat kecil (kriteria henti), bukan karena mencapai batas iterasi maksimum. Hasilnya: loading/weight, koefisien jalur, dan R².

Langkah 5 · Evaluasi model pengukuran

Tabel 9B.4 — Kriteria evaluasi model pengukuran reflektif
AspekUkuranPatokan
Reliabilitas indikatorOuter loading≥ 0,708. Indikator 0,40–0,70 dihapus hanya bila penghapusan menaikkan CR/AVE melewati batasnya; < 0,40 dihapus.
Konsistensi internalCronbach's alpha, ρA, composite reliability (ρc/CR)0,70–0,95 (0,60–0,70 masih diterima pada penelitian eksploratori); > 0,95 menandakan butir yang terlalu mirip.
Validitas konvergenAverage Variance Extracted (AVE)≥ 0,50
Validitas diskriminanHTMT< 0,85 (atau < 0,90 untuk konstruk yang mirip); interval kepercayaan bootstrap tidak mencakup 1
Validitas diskriminan (klasik)Fornell-Larcker; cross-loading√AVE lebih besar daripada korelasi dengan konstruk lain; loading pada konstruknya sendiri paling tinggi

Untuk konstruk formatif, yang dinilai berbeda: validitas konvergen lewat analisis redundansi (jalur ke ukuran global ≥ 0,70), kolinearitas antarindikator (VIF < 3 ideal, < 5 masih diterima), serta signifikansi dan besar outer weight.

Tabel 9B.5 — Reliabilitas dan validitas konvergen (simulasi, n = 250)
KonstrukRentang loadingCronbach's αCR (ρc)AVE
FOMO0,74–0,860,8780,8790,646
Kontrol diri0,62–0,840,8500,8540,597
Gawai malam0,83–0,880,8890,8890,729
Gangguan tidur0,72–0,830,8610,8620,610
Keputusan tentang KD3 (loading 0,62)

Loading KD3 di bawah 0,708. Apakah harus dihapus? Tanpa KD3, AVE kontrol diri naik dari 0,597 menjadi 0,667. Tetapi dengan KD3 pun AVE sudah ≥ 0,50 dan CR ≥ 0,70. Karena penghapusan tidak diperlukan untuk memenuhi batas, KD3 dipertahankan demi validitas isi (aspek "berpikir sebelum bertindak" tetap terwakili). Menghapus indikator hanya demi angka yang lebih cantik adalah kebiasaan buruk.

Tabel 9B.6 — HTMT
FOMOKDPGM
Kontrol diri0,34
Gawai malam0,530,49
Gangguan tidur0,490,360,66
Tabel 9B.7 — Fornell-Larcker
FOMOKDPGMGT
FOMO0,804
KD−0,3000,772
PGM0,473−0,4240,854
GT0,427−0,3060,5810,781

Semua HTMT < 0,85 dan setiap √AVE (tebal) lebih besar daripada korelasinya dengan konstruk lain: validitas diskriminan terpenuhi.

Coba sendiri: hitung CR dan AVE dari loading

Langkah 6 · Evaluasi model struktural

Tabel 9B.8 — Kriteria evaluasi model struktural
UkuranFungsiPatokan
VIF (inner)Kolinearitas antarprediktor< 3 ideal, < 5 masih diterima
Koefisien jalur + bootstrappingArah, besar, dan kemaknaan hubungan10.000 subsampel; |t| > 1,96 (dua arah, α 5%); p < 0,05; IK95% tidak mencakup 0
R²Daya jelaskan terhadap konstruk endogen0,75 / 0,50 / 0,25 = substansial / moderat / lemah (Hair); 0,67 / 0,33 / 0,19 (Chin)
f²Besar efek satu prediktor0,02 / 0,15 / 0,35 = kecil / sedang / besar
Q²predict (PLSpredict)Daya prediksi di luar sampel> 0; bandingkan RMSE/MAE PLS dengan model regresi linear (LM): makin kecil makin baik
SRMRPerkiraan kecocokan model< 0,08; hanya pelengkap, bukan kriteria utama PLS-SEM
Tabel 9B.9 — Hasil bootstrapping (10.000 subsampel, simulasi)
JalurβtpIK95%f²Keputusan
H1 FOMO → Gawai malam0,3806,55< 0,0010,266 – 0,4940,191Diterima
H2 Kontrol diri → Gawai malam−0,3105,00< 0,001−0,432 – −0,1880,127Diterima
H3 Gawai malam → Gangguan tidur0,4708,39< 0,0010,360 – 0,5800,241Diterima
H4 FOMO → Gangguan tidur0,1902,790,0050,057 – 0,3230,044Diterima
H5 Kontrol diri → Gangguan tidur−0,0500,790,427−0,173 – 0,0730,003Ditolak

R² gawai malam = 0,311; R² gangguan tidur = 0,370. VIF inner 1,10–1,45. Q²predict indikator gangguan tidur 0,12–0,21 (> 0); RMSE PLS lebih kecil daripada LM pada 3 dari 4 indikator (daya prediksi sedang). SRMR = 0,058.

Langkah 7 · Uji mediasi (dan moderasi)

Efek tidak langsung dihitung sebagai perkalian jalur (a × b) dan diuji dengan bootstrapping, bukan uji Sobel. Jenis mediasi ditentukan dari kemaknaan efek tidak langsung dan efek langsung:

Tabel 9B.10 — Efek tidak langsung dan jenis mediasi
Jalur tidak langsunga × bIK95%Efek langsungJenis mediasi
H6 FOMO → Gawai malam → Gangguan tidur0,1790,108 – 0,2490,190 (bermakna, searah)Parsial (komplementer)
H7 Kontrol diri → Gawai malam → Gangguan tidur−0,146−0,212 – −0,079−0,050 (tidak bermakna)Penuh (indirect-only)

Membaca jenis mediasi

  • Penuh (indirect-only): tidak langsung bermakna, langsung tidak.
  • Parsial komplementer: keduanya bermakna dan searah.
  • Parsial kompetitif: keduanya bermakna tetapi berlawanan arah.
  • Tidak ada mediasi: efek tidak langsung tidak bermakna.

Moderasi

Moderator diuji dengan menambahkan suku interaksi (misalnya pendekatan dua tahap) antara prediktor dan moderator. Contoh: apakah dukungan keluarga memperlemah hubungan gawai malam → gangguan tidur? Bila jalur interaksi bermakna, gambarkan simple slope untuk menafsirkannya.

Langkah 8 · Tulis hasil dan tafsirannya

Contoh narasi hasil

"Model pengukuran memenuhi kriteria reliabilitas (CR 0,854–0,889) serta validitas konvergen (AVE 0,597–0,729) dan diskriminan (HTMT ≤ 0,66). FOMO berhubungan positif (β = 0,38; p < 0,001) dan kontrol diri berhubungan negatif (β = −0,31; p < 0,001) dengan penggunaan gawai malam, yang selanjutnya berhubungan positif dengan gangguan tidur (β = 0,47; p < 0,001). Penggunaan gawai malam memediasi secara parsial hubungan FOMO dengan gangguan tidur (efek tidak langsung 0,18; IK95% 0,11–0,25) dan secara penuh hubungan kontrol diri dengan gangguan tidur (−0,15; IK95% −0,21 s.d. −0,08). Model menjelaskan 37,0% varians gangguan tidur."

Karena datanya cross-sectional, tafsirkan jalur sebagai hubungan yang sesuai dengan model teoretis, bukan bukti sebab–akibat.

Tutorial SmartPLS langkah demi langkah

SPSS tidak memiliki PLS-SEM (SPSS AMOS dipakai untuk CB-SEM). Perangkat lunak PLS-SEM yang paling sering dipakai adalah SmartPLS. Nama menu bisa sedikit berbeda antarversi.

  1. Siapkan data. Satu baris per responden, satu kolom per indikator (FO1…GT4), baris pertama berisi nama kolom, sel kosong diberi kode data hilang (misalnya −99). Simpan sebagai .csv.

  2. Buat proyek dan impor data. Buat proyek baru, impor berkas CSV, lalu periksa jenis data dan kode data hilang.

  3. Gambar model. Buat model PLS-SEM, tambahkan variabel laten, seret indikator ke konstruknya (atur reflektif/formatif), lalu hubungkan jalur antarkonstruk sesuai hipotesis.

  4. Jalankan algoritma.

    Calculate▸PLS-SEM algorithm

    Baca outer loadings, construct reliability and validity (α, ρA, ρc, AVE), discriminant validity (HTMT, Fornell-Larcker, cross loadings), collinearity statistics (VIF), R², f², dan SRMR.

  5. Uji signifikansi.

    Calculate▸Bootstrapping

    Atur 10.000 subsampel, interval kepercayaan persentil, uji dua arah, α 0,05. Baca path coefficients (original sample, T statistics, P values), confidence intervals, specific indirect effects, dan interval kepercayaan HTMT.

  6. Uji daya prediksi.

    Calculate▸PLSpredict

    Baca Q²predict serta RMSE/MAE PLS dibandingkan LM.

  7. Ekspor dan susun tabel. Ekspor hasil (Excel/HTML), lalu susun tabel seperti Tabel 9B.5–9B.10 dan gambar model dengan koefisiennya.

Alternatif lain: WarpPLS, ADANCO, dan paket R gratis seminr atau cSEM.

Awas, keliru!
  • Menganggap R² atau Q² sebagai ukuran "model fit". R² adalah daya jelaskan, Q² adalah daya prediksi.
  • Memakai PLS-SEM hanya karena sampelnya kecil, tanpa menghitung besar sampel.
  • Menghapus indikator sampai semua loading > 0,708 padahal CR dan AVE sudah memenuhi batas, sehingga isi konstruk menjadi sempit.
  • Hanya melaporkan Fornell-Larcker; HTMT lebih peka mendeteksi masalah validitas diskriminan.
  • Menguji mediasi dengan uji Sobel atau menyimpulkan mediasi tanpa menguji efek tidak langsung.
  • Memakai indeks GoF (Tenenhaus) sebagai ukuran kecocokan model; indeks ini tidak dianjurkan untuk PLS-SEM.
  • Mengklaim sebab–akibat dari data survei cross-sectional.
Pojok S2–S3
  • Judul "Pengaruh" dalam SEM. Banyak artikel manajemen menulis "Pengaruh X terhadap Y" untuk jalur SEM karena modelnya menyatakan arah hubungan secara teoretis. Pada data cross-sectional, lebih aman memakai "Hubungan" atau "Model", sejalan dengan Bab 1, dan menjelaskan batasan kausalnya.
  • CB-SEM menilai kecocokan model dengan χ², CFI/TLI (≥ 0,90; lebih baik ≥ 0,95), RMSEA (≤ 0,08; lebih baik ≤ 0,06), dan SRMR (≤ 0,08).
  • Analisis lanjutan PLS-SEM: konstruk orde tinggi (higher-order), analisis multigrup (MGA) dengan uji invariansi pengukuran (MICOM), IPMA (peta kepentingan–kinerja), uji endogenitas, dan CVPAT untuk membandingkan daya prediksi model.
  • Laporkan secara transparan: perangkat lunak dan versinya, pengaturan algoritma, jumlah subsampel bootstrap, jenis interval kepercayaan, dan alasan setiap penghapusan indikator.
Intinya
  • SEM = analisis faktor + analisis jalur untuk variabel laten; ada model pengukuran dan model struktural.
  • PLS-SEM untuk prediksi, model kompleks, atau konstruk formatif; CB-SEM untuk konfirmasi teori dengan indeks fit.
  • Evaluasi: loading ≥ 0,708, CR 0,70–0,95, AVE ≥ 0,50, HTMT < 0,85; lalu VIF, β + bootstrapping, R², f², Q²predict; mediasi diuji lewat efek tidak langsung.
Coba sendiri: kuis SEM-PLS
Bab 10

Menyajikan Hasil: Dari Dapur ke Meja Makan

Output SPSS adalah dapur. Pembaca butuh hidangan: tabel yang rapi, grafik yang jujur, dan narasi singkat yang menjawab tujuan secara berurutan.

SMP–SMAS1S2–S3

Prinsip menyajikan hasil

  1. Ikuti urutan tujuan. Mulai dari karakteristik responden, lalu tujuan khusus 1, 2, 3. Setiap tujuan punya tabel atau grafiknya.

  2. Tabel dan narasi saling melengkapi. Narasi tidak mengulang semua angka di tabel; cukup sorot temuan terpenting.

  3. Hasil bukan pembahasan. Di Bab Hasil tidak ada teori, rujukan, atau opini. Semua itu masuk Bab Pembahasan.

  4. Format konsisten. Judul tabel di atas tabel, judul gambar di bawah gambar (ikuti pedoman kampusmu). Tabel "tiga garis" tanpa garis vertikal. Desimal memakai koma (1,89). Persentase satu desimal, nilai p tiga desimal, rasio dua desimal.

Contoh tabel hasil Rara

Tabel 10.1 — Karakteristik responden (n = 108)
Karakteristikn%
Jenis kelamin
  Laki-laki4743,5
  Perempuan6156,5
Kelas
  X3936,1
  XI3633,3
  XII3330,6
Usia (tahun), rerata ± SB16,2 ± 0,9

SB = simpangan baku. Data simulasi.

Narasi: "Sebagian besar responden berjenis kelamin perempuan (56,5%), dengan rerata usia 16,2 ± 0,9 tahun. Sebaran responden per tingkat kelas sesuai proporsi populasi."

Tabel 10.2 — Durasi penggunaan gawai
Kategorin%
Tinggi (≥ 4 jam/hari)6459,3
Rendah (< 4 jam/hari)4440,7
Total108100,0
Tabel 10.3 — Kualitas tidur (PSQI)
Kategorin%
Buruk (skor > 5)6055,6
Baik (skor ≤ 5)4844,4
Total108100,0

Narasi tujuan 1 dan 2: "Lebih dari separuh siswa (59,3%) menggunakan gawai ≥ 4 jam per hari, dengan median 4,5 (1,0–9,5) jam per hari. Sebanyak 55,6% siswa memiliki kualitas tidur buruk."

Tabel 10.4 — Hubungan durasi penggunaan gawai dengan kualitas tidur
Durasi gawaiBurukBaikTotalpPR (IK95%)
n (%)n (%)n (%)
Tinggi44 (68,8)20 (31,3)64 (100)0,002*1,89 (1,24–2,89)
Rendah16 (36,4)28 (63,6)44 (100)Referensi
Total60 (55,6)48 (44,4)108 (100)

*Uji chi-square dengan continuity correction. Persentase dihitung per baris. PR = prevalence ratio; IK95% = interval kepercayaan 95%.

Narasi tujuan 3: "Proporsi kualitas tidur buruk lebih tinggi pada siswa dengan durasi penggunaan gawai tinggi (68,8%) dibandingkan durasi rendah (36,4%). Hasil uji chi-square menunjukkan hubungan yang bermakna (p = 0,002) dengan PR 1,89 (IK95% 1,24–2,89)."

Gambar 10.1 — Kualitas tidur menurut durasi penggunaan gawai

Persentase siswa per kelompok durasi gawai (n = 108)
Tidur burukTidur baik

Kapan memakai grafik? Pakai diagram batang untuk membandingkan kategori, histogram untuk sebaran data numerik, grafik garis untuk perubahan dari waktu ke waktu, dan diagram lingkaran hanya bila kategorinya sedikit (2–4). Hindari grafik tiga dimensi karena mengelabui mata.

Awas, keliru!
  • Persentase baris atau kolom tertukar. Untuk cross-sectional dan cohort, hitung persentase per baris (per kelompok paparan). Untuk case-control, persentase per kolom (per kelompok kasus/kontrol).
  • Tabel dan grafik yang sama untuk data yang sama. Pilih salah satu kecuali grafik menambah pemahaman.
  • Angka n tidak konsisten antartabel tanpa penjelasan (misalnya ada data hilang).
  • Menulis interpretasi dan rujukan di Bab Hasil.
Pojok S2–S3

Pedoman STROBE meminta hasil memuat: diagram alur partisipan (jumlah yang memenuhi syarat, direkrut, dikeluarkan beserta alasannya, dianalisis), data deskriptif termasuk jumlah data hilang per variabel, serta estimasi kasar dan terkoreksi (misalnya PR kasar dan PR terkoreksi perancu) beserta IK95%. Sebutkan juga variabel yang dikoreksi dan alasannya.

Intinya
  • Sajikan berurutan: karakteristik responden → tujuan 1 → tujuan 2 → tujuan 3.
  • Tabel tiga garis dengan judul di atas; narasi menyorot yang penting saja.
  • Persentase per baris untuk cross-sectional/cohort, per kolom untuk case-control.
Coba sendiri: kuis menyajikan hasil
Bab 11

Pembahasan: Menjelaskan "Mengapa"

Bab Hasil menjawab apa yang ditemukan. Bab Pembahasan menjawab mengapa hal itu terjadi, bagaimana dibandingkan penelitian lain, dan apa artinya.

S1S2–S3

Pola Fakta–Teori–Opini

Satu pola yang mudah dipakai untuk setiap temuan adalah F-T-O, lalu ditutup dengan keterbatasan:

F Fakta

Ulang singkat temuan utama yang menjawab tujuan, tanpa menyalin seluruh tabel.

T Teori

Jelaskan mekanismenya dan bandingkan dengan penelitian lain: sejalan atau tidak, dan mengapa bisa berbeda (populasi, alat ukur, desain).

O Opini

Penalaran peneliti: apa makna temuan ini, apa implikasinya bagi praktik atau kebijakan.

K Keterbatasan

Kelemahan penelitian yang jujur dan pengaruhnya pada hasil.

Contoh paragraf pembahasan Rara

Penelitian ini menemukan bahwa siswa dengan durasi penggunaan gawai ≥ 4 jam per hari memiliki prevalensi kualitas tidur buruk 1,89 kali lebih tinggi dibandingkan siswa yang menggunakan gawai kurang dari 4 jam per hari (PR 1,89; IK95% 1,24–2,89; p = 0,002). Temuan ini sejalan dengan tinjauan sistematis Hale dan Guan terhadap 67 penelitian, yang melaporkan bahwa sekitar 90% penelitian menemukan hubungan antara screen time dan luaran tidur yang lebih buruk pada anak usia sekolah dan remaja, terutama jam tidur yang lebih larut dan durasi tidur yang lebih pendek[3]. Secara biologis, cahaya layar pada malam hari dapat menekan hormon melatonin dan menggeser jam biologis. Chang dkk. menunjukkan bahwa membaca dengan perangkat elektronik bercahaya sebelum tidur memperlama waktu untuk tertidur, menunda ritme sirkadian, dan menurunkan kewaspadaan keesokan paginya[4]. Selain itu, waktu untuk gawai dapat menggusur waktu tidur, dan konten yang menegangkan meningkatkan keterjagaan. Menurut peneliti, karena durasi penggunaan gawai adalah kebiasaan yang dapat diubah, sekolah dapat menjadikannya sasaran edukasi, misalnya melalui kesepakatan jam berhenti menggunakan gawai sebelum tidur.

Penelitian ini memiliki keterbatasan. Desain potong lintang tidak dapat memastikan arah hubungan; bisa jadi siswa yang sulit tidur justru lebih lama menggunakan gawai. Variabel perancu seperti konsumsi kafein dan stres akademik belum dikendalikan, dan data berasal dari satu sekolah sehingga generalisasinya terbatas.

FaktaTeori & pembandingOpiniKeterbatasan

Nomor [3] dan [4] merujuk ke daftar pustaka Vancouver di Bab 13.

Bima bertanya

"Pembahasan itu kayak apa sih?"
Seperti komentator sepak bola setelah pertandingan. Skornya 2–1 (fakta). Komentator menjelaskan kenapa: pemain tengahnya menguasai bola, mirip taktik tim juara tahun lalu (teori dan pembanding). Lalu ia berpendapat tim itu layak juara bila bisa mempertahankannya (opini). Ia juga jujur: "wasitnya sempat keliru" (keterbatasan).

Awas, keliru!
  • Menyalin tinjauan pustaka tanpa mengaitkannya dengan hasil sendiri.
  • Mengklaim sebab–akibat dari desain cross-sectional ("gawai menyebabkan tidur buruk"). Gunakan "berhubungan".
  • Mengabaikan hasil yang tidak bermakna. Hasil tidak bermakna tetap harus dibahas: mungkin sampel kurang, alat ukur kurang sensitif, atau memang tidak ada hubungan.
  • Memunculkan hasil baru yang tidak ada di Bab Hasil.
  • Mengutip tanpa membaca sumber aslinya.
Pojok S2–S3
  • Bedakan kemaknaan statistik dan kemaknaan klinis/praktis. PR 1,05 dengan p < 0,001 pada sampel besar mungkin tidak penting secara praktis.
  • Bahas arah bias: apakah bias seleksi atau pelaporan diri cenderung membesarkan atau mengecilkan estimasi?
  • Untuk menilai kemungkinan kausal, gunakan kriteria Bradford Hill: kekuatan, konsistensi, spesifisitas, temporalitas, gradien biologis (dosis–respons), plausibilitas, koherensi, bukti eksperimen, dan analogi.
  • Disertasi menutup pembahasan dengan kontribusi kebaruan yang tegas: apa yang sekarang diketahui dan sebelumnya belum.
Intinya
  • Pola pembahasan: Fakta → Teori dan pembanding → Opini → Keterbatasan.
  • Jangan klaim sebab–akibat dari desain cross-sectional.
  • Hasil yang tidak bermakna tetap dibahas.
Coba sendiri: kuis pembahasan
Bab 12

Kesimpulan dan Saran: Menepati Janji

Kesimpulan menjawab tujuan penelitian, satu lawan satu. Tujuan khusus ada tiga, maka kesimpulan juga tiga.

SMP–SMAS1S2–S3

Benang merah sampai ujung

Ketuk satu baris untuk menelusuri benang merahnya.

Rumusan
Tujuan khusus
Hasil
Kesimpulan
1
Bagaimana distribusi frekuensi durasi penggunaan gawai…?
Mengetahui distribusi frekuensi durasi penggunaan gawai…
Tabel 10.2: tinggi 59,3%
Sebagian besar siswa (59,3%) memiliki durasi penggunaan gawai tinggi.
2
Bagaimana distribusi frekuensi kualitas tidur…?
Mengetahui distribusi frekuensi kualitas tidur…
Tabel 10.3: buruk 55,6%
Sebagian besar siswa (55,6%) memiliki kualitas tidur buruk.
3
Apakah terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur…?
Menganalisis hubungan antara durasi penggunaan gawai dengan kualitas tidur…
Tabel 10.4: p = 0,002; PR 1,89
Terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur.

Kesimpulan Rara

  1. Sebagian besar siswa SMA Negeri X Palembang tahun 2026 (59,3%) memiliki durasi penggunaan gawai tinggi (≥ 4 jam per hari).

  2. Sebagian besar siswa SMA Negeri X Palembang tahun 2026 (55,6%) memiliki kualitas tidur buruk.

  3. Terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026; siswa dengan durasi penggunaan gawai tinggi memiliki prevalensi kualitas tidur buruk 1,89 kali lebih besar daripada siswa dengan durasi rendah.

Ciri kesimpulan yang baik: singkat, menjawab tujuan secara berurutan, tanpa rujukan, tanpa data atau temuan baru, dan tidak melampaui apa yang diteliti.

Saran

Saran harus lahir dari hasil, ditujukan kepada pihak yang jelas, dan bisa dilaksanakan.

  • Bagi sekolah: memasukkan edukasi kebersihan tidur (sleep hygiene) dan pengelolaan penggunaan gawai ke program BK/UKS.
  • Bagi siswa dan orang tua: menyepakati batas penggunaan gawai di malam hari, misalnya berhenti menggunakan gawai sekitar satu jam sebelum tidur.
  • Bagi peneliti selanjutnya: menggunakan desain kohort atau eksperimen, mengendalikan perancu (kafein, stres akademik), mengukur penggunaan gawai secara objektif, dan melibatkan beberapa sekolah.
Awas, keliru!
  • Jumlah kesimpulan tidak sama dengan jumlah tujuan khusus.
  • Kesimpulan memuat hal yang tidak diteliti, misalnya "gawai menurunkan prestasi belajar" padahal prestasi tidak diukur.
  • Saran klise seperti "perlu penelitian lebih lanjut" tanpa menyebut apa, bagaimana, dan mengapa.
Intinya
  • Jumlah kesimpulan sama dengan jumlah tujuan khusus; tanpa data baru dan tanpa rujukan.
  • Saran lahir dari hasil, ditujukan kepada pihak yang jelas, dan bisa dijalankan.
Coba sendiri: kesimpulan yang tepat
Bab 13

Daftar Pustaka dan Mendeley

Mengutip adalah cara berterima kasih kepada pemilik ide sekaligus memberi alamat agar pembaca bisa memeriksa sumbernya. Aplikasi pengelola referensi membuatnya rapi tanpa sakit kepala.

SMP–SMAS1S2–S3

Sitasi dan daftar pustaka

Sitasi (kutipan dalam teks) menandai kalimat yang berasal dari sumber lain. Daftar pustaka memuat rincian lengkap semua sumber yang dikutip, dan hanya yang dikutip. Setiap sitasi harus ada di daftar pustaka, dan setiap entri daftar pustaka harus dikutip di teks. Menyalin ide atau kalimat tanpa sitasi adalah plagiarisme.

Vancouver atau Harvard?

Tabel 13.1 — Dua gaya sitasi yang paling sering dipakai
VancouverHarvard
JenisAngka (numerik)Nama–tahun (author–date)
Di dalam teks…remaja [3]. atau …remaja³.…remaja (Hale and Guan, 2015).
Urutan daftarSesuai urutan pertama kali dikutipSesuai abjad nama penulis
Banyak dipakai diKedokteran, kesehatan, jurnal biomedisIlmu sosial, pendidikan, ekonomi, banyak skripsi

    Contoh daftar pustaka penelitian Rara. Detail tanda baca Harvard berbeda-beda antarversi; ikuti versi yang diminta kampus atau jurnalmu.

    Memilih sumber yang baik

    • Utamakan sumber primer: artikel jurnal bereputasi, buku teks, pedoman resmi.
    • Pilih yang mutakhir (umumnya 5–10 tahun terakhir), kecuali sumber klasik seperti instrumen baku.
    • Cari di PubMed, Google Scholar, DOAJ, Garuda (Garba Rujukan Digital), dan SINTA untuk jurnal nasional terakreditasi.
    • Hindari blog, Wikipedia, atau rangkuman sebagai rujukan utama; telusuri ke sumber aslinya. Waspadai jurnal predator.

    Mendeley langkah demi langkah

    Mendeley adalah aplikasi gratis untuk menyimpan, membaca, dan mengutip referensi. Versi yang berlaku sekarang adalah Mendeley Reference Manager (aplikasi) ditambah Mendeley Cite (add-in di Microsoft Word). Mendeley Desktop versi lama sudah tidak dikembangkan.

    1. Buat akun dan pasang aplikasi. Daftar akun di situs Mendeley/Elsevier (lakukan sendiri), lalu unduh Mendeley Reference Manager dari situs resminya.

    2. Masukkan referensi. Seret berkas PDF ke Mendeley (metadata terbaca otomatis), atau pilih Add new ▸ Add entry by identifier lalu tempel DOI/PMID. Dari peramban, pakai ekstensi Mendeley Web Importer.

    3. Periksa metadata. Cocokkan nama penulis, tahun, judul, nama jurnal, volume, halaman, dan DOI dengan artikel aslinya. Metadata salah menghasilkan daftar pustaka salah.

    4. Rapikan. Buat collection per bab atau per topik, beri tag, dan beri sorotan/anotasi pada PDF.

    5. Pasang Mendeley Cite di Word. Buka Word ▸ Insert ▸ Get Add-ins (Office Add-ins) ▸ cari "Mendeley Cite" ▸ Add. Buka dari tab References ▸ Mendeley Cite, lalu masuk dengan akunmu.

    6. Pilih gaya. Di Mendeley Cite, buka Citation Style ▸ pilih Vancouver atau Harvard – Cite Them Right. Bila tidak ada di daftar, pilih Select another style dan cari nama gaya atau nama jurnal tujuan.

    7. Sisipkan sitasi. Letakkan kursor di akhir kalimat ▸ cari referensi di panel ▸ centang ▸ Insert citation.

    8. Sisipkan daftar pustaka. Letakkan kursor di halaman Daftar Pustaka ▸ Insert Bibliography. Daftar tersusun otomatis dan ikut berubah setiap kali sitasi ditambah atau gaya diganti.

    Skripsi_Rara.docx — References ▸ Mendeley Cite

    …screen time berhubungan dengan jam tidur yang lebih larut pada remaja[3]. Cahaya layar dapat menekan melatonin[4]. 

    DAFTAR PUSTAKA

    3. Hale L, Guan S. Screen time and sleep among school-aged children… 2015;21:50–8.
    4. Chang AM, Aeschbach D, Duffy JF, Czeisler CA. Evening use of light-emitting eReaders… 2015;112(4):1232–7.

    Mendeley Cite
    Cari: "screen time"
    Hale & Guan 2015
    Chang et al. 2015
    Insert citation
    Citation Style: Vancouver
    Awas, keliru!
    • Mengetik ulang sitasi secara manual di atas sitasi Mendeley. Teks manual akan tertimpa atau merusak penomoran. Edit referensinya di Mendeley, lalu Refresh.
    • Mencampur dua gaya dalam satu naskah.
    • Mengutip sumber yang tidak dibaca (hanya dari daftar pustaka orang lain).
    Pojok S2–S3
    • Alternatif pengelola referensi: Zotero (gratis, sumber terbuka) dan EndNote. Semuanya memakai gaya CSL atau format serupa.
    • Gunakan gaya khusus jurnal tujuan sejak awal menulis artikel.
    • Periksa status retraksi artikel yang dikutip, dan jalankan pemeriksaan kemiripan (misalnya Turnitin) sebelum mengirim naskah. Mengutip karya sendiri tanpa menyebutnya juga termasuk plagiarisme (self-plagiarism).
    Intinya
    • Setiap sitasi harus ada di daftar pustaka, dan sebaliknya.
    • Vancouver memakai angka sesuai urutan kutipan; Harvard memakai nama–tahun dan urutan abjad.
    • Mendeley Reference Manager + Mendeley Cite mengotomatiskan sitasi dan daftar pustaka.
    Coba sendiri: kuis sitasi
    Bab 13A

    Menulis dan Menerbitkan Artikel Ilmiah

    Skripsi yang hanya tersimpan di repositori jarang sampai ke orang yang membutuhkannya. Bab ini memandu langkah demi langkah mengubah skripsi menjadi artikel jurnal: memadatkannya ke format IMRAD, memilih jurnal yang tepercaya, mengirim naskah, sampai menjawab reviewer dengan sopan dan meyakinkan.

    SMP–SMAS1S2–S3

    Contoh di bab ini memakai skripsi Rara dari Bab 1–13: studi potong lintang pada 108 siswa SMA dengan hasil PR 1,89. Aturan sitasi, daftar pustaka, dan Mendeley ada di Bab 13.

    Skripsi dan artikel: satu penelitian, dua bentuk

    Skripsi ditulis untuk penguji: lengkap, panjang, dan menunjukkan bahwa penulisnya menguasai teori serta metode. Artikel ditulis untuk pembaca yang sibuk: padat, langsung ke temuan, dan mengikuti aturan jurnal. Sebagian besar jurnal penelitian empiris, terutama di bidang kesehatan dan sains, memakai struktur IMRAD: Introduction, Methods, Results, and Discussion atau Pendahuluan, Metode, Hasil, dan Pembahasan (Gastel & Day, 2022). Artikel bukan skripsi yang dipotong-potong, melainkan skripsi yang ditulis ulang untuk pembaca yang berbeda.

    Langkah 1 · Memetakan bab skripsi ke IMRAD

    Tabel 13A.1 — Dari bab skripsi ke bagian artikel
    Bab skripsiMenjadiDipertahankanDipangkas
    BAB I PendahuluanPendahuluanBesarnya masalah, yang sudah diketahui, celah pengetahuan, dan tujuan dalam satu kalimatManfaat penelitian, sistematika penulisan, rumusan masalah bernomor
    BAB II Tinjauan PustakaDilebur ke Pendahuluan dan PembahasanPustaka yang menunjukkan celah dan pustaka pembanding hasilDefinisi dan teori dari buku ajar, kerangka teori yang panjang
    BAB III MetodeMetodeDesain, lokasi dan waktu, peserta dan cara memilihnya, besar sampel, instrumen beserta validitasnya, analisis, nomor persetujuan etikLangkah menu SPSS, rumus baku (cukup sebut namanya dan rujukannya), tabel definisi operasional yang panjang
    BAB IV HasilHasilDua sampai empat tabel atau gambar utama dan kalimat yang menyorot angka terpentingOutput mentah, tabel dan grafik yang memuat data yang sama
    BAB V PembahasanPembahasanTemuan utama, pembanding, mekanisme, implikasi, dan keterbatasan (Bab 11)Pengulangan angka hasil, kutipan panjang
    BAB VI Kesimpulan dan SaranParagraf penutup Pembahasan atau subbagian KesimpulanJawaban atas tujuan dan implikasi yang dapat dijalankan (Bab 12)Saran klise dan daftar saran per pihak
    LampiranMateri tambahan (supplementary material)Kuesioner, daftar tilik pedoman pelaporanSurat izin, output SPSS, sertifikat

    Sebagian kampus menggabungkan Hasil dan Pembahasan dalam satu bab. Pemetaannya tetap sama.

    Batas kata. Setiap jurnal menetapkan batas kata, jumlah tabel dan gambar, serta jumlah rujukan di pedoman penulisnya. Jurnal tujuan Rara membatasi artikel penelitian 4.000 kata, di luar abstrak, tabel, dan daftar pustaka. Skripsinya sekitar 18.000 kata.

    Gambar 13A.1 — Dari 18.000 kata skripsi menjadi 3.500 kata artikel

    Jumlah kata per bagian (angka ilustrasi). Persen = bagian yang tersisa di artikel. BAB II dihitung ke Pendahuluan.
    SkripsiArtikel
    Pendahuluan (dari BAB I dan II) Pendahuluan, skripsi: 9.200 kata 9.200 kata Pendahuluan, artikel: 600 kata (6,5% dari skripsi) 600 kata (6,5%) Metode (dari BAB III) Metode, skripsi: 3.600 kata 3.600 kata Metode, artikel: 900 kata (25,0% dari skripsi) 900 kata (25,0%) Hasil (dari BAB IV) Hasil, skripsi: 1.800 kata 1.800 kata Hasil, artikel: 700 kata (38,9% dari skripsi) 700 kata (38,9%) Pembahasan (dari BAB V dan VI) Pembahasan, skripsi: 3.400 kata 3.400 kata Pembahasan, artikel: 1.300 kata (38,2% dari skripsi) 1.300 kata (38,2%)

    Yang paling banyak hilang adalah tinjauan pustaka (tersisa 6,5%): di artikel, pustaka hanya dipakai untuk menunjukkan celah di Pendahuluan dan membandingkan hasil di Pembahasan. Metode ikut dipadatkan, tetapi yang dibuang hanya langkah menu dan uraian teori. Isinya harus tetap cukup lengkap agar penelaah (reviewer) bisa menilai, bahkan mengulang, penelitianmu.

    Pendahuluan Rara dalam tiga paragraf
    1. Masalah: mengapa kualitas tidur remaja penting dan seberapa sering tidur buruk ditemukan.
    2. Yang sudah diketahui dan celahnya: ringkasan kajian utama, misalnya meta-analisis Carter dkk. (2016) tentang gawai dan tidur anak serta remaja, lalu apa yang belum diketahui pada siswa SMA di konteks Rara.
    3. Tujuan: “Penelitian ini bertujuan menganalisis hubungan durasi penggunaan gawai dengan kualitas tidur siswa SMA.” Tiga tujuan khusus skripsi cukup menjadi satu kalimat.

    Langkah 2 · Judul, abstrak, kata kunci, tabel

    Judul dan abstrak dibaca jauh lebih banyak orang daripada isi artikel. Editor juga memakainya untuk memutuskan apakah naskah layak dikirim ke penelaah.

    Durasi Penggunaan Gawai dan Kualitas Tidur Siswa SMA di Palembang: Studi Potong Lintang
    PaparanOutcomePopulasi & tempatDesain
    • Sebut desainnya. STROBE meminta desain disebut di judul atau abstrak (Bab 1 memuat versi bahasa Inggrisnya).
    • Tahun dan nama sekolah pindah ke Metode. Nama sekolah disamarkan bila hal itu dijanjikan dalam naskah PSP (Bab 7A).
    • Hindari kata “pengaruh” karena desainnya observasional (Bab 1). Kata “hubungan” boleh dipakai atau cukup diganti “dan”.
    Bandingkan: abstrak skripsi dan abstrak artikel
    Abstrak

    Penggunaan gawai pada remaja saat ini semakin meningkat dan dapat menimbulkan berbagai dampak negatif bagi kesehatan, salah satunya gangguan tidur. Penelitian ini bertujuan untuk mengetahui hubungan durasi penggunaan gawai dengan kualitas tidur pada siswa SMA Negeri X Palembang tahun 2026. Jenis penelitian ini adalah penelitian kuantitatif. Sampel berjumlah 108 orang. Data dianalisis menggunakan SPSS. Hasil penelitian menunjukkan ada hubungan yang signifikan antara durasi penggunaan gawai dengan kualitas tidur. Diharapkan pihak sekolah lebih memperhatikan penggunaan gawai siswa.

    Masalahnya: desain, cara memilih sampel, dan alat ukur tidak disebut; tidak ada satu angka hasil pun (persentase, PR, IK95%, p); “signifikan” tanpa besar hubungan; saran tidak spesifik.

    • Kata kunci umumnya 3–6. Untuk artikel kesehatan, pilih istilah baku MeSH (Medical Subject Headings) yang dipakai PubMed, seperti contoh di atas. Untuk bidang lain, pakai tesaurus bidangnya (misalnya tesaurus ERIC untuk pendidikan) atau istilah yang dipakai artikel sejenis.
    • Tabel dan gambar dipilih yang menjawab tujuan (Bab 10). Rara memakai tabel karakteristik responden, tabel hubungan (Tabel 10.4), dan diagram alur peserta. Distribusi durasi gawai dan kualitas tidur (Tabel 10.2 dan 10.3) cukup ditulis dalam kalimat.
    • Resolusi dan format gambar mengikuti pedoman penulis. Setiap tabel dan gambar harus dapat dipahami tanpa membaca teks.

    Langkah 3 · Pakai pedoman pelaporan

    Pedoman pelaporan adalah daftar tilik hal-hal yang wajib ada dalam artikel menurut desainnya. Kumpulan pedoman ini dihimpun oleh EQUATOR Network (Simera dkk., 2010). Banyak jurnal meminta daftar tilik yang sudah diisi, lengkap dengan nomor halaman, diunggah bersama naskah.

    Tabel 13A.2 — Pedoman pelaporan menurut desain
    DesainPedomanContoh di buku ini
    Cross-sectional, kohort, case-controlSTROBEBab 25–27
    Uji acak terkendali (RCT)CONSORT 2025 dan ekstensinyaBab 22, 23A, 23B
    Eksperimen hewan coba; kuasi-eksperimenARRIVE; TRENDBab 23, Bab 24
    Tinjauan sistematis; scoping reviewPRISMA 2020; PRISMA-ScRBab 36, Bab 52
    Kualitatif (wawancara, FGD)COREQ atau SRQRBab 19, Bab 49
    Mixed methodsGRAMMSBab 21
    Uji diagnostik; model prediksiSTARD 2015; TRIPOD atau TRIPOD+AIBab 37, Bab 47
    Laporan kasus; evaluasi ekonomiCARE; CHEERS 2022Bab 28, Bab 48

    Pakai pedoman sejak menulis draf pertama, bukan setelah naskah selesai. Butir yang kosong sering menjadi komentar pertama penelaah.

    Langkah 4 · Memilih jurnal

    Ruang lingkup

    Baca aims and scope dan beberapa artikel terbitan terakhir. Naskah di luar ruang lingkup biasanya ditolak editor tanpa ditelaah (desk reject).

    Pembaca

    Siapa yang perlu membaca temuanmu? Temuan Rara paling berguna bagi pengelola UKS, guru BK, dan puskesmas di Indonesia.

    Indeksasi dan akreditasi

    Menentukan seberapa mudah artikel ditemukan, dan sering menjadi syarat kelulusan atau angka kredit. Cek langsung di basis datanya.

    Akses dan biaya

    Berlangganan (pembaca membayar), akses terbuka dengan biaya penulis (article processing charge, APC), atau akses terbuka tanpa biaya bagi penulis maupun pembaca (diamond).

    Waktu

    Lihat tanggal diterima, direvisi, dan disetujui pada artikel terbitan terakhir untuk memperkirakan lama telaah.

    Bahasa dan format

    Bahasa naskah, gaya sitasi, dan templat. Banyak jurnal nasional meminta abstrak dalam bahasa Indonesia dan Inggris.

    Indeksasi: apa yang perlu dicek

    • SINTA (Science and Technology Index) dari Kementerian Pendidikan Tinggi, Sains, dan Teknologi menampilkan peringkat akreditasi jurnal nasional. Menurut Peraturan Menteri Pendidikan Tinggi, Sains, dan Teknologi Nomor 9 Tahun 2026 tentang Akreditasi Jurnal Ilmiah, akreditasi baru memberi peringkat 1 sampai 4 dan berlaku lima tahun. Peringkat yang ditetapkan dengan aturan lama (peringkat 1–6, tampil sebagai S1–S6) tetap berlaku sampai masa akreditasinya habis. Karena itu cek peringkat dan masa berlakunya, bukan hanya labelnya, dan cek peringkat minimal yang diminta kampusmu.
    • Garuda (Garba Rujukan Digital) dari kementerian yang sama memudahkan mencari artikel jurnal Indonesia, termasuk jurnal calon tujuanmu.
    • Scopus dan Web of Science adalah basis data internasional (Bab 53). Kuartil Q1–Q4 dari SCImago Journal Rank (SJR, berbasis data Scopus) ditetapkan per kategori bidang setiap tahun, sehingga satu jurnal bisa Q1 di satu bidang dan Q2 di bidang lain.
    • DOAJ (Directory of Open Access Journals) hanya memuat jurnal akses terbuka yang lolos seleksinya.
    Tabel 13A.3 — Tiga calon jurnal Rara (ilustrasi)
    Jurnal AJurnal BJurnal C
    Ruang lingkupKesehatan masyarakat dan kesehatan sekolahPediatri dan kesehatan remaja“Semua bidang ilmu”
    IndeksasiTerakreditasi peringkat 2 (berlaku sampai 2029), DOAJScopus, Q2 pada kategorinyaMengaku terindeks Scopus; judulnya tidak ada di daftar sumber Scopus
    BiayaTanpa biayaAPC tinggiDibayar di muka, “dijamin terbit”
    Lama telaahSekitar 2–3 bulanSekitar 2–4 bulan“Terbit dalam 7 hari”
    Keputusan RaraPilihan pertama: pembacanya tepat, berbahasa IndonesiaCadangan bila ditolakHindari

    Jurnal predator dan jurnal bajakan

    Jurnal predator mengutamakan keuntungan sendiri dengan mengorbankan mutu ilmiah. Cirinya: informasi palsu atau menyesatkan, menyimpang dari praktik editorial yang baik, tidak transparan, dan sering merayu penulis secara agresif (Grudniewicz dkk., 2019). Jurnal bajakan (hijacked journal) lebih licik: situs palsu meniru judul, ISSN, dan tampilan jurnal asli yang bereputasi, lalu menarik biaya dari penulis yang tertipu.

    Coba sendiri: kredibel atau tanda bahaya?

    Rara menerima delapan informasi tentang beberapa jurnal. Tentukan mana tanda jurnal kredibel dan mana tanda bahaya.

    Surel undangan memuji “artikel Anda yang luar biasa” dan menjanjikan terbit dalam 7 hari.

    Tanda bahaya: telaah sejawat yang sungguhan hampir tidak mungkin selesai dalam seminggu, dan jurnal tepercaya jarang merayu lewat surel massal.

    Nama dan afiliasi dewan redaksi tercantum dan dapat dicek di situs institusinya.

    Kredibel: redaksi yang nyata dan dapat diverifikasi adalah ciri dasar jurnal yang dikelola dengan benar.

    Naskah “dijamin diterima” setelah biaya publikasi dibayar.

    Tanda bahaya: keputusan jurnal tepercaya bergantung pada hasil telaah, bukan pada pembayaran.

    Besarnya APC dan cara pembebasan biaya diumumkan terbuka di situs sebelum naskah dikirim.

    Kredibel: biaya yang transparan sejak awal. Biaya yang baru muncul setelah naskah diterima patut dicurigai.

    Situs jurnal memasang logo Scopus, tetapi tautan jurnal di laman Scopus mengarah ke alamat situs yang berbeda.

    Tanda bahaya: ciri khas jurnal bajakan. Selalu buka situs jurnal dari tautan di basis data, bukan dari surel.

    Ruang lingkupnya mencakup kedokteran, teknik mesin, ekonomi, dan pertanian sekaligus.

    Tanda bahaya: tidak ada dewan redaksi yang kompeten menelaah semua bidang itu.

    Artikel yang terbit mencantumkan tanggal diterima, direvisi, dan disetujui, serta menjelaskan proses telaahnya.

    Kredibel: jejak telaah yang terbuka menunjukkan proses editorial berjalan.

    Peringkat akreditasi dan masa berlakunya dapat dicek di SINTA dengan judul dan ISSN yang cocok.

    Kredibel: klaim akreditasi terbukti di basis data resminya, bukan hanya di situs jurnal.

    Pilih kredibel atau tanda bahaya untuk kedelapan informasi.

    Sebelum mengirim, periksa calon jurnal dengan urutan ini:

    1. Cek indeksasi di basis datanya langsung: SINTA, daftar sumber Scopus, Master Journal List Web of Science, atau DOAJ. Logo di situs jurnal bukan bukti.

    2. Cek ISSN di portal ISSN; untuk jurnal Indonesia, di Pusat Nasional ISSN Indonesia (BRIN). Judul dan penerbit harus cocok.

    3. Buka situs jurnal dari tautan di basis data, lalu bandingkan alamatnya dengan tautan di surel. Periksa juga Retraction Watch Hijacked Journal Checker.

    4. Jalankan daftar periksa Think. Check. Submit., kampanye internasional lintas lembaga untuk membantu peneliti mengenali jurnal tepercaya.

    5. Tanyakan pembimbing atau pustakawan bila masih ragu.

    Langkah 5 · Menyiapkan dan mengirim naskah

    Pedoman penulis adalah hukum jurnal. Unduh templatnya, lalu ikuti batas kata, format judul dan abstrak, gaya sitasi, jumlah tabel, dan format berkas. Naskah yang mengabaikan pedoman sering dikembalikan sebelum dibaca isinya. Di Mendeley, pilih gaya sitasi jurnal tujuan (Bab 13).

    Siapa yang berhak menjadi penulis?

    Menurut ICMJE, seseorang layak menjadi penulis bila memenuhi keempat kriteria: (1) berkontribusi substansial pada konsep atau desain, atau pada pengumpulan, analisis, atau interpretasi data; (2) menulis draf atau merevisinya secara kritis; (3) menyetujui versi akhir; dan (4) bersedia bertanggung jawab atas seluruh aspek pekerjaan. Yang tidak memenuhi keempatnya disebut di ucapan terima kasih. Pembimbing layak menjadi penulis bila memenuhi kriteria itu, bukan otomatis karena jabatannya. Permendikbudristek Nomor 39 Tahun 2021 tentang Integritas Akademik dalam Menghasilkan Karya Ilmiah menggolongkan kepengarangan yang tidak sah sebagai pelanggaran: ikut menjadi pengarang tanpa kontribusi, menghilangkan nama orang yang berkontribusi, atau menyuruh orang lain membuat karya lalu mengakuinya.

    Banyak jurnal meminta kontribusi setiap penulis dirinci dengan CRediT (Contributor Roles Taxonomy), standar 14 peran: konseptualisasi, kurasi data, analisis formal, perolehan dana, investigasi, metodologi, administrasi proyek, sumber daya, perangkat lunak, supervisi, validasi, visualisasi, penulisan draf awal, serta penulisan tinjauan dan penyuntingan (Brand dkk., 2015). Sepakati urutan penulis dan penulis korespondensi sejak awal, secara tertulis.

    Kontribusi penulis

    Rara: konseptualisasi, metodologi, investigasi, kurasi data, analisis formal, penulisan draf awal. Prof. Nuni: konseptualisasi, metodologi, supervisi, penulisan tinjauan dan penyuntingan. Semua penulis menyetujui naskah akhir.

    Ucapan terima kasih

    Kepada kepala sekolah, guru BK yang membantu membagikan kuesioner, dan seluruh siswa yang berpartisipasi.

    Pendanaan dan konflik kepentingan

    Penelitian ini tidak menerima pendanaan khusus. Penulis menyatakan tidak ada konflik kepentingan.

    Persetujuan etik

    Protokol disetujui KEPK … (nomor …). Persetujuan orang tua/wali dan assent siswa diperoleh sebelum pengambilan data.

    Ketersediaan data

    Data tanpa identitas tersedia dari penulis korespondensi atas permintaan yang wajar, sesuai cakupan persetujuan peserta.

    Penggunaan AI

    Penulis memakai [nama dan versi alat] untuk memeriksa tata bahasa abstrak berbahasa Inggris. Semua keluaran diperiksa dan disunting penulis, yang bertanggung jawab penuh atas isi naskah.

    Alat AI tidak boleh dicantumkan sebagai penulis karena tidak dapat bertanggung jawab atas karya (COPE, 2023; ICMJE). Letak pernyataan penggunaan AI berbeda antarjurnal (Metode atau ucapan terima kasih); ikuti pedoman penulisnya.

    Surat pengantar (cover letter)

    Surat_pengantar_Rara.docx

    Yth. Ketua Dewan Redaksi Jurnal A,

    Bersama ini kami mengirimkan naskah berjudul “Durasi Penggunaan Gawai dan Kualitas Tidur Siswa SMA di Palembang: Studi Potong Lintang” untuk rubrik Artikel Penelitian.

    Pada 108 siswa SMA, penggunaan gawai ≥ 4 jam per hari berhubungan dengan kualitas tidur buruk (PR 1,89; IK95% 1,24–2,89). Temuan ini relevan bagi pembaca jurnal, terutama pengelola UKS dan tenaga promosi kesehatan sekolah.

    Naskah ini dikembangkan dari skripsi penulis pertama yang tersimpan di repositori Universitas X. Naskah belum pernah diterbitkan dan tidak sedang dipertimbangkan di jurnal lain. Semua penulis menyetujui naskah ini dan tidak ada konflik kepentingan.

    Hormat kami,
    Rara (penulis korespondensi), Program Studi …, Universitas X

    • Skripsi di repositori. Banyak jurnal tidak menganggap skripsi di repositori sebagai publikasi sebelumnya, tetapi tetap meminta hal itu diungkapkan, karena pemeriksa kemiripan akan menemukannya. Cek kebijakan jurnalmu.
    • Mengusulkan penelaah (bila diminta): dua atau tiga ahli dari institusi lain yang belum pernah menulis bersamamu, dengan surel institusinya. Jangan mengusulkan teman atau pembimbing sendiri.
    • Telaah tersamar ganda: hapus nama, afiliasi, dan ucapan terima kasih dari berkas naskah, termasuk dari properti berkas.
    Jelajahi: perjalanan naskah di sistem jurnal daring

    Banyak jurnal Indonesia memakai Open Journal Systems (OJS). Nama menunya bisa sedikit berbeda antarversi. Pilih tahap.

    Daftar sebagai penulis di situs jurnal (lakukan sendiri, jangan titipkan kata sandi kepada orang lain). Hubungkan akun dengan ORCID, nomor identitas peneliti yang unik dan gratis, agar karya tidak tertukar dengan penulis bernama sama.

    Daftar periksa sebelum menekan “kirim”

    Centang yang sudah siap. Tanda centang tersimpan di perangkatmu.

    0 dari 12 butir siap.

    Langkah 6 · Telaah sejawat dan menjawab reviewer

    Tersamar tunggal

    Penelaah mengetahui identitas penulis, tetapi penulis tidak mengetahui penelaah.

    Tersamar ganda

    Penulis dan penelaah sama-sama tidak mengetahui identitas satu sama lain.

    Terbuka

    Identitas penelaah dibuka, laporan telaah diterbitkan, atau keduanya. Istilah ini dipakai dengan banyak arti (Ross-Hellauer, 2017).

    Keputusan editor umumnya salah satu dari: diterima revisi minor revisi mayor ditolak. Diterima tanpa revisi sangat jarang. Revisi mayor bukan penolakan; itu undangan untuk memperbaiki naskah.

    Naskah Rara mendapat keputusan revisi mayor dari dua penelaah. Ia menjawab dengan tabel tanggapan:

    Tabel 13A.4 — Potongan surat tanggapan Rara kepada penelaah
    No.Komentar penelaahTanggapan penulisPerubahan di naskah
    R1-1Jumlah siswa yang diundang dan yang datanya dianalisis tidak jelas.Terima kasih. Kami menambahkan jumlah siswa yang diundang, yang mengisi lengkap, dan alasan data dikeluarkan, sesuai butir STROBE tentang peserta.Metode, baris 118–124; Gambar 1 baru (diagram alur)
    R1-2Kesimpulan menulis bahwa gawai “menyebabkan” tidur buruk.Kami setuju. Desain potong lintang tidak dapat menunjukkan arah hubungan. Kata itu kami ganti dengan “berhubungan dengan”, dan kemungkinan hubungan terbalik kami tambahkan ke keterbatasan.Abstrak, baris 21; Pembahasan, baris 262–266
    R2-1Sebaiknya memakai regresi logistik dan melaporkan odds ratio (OR).Terima kasih atas sarannya. Karena tidur buruk sering ditemukan (55,6%), OR akan tampak jauh lebih besar daripada PR dan mudah terbaca sebagai rasio risiko (Barros & Hirakata, 2003). Karena itu kami tetap melaporkan PR. Sebagai pembanding, OR kasar 3,85 (IK95% 1,71–8,66) kami cantumkan di catatan tabel.Tabel 2, catatan kaki b
    R2-2Mekanisme biologis hubungan gawai dan tidur belum dibahas.Kami menambahkan satu paragraf tentang paparan cahaya layar pada malam hari dan penekanan melatonin (Chang dkk., 2015), tanpa melampaui batas kata.Pembahasan, baris 231–240

    Nomor baris merujuk ke naskah revisi. PR 1,89 sama dengan hasil Bab 10; OR dihitung dari tabel 2×2 yang sama (44 × 28) / (20 × 16). Soal PR dan OR, lihat juga Bab 27.

    1. Tenangkan diri dulu. Baca semua komentar, diamkan sehari, lalu kelompokkan: mudah diperbaiki, perlu analisis tambahan, atau tidak disetujui.

    2. Jawab setiap komentar, satu per satu. Salin komentarnya utuh, beri nomor, lalu jawab. Jangan ada yang terlewat.

    3. Bila setuju, sebut apa yang diubah dan di mana (halaman atau baris). Bila tidak setuju, jelaskan alasannya dengan sopan dan dengan rujukan, seperti R2-1.

    4. Tandai perubahan di naskah dan pastikan abstrak, tabel, dan pembahasan tetap konsisten.

    5. Kirim sebelum tenggat, bersama ucapan terima kasih singkat kepada editor dan penelaah.

    Bila ditolak: baca alasannya, perbaiki naskah dengan masukan penelaah, pilih jurnal lain yang lebih cocok, lalu sesuaikan format dengan pedoman jurnal barunya. Banding hanya layak bila ada kekeliruan fakta yang jelas dalam telaah. Penolakan adalah bagian biasa dari kehidupan peneliti.

    Langkah 7 · Pracetak dan setelah terbit

    • Pracetak (preprint) adalah naskah yang diunggah ke server publik sebelum ditelaah sejawat, misalnya medRxiv untuk ilmu kesehatan. Keuntungannya: temuan cepat tersebar dan tercatat lebih dulu. Risikonya: pembaca awam bisa menganggapnya sudah teruji. Cek dulu apakah jurnal tujuan menerima naskah yang sudah dipracetakkan.
    • Setelah terbit: catat DOI, perbarui profil ORCID, SINTA, dan Google Scholar, lalu bagikan sesuai lisensi artikel (misalnya CC BY). Unggah ke repositori kampus hanya versi yang diizinkan penerbit.
    • Kembalikan hasil ke lokasi penelitian. Rara mengirim ringkasan satu halaman ke sekolah, sesuai janji di protokol etiknya (Bab 7A).
    • Bila ada kesalahan setelah terbit, hubungi editor. Kesalahan kecil diperbaiki lewat ralat (erratum atau corrigendum). Kesalahan yang membuat temuan tidak dapat dipercaya berujung pada retraksi (penarikan artikel).
    Proyek KIR: tulisan untuk majalah sekolah

    Bima ingin hasil survei tidur teman sekelasnya dimuat di majalah sekolah. Polanya sama dengan artikel, hanya lebih pendek.

    1. Judul singkat yang menyebut apa yang diteliti dan pada siapa.
    2. Empat bagian mini: mengapa penasaran, cara (berapa teman, pertanyaan apa), hasil (satu grafik), dan kesimpulan.
    3. Tulis sumber setiap fakta yang dikutip (Bab 13). Jangan menampilkan nama teman.
    4. Minta guru pembimbing membaca dulu. Lomba karya tulis ilmiah punya format sendiri; ikuti pedomannya.
    5. Waspadai tawaran “terbit di jurnal internasional” berbayar untuk pelajar. Tanyakan guru dulu.
    Awas, keliru!
    • Mengirim naskah yang sama ke beberapa jurnal sekaligus supaya cepat. Jurnal melarangnya, dan Permendikbudristek 39/2021 menggolongkan pengajuan jamak yang berujung terbit di lebih dari satu jurnal sebagai pelanggaran integritas akademik. Tarik naskah secara resmi sebelum mengirim ke jurnal lain.
    • Memecah satu penelitian menjadi beberapa artikel tipis (salami slicing), misalnya gambaran durasi gawai, gambaran kualitas tidur, dan hubungannya di tiga artikel terpisah.
    • Menyalin paragraf dari artikelmu yang sudah terbit ke artikel baru tanpa menyebutnya. Peraturan yang sama memasukkan hal ini ke dalam plagiat. Dasar-dasar sitasi ada di Bab 13.
    • Mengabaikan pedoman penulis, sehingga naskah ditolak sebelum ditelaah.
    • Membayar “jaminan diterima” atau jasa yang menjanjikan terbit di jurnal bereputasi.
    • Mencantumkan nama yang tidak berkontribusi, atau menghilangkan nama yang berkontribusi.
    Pojok S2–S3
    • Tesis dan disertasi berbasis publikasi: beberapa artikel ditambah bab pengantar dan bab pembahasan yang merangkai semuanya. Syarat jumlah artikel, peringkat jurnal, status (terbit atau diterima), dan izin hak cipta dari penerbit berbeda antarkampus. Rencanakan urutan artikel sejak proposal.
    • Telaah terbuka membuat laporan penelaah ikut terbit. Tulislah tanggapan seolah-olah akan dibaca publik, karena bisa jadi memang demikian.
    • Penelaah yang sulit: pisahkan nada dari isi, lalu jawab isinya. Bila dua penelaah meminta hal yang bertentangan, jelaskan pilihanmu dan minta arahan editor.
    • Altmetrik mengukur perhatian (berita, media sosial, pengelola referensi), bukan mutu. Jangan menyamakannya dengan sitasi.
    • Transparansi: banyak jurnal kini meminta pernyataan ketersediaan data dan kode analisis. Berbagi data hanya boleh bila persetujuan peserta mencakupnya dan identitas sudah dihapus.
    Intinya
    • Artikel adalah skripsi yang ditulis ulang dalam format IMRAD. Tinjauan pustaka dipangkas paling banyak; Metode dipertahankan cukup lengkap untuk dinilai dan diulang.
    • Judul menyebut desain, abstrak memuat angka utama, dan isi mengikuti pedoman pelaporan yang sesuai (STROBE, CONSORT, COREQ, PRISMA, dan lainnya).
    • Pilih jurnal dari ruang lingkup dan pembacanya. Cek indeksasi dan akreditasi langsung di basis datanya, dan hindari jurnal predator serta jurnal bajakan.
    • Penulis harus memenuhi kriteria kepengarangan. Kirim ke satu jurnal saja, lalu jawab penelaah poin demi poin dengan sopan dan nomor baris.
    Coba sendiri: kuis menerbitkan artikel
    Bagian II

    Penelitian Kualitatif

    Skripsi Rara selesai dengan angka: PR 1,89. Tetapi satu pertanyaan terus mengganggunya: mengapa siswa sulit berhenti memegang gawai di malam hari? Untuk hibah penelitian mahasiswa, Rara merancang penelitian kedua: penelitian kualitatif. Enam bab berikut mengikuti langkahnya dari judul sampai kesimpulan, sama rinci dengan Bagian I. Contoh utuh dengan pendekatan etnografi ada di Bab 30, dan grounded theory di Bab 32.

    1. Bab 14 Mengenal kualitatif & lima pendekatan
    2. Bab 15 Judul, fokus, pertanyaan, tujuan
    3. Bab 16 Partisipan, saturasi, instrumen
    4. Bab 17 Wawancara, FGD, observasi, transkripsi
    5. Bab 18 Analisis data kualitatif
    6. Bab 19 Keabsahan, hasil, pembahasan, kesimpulan
    7. Bab 19A Interpretative phenomenological analysis: hermeneutika ganda, idiografi, sampel homogen, jadwal wawancara, catatan eksploratori, pernyataan eksperiensial, PET dan GET, mutu Yardley–Smith
    Bab 14

    Mengenal Penelitian Kualitatif

    Angka memberi tahu berapa banyak. Cerita memberi tahu bagaimana rasanya dan mengapa. Penelitian kualitatif menggali makna, pengalaman, dan proses secara mendalam dalam latar alaminya.

    SMP–SMAS1S2–S3

    Ciri penelitian kualitatif

    • Latar alami: data dikumpulkan di tempat partisipan hidup, belajar, atau bekerja, bukan di laboratorium.
    • Peneliti sebagai instrumen kunci: peneliti sendiri yang bertanya, mendengar, mengamati, dan menafsirkan.
    • Data berupa kata: transkrip wawancara, catatan lapangan, dokumen, foto.
    • Induktif: tema dan pemahaman dibangun dari data, bukan hipotesis yang diuji.
    • Makna menurut partisipan (emic): yang dicari adalah cara partisipan memahami pengalamannya.
    • Desain lentur: pertanyaan wawancara boleh berkembang selama penelitian berjalan, asalkan tercatat.
    • Refleksivitas: peneliti jujur tentang latar belakangnya yang mungkin memengaruhi tafsiran.
    Tabel 14.1 — Kuantitatif dan kualitatif, langkah demi langkah
    LangkahKuantitatif (Bagian I)Kualitatif (Bagian II)
    JudulKata kunci + X + Y + populasi + tempat + waktuFenomena + partisipan + konteks + pendekatan
    Rumusan"Apakah terdapat hubungan…?""Bagaimana pengalaman/makna/proses…?"
    TujuanMengetahui, menganalisisMengeksplorasi, memahami, menggali, mendeskripsikan secara mendalam
    HipotesisAda (penelitian analitik)Tidak ada
    DesainCross-sectional, case-control, cohort, eksperimenFenomenologi, grounded theory, etnografi, studi kasus, naratif
    SubjekResponden/sampel, acak, jumlah dari rumusPartisipan/informan, purposif, jumlah sampai saturasi
    InstrumenKuesioner, alat ukur (uji validitas-reliabilitas)Peneliti + pedoman wawancara/observasi
    AnalisisStatistik (SPSS)Pengodean → kategori → tema
    MutuValiditas & reliabilitasKeabsahan (trustworthiness)
    HasilTabel dan grafik angkaTema dan subtema dengan kutipan partisipan
    KesimpulanMenjawab tujuan dengan angka dan kemaknaanMenjawab tujuan dengan tema dan makna
    Bima bertanya

    "Kualitatif itu gampang ya, Kak? Cuma ngobrol."
    Kelihatannya begitu, tapi sebenarnya seperti jurnalis investigasi: pertanyaannya harus tajam, harus pandai membuat orang nyaman bercerita, mencatat semuanya, lalu merangkai ratusan halaman cerita menjadi beberapa temuan yang bisa dipertanggungjawabkan. Justru butuh latihan!

    Lima pendekatan kualitatif

    Tabel 14.2 — Memilih pendekatan dari pertanyaan penelitian
    PendekatanFokusPertanyaan khasPartisipanData utamaHasil akhir
    FenomenologiEsensi pengalaman hidup tentang satu fenomena"Bagaimana pengalaman … ketika …?"Sekitar 5–25 orang yang mengalami fenomenaWawancara mendalamDeskripsi esensi pengalaman (tema)
    Grounded theoryProses atau tindakan; membangun teori"Bagaimana proses … terjadi?"Sekitar 20–30 orang, dipilih bertahap (theoretical sampling)Wawancara, memoModel atau teori substantif (contoh lengkap: Bab 32)
    EtnografiPola budaya suatu kelompok"Bagaimana budaya/kebiasaan … dijalankan dan dimaknai?"Satu kelompok budayaObservasi partisipatif lama, wawancaraDeskripsi budaya yang kaya (contoh lengkap: Bab 30)
    Studi kasusSatu atau beberapa kasus yang dibatasi (program, sekolah, peristiwa)"Bagaimana dan mengapa … di kasus ini?"Beberapa pihak dalam kasusBanyak sumber: wawancara, dokumen, observasiAnalisis kasus mendalam (contoh lengkap: Bab 33)
    NaratifKisah hidup individu"Bagaimana kisah hidup … membentuk …?"1–2 orangCerita, wawancara biografis, dokumen pribadiKisah yang disusun ulang secara kronologis (contoh lengkap: Bab 34)

    Rentang jumlah partisipan adalah panduan umum dari literatur metodologi (Creswell & Poth), bukan aturan baku. Jumlah akhir ditentukan oleh saturasi (Bab 16).

    Penelitian kedua Rara: mengapa fenomenologi?

    Rara ingin memahami pengalaman siswa ketika menggunakan gawai di malam hari: apa yang mereka rasakan, mengapa sulit berhenti, dan bagaimana mereka mencoba mengendalikannya. Fokusnya adalah esensi pengalaman banyak orang tentang satu fenomena, jadi pendekatan yang paling tepat adalah fenomenologi. Bila Rara ingin menelaah program "jam malam gawai" di satu sekolah, ia akan memilih studi kasus. Bila ingin membangun model proses kecanduan gawai, ia akan memilih grounded theory.

    Intinya
    • Kualitatif menggali makna dan pengalaman; peneliti adalah instrumen kunci.
    • Lima pendekatan (fenomenologi, grounded theory, etnografi, studi kasus, naratif) dipilih dari pertanyaan penelitian.
    Coba sendiri: tebak pendekatannya
    Bab 15

    Judul, Fokus, Pertanyaan, dan Tujuan

    Benang merah tetap berlaku di penelitian kualitatif. Yang berubah hanya bentuknya: tidak ada X dan Y, yang ada adalah fenomena yang ingin dipahami.

    SMP–SMAS1S2–S3

    Anatomi judul kualitatif

    Pengalaman Siswa SMA dalam Menggunakan Gawai pada Malam Hari: Studi Fenomenologi di SMA Negeri X Palembang
    Fenomena yang dipahamiPendekatanPartisipan & konteks

    Kata pembuka judul kualitatif biasanya menunjukkan apa yang dicari: Pengalaman…, Makna…, Persepsi…, Proses…, Strategi…, Dinamika…, Praktik…. Kata "Hubungan" dan "Pengaruh" tidak dipakai, karena penelitian kualitatif tidak menguji hubungan antarvariabel. Menyebut pendekatan di judul atau subjudul (misalnya "Studi Fenomenologi", "Studi Kasus") sangat dianjurkan.

    Tabel 15.1 — Contoh judul kualitatif dari berbagai bidang
    BidangContoh judulPendekatan
    KesehatanPengalaman Ibu Merawat Anak dengan Diabetes Tipe 1 di RumahFenomenologi
    PendidikanImplementasi Program "Jam Belajar Tanpa Gawai" di SMA Negeri X (contoh lengkap: Bab 33)Studi kasus
    AntropologiMakna Tradisi Gotong Royong Membangun Rumah bagi Warga Desa XEtnografi
    PsikologiProses Pemulihan Remaja dari Ketergantungan Gim Daring (contoh lengkap: Bab 32)Grounded theory
    SejarahKisah Hidup Seorang Guru Honorer di Daerah Terpencil (contoh lengkap: Bab 34)Naratif

    Latar belakang dan fokus penelitian

    Latar belakang kualitatif tetap berbentuk corong (Bab 2), tetapi ujungnya bukan "hubungan yang belum diketahui", melainkan pengalaman atau makna yang belum dipahami. Karena kualitatif menggali secara mendalam, penelitian perlu fokus penelitian: batasan tentang apa yang digali dan apa yang tidak, supaya wawancara tidak melebar ke mana-mana.

    Fokus penelitian Rara

    Penelitian ini berfokus pada pengalaman siswa kelas X–XII SMA Negeri X Palembang yang menggunakan gawai di atas pukul 22.00 dan memiliki kualitas tidur buruk, meliputi: (1) alasan menggunakan gawai menjelang tidur, (2) dampak yang dirasakan, dan (3) upaya mengendalikan penggunaannya. Penelitian ini tidak membahas kecanduan gawai secara klinis maupun prestasi akademik.

    Pertanyaan penelitian

    Penelitian kualitatif biasanya memiliki satu pertanyaan utama (central question) yang luas, lalu beberapa subpertanyaan. Mulailah dengan "Bagaimana" atau "Apa", pakai kata kerja yang terbuka (menggambarkan, memaknai, mengalami), dan hindari kata yang mengarah pada sebab–akibat seperti "pengaruh" atau "dampak terhadap".

    Bagaimana pengalaman/makna/proses partisipan dalam fenomena di konteks?Pola pertanyaan utama kualitatif.

    Benang merah kualitatif Rara

    Ketuk satu baris untuk melihat pasangannya.

    Subpertanyaan
    Tujuan khusus
    Digali dengan
    Tema yang menjawab
    1
    Apa alasan siswa menggunakan gawai menjelang tidur?
    Mengeksplorasi alasan siswa menggunakan gawai menjelang tidur.
    Pertanyaan wawancara 1–2, observasi grup kelas
    Tema 1 & 2 (Bab 19)
    2
    Bagaimana siswa merasakan dampaknya?
    Mengeksplorasi dampak yang dirasakan siswa.
    Pertanyaan wawancara 3, wawancara guru BK dan orang tua
    Tema 3
    3
    Bagaimana siswa berupaya mengendalikan penggunaan gawai?
    Mengeksplorasi upaya siswa mengendalikan penggunaan gawai.
    Pertanyaan wawancara 4, FGD
    Tema 4

    Pertanyaan utama: Bagaimana pengalaman siswa SMA Negeri X Palembang dalam menggunakan gawai pada malam hari?
    Tujuan umum: Mengeksplorasi secara mendalam pengalaman siswa SMA Negeri X Palembang dalam menggunakan gawai pada malam hari.

    Aturannya tetap sama dengan Bagian I: tiga subpertanyaan → tiga tujuan khusus → kelak tiga kesimpulan. Tidak ada hipotesis.

    Coba sendiri: Mesin Benang Merah Kualitatif
    Awas, keliru!
    • Judul kualitatif memakai "Hubungan" atau "Pengaruh".
    • Pertanyaan tertutup ("Apakah siswa kecanduan gawai?") yang jawabannya cukup ya/tidak.
    • Menuliskan hipotesis pada penelitian kualitatif.
    • Fokus tidak dibatasi sehingga wawancara melebar ke semua masalah remaja.
    Intinya
    • Judul kualitatif = fenomena + partisipan + konteks + pendekatan, tanpa "Hubungan" atau "Pengaruh".
    • Pertanyaan terbuka ("Bagaimana…?"), tujuan "mengeksplorasi", tanpa hipotesis.
    Coba sendiri: kuis judul dan tujuan kualitatif
    Bab 16

    Metode Kualitatif: Partisipan, Saturasi, dan Instrumen

    Sampel kualitatif tidak dipilih acak dan tidak dihitung dengan rumus. Partisipan dipilih karena kaya informasi, dan jumlahnya cukup ketika data sudah jenuh.

    S1S2–S3

    Isi Bab Metode penelitian kualitatif

    1. Pendekatan/desain penelitian beserta alasannya
    2. Lokasi (setting) dan waktu penelitian
    3. Partisipan: kriteria, teknik pemilihan, jumlah, dan saturasi
    4. Peran peneliti dan refleksivitas
    5. Instrumen: pedoman wawancara, pedoman observasi, alat bantu
    6. Teknik pengumpulan data (Bab 17)
    7. Pengolahan dan analisis data (Bab 18)
    8. Teknik keabsahan data (Bab 19)
    9. Etika penelitian (Bab 7)

    Setting dan waktu

    Jelaskan mengapa lokasi itu dipilih, bukan sekadar di mana. Contoh Rara: "Penelitian dilakukan di SMA Negeri X Palembang karena survei sebelumnya menunjukkan 55,6% siswanya memiliki kualitas tidur buruk, dan sekolah bersedia menjadi mitra. Wawancara dilakukan pada Januari–Maret 2027 di ruang konseling sekolah dan, atas permintaan partisipan, di rumah partisipan."

    Memilih partisipan

    Di penelitian kualitatif, subjek disebut partisipan atau informan. Rara membedakan tiga jenis:

    Informan utama

    Orang yang mengalami langsung fenomenanya. Rara: siswa yang menggunakan gawai di atas pukul 22.00 dan memiliki kualitas tidur buruk.

    Informan kunci

    Orang yang paling memahami konteksnya. Rara: guru Bimbingan Konseling.

    Informan pendukung

    Orang yang memberi sudut pandang lain untuk triangulasi. Rara: orang tua siswa.

    Teknik pemilihan partisipan

    Tabel 16.1 — Teknik pemilihan partisipan kualitatif
    TeknikCaraKapan dipakai
    Purposive (kriteria)Memilih yang memenuhi kriteria tertentuPaling umum; fenomenologi
    Variasi maksimumSengaja memilih yang berbeda-beda (kelas, jenis kelamin, jenis gawai)Ingin melihat pola bersama di tengah keragaman
    Kasus ekstrem/menyimpangMemilih kasus yang tidak biasaBelajar dari pengecualian
    SnowballPartisipan merekomendasikan orang berikutnyaPopulasi tersembunyi atau sulit dijangkau
    Theoretical samplingPartisipan berikutnya dipilih berdasarkan konsep yang muncul dari analisisGrounded theory
    Informan kunciOrang yang paling tahu tentang konteksEtnografi, studi kasus
    Kriteria partisipan Rara

    Inklusi: siswa aktif kelas X–XII; menggunakan gawai di atas pukul 22.00 minimal 4 malam per minggu; skor PSQI > 5; mampu menceritakan pengalamannya; bersedia direkam; mendapat persetujuan orang tua. Eksklusi: sedang menjalani perawatan gangguan tidur atau kesehatan jiwa. Rara memakai purposive dengan variasi maksimum agar ada siswa laki-laki dan perempuan dari ketiga tingkat kelas.

    Berapa jumlah partisipannya? Saturasi

    Saturasi (kejenuhan data) tercapai ketika wawancara berikutnya tidak lagi memunculkan kode atau informasi baru. Karena itu analisis dilakukan bersamaan dengan pengumpulan data: setiap selesai satu wawancara, transkrip langsung dikode, lalu dicatat berapa kode baru yang muncul.

    Gambar 16.1 — Kode baru per wawancara pada penelitian Rara

    Jumlah kode yang pertama kali muncul di setiap wawancara (data simulasi)

    Wawancara pertama menghasilkan 14 kode baru; makin lama makin sedikit. Sejak partisipan ke-10 tidak ada kode baru selama tiga wawancara berturut-turut. Rara memakai aturan henti yang banyak dirujuk: setelah analisis awal, hentikan wawancara bila tiga wawancara berturut-turut tidak memunculkan tema baru (Francis dkk., 2010). Total: 12 siswa, ditambah 2 guru BK dan 3 orang tua untuk triangulasi.

    Bima bertanya

    "Kok berhenti di 12? Nggak ada rumusnya?"
    Bayangkan menonton sinetron. Sepuluh episode pertama banyak kejutan. Setelah episode ke-50 ceritanya itu-itu saja: kamu sudah bisa menebak semuanya. Pada titik itu menonton episode tambahan tidak memberi cerita baru. Itulah saturasi.

    Pojok S2–S3
    • Bedakan saturasi kode (tidak ada kode baru) dan saturasi makna (pemahaman tentang setiap kode sudah utuh). Saturasi makna biasanya memerlukan lebih banyak wawancara (Hennink dkk., 2017).
    • Konsep information power (Malterud dkk., 2016): sampel bisa lebih kecil bila tujuan sempit, partisipan sangat spesifik, teori kuat, dialog wawancara berkualitas, dan analisis mendalam per kasus.
    • Dalam proposal, tuliskan perkiraan awal jumlah partisipan beserta alasannya dan kriteria henti yang akan dipakai.

    Peneliti sebagai instrumen dan refleksivitas

    Karena peneliti sendiri yang mengumpulkan dan menafsirkan data, ia wajib reflektif: menyadari prasangka dan posisinya. Rara menulis pernyataan posisi di proposal: ia pernah meneliti topik yang sama secara kuantitatif dan menduga gawai merugikan tidur. Dugaan itu ia "kurung" (bracketing) dengan mencatatnya dalam jurnal refleksi, supaya ia tetap terbuka terhadap cerita partisipan yang berbeda.

    Menyusun pedoman wawancara

    Pedoman wawancara disusun dari tujuan khusus, sehingga benang merahnya terjaga. Setiap pertanyaan utama bersifat terbuka dan dilengkapi probe (pertanyaan pendalaman).

    Tabel 16.2 — Dari tujuan ke pertanyaan wawancara
    Tujuan khususPertanyaan utamaProbe
    PembukaCeritakan tentang kegiatanmu sehari-hari, dari pulang sekolah sampai tidur.Jam berapa biasanya tidur?
    1. AlasanCeritakan apa yang biasanya kamu lakukan satu jam sebelum tidur.Aplikasi apa? Apa yang membuatmu terus membukanya? Bisa beri contoh malam tertentu?
    1. AlasanApa yang kamu rasakan ketika mencoba menaruh gawai?Mengapa begitu? Apa yang kamu khawatirkan?
    2. DampakBagaimana keadaanmu keesokan paginya?Di kelas? Di rumah? Pernah ada kejadian yang kamu ingat?
    3. UpayaPernahkah kamu mencoba mengurangi? Ceritakan caranya.Apa yang berhasil? Apa yang gagal? Siapa yang membantu?
    PenutupAdakah hal lain yang ingin kamu ceritakan?Ucapan terima kasih, tanyakan kesediaan untuk dihubungi lagi (member checking)

    Hindari pertanyaan menggiring ("Kamu jadi malas belajar karena HP, kan?"), ganda ("Kamu main gim dan nonton video?"), dan tertutup. Uji coba pedoman pada 1–2 orang di luar partisipan (Rara berlatih dengan Bima), lalu perbaiki.

    Intinya
    • Partisipan dipilih secara purposif; jumlahnya ditentukan saturasi dengan kriteria henti yang jelas.
    • Pedoman wawancara disusun dari tujuan khusus, lengkap dengan probe, dan diuji coba.
    Coba sendiri: kuis partisipan dan instrumen
    Bab 17

    Mengumpulkan Data: Wawancara, FGD, Observasi, Dokumen

    Kualitas penelitian kualitatif ditentukan oleh kualitas percakapannya. Pertanyaan yang baik, pendengar yang sabar, dan catatan yang rapi menghasilkan data yang kaya.

    S1S2–S3
    Tabel 17.1 — Empat teknik pengumpulan data kualitatif
    TeknikMenggaliKelebihanPerhatian
    Wawancara mendalamPengalaman dan makna pribadiDalam, bisa topik pribadiButuh keterampilan dan waktu
    Diskusi kelompok terarah (FGD)Pandangan dan norma kelompokIde beragam, saling memancingTidak cocok untuk hal sangat pribadi; ada peserta dominan
    ObservasiApa yang benar-benar dilakukanMelihat perilaku nyata, bukan hanya pengakuanKehadiran peneliti bisa mengubah perilaku
    Dokumen & visualJejak tertulis dan gambarTidak mengganggu, bisa jadi triangulasiKeaslian dan izin penggunaan

    Wawancara mendalam

    Wawancara bisa terstruktur (pertanyaan dan urutan baku), semi-terstruktur (pedoman ada, tetapi urutan dan pendalaman lentur), atau tidak terstruktur (seperti percakapan bebas). Penelitian kualitatif paling sering memakai semi-terstruktur, berdurasi sekitar 45–90 menit.

    Sebelum

    • Buat janji di waktu dan tempat yang nyaman serta privat
    • Uji alat perekam dan siapkan cadangan
    • Bawa pedoman wawancara, lembar PSP, formulir persetujuan
    • Baca ulang catatan wawancara sebelumnya

    Selama

    • Bangun keakraban (rapport) dengan obrolan ringan
    • Jelaskan ulang tujuan dan minta izin merekam
    • Dengarkan lebih banyak daripada bicara
    • Gunakan probe; biarkan jeda hening
    • Catat bahasa tubuh dan suasana
    • Hentikan bila partisipan tertekan

    Sesudah

    • Tulis catatan lapangan hari itu juga
    • Simpan rekaman di tempat aman dan terenkripsi
    • Transkripsi dan kode sebelum wawancara berikutnya
    • Tulis memo analitik: apa yang baru, apa yang perlu digali

    Teknik probing

    Jenis probeContoh
    Elaborasi"Bisa diceritakan lebih banyak?"
    Klarifikasi"Tadi kamu bilang 'kebablasan'. Maksudnya bagaimana?"
    Contoh konkret"Coba ceritakan malam kemarin, dari jam sembilan."
    Perasaan"Apa yang kamu rasakan saat itu?"
    Mengulang kata kunci"…satu video lagi?"
    Jeda heningDiam 3–5 detik sambil menunjukkan perhatian; sering memancing cerita lanjutan.

    Diskusi kelompok terarah (FGD)

    FGD berisi sekitar 6–10 peserta dengan latar yang relatif mirip, dipandu moderator dan dibantu notulen, berlangsung 60–90 menit. Tempat duduk melingkar agar semua saling melihat. Di awal, moderator menyepakati aturan: tidak ada jawaban benar atau salah, bergantian bicara, dan menjaga cerita peserta lain. Moderator juga harus jujur bahwa kerahasiaan dalam kelompok tidak bisa dijamin sepenuhnya.

    Moderator

    Memandu alur, memancing yang pendiam, menahan yang dominan, menjaga waktu, merangkum di akhir.

    Notulen

    Mencatat urutan pembicara (kode P-FGD1-3), kutipan penting, bahasa tubuh, dan suasana; mengurus perekam.

    FGD Rara

    Rara mengadakan dua FGD: satu untuk siswa laki-laki dan satu untuk siswa perempuan (masing-masing 7 orang, di luar 12 partisipan wawancara), untuk menggali strategi mengendalikan gawai yang dianggap masuk akal oleh teman sebaya. Topik pribadi seperti konflik dengan orang tua sengaja tidak dibahas di FGD, melainkan di wawancara individual.

    Observasi dan catatan lapangan

    Observasi bisa partisipatif (peneliti ikut dalam kegiatan) atau non-partisipatif (hanya mengamati), dan terbuka (kehadiran peneliti diketahui) atau terselubung (hanya dengan persetujuan komisi etik; lihat Bab 7B). Hasilnya dicatat dalam catatan lapangan dengan dua bagian: deskriptif (apa yang terlihat dan terdengar) dan reflektif (tafsiran, perasaan, dan pertanyaan peneliti).

    Catatan deskriptif

    Selasa, 14 Jan 2027, 07.15–08.00, kelas XI-2, jam pertama (izin guru). Dari 32 siswa, 6 siswa meletakkan kepala di meja dalam 20 menit pertama. Dua siswa menguap berulang. Guru menegur satu siswa: "Semalam begadang lagi?" Siswa menjawab pelan, "Ngerjain tugas, Bu."

    Catatan reflektif

    Jawaban "ngerjain tugas" muncul juga di wawancara P9. Apakah tugas benar-benar menjadi alasan, atau alasan yang lebih mudah diterima guru? Perlu digali di wawancara berikutnya tanpa menggiring. Saya merasa kasihan pada siswa tersebut; saya catat agar tidak memengaruhi tafsiran.

    Dokumen, data visual, dan wawancara daring

    • Buku harian: partisipan menulis kegiatan menjelang tidur selama 7 hari. Datanya sangat pribadi, jadi perlu izin khusus.
    • Tangkapan layar Screen Time: hanya bila partisipan setuju, dan nama aplikasi pribadi boleh disamarkan.
    • Photo-elicitation: partisipan memotret tempat tidurnya lalu menceritakan fotonya. Pastikan tidak ada wajah orang lain.
    • Wawancara daring (panggilan video): sepakati lokasi yang privat, cek sinyal, dan minta izin merekam secara lisan di awal rekaman.

    Transkripsi verbatim

    Rekaman diubah menjadi transkrip verbatim: ditulis kata demi kata, termasuk jeda, tawa, dan ungkapan khas, tanpa "dirapikan" maknanya. Bila diketik manual, siapkan waktu sekitar 4–6 jam untuk setiap 1 jam rekaman. Aplikasi transkripsi otomatis boleh membantu bila tercantum di protokol etik, tetapi hasilnya wajib diperiksa ulang kata demi kata, dan rekaman sensitif tidak diunggah ke layanan yang tidak disetujui.

    P03_Transkrip_2027-01-14.docx
    Kode: P03 · Tanggal: 14-01-2027 · Durasi: 52 menit · Lokasi: ruang konseling · Pewawancara: R
    018 R : Boleh ceritakan apa yang biasanya kamu lakukan sebelum tidur?
    019 P03 : Hmm… [jeda 2 detik] biasanya aku buka HP cuma mau cek grup kelas,
    020 soalnya tugas sering dikirim malam. Tapi habis itu kebuka video pendek,
    021 scroll terus, nggak kerasa tahu-tahu jam satu. [tertawa kecil]
    022 R : Jam satu?
    023 P03 : Iya. Kadang [nama teman] masih online juga, jadi ya… takut ketinggalan.
    • Nomor baris memudahkan rujukan kutipan saat analisis (misalnya P03:19–21).
    • Notasi yang konsisten: [jeda], [tertawa], [tidak terdengar 00:12:05], … untuk kalimat terputus.
    • Anonimisasi: nama orang, sekolah, atau tempat yang bisa mengungkap identitas diganti label dalam kurung siku.
    • Bahasa daerah: tulis aslinya, lalu terjemahannya di kolom sebelah; kutipan di laporan memuat terjemahan dan (bila perlu) aslinya.

    Manajemen data

    Beri nama berkas yang konsisten (P03_Wawancara_2027-01-14.m4a, P03_Transkrip.docx), simpan di folder terenkripsi dengan cadangan, dan pisahkan lembar kunci (daftar yang menghubungkan kode P03 dengan nama asli) dari data. Sesuai protokol etik, tentukan kapan rekaman dimusnahkan.

    Awas, keliru!
    • Mewawancarai seperti menyebar kuesioner: membaca pertanyaan berurutan tanpa mendalami jawaban.
    • Memotong cerita partisipan atau menyimpulkan untuknya ("Berarti kamu kecanduan, ya?").
    • Menunda transkripsi sampai semua wawancara selesai, sehingga saturasi tidak bisa dipantau.
    • Menyimpan rekaman di grup percakapan atau penyimpanan awan yang dibagikan.
    Intinya
    • Wawancara mendalam, FGD, observasi, dan dokumen saling melengkapi.
    • Transkrip verbatim, anonim, dan disimpan aman; analisis dimulai sejak wawancara pertama.
    Coba sendiri: kuis pengumpulan data
    Bab 18

    Analisis Data Kualitatif: Dari Transkrip Menjadi Tema

    Analisis kualitatif bukan meringkas, melainkan menafsirkan secara sistematis. Ia dimulai sejak wawancara pertama dan berjalan bolak-balik sampai tema-temanya kokoh.

    S1S2–S3

    Memilih metode analisis

    Tabel 18.1 — Metode analisis yang lazim dipakai
    MetodeCocok untukHasil
    Analisis tematik (Braun & Clarke)Hampir semua pendekatan; paling ramah pemulaTema dan subtema
    Model interaktif (Miles, Huberman & Saldaña)Studi kasus, penelitian terapan; sangat populer di IndonesiaMatriks, jaringan, kesimpulan terverifikasi
    Colaizzi (atau IPA)FenomenologiDeskripsi lengkap dan struktur esensial pengalaman
    Open–axial–selective codingGrounded theoryKategori inti dan model teori
    Analisis isi (konvensional, terarah, sumatif)Dokumen, teks terbuka, mediaKategori dan frekuensinya

    Analisis tematik enam fase, langkah demi langkah

    1. Familiarisasi. Dengarkan rekaman dan baca transkrip berulang kali. Catat ide awal di margin.

      Memo Rara: "Hampir semua partisipan memakai kata 'kebablasan' atau 'nggak kerasa'. Waktu seperti 'hilang'."

    2. Membuat kode awal. Beri label singkat pada setiap potongan data yang bermakna. Kode semantik menangkap apa yang dikatakan; kode laten menangkap makna di baliknya.

    3. Mencari tema. Kelompokkan kode yang berkaitan, misalnya dengan kertas tempel, tabel, atau peta pikiran. Tema adalah pola makna yang menjawab pertanyaan penelitian, bukan sekadar topik.

    4. Meninjau tema. Cek apakah semua kode dalam satu tema cocok (tingkat 1) dan apakah tema itu mewakili seluruh data (tingkat 2). Gabungkan, pecah, atau buang tema bila perlu.

    5. Mendefinisikan dan menamai tema. Tulis definisi 1–2 kalimat. Nama tema harus menggambarkan isinya ("Jebakan gulir malam"), bukan hanya topik ("Alasan").

    6. Menulis laporan. Uraikan tiap tema dengan analisis dan kutipan yang paling mewakili (Bab 19).

    Coba sendiri: mengode transkrip

    Potongan transkrip P03 di bawah masih polos. Tekan tombol untuk melihat bagaimana Rara memberi kode, lalu mengelompokkannya menjadi tema.

    PenelitiBoleh ceritakan apa yang biasanya kamu lakukan sebelum tidur?

    P03 · 16 thBiasanya aku buka HP cuma mau cek grup kelas, soalnya tugas sering dikirim malam. Tapi habis itu kebuka video pendek, scroll terus, nggak kerasa tahu-tahu jam satu. Kadang takut ketinggalan kalau teman-teman lagi bahas sesuatu.

    PenelitiBagaimana perasaanmu keesokan harinya?

    P03 · 16 thPagi susah bangun, di kelas ngantuk banget. Sekarang aku coba taruh HP di meja belajar, jauh dari kasur, tapi kalau lagi stres PR, malah lari ke HP lagi.

    Buku kode (codebook)

    Buku kode mencatat definisi setiap kode agar pemberian kode konsisten, terutama bila ada lebih dari satu pengode.

    Tabel 18.2 — Petikan buku kode Rara
    KodeDefinisiContoh dataTema
    Scroll tanpa sadarTerus menggulir konten melebihi niat awal, tidak sadar waktu"…scroll terus, nggak kerasa tahu-tahu jam satu." (P03:20–21)1
    Satu video lagiMenunda berhenti karena konten pendek terasa "sebentar""…mikirnya satu lagi, satu lagi." (P06:44)1
    Pelarian stresMembuka gawai untuk menghindari perasaan tertekan"…malah buka HP biar lupa sebentar." (P11:37)1
    Tugas lewat grup malamInformasi akademik yang datang larut malam"Info tugas sering baru masuk jam sepuluh malam." (P09:22)2
    Takut ketinggalanCemas tidak ikut percakapan atau kegiatan teman"…besok nggak nyambung." (P02:30)2
    Menjauhkan gawaiStrategi fisik memisahkan gawai dari tempat tidur"…taruh HP di meja belajar, jauh dari kasur." (P03:61)4
    Pengalaman memakaigawai di malam hari T1 · Jebakan gulir malamniat singkat berujung panjang"satu video lagi"pelarian dari stres T2 · Tuntutan sosial & akademiktugas dan grup kelas malamtakut ketinggalanmenjaga pertemanan T3 · Harga esok harikantuk di kelasemosi mudah naikketegangan dengan orang tua T4 · Upaya mengendalikan dirimenjauhkan gawai dari kasurfitur pembatas waktudukungan keluarga
    Gambar 18.1 — Peta tema (thematic map) penelitian kualitatif Rara. Tema besar di kotak, subtema di dalamnya.

    Model interaktif Miles, Huberman & Saldaña

    Model ini sangat sering dipakai dalam skripsi di Indonesia. Analisis terdiri atas tiga alur yang berjalan bersamaan dan bolak-balik dengan pengumpulan data:

    Pengumpulan datawawancara, FGD, observasi Penyajian datamatriks, jaringan, narasi Kondensasi datamemilih, mengode, merangkum Kesimpulan & verifikasimenafsir dan menguji ulang
    Gambar 18.2 — Tiga alur analisis yang saling berulang. Edisi lama menyebut kondensasi sebagai "reduksi data".

    Penyajian data dalam model ini sering berupa matriks. Contoh matriks partisipan × tema Rara (● = tema muncul pada partisipan):

    TemaP1P2P3P4P5P6P7P8P9P10P11P12
    T1 Jebakan gulir●●●●●●●●●●●●
    T2 Tuntutan sosial●●●○●●●○●●●●
    T3 Harga esok hari●●●●●●●●●●●○
    T4 Mengendalikan diri●●●●○○●●●○○●

    Matriks membantu melihat pola (misalnya, siapa yang belum punya strategi mengendalikan diri), bukan untuk menghitung persentase seperti penelitian kuantitatif.

    Metode Colaizzi untuk fenomenologi

    1. Membaca seluruh transkrip untuk memperoleh gambaran utuh.

    2. Mengambil pernyataan bermakna (significant statements) yang berhubungan dengan fenomena.

    3. Merumuskan makna dari setiap pernyataan bermakna.

    4. Mengelompokkan makna menjadi klaster tema, lalu tema.

    5. Menyusun deskripsi lengkap (exhaustive description) tentang fenomena.

    6. Merumuskan struktur esensial fenomena dalam pernyataan singkat.

    7. Validasi kepada partisipan (member checking).

    Tabel 18.3 — Contoh langkah 2–4 Colaizzi
    Pernyataan bermaknaMakna yang dirumuskanKlaster tema
    "Videonya pendek-pendek, jadi mikirnya satu lagi, satu lagi. Padahal udah satu jam." (P06)Format video pendek membuat siswa terus menunda berhentiJebakan gulir malam
    "Info tugas sering baru masuk jam sepuluh malam." (P09)Tuntutan akademik hadir pada jam tidurTuntutan sosial & akademik
    "Ayah ikut naruh HP di ruang tengah jam sembilan." (P08)Kebiasaan bersama keluarga memudahkan pengendalian diriUpaya mengendalikan diri

    Pengodean grounded theory

    Penelitian grounded theory utuh, dari theoretical sampling sampai model dan proposisi, ada di Bab 32.

    1 · Open coding

    Memecah data dan memberi label sebanyak mungkin: "menunda berhenti", "takut ketinggalan", "dimarahi orang tua", "HP di luar kamar".

    2 · Axial coding

    Menghubungkan kategori: kondisi (tugas malam, FOMO) → tindakan (menggulir, menunda tidur) → konsekuensi (kantuk, konflik) → strategi (menjauhkan gawai).

    3 · Selective coding

    Menemukan kategori inti yang menyatukan semuanya, misalnya "tarik-ulur antara tetap terhubung dan beristirahat", lalu menyusun model teorinya.

    Grounded theory memakai perbandingan terus-menerus (setiap data baru dibandingkan dengan kategori yang ada), memo analitik, dan theoretical sampling sampai saturasi teoretis.

    Perangkat lunak

    NVivo, ATLAS.ti, dan MAXQDA (berbayar) atau QualCoder dan Taguette (gratis) membantu menyimpan transkrip, memberi kode, dan menelusuri kutipan. Untuk 10–15 transkrip, tabel di pengolah kata atau lembar kerja juga cukup. Perangkat lunak hanya merapikan; yang menafsirkan tetap peneliti.

    Awas, keliru!
    • Tema sama dengan pertanyaan wawancara ("Tema 1: Alasan", "Tema 2: Dampak"). Itu topik, bukan hasil analisis.
    • Deretan kutipan tanpa analisis. Kutipan adalah bukti, bukan pengganti tafsiran.
    • Terlalu banyak tema (misalnya 12 tema untuk 12 partisipan). Umumnya 3–6 tema utama sudah cukup.
    • Mengode sendirian tanpa pernah didiskusikan dengan pembimbing atau rekan (peer debriefing).
    Intinya
    • Alurnya: kode → kategori → tema; tema menjawab pertanyaan, bukan sekadar topik.
    • Pilih metode analisis sesuai pendekatan: tematik, Miles–Huberman, Colaizzi, atau grounded theory.
    Coba sendiri: kuis analisis
    Bab 19

    Keabsahan, Hasil, Pembahasan, dan Kesimpulan Kualitatif

    Temuan kualitatif harus bisa dipercaya. Setelah itu, sajikan tema-temanya dengan bukti, bahas maknanya, dan tutup dengan kesimpulan yang menjawab tujuan.

    S1S2–S3

    Keabsahan data (trustworthiness)

    Tabel 19.1 — Empat kriteria keabsahan (Lincoln & Guba) dan penerapannya
    KriteriaPadanan kuantitatifTeknikYang dilakukan Rara
    KredibilitasValiditas internalTriangulasi, member checking, keterlibatan lama, peer debriefing, analisis kasus negatifTriangulasi sumber (siswa, guru BK, orang tua) dan metode (wawancara, FGD, observasi); ringkasan tema dikirim ke 8 partisipan untuk dikonfirmasi
    TransferabilitasValiditas eksternalDeskripsi tebal (thick description) konteks dan partisipanMenjelaskan sekolah, jadwal, kebiasaan grup kelas, dan karakteristik partisipan
    DependabilitasReliabilitasJejak audit (audit trail), buku kodeSemua versi buku kode, memo, dan keputusan analisis disimpan dan diperiksa pembimbing
    KonfirmabilitasObjektivitasRefleksivitas, bukti kutipanJurnal refleksi; setiap tema didukung kutipan dari beberapa partisipan

    Triangulasi ada empat jenis: sumber (orang berbeda), metode (teknik berbeda), peneliti (lebih dari satu pengode), dan teori. Analisis kasus negatif berarti sengaja mencari data yang tidak sesuai tema, lalu menjelaskannya. Contoh: P12 bermain gawai sampai larut tetapi tidak merasa kelelahan; setelah digali, ia tidur siang cukup lama setiap hari.

    Sistematika bab hasil kualitatif

    1. Gambaran lokasi penelitian secara singkat.

    2. Karakteristik partisipan dalam tabel.

    3. Ringkasan tema dan subtema dalam tabel atau peta tema.

    4. Uraian setiap tema, disertai kutipan partisipan.

    Tabel 19.2 — Karakteristik partisipan (data simulasi)
    KodeJKUsiaKelasGawai (jam/hari)Skor PSQI
    P01L15X5,59
    P02P16XI6,08
    P03P16XI7,511
    P04L17XII4,57
    P05P15X5,010
    P06L16XI8,012
    P07P17XII6,59
    P08L15X4,07
    P09P17XII5,58
    P10L16XI6,010
    P11P15X7,013
    P12L17XII5,09

    Informan triangulasi: 2 guru BK (G1–G2) dan 3 orang tua (O1–O3). Wawancara 38–71 menit.

    Tabel 19.3 — Tema dan subtema
    TemaSubtemaMenjawab tujuan
    T1 · Jebakan gulir malamNiat singkat berujung panjang · "satu video lagi" · pelarian dari stres1
    T2 · Tuntutan sosial dan akademik di malam hariTugas dan grup kelas malam · takut ketinggalan · menjaga pertemanan1
    T3 · Harga yang dibayar esok hariKantuk di kelas · emosi mudah naik · ketegangan dengan orang tua2
    T4 · Upaya mengendalikan diriMenjauhkan gawai dari kasur · fitur pembatas waktu · dukungan keluarga3

    Contoh uraian tema

    Tema 1: Jebakan gulir malam. Hampir semua partisipan menggambarkan niat awal membuka gawai untuk keperluan singkat yang berakhir dengan menggulir konten tanpa sadar waktu. Format video pendek membuat keputusan berhenti terus ditunda:

    "Videonya pendek-pendek, jadi mikirnya satu lagi, satu lagi. Padahal udah satu jam." (P06, laki-laki, 16 tahun)

    Bagi sebagian partisipan, gawai juga menjadi tempat melarikan diri dari tekanan tugas sekolah:

    "Kalau lagi banyak PR terus pusing, aku malah buka HP biar lupa sebentar." (P11, perempuan, 15 tahun)

    Aturan mengutip

    • Kutipan pendek masuk dalam kalimat; kutipan panjang (lebih dari ±40 kata) dibuat terpisah dan menjorok.
    • Sertakan kode partisipan dan karakteristik singkat yang tidak membuka identitas.
    • Tanda […] menandai bagian yang dipotong. Jangan mengubah makna atau "merapikan" bahasa lisan.
    • Sebar kutipan dari berbagai partisipan, bukan hanya dari satu orang yang pandai bicara.

    Pembahasan kualitatif

    Pola F-T-O dari Bab 11 tetap bisa dipakai, disesuaikan: temuan (tema) → makna → perbandingan dengan teori dan penelitian lain → implikasi, lalu keterbatasan.

    Tema kedua menunjukkan bahwa siswa tetap memegang gawai karena tuntutan sosial dan akademik yang justru datang di malam hari. Rasa cemas tertinggal dari percakapan teman sejalan dengan konsep fear of missing out (FOMO), yaitu kekhawatiran bahwa orang lain sedang mengalami hal menyenangkan tanpa kehadiran kita, yang dikaitkan dengan tingginya keterlibatan di media sosial (Przybylski dkk., 2013). Temuan ini juga menjelaskan secara perilaku mengapa survei kuantitatif menemukan hubungan antara durasi gawai dan kualitas tidur. Menurut peneliti, solusi yang hanya meminta siswa berhenti memakai gawai tidak akan cukup; sekolah perlu menyepakati bahwa informasi tugas tidak dikirim di atas pukul 20.00.

    TemuanMakna & pembandingImplikasi

    Kesimpulan dan saran kualitatif

    Kesimpulan menjawab setiap tujuan khusus dengan tema, singkat, tanpa kutipan dan tanpa rujukan.

    1. Siswa menggunakan gawai menjelang tidur karena terjebak dalam pola gulir yang sulit dihentikan dan karena tuntutan sosial serta akademik yang hadir di malam hari.

    2. Siswa merasakan dampak berupa kantuk di kelas, emosi yang mudah naik, dan ketegangan dengan orang tua.

    3. Siswa berupaya mengendalikan diri dengan menjauhkan gawai dari tempat tidur, memakai fitur pembatas waktu, dan dukungan kebiasaan keluarga, meskipun upaya ini belum konsisten.

    Saran: bagi sekolah, menetapkan batas jam pengiriman tugas; bagi keluarga, membuat kesepakatan "tempat parkir gawai"; bagi peneliti selanjutnya, menguji strategi-strategi ini dalam penelitian intervensi.

    Keterbatasan yang ditulis Rara: partisipan dari satu sekolah (transferabilitas terbatas), kemungkinan partisipan memberi jawaban yang dianggap "baik" (social desirability), dan dugaan awal peneliti dari penelitian kuantitatif sebelumnya, yang dikendalikan dengan refleksivitas.

    Pojok S2–S3
    • Laporkan penelitian wawancara dan FGD mengikuti COREQ (32 butir dalam tiga domain: tim peneliti dan refleksivitas, desain studi, analisis dan temuan) atau SRQR (21 butir).
    • Sebutkan paradigma penelitian (misalnya konstruktivis) karena memengaruhi cara menilai mutu.
    • Bila memakai lebih dari satu pengode, jelaskan cara menyelesaikan perbedaan; sebagian peneliti melaporkan kesepakatan antarpengode, sebagian lain menganggapnya tidak sesuai untuk analisis tematik reflektif.

    Fenomenologi di Bagian II bersifat deskriptif: mencari esensi pengalaman bersama. Bila ingin menafsirkan secara mendalam bagaimana beberapa orang tertentu memaknai pengalamannya, kasus demi kasus, pakai interpretative phenomenological analysis (IPA); contoh lengkapnya di Bab 19A.

    Intinya
    • Keabsahan: kredibilitas, transferabilitas, dependabilitas, konfirmabilitas.
    • Hasil berupa tema dan kutipan; kesimpulan menjawab setiap tujuan dengan tema.
    Coba sendiri: kuis keabsahan dan hasil
    Bab 19A

    Contoh Lengkap Interpretative Phenomenological Analysis (IPA)

    Interpretative phenomenological analysis (IPA) menelaah secara rinci bagaimana seseorang memaknai pengalaman hidup yang penting baginya. IPA berakar pada fenomenologi, hermeneutika, dan idiografi: setiap kasus dianalisis tuntas lebih dulu, baru dibandingkan antarkasus (Smith dkk., 2022). Pakai IPA bila pertanyaannya "bagaimana orang-orang ini memaknai pengalaman X?" dan pesertanya sedikit tetapi ceritanya dalam.

    S1S2–S3

    IPA atau pendekatan kualitatif lain?

    Nadia, mahasiswi S2 Psikologi Klinis Universitas X, magang di layanan konseling kampus dan sering bertemu mahasiswa yang berbulan-bulan sulit tidur. Survei kualitas tidur seperti penelitian Rara di Bagian I (Bab 1) menjawab berapa banyak dan berhubungan dengan apa. Nadia ingin tahu hal lain: seperti apa rasanya hidup dengan insomnia kronis sebagai mahasiswa, dan apa artinya bagi mereka? Rara memakai fenomenologi deskriptif dengan metode Colaizzi (Bab 18). Nadia memilih IPA karena ingin menafsirkan makna tiap orang secara mendalam, bukan hanya merumuskan esensi bersama.

    Tabel 19A.1 — IPA dibanding pendekatan kualitatif lain di buku ini
    AspekIPA (bab ini)Fenomenologi deskriptif (Bab 14–19)Grounded theory (Bab 32)Kualitatif deskriptif (Bab 49)
    Pertanyaan khasBagaimana orang-orang ini memaknai pengalaman X?Apa esensi pengalaman X?Bagaimana proses X terjadi?Apa yang dialami atau dibutuhkan?
    AkarFenomenologi hermeneutik (Heidegger), idiografiFenomenologi HusserlInteraksionisme simbolikPenelitian naturalistik
    Partisipan3–10 orang, sengaja homogenBeberapa sampai puluhan orang yang mengalami fenomena20–30 orang, theoretical samplingVariasi maksimum sampai saturasi
    Prasangka penelitiDisadari dan dipakai dalam lingkaran tafsirDikurung (bracketing)Sensitivitas teoretis dan memoRefleksivitas
    Alur analisisSatu kasus tuntas, lalu lintas kasusPernyataan bermakna dari semua transkrip sekaligusPerbandingan terus-menerus antarkasus sejak awalUnit makna lintas transkrip
    HasilTema eksperiensial kelompok beserta variasi tiap orangDeskripsi lengkap dan struktur esensialKategori inti dan model prosesKategori yang dekat dengan kata partisipan

    Tiga akar IPA

    Fenomenologi

    Dari Husserl: perhatian pada pengalaman sebagaimana dijalani. Dari Heidegger: manusia selalu berada di dunia, di tengah benda, orang, dan waktu. Insomnia selalu tentang kasur, jam, kelas, dan keluarga.

    Hermeneutika

    Hermeneutika ganda: peneliti memaknai partisipan yang sedang memaknai pengalamannya. Lingkaran hermeneutik: satu kalimat dipahami lewat keseluruhan wawancara, dan sebaliknya.

    Idiografi

    Komitmen pada yang khusus: setiap orang dianalisis rinci sebagai kasus utuh sebelum dibandingkan, dan klaim umum selalu dapat ditelusuri ke orang tertentu.

    Pengalaman itu sendiri Tafsiran pertama: partisipan memaknai pengalamannya Tafsiran kedua: peneliti memaknai makna yang disampaikan partisipan PengalamanPartisipan memaknaiPeneliti memaknai malam-malamtanpa tidur“Kasurku jadimedan perang.”tidur berubah menjaditugas yang terus gagal yang dialamitafsiran pertamatafsiran kedua Peneliti terus kembali ke transkrip lingkaran hermeneutik: bagian ↔ keseluruhan
    Gambar 19A.1 — Hermeneutika ganda. Tafsiran peneliti adalah tafsiran atas tafsiran, sehingga harus selalu dapat dikembalikan ke kata-kata partisipan (Smith dkk., 2022). Kutipan adalah simulasi.

    IPA memadukan empati (melihat dari sudut partisipan) dan bertanya kritis (apa yang mungkin tidak ia sadari). Tafsiran boleh melampaui kata-kata partisipan, asalkan berpijak pada teksnya.

    Langkah 1 · Judul

    Pengalaman Hidup dengan Insomnia Kronis pada Mahasiswa Universitas X: Interpretative Phenomenological Analysis
    Fenomena (pengalaman)Partisipan & konteksPendekatan

    Artikel IPA sering memakai kutipan partisipan sebagai judul utama, misalnya "Kasurku Jadi Medan Perang": Pengalaman Hidup dengan Insomnia Kronis pada Mahasiswa. Kutipan dipilih setelah analisis selesai.

    Langkah 2 · Pertanyaan dan tujuan

    Pertanyaan utama: bagaimana mahasiswa memaknai pengalaman hidup dengan insomnia kronis? Pertanyaannya terbuka dan eksperiensial: tidak menanyakan penyebab, tidak menguji hubungan, tanpa hipotesis.

    Subpertanyaan
    Tujuan khusus
    Digali dengan
    Tema yang menjawab
    1
    Bagaimana mahasiswa mengalami dan memaknai malam-malam tanpa tidur?
    Mengeksplorasi makna malam tanpa tidur.
    Pertanyaan 1–3
    GET 1
    2
    Bagaimana insomnia dialami dalam kehidupan siang hari sebagai mahasiswa?
    Mengeksplorasi pengalaman siang hari setelah malam tanpa tidur.
    Pertanyaan 4
    GET 2
    3
    Bagaimana insomnia hadir dalam cara mahasiswa memandang dirinya dan orang lain?
    Menafsirkan makna insomnia bagi diri dan hubungan dengan orang lain.
    Pertanyaan 5–7
    GET 3

    Langkah 3 · Partisipan: sedikit dan homogen

    • Inklusi: mahasiswa S1 Universitas X, 18–24 tahun; sulit memulai atau mempertahankan tidur minimal 3 malam per minggu selama minimal 3 bulan, disertai gangguan di siang hari (kriteria insomnia kronis; American Academy of Sleep Medicine, 2014); skor Insomnia Severity Index (ISI) ≥ 15, yaitu insomnia klinis derajat sedang atau lebih (Bastien dkk., 2001). Psikolog klinis pembimbing mengonfirmasi kriteria lewat wawancara singkat, karena skor ISI bukan diagnosis.
    • Eksklusi: sedang menjalani terapi insomnia atau minum obat tidur resep; gangguan tidur lain yang sudah terdiagnosis, misalnya henti napas saat tidur; bekerja bergilir malam; klien konseling Nadia sendiri.
    • Mengapa homogen? IPA menelaah variasi di dalam kelompok yang cukup mirip. Mahasiswa dengan gangguan tidur yang berbeda-beda akan membuat perbandingan kabur.
    • Jumlah: Smith dkk. (2022) menyarankan sekitar tiga sampai enam partisipan untuk proyek S1–S2. Nadia menetapkan enam. Dalam IPA jumlah tidak ditentukan oleh saturasi (Bab 16), karena tujuannya kedalaman setiap kasus, bukan kelengkapan kode.
    Tabel 19A.2 — Karakteristik partisipan (nama samaran; data simulasi)
    Nama samaranJKUsiaRumpun ilmuLama insomnia (bulan)Skor ISIWawancara (menit)
    WeningP21Kesehatan141872
    ArgaL22Teknik262188
    DindaP20Sosial61554
    RioL23Ekonomi181967
    IntanP19Humaniora91661
    DanuL21Sains111776

    Median usia 21 tahun; median lama insomnia 12,5 bulan (6–26); median skor ISI 17,5 (15–21); median durasi wawancara 69,5 menit (54–88). IPA lazim memakai nama samaran agar setiap orang tetap terasa sebagai kasus utuh.

    Langkah 4 · Jadwal wawancara

    Satu wawancara semi-terstruktur yang panjang per partisipan, Februari–Mei 2028. Jadwal hanya pemandu: partisipan memimpin cerita, dan pertanyaan bergerak dari yang umum ke yang pribadi. Jadwal diuji coba pada satu teman yang pernah mengalami insomnia.

    Tabel 19A.3 — Jadwal wawancara
    No.PertanyaanPancingan (prompt)
    1Ceritakan bagaimana tidurmu akhir-akhir ini.Sejak kapan? Bagaimana awalnya?
    2Coba ceritakan satu malam yang kamu ingat, dari bersiap tidur sampai pagi.Apa yang kamu lakukan, pikirkan, dan rasakan di tubuhmu?
    3Seperti apa rasanya berbaring tetapi tidak bisa tidur?Kalau diibaratkan, seperti apa? Apa arti kamarmu sekarang?
    4Bagaimana hari-harimu setelah malam seperti itu?Di kelas? Saat ujian? Bersama teman?
    5Adakah yang berubah dalam caramu memandang dirimu sendiri?Bisa beri contoh?
    6Bagaimana orang di sekitarmu menanggapi masalah tidurmu?Siapa yang tahu? Bagaimana rasanya menceritakannya?
    7Apa saja yang sudah kamu coba untuk menghadapinya?Apa artinya bagimu ketika usaha itu berhasil atau gagal?
    8Adakah hal penting tentang pengalamanmu yang belum kita bicarakan?Bagaimana perasaanmu setelah bercerita hari ini?

    Pancingan dipakai hanya bila cerita berhenti. Pertanyaan "mengapa" di awal mengundang teori, bukan cerita. Ungkapan partisipan diulang untuk memperdalam ("medan perang?"), bukan diganti istilah peneliti.

    Langkah 5 · Etika dan refleksivitas

    • Izin: komisi etik kesehatan (Bab 7A) dan persetujuan tertulis, termasuk izin merekam. Data insomnia adalah data kesehatan: rekaman dan transkrip terenkripsi, kunci nama samaran disimpan terpisah.
    • Peran ganda: undangan lewat poster, bukan oleh Nadia di ruang konseling; kliennya sendiri dikecualikan; menolak ikut tidak memengaruhi layanan.
    • Wawancara bukan terapi: tidak ada saran selama wawancara; setelah rekaman berhenti, partisipan mendapat informasi tidur sehat dan jalur rujukan.
    • Protokol distres seperti Bab 49 (Draucker dkk., 2009): rekaman dihentikan, jeda ditawarkan, partisipan memilih lanjut atau berhenti. Batas kerahasiaan dijelaskan sejak awal: bila muncul pikiran menyakiti diri, Nadia menjalankan prosedur keselamatan bersama psikolog pembimbing.

    Refleksivitas. Nadia pernah mengalami insomnia saat menyusun skripsi. Itu membuatnya peka, tetapi juga bisa membuatnya "menemukan" ceritanya sendiri pada partisipan. Fenomenologi deskriptif mengurung prasangka (Bab 16). IPA lebih rendah hati: prasangka tidak pernah terkurung sepenuhnya dan sering baru disadari saat bertemu data. Maka Nadia menulis jurnal reflektif sebelum dan sesudah setiap wawancara, tidak menceritakan pengalamannya saat wawancara, dan ketika menganalisis bertanya: "Tafsiran ini datang dari kata-kata Arga, atau dari malam-malamku sendiri?"

    Langkah 6 · Analisis kasus demi kasus

    Analisis mengikuti tujuh langkah Smith dkk. (2022). Langkah 1–5 dikerjakan tuntas untuk satu partisipan sebelum pindah ke partisipan berikutnya.

    1. Membaca dan membaca ulang sambil mendengar rekaman; kesan pertama dicatat di jurnal.

    2. Catatan eksploratori di margin, dalam tiga jenis: D deskriptif (apa yang dikatakan: peristiwa, benda, tindakan), L linguistik (bagaimana dikatakan: metafora, pengulangan, jeda, tawa, kata ganti), dan K konseptual (pertanyaan tafsiran: apa arti ini bagi partisipan?).

    3. Pernyataan eksperiensial: kalimat ringkas yang menangkap makna suatu bagian. Cukup khusus agar berakar pada data, cukup abstrak agar menjadi konsep.

    4. Mencari hubungan antarpernyataan: menggabungkan yang serupa di bawah nama baru (abstraksi), menjadikan satu pernyataan sebagai payung (subsumsi), atau memasangkan yang berlawanan (polarisasi).

    5. Menamai tema eksperiensial personal (PET) dan menyusunnya dalam tabel, lengkap dengan nomor baris kutipan.

    6. Kasus berikutnya: langkah 1–5 diulang; tema kasus sebelumnya sengaja dikesampingkan agar hal baru tetap terlihat.

    7. Tema eksperiensial kelompok (GET): PET semua kasus dibandingkan untuk mencari yang serupa (konvergensi) dan yang berbeda (divergensi). Setiap GET harus dapat ditelusuri balik ke PET dan kutipan orang tertentu.

    Tabel 19A.4 — Dari transkrip ke pernyataan eksperiensial: Arga, baris 112–118 (kutipan simulasi)
    BarisTranskripCatatan eksploratoriPernyataan eksperiensial
    112–113"Jam dua belas aku sudah di kasur. Lampu mati, HP kutaruh jauh. Semua aturan kuikuti."D Menjalankan aturan tidur sehat.
    L Daftar tindakan; "semua aturan kuikuti" bernada murid patuh.
    K Tidur diperlakukan seperti ujian: lulus bila prosedurnya benar?
    Tidur menjadi tugas yang dikerjakan dengan patuh
    114–115"Terus aku lihat jam. Setengah satu. Lihat lagi, jam dua. Rasanya jam itu ngejek aku."D Berulang kali memeriksa jam.
    L Kalimat pendek dan terpatah; jam digambarkan seperti orang yang mengejek.
    K Waktu berubah menjadi lawan; memantau jam membuat kegagalan terasa terukur.
    Jam dialami sebagai lawan yang mengejek kegagalannya
    116–118"Makin aku berusaha, makin melek. Kayak perang, tapi musuhnya aku sendiri. [diam 4 detik] Capek."D Usaha untuk tidur justru membuatnya terjaga.
    L Metafora perang; "musuhnya aku sendiri"; jeda panjang, lalu satu kata.
    K Diri terbelah: yang ingin tidur dan yang tetap terjaga. Lelahnya lelah melawan diri.
    Berusaha tidur terasa seperti berperang melawan diri sendiri
    Coba sendiri: jenis catatan eksploratori

    Setiap butir berisi petikan (simulasi) dan satu catatan Nadia. Termasuk jenis apa catatan itu?

    "Aku sudah coba susu hangat, mandi air hangat, semuanya." Catatan: Mencoba beberapa kebiasaan sebelum tidur: susu hangat dan mandi air hangat.

    Deskriptif: mencatat isi, yaitu apa yang sudah dicoba.

    "Kasur itu… kayak ring tinju." Catatan: Perumpamaan ring tinju; kata "kayak" muncul lima kali di halaman ini.

    Linguistik: memperhatikan cara berbahasa, yaitu perumpamaan dan pengulangan kata.

    "Teman-teman bilang, 'Ah, kamu cuma kurang tidur.'" Catatan: Apakah ia merasa penderitaannya diperkecil? Mungkin ini sebabnya ia berhenti bercerita.

    Konseptual: pertanyaan tafsiran tentang makna di balik ucapan.

    "Aku… aku nggak tahu. [tertawa] Aneh, ya." Catatan: Kata "aku" diulang, lalu tawa setelah jeda justru saat membicarakan dirinya.

    Linguistik: pengulangan, jeda, dan tawa adalah ciri cara bertutur.

    "Ibu nelpon tiap pagi, nanya 'tidur jam berapa?'" Catatan: Ibunya menelepon setiap pagi untuk menanyakan jam tidurnya.

    Deskriptif: meringkas peristiwa yang diceritakan, tanpa menafsirkan.

    "Sekarang aku nggak ngejar tidur lagi. Kalau datang, ya datang." Catatan: Apakah berhenti berusaha justru cara merebut kembali kendali? Bandingkan dengan "perang" pada Arga.

    Konseptual: menafsirkan makna dan mulai menghubungkan dengan kasus lain.

    Pilih jenis catatan untuk keenam butir.

    Sekitar 40 pernyataan eksperiensial Arga dicetak, digunting, lalu digeser-geser di meja sampai kelompoknya masuk akal. Hasilnya tiga PET.

    Tabel 19A.5 — Tema eksperiensial personal (PET) Arga (data simulasi)
    PETPernyataan eksperiensial (baris)
    A · Tidur sebagai tugas yang terus gagalTidur menjadi tugas yang dikerjakan dengan patuh (112–113) · jam dialami sebagai lawan yang mengejek (114–115) · berperang melawan diri sendiri (116–118) · kasur tidak lagi tempat istirahat (131–133)
    B · Menjadi mahasiswa "setengah"Hadir di kelas tanpa benar-benar ada (205–207) · pelajaran yang dulu mudah terasa asing (241–244)
    C · Ditinggal dunia yang tidurTerjaga sendirian saat semua orang tidur (150–152) · tubuh terasa rusak dan tidak bisa dipercaya (288–291)
    Tabel 19A.6 — Tema eksperiensial kelompok (GET), subtema, dan partisipan yang menyumbang (data simulasi)
    GET dan subtemaWeningArgaDindaRioIntanDanuJumlah
    GET 1 · Malam sebagai medan pertempuran
    1a Tidur menjadi tugas yang harus berhasil●●●●●●6
    1b Jam dan kasur yang berubah makna●●○●●●5
    GET 2 · Siang yang dijalani setengah hadir
    2a Hadir tanpa benar-benar ada●●●●●○5
    2b Menyembunyikan lelah agar tampak normal●○●●●●5
    GET 3 · Diri yang dipertanyakan dan dicari kembali
    3a "Ada yang rusak dalam diriku"●●○●●○4
    3b Sendirian di dunia yang tidur○●●●○●4
    3c Berhenti melawan○○○●●●3

    ● subtema muncul dalam PET partisipan itu; ○ tidak muncul. Tabel ini menunjukkan sebaran, bukan frekuensi untuk diuji. Setiap subtema didukung minimal tiga partisipan (Smith, 2011).

    Langkah 7 · Hasil: tafsiran yang seimbang dengan kutipan

    Setiap GET ditulis sebagai narasi: klaim tafsiran, kutipan sebagai bukti, lalu tafsiran lebih lanjut, termasuk siapa yang berbeda. Semua kutipan di bawah adalah simulasi.

    GET 1 · Malam sebagai medan pertempuran

    Bagi semua partisipan, tidur berubah dari sesuatu yang datang sendiri menjadi tugas yang harus berhasil, dan makin dikejar makin menjauh: "Makin aku berusaha, makin melek. Kayak perang, tapi musuhnya aku sendiri." (Arga, 22 tahun). Benda di kamar ikut berubah makna. Jam menjadi saksi kegagalan, dan kasur menjadi tempat yang dihindari: "Kadang aku sengaja tidur di karpet, biar kasurnya nggak ingat aku gagal." (Wening, 21 tahun). Dinda, yang insomnianya baru enam bulan, berbeda: kamarnya masih terasa nyaman, dan pertempurannya berlangsung di kepala.

    GET 2 · Siang yang dijalani setengah hadir

    Partisipan hadir di kelas tetapi merasa terpisah dari sekitarnya: "Di kelas aku kayak di balik kaca. Dosen ngomong, aku lihat, tapi nggak masuk." (Intan, 19 tahun). Mereka menyembunyikan lelah agar tidak dianggap malas: "Aku pakai kacamata biar mata merahnya nggak kelihatan." (Rio, 23 tahun). Menyembunyikan membuat mereka makin sendirian dengan masalahnya. Danu tidak merasa kehilangan kehadiran di kelas; beban siangnya adalah menjaga agar tidak ada yang tahu.

    GET 3 · Diri yang dipertanyakan dan dicari kembali

    Insomnia merembes ke cara partisipan memandang dirinya, sebagai tubuh yang "rusak" dan tidak bisa dipercaya: "Semua orang bisa tidur. Kenapa aku nggak? Kayak ada yang rusak." (Wening). Malam juga terasa sepi: "Jam tiga itu jam paling sepi di dunia." (Arga). Tiga partisipan mulai berhenti melawan: "Sekarang aku nggak ngejar tidur lagi. Kalau datang, ya datang." (Rio). Lamanya insomnia tidak menentukan hal ini. Arga, yang paling lama mengalaminya (26 bulan), masih berperang setiap malam. Bagi yang berhenti melawan, perubahan dimulai ketika tidur tidak lagi dijadikan ukuran harga diri.

    Langkah 8 · Menjaga mutu

    Tabel 19A.7 — Empat prinsip mutu Yardley (2000) dalam penelitian Nadia
    PrinsipYang dilakukan Nadia
    Peka terhadap konteksMemahami literatur insomnia dan kehidupan kampus; wawancara yang memberi ruang; kutipan cukup agar pembaca dapat menilai tafsiran
    Komitmen dan ketelitianAnalisis rinci setiap kasus; sampel homogen; pembimbing memeriksa jejak analisis satu kasus secara utuh
    Transparansi dan koherensiJejak dari transkrip, catatan, pernyataan, PET, sampai GET; alasan memilih IPA sesuai pertanyaan; pernyataan refleksivitas
    Dampak dan kegunaanBahan bagi layanan konseling kampus; pertanyaan baru untuk penelitian intervensi

    Kriteria khusus IPA (Smith, 2011): fokus jelas, data kuat, analisis teliti yang menafsirkan (bukan sekadar mendeskripsikan), setiap tema diuraikan cukup, dan untuk 4–8 partisipan setiap tema didukung kutipan dari minimal tiga partisipan. Nizza dkk. (2021) menambahkan empat penanda IPA yang unggul: narasi yang runtut dan memikat, uraian pengalaman yang kuat, pembacaan kata-kata partisipan yang cermat, serta perhatian pada konvergensi dan divergensi. Laporan disusun mengikuti COREQ atau SRQR (Bab 19).

    Langkah 9 · Pembahasan dan kesimpulan

    Mahasiswa dengan insomnia kronis mengalami malam sebagai pertempuran yang terus kalah, siang sebagai kehadiran setengah, dan dirinya sebagai tubuh yang rusak; sebagian mulai berdamai dengan berhenti melawan. Paradoks "makin berusaha, makin terjaga" sejalan dengan jalur perhatian–niat–usaha: usaha sadar untuk tidur justru menghambat tidur (Espie dkk., 2006). Memantau jam dan cemas akan akibat kurang tidur sejalan dengan model kognitif insomnia (Harvey, 2002). IPA menambahkan sisi yang tidak tampak di sana: kegagalan tidur dialami sebagai kegagalan diri dan disembunyikan. Menurut peneliti, konseling kampus perlu melampaui nasihat kebersihan tidur: tanyakan makna tidur bagi mahasiswa dan rujuk ke terapi yang sesuai. Keterbatasan: enam mahasiswa dari satu universitas; satu kali wawancara sehingga perubahan dari waktu ke waktu tidak tertangkap; dan pengalaman insomnia peneliti ikut membentuk tafsiran.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Mahasiswa memaknai malam tanpa tidur sebagai medan pertempuran: tidur menjadi tugas yang harus berhasil, sementara jam dan kasur berubah menjadi saksi kegagalan.

    2. Siang hari dijalani setengah hadir: mereka ada di kelas tanpa benar-benar hadir dan menyembunyikan lelah agar tampak normal.

    3. Insomnia membuat mereka mempertanyakan dirinya dan merasa sendirian di dunia yang tidur; sebagian mencari dirinya kembali dengan berhenti melawan.

    Saran: layanan konseling menyediakan ruang cerita dan jalur rujukan; peneliti berikutnya memakai IPA longitudinal (wawancara berulang), atau menguji program pendampingan dengan kuasi-eksperimen (Bab 24).

    Awas, keliru!
    • Menyebut IPA padahal semua transkrip dikode bersama sekaligus. Tanpa analisis kasus demi kasus, hasilnya analisis tematik (Bab 18).
    • Sampel besar dan beragam, misalnya 20 mahasiswa dengan berbagai gangguan tidur.
    • Hasil hanya merangkum apa yang dikatakan partisipan, atau sebaliknya tafsiran tanpa kutipan.
    • Mengaku mengurung prasangka sepenuhnya sambil mengklaim hermeneutika ganda, tanpa menjelaskan posisinya.
    • Pertanyaan menggiring ("Insomnia bikin kamu depresi, ya?") atau pertanyaan "mengapa" yang mengundang teori.
    • Mencampur istilah edisi lama dan baru tanpa menyebut rujukan yang diikuti.
    Pojok S2–S3
    • Istilah edisi kedua (Smith dkk., 2022): emergent themes menjadi pernyataan eksperiensial, tema superordinat menjadi PET, dan tema induk menjadi GET. Sebutkan edisi yang diikuti di bab metode.
    • Debat bracketing: Husserl ingin menangguhkan prasangka; Heidegger berpendapat pemahaman selalu berangkat dari pra-pemahaman. IPA memandang bracketing sebagai upaya sebagian dan bertahap, dan prasangka yang muncul dijadikan bahan refleksi.
    • Variasi desain: IPA multi-perspektif (mahasiswa, orang tua, dosen pembimbing), IPA longitudinal, atau IPA satu kasus bila kasusnya sangat kaya.
    Intinya
    • IPA menelaah secara rinci bagaimana orang memaknai pengalaman penting, berakar pada fenomenologi, hermeneutika (hermeneutika ganda), dan idiografi. Ia lebih interpretatif daripada fenomenologi deskriptif Colaizzi.
    • Sampel kecil dan homogen, satu wawancara panjang yang dipimpin partisipan. Analisis menuntaskan satu kasus (catatan eksploratori, pernyataan eksperiensial, PET) sebelum lintas kasus (GET), dengan memperhatikan keserupaan dan perbedaan.
    • Mutu dinilai dengan prinsip Yardley, kriteria Smith, dan penanda Nizza dkk.; hasil ditulis sebagai tafsiran yang seimbang dengan kutipan dari beberapa partisipan.
    Coba sendiri: kuis IPA
    Bagian III

    Mixed Methods

    Rara kini punya dua temuan: angka dari survei (Bagian I) dan cerita dari wawancara (Bagian II). Untuk tesis S2-nya, Prof. Nuni menantangnya merancang satu penelitian yang sejak awal menggabungkan keduanya secara terencana, bukan sekadar menempelkan dua laporan. Contoh utuh desain sekuensial eksploratori ada di Bab 31.

    1. Bab 20 Mengenal mixed methods & memilih desain
    2. Bab 21 Menyusun penelitian mixed methods langkah demi langkah
    Bab 20

    Mengenal Mixed Methods dan Memilih Desainnya

    Mixed methods mengumpulkan dan menganalisis data kuantitatif dan kualitatif secara cermat, lalu mengintegrasikannya untuk menjawab pertanyaan yang tidak bisa dijawab tuntas oleh salah satunya saja.

    S1S2–S3

    Ciri pokok

    1. Mengumpulkan dan menganalisis data kuantitatif dan kualitatif, masing-masing dengan kaidah yang benar (Bagian I dan II tetap berlaku penuh).
    2. Mengintegrasikan keduanya: menghubungkan, menggabungkan, atau membangun satu di atas yang lain.
    3. Memakai desain yang jelas, dengan urutan dan prioritas yang dinyatakan.
    4. Dilandasi alasan: mengapa satu metode saja tidak cukup.

    Mengapa menggabungkan? Lima tujuan

    Tabel 20.1 — Lima tujuan mixed methods (Greene dkk., 1989)
    TujuanArtinyaContoh Rara
    TriangulasiMencari kesesuaian hasil dari dua metodeApakah siswa yang skornya "tidur buruk" juga bercerita tentang tidur yang terganggu?
    KomplementaritasSatu metode memperjelas atau melengkapi yang lainWawancara menjelaskan mengapa PR = 1,89
    PengembanganHasil satu metode dipakai untuk merancang metode lainTema wawancara dijadikan butir kuesioner baru
    InisiasiMenemukan paradoks atau pertanyaan baruMengapa ada siswa yang lama bergawai tetapi tidurnya baik?
    EkspansiMemperluas cakupan dengan metode berbeda untuk komponen berbedaSurvei untuk hasil program, wawancara untuk proses pelaksanaannya

    Notasi

    SimbolArtiContoh
    QUAN / quanKuantitatif; huruf kapital = prioritas utamaQUAN → qual
    QUAL / qualKualitatifQUAL → quan
    +Bersamaan (konkuren)QUAN + QUAL
    →Berurutan (sekuensial)quan → QUAL
    ( )Tertanam di dalam desain lainQUAN(qual)

    Tiga desain inti

    Konvergen

    QUAN QUAL Gabungkan

    Kedua data dikumpulkan bersamaan, dianalisis terpisah, lalu dibandingkan: saling menguatkan atau bertentangan?

    Sekuensial eksplanatori

    QUAN pilihpartisipan qual angka dulu, cerita menjelaskan

    Survei dulu, lalu wawancara untuk menjelaskan hasil angka, termasuk hasil yang mengejutkan.

    Sekuensial eksploratori

    QUAL banguninstrumen quan jelajahi dulu, lalu uji luas

    Wawancara dulu untuk menjelajah topik yang belum dikenal, hasilnya dipakai menyusun instrumen, lalu diuji pada sampel besar.

    Tabel 20.2 — Membandingkan tiga desain inti
    KonvergenSekuensial eksplanatoriSekuensial eksploratori
    MaksudMembandingkan dua jenis data tentang hal yang samaMenjelaskan hasil kuantitatifMenjelajah dulu, lalu menguji atau membuat instrumen
    UrutanBersamaanQUAN → qualQUAL → quan
    SampelBisa orang yang sama atau berbeda; ukuran berbeda wajarPartisipan kualitatif dipilih dari sampel kuantitatifSampel kuantitatif berbeda dan lebih besar
    Titik integrasiPenggabungan (merging) saat interpretasiPenghubung (connecting) antarfase, lalu interpretasiMembangun (building) instrumen dari temuan kualitatif
    TantanganMenangani hasil yang bertentanganWaktu panjang; memilih partisipan yang tepatWaktu panjang; uji psikometrik instrumen baru

    Desain kompleks

    Eksperimen/intervensi mixed methods

    Data kualitatif ditanam sebelum, selama, atau sesudah uji coba intervensi, misalnya wawancara untuk memahami mengapa sebuah program berhasil pada sebagian peserta saja.

    Studi kasus mixed methods

    Beberapa kasus (sekolah) dipahami mendalam dengan data survei dan wawancara, lalu dibandingkan antarkasus.

    Partisipatif / keadilan sosial

    Komunitas terlibat dalam setiap tahap untuk mendorong perubahan sosial.

    Evaluasi multitahap

    Serangkaian studi kuantitatif dan kualitatif dalam beberapa tahun untuk mengembangkan dan menilai program.

    Coba sendiri: asisten pemilih desain mixed methods
    Bima bertanya

    "Jadi mixed methods itu kayak nonton bola lengkap, ya?"
    Betul! Papan skor (angka) memberi tahu siapa menang dan berapa golnya. Cuplikan dan wawancara pemain (cerita) memberi tahu bagaimana gol itu terjadi. Kalau keduanya ditonton terpisah di hari berbeda dan tidak pernah dihubungkan, kamu belum benar-benar paham pertandingannya. Menghubungkannya itulah integrasi.

    Intinya
    • Mixed methods = dua jenis data + integrasi yang terencana.
    • Konvergen (bersamaan), eksplanatori (QUAN → qual), eksploratori (QUAL → quan).
    Coba sendiri: tebak desainnya
    Bab 21

    Menyusun Penelitian Mixed Methods Langkah demi Langkah

    Kita ikuti rancangan tesis Rara: desain sekuensial eksplanatori, dari judul sampai kesimpulan, dengan benang merah yang sama rapinya seperti Bagian I dan II.

    S1S2–S3

    Langkah 1 · Judul

    Hubungan Durasi Penggunaan Gawai dengan Kualitas Tidur serta Pengalaman Siswa Mengelola Gawai pada Malam Hari: Studi Mixed Methods Sekuensial Eksplanatori di SMA Negeri X Palembang
    Kata kunci kuantitatifXY & fenomena kualitatifDesainKonteks

    Judul mixed methods memuat unsur kuantitatif (variabel), unsur kualitatif (fenomena), dan nama desainnya.

    Langkah 2 · Alasan memakai mixed methods

    Paragraf justifikasi Rara

    "Survei dapat menunjukkan besarnya hubungan antara durasi penggunaan gawai dan kualitas tidur, tetapi tidak dapat menjelaskan mengapa hubungan itu terjadi maupun mengapa sebagian siswa tetap tidur dengan baik. Sebaliknya, wawancara dapat menggali mekanisme tersebut tetapi tidak dapat menunjukkan seberapa luas polanya. Oleh karena itu digunakan desain sekuensial eksplanatori: fase kuantitatif mengukur hubungan dan mengidentifikasi siswa yang akan diwawancarai, lalu fase kualitatif menjelaskan hasil tersebut."

    Langkah 3–4 · Rumusan masalah, tujuan, dan hipotesis

    Mixed methods memiliki tiga jenis pertanyaan: kuantitatif, kualitatif, dan pertanyaan integrasi (pertanyaan mixed methods), yang hanya bisa dijawab dengan menggabungkan keduanya.

    Rumusan masalah
    Tujuan khusus
    Data & analisis
    Kesimpulan (Langkah 11)
    1
    QUAN Bagaimana distribusi frekuensi durasi penggunaan gawai…?
    Mengetahui distribusi frekuensi durasi penggunaan gawai…
    Survei · univariat
    59,3% siswa bergawai tinggi
    2
    QUAN Bagaimana distribusi frekuensi kualitas tidur…?
    Mengetahui distribusi frekuensi kualitas tidur…
    Survei (PSQI) · univariat
    55,6% tidur buruk
    3
    QUAN Apakah terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur…?
    Menganalisis hubungan…
    Survei · chi-square + PR
    Ada hubungan (PR 1,89)
    4
    QUAL Bagaimana pengalaman siswa menggunakan gawai pada malam hari?
    Mengeksplorasi pengalaman siswa…
    Wawancara, FGD · analisis tematik
    Empat tema pengalaman
    5
    MIXED Bagaimana pengalaman siswa menjelaskan hubungan tersebut, termasuk pada siswa yang tetap tidur baik meski lama bergawai?
    Menjelaskan hubungan durasi gawai dan kualitas tidur berdasarkan pengalaman siswa
    Integrasi · joint display
    Waktu pemakaian lebih menentukan daripada durasi

    Hipotesis hanya untuk pertanyaan kuantitatif analitik (nomor 3): Ha terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur. Pertanyaan kualitatif dan integrasi tidak memakai hipotesis.

    Langkah 5 · Diagram prosedur

    Proposal mixed methods yang baik memuat diagram prosedur: setiap tahap beserta prosedur dan produknya.

    TAHAPPROSEDURPRODUK QUAN: pengumpulanFase 1 Survei 108 siswa, acak berstrataPSQI + laporan Screen Time Data numerik 108 siswa+ izin dihubungi kembali QUAN: analisisSPSS Univariat, chi-square, PRIdentifikasi kasus menyimpang PR 1,89 (IK95% 1,24–2,89)20 siswa gawai tinggi, tidur baik Penghubungintegrasi 1: connecting Pilih partisipan dari sampel surveiSusun pedoman dari hasil survei 12 kasus tipikal + 4 menyimpangPedoman wawancara qual: pengumpulanFase 2 Wawancara mendalam 16 siswa2 FGD, observasi kelas Transkrip verbatimCatatan lapangan qual: analisistematik Pengodean, buku kode, temaMember checking 4 tema + tema kasus menyimpang Integrasi 2: interpretasi Joint display, meta-inferensi Penjelasan terpadu
    Gambar 21.1 — Diagram prosedur QUAN → qual rancangan tesis Rara.

    Langkah 6 · Sampel di dua fase

    Tabel 21.1 — Hubungan sampel antarfase
    JenisArtinyaCocok untuk
    IdentikOrang yang sama di kedua faseKonvergen dengan sampel kecil
    ParalelOrang berbeda dari populasi yang samaKonvergen
    Bersarang (nested)Partisipan kualitatif adalah bagian dari sampel kuantitatifSekuensial eksplanatori
    MultilevelTingkat berbeda (siswa, guru, kepala sekolah)Studi kasus, evaluasi program

    Rara memakai sampel bersarang. Dari 108 responden survei yang menyatakan bersedia dihubungi kembali, ia memilih:

    • 12 kasus tipikal: gawai tinggi dan tidur buruk, dengan variasi jenis kelamin dan kelas;
    • 4 kasus menyimpang: gawai tinggi tetapi tidur baik (dari 20 siswa di sel b tabel 2×2). Kelompok inilah yang paling mungkin memberi pemahaman baru.

    Langkah 7 · Instrumen dan pengumpulan data

    Fase 1 memakai instrumen kuantitatif (Bab 6). Fase 2 memakai pedoman wawancara (Bab 16) yang dibangun dari hasil fase 1. Contoh pertanyaan tambahan untuk kasus menyimpang: "Di survei kamu termasuk yang lama memakai gawai, tetapi tidurmu baik. Menurutmu, apa yang membuatmu tetap bisa tidur nyenyak?" Pertanyaan seperti ini adalah wujud integrasi pada tingkat metode.

    Langkah 8 · Analisis dan strategi integrasi

    Setiap fase dianalisis dengan kaidahnya sendiri (SPSS untuk fase 1, analisis tematik untuk fase 2). Integrasi bisa terjadi di beberapa titik:

    Tabel 21.2 — Strategi integrasi (Fetters dkk., 2013)
    TingkatStrategiPenerapan Rara
    MetodeConnecting: hasil satu fase menentukan sampel fase lainKasus tipikal dan menyimpang dipilih dari data survei
    MetodeBuilding: hasil satu fase membentuk instrumen fase lainPertanyaan wawancara disusun dari temuan survei
    MetodeMerging: kedua data dipertemukan untuk dibandingkanTema dibandingkan dengan skor PSQI dan durasi gawai tiap partisipan
    MetodeEmbedding: satu data ditanam dalam desain lain(Dipakai pada desain intervensi)
    InterpretasiNarasi terpadu, transformasi data, joint displayTabel 21.3

    Langkah 9 · Joint display dan meta-inferensi

    Tabel 21.3 — Joint display penelitian Rara
    Temuan kuantitatifTemuan kualitatifKecocokanMeta-inferensi
    Gawai tinggi berhubungan dengan tidur buruk (PR 1,89)Tema "Jebakan gulir malam": niat singkat berakhir berjam-jamKonfirmasiHubungan dijelaskan oleh pola perilaku menjelang tidur
    Hubungan bermakna, tetapi tidak menjelaskan penyebab dari luar diri siswaTema "Tuntutan sosial & akademik": tugas dan grup kelas datang malam hariEkspansiSebagian penyebab ada di sistem sekolah, bukan hanya di siswa
    31,3% siswa bergawai tinggi tetap tidur baikKasus menyimpang: gawai dipakai sore hari, HP disimpan di luar kamar, keluarga punya aturan bersamaDiskordansiKapan dan di mana gawai dipakai mungkin lebih menentukan daripada total durasinya

    Meta-inferensi adalah kesimpulan yang lahir dari penggabungan, dan tidak mungkin diperoleh dari satu metode saja. Kecocokan hasil dinilai sebagai konfirmasi (saling menguatkan), ekspansi (saling melengkapi), atau diskordansi (bertentangan). Diskordansi tidak boleh disembunyikan: justru sering menjadi temuan paling berharga.

    Langkah 10 · Menyajikan hasil

    1. Hasil fase kuantitatif: tabel karakteristik, tabel univariat, tabel bivariat (Bab 10).

    2. Hasil fase kualitatif: karakteristik partisipan, tabel tema, uraian tema dengan kutipan (Bab 19).

    3. Hasil integrasi: joint display dan uraian meta-inferensi, menjawab pertanyaan integrasi.

    Cara lain adalah menjalin (weaving): membahas per topik sambil menyandingkan angka dan kutipan. Pilih satu cara dan pakai secara konsisten.

    Langkah 11 · Pembahasan dan kesimpulan

    Pembahasan dipusatkan pada meta-inferensi, lalu dibandingkan dengan teori dan penelitian lain. Kesimpulan tetap mengikuti jumlah tujuan khusus: lima tujuan, lima kesimpulan.

    1. Sebagian besar siswa (59,3%) memiliki durasi penggunaan gawai tinggi.

    2. Sebagian besar siswa (55,6%) memiliki kualitas tidur buruk.

    3. Terdapat hubungan antara durasi penggunaan gawai dengan kualitas tidur.

    4. Pengalaman siswa tergambar dalam empat tema: jebakan gulir malam, tuntutan sosial dan akademik di malam hari, harga yang dibayar esok hari, dan upaya mengendalikan diri.

    5. Hubungan durasi gawai dan kualitas tidur dijelaskan oleh pola gulir menjelang tidur dan tuntutan yang datang di malam hari; siswa yang tetap tidur baik memakai gawai lebih awal dan menjauhkannya dari tempat tidur.

    Langkah 12 · Jadwal dan etika

    12345678910 bulan ke- Proposal & seminarEthical clearanceFase 1: surveiAnalisis kuantitatifFase 2: wawancara & FGDAnalisis kualitatifIntegrasiPenulisan & sidang
    Gambar 21.2 — Jadwal tesis Rara. Analisis kualitatif berjalan bersamaan dengan wawancara agar saturasi dapat dipantau.

    Etika mixed methods mencakup kedua fase dalam satu protokol yang diajukan sebelum fase 1 dimulai (Bab 7):

    • Kuesioner memuat pilihan terpisah: "Saya bersedia dihubungi kembali untuk wawancara". Siswa yang tidak mencentang tidak boleh dihubungi.
    • Persetujuan fase 2 diminta lagi secara terpisah, karena isinya berbeda (rekaman suara, cerita pribadi); untuk siswa di bawah 18 tahun, termasuk izin orang tua.
    • Kode survei dan kode wawancara dihubungkan melalui lembar kunci yang disimpan terpisah dan hanya diakses peneliti.
    • Menolak ikut fase 2 tidak berakibat apa pun, dan hal ini dinyatakan tertulis.

    Langkah 13 · Melaporkan dengan GRAMMS

    1. Jelaskan alasan memakai mixed methods.

    2. Jelaskan desain: tujuan, prioritas, dan urutan metode.

    3. Jelaskan setiap metode: sampel, pengumpulan, dan analisis data.

    4. Jelaskan di mana dan bagaimana integrasi terjadi, dan siapa yang terlibat.

    5. Jelaskan keterbatasan satu metode yang muncul karena kehadiran metode lain.

    6. Jelaskan wawasan yang diperoleh dari penggabungan.

    Dua contoh singkat desain lain

    Konvergen: evaluasi program

    Evaluasi Program "Jam Belajar Tanpa Gawai" di SMA Negeri X: Studi Mixed Methods Konvergen. Pada bulan yang sama, survei 200 siswa (kepatuhan dan skor PSQI sebelum–sesudah) dan wawancara 10 guru serta 8 orang tua (hambatan pelaksanaan). Keduanya digabung dalam joint display per komponen program. Program yang sama diteliti sebagai studi kasus di Bab 33, dan contoh lengkap desain konvergen ada di Bab 35.

    Eksploratori: menyusun instrumen

    Pengembangan Skala Kebiasaan Gawai Malam Remaja: Studi Mixed Methods Sekuensial Eksploratori. Fase 1: wawancara 15 remaja; tema diubah menjadi butir kuesioner. Fase 2: uji ahli (CVI), uji coba, analisis faktor, dan uji reliabilitas pada 400 remaja. Contoh lengkapnya ada di Bab 31.

    Awas, keliru!
    • Dua laporan yang ditempel tanpa pertanyaan integrasi, tanpa joint display, tanpa meta-inferensi.
    • Survei dengan satu pertanyaan terbuka lalu disebut mixed methods.
    • Salah satu fase dikerjakan asal-asalan: misalnya sampel survei tanpa perhitungan, atau wawancara tanpa analisis tematik yang benar.
    • Partisipan fase 2 dihubungi tanpa izin yang diminta di fase 1.
    Pojok S2–S3
    • Nyatakan paradigma: pragmatisme paling sering dipakai; realisme kritis dan paradigma transformatif juga lazim.
    • Pertimbangkan transformasi data: quantitizing (mengubah tema menjadi variabel ada/tidak untuk dianalisis statistik) atau qualitizing (menyusun profil naratif dari kelompok skor).
    • Nilai mutu dengan legitimasi mixed methods: kualitas setiap komponen ditambah kualitas integrasinya.
    • Disertasi dapat memakai desain multifase, misalnya eksploratori (menyusun instrumen) → survei nasional → intervensi dengan evaluasi kualitatif.
    Intinya
    • Ada tiga jenis pertanyaan: kuantitatif, kualitatif, dan integrasi.
    • Integrasi lewat connecting, building, merging; tampilkan joint display dan meta-inferensi.
    • Etika mencakup kedua fase, termasuk izin untuk dihubungi kembali.
    Coba sendiri: kuis integrasi
    Bagian IV

    Penelitian Eksperimental: Contoh Lengkap

    Survei Rara membuktikan ada hubungan. Wawancaranya menjelaskan mengapa. Sambil menyusun tesis, Rara bergabung dengan tim Prof. Nuni untuk menjawab pertanyaan berikutnya: bila kebiasaan gawai di malam hari diubah, apakah tidur siswa benar-benar membaik? Pertanyaan sebab–akibat seperti ini dijawab dengan eksperimen. Bagian ini juga memuat contoh eksperimen laboratorium dengan hewan coba, dan contoh lengkap kuasi-eksperimen di sekolah Bima.

    1. Bab 22 Merancang eksperimen: judul sampai etik
    2. Bab 23 Analisis, hasil, pembahasan, kesimpulan + contoh laboratorium
    3. Bab 23A Uji acak klaster: program sekolah ramah tidur sehat di 22 SMP, ICC dan design effect, randomisasi berstrata, bias identifikasi, Ottawa Statement, CONSORT klaster, model campuran linear
    4. Bab 23B Uji silang (crossover) AB/BA: kacamata penyaring cahaya biru dan latensi tidur, masa jeda, efek periode dan efek sisa, besar sampel dari SD selisih, analisis Hills–Armitage, model campuran linear
    5. Bab 23C Rancangan acak lengkap (RAL): POC kulit pisang pada sawi dalam polybag, rumus Federer, denah acak, pseudoreplikasi, sidik ragam, KK, BNT/BNJ/DMRT dan notasi huruf, polinomial ortogonal, konsentrasi optimum, RAK
    6. Bab 23D Rancangan acak kelompok (RAK): tepung maggot BSF pengganti tepung ikan pada ayam broiler, kelompok bobot awal, pengacakan di dalam kelompok, petak sebagai satuan percobaan, sidik ragam RAK, efisiensi relatif, uji aditivitas, DMRT, polinomial ortogonal, data hilang (Yates), IOFC, etik hewan dan 3R
    7. Bab 23E Faktorial dalam RAK: varietas × dosis pupuk kandang ayam pada jagung manis di lahan miring, kelompok searah kontur, petak panen dan konversi t/ha, sidik ragam faktorial RAK, model Custom SPSS, efek sederhana, notasi huruf dua arah, polinomial di dalam varietas, petak hilang pada faktorial, split-plot
    8. Bab 23F Formulasi pangan dan uji organoleptik: cookies substitusi tepung daun kelor, adonan sebagai ulangan dan duplo sebagai ulangan analisis, uji hedonik dan mutu hedonik, panelis agak terlatih, kode acak dan urutan Williams, uji Friedman dengan koreksi seri, Wilcoxon-Bonferroni, daya terima, skor terbobot formula terbaik
    9. Bab 23G Uji non-inferioritas: CBT-I daring terpandu lawan tatap muka pada mahasiswa, margin Δ dari M1 dan M2, asumsi konstansi, sensitivitas uji, besar sampel satu sisi, ITT dan per protokol, IK terhadap margin
    10. Bab 24 Contoh lengkap kuasi-eksperimen
    11. Bab 24A Pra-eksperimen one group pretest–posttest: video cuci tangan pakai sabun di SD, ancaman validitas, regresi ke rerata, besar sampel berpasangan, uji t berpasangan, Wilcoxon, McNemar, dan follow-up
    Bab 22

    Merancang Eksperimen: dari Judul sampai Etik

    Pada eksperimen, peneliti memberi perlakuan, lalu membandingkan hasilnya dengan kelompok kontrol yang tidak mendapat perlakuan itu. Pengacakan membuat kedua kelompok setara sejak awal, sehingga perbedaan di akhir bisa dikaitkan dengan perlakuan.

    SMP–SMAS1S2–S3

    Langkah 1 · Judul

    Pengaruh Program “Tidur Tanpa Layar” terhadap Kualitas Tidur pada Siswa SMA Negeri X Palembang Tahun 2027: Randomized Controlled Trial
    Kata kunci eksperimenPerlakuan (X)Outcome (Y)SubjekTempat, waktu, desain

    Kata "Pengaruh" tepat dipakai karena peneliti memberikan perlakuan dan membandingkannya dengan kontrol yang diacak. Variabel independennya adalah pemberian program (ya/tidak), bukan kebiasaan yang sudah ada.

    Apa itu program "Tidur Tanpa Layar"?

    Program 4 minggu: satu sesi edukasi sleep hygiene (60 menit), kesepakatan meletakkan gawai di luar kamar tidur mulai pukul 21.30, pengingat pesan singkat dua kali seminggu, dan buku harian tidur. Kelompok kontrol mendapat sesi edukasi gizi remaja dengan durasi yang sama (attention control), lalu mendapat program "Tidur Tanpa Layar" setelah penelitian selesai.

    Langkah 2 · Rumusan masalah, tujuan, dan hipotesis

    Rumusan
    Tujuan khusus
    Analisis
    Kesimpulan (Bab 23)
    1
    Bagaimana skor kualitas tidur sebelum dan sesudah program pada kelompok perlakuan?
    Mengetahui perubahan skor kualitas tidur pada kelompok perlakuan.
    Uji t berpasangan
    Membaik bermakna (−2,9 poin)
    2
    Bagaimana skor kualitas tidur sebelum dan sesudah pada kelompok kontrol?
    Mengetahui perubahan skor kualitas tidur pada kelompok kontrol.
    Uji t berpasangan
    Tidak berubah bermakna
    3
    Apakah terdapat pengaruh program "Tidur Tanpa Layar" terhadap kualitas tidur siswa?
    Menganalisis pengaruh program terhadap kualitas tidur (beda perubahan skor antarkelompok).
    Uji t independen pada selisih skor (atau ANCOVA)
    Ada pengaruh (beda −2,4 poin)

    H0

    Tidak terdapat pengaruh program "Tidur Tanpa Layar" terhadap kualitas tidur: rerata perubahan skor PSQI kelompok perlakuan sama dengan kelompok kontrol.

    Ha

    Terdapat pengaruh program "Tidur Tanpa Layar" terhadap kualitas tidur: rerata perubahan skor PSQI kedua kelompok berbeda.

    Langkah 3 · Desain

    Randomized controlled trial paralel dua kelompok dengan desain pretest–posttest with control group:

    R O₁ X O₂ (kelompok perlakuan)
    R O₁ C O₂ (kelompok kontrol)
    R = randomisasi · O₁ = PSQI awal · X = program "Tidur Tanpa Layar" · C = edukasi gizi (kontrol) · O₂ = PSQI setelah 4 minggu
    Tabel 22.1 — Mengapa desain ini, dan alternatifnya
    PilihanKapan dipakaiCatatan
    RCT pretest–posttest (dipilih)Subjek bisa diacak; perubahan dari nilai awal ingin dilihatBukti sebab–akibat paling kuat; baseline membantu memeriksa kesetaraan
    RCT posttest onlyPengukuran awal bisa memengaruhi subjek, atau tidak praktisMengandalkan pengacakan untuk kesetaraan awal
    Kuasi-eksperimenPengacakan tidak mungkin (misalnya satu sekolah perlakuan, satu sekolah kontrol)Lebih rentan bias; kendalikan perbedaan awal dalam analisis. Contoh lengkap: Bab 24
    Cluster RCTYang diacak kelas atau sekolah, untuk mencegah "penularan" perlakuan antar-temanAnalisis harus memperhitungkan klaster (mixed model). Contoh lengkap: Bab 23A
    Uji silang (crossover)Kondisi stabil, efek perlakuan cepat muncul dan cepat hilangSetiap subjek menjadi kontrol bagi dirinya sendiri; butuh masa jeda. Contoh lengkap: Bab 23B
    Rancangan acak lengkap (RAL)Satuan percobaan homogen, misalnya di laboratorium atau rumah kacaSemua perlakuan diacak penuh ke satuan percobaan; sidik ragam lalu uji lanjut. Contoh lengkap: Bab 23C
    One group pre–postStudi pendahuluanTanpa kontrol, perubahan bisa karena waktu, musim ujian, atau efek diperhatikan. Contoh lengkap dan cara memperkuatnya: Bab 24A

    Langkah 4 · Subjek, besar sampel, dan pengacakan

    Kriteria inklusi

    • Siswa kelas X–XI SMA Negeri X
    • Skor PSQI > 5 (kualitas tidur buruk)
    • Memiliki gawai pribadi
    • Bersedia ikut 4 minggu, disertai izin orang tua

    Kriteria eksklusi dan drop-out

    • Eksklusi: gangguan tidur terdiagnosis, minum obat tidur, sedang mengikuti program serupa
    • Drop-out: pindah sekolah, menarik diri, atau tidak mengisi PSQI akhir

    Besar sampel dihitung dengan rumus dua kelompok independen (Bab 5). Dari studi pendahuluan, simpangan baku perubahan skor PSQI sekitar 3 poin, dan beda 2 poin dianggap bermakna secara klinis.

    n = 2 × 3² × (1,96 + 0,84)² / 2² = 35,3 → 36 per kelompok; cadangan drop-out 10%: 36 / 0,9 = 40 per kelompok; total 80 siswa.

    Coba sendiri di kalkulator Bab 5, tab "Eksperimen (rerata)": SD 3, d 2, power 80%, drop-out 10%.

    Pengacakan, penyembunyian alokasi, dan penyamaran

    • Randomisasi blok: urutan alokasi dibuat komputer dalam blok berisi 4 (dua perlakuan, dua kontrol, urutannya acak) agar jumlah kedua kelompok tetap seimbang.
    • Penyembunyian alokasi (allocation concealment): urutan disimpan dalam amplop tertutup, bernomor, dan tidak tembus pandang oleh staf yang tidak merekrut siswa. Perekrut tidak tahu siswa berikutnya masuk kelompok mana.
    • Penyamaran (blinding): siswa tidak mungkin dibutakan karena tahu programnya. Yang dibutakan adalah pengolah data (kelompok diberi kode A/B). Desain ini disebut assessor/analyst-blind.
    Coba sendiri: simulasi randomisasi 80 siswa

    Langkah 5 · Variabel dan definisi operasional

    Tabel 22.2 — Definisi operasional eksperimen
    VariabelDefinisiAlat ukurCara ukurHasil ukurSkala
    ProgramPemberian program "Tidur Tanpa Layar" selama 4 mingguDaftar hadir sesi, buku harianAlokasi hasil randomisasi1 = perlakuan, 2 = kontrolNominal
    Kualitas tidurSkor global PSQI satu bulan terakhirPSQI versi bahasa IndonesiaDiisi sendiri sebelum dan sesudah 4 mingguSkor 0–21 (makin tinggi makin buruk)Rasio*
    Durasi gawai malamRata-rata menit penggunaan gawai setelah pukul 21.30 dalam 7 hari terakhirLaporan Screen Time/Digital WellbeingDisalin dari gawai dan dicek penelitiMenit per malamRasio
    KepatuhanPersentase malam gawai diletakkan di luar kamarBuku harian tidurDihitung dari 28 malamPersenRasio

    *Skor total PSQI lazim dianalisis sebagai data numerik. Outcome utama (primary outcome) ditetapkan satu saja: perubahan skor PSQI.

    Langkah 6 · Alur peserta (diagram CONSORT)

    Dinilai kelayakannya (n = 214)siswa kelas X–XI yang mengisi skrining Dieksklusi (n = 134)• PSQI ≤ 5: 102• menolak/tanpa izin orang tua: 24• memenuhi kriteria eksklusi: 8 Diacak (n = 80) Perlakuan: "Tidur Tanpa Layar" (n = 40)menerima perlakuan sesuai alokasi: 40 Kontrol: edukasi gizi (n = 40)menerima perlakuan sesuai alokasi: 40 Hilang dari pengamatan (n = 3)pindah sekolah 1; menarik diri 2 Hilang dari pengamatan (n = 2)sakit 1; menarik diri 1 Dianalisis (n = 37)ITT dengan imputasi: 40 (analisis sensitivitas) Dianalisis (n = 38)ITT dengan imputasi: 40 (analisis sensitivitas) ALOKASIFOLLOW-UPANALISIS
    Gambar 22.1 — Alur peserta menurut CONSORT (data simulasi).

    Langkah 7 · Etika khusus eksperimen

    • Telaah penuh biasanya diperlukan: ada intervensi dan subjeknya remaja (Bab 7A).
    • Registrasi uji klinis sebelum subjek pertama direkrut, misalnya di ClinicalTrials.gov atau registri primer WHO ICTRP. Banyak jurnal menolak RCT yang tidak terdaftar.
    • Kontrol yang adil: kelompok kontrol tetap mendapat kegiatan bermanfaat (edukasi gizi) dan menerima program setelah penelitian selesai (wait-list).
    • Pemantauan kejadian tidak diinginkan, misalnya siswa menjadi cemas karena gawai dijauhkan, lengkap dengan kriteria penghentian dan jalur rujukan ke guru BK.
    • PSP dan persetujuan menjelaskan pengacakan dengan bahasa sederhana ("seperti undian"), izin orang tua, dan assent siswa.
    Pojok S2–S3
    • Jelaskan intervensi dengan rinci agar bisa direplikasi: apa, siapa pemberinya, bagaimana, di mana, berapa kali, dan berapa lama (kerangka TIDieR).
    • Tetapkan outcome primer sejak protokol; outcome sekunder dilaporkan sebagai eksploratif.
    • Pertimbangkan kontaminasi: siswa perlakuan bisa menularkan kebiasaan baru ke teman di kelompok kontrol. Bila risikonya besar, pilih cluster RCT.
    • Rencanakan analisis intention-to-treat (semua yang diacak dianalisis sesuai kelompok alokasinya) sebagai analisis utama bila datanya tersedia.
    Intinya
    • Eksperimen memberi perlakuan lalu membandingkannya dengan kontrol; judulnya memakai kata "Pengaruh".
    • Randomisasi (idealnya blok), penyembunyian alokasi, dan penyamaran melindungi dari bias.
    • Besar sampel dari rumus dua rerata; alur peserta digambarkan dengan diagram CONSORT; RCT memerlukan telaah etik penuh dan registrasi.
    Coba sendiri: kuis merancang eksperimen
    Bab 23

    Analisis, Hasil, dan Kesimpulan Eksperimen

    Pertanyaan kunci eksperimen: apakah perubahan pada kelompok perlakuan lebih besar daripada perubahan pada kelompok kontrol? Membandingkan sebelum–sesudah dalam satu kelompok saja tidak cukup.

    S1S2–S3

    Rencana analisis

    Tabel 23.1 — Analisis sesuai tujuan
    TujuanData normalData tidak normal
    Karakteristik awal kedua kelompokDeskriptif: rerata ± SB, n (%). Pada RCT, perbedaan awal tidak perlu diuji statistik; cukup dinilai kemiripannya.
    1–2. Perubahan dalam kelompokUji t berpasanganWilcoxon
    3. Pengaruh program (antarkelompok)Uji t independen pada selisih skor (post − pre); lebih baik lagi ANCOVAMann-Whitney pada selisih skor
    Outcome kategorik (tidur baik/buruk)Chi-square, RR, dan number needed to treat (NNT)
    Besar efekBeda rerata dengan IK95% dan Cohen's d (0,2 kecil; 0,5 sedang; 0,8 besar)

    Langkah SPSS

    1. Buat selisih skor.

      Transform▸Compute Variable

      Target = selisih; ekspresi = psqi_post − psqi_pre.

    2. Uji normalitas per kelompok.

      Analyze▸Descriptive Statistics▸Explore

      Dependent = selisih, Factor = kelompok, centang Normality plots with tests. Karena n < 50 per kelompok, baca Shapiro-Wilk.

    3. Perubahan dalam kelompok.

      Data▸Split File

      Pilih Compare groups berdasarkan kelompok, lalu Analyze ▸ Compare Means ▸ Paired-Samples T Test dengan pasangan psqi_pre–psqi_post. Setelah selesai, matikan Split File (Analyze all cases).

    4. Pengaruh antarkelompok.

      Analyze▸Compare Means▸Independent-Samples T Test

      Test Variable = selisih; Grouping Variable = kelompok (1, 2). Baca Levene, lalu baris yang sesuai; catat Mean Difference dan 95% CI.

    5. (Pilihan lebih baik) ANCOVA.

      Analyze▸General Linear Model▸Univariate

      Dependent = psqi_post; Fixed Factor = kelompok; Covariate = psqi_pre. Options → Estimates of effect size; EM Means untuk kelompok.

    Hasil

    Tabel 23.2 — Karakteristik awal peserta yang dianalisis
    KarakteristikPerlakuan (n = 37)Kontrol (n = 38)
    Usia (tahun), rerata ± SB15,9 ± 0,716,0 ± 0,7
    Perempuan, n (%)21 (56,8)20 (52,6)
    Kelas XI, n (%)18 (48,6)19 (50,0)
    Skor PSQI awal, rerata ± SB9,1 ± 2,28,9 ± 2,3
    Gawai setelah 21.30 (menit), rerata ± SB94 ± 3697 ± 34

    Kedua kelompok mirip di awal, tanda pengacakan berhasil. Data simulasi.

    Tabel 23.3 — Skor PSQI sebelum dan sesudah 4 minggu
    KelompokSebelumSesudahPerubahan (IK95%)p (dalam kelompok)
    Perlakuan (n = 37)9,1 ± 2,26,2 ± 2,4−2,9 (−3,8 s.d. −2,0)< 0,001ᵃ
    Kontrol (n = 38)8,9 ± 2,38,4 ± 2,5−0,5 (−1,3 s.d. 0,3)0,207ᵃ
    Beda antarkelompok−2,4 (−3,6 s.d. −1,2)< 0,001ᵇ

    ᵃ Uji t berpasangan (perlakuan t = 6,78, df 36; kontrol t = 1,28, df 37). ᵇ Uji t independen pada selisih skor (t = 4,16, df 73); Cohen's d = 0,96 (besar). Selisih berdistribusi normal (Shapiro-Wilk p = 0,214 dan 0,367); varians homogen (Levene p = 0,56). Skor lebih rendah = tidur lebih baik.

    Gambar 23.1 — Rerata skor PSQI sebelum dan sesudah program

    Skor lebih rendah berarti kualitas tidur lebih baik (data simulasi)
    Perlakuan (n = 37)Kontrol (n = 38)
    109876 SebelumSesudah 4 minggu Perlakuan, sebelum: 9,1 Perlakuan, sesudah: 6,2 Kontrol, sebelum: 8,9 Kontrol, sesudah: 8,4 6,2 perlakuan8,4 kontrol9,18,9
    Tabel 23.4 — Outcome sekunder
    OutcomePerlakuanKontrolEfek (IK95%)p
    Tidur baik (PSQI ≤ 5) setelah 4 minggu, n (%)19 (51,4)7 (18,4)RR 2,79 (1,33–5,84)0,006ᶜ
    Perubahan gawai setelah 21.30 (menit), rerata ± SB−63 ± 38−9 ± 35−54 (−71 s.d. −37)< 0,001ᵇ
    Kepatuhan menaruh gawai di luar kamar, median82%———

    ᶜ Chi-square dengan continuity correction. Selisih risiko 32,9% → NNT = 1 / 0,329 = 3,04, dibulatkan ke atas menjadi 4: setiap 4 siswa yang mengikuti program, 1 siswa tambahan mencapai tidur baik dibandingkan kontrol.

    Narasi hasil

    "Setelah 4 minggu, skor PSQI kelompok perlakuan turun 2,9 poin (IK95% −3,8 s.d. −2,0; p < 0,001), sedangkan kelompok kontrol tidak berubah bermakna (−0,5; p = 0,207). Penurunan pada kelompok perlakuan 2,4 poin lebih besar daripada kontrol (IK95% −3,6 s.d. −1,2; p < 0,001; d = 0,96). Proporsi siswa dengan tidur baik 51,4% pada kelompok perlakuan dibandingkan 18,4% pada kontrol (RR 2,79; NNT 4). Analisis intention-to-treat dengan imputasi memberikan hasil serupa."

    Pembahasan dan kesimpulan

    Program "Tidur Tanpa Layar" menurunkan skor PSQI 2,4 poin lebih besar daripada kontrol, dengan efek yang besar. Hasil ini sejalan dengan mekanisme yang diduga dari survei dan wawancara sebelumnya: berkurangnya paparan cahaya layar menjelang tidur dan waktu tidur yang tidak lagi tergusur oleh gawai, sebagaimana ditunjukkan penelitian tentang perangkat bercahaya dan tidur. Karena berbiaya rendah dan NNT-nya kecil, program ini layak diuji di lebih banyak sekolah. Keterbatasannya: siswa tidak dapat dibutakan, outcome dilaporkan sendiri, pengamatan hanya 4 minggu, dan kontaminasi antarteman sekelas mungkin terjadi.

    FaktaTeori & pembandingOpiniKeterbatasan
    1. Pada kelompok perlakuan, kualitas tidur membaik bermakna setelah 4 minggu mengikuti program.

    2. Pada kelompok kontrol, kualitas tidur tidak berubah bermakna.

    3. Terdapat pengaruh program "Tidur Tanpa Layar" terhadap kualitas tidur siswa SMA Negeri X Palembang.

    Karena desainnya RCT, kesimpulan boleh memakai kata "pengaruh", berbeda dengan survei cross-sectional di Bagian I.

    Contoh kedua: eksperimen laboratorium

    Pengaruh Pemberian Ekstrak Daun Sambiloto terhadap Kadar Glukosa Darah pada Tikus Putih Jantan Galur Wistar yang Diinduksi Aloksan

    Rumusan, tujuan, hipotesis

    Rumusan: apakah terdapat pengaruh pemberian ekstrak daun sambiloto terhadap kadar glukosa darah tikus diabetes? Tujuan: menganalisis perbedaan kadar glukosa darah antarkelompok dosis. Ha: terdapat perbedaan kadar glukosa darah antara kelompok yang diberi ekstrak dan kontrol.

    Desain

    Post-test only control group design dengan 5 kelompok: K− (tikus normal), K+ (diabetes tanpa terapi), P1, P2, P3 (diabetes + ekstrak dosis rendah, sedang, tinggi). Tikus diacak ke kelompok dengan bilangan acak setelah adaptasi 7 hari. Pengacakan penuh seperti ini disebut rancangan acak lengkap (RAL); contoh lengkapnya ada di Bab 23C.

    Besar sampel

    Rumus Federer: (5 − 1)(n − 1) ≥ 15 → n ≥ 4,75 → 5 ekor per kelompok; cadangan 10% → 6 ekor per kelompok; total 30 ekor.

    Prosedur dan etika

    Induksi diabetes dan dosis ekstrak mengikuti rujukan farmakologi. Ekstrak diberikan per oral 14 hari, lalu glukosa darah puasa diukur. Protokol disetujui komisi etik hewan dengan prinsip 3R, humane endpoint, dan eutanasia yang sesuai pedoman.

    Tabel 23.5 — Kadar glukosa darah puasa hari ke-14 (mg/dL, n = 6 per kelompok, data simulasi)
    KelompokRerata ± SBPenurunan vs K+Shapiro-Wilk p
    K− (normal)92,2 ± 7,8—0,981
    K+ (diabetes)318,0 ± 34,2—0,689
    P1 (dosis rendah)251,0 ± 31,021,1%0,667
    P2 (dosis sedang)187,0 ± 26,141,2%0,575
    P3 (dosis tinggi)118,0 ± 19,062,9%0,656

    Semua kelompok berdistribusi normal dan variansnya homogen (Levene p = 0,174), sehingga dipakai one-way ANOVA: F(4, 25) = 80,65; p < 0,001. Uji post hoc Tukey menunjukkan semua pasangan kelompok berbeda bermakna (p ≤ 0,002), kecuali K− dengan P3 (beda 25,8 mg/dL; p = 0,419). Artinya, dosis tinggi menurunkan glukosa darah sampai tidak berbeda dengan tikus normal, dan efeknya bertambah seiring dosis (pola dosis–respons).

    Kesimpulan: terdapat pengaruh pemberian ekstrak daun sambiloto terhadap kadar glukosa darah tikus diabetes, dengan efek terbesar pada dosis tinggi. Hasil pada hewan coba tidak otomatis berlaku pada manusia; perlu uji lanjutan.

    Pojok S2–S3
    • ANCOVA lebih kuat daripada uji t pada selisih skor karena mengoreksi nilai awal dan umumnya memberi interval kepercayaan lebih sempit.
    • Pada RCT, tidak dianjurkan menguji statistik perbedaan karakteristik awal: bila pengacakan benar, perbedaan awal pasti karena kebetulan. Yang dinilai adalah besarnya perbedaan dan relevansinya secara klinis.
    • Laporkan RCT mengikuti CONSORT dan eksperimen hewan mengikuti ARRIVE 2.0, termasuk cara pengacakan, penyamaran, dan jumlah hewan yang dikeluarkan beserta alasannya.
    • Bila outcome diukur berulang (misalnya minggu 0, 2, 4, 8), gunakan repeated measures ANOVA atau model efek campuran (mixed model).
    Intinya
    • Bandingkan perubahan antarkelompok (uji t pada selisih atau ANCOVA), bukan hanya sebelum–sesudah di satu kelompok.
    • Laporkan beda rerata dengan IK95%, besar efek (Cohen's d), serta RR dan NNT untuk outcome kategorik.
    • Eksperimen dengan banyak kelompok dianalisis dengan ANOVA + post hoc; laporkan mengikuti CONSORT (RCT) atau ARRIVE (hewan coba).
    Coba sendiri: kuis analisis eksperimen
    Bab 23A

    Contoh Lengkap Uji Acak Klaster (Cluster RCT)

    Uji acak klaster (cluster randomised trial) adalah RCT yang mengundi kelompok utuh, misalnya sekolah, kelas, desa, atau puskesmas, bukan orang per orang. Desain ini dipakai bila intervensinya bekerja di tingkat kelompok atau mudah "menular" ke kelompok kontrol. Harganya: anggota satu klaster mirip satu sama lain, sehingga sampel harus lebih besar dan analisisnya harus memperhitungkan klaster (Eldridge & Kerry, 2012; Hayes & Moulton, 2017).

    S1S2–S3

    Mengapa yang diundi sekolah, bukan siswa?

    Di Bab 22, Rara mengundi siswa satu per satu dan mencatat kemungkinan kontaminasi antarteman sekelas sebagai keterbatasan. Program dalam disertasinya kini mengubah aturan sekolah, sehingga tidak mungkin diberikan hanya kepada sebagian siswa.

    Intervensi tingkat sekolah

    Larangan tugas daring setelah pukul sembilan malam berlaku untuk seluruh sekolah. Guru BK juga lebih mudah melatih semua kelas VIII daripada memilah siswa.

    Mencegah kontaminasi

    Bila siswa sekelas diundi ke dua kelompok, siswa kontrol ikut meniru temannya. Selisih antarkelompok mengecil dan efek program diremehkan.

    Harganya: siswa satu sekolah mirip

    Jam masuk, guru, dan lingkungan yang sama membuat tidur siswa satu sekolah berkorelasi. Korelasi ini diukur dengan ICC.

    Design effect (DE) = 1 + (m − 1) × ICCm = jumlah siswa yang dianalisis per sekolah; ICC = bagian variasi outcome yang berada di tingkat sekolah. Dengan m = 25 dan ICC = 0,05, DE = 1 + 24 × 0,05 = 2,2: sampel harus 2,2 kali sampel RCT individu. Rumus yang sama dipakai pada survei cluster sampling (Bab 43).

    Unit randomisasi di sini adalah sekolah, sedangkan outcome diukur pada siswa. Analisis boleh per siswa asalkan modelnya memperhitungkan sekolah (model campuran), atau per sekolah (analisis tingkat klaster). Menganalisis siswa seolah-olah diundi satu per satu disebut unit-of-analysis error: IK95% terlalu sempit dan p terlalu kecil. Contoh nyata desain ini adalah uji di 12 sekolah dasar di Guangzhou tentang waktu di luar kelas dan miopia (He dkk., 2015).

    Tabel 23A.1 — Uji acak klaster dibanding desain lain
    DesainYang diundiCocok bilaCatatan
    RCT individu (Bab 22)SiswaPerlakuan per orang; kontaminasi kecilPaling efisien
    Uji acak klasterSekolah, kelas, desaIntervensi tingkat kelompok atau kontaminasi tinggiSampel × DE; perlu cukup banyak klaster
    Stepped-wedge klasterUrutan waktu klaster mulai menerima programSemua klaster harus menerima program, tetapi bertahapTren waktu wajib dimodelkan (Hemming dkk., 2015)
    Kuasi-eksperimen (Bab 24)Tidak ada undianPengacakan tidak mungkinPaling rentan perancu

    Langkah 1 · Judul

    Ini penelitian penutup disertasi Rara. Scoping review (Bab 52) memetakan intervensi sekolah, studi Delphi (Bab 51) menghasilkan 22 indikator sekolah ramah tidur sehat, dan kini Rara bersama Prof. Nuni menguji apakah program yang disusun dari indikator itu benar-benar menambah tidur siswa. SMP tempat Bima bersekolah menjadi salah satu peserta.

    Pengaruh Program Sekolah Ramah Tidur Sehat terhadap Durasi Tidur Siswa SMP di Kota Palembang: Uji Acak Klaster
    Kata kunciPerlakuanOutcomeSubjek & tempatDesain

    Durasi tidur didefinisikan sebagai rerata total waktu tidur pada lima malam sebelum hari sekolah (Minggu sampai Kamis malam), dari buku harian tidur 7 hari. Kata "pengaruh" sah karena ini eksperimen: Rara memberi program dan sekolah diundi (Bab 1). Delphi hanya menunjukkan indikator yang dianggap penting; uji inilah yang membuktikan efeknya.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah terdapat pengaruh program terhadap durasi tidur siswa?
    H1: setelah 12 minggu, durasi tidur siswa di SMP program lebih panjang daripada di SMP kontrol
    Model campuran linear, intersep acak sekolah
    H1 diterima (+21,8 menit; p = 0,001)
    2
    Apakah program berpengaruh terhadap kualitas tidur, layar malam, dan kantuk siang?
    H2a–c: ketiganya lebih baik di SMP program
    Model campuran yang sama
    Ketiganya lebih baik (p ≤ 0,007)
    3
    Apakah durasi tidur menurut aktigrafi juga bertambah?
    H3 (eksploratif, subsampel)
    Model campuran
    Searah (+10,1 menit), tidak bermakna
    4
    Seberapa mirip durasi tidur siswa satu sekolah?
    Tanpa hipotesis (deskriptif)
    ICC dari komponen varians
    ICC = 0,050
    H₀: μprogram = μkontrol  lawan  H₁: μprogram ≠ μkontrolμ = rerata durasi tidur minggu ke-12, disesuaikan dengan durasi awal dan status sekolah; uji dua arah. Hanya satu outcome primer yang ditetapkan di protokol; outcome lain adalah pendukung.

    Langkah 3 · Desain, program, dan outcome

    RS   O₁   X   O₂     (11 SMP program)
    RS   O₁   –   O₂   X (11 SMP kontrol daftar tunggu)
    RS = randomisasi sekolah, berstrata menurut status negeri atau swasta · O₁ = pengukuran awal, sebelum undian · X = program 12 minggu · O₂ = minggu ke-12. Agustus–November 2028, sehingga tidak bertepatan dengan Ramadan maupun ujian akhir semester.

    Program Sekolah Ramah Tidur Sehat (kode indikator Bab 51)

    • Kebijakan sekolah (A3, A4, A7): surat edaran kepala sekolah; tidak ada tugas, pengumuman, atau batas pengumpulan tugas daring setelah pukul sembilan malam, dan tidak ada kegiatan sekolah setelah pukul delapan malam.
    • Edukasi berbasis komik (B2, B5): enam sesi kelas 40 menit, dua minggu sekali, dan dua duta tidur sebaya per kelas.
    • Sesi orang tua (E1, E2): dua pertemuan dan kesepakatan HP di luar kamar tidur pada malam hari.
    • Pelatihan guru (B3): satu hari untuk guru BK dan wali kelas VIII.

    Program ditulis mengikuti TIDieR (Hoffmann dkk., 2014); 10 dari 11 sekolah menjalankan paling sedikit 5 dari 6 sesi. Kontrol daftar tunggu berjalan seperti biasa, lalu menerima paket lengkap setelah minggu ke-12.

    Tabel 23A.2 — Outcome dan cara ukur (awal dan minggu ke-12)
    OutcomeCara ukurSkor
    Primer: durasi tidurBuku harian 7 hari, diadaptasi dari Consensus Sleep Diary (Carney dkk., 2012): jam tertidur, jam bangun, lama terjaga. Sah bila ≥ 4 dari 5 malam sekolah terisi.Menit per malam
    Kualitas tidurPSQI versi bahasa Indonesia (Buysse dkk., 1989)0–21; tinggi = buruk
    Layar malamMenit bergawai setelah pukul sembilan malam; buku harian dicocokkan dengan fitur Screen Time atau Digital WellbeingMenit per malam
    Kantuk siangPediatric Daytime Sleepiness Scale (PDSS; Drake dkk., 2003), 8 butir, diterjemahkan maju–balik (Bab 46)0–32; tinggi = mengantuk
    Tidur objektifAktigraf pergelangan tangan 7 malam pada 5 siswa per sekolah (110 siswa), dipilih acak sebelum undianMenit per malam

    Langkah 4 · Besar sampel

    Hitung dulu seolah-olah RCT individu, lalu kalikan design effect (Eldridge & Kerry, 2012).

    1. RCT individu. Survei pendahuluan di 6 SMP (180 siswa) memberi SD durasi tidur 49,6 menit, dibulatkan 50. Selisih terkecil yang dianggap bermakna 20 menit per malam (1 jam 40 menit per minggu sekolah). α 0,05 dua arah, power 80%: n = 2 × 50² × (1,96 + 0,84)² / 20² = 98 siswa per lengan.

    2. Design effect. Survei yang sama memberi ICC 0,040. ICC dari 6 sekolah sangat tidak pasti, jadi dipakai nilai yang lebih konservatif, 0,05. Dengan m = 25: DE = 2,2 dan 98 × 2,2 = 215,6 → 216 siswa per lengan.

    3. Jumlah sekolah. 216 / 25 = 8,64 → 9 SMP per lengan. Dengan klaster sesedikit ini, uji memakai distribusi t dengan df kecil (2 × 9 − 2 = 16), sehingga power sebenarnya hanya 77%. Ditambah 1 sekolah per lengan (Rutterford dkk., 2015): 10 SMP, power 81%.

    4. Cadangan dan drop-out. Kehilangan satu sekolah jauh lebih merugikan daripada kehilangan satu siswa, jadi ditambah 1 sekolah cadangan: 11 SMP per lengan (power 85%). Drop-out siswa 10%: 25 / 0,9 = 27,8 → 28 siswa per sekolah; total 22 SMP dan 616 siswa.

    Coba sendiri: kalkulator design effect dan jumlah sekolah

    Nilai awal adalah rencana Rara (α 0,05 dua arah, power 80%); +1 sekolah per lengan ditambahkan bila jumlah sekolah < 30. Menambah sekolah jauh lebih ampuh daripada menambah siswa: naikkan m dari 25 ke 50, siswa yang direkrut naik dari 616 menjadi 1.008, tetapi sekolah hanya turun dari 22 menjadi 18. Satu sekolah tidak pernah bernilai lebih dari 1 / ICC siswa efektif.

    Langkah 5 · Rekrutmen, randomisasi, dan etik

    Uji klaster rawan bias identifikasi: bila siswa direkrut setelah sekolah tahu alokasinya, guru di sekolah program mungkin mengajak siswa yang antusias, sedangkan siswa di sekolah kontrol enggan ikut. Siswa kedua lengan tidak lagi sebanding walaupun sekolahnya diundi (Puffer dkk., 2003). Karena itu urutannya:

    1. Izin gatekeeper: dinas pendidikan kota dan 22 kepala sekolah setuju ikut dan menerima apa pun hasil undian.

    2. Persetujuan sebelum undian: asisten peneliti, bukan guru, membagikan lembar informasi kepada 4.870 siswa kelas VIII; 3.412 (70,1%) mengembalikan izin orang tua dan assent. Dari daftar itu dipilih acak 28 siswa per sekolah, 5 di antaranya untuk aktigrafi.

    3. Pengukuran awal selesai di semua sekolah.

    4. Randomisasi serentak: statistikawan independen di Universitas X mengundi 22 SMP sekaligus dengan komputer, berstrata menurut status (12 negeri, 10 swasta). Tim lapangan tidak pernah memegang urutan undian, jadi alokasi tersembunyi.

    Berstrata, bukan berpasangan. Dengan 22 sekolah, undian sederhana bisa kebetulan menaruh sebagian besar SMP swasta di satu lengan, padahal status berkaitan dengan jam masuk, les tambahan, dan latar sosial-ekonomi. Pemadanan berpasangan (pair-matching) lebih ketat, tetapi bila satu sekolah mundur pasangannya ikut terbuang, df turun menjadi jumlah pasangan dikurangi satu, dan ICC sulit diperkirakan (Hayes & Moulton, 2017).

    Penyamaran. Sekolah dan siswa tidak mungkin dibutakan, sehingga siswa program bisa melebihkan jam tidurnya di buku harian. Penangkalnya: aktigrafi pada subsampel dan pengolah data yang hanya melihat kode A/B.

    Etik. Protokol ditelaah penuh oleh komisi etik penelitian kesehatan (Bab 7A) dan didaftarkan di registri uji klinis sebelum rekrutmen. Ottawa Statement (Weijer dkk., 2012) memandu pertanyaan etik khas uji klaster:

    • Peserta penelitian adalah siswa yang datanya dikumpulkan dan juga semua siswa kelas VIII di sekolah program, karena lingkungannya diubah oleh kebijakan.
    • Izin gatekeeper bukan persetujuan. Dinas dan kepala sekolah melindungi kepentingan sekolah, tetapi tidak dapat menyetujui atas nama siswa; pengumpulan data tetap memerlukan izin orang tua dan assent (Bab 7B).
    • Waiver hanya untuk komponen kebijakan: aturan tanpa tugas malam berisiko minimal dan tidak mungkin dimintakan persetujuan per siswa.
    • Kontrol yang adil: sekolah kontrol tidak kehilangan kegiatan biasanya dan menerima program utuh setelah penelitian.
    • Konflik kepentingan: data di sekolah Bima dikumpulkan asisten lain, dan hal ini dicatat di protokol.

    Langkah 6 · Alur sekolah dan siswa (CONSORT)

    Perluasan CONSORT untuk uji klaster meminta jumlah klaster dan individu di setiap tahap (Campbell dkk., 2012). CONSORT 2025 menggantikan CONSORT 2010 (Hopewell dkk., 2025); selama perluasan klasternya belum diperbarui, keduanya dipakai bersama.

    SMP dinilai kelayakannya: 31 Dieksklusi: 9 SMP menolak ikut: 5 tidak memenuhi kriteria: 4 22 SMP: siswa direkrut sebelum undian 3.412 dari 4.870 siswa kelas VIII setuju dipilih acak 28 per sekolah: 616 siswa Randomisasi berstrata: 22 SMP; 616 siswa Program: 11 SMP; 308 siswa 6 negeri, 5 swasta; program 12 minggu Kontrol: 11 SMP; 308 siswa 6 negeri, 5 swasta; daftar tunggu Hilang: 0 SMP; 22 siswa pindah sekolah 3; tidak hadir 8; buku harian tidak lengkap 11 Hilang: 0 SMP; 22 siswa pindah sekolah 2; tidak hadir 9; buku harian tidak lengkap 11 Dianalisis: 11 SMP; 286 siswa 23–28 siswa per sekolah Dianalisis: 11 SMP; 286 siswa 23–28 siswa per sekolah PENDAFTARANALOKASIFOLLOW-UPANALISIS
    Gambar 23A.1 — Alur sekolah dan siswa menurut CONSORT untuk uji acak klaster (data simulasi).

    Tidak ada sekolah yang mundur. Sebanyak 44 dari 616 siswa (7,1%) tidak punya data minggu ke-12, sama banyak di kedua lengan dan di bawah perkiraan 10%.

    Langkah 7 · Analisis di SPSS

    Satu baris per siswa: sekolah (1–22), status (1 = negeri, 2 = swasta), kelompok (1 = program, 2 = kontrol), tidur_awal, tidur_akhir.

    A. Model campuran linear (analisis utama)

    Analyze▸Mixed Models▸Linear
    1. Specify Subjects and Repeated: Subjects = sekolah. Lalu Dependent = tidur_akhir; Factor(s) = kelompok, status; Covariate(s) = tidur_awal.
    2. Fixed → ketiganya sebagai Main Effects. Random → Include intercept, Covariance Type = Variance Components, Subject Groupings = sekolah.
    3. Estimation → REML. Statistics → Parameter estimates for fixed effectsTests for covariance parameters.

    Intersep acak menampung kemiripan siswa satu sekolah. Status sekolah masuk karena menjadi dasar strata, dan durasi awal meningkatkan presisi seperti ANCOVA (Bab 23).

    Output — Estimates of Fixed Effectsa
    ParameterEstimateStd. ErrordftSig.95% CI Lower95% CI Upper
    Intercept232,20416,075471,96514,445,000200,618263,791
    [kelompok=1]21,7995,61819,0663,880,00110,04233,555
    [kelompok=2]0b0.....
    [status=1]−14,7635,69919,817−2,591,018−26,658−2,869
    [status=2]0b0.....
    tidur_awal,474,034564,35913,788,000,406,541

    a. Dependent Variable: tidur_akhir. · b. This parameter is set to zero because it is redundant.

    Baris [kelompok=1] adalah efek program: siswa di SMP program tidur 21,8 menit lebih lama daripada siswa di SMP kontrol dengan durasi awal dan status sekolah yang sama. Perhatikan df = 19,066 (Satterthwaite, bawaan SPSS): nilainya dekat dengan 22 sekolah dikurangi 3 parameter tingkat sekolah, bukan 568. Informasi tentang efek program berasal dari jumlah sekolah. Baris [status=1] menunjukkan siswa SMP negeri tidur 14,8 menit lebih singkat, jadi stratifikasi menurut status memang beralasan.

    Output — Estimates of Covariance Parametersa
    ParameterEstimateStd. ErrorWald ZSig.
    Residual1899,429114,63616,569,000
    Intercept [subject = sekolah]Variance100,19356,3741,777,076

    a. Dependent Variable: tidur_akhir. · Kolom 95% Confidence Interval tidak ditampilkan.

    ICC = σ²sekolah / (σ²sekolah + σ²residual) = 100,193 / (100,193 + 1.899,429) = 0,050Sekitar 5% variasi durasi tidur berada di antara sekolah, sesuai asumsi Langkah 4. Dengan rerata 26,0 siswa per sekolah, DE nyata = 1 + 25 × 0,050 = 2,25: 572 siswa setara dengan 254 siswa yang diundi satu per satu. Sig. 0,076 bukan alasan membuang intersep acak, karena klaster adalah bagian dari desain.

    B. Bila klaster diabaikan, dan analisis tingkat sekolah

    Analisis naif adalah model yang sama tanpa intersep acak (General Linear Model ▸ Univariate). Analisis tingkat sekolah memakai Data ▸ Aggregate (Break Variable = sekolah, kelompok) untuk menghitung rerata perubahan per sekolah, lalu uji t independen pada 22 rerata itu.

    Tabel 23A.3 — Efek program menurut cara analisis (data simulasi)
    AnalisisSelisih (menit)SEIK95%dfp
    Naif: ANCOVA per siswa21,603,7314,27 sampai 28,93568< 0,001
    Utama: model campuran21,805,6210,04 sampai 33,5619,10,001
    Sensitivitas: uji t rerata perubahan per sekolah24,676,3411,46 sampai 37,89200,001

    Titik perkiraannya mirip, tetapi SE analisis naif 1,50 kali lebih kecil dan IK95%-nya hanya 62% dari lebar yang benar. Kuadrat rasio SE, (5,618 / 3,734)² = 2,26, hampir sama dengan DE nyata 2,25: analisis naif berpura-pura punya 572 siswa independen. Di sini kesimpulannya kebetulan sama, tetapi pada efek yang lebih kecil analisis naif bisa menyatakan "bermakna" untuk efek yang belum terbukti. Dengan klaster sedikit, model campuran dengan koreksi df dan analisis tingkat klaster menjaga kesalahan tipe I ≤ 5% (Leyrat dkk., 2018). Koreksi Kenward–Roger (Kenward & Roger, 1997), tersedia di R dan SAS, adalah alternatif Satterthwaite.

    Langkah 8 · Hasil

    Tabel 23A.4 — Karakteristik awal semua yang diacak (data simulasi)
    KarakteristikProgram: 11 SMP, 308 siswaKontrol: 11 SMP, 308 siswa
    SMP negeri/swasta6/56/5
    Usia (tahun); perempuan, n (%)13,6 ± 0,6; 169 (54,9)13,6 ± 0,6; 171 (55,5)
    Durasi tidur, buku harian (menit)425,3 ± 53,7430,0 ± 55,7
    Skor PSQI; skor PDSS7,0 ± 2,6; 15,9 ± 5,17,1 ± 2,5; 15,8 ± 4,8
    Layar setelah pukul sembilan malam (menit)86,8 ± 35,594,1 ± 37,7
    Aktigrafi (menit; n = 55 per lengan)385,2 ± 59,8396,3 ± 63,6

    Rerata ± SD. Perbedaan kecil, misalnya layar malam 7 menit, wajar karena kebetulan dan disesuaikan dalam analisis; pada uji acak, perbedaan awal tidak diuji statistik (Bab 23). Durasi awal sekitar 7 jam 8 menit, di bawah anjuran 8–10 jam untuk remaja (Paruthi dkk., 2016).

    Gambar 23A.2 — Rerata perubahan durasi tidur per sekolah

    Setiap titik satu SMP (minggu ke-12 dikurangi awal); garis hitam adalah rerata 11 sekolah (data simulasi).
    −20 0 +20 +40 +60 Perubahan durasi tidur (menit) Sekolah 22, swasta: +3,5 menit (n = 25) Sekolah 2, negeri: +4,1 menit (n = 25) Sekolah 20, swasta: +7,4 menit (n = 28) Sekolah 11, negeri: +12,5 menit (n = 28) Sekolah 21, swasta: +22,7 menit (n = 28) Sekolah 1, negeri: +24,2 menit (n = 26) Sekolah 17, swasta: +24,3 menit (n = 28) Sekolah 6, negeri: +25,0 menit (n = 23) Sekolah 16, swasta: +27,2 menit (n = 25) Sekolah 5, negeri: +29,8 menit (n = 24) Sekolah 9, negeri: +61,0 menit (n = 26) Rerata program: +22,0 menit Program (11 SMP) rerata +22,0 menit Sekolah 7, negeri: −24,6 menit (n = 27) Sekolah 8, negeri: −23,1 menit (n = 26) Sekolah 10, negeri: −13,2 menit (n = 27) Sekolah 15, swasta: −10,9 menit (n = 25) Sekolah 4, negeri: −4,4 menit (n = 27) Sekolah 18, swasta: +1,5 menit (n = 27) Sekolah 14, swasta: +5,4 menit (n = 26) Sekolah 12, negeri: +6,7 menit (n = 28) Sekolah 3, negeri: +7,3 menit (n = 23) Sekolah 19, swasta: +12,7 menit (n = 26) Sekolah 13, swasta: +12,8 menit (n = 24) Rerata kontrol: −2,7 menit Kontrol (11 SMP) rerata −2,7 menit

    Hampir semua SMP program berada di atas garis nol, tetapi sebarannya lebar (+3,5 sampai +61,0 menit). Di SMP kontrol, perubahan berkisar −24,6 sampai +12,8 menit tanpa program apa pun. Variasi antarsekolah inilah yang ditangkap ICC, sehingga jumlah sekolah, bukan jumlah siswa, yang menentukan ketepatan.

    Tabel 23A.5 — Outcome minggu ke-12 (data simulasi)
    OutcomeProgramKontrolSelisih (IK95%)pICC
    Durasi tidur (menit)447,6 ± 50,9428,2 ± 54,721,8 (10,0 sampai 33,6)0,0010,050
    Skor PSQI5,9 ± 2,86,7 ± 2,6−0,85 (−1,25 sampai −0,45)< 0,0010,009
    Layar malam (menit)59,0 ± 36,192,4 ± 39,7−28,3 (−34,9 sampai −21,6)< 0,0010,028
    Skor PDSS14,4 ± 5,315,7 ± 5,6−1,57 (−2,67 sampai −0,47)0,0070,049
    Aktigrafi (menit; n = 52 dan 49)406,3 ± 55,0400,7 ± 53,410,1 (−11,8 sampai 32,0)0,3490,087

    Rerata ± SD (286 siswa per lengan, kecuali aktigrafi). Selisih = program − kontrol dari model campuran dengan intersep acak sekolah, disesuaikan dengan nilai awal dan status sekolah; df Satterthwaite 18,8–20,4. Outcome sekunder tidak dikoreksi untuk uji berganda.

    Kalimat hasil Rara

    "Setelah 12 minggu, durasi tidur siswa di SMP program 21,8 menit per malam sekolah lebih panjang daripada di SMP kontrol daftar tunggu (22 SMP, 572 siswa; IK95% 10,0–33,6; p = 0,001; model campuran dengan intersep acak sekolah; ICC 0,050). Analisis tingkat sekolah memberi hasil serupa (24,7 menit; IK95% 11,5–37,9). Layar malam, PSQI, dan kantuk siang juga membaik, tetapi durasi tidur menurut aktigrafi tidak berbeda bermakna (10,1 menit; IK95% −11,8 sampai 32,0)."

    Langkah 9 · Pembahasan dan kesimpulan

    Program yang disusun dari indikator Delphi menambah tidur malam sekolah sekitar 22 menit, hampir 2 jam per minggu sekolah, disertai berkurangnya layar malam sekitar 28 menit. Arah ini sejalan dengan meta-analisis yang mengaitkan penggunaan gawai menjelang tidur dengan tidur yang lebih pendek (Carter dkk., 2016) dan dengan RCT Rara di Bab 22. Efeknya lebih kecil karena semua siswa kelas VIII diikutkan, bukan hanya yang tidurnya buruk. Menurut peneliti, larangan tugas daring malam adalah komponen termurah dan paling mudah ditiru, sehingga layak diprioritaskan dinas pendidikan. Keterbatasan: outcome primer dilaporkan sendiri oleh siswa yang tahu kelompoknya, dan aktigrafi hanya menunjukkan selisih 10 menit yang tidak bermakna; 22 sekolah membuat ICC kurang tepat; pengamatan hanya 12 minggu di satu kota; tidur di SMP program (7 jam 28 menit) masih di bawah anjuran.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh Program Sekolah Ramah Tidur Sehat terhadap durasi tidur siswa SMP: setelah 12 minggu, siswa di SMP program tidur 21,8 menit lebih lama per malam sekolah daripada di SMP kontrol (p = 0,001).

    2. Program juga memperbaiki kualitas tidur, mengurangi layar setelah pukul sembilan malam, dan menurunkan kantuk siang.

    3. Durasi tidur menurut aktigrafi bertambah searah tetapi tidak bermakna, sehingga perlu dikonfirmasi pada subsampel yang lebih besar.

    4. ICC durasi tidur antar-SMP adalah 0,050; nilai ini dapat dipakai untuk merencanakan uji serupa.

    Awas, keliru!
    • Menganalisis siswa seolah-olah diundi satu per satu. Di data ini SE menyusut dari 5,62 menjadi 3,73.
    • Menghitung sampel tanpa design effect, atau hanya menyebut jumlah siswa tanpa jumlah sekolah.
    • Mengundi terlalu sedikit klaster, misalnya dua kelas per kelompok (Bab 44). Efek perlakuan bercampur dengan keunikan kelas, dan tidak ada analisis yang bisa memperbaikinya.
    • Merekrut siswa setelah alokasi diketahui, apalagi lewat guru.
    • Menganggap izin kepala sekolah sama dengan persetujuan siswa.
    • Membuang intersep acak karena Sig. varians sekolah > 0,05.
    Pojok S2–S3
    • Stepped-wedge: semua klaster mulai sebagai kontrol lalu berpindah ke program pada waktu yang diundi. Cocok bila dinas ingin semua sekolah mendapat program secara bertahap. Efeknya bercampur dengan tren waktu, jadi periode wajib masuk model (Hussey & Hughes, 2007; Hemming dkk., 2015).
    • GEE atau model campuran? Model campuran memperkirakan efek bersyarat pada sekolah yang sama; GEE (Liang & Zeger, 1986) memperkirakan efek rata-rata populasi dengan SE robust. Untuk outcome numerik hasilnya hampir sama; untuk outcome biner odds ratio keduanya berbeda makna. SE robust GEE terlalu kecil bila klaster sedikit tanpa koreksi sampel kecil (Leyrat dkk., 2018).
    • Ukuran klaster tidak sama: DE = 1 + [(CV² + 1) × m̄ − 1] × ICC, dengan CV = koefisien variasi ukuran klaster (Eldridge dkk., 2006). Di sini 23–28 siswa per sekolah (CV 0,06), jadi DE hanya naik dari 2,25 ke 2,26; pada puskesmas kecil dan besar kenaikannya bisa besar.
    • ICC berbeda per outcome dan tidak pasti: PSQI 0,009, layar 0,028, PDSS 0,049, aktigrafi 0,087. SE varians sekolah (56,4) lebih dari separuh perkiraannya (100,2). Laporkan ICC, paling tidak untuk outcome primer (Campbell dkk., 2012), dan uji kepekaan besar sampel terhadap ICC yang lebih besar.
    • Tren sekuler: ujian, libur, dan Ramadan mengubah tidur semua siswa. Sekolah kontrol yang diukur serentak mengalami perubahan yang sama, sehingga selisih antarlengan tetap sahih. Pada pre–post atau deret waktu terputus (Bab 45), tren ini mudah dikira efek program.
    Intinya
    • Uji acak klaster mengundi kelompok utuh (di sini 22 SMP) karena intervensinya bekerja di tingkat sekolah dan untuk mencegah kontaminasi.
    • Kemiripan siswa satu sekolah menaikkan sampel sebesar DE = 1 + (m − 1) × ICC. Power terutama ditentukan jumlah sekolah, jadi tambahkan klaster bila jumlahnya sedikit.
    • Rekrut dan ukur siswa sebelum undian, sembunyikan alokasi di tingkat sekolah, dan bedakan izin gatekeeper dari persetujuan individual (Ottawa Statement).
    • Analisis harus memperhitungkan klaster: model campuran dengan koreksi df atau analisis tingkat klaster. Laporkan ICC dan diagram CONSORT berisi jumlah sekolah dan siswa.
    Coba sendiri: kuis uji acak klaster
    Bab 23B

    Contoh Lengkap Uji Silang (Crossover)

    Uji silang (crossover trial) adalah uji acak yang memberi setiap peserta semua perlakuan yang dibandingkan, bergantian dalam urutan yang diacak. Setiap peserta menjadi kontrol bagi dirinya sendiri, sehingga pesertanya jauh lebih sedikit daripada RCT paralel. Desain ini cocok untuk kondisi yang stabil dan perlakuan yang efeknya cepat muncul lalu hilang setelah dihentikan (Senn, 2002; Wellek & Blettner, 2012).

    S1S2–S3

    Apa itu uji silang?

    Pada RCT Rara (Bab 22), separuh siswa mendapat program dan separuh lagi menjadi kontrol. Pada uji silang dua perlakuan dua periode (desain AB/BA), peserta diacak ke salah satu urutan, dengan masa jeda (washout) di antara kedua periode.

    Urutan AB:  R → A → jeda → B
    Urutan BA:  R → B → jeda → A
    R = pengacakan urutan. A dan B dibandingkan pada orang yang sama, sehingga perbedaan antarindividu (ada yang memang cepat tidur, ada yang lambat) ikut terhapus.
    • Efek periode: outcome berubah dari periode 1 ke 2 apa pun perlakuannya, misalnya karena ujian makin dekat. Karena separuh peserta mendapat A lebih dulu, efek ini seimbang dan dapat diestimasi.
    • Efek sisa (carryover): efek perlakuan periode 1 masih terbawa ke periode 2. Efek sisa membuat estimasi bias dan tidak dapat dibuang dengan analisis; ia dicegah dengan desain.
    • Efek urutan: selisih rerata keseluruhan kelompok AB dan BA. Pada desain 2×2, efek ini bercampur dengan efek sisa dan interaksi perlakuan × periode, sehingga ketiganya tidak dapat dipisahkan.
    • Masa jeda: waktu tanpa perlakuan, dibuat lebih panjang daripada perkiraan lama efek bertahan. Pengukuran di akhir jeda (baseline periode 2) memeriksa apakah outcome sudah kembali ke nilai awal.
    Tabel 23B.1 — RCT paralel dan uji silang
    AspekRCT paralel (Bab 22)Uji silang (bab ini)
    Yang diacakPeserta ke kelompok perlakuan atau kontrolUrutan perlakuan (AB atau BA)
    PembandingOrang lainDiri sendiri pada periode lain
    Besar sampel (contoh bab ini)72 peserta15 peserta
    Masalah khasKontaminasi, ketidakseimbangan awalEfek sisa, efek periode, putus di tengah
    AnalisisUji t pada selisih skor atau ANCOVA (Bab 23)Uji t pada selisih periode antarurutan atau model campuran linear

    Cocok bila

    Kondisinya kronis dan stabil (hipertensi, nyeri kronis, insomnia); efek perlakuan cepat muncul dan hilang setelah dihentikan; outcome dapat diukur berulang; peserta sulit dicari, misalnya penyakit langka dan uji bioekivalensi obat.

    Tidak cocok bila

    Perlakuan menyembuhkan atau meninggalkan bekas menetap (antibiotik untuk infeksi akut, operasi, vaksin, edukasi); penyakitnya progresif atau akut; efeknya bertahan lama; outcome-nya kejadian sekali, seperti kematian. Program "Tidur Tanpa Layar" di Bab 22 memakai RCT paralel karena pengetahuan tidak bisa "dicuci".

    Langkah 1 · Judul

    Yoga, mahasiswa S2 Ilmu Biomedik dan teman satu laboratorium Rara, melihat banyak temannya membeli kacamata lensa jingga yang diiklankan "membuat cepat tidur". Cahaya layar malam memang menekan melatonin, memundurkan jam biologis, dan memperlama waktu untuk tertidur (Chang dkk., 2015). Namun, tinjauan Cochrane atas 17 uji acak, sekitar separuhnya uji silang, menilai bukti manfaat kacamata penyaring cahaya biru untuk tidur masih sangat tidak pasti; banyak uji berisiko bias karena penilai hasilnya tidak disamarkan (Singh dkk., 2023). Bersama Rara dan Prof. Nuni, Yoga menyusun judul:

    Pengaruh Kacamata Penyaring Cahaya Biru terhadap Latensi Tidur Mahasiswa Pengguna Layar Malam di Universitas X: Uji Silang Acak Terkontrol Plasebo
    Kata kunciPerlakuanOutcome primerSubjek & tempatDesain
    • Kacamata penyaring cahaya biru: berlensa amber (jingga) yang menyaring sebagian besar cahaya gelombang pendek. Plasebo: lensa bening dengan bingkai yang sama.
    • Latensi tidur (sleep onset latency): menit sejak lampu dimatikan sampai tertidur.
    Mengapa tidak "tersamar ganda"?

    Kata "pengaruh" sah karena Yoga yang memberi kacamata dan urutannya diundi (Bab 1). Namun, peserta dapat melihat warna lensa, jadi penyamaran peserta tidak sempurna. Yang benar-benar tersamar adalah pengolah data aktigraf dan analis. Karena itu judulnya menulis "terkontrol plasebo", dan bagian metode menjelaskan siapa yang disamarkan.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah ada pengaruh kacamata penyaring cahaya biru terhadap latensi tidur mahasiswa?
    H1: latensi saat memakai amber lebih singkat daripada saat memakai plasebo
    Uji t pada selisih periode antarurutan; model campuran linear
    H1 diterima (−9,66 menit; p = 0,004)
    2
    Apakah ada pengaruhnya terhadap total waktu tidur?
    H2: total waktu tidur saat memakai amber lebih panjang
    Sama dengan baris 1
    H2 tidak terbukti (p = 0,218)
    3
    Apakah ada pengaruhnya terhadap kualitas tidur subjektif?
    H3: kualitas tidur saat memakai amber lebih baik
    Sama dengan baris 1
    H3 diterima (p < 0,001), dibaca hati-hati
    H₀: μamber − μplasebo = 0  lawan  H₁: μamber − μplasebo ≠ 0  (pada orang yang sama)Uji dua arah. Outcome primer hanya latensi tidur, dan besar sampel dihitung untuknya. Dua outcome lain adalah outcome sekunder.

    Langkah 3 · Desain, peserta, dan besar sampel

    Run-inPeriode 1Masa jedaPeriode 2DiacakUrutan ABAmberTanpa kacamataPlaseboUrutan BAPlaseboTanpa kacamataAmber7 malam7 malam7 malam7 malamn = 24blok 4baseline 1n = 121 menarik dirin = 11baseline 1n = 12n = 12n = 11 (1 sakit)Aktigraf dipakai terus 28 malam · baseline 2 = malam 4–7 masa jeda
    Gambar 23B.1 — Desain uji silang AB/BA dan jumlah peserta tiap tahap (data simulasi).
    • Periode dan masa jeda: masing-masing 7 malam, didahului minggu run-in tanpa kacamata untuk mengukur baseline 1. Kacamata bekerja lewat cahaya pada malam yang sama, jadi Yoga memperkirakan efeknya, termasuk pergeseran jam biologis, pulih dalam beberapa malam; jeda dibuat lebih panjang dari itu. Satu minggu penuh juga menyeimbangkan hari kuliah dan akhir pekan. Jeda 4 minggu seperti pada Shechter dkk. (2018) lebih aman dari efek sisa, tetapi menambah risiko putus dan membuat periode 2 jatuh di minggu ujian. Asumsinya diperiksa lewat baseline periode 2 (rerata malam ke-4 sampai ke-7 masa jeda).
    • Pengacakan urutan: blok berisi 4 buatan komputer, disimpan dalam amplop tertutup bernomor oleh staf yang tidak merekrut peserta (Bab 22).
    • Perlakuan: kacamata dipakai tiap malam mulai sekitar 3 jam (minimal 2 jam) sebelum lampu dimatikan; jam pemakaian dicatat. Pengaturan layar, termasuk mode malam, tidak diubah.
    • Penyamaran: kedua kacamata berbingkai dan berkotak sama, berkode P dan Q; lembar informasi tidak menyebut lensa mana yang diduga bekerja. Data aktigraf diolah dan dianalisis tanpa mengetahui kode. Di akhir penelitian, peserta diminta menebak lensa mana yang menyaring cahaya biru.
    • Peserta: mahasiswa S1 Universitas X usia 18–25 tahun dengan penggunaan layar ≥ 2 jam setelah pukul tujuh malam (Screen Time atau Digital Wellbeing 7 hari); tanpa gangguan tidur terdiagnosis, kerja shift, obat tidur atau melatonin. Dari 61 pendaftar, 24 memenuhi kriteria dan bersedia ikut.
    • Outcome: latensi tidur dari aktigraf di pergelangan tangan (tombol penanda saat lampu dimatikan), dirata-ratakan per periode; periode sah bila ada ≥ 5 malam. Aktigraf kurang akurat daripada polisomnografi, tetapi andal untuk memantau tidur berhari-hari (Ancoli-Israel dkk., 2003). Sekunder: total waktu tidur (aktigraf) dan butir kualitas tidur buku harian tidur konsensus, skala 1–5 (Carney dkk., 2012).

    Besar sampel dari SD selisih dalam subjek

    Studi pendahuluan (aktigraf 2 minggu pada 10 mahasiswa) memberi SD rerata latensi mingguan 15 menit dan korelasi minggu pertama dan kedua ρ = 0,6. Beda terkecil yang dianggap penting Δ = 10 menit.

    σd = SD × √(2(1 − ρ))  ·  n = (Zα + Zβ)² × σd² / Δ²σd = 15 × √(2 × 0,4) = 13,4 menit (σd² = 180) → n = 7,84 × 180 / 100 = 14,1 → 15. Untuk n sekecil ini, pendekatan normal terlalu optimistis; G*Power (matched pairs; dz = 10 / 13,4 = 0,745; α 0,05 dua arah; power 0,80) memberi 17 (Faul dkk., 2007). Cadangan putus 20%: 17 / 0,8 = 21,25 → 22, digenapkan menjadi 24 agar blok penuh. RCT paralel memerlukan 2 × 15² × 7,84 / 10² = 35,3 → 36 per kelompok, total 72: 4,8 kali lipat, mendekati 2 / (1 − ρ) = 5.

    Penghematan bergantung pada ρ. Dengan Δ dan SD yang sama, uji silang memerlukan 36, 25, 18, 15, 11, dan 8 peserta untuk ρ = 0; 0,3; 0,5; 0,6; 0,7; dan 0,8, sedangkan RCT paralel tetap 72. Pada ρ = 0 pun cukup separuh, karena setiap orang menyumbang dua pengamatan.

    Etik: persetujuan komisi etik (Bab 7A) dan registrasi uji klinis sebelum perekrutan. Peserta tahu akan memakai dua kacamata bergantian dan salah satunya pembanding. Mereka diminta tidak berkendara saat memakai lensa amber karena pandangan malam menjadi lebih redup. Keluhan seperti sakit kepala dicatat. Setelah penelitian, peserta mendapat penjelasan lengkap dan boleh menyimpan kacamata amber.

    Langkah 4 · Analisis

    A. Kesetaraan, kepatuhan, dan baseline periode 2

    Karakteristik awal disajikan per urutan tanpa uji statistik (Dwan dkk., 2019; Bab 23). Kedua urutan mirip: usia 20,9 ± 0,7 dan 21,8 ± 1,5 tahun; perempuan 8 (66,7%) dan 7 (58,3%); layar malam 3,2 ± 0,6 dan 3,3 ± 0,8 jam; latensi run-in 33,2 ± 9,6 dan 35,1 ± 12,9 menit. Kacamata dipakai rata-rata 2,71 ± 0,21 jam per malam saat amber dan 2,74 ± 0,31 jam saat plasebo; semua periode memenuhi syarat ≥ 2 jam.

    Tabel 23B.2 — Latensi tidur (menit) per urutan dan periode, 22 peserta lengkap (data simulasi)
    UrutanBaseline 1 (run-in)Periode 1Baseline 2 (jeda)Periode 2
    AB (n = 11)33,91 ± 9,7625,49 ± 9,58 (amber)35,40 ± 14,2340,55 ± 12,65 (plasebo)
    BA (n = 11)34,51 ± 13,3132,54 ± 18,30 (plasebo)36,06 ± 14,7028,28 ± 9,89 (amber)

    Bila efek amber masih tersisa, baseline 2 urutan AB akan lebih rendah daripada baseline 1-nya. Ternyata baseline 2 naik sedikit pada kedua urutan (+1,49 dan +1,55 menit; selisih −0,06 menit; p = 0,989): tidak tampak tanda efek sisa.

    B. Cara klasik: selisih periode dibandingkan antarurutan

    Cara Hills dan Armitage (1979): hitung d = periode 1 − periode 2 untuk setiap peserta. Pada urutan AB, d berisi efek amber dikurangi efek periode; pada urutan BA, kebalikan efek amber dikurangi efek periode. Selisih keduanya membuang efek periode:

    efek perlakuan = (d̄AB − d̄BA) / 2  ·  efek periode = −(d̄AB + d̄BA) / 2d̄AB = −15,06 dan d̄BA = 4,25 → efek amber = (−15,06 − 4,25) / 2 = −9,66 menit; efek periode = −(−15,06 + 4,25) / 2 = 5,40 menit.
    Transform▸Compute Variable

    d_periode = lat_p1 − lat_p2, lalu Analyze ▸ Compare Means ▸ Independent-Samples T Test: Test Variable = d_periode; Grouping Variable = urutan (1 = AB, 2 = BA).

    Output — Independent Samples Test
    d_periodeLevene FSig.tdfSig. (2-tailed)Mean DifferenceStd. Error Difference95% CI LowerUpper
    Equal variances assumed,813,378−3,20820,004−19,318186,02180−31,87944−6,75692

    Baris not assumed tidak ditampilkan karena Levene tidak bermakna. Group Statistics: rerata d AB −15,0636 dan BA 4,2545 (n = 11 dan 11). Mean Difference dan batas IK dibagi dua: efek amber = −9,66 menit (IK95% −15,94 sampai −3,38); t dan p tetap.

    Mengapa efek sisa tidak diuji lebih dulu?

    Dulu dianjurkan prosedur dua tahap (Grizzle, 1965): uji efek sisa dengan membandingkan jumlah (periode 1 + periode 2) antarurutan; bila bermakna, pakai periode 1 saja. Freeman (1989) menunjukkan prosedur ini menaikkan kesalahan tipe I jauh di atas 5%, bahkan tanpa efek sisa. Karena itu Prof. Nuni meminta efek sisa dicegah lewat desain dan diperiksa lewat baseline periode 2, tanpa uji pendahuluan (Senn, 2002; Jones & Kenward, 2014).

    C. Cara modern: model campuran linear

    Ubah data ke format panjang (Data ▸ Restructure): dua baris per peserta, berisi id, urutan, periode, perlakuan (1 = amber, 2 = plasebo), dan latensi.

    Analyze▸Mixed Models▸Linear
    1. Subjects = id. Dependent = latensi; Factor(s) = perlakuan, periode, urutan.
    2. Fixed → Main Effects untuk ketiga faktor. Random → Include intercept, Subject Groupings = id.
    3. Estimation: REML. Statistics → Parameter estimates for fixed effectsTests for covariance parameters.
    Output — Estimates of Fixed Effects
    ParameterEstimateStd. ErrordftSig.95% CI LowerUpper
    Intercept37,9413,94434,0699,620,00029,92645,956
    [perlakuan=1]−9,6593,01120,000−3,208,004−15,940−3,378
    [periode=1]−5,4053,01120,000−1,795,088−11,685,876
    [urutan=1]2,6144,69520,000,557,584−7,18112,408

    Baris kategori pembanding (perlakuan=2, periode=2, urutan=2; nilai 0b) tidak ditampilkan. Estimates of Covariance Parameters: Residual 99,721; Intercept [subject = id] Variance 71,394.

    [perlakuan=1] sama persis dengan cara klasik (−9,659; SE 3,011; df 20). [periode=1] = −5,405: periode 1 lebih singkat 5,4 menit daripada periode 2. [urutan=1] adalah efek urutan yang bercampur dengan efek sisa, jadi tidak dipakai untuk memilih analisis. Korelasi antarperiode = 71,394 / (71,394 + 99,721) = 0,42. Model campuran juga bisa memakai peserta yang hanya punya satu periode, kovariat, dan lebih dari dua periode.

    D. Uji t berpasangan dan data tidak lengkap

    Uji t berpasangan biasa (Bab 9) mengabaikan periode, jadi hanya sah bila tidak ada efek periode. Di sini urutannya seimbang (11 dan 11), sehingga estimasinya kebetulan sama, tetapi IK95%-nya lebih lebar (Tabel 23B.4). Bila tidak seimbang, estimasinya bias.

    Satu peserta AB menarik diri saat masa jeda dan satu peserta BA sakit di periode 2. Cara klasik hanya memakai 22 peserta lengkap (analisis kasus lengkap). Model campuran dapat ikut memakai data periode 1 kedua peserta itu, sehingga 24 peserta dianalisis menurut urutan hasil undian: paling dekat dengan prinsip intention-to-treat (Bab 22), dengan asumsi data hilang secara acak. Analisis per protokol sama dengan analisis kasus lengkap karena semua periode lengkap memenuhi syarat kepatuhan.

    Langkah 5 · Hasil dan interpretasi

    Tabel 23B.3 — Outcome saat memakai kacamata amber dan plasebo (n = 22; data simulasi)
    OutcomeAmberPlaseboEfek amber − plasebo (IK95%)p
    Latensi tidur (menit)26,89 ± 9,6136,55 ± 15,89−9,66 (−15,94 sampai −3,38)0,004
    Total waktu tidur (menit)407,8 ± 28,9401,1 ± 23,36,8 (−4,3 sampai 17,8)0,218
    Kualitas tidur (1–5)3,46 ± 0,522,96 ± 0,460,50 (0,26 sampai 0,74)< 0,001

    Rerata ± SD dari rerata 7 malam per periode. Efek dihitung dengan penyesuaian periode dari data sebelum dibulatkan. Efek periode (periode 2 − periode 1): latensi 5,40 menit (IK95% −0,88 sampai 11,69; p = 0,088); total waktu tidur 0,1 menit (p = 0,986); kualitas tidur 0,15 (p = 0,206).

    Gambar 23B.2 — Latensi tidur tiap peserta saat plasebo dan amber

    Satu garis = satu peserta (arahkan kursor untuk melihat nilainya); garis tebal = rerata (n = 22; data simulasi)
    0204060Latensi tidur (menit)15 peserta: lebih singkat saat amber7 peserta: lebih lama saat amberP01 (AB): 50,2 → 30,8P02 (BA): 38,9 → 25,5P04 (AB): 30,7 → 29,9P05 (BA): 56,1 → 46,8P07 (BA): 22,7 → 18,9P08 (AB): 52,3 → 10,7P10 (AB): 41,8 → 26,6P15 (AB): 32,0 → 23,1P16 (AB): 42,3 → 17,1P17 (BA): 66,5 → 38,3P18 (AB): 61,0 → 17,9P19 (BA): 25,6 → 24,8P21 (AB): 17,1 → 14,7P22 (BA): 46,7 → 28,1P23 (AB): 50,3 → 37,6P03 (BA): 23,0 → 24,7P09 (AB): 39,2 → 40,0P11 (BA): 35,5 → 39,6P12 (BA): 5,3 → 13,3P14 (BA): 14,6 → 20,7P20 (AB): 29,2 → 32,0P24 (BA): 23,0 → 30,4Rerata plasebo: 36,55 menitRerata amber: 26,89 menit36,5526,89PlaseboAmber

    Latensi 15 dari 22 peserta (68,2%) lebih singkat saat memakai amber, dan 9 peserta (40,9%) turun ≥ 10 menit. Namun, jangan langsung menyebut mereka "responder". Latensi seseorang berubah dari minggu ke minggu walaupun perlakuannya sama, dan dengan satu pasang periode per orang, respons pribadi tidak dapat dipisahkan dari variasi acak itu (Senn, 2016).

    Tabel 23B.4 — Efek amber pada latensi tidur menurut cara analisis (data simulasi)
    Cara analisisDataEfek (menit)IK95%p
    Selisih periode antarurutan = model campuran22 lengkap−9,66−15,94 sampai −3,380,004
    Model campuran, semua data24 (2 hanya periode 1)−10,15−16,30 sampai −4,000,003
    Uji t berpasangan tanpa periode22 lengkap−9,66−16,24 sampai −3,070,006
    Periode 1 saja (dua kelompok)12 lawan 12−8,71−20,78 sampai 3,360,149

    Membuang periode 2 membuat IK95% hampir dua kali lebih lebar dan tidak lagi bermakna, karena perbandingannya kembali antarindividu.

    Kalimat hasil Yoga

    "Latensi tidur saat memakai kacamata amber 9,66 menit lebih singkat daripada saat memakai kacamata plasebo (26,89 ± 9,61 lawan 36,55 ± 15,89 menit; IK95% −15,94 sampai −3,38; p = 0,004; n = 22). Latensi periode 2 cenderung 5,40 menit lebih lama, tetapi tidak bermakna (p = 0,088). Total waktu tidur tidak berbeda bermakna (6,8 menit; IK95% −4,3 sampai 17,8; p = 0,218), sedangkan kualitas tidur subjektif lebih baik saat memakai amber (0,50 poin; IK95% 0,26–0,74; p < 0,001). Model campuran dengan seluruh 24 peserta memberi hasil serupa (−10,15 menit; IK95% −16,30 sampai −4,00)."

    Coba sendiri: efek periode dan efek sisa

    Nilai awal adalah estimasi Yoga yang dibulatkan; latensi dasar (plasebo, periode 1) dari model = 33,8 menit. Geser efek periode dan efek sisa, lalu ubah keseimbangan urutan. Titik penuh = amber, titik kosong = plasebo.

    Langkah 6 · Pembahasan dan kesimpulan

    Kacamata amber memperpendek latensi tidur sekitar 10 menit, mendekati beda terkecil yang dianggap penting, tetapi IK95%-nya lebar (pemendekan 3,4 sampai 15,9 menit). Temuan ini sejalan dengan efek cahaya layar malam terhadap melatonin (Chang dkk., 2015) dan dengan uji silang pada penderita insomnia yang tidurnya membaik dengan lensa amber (Shechter dkk., 2018). Namun, tinjauan sistematis menilai buktinya masih bercampur dan sangat tidak pasti (Shechter dkk., 2020; Singh dkk., 2023). Menurut peneliti, kacamata amber layak dicoba sebagai langkah murah, tetapi tidak menggantikan kebiasaan menjauhkan gawai sebelum tidur. Keterbatasan: 16 dari 22 peserta (72,7%) benar menebak lensa amber sebagai penyaring, sehingga kualitas tidur yang dilaporkan sendiri rawan bias harapan; aktigraf kurang akurat daripada polisomnografi; periode hanya 7 malam; sampel kecil dari satu universitas.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh kacamata penyaring cahaya biru terhadap latensi tidur mahasiswa: latensi saat memakai amber 9,66 menit lebih singkat daripada saat memakai plasebo (p = 0,004).

    2. Tidak terdapat perbedaan total waktu tidur yang bermakna antara kedua kacamata (6,8 menit; p = 0,218).

    3. Kualitas tidur subjektif lebih baik saat memakai amber (0,50 poin; p < 0,001), tetapi perlu dibaca hati-hati karena penyamaran peserta tidak sempurna.

    Awas, keliru!
    • Memakai uji silang untuk perlakuan yang efeknya menetap (edukasi, operasi, obat penyembuh) atau outcome yang terjadi sekali.
    • Menganalisis sebagai dua kelompok independen, atau memakai uji t berpasangan tanpa memperhitungkan periode.
    • Menguji efek sisa lebih dulu lalu memakai periode 1 saja bila bermakna (Freeman, 1989).
    • Mengira efek sisa bisa dikoreksi dengan statistik. Efek sisa dicegah dengan masa jeda.
    • Menyebut "15 responder" dari satu pasang periode per orang.
    • Tidak melaporkan rerata per urutan dan per periode, sehingga efek periode tidak dapat dinilai pembaca.
    Pojok S2–S3
    • Tiga perlakuan atau lebih: desain Williams, bujur sangkar Latin yang disusun agar setiap perlakuan didahului perlakuan lain sama seringnya. Tiga perlakuan memerlukan 6 urutan, empat perlakuan cukup 4 (Williams, 1949; Jones & Kenward, 2014).
    • Uji n-of-1: uji silang pada satu pasien dengan beberapa pasang periode aktif–plasebo berurutan acak (Guyatt dkk., 1986). Pengulangan seperti ini yang dapat menunjukkan respons pribadi (Senn, 2016).
    • Uji bioekivalensi obat generik lazim memakai desain 2×2 pada relawan sehat. AUC dan Cmaks dianalisis dalam skala logaritma; bioekivalen bila IK90% rasio rerata geometriknya di dalam 80–125%. Masa jeda biasanya minimal lima kali waktu paruh obat (Jones & Kenward, 2014).
    • Laporkan dengan CONSORT untuk uji silang (Dwan dkk., 2019): alasan desain silang dan lama masa jeda, diagram alur per urutan dan periode, tabel awal per urutan, dan estimasi dalam subjek dengan IK95%.
    • Periksa asumsi perencanaan: Yoga mengasumsikan σd = 13,4; data memberi √(2 × 99,721) = 14,1. Jangan menghitung "power post hoc" dari efek teramati; laporkan IK95%.
    Intinya
    • Uji silang memberi setiap peserta semua perlakuan dalam urutan acak. Setiap orang menjadi kontrol dirinya sendiri, sehingga sampelnya jauh lebih kecil (15 lawan 72 di contoh ini).
    • Desain ini hanya cocok untuk kondisi stabil dan efek yang cepat hilang. Efek sisa dicegah dengan masa jeda dan diperiksa lewat baseline periode 2, bukan dengan uji pendahuluan.
    • Besar sampel dihitung dari SD selisih dalam subjek: σd = SD × √(2(1 − ρ)).
    • Analisis harus memperhitungkan periode: uji t pada selisih periode antarurutan atau model campuran linear. Laporkan efek perlakuan dengan IK95% dan efek periodenya.
    Coba sendiri: kuis uji silang
    Bab 23C

    Contoh Lengkap Rancangan Acak Lengkap (RAL)

    Rancangan acak lengkap (RAL) adalah rancangan percobaan paling sederhana: semua perlakuan diundi penuh ke satuan percobaan yang seragam, tanpa pengelompokan. RAL cocok untuk laboratorium, rumah kaca, dan bahan yang homogen. Bila ada sumber keragaman yang sudah diketahui, misalnya gradien cahaya atau lereng, dipakai rancangan acak kelompok (Gomez & Gomez, 1984; Montgomery, 2019).

    SMP–SMAS1S2–S3

    RAL, RAK, faktorial, atau RCT?

    Dalam RAL, satu-satunya perbedaan yang disengaja antarsatuan percobaan adalah perlakuan. Keragaman lain masuk ke galat. Karena itu RAL hanya adil bila satuan percobaan seragam: media dari satu adukan, benih dari satu lot, dan tempat yang cahayanya merata. Lima kelompok tikus pada eksperimen sambiloto di Bab 23 juga dirancang dengan RAL.

    Tabel 23C.1 — RAL dibanding rancangan lain
    RancanganCara mengacakCocok bilaCatatan (5 perlakuan, 5 ulangan)
    RALSemua perlakuan diundi ke semua satuan sekaligusSatuan seragam: laboratorium, rumah kaca, cawan petri, hewan coba seragamdb galat = t(r − 1) = 20; analisis paling sederhana
    RAK (acak kelompok)Diundi terpisah di dalam setiap kelompok; setiap kelompok berisi semua perlakuan (contoh lengkap: Bab 23D)Ada gradien yang diketahui: cahaya, lereng, kesuburan, hari atau batch pengerjaandb galat = (t − 1)(r − 1) = 16; keragaman antarkelompok dikeluarkan dari galat
    Faktorial (Bab 44)Kombinasi taraf dua faktor atau lebih diundi dalam RAL atau RAKIngin menguji interaksi, misalnya konsentrasi POC × varietasAda efek utama dan interaksi
    RCT (Bab 22)Individu diundi, dengan penyembunyian alokasi dan penyamaranIntervensi pada manusiaAnalisis RCT paralel sederhana setara dengan RAL dua perlakuan; RCT menambah etik, ITT, dan CONSORT
    Yij = μ + τi + εijYij = hasil pengamatan satuan percobaan ke-j pada perlakuan ke-i · μ = rerata umum · τi = pengaruh perlakuan ke-i · εij = galat percobaan, dianggap menyebar normal, saling bebas, dengan ragam yang sama. Tidak ada suku kelompok: itulah ciri RAL.
    Tabel 23C.2 — Istilah baku rancangan percobaan
    IstilahArtiDalam percobaan Andi
    Perlakuan, tarafKondisi yang sengaja diberikan; taraf = tingkatannyaKonsentrasi POC: P0 0, P1 50, P2 100, P3 150, P4 200 mL/L
    Satuan percobaanSatuan terkecil yang diundi dan menerima perlakuan secara bebasSatu polybag
    Ulangan (r)Banyaknya satuan percobaan per perlakuan5 polybag per taraf; kode P2U3 = P2 ulangan 3
    SubsampelPengamatan di dalam satu satuan percobaan3 tanaman per polybag
    Galat percobaanKeragaman antarsatuan yang mendapat perlakuan samaBeda antara P2U1, P2U2, …, P2U5
    HST, MSTHari dan minggu setelah (pindah) tanamPengamatan 1–5 MST; panen 35 HST

    Langkah 1 · Judul

    Andi, teman Rara, sedang menyelesaikan S1 Agroteknologi di Universitas X Palembang. Kulit pisang kepok menumpuk di kantin fakultas setiap hari, dan ia ingin tahu apakah kulit itu bisa menjadi pupuk organik cair (POC) untuk sawi. Percobaannya dilakukan di screen house fakultas.

    Pengaruh Konsentrasi Pupuk Organik Cair Kulit Pisang Kepok terhadap Pertumbuhan dan Hasil Tanaman Sawi (Brassica juncea L.) dalam Polybag
    Kata kunciPerlakuanVariabel responsTanamanMedia dan tempat
    • Konsentrasi POC: mL POC dalam 1 liter larutan siram. Faktornya kuantitatif, sehingga selain dibandingkan antartaraf, responsnya bisa digambar sebagai kurva.
    • Pertumbuhan: tinggi tanaman 1–5 MST dan jumlah daun 5 MST. Hasil: bobot segar tajuk per tanaman saat panen.

    Kata "pengaruh" sah karena Andi sendiri memberikan perlakuan dan mengundi penempatannya (Bab 1).

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah terdapat pengaruh konsentrasi POC kulit pisang terhadap pertumbuhan dan hasil sawi?
    H1: paling sedikit satu taraf konsentrasi memberi rerata yang berbeda
    Sidik ragam RAL (uji F, α 5% dan 1%)
    Sangat nyata pada tinggi 3–5 MST, jumlah daun, dan bobot segar
    2
    Konsentrasi berapa yang memberi pertumbuhan dan hasil terbaik?
    Tanpa hipotesis arah; semua pasangan dibandingkan
    Uji lanjut BNJ 5%
    150 mL/L tertinggi, tidak berbeda nyata dengan 100 dan 200 mL/L
    3
    Bagaimana bentuk respons bobot segar terhadap konsentrasi, dan berapa konsentrasi optimumnya?
    H3: respons kuadratik (naik lalu turun)
    Polinomial ortogonal dan regresi kuadratik
    Kuadratik nyata; optimum 143 mL/L
    H₀: τ₁ = τ₂ = τ₃ = τ₄ = τ₅ = 0  lawan  H₁: paling sedikit satu τi ≠ 0i = 1 sampai 5 untuk P0 sampai P4. Sidik ragam hanya menjawab "ada perbedaan atau tidak". Pasangan mana yang berbeda dijawab uji lanjut; bentuk kurva dijawab polinomial ortogonal.

    Langkah 3 · Taraf, ulangan, dan pengacakan

    Taraf perlakuan ditentukan dari uji pendahuluan pada 8 polybag (0, 100, 200, dan 300 mL/L; data simulasi): pada 300 mL/L tepi daun menguning dan tanaman tampak kerdil. Batas atas ditetapkan 200 mL/L, lalu dibagi rata menjadi lima taraf berjarak sama, 0 sampai 200 mL/L. Jarak yang sama memudahkan analisis polinomial ortogonal.

    (t − 1)(r − 1) ≥ 15  →  (5 − 1)(r − 1) ≥ 15  →  r ≥ 4,75  →  5 ulanganRumus Federer (Bab 5; Federer, 1955): t = 5 perlakuan, r = ulangan. Total 5 × 5 = 25 polybag; db galat RAL = t(r − 1) = 20. Bibit cadangan disiapkan untuk menyulam tanaman yang mati sebelum 1 MST.
    Satu polybag, tiga tanaman: ulangannya berapa?

    POC dikocorkan ke media polybag. Ketiga tanaman di dalamnya menerima larutan yang sama dan berbagi media, posisi, dan kesalahan penyiraman yang sama. Jadi mereka subsampel, bukan ulangan. Andi merata-ratakan ketiga tanaman menjadi satu nilai per polybag, sehingga n analisis = 25 dan db galat = 20. Mengukur tiga tanaman tetap berguna karena rerata per polybag menjadi lebih stabil. Menganalisis 75 tanaman seolah-olah ulangan disebut pseudoreplikasi (Hurlbert, 1984).

    Pengacakan dikerjakan sebelum polybag ditata di meja:

    1. Beri kode 25 satuan percobaan: P0U1 sampai P4U5.

    2. Beri setiap kode bilangan acak tiga angka, dari tabel bilangan acak atau =RANDBETWEEN(100;999) di spreadsheet, lalu salin sebagai nilai agar tidak berubah.

    3. Urutkan kode menurut bilangan acak dari yang terkecil. P4U2 (112) menjadi posisi 1, P3U5 (166) posisi 2, dan seterusnya.

    4. Tata polybag menurut urutan itu: posisi 1–5 di baris 1 dari kiri ke kanan, posisi 6–10 di baris 2, dan seterusnya. Simpan daftar undian sebagai lampiran.

    Gambar 23C.1 — Denah acak 25 polybag percobaan Andi

    Tampak atas meja di tengah screen house; jarak antarpolybag 30 cm. Makin gelap kotak, makin pekat POC.
    P0 0P1 50P2 100P3 150P4 200 mL/L
    Baris 1Baris 2Baris 3Baris 4Baris 5 P4U2: 200 mL/L; bilangan acak 112 P3U5: 150 mL/L; bilangan acak 166 P4U5: 200 mL/L; bilangan acak 171 P3U4: 150 mL/L; bilangan acak 304 P0U5: 0 mL/L; bilangan acak 311 P4U4: 200 mL/L; bilangan acak 344 P2U1: 100 mL/L; bilangan acak 378 P1U2: 50 mL/L; bilangan acak 401 P4U1: 200 mL/L; bilangan acak 411 P0U3: 0 mL/L; bilangan acak 421 P0U2: 0 mL/L; bilangan acak 448 P3U3: 150 mL/L; bilangan acak 451 P2U2: 100 mL/L; bilangan acak 459 P2U3: 100 mL/L; bilangan acak 476 P3U1: 150 mL/L; bilangan acak 530 P0U1: 0 mL/L; bilangan acak 608 P0U4: 0 mL/L; bilangan acak 633 P2U5: 100 mL/L; bilangan acak 680 P4U3: 200 mL/L; bilangan acak 720 P1U1: 50 mL/L; bilangan acak 763 P2U4: 100 mL/L; bilangan acak 846 P1U5: 50 mL/L; bilangan acak 858 P3U2: 150 mL/L; bilangan acak 955 P1U4: 50 mL/L; bilangan acak 966 P1U3: 50 mL/L; bilangan acak 986 P4U2P3U5P4U5P3U4P0U5 P4U4P2U1P1U2P4U1P0U3 P0U2P3U3P2U2P2U3P3U1 P0U1P0U4P2U5P4U3P1U1 P2U4P1U5P3U2P1U4P1U3

    Perhatikan baris 5: P1 muncul tiga kali. Itu wajar pada RAL; dalam simulasi, sekitar 6 dari 10 undian menaruh satu perlakuan tiga kali atau lebih dalam satu baris. Di meja Andi hal ini tidak masalah karena pengukuran lux meter di 9 titik menunjukkan beda cahaya yang kecil dan tidak berpola. Bila baris 5 lebih teduh, efek P1 akan tercampur dengan efek teduh, dan RAK menjadi pilihan yang lebih tepat.

    Coba sendiri: acak denah RAL dan RAK

    Bayangkan meja menempel dinding kaca di sisi atas denah. Klik “Acak ulang” beberapa kali pada RAL dan amati perlakuan yang kebetulan menumpuk di satu baris. Lalu pilih RAK: setiap baris menjadi satu kelompok yang berisi kelima perlakuan. Geser jumlah ulangan untuk memeriksa rumus Federer. Kode dan warna sama dengan Gambar 23C.1.

    Langkah 4 · Pelaksanaan dan pengamatan

    • POC: 1 kg kulit pisang kepok dicacah, dicampur 1 L air, 100 g gula merah, dan 50 mL bioaktivator komersial, difermentasi tertutup 14 hari, lalu disaring. Semua perlakuan memakai satu batch POC, yang dianalisis di laboratorium tanah (N, P, K, C-organik, pH) karena kandungannya berbeda menurut jenis pisang dan lama fermentasi.
    • Hal yang disamakan: media tanah lapisan atas dan pupuk kandang 2 : 1 dari satu adukan, 5 kg per polybag 35 × 35 cm; benih satu varietas dan satu lot; bibit umur 14 hari dengan 3–4 helai daun; 3 bibit per polybag; penyiraman pagi dan sore dengan volume sama; tanpa pupuk anorganik.
    • Aplikasi: 100 mL larutan per polybag pada 7, 14, 21, dan 28 HST, setelah pengukuran mingguan. P0 menerima 100 mL air agar volume siraman sama.
    Tabel 23C.3 — Variabel pengamatan
    VariabelWaktuCara ukurSatuan
    Tinggi tanaman1, 2, 3, 4, 5 MSTDari pangkal batang (ditandai ajir) sampai ujung daun tertinggi yang diluruskan, dengan penggariscm
    Jumlah daun5 MSTDaun yang telah membuka sempurnahelai
    Bobot segarPanen, 35 HSTTanaman dicabut, akar dipotong, tajuk ditimbang dengan timbangan digital 0,01 gg/tanaman

    Setiap variabel diukur pada 3 tanaman, lalu dirata-ratakan per polybag. Pengukuran berjalan menurut nomor posisi di meja, bukan per perlakuan, agar kelelahan atau bias pengukur tidak menumpuk pada satu perlakuan.

    Etik dan integritas. Percobaan tanaman tanpa manusia dan hewan umumnya tidak memerlukan persetujuan komisi etik (bandingkan Bab 7A dan Bab 7B). Kewajiban Andi tetap ada: izin memakai screen house, buku catatan lapangan yang diisi setiap hari dan tidak diubah belakangan, keselamatan kerja (tutup botol fermentasi dibuka berkala agar gas keluar), serta pembuangan sisa POC dan media menurut aturan laboratorium.

    Langkah 5 · Analisis: sidik ragam, asumsi, dan uji lanjut

    A. Sidik ragam

    Data diketik satu baris per polybag: perlakuan (0–4, label P0–P4), kons (0–200), ulangan, tinggi1 sampai tinggi5, daun5, dan bobot. Nilainya rerata 3 tanaman (dari data per tanaman: Data ▸ Aggregate, Break Variable = perlakuan dan ulangan). Perhitungan manual untuk bobot segar:

    FK = (ΣY)² / (t × r) = 2.253,58² / 25 = 203.144,91
    JK total = ΣY² − FK = 207.525,31 − 203.144,91 = 4.380,40
    JK perlakuan = ΣTi² / r − FK = 206.489,20 − 203.144,91 = 3.344,29
    JK galat = 4.380,40 − 3.344,29 = 1.036,11
    FK = faktor koreksi · Ti = total perlakuan ke-i (349,53; 427,71; 489,11; 513,60; 473,63) · KT = JK / db · F hitung = KT perlakuan / KT galat = 836,07 / 51,81 = 16,14.
    Tabel 23C.4 — Sidik ragam bobot segar per tanaman (data simulasi)
    Sumber keragaman (SK)dbJKKTF hitungF tabel 5%F tabel 1%
    Perlakuan43.344,29836,0716,14**2,874,43
      Linear12.232,322.232,3243,09**4,358,10
      Kuadratik11.066,341.066,3420,58**4,358,10
      Kubik145,4745,470,88tn4,358,10
      Kuartik10,160,160,003tn4,358,10
    Galat201.036,1151,81
    Total244.380,40

    KK = 7,98%. ** sangat nyata (F hitung > F tabel 1%, setara p < 0,01); * nyata (F hitung > F tabel 5%, setara p < 0,05); tn tidak nyata. F tabel dicari pada db pembilang = db SK dan db penyebut = db galat, misalnya F(4; 20). Baris linear sampai kuartik memecah JK perlakuan (jumlahnya 3.344,29) dengan koefisien polinomial ortogonal untuk 5 taraf berjarak sama, misalnya linear −2, −1, 0, 1, 2 dan kuadratik 2, −1, −2, −1, 2 (Gomez & Gomez, 1984).

    KK = √KT galat / Ȳ.. × 100% = √51,806 / 90,143 × 100% = 7,1976 / 90,143 × 100% = 7,98%Koefisien keragaman menggambarkan ketelitian percobaan: simpangan baku galat sekitar 8% dari rerata umum. KK yang wajar berbeda menurut jenis percobaan, tanaman, dan variabel (Gomez & Gomez, 1984). Di data Andi, KK tinggi tanaman hanya 3,80–4,33%, sedangkan bobot segar 7,98%.

    Di Indonesia beredar aturan memilih uji lanjut menurut KK: pada kondisi homogen, KK ≤ 5% memakai BNJ, 5–10% memakai BNT, dan ≥ 10% memakai Duncan (Hanafiah, 2011). Menurut aturan itu, KK 7,98% mengarah ke BNT. Gomez dan Gomez (1984) serta Montgomery (2019) mengaitkan pilihan uji lanjut dengan jenis perbandingan yang direncanakan dan ketatnya pengendalian galat tipe I; KK tidak menjadi dasarnya. Andi ingin membandingkan semua pasangan, jadi ia menetapkan BNJ 5% di proposal, sebelum data ada.

    B. Uji asumsi galat

    Analyze▸General Linear Model▸Univariate

    Dependent = bobot; Fixed Factor = perlakuan; Save → Unstandardized residuals. SPSS membuat kolom RES_1, yaitu galat (nilai polybag dikurangi rerata perlakuannya). Lalu Analyze ▸ Descriptive Statistics ▸ Explore: Dependent = RES_1; Plots → Normality plots with tests. Normalitas diuji pada galat 25 polybag, bukan pada 5 data per perlakuan yang terlalu sedikit.

    Output — Tests of Normality dan Test of Homogeneity of Variances
    Tests of NormalityShapiro-Wilk StatisticdfSig.
    Residual for bobot,95625,345
    Test of Homogeneity of VariancesLevene Statisticdf1df2Sig.
    bobot, Based on Mean,222420,923

    Kolom Kolmogorov-Smirnov tidak ditampilkan; n = 25 < 50, jadi yang dibaca Shapiro–Wilk (Bab 9). Levene dari One-Way ANOVA (bagian C).

    Galat menyebar normal (p = 0,345) dan ragam kelima perlakuan homogen (Levene p = 0,923). Uji Bartlett, yang lazim di buku rancangan percobaan, tidak tersedia di menu One-Way ANOVA; dihitung di spreadsheet atau R, hasilnya sejalan: χ²(4) = 0,47; p = 0,976. Pada tinggi dan jumlah daun, asumsi juga terpenuhi (Tabel 23C.6).

    C. Uji F, polinomial, dan uji lanjut di SPSS

    Analyze▸Compare Means▸One-Way ANOVA
    1. Dependent List = tinggi1 sampai tinggi5, daun5, bobot; Factor = perlakuan.
    2. Contrasts → Polynomial, Degree = Quadratic.
    3. Post Hoc → Tukey (= BNJ); bila perlu pembanding, LSD (= BNT) dan Duncan (= DMRT). Significance level 0,05.
    4. Options → DescriptiveHomogeneity of variance test.
    Output — ANOVA (bobot)
    Sum of SquaresdfMean SquareFSig.
    Between Groups (Combined)3344,2864836,07216,139,000
      Linear Term: Contrast2232,32312232,32343,090,000
      Linear Term: Deviation1111,9643370,6557,155,002
      Quadratic Term: Contrast1066,33911066,33920,583,000
      Quadratic Term: Deviation45,625222,812,440,650
    Within Groups1036,1142051,806
    Total4380,40024

    Deviation setelah suku linear masih nyata (p = 0,002), jadi garis lurus belum cukup. Deviation setelah suku kuadratik (= kubik + kuartik) tidak nyata (p = 0,650): kurva kuadratik sudah memadai.

    Output — Homogeneous Subsets: bobot, Tukey HSDa
    perlakuanNSubset for alpha = 0,05: 123
    P0 (0 mL/L)569,906
    P1 (50 mL/L)585,542
    P4 (200 mL/L)594,72694,726
    P2 (100 mL/L)597,82297,822
    P3 (150 mL/L)5102,720
    Sig.1,000,090,425

    Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 5,000. Setiap kolom subset menjadi satu huruf: subset 1 = a, subset 2 = b, subset 3 = c.

    Tabel 23C.5 — Tiga uji lanjut yang lazim, dihitung pada bobot segar
    UjiNilai pembandingRumus (r = 5; db galat = 20)Sifat dan pemakaian
    BNT (LSD)9,50 gt(0,025; 20) × √(2 KTG / r) = 2,086 × 4,552Paling longgar. Tepat untuk sedikit perbandingan terencana, misalnya setiap taraf lawan kontrol; untuk semua pasangan, peluang "nyata" palsu membengkak.
    BNJ (Tukey HSD)13,62 gq(0,05; 5; 20) × √(KTG / r) = 4,23 × 3,219Satu nilai untuk semua pasangan; menjaga galat tipe I seluruh perbandingan. Paling ketat; dipakai Andi.
    DMRT (Duncan)9,50–10,48 gSSR(0,05; p; 20) × √(KTG / r); SSR 2,95; 3,10; 3,19; 3,25 untuk jarak p = 2–5Nilai pembanding naik menurut jarak peringkat dua rerata; lebih mudah menyatakan "berbeda" daripada BNJ. Populer di penelitian pertanian (Duncan, 1955).

    Dengan BNT dan DMRT, P1 dan P2 berbeda nyata (selisih 12,28 g lebih besar daripada 9,50 dan 9,97 g). Dengan BNJ tidak (12,28 < 13,62 g; p Tukey = 0,090). Uji yang berbeda dapat memberi huruf yang berbeda, jadi uji dan tarafnya wajib ditulis di bawah tabel.

    Cara memberi huruf dengan BNJ (huruf a untuk rerata terkecil; sebagian peneliti memulai dari yang terbesar, asal dijelaskan):

    1. Urutkan rerata dari kecil ke besar: P0 69,91; P1 85,54; P4 94,73; P2 97,82; P3 102,72.

    2. P0 + 13,62 = 83,53. Hanya P0 yang ≤ 83,53, jadi P0 mendapat a.

    3. P1 + 13,62 = 99,16. P1, P4, dan P2 ≤ 99,16, jadi ketiganya mendapat b.

    4. P4 + 13,62 = 108,35. P4, P2, dan P3 mendapat c. Langkah dari P2 (111,44) tidak menambah kelompok baru. Hasilnya: P0 a, P1 b, P2 bc, P3 c, P4 bc, sama dengan subset SPSS.

    D. Kurva respons dan konsentrasi optimum

    Karena konsentrasi adalah faktor kuantitatif, huruf saja membuang informasi: huruf tidak menunjukkan di mana puncak respons berada. Gomez dan Gomez (1984) menganjurkan analisis tren atau regresi untuk perlakuan seperti ini.

    Analyze▸Regression▸Curve Estimation

    Dependent = bobot; Independent = kons; Models → LinearQuadratic. Pakai 25 data polybag, bukan 5 rerata.

    Output — Model Summary and Parameter Estimates
    EquationR SquareFdf1df2Sig.Constantb1b2
    Linear,51023,902123,00076,780,134
    Quadratic,75333,544222,00068,974,446−,002

    Dependent Variable: bobot. The independent variable is kons. Klik dua kali sel b2 untuk melihat nilai lengkapnya: −0,0015612.

    ŷ = 68,97 + 0,4459x − 0,001561x²  (R² = 0,753)
    xopt = −b₁ / (2b₂) = −0,445876 / (2 × −0,0015612) = 142,8 ≈ 143 mL/L
    ŷmaks = 68,974 + 0,445876 × 142,8 − 0,0015612 × 142,8² = 100,8 g/tanaman
    Pakai koefisien lengkap. Dengan b₂ = −0,002 hasil pembulatan SPSS, optimum menjadi 111 mL/L, keliru sekitar 31 mL/L. Regresi pada 5 rerata memberi persamaan yang sama tetapi R² 0,986; angka itu tampak bagus karena keragaman antarpolybag sudah dibuang. Laporkan R² dari 25 data.

    Langkah 6 · Hasil

    Tabel 23C.6 — Rangkuman sidik ragam dan uji asumsi semua variabel (data simulasi)
    VariabelF hitungNotasiKK (%)Shapiro–Wilk p (galat)Levene p
    Tinggi tanaman 1 MST1,10tn4,330,3460,449
    Tinggi tanaman 2 MST3,97*4,320,1790,602
    Tinggi tanaman 3 MST12,59**3,920,3970,446
    Tinggi tanaman 4 MST24,29**4,000,7710,585
    Tinggi tanaman 5 MST34,08**3,800,1480,625
    Jumlah daun 5 MST9,74**6,840,0790,237
    Bobot segar per tanaman16,14**7,980,3450,923

    F tabel (4; 20) = 2,87 (5%) dan 4,43 (1%). ** sangat nyata; * nyata; tn tidak nyata.

    Pola tinggi tanaman masuk akal. Pada 1 MST, sebelum POC pertama diberikan, perlakuan tidak nyata (F = 1,10): bibit memang seragam di awal. Pengaruh mulai nyata pada 2 MST dan sangat nyata sejak 3 MST.

    Tabel 23C.7 — Rerata pertumbuhan dan hasil sawi pada lima konsentrasi POC (data simulasi)
    PerlakuanTinggi 5 MST (cm)Jumlah daun 5 MST (helai)Bobot segar (g/tanaman)
    P0 (0 mL/L)23,78 ± 1,28 a8,67 ± 0,53 a69,91 ± 7,12 a
    P1 (50 mL/L)26,32 ± 1,30 b8,87 ± 0,73 a85,54 ± 7,01 b
    P2 (100 mL/L)28,82 ± 0,85 c10,27 ± 0,83 b97,82 ± 5,78 bc
    P3 (150 mL/L)30,73 ± 1,05 c10,67 ± 0,47 b102,72 ± 7,65 c
    P4 (200 mL/L)29,38 ± 0,66 c10,40 ± 0,72 b94,73 ± 8,20 bc
    BNJ 5%2,001,2713,62

    Rerata ± SD dari 5 polybag (setiap polybag = rerata 3 tanaman). Angka dalam satu kolom yang diikuti huruf yang sama tidak berbeda nyata menurut uji BNJ pada taraf 5%; huruf a untuk rerata terkecil.

    Gambar 23C.2 — Kurva respons bobot segar sawi terhadap konsentrasi POC

    Titik pucat = 25 polybag; titik tegas = rerata perlakuan dengan notasi BNJ 5%; garis = regresi kuadratik (data simulasi).
    60 80 100 120 0 50 100 150 200 Konsentrasi POC kulit pisang (mL/L) Bobot segar (g/tanaman) ŷ = 68,97 + 0,4459x − 0,001561x² (R² = 0,753) P0U1: 65,87 g P0U2: 63,00 g P0U3: 65,43 g P0U4: 77,43 g P0U5: 77,80 g P1U1: 77,37 g P1U2: 92,20 g P1U3: 78,60 g P1U4: 90,67 g P1U5: 88,87 g P2U1: 94,17 g P2U2: 106,17 g P2U3: 101,57 g P2U4: 93,00 g P2U5: 94,20 g P3U1: 104,33 g P3U2: 90,20 g P3U3: 105,97 g P3U4: 102,37 g P3U5: 110,73 g P4U1: 93,13 g P4U2: 99,53 g P4U3: 105,90 g P4U4: 84,80 g P4U5: 90,27 g P0 (0 mL/L): rerata 69,91 g, notasi BNJ a P1 (50 mL/L): rerata 85,54 g, notasi BNJ b P2 (100 mL/L): rerata 97,82 g, notasi BNJ bc P3 (150 mL/L): rerata 102,72 g, notasi BNJ c P4 (200 mL/L): rerata 94,73 g, notasi BNJ bc a b bc c bc optimum ≈ 143 mL/L ŷ maks = 100,8 g

    Bobot segar naik tajam dari 0 ke 100 mL/L, mendatar di sekitar 150 mL/L, lalu turun pada 200 mL/L. Dibanding kontrol, P3 menambah bobot 32,81 g (46,9%). Namun P2, P3, dan P4 tidak berbeda nyata, dan IK95% konsentrasi optimum cukup lebar (Pojok S2–S3).

    Kalimat hasil Andi

    "Konsentrasi POC kulit pisang berpengaruh sangat nyata terhadap bobot segar sawi (F(4; 20) = 16,14; p < 0,001; KK = 7,98%). Bobot segar tertinggi diperoleh pada 150 mL/L (102,72 g/tanaman) dan tidak berbeda nyata dengan 100 mL/L (97,82 g) maupun 200 mL/L (94,73 g), tetapi nyata lebih tinggi daripada 50 mL/L (85,54 g) dan kontrol (69,91 g) menurut uji BNJ 5%. Respons bersifat kuadratik, ŷ = 68,97 + 0,4459x − 0,001561x² (R² = 0,75), dengan konsentrasi optimum 143 mL/L dan bobot segar maksimum dugaan 100,8 g/tanaman. Tinggi tanaman 3–5 MST dan jumlah daun 5 MST juga dipengaruhi sangat nyata."

    Langkah 7 · Pembahasan dan kesimpulan

    POC kulit pisang menambah tinggi, jumlah daun, dan bobot segar sawi. Responsnya kuadratik: naik sampai sekitar 143 mL/L, lalu menurun. Kulit pisang kaya kalium; pada kulit enam varietas pisang, kalium adalah mineral yang paling dominan (Emaga dkk., 2007). Tambahan hara dan bahan organik diduga menjadi sebab naiknya pertumbuhan, sedangkan penurunan pada 200 mL/L mungkin berkaitan dengan larutan yang terlalu pekat, sejalan dengan gejala daun pada uji pendahuluan 300 mL/L. Keduanya masih dugaan karena serapan hara tidak diukur. Menurut peneliti, 100 mL/L sudah layak dianjurkan kepada petani sayur: hasilnya tidak berbeda nyata dengan 150 mL/L dan bahan POC lebih hemat sepertiga. Keterbatasan: satu varietas, satu musim tanam, dan satu batch POC; percobaan di polybag dalam screen house, belum di lahan; kandungan hara jaringan tanaman tidak dianalisis; lima ulangan hanya cukup untuk mendeteksi selisih yang besar.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh konsentrasi POC kulit pisang terhadap pertumbuhan sawi (tinggi tanaman 3–5 MST dan jumlah daun 5 MST) dan hasil sawi (bobot segar per tanaman).

    2. Konsentrasi 150 mL/L memberi bobot segar tertinggi (102,72 g/tanaman), tidak berbeda nyata dengan 100 dan 200 mL/L, tetapi lebih tinggi daripada 50 mL/L dan kontrol.

    3. Respons bobot segar terhadap konsentrasi POC bersifat kuadratik, dengan konsentrasi optimum 143 mL/L dan bobot segar dugaan 100,8 g/tanaman.

    Proyek KIR: air cucian beras untuk kecambah kacang hijau

    Bima ingin tahu apakah air cucian beras membuat kecambah kacang hijau lebih panjang. Ini RAL mini.

    1. Siapkan 15 gelas plastik berisi kapas basah dan 10 biji kacang hijau per gelas. Tiga perlakuan: A air keran (kontrol), B air cucian beras, C air cucian beras yang diencerkan setengah. Setiap perlakuan 5 gelas.
    2. Tulis A1–A5, B1–B5, C1–C5 di kertas kecil, gulung, kocok, lalu ambil satu per satu untuk menentukan posisi gelas 1 sampai 15 di rak. Itulah pengacakan.
    3. Siram setiap pagi dengan volume sama, misalnya 10 mL. Pada hari ke-4, ukur panjang semua kecambah dengan penggaris.
    4. Hitung rerata per gelas dulu, baru rerata per perlakuan. Gelas adalah satuan percobaan; 10 kecambah dalam satu gelas bukan 10 ulangan.
    5. Buat diagram batang tiga batang. Simpulkan "berpengaruh" hanya bila selisih antarperlakuan jauh lebih besar daripada selisih antargelas dalam perlakuan yang sama.
    Awas, keliru!
    • Menganalisis 75 tanaman sebagai ulangan. Di data Andi, F naik dari 16,14 menjadi 25,01 (db galat 70), BNJ menyusut dari 13,62 menjadi 10,24 g, dan P1–P2 tampak berbeda padahal belum terbukti. Analisis tersarang (tanaman di dalam polybag) memberi F = 16,14, sama dengan analisis rerata polybag.
    • Membandingkan lima perlakuan dengan 10 uji t. Bila semua H₀ benar, peluang paling sedikit satu hasil "nyata" palsu bisa mendekati 1 − 0,95¹⁰ = 40%.
    • Menata polybag berurutan P0 sampai P4, atau sudah mengundi tetapi memindahkan polybag "supaya rapi".
    • Menulis huruf tanpa menyebut ujinya (BNT, BNJ, atau DMRT), tarafnya, dan arah urutan hurufnya.
    • Menulis "POC tidak berpengaruh" atau "P2 sama dengan P3" dari hasil tn. Tidak berbeda nyata berarti data belum cukup menunjukkan perbedaan, bukan terbukti sama.
    • Memakai RAL padahal ada gradien yang diketahui, misalnya meja dekat dinding kaca, lahan miring, atau panen yang dikerjakan dua hari. Pakai RAK.
    • Menentukan konsentrasi terbaik hanya dari huruf pada faktor kuantitatif, tanpa kurva respons.
    Pojok S2–S3
    • Kapan RAK menolong? Andaikan meja menempel dinding kaca sehingga bobot turun 6 g per baris (+12 sampai −12 g) dan setiap baris dijadikan kelompok. Sebagai RAL: KT galat 111,10; F = 7,53; KK 11,69%. Sebagai RAK: KT kelompok 317,85 (F = 5,35**), KT galat 59,42; F = 14,07; KK 8,55%. Efisiensi relatif = [(r − 1)KTK + r(t − 1)KTG] / [(rt − 1)KTG] = 1,73 (tanpa faktor koreksi derajat bebas; versi terkoreksi dan contoh RAK lengkap ada di Bab 23D): RAL perlu sekitar 73% lebih banyak ulangan untuk ketelitian yang sama (Gomez & Gomez, 1984). Pada data asli tanpa gradien efisiensinya 0,89: RAK rugi karena 4 db galat hilang. Di SPSS: General Linear Model ▸ Univariate, kelompok sebagai faktor kedua, Model → Custom, efek utama saja.
    • Bujur sangkar latin mengendalikan dua gradien (baris dan kolom): setiap perlakuan muncul sekali di setiap baris dan kolom. Denah 5 × 5 pas untuk 25 polybag, tetapi db galat hanya (t − 1)(t − 2) = 12.
    • Petak terbagi (split-plot) dipakai bila satu faktor sulit diacak pada satuan kecil, misalnya cara penyiraman per meja (petak utama) dan konsentrasi POC per polybag (anak petak); masing-masing punya galat sendiri. Bila kedua faktor sama mudah diacak, pakai faktorial (Bab 44).
    • Transformasi (Gomez & Gomez, 1984): data cacah bernilai kecil dan banyak nol, misalnya jumlah hama, dengan √(x + 0,5); persentase, misalnya daya kecambah atau intensitas penyakit, dengan arcsin √p bila nilainya menyebar dari dekat 0% sampai dekat 100%; persentase yang semuanya di antara 30% dan 70% umumnya tidak perlu ditransformasi. Jumlah daun Andi (7–12 helai per tanaman, ragam homogen) tidak memerlukannya.
    • Dosis–respons: optimum juga punya ketidakpastian; dengan metode delta, IK95%-nya sekitar 120–166 mL/L. Model lain, misalnya linear-plateau, bisa memberi optimum berbeda, dan optimum ekonomi biasanya di bawah optimum biologis.
    • Power dan besar efek f. Rumus Federer menjamin db galat, bukan power. Dengan 5 ulangan (N = 25), power untuk f = 0,25 (sedang) hanya 0,12 dan untuk f = 0,40 (besar) 0,26; f = 0,40 dengan power 0,80 memerlukan 16 ulangan per perlakuan (Cohen, 1988; Faul dkk., 2007). Efek POC di sini sangat besar (f pengamatan 1,61, bias ke atas) sehingga terdeteksi; selisih halus, misalnya 100 lawan 150 mL/L, tidak.
    • Di R, paket agricolae menyediakan HSD.test(), LSD.test(), dan duncan.test() yang langsung menghasilkan notasi huruf.
    Intinya
    • RAL mengundi semua perlakuan ke satuan percobaan yang seragam: Yij = μ + τi + εij. Bila ada gradien yang diketahui, pakai RAK; bila ada dua faktor, pakai faktorial.
    • Tentukan satuan percobaan dengan benar (polybag, bukan tanaman), hitung ulangan (Federer: 5 perlakuan → 5 ulangan), dan undi denahnya.
    • Laporkan sidik ragam lengkap (SK, db, JK, KT, F hitung, F tabel 5% dan 1%), KK, dan uji asumsi galat. Sebutkan uji lanjut dan tarafnya di bawah tabel huruf.
    • Untuk perlakuan kuantitatif, lengkapi huruf dengan polinomial ortogonal atau regresi. Di sini responsnya kuadratik dengan optimum 143 mL/L.
    Coba sendiri: kuis rancangan acak lengkap
    Bab 23D

    Contoh Lengkap Rancangan Acak Kelompok (RAK)

    Rancangan acak kelompok (RAK) dipakai bila satuan percobaan tidak seragam, tetapi sumber keragamannya diketahui, misalnya bobot awal ternak, posisi kandang, lereng lahan, atau hari pengerjaan. Satuan percobaan dikelompokkan agar seragam di dalam kelompok, setiap kelompok berisi semua perlakuan, lalu perlakuan diundi terpisah di setiap kelompok (Steel & Torrie, 1980; Gomez & Gomez, 1984).

    SMP–SMAS1S2–S3

    Dari RAL ke RAK

    Di Bab 23C, Andi memakai RAL karena 25 polybag-nya seragam dan cahaya di meja merata. Ayam tidak bisa dibuat seragam seperti itu. Dari satu kotak DOC, bobot anak ayam umur 7 hari bisa berbeda 40 g lebih, dan ayam yang lebih berat di awal cenderung tumbuh lebih besar. Bila keragaman ini dibiarkan masuk ke galat, pengaruh ransum sulit terlihat. RAK memindahkannya ke komponen tersendiri, yaitu kelompok (blok).

    Yij = μ + τi + βj + εijYij = hasil petak yang mendapat perlakuan ke-i di kelompok ke-j · μ = rerata umum · τi = pengaruh perlakuan ke-i · βj = pengaruh kelompok ke-j · εij = galat, menyebar normal dan saling bebas dengan ragam sama. Model ini aditif: pengaruh perlakuan dianggap sama di semua kelompok, tanpa interaksi perlakuan × kelompok. Bedanya dengan RAL hanya suku βj.

    Empat syarat RAK yang baik:

    1. Sumber keragamannya diketahui dan berhubungan dengan respons. Bobot awal berhubungan dengan pertambahan bobot badan; warna cincin kaki tidak.

    2. Seragam di dalam, berbeda antarkelompok. Satuan dalam satu kelompok dibuat semirip mungkin dan diletakkan berdekatan.

    3. Lengkap. Setiap kelompok berisi semua perlakuan tepat satu kali. Bila tempatnya tidak cukup, dipakai kelompok tak lengkap (Pojok S2–S3).

    4. Diacak di dalam kelompok. Urutan perlakuan diundi ulang di setiap kelompok.

    Tabel 23D.1 — RAK dibanding rancangan lain (5 perlakuan)
    RancanganKeragaman yang dikendalikanCara mengacakdb galat
    RAL (Bab 23C)Tidak ada; satuan dianggap seragamSemua satuan diundi sekaligust(r − 1) = 20 (5 ulangan)
    RAKSatu arah: bobot awal, posisi kandang, lereng, hari, atau pengamatDiundi terpisah di setiap kelompok(t − 1)(r − 1) = 16 (5 kelompok)
    Bujur sangkar latin (RBSL)Dua arah sekaligus, misalnya bobot awal (baris) dan jarak dari kipas (lajur)Setiap perlakuan sekali di setiap baris dan lajur(t − 1)(t − 2) = 12 (denah 5 × 5)
    Faktorial dalam RAK (Bab 23E)Satu arah, dengan dua faktor perlakuan atau lebihSemua kombinasi taraf diundi di setiap kelompok(ab − 1)(r − 1); ada efek utama dan interaksi
    Tabel 23D.2 — Sumber keragaman yang lazim dijadikan kelompok
    BidangDasar pengelompokanContoh
    PeternakanBobot awal, umur, induk (anak seperindukan), posisi petak di kandang5 kelas bobot awal anak ayam, satu kelas satu baris kandang
    Pertanian lapanganLereng, kesuburan, jarak dari saluran airSetiap teras pada lahan miring menjadi satu kelompok
    Rumah kaca, laboratoriumJarak dari dinding kaca atau jendela, rak, hari atau batch pengerjaan, analisSetiap hari pengerjaan berisi semua perlakuan
    Uji sensori, pendidikanPanelis, sesi, kelasSetiap panelis mencicipi semua formula (Bab 23F)

    Langkah 1 · Judul

    Dewa, mahasiswa S1 Peternakan Universitas X Palembang, sering berdiskusi statistik dengan Rara. Harga tepung ikan terus naik, sedangkan kelompok peternak di Desa X membudidayakan maggot black soldier fly (BSF) dari limbah sayur pasar. Ia ingin tahu seberapa jauh tepung maggot dapat menggantikan tepung ikan dalam ransum broiler.

    Pengaruh Substitusi Tepung Ikan dengan Tepung Maggot Black Soldier Fly (Hermetia illucens L.) dalam Ransum terhadap Performa dan Income Over Feed Cost Ayam Broiler
    Kata kunciPerlakuanVariabel responsHewan percobaan
    • Substitusi dihitung atas dasar protein: 25% berarti seperempat protein dari tepung ikan diganti protein dari tepung maggot. Tarafnya kuantitatif dan berjarak sama.
    • Performa: konsumsi ransum, pertambahan bobot badan (PBB), dan konversi ransum (FCR). IOFC: nilai jual PBB dikurangi biaya ransum, per ekor.

    Kata "pengaruh" sah karena Dewa sendiri memberikan ransum dan mengundi petak (Bab 1).

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah terdapat pengaruh substitusi tepung ikan dengan tepung maggot terhadap konsumsi ransum, PBB, dan FCR ayam broiler?
    H1: paling sedikit satu taraf substitusi memberi rerata yang berbeda
    Sidik ragam RAK (uji F, α 5% dan 1%)
    Sangat nyata pada PBB dan FCR; tidak nyata pada konsumsi
    2
    Taraf substitusi mana yang memberi performa terbaik?
    Tanpa hipotesis arah; semua pasangan dibandingkan
    DMRT 5%
    25% terbaik, tidak berbeda nyata dengan 0% dan 50%; 100% terendah
    3
    Bagaimana bentuk respons PBB dan FCR, dan berapa taraf optimumnya?
    H3: respons kuadratik
    Polinomial ortogonal dan regresi kuadratik
    Kuadratik nyata; optimum PBB 30,4%, FCR 33,0%
    4
    Taraf substitusi mana yang paling menguntungkan secara ekonomi?
    H4: IOFC berbeda antartaraf
    Sidik ragam RAK dan DMRT 5% pada IOFC
    Tertinggi pada 50% (Rp11.501 per ekor)
    H₀: τ₁ = τ₂ = τ₃ = τ₄ = τ₅ = 0  lawan  H₁: paling sedikit satu τi ≠ 0Pengaruh kelompok βj tidak dirumuskan sebagai hipotesis penelitian. Kelompok dibentuk justru karena sudah diketahui berbeda.

    Langkah 3 · Perlakuan, kelompok, dan pengacakan

    Perlakuan terdiri atas lima taraf substitusi protein tepung ikan: P0 0% (kontrol), P1 25%, P2 50%, P3 75%, dan P4 100%. Satuan percobaan adalah satu petak kandang 1 m × 1 m beralas sekam, berisi 6 ekor, dengan satu tempat pakan dan satu tempat minum. Ransum diberikan per petak, jadi keenam ayam di dalamnya adalah subsampel. Data dianalisis sebagai rerata per petak (pseudoreplikasi dibahas di Bab 23C; logikanya sama dengan sekolah sebagai unit pengacakan di Bab 23A).

    (t − 1)(r − 1) ≥ 15  →  (5 − 1)(r − 1) ≥ 15  →  r ≥ 4,75  →  5 kelompokRumus Federer (Bab 5; Federer, 1955). Pada RAK, ruas kiri rumus ini tepat sama dengan db galat. Rencana awal Dewa, 4 kelompok, hanya memberi db galat (5 − 1)(4 − 1) = 12. Total 5 × 5 = 25 petak dan 25 × 6 = 150 ekor.
    Kelompok, ulangan, dan kelompok perlakuan

    Dalam skripsi peternakan sering tertulis "5 perlakuan dan 5 ulangan". Pada RAK, setiap ulangan adalah satu kelompok: K1 berisi P0K1 sampai P4K1, dan seterusnya. Jangan tertukar dengan "kelompok perlakuan" (P0 sampai P4). Kode petak ditulis perlakuan lalu kelompok, misalnya P2K4 = substitusi 50% di kelompok 4.

    Membentuk kelompok dan mengundi. Dewa membeli 170 DOC broiler campuran jantan–betina dari satu penetasan. Selama umur 1–7 hari semua ayam dipelihara bersama dengan ransum komersial yang sama.

    1. Pada umur 7 hari, semua ayam ditimbang satu per satu dan diberi cincin kaki bernomor. Sepuluh ayam teringan, sepuluh terberat, dan ayam yang tampak sakit tidak dipakai; tersisa 150 ekor, 159–205 g.

    2. Ayam diurutkan menurut bobot, lalu dibagi menjadi 5 kelas berisi 30 ekor: K1 (159–170 g) sampai K5 (191–205 g). Setiap kelas menempati satu baris kandang, sehingga kelompok sekaligus menyerap beda posisi baris.

    3. Tiga puluh ayam satu kelas diundi ke 5 petak di barisnya, masing-masing 6 ekor. Rerata bobot awal petak dalam satu kelompok menjadi hampir sama, misalnya 164,0–166,3 g di K1.

    4. Di setiap kelompok, P0 sampai P4 diberi bilangan acak tiga angka, lalu diurutkan dari yang terkecil untuk menentukan petak 1 sampai 5. Di K1: P1 (198), P2 (214), P0 (357), P3 (668), P4 (761). Undian diulang dengan bilangan baru untuk K2 sampai K5.

    Gambar 23D.1 — Denah kandang hasil pengacakan di dalam kelompok

    Setiap baris adalah satu kelompok bobot awal (rentang bobot umur 7 hari di kiri); angka di bawah kode adalah bilangan acaknya. Makin gelap, makin tinggi taraf substitusi.
    P0 0%P1 25%P2 50%P3 75%P4 100%
    Petak 1Petak 2Petak 3Petak 4Petak 5 K1 159–170 g K2 170–179 g K3 179–185 g K4 185–191 g K5 191–205 g P1K1: substitusi 25%, bilangan acak 198 P2K1: substitusi 50%, bilangan acak 214 P0K1: substitusi 0%, bilangan acak 357 P3K1: substitusi 75%, bilangan acak 668 P4K1: substitusi 100%, bilangan acak 761 P0K2: substitusi 0%, bilangan acak 136 P4K2: substitusi 100%, bilangan acak 536 P2K2: substitusi 50%, bilangan acak 552 P1K2: substitusi 25%, bilangan acak 798 P3K2: substitusi 75%, bilangan acak 851 P4K3: substitusi 100%, bilangan acak 212 P0K3: substitusi 0%, bilangan acak 414 P2K3: substitusi 50%, bilangan acak 559 P1K3: substitusi 25%, bilangan acak 719 P3K3: substitusi 75%, bilangan acak 862 P1K4: substitusi 25%, bilangan acak 246 P3K4: substitusi 75%, bilangan acak 339 P0K4: substitusi 0%, bilangan acak 642 P4K4: substitusi 100%, bilangan acak 754 P2K4: substitusi 50%, bilangan acak 904 P2K5: substitusi 50%, bilangan acak 162 P4K5: substitusi 100%, bilangan acak 300 P3K5: substitusi 75%, bilangan acak 565 P1K5: substitusi 25%, bilangan acak 632 P0K5: substitusi 0%, bilangan acak 907 P1198 P2214 P0357 P3668 P4761 P0136 P4536 P2552 P1798 P3851 P4212 P0414 P2559 P1719 P3862 P1246 P3339 P0642 P4754 P2904 P2162 P4300 P3565 P1632 P0907

    Bandingkan dengan denah RAL di Gambar 23C.1: di sana satu perlakuan bisa menumpuk di satu baris. Di sini setiap baris pasti berisi P0 sampai P4 tepat satu kali. Yang diundi hanya urutannya di dalam baris.

    Langkah 4 · Ransum, pemeliharaan, dan etik

    Ransum iso-nutrien. Kandungan protein dan lemak larva BSF sangat beragam menurut pakan larvanya (Barragan-Fonseca dkk., 2017). Karena itu Dewa memakai satu batch tepung maggot utuh (lemaknya tidak dibuang) dari peternak yang mencatat substrat dan cara pengeringannya. Sampelnya dianalisis proksimat di laboratorium sebelum ransum disusun. Prinsip penyusunannya:

    • Penggantian dihitung atas dasar protein. Dengan protein kasar tepung ikan 55% dan tepung maggot 42% (hasil analisis; data simulasi), mengganti 2% tepung ikan memerlukan 2 × 55 / 42 = 2,62% tepung maggot.
    • Kelima ransum dibuat iso-protein dan iso-energi dengan menyesuaikan jagung, bungkil kedelai, dan minyak. Kalsium, fosfor tersedia, lisin, dan metionin juga disetarakan, sehingga beda antarransum hanya sumber proteinnya.
    • Ada dua fase: starter (umur 8–21 hari) dan finisher (umur 22–35 hari). Target gizinya mengikuti standar mutu pakan broiler dan rekomendasi strain.

    Percobaan ini hanya punya satu faktor. Bila Dewa sekaligus ingin membandingkan dua strain broiler pada kelima taraf, kombinasinya menjadi faktorial 2 × 5 dalam RAK (Bab 23E).

    Tabel 23D.3 — Sumber protein hewani dan harga ransum perlakuan (fase starter, data simulasi)
    PerlakuanTepung ikan (%)Tepung maggot (%)Harga ransum (Rp/kg)
    P0 (0%)8,00,08.600
    P1 (25%)6,02,68.425
    P2 (50%)4,05,28.250
    P3 (75%)2,07,98.075
    P4 (100%)0,010,57.900

    Harga dihitung dari harga bahan pakan (simulasi); tepung maggot lebih murah daripada tepung ikan. Protein kasar dan energi metabolis kelima ransum sama.

    Pemeliharaan. Perlakuan diberikan pada umur 8–35 hari (28 hari). Ransum dan air minum tersedia sepanjang waktu. Ransum ditimbang saat diberikan, sisanya ditimbang setiap minggu. Suhu, pencahayaan, vaksinasi, dan jadwal kerja sama untuk semua petak. Pemberian pakan, penimbangan, dan pencatatan berjalan menurut nomor petak di denah, bukan per perlakuan.

    Tabel 23D.4 — Variabel pengamatan
    VariabelCara ukurSatuan
    Bobot awalTimbang individu umur 7 hari, timbangan digital 1 gg/ekor
    Konsumsi ransumΣ(ransum diberikan − sisa) per petak dibagi jumlah ekor-hari, dikali 28; ekor-hari mengoreksi ayam yang matig/ekor
    PBBBobot umur 35 hari − bobot umur 7 hari, dirata-ratakan per petakg/ekor
    FCRKonsumsi ransum / PBB—
    MortalitasAyam mati / ayam awal × 100%; penyebab diperiksa dokter hewan%
    IOFCPBB (kg) × harga ayam hidup Rp20.000/kg − konsumsi (kg) × harga ransum (simulasi)Rp/ekor

    Etik dan biosekuriti. Berbeda dengan sawi Andi, percobaan ini memakai hewan hidup. Protokol diajukan ke komisi etik hewan di Universitas X dan disetujui sebelum DOC dibeli (Bab 7A). Prinsip 3R (Russell & Burch, 1959) dijawab satu per satu:

    Replacement

    PBB dan FCR hanya dapat diukur pada ayam hidup. Alasan ini ditulis di protokol. Analisis proksimat dikerjakan lebih dulu agar ransum yang jelas tidak layak tidak perlu diuji pada ayam.

    Reduction

    Jumlah ayam ditekan dengan rumus Federer, dan pengelompokan menambah ketelitian. Pada Langkah 5 terlihat bahwa RAL memerlukan sekitar 360 ekor untuk ketelitian yang dicapai RAK dengan 150 ekor.

    Refinement

    Kepadatan wajar, alas sekam kering, suhu brooder terpantau, pemeriksaan dua kali sehari, penimbangan cepat dalam wadah, dan kriteria humane endpoint: ayam yang tidak mampu berdiri atau minum dikeluarkan dan ditangani dokter hewan.

    Biosekuriti

    Kandang dicuci, didesinfeksi, dan dikosongkan sebelum DOC masuk; bak celup kaki di pintu; pengunjung dibatasi; vaksinasi menurut program dokter hewan; bangkai dimusnahkan dan dicatat.

    Laporan akhir mengikuti pedoman ARRIVE: satuan percobaan, cara pengacakan, dan setiap ayam yang mati beserta penyebabnya (Percie du Sert dkk., 2020). Selama penelitian 3 dari 150 ekor mati (2,0%): masing-masing satu di P1K4, P3K2, dan P2K5. Hasil pemeriksaan bangkai tidak menunjukkan kaitan dengan ransum.

    Langkah 5 · Analisis: sidik ragam RAK

    A. Perhitungan manual

    Data diketik satu baris per petak: petak, kelompok (1–5), perlakuan (0–4, label P0–P4), subst (0–100), bobot_awal, konsumsi, pbb, fcr, dan iofc. Nilai per petak adalah rerata ayam hidup di petak itu.

    Tabel 23D.5 — PBB umur 8–35 hari per petak (g/ekor, data simulasi)
    PerlakuanK1K2K3K4K5Total (Ti)Rerata
    P0 (0%)1.678,21.711,01.730,71.795,31.721,58.636,71.727,34
    P1 (25%)1.640,71.839,71.763,71.810,01.748,08.802,11.760,42
    P2 (50%)1.649,51.757,81.696,21.792,51.848,88.744,81.748,96
    P3 (75%)1.612,01.649,01.724,21.766,51.720,28.471,91.694,38
    P4 (100%)1.587,71.635,81.611,81.719,31.718,08.272,61.654,52
    Total (Bj)8.168,18.593,38.526,68.883,68.756,542.928,11.717,12
    Bobot awal kelompok (g)165,1174,2181,8187,6198,0181,3

    Tiga petak (P1K4, P3K2, P2K5) berisi 5 ayam hidup pada akhir penelitian; nilainya rerata 5 ekor. Rerata PBB kelompok umumnya naik mengikuti bobot awal: 1.633,6 g di K1, 1.776,7 g di K4, dan 1.751,3 g di K5.

    FK = G² / (t × r) = 42.928,1² / 25 = 73.712.870,78
    JK total = ΣY² − FK = 73.835.690,15 − 73.712.870,78 = 122.819,37
    JK kelompok = ΣBj² / t − FK = 73.772.042,25 − 73.712.870,78 = 59.171,47
    JK perlakuan = ΣTi² / r − FK = 73.750.015,74 − 73.712.870,78 = 37.144,96
    JK galat = 122.819,37 − 59.171,47 − 37.144,96 = 26.502,94
    G = total umum · Bj dibagi t (5 perlakuan) karena setiap total kelompok berisi 5 petak; Ti dibagi r (5 kelompok). Satu-satunya tambahan dibanding RAL adalah JK kelompok, yang dikurangkan dari galat.
    Tabel 23D.6 — Sidik ragam PBB dalam RAK (data simulasi)
    Sumber keragaman (SK)dbJKKTF hitungF tabel 5%F tabel 1%
    Kelompok459.171,4714.792,878,93**3,014,77
    Perlakuan437.144,969.286,245,61**3,014,77
      Linear122.404,2122.404,2113,53**4,498,53
      Kuadratik112.757,5012.757,507,70*4,498,53
      Kubik11.755,871.755,871,06tn4,498,53
      Kuartik1227,37227,370,14tn4,498,53
    Galat1626.502,941.656,43
    Total24122.819,37

    KK = √1.656,43 / 1.717,12 × 100% = 40,70 / 1.717,12 × 100% = 2,37%. ** sangat nyata; * nyata; tn tidak nyata. F tabel dicari pada db penyebut 16, yaitu db galat RAK. Koefisien polinomial ortogonal sama dengan Bab 23C (linear −2, −1, 0, 1, 2; kuadratik 2, −1, −2, −1, 2), misalnya JK kuadratik = (ΣciTi)² / (r Σci²) = (−945,0)² / (5 × 14) = 12.757,50.

    B. Apakah pengelompokan berguna?

    F kelompok (8,93**) hanya bersifat informatif. Kelompok tidak diundi, jadi F-nya bukan uji hipotesis penelitian (Montgomery, 2019). Yang perlu dinilai adalah seberapa besar ketelitian yang diperoleh dari pengelompokan, yaitu efisiensi relatif RAK terhadap RAL (Gomez & Gomez, 1984):

    RE = [(r − 1)KTK + r(t − 1)KTG] / [(rt − 1)KTG] = (4 × 14.792,87 + 20 × 1.656,43) / (24 × 1.656,43) = 92.300,14 / 39.754,41 = 2,32
    Koreksi db galat < 20: k = [(16 + 1)(20 + 3)] / [(20 + 1)(16 + 3)] = 391 / 399 = 0,980  →  RE = 2,32 × 0,980 = 2,28
    KTK = KT kelompok · KTG = KT galat RAK · 16 dan 20 = db galat RAK dan RAL. RE 2,28 berarti RAL memerlukan sekitar 5 × 2,28 = 11,4, dibulatkan 12 petak per perlakuan (360 ekor) untuk ketelitian yang sama. RE kurang dari 1 berarti pengelompokan justru merugikan karena 4 db galat hilang tanpa imbalan.

    Seandainya data yang sama dianalisis sebagai RAL, JK kelompok kembali masuk ke galat: KT galat menjadi (59.171,47 + 26.502,94) / 20 = 4.283,72, KK naik dari 2,37% menjadi 3,81%, dan F perlakuan turun dari 5,61** menjadi 2,17 (p = 0,110; tn). Pengaruh ransum yang sama menjadi tidak terdeteksi. Analisis harus mengikuti rancangan: data RAK dianalisis dengan model RAK.

    Coba sendiri: kapan pengelompokan menguntungkan?

    Geser beda antarkelompok dari 0% (kelima kelompok dibuat sama rata) sampai 150%. Angka 100% adalah data Dewa (Tabel 23D.5); pengaruh ransum dan galat tidak diubah. Lalu klik “Kelompok diacak” untuk meniru pengelompokan yang tidak berhubungan dengan PBB, misalnya menurut urutan ayam diambil dari kotak DOC.

    Pada 0%, efisiensi relatif 0,82: RAK sedikit rugi. Pada 50%, RE sudah 1,18. Dengan kelompok yang diacak, RE berkisar di sekitar 1 dan lebih sering di bawahnya. Pengelompokan hanya menolong bila dasar pengelompokannya memang berhubungan dengan respons.

    C. Uji asumsi

    Selain normalitas dan kehomogenan ragam galat seperti di Bab 23C, RAK punya asumsi aditivitas: selisih antarperlakuan kurang lebih sama di setiap kelompok. Galat RAK dihitung sebagai eij = Yij − Ȳi. − Ȳ.j + Ȳ...

    • Normalitas galat (25 petak): Shapiro–Wilk W = 0,955; p = 0,326.
    • Kehomogenan ragam: uji Levene pada galat menurut perlakuan, F(4; 20) = 0,58; p = 0,684. Kotak Homogeneity tests di GLM tidak dipakai karena setiap sel perlakuan × kelompok hanya berisi satu petak.
    • Aditivitas: uji satu db dari Tukey (1949) memecah JK galat menjadi komponen nonaditivitas (db 1) dan sisa (db 15): F(1; 15) = 0,04; p = 0,839. Tidak ada tanda interaksi perlakuan × kelompok. Di SPSS uji ini tersedia di Analyze ▸ Scale ▸ Reliability Analysis ▸ Statistics ▸ Tukey's test of additivity, dengan data format lebar (baris = kelompok, kolom = perlakuan).

    D. SPSS: GLM Univariate

    Analyze▸General Linear Model▸Univariate
    1. Dependent Variable = pbb; Fixed Factor(s) = perlakuan dan kelompok.
    2. Model → Build terms (Custom); Type = Main effects; masukkan perlakuan dan kelompok. Jangan biarkan Full factorial: suku perlakuan × kelompok akan menghabiskan seluruh 16 db galat. Sum of squares = Type III.
    3. Post Hoc → Post Hoc Tests for = perlakuan saja; Duncan.
    4. Save → Unstandardized residuals, untuk uji normalitas di Explore.
    Output — Tests of Between-Subjects Effects (Dependent Variable: pbb)
    SourceType III Sum of SquaresdfMean SquareFSig.
    Corrected Model96316,427a812039,5537,268,000
    Intercept73712870,784173712870,78444500,950,000
    perlakuan37144,95849286,2395,606,005
    kelompok59171,470414792,8678,931,001
    Error26502,938161656,434
    Total73835690,15025
    Corrected Total122819,36624

    a. R Squared = ,784 (Adjusted R Squared = ,676). Baris Intercept dan Total (belum dikoreksi) tidak dimasukkan ke tabel sidik ragam skripsi; JK Intercept sama dengan FK. Baris perlakuan, kelompok, Error, dan Corrected Total sama dengan Tabel 23D.6.

    Output — Homogeneous Subsets: pbb, Duncana,b
    perlakuanNSubset: 123
    P4 (100%)51654,520
    P3 (75%)51694,3801694,380
    P0 (0%)51727,3401727,340
    P2 (50%)51748,9601748,960
    P1 (25%)51760,420
    Sig.,141,060,241

    Means for groups in homogeneous subsets are displayed. Based on observed means. The error term is Mean Square(Error) = 1656,434. a. Uses Harmonic Mean Sample Size = 5,000. b. Alpha = ,05. Subset 1 = a, subset 2 = b, subset 3 = c.

    Perhatikan kalimat The error term is Mean Square(Error) = 1656,434: Duncan memakai KT galat RAK, bukan KT galat RAL. Karena itu uji lanjut RAK tidak boleh dikerjakan dengan menu One-Way ANOVA, yang tidak mengenal kelompok.

    E. Uji lanjut DMRT

    Dewa menetapkan DMRT 5% di proposal karena uji ini lazim di jurnal peternakan tempat ia akan menerbitkan hasilnya. Ia tahu DMRT lebih longgar daripada BNJ (Tabel 23C.5), dan uji lanjut hanya dikerjakan bila F perlakuan nyata.

    SE = √(KTG / r) = √(1.656,43 / 5) = 18,20 g
    Rp = SSR(0,05; p; 16) × SE: SSR 2,998; 3,144; 3,235; 3,297  →  R2 = 54,57; R3 = 57,22; R4 = 58,88; R5 = 60,02 g
    p = banyaknya rerata yang tercakup dalam jarak yang dibandingkan (Duncan, 1955). SSR dihitung dengan perangkat lunak; tabel Duncan cetak bisa berbeda pada desimal kedua.
    1. Urutkan rerata dari kecil ke besar: P4 1.654,52; P3 1.694,38; P0 1.727,34; P2 1.748,96; P1 1.760,42.

    2. Jarak lima rerata, P1 − P4 = 105,90 > R5: berbeda. Jarak empat rerata, P2 − P4 = 94,44 dan P1 − P3 = 66,04, keduanya > R4 58,88: berbeda.

    3. Jarak tiga rerata: P0 − P4 = 72,82 > 57,22 (berbeda); P2 − P3 = 54,58 < 57,22 (P3, P0, P2 sehuruf); P1 − P0 = 33,08 < 57,22 (P0, P2, P1 sehuruf).

    4. Jarak dua rerata: P3 − P4 = 39,86 < 54,57, jadi P4 dan P3 sehuruf. Hasilnya: P4 a, P3 ab, P0 bc, P2 bc, P1 c, sama dengan subset SPSS.

    Dengan BNJ 5% (q = 4,333; nilai pembanding 78,86 g), hurufnya menjadi P4 a, P3 ab, P0 ab, P2 b, P1 b. P0 dan P4 tidak lagi berbeda (selisih 72,82 < 78,86 g). Kesimpulan tentang substitusi 100% lawan kontrol bergantung pada uji yang dipilih. Itulah alasan uji lanjut ditetapkan di proposal dan disebut di bawah tabel.

    F. Kurva respons dan taraf optimum

    Komponen linear (13,53**) dan kuadratik (7,70*) nyata, sedangkan kubik dan kuartik tidak. Respons PBB berbentuk kurva kuadratik. Karena RAK-nya seimbang, persamaan dari 5 rerata perlakuan sama dengan persamaan dari 25 petak:

    ŷ = 1.732,46 + 1,3133x − 0,02160x²  (x = % substitusi)
    xopt = −b₁ / (2b₂) = 1,3133 / (2 × 0,02160) = 30,4%  →  ŷmaks = 1.752,4 g/ekor
    Uji nyata komponen tren tetap memakai KT galat RAK (Tabel 23D.6), bukan galat regresi yang mengabaikan kelompok. Dengan cara yang sama, FCR (kuadratik F = 26,52**) mencapai minimum 1,617 pada substitusi 33,0%, dari ŷ = 1,6431 − 0,0015974x + 0,0000242x².

    G. Bila satu petak hilang

    Andaikan pada hari ke-20 tempat minum petak P2K4 bocor sehingga alasnya basah dan ayamnya sakit, dan data petak itu tidak dapat dipakai. Penyebabnya tidak berkaitan dengan ransum, jadi nilainya boleh diduga. (Bila petak hilang karena ransumnya, misalnya ayam menolak pakan, kehilangan itu sendiri adalah hasil yang harus dilaporkan.) RAK kehilangan keseimbangannya, sehingga Dewa memakai rumus Yates (1933):

    Ŷ = (rB₀ + tT₀ − G₀) / [(r − 1)(t − 1)] = (5 × 7.091,1 + 5 × 6.952,3 − 41.135,6) / 16 = 29.081,4 / 16 = 1.817,59 g
    Bias = [B₀ − (t − 1)Ŷ]² / [t(t − 1)] = (7.091,1 − 4 × 1.817,59)² / 20 = 1.606,53
    JK perlakuan terkoreksi = 38.843,03 − 1.606,53 = 37.236,50; db galat = 16 − 1 = 15; KTG = 26.100,13 / 15 = 1.740,01
    F = (37.236,50 / 4) / 1.740,01 = 5,35**  (F tabel 4; 15: 3,06 dan 4,89)
    B₀, T₀, G₀ = total kelompok K4, total perlakuan P2, dan total umum tanpa petak yang hilang. Nilai dugaan hanya mengisi sel agar JK dapat dihitung; ia bukan data. db galat dan db total masing-masing berkurang satu, dan JK perlakuan dikoreksi dengan bias (Gomez & Gomez, 1984). Nilai sebenarnya P2K4 adalah 1.792,5 g.

    Di SPSS cukup biarkan sel P2K4 kosong: GLM Univariate dengan Type III memberi JK perlakuan 37.236,50 dan F = 5,35, sama persis dengan cara Yates. Pembanding yang melibatkan P2 menjadi sedikit lebih lebar: SE selisih √[KTG(2/r + t/(r(r − 1)(t − 1)))] = 28,37 g, dibanding 26,38 g untuk pasangan lain. Model campuran (Pojok S2–S3) juga memakai semua data yang ada tanpa mengisi sel kosong.

    Langkah 6 · Hasil

    Tabel 23D.7 — Performa dan IOFC ayam broiler umur 8–35 hari pada lima taraf substitusi (data simulasi)
    PerlakuanBobot awal (g)Konsumsi (g/ekor)PBB (g/ekor)FCRMortalitasIOFC (Rp/ekor)
    P0 (0%)181,1 ± 12,92.842,4 ± 17,41.727,3 ± 42,9 bc1,646 ± 0,036 b0/3010.102 ± 798 a
    P1 (25%)181,1 ± 13,22.832,4 ± 39,61.760,4 ± 76,2 c1,611 ± 0,050 a1/3011.345 ± 1.210 bc
    P2 (50%)181,5 ± 11,72.845,9 ± 66,61.749,0 ± 78,5 bc1,628 ± 0,037 ab1/3011.501 ± 1.036 c
    P3 (75%)181,1 ± 12,42.812,8 ± 61,21.694,4 ± 62,5 ab1,661 ± 0,052 b1/3011.174 ± 1.057 bc
    P4 (100%)181,9 ± 12,82.850,7 ± 63,91.654,5 ± 61,0 a1,724 ± 0,029 c0/3010.570 ± 758 ab
    F perlakuan0,68tn0,51tn5,61**15,59**—5,16**
    F kelompok802,26**2,38tn8,93**10,50**—10,64**
    KK (%)0,551,662,371,49—5,27
    Efisiensi relatif—1,212,282,53—2,55

    Rerata ± SD dari 5 petak; SD ini masih memuat beda antarkelompok. Galat baku rerata gabungan dari sidik ragam, √(KTG / r), untuk PBB = 18,20 g. Angka dalam satu kolom yang diikuti huruf yang sama tidak berbeda nyata menurut DMRT 5%; huruf a untuk rerata terkecil (pada FCR, terkecil = paling efisien). F tabel (4; 16) = 3,01 (5%) dan 4,77 (1%). Mortalitas = ayam mati / ayam awal, tidak dianalisis dengan sidik ragam karena hampir semua bernilai nol. Efisiensi relatif sudah dikoreksi db; untuk bobot awal tidak dihitung karena kelompok dibentuk dari variabel itu sendiri.

    Bobot awal kelima perlakuan hampir sama (181,1–181,9 g; F = 0,68): pengelompokan dan pengundian berhasil menyeimbangkan ayam sejak awal. F kelompok bobot awal tentu sangat besar, karena kelompok dibentuk dari variabel itu.

    Gambar 23D.2 — Kurva respons PBB terhadap taraf substitusi tepung ikan dengan tepung maggot

    Titik pucat = 25 petak; titik tegas = rerata perlakuan dengan notasi DMRT 5%; garis = kuadratik (data simulasi).
    1.600 1.700 1.800 1.900 0 25 50 75 100 Taraf substitusi tepung ikan (%) PBB umur 8–35 hari (g/ekor) ŷ = 1.732,46 + 1,3133x − 0,02160x² P0K1: 1.678,2 g/ekor P0K2: 1.711,0 g/ekor P0K3: 1.730,7 g/ekor P0K4: 1.795,3 g/ekor P0K5: 1.721,5 g/ekor P1K1: 1.640,7 g/ekor P1K2: 1.839,7 g/ekor P1K3: 1.763,7 g/ekor P1K4: 1.810,0 g/ekor P1K5: 1.748,0 g/ekor P2K1: 1.649,5 g/ekor P2K2: 1.757,8 g/ekor P2K3: 1.696,2 g/ekor P2K4: 1.792,5 g/ekor P2K5: 1.848,8 g/ekor P3K1: 1.612,0 g/ekor P3K2: 1.649,0 g/ekor P3K3: 1.724,2 g/ekor P3K4: 1.766,5 g/ekor P3K5: 1.720,2 g/ekor P4K1: 1.587,7 g/ekor P4K2: 1.635,8 g/ekor P4K3: 1.611,8 g/ekor P4K4: 1.719,3 g/ekor P4K5: 1.718,0 g/ekor P0 (0%): rerata 1.727,3 g/ekor, notasi DMRT bc P1 (25%): rerata 1.760,4 g/ekor, notasi DMRT c P2 (50%): rerata 1.749,0 g/ekor, notasi DMRT bc P3 (75%): rerata 1.694,4 g/ekor, notasi DMRT ab P4 (100%): rerata 1.654,5 g/ekor, notasi DMRT a bc c bc ab a optimum ≈ 30,4% ŷ maks = 1.752,4 g

    Substitusi 25% dan 50% memberi PBB yang tidak berbeda nyata dengan kontrol. Pada 100%, PBB turun 72,8 g (4,2%) dibanding kontrol dan FCR memburuk dari 1,646 menjadi 1,724. Konsumsi ransum tidak berbeda, jadi turunnya PBB berarti ransum dimanfaatkan kurang efisien, bukan karena ayam makan lebih sedikit.

    IOFC. Harga ransum turun seiring naiknya substitusi, sehingga titik paling menguntungkan bergeser ke kanan dari titik PBB tertinggi. IOFC tertinggi diperoleh pada 50% (Rp11.501 per ekor, Rp1.399 lebih tinggi daripada kontrol). Komponen kuadratik IOFC nyata (F = 18,75**), dengan puncak dugaan pada substitusi 53,2% (Rp11.540 per ekor). Semua harga adalah simulasi; bila harga tepung ikan atau maggot berubah, IOFC harus dihitung ulang.

    Kalimat hasil Dewa

    "Substitusi protein tepung ikan dengan tepung maggot BSF berpengaruh sangat nyata terhadap PBB (F(4; 16) = 5,61; p = 0,005; KK = 2,37%) dan FCR (F(4; 16) = 15,59; p < 0,001), tetapi tidak nyata terhadap konsumsi ransum (F = 0,51). PBB tertinggi dan FCR terbaik diperoleh pada substitusi 25% (1.760,4 g/ekor; FCR 1,611), tidak berbeda nyata dengan kontrol dan substitusi 50% menurut DMRT 5%. Substitusi 100% menghasilkan PBB terendah (1.654,5 g/ekor) dan FCR terburuk (1,724). Respons PBB bersifat kuadratik dengan taraf optimum 30,4%. IOFC tertinggi pada substitusi 50% (Rp11.501 per ekor). Pengelompokan menurut bobot awal efektif (efisiensi relatif 2,28)."

    Langkah 7 · Pembahasan dan kesimpulan

    Tepung maggot dapat menggantikan sampai separuh protein tepung ikan tanpa menurunkan PBB dan FCR. Pada 75%, PBB mulai turun walaupun belum berbeda nyata dengan kontrol. Penggantian penuh menurunkan PBB dan memperburuk FCR. Pola ini sejalan dengan tinjauan Barragan-Fonseca dkk. (2017), yang menyimpulkan bahwa larva BSF baru dapat menggantikan bahan pakan konvensional sebagian, dan dengan meta-analisis Moula dan Detilleux (2019), yang menemukan PBB harian unggas menurun pada taraf pemakaian serangga yang tinggi. Salah satu dugaan adalah kitin dan lemak larva yang tinggi, tetapi kecernaan tidak diukur dalam penelitian ini. Menurut peneliti, substitusi 50% paling layak dianjurkan kepada peternak: performanya tidak berbeda dengan kontrol dan IOFC-nya tertinggi. Keterbatasan: satu strain, satu periode pemeliharaan, dan satu batch tepung maggot dengan substrat tertentu; karkas dan kecernaan tidak diukur; harga adalah simulasi; lima petak per perlakuan hanya cukup untuk mendeteksi selisih yang cukup besar.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh substitusi tepung ikan dengan tepung maggot BSF terhadap PBB dan FCR ayam broiler, tetapi tidak terhadap konsumsi ransum.

    2. Substitusi 25% memberi PBB tertinggi dan FCR terbaik, tidak berbeda nyata dengan 0% dan 50%; substitusi 100% memberi PBB terendah dan FCR terburuk.

    3. Respons PBB dan FCR bersifat kuadratik, dengan taraf optimum 30,4% untuk PBB dan 33,0% untuk FCR.

    4. IOFC tertinggi diperoleh pada substitusi 50% (Rp11.501 per ekor).

    Proyek KIR: tiga pupuk untuk kangkung di dekat jendela

    Bima menanam kangkung di 12 pot yang ditata dalam empat baris sejajar jendela: baris 1 paling dekat kaca, baris 4 paling jauh. Pot di baris 1 mendapat cahaya jauh lebih banyak. Ini RAK mini.

    1. Tiga perlakuan: A tanpa pupuk (kontrol), B kompos, C pupuk kandang. Takaran pupuk dan tanahnya sama untuk setiap pot.
    2. Setiap baris adalah satu kelompok dan berisi A, B, dan C, masing-masing satu pot. Jadi ada 4 kelompok.
    3. Di setiap baris, tulis A, B, C di kertas, gulung, lalu ambil satu per satu untuk menentukan pot kiri, tengah, dan kanan. Undi ulang di baris berikutnya.
    4. Setelah 3 minggu, ukur tinggi semua tanaman di setiap pot dan hitung rerata per pot.
    5. Buat tabel: baris tabel = baris pot, kolom = pupuk. Bandingkan pupuk di dalam setiap baris. Bila B selalu tertinggi di keempat baris, kesimpulan lebih meyakinkan daripada bila B menang hanya di baris paling terang.
    Awas, keliru!
    • Memasukkan interaksi perlakuan × kelompok padahal setiap sel hanya berisi satu petak. Di SPSS, model Full factorial menyisakan db galat 0 sehingga F tidak dapat dihitung. Pada RAK satu petak per sel, interaksi itulah galatnya.
    • Mengelompokkan menurut sesuatu yang tidak berhubungan dengan respons. Empat db galat hilang tanpa imbalan; di widget, kelompok yang diacak lebih sering memberi RE di bawah 1.
    • Menganalisis 147 ekor sebagai ulangan. db galat melonjak dari 16 menjadi 138 dan p mengecil dari 0,005 menjadi 0,0007, padahal ransum diberikan per petak. Konsumsi dan FCR bahkan tidak punya nilai per ekor.
    • Mengacak lintas kelompok: mengundi 25 petak sekaligus lalu menyebutnya RAK, atau menata P0 sampai P4 dengan urutan yang sama di setiap baris agar mudah diberi pakan.
    • Menganalisis RAK sebagai RAL. Di data Dewa, F perlakuan turun dari 5,61** menjadi 2,17 (tn). Sebaliknya, kelompok yang ternyata tidak nyata tidak boleh dibuang dari model setelah data dilihat.
    • Menafsirkan F kelompok sebagai temuan, misalnya "bobot awal berpengaruh sangat nyata terhadap PBB". Kelompok tidak diundi; F kelompok hanya menunjukkan bahwa pengelompokan efektif.
    • Memakai menu One-Way ANOVA untuk uji lanjut RAK. KT galatnya adalah KT galat RAL, jadi hurufnya keliru.
    Pojok S2–S3
    • Dua gradien: bujur sangkar latin. Bila kandang juga punya gradien dari kipas ke pintu, bobot awal dapat menjadi baris dan jarak dari kipas menjadi lajur dalam denah 5 × 5. Harganya db galat hanya 12. Pakai RBSL bila kedua gradien memang nyata; bila tidak, RAK lebih efisien.
    • Kelompok tak lengkap. Bila satu kelompok tidak muat semua perlakuan, misalnya baris kandang hanya berisi 4 petak atau induk babi hanya punya 4 anak untuk 5 ransum, dipakai rancangan kelompok tak lengkap seimbang (BIB). Contoh t = 5, k = 4, b = 5 kelompok: setiap perlakuan muncul r = 4 kali dan setiap pasangan perlakuan bertemu λ = 3 kali, karena r(k − 1) = λ(t − 1). Rerata perlakuan harus disesuaikan dengan kelompok (Montgomery, 2019).
    • Kelompok sebagai efek acak. Pada RAK lengkap dan seimbang, F perlakuan sama saja apakah kelompok tetap atau acak. Model campuran (Analyze ▸ Mixed Models ▸ Linear, kelompok sebagai random) berguna bila ada data hilang, kelompok tak lengkap (memanfaatkan informasi antarkelompok), atau bila kelompok adalah sampel dari populasi yang lebih luas, misalnya peternakan atau batch DOC.
    • Analisis gabungan. Bila percobaan diulang pada dua periode atau lokasi, kelompok tersarang dalam periode. Periksa dulu kehomogenan KT galat antarperiode (misalnya uji Bartlett), lalu uji interaksi perlakuan × periode. Bila interaksi nyata, laporkan hasil per periode (Gomez & Gomez, 1984).
    • Efisiensi dan power. RE mengubah ketelitian menjadi jumlah ulangan: dengan RE 2,28, lima kelompok setara 11–12 ulangan RAL. Untuk merencanakan percobaan berikutnya, pakai KT galat RAK (1.656,43; simpangan baku 40,7 g) sebagai dugaan ragam dalam analisis power, bukan simpangan baku antarpetak yang masih memuat beda kelompok.
    • Bila aditivitas dilanggar. Bila uji Tukey nyata, coba transformasi (misalnya logaritma bila pengaruh perlakuan proporsional terhadap tingkat kelompok) atau laporkan perlakuan per kelompok; jangan memaksakan satu F.
    Intinya
    • RAK dipakai bila satuan percobaan tidak seragam tetapi sumber keragamannya diketahui dan berhubungan dengan respons: Yij = μ + τi + βj + εij, tanpa interaksi.
    • Setiap kelompok berisi semua perlakuan tepat satu kali, dan urutannya diundi terpisah di setiap kelompok. Satuan percobaan adalah petak; ayam di dalamnya subsampel.
    • Sidik ragam RAK memisahkan JK kelompok dari galat. Di sini KT galat turun dari 4.283,72 menjadi 1.656,43 dan efisiensi relatif 2,28. F kelompok hanya informasi, bukan temuan.
    • Uji lanjut memakai KT galat RAK dan disebut jelas (DMRT 5%); faktor kuantitatif dilengkapi polinomial ortogonal: optimum PBB 30,4%, IOFC tertinggi pada 50%.
    Coba sendiri: kuis rancangan acak kelompok
    Bab 23E

    Contoh Lengkap Percobaan Faktorial dalam Rancangan Acak Kelompok

    Faktorial dalam RAK menguji dua faktor atau lebih sekaligus pada lahan yang punya satu arah keragaman, misalnya lereng. Semua kombinasi taraf diacak ulang di dalam setiap kelompok, sehingga sidik ragam dapat memisahkan keragaman kelompok, efek utama tiap faktor, dan interaksinya (Gomez & Gomez, 1984; Montgomery, 2019).

    S1S2–S3

    Dari RAK satu faktor ke faktorial dalam RAK

    Bab ini melanjutkan tiga bab. Logika kelompok, cara menata kelompok tegak lurus arah keragaman, dan sidik ragam RAK satu faktor ada di Bab 23D. Sidik ragam, KK, BNJ, dan polinomial ortogonal pada RAL ada di Bab 23C. Arti efek utama, interaksi, dan efek sederhana ada di Bab 44. Di sini semuanya dipadukan: dua faktor perlakuan, empat kelompok di lereng, dan tabel hasil dengan notasi huruf dua arah.

    Yijk = μ + ρk + αi + βj + (αβ)ij + εijkYijk = hasil petak yang mendapat varietas ke-i dan dosis ke-j di kelompok ke-k · μ = rerata umum · ρk = pengaruh kelompok ke-k · αi = pengaruh varietas · βj = pengaruh dosis · (αβ)ij = interaksi varietas × dosis · εijk = galat. Tidak ada suku kelompok × perlakuan: RAK menganggap efek perlakuan sama di semua kelompok.
    Tabel 23E.1 — Faktorial dalam RAK dibanding rancangan lain (8 kombinasi, 4 ulangan)
    RancanganCara mengacakCocok biladb galat
    Faktorial dalam RAL (Bab 23C)32 petak diundi sekaligusSatuan percobaan seragam: rumah kaca, laboratorium24
    Faktorial dalam RAK8 kombinasi diundi ulang di setiap kelompokAda satu gradien yang diketahui: lereng, kesuburan, jarak dari saluran, hari kerja21
    Petak terbagi (split-plot) dalam RAKFaktor A diundi ke petak utama di setiap kelompok; faktor B diundi ke anak petak di dalam petak utamaSatu faktor hanya praktis diterapkan pada petak besar: irigasi, olah tanah, waktu tanam3 (galat a) dan 18 (galat b)
    Bujur sangkar latin (RBSL)Setiap perlakuan muncul sekali di setiap baris dan setiap kolomAda dua gradien yang saling tegak lurus42 (perlu 8 × 8 = 64 petak)

    Langkah 1 · Judul

    Pak Harun adalah penyuluh pertanian di Kabupaten X yang sedang menempuh S2 Agronomi di Universitas X; ia kenal Andi (Bab 23C) dari kelompok tani binaannya. Petani jagung manis di wilayahnya menanam di lahan miring dan memakai pupuk kandang ayam dengan takaran yang sangat beragam. Mereka juga bertanya varietas mana yang lebih cocok. Pak Harun menguji kedua pertanyaan dalam satu percobaan.

    Pengaruh Varietas dan Dosis Pupuk Kandang Ayam terhadap Pertumbuhan dan Hasil Jagung Manis (Zea mays L. saccharata) di Lahan Miring
    Kata kunciDua faktor perlakuanVariabel responsTanamanKondisi lahan

    Kata "pengaruh" sah untuk kedua faktor. Varietas di sini diberikan: Pak Harun sendiri mengundi varietas mana yang ditanam di petak mana. Ini berbeda dengan motivasi belajar di Bab 44, yang hanya diukur.

    • Faktor V, varietas (2 taraf): V1 = hibrida A, berumur genjah; V2 = hibrida B, bertongkol lebih besar. Nama dagang disamarkan.
    • Faktor D, dosis pupuk kandang ayam (4 taraf, berjarak sama): D0 = 0, D1 = 5, D2 = 10, D3 = 15 t/ha. Petani setempat memakai 5–10 t/ha; 15 t/ha ditambahkan untuk melihat apakah hasil masih naik.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah terdapat pengaruh varietas terhadap pertumbuhan dan hasil jagung manis?
    H1: kedua varietas memberi hasil berbeda
    Sidik ragam faktorial RAK: efek utama V
    Nyata, tetapi ditafsirkan lewat interaksi
    2
    Apakah terdapat pengaruh dosis pupuk kandang ayam?
    H2: paling sedikit satu dosis memberi hasil berbeda
    Efek utama D
    Sangat nyata
    3
    Apakah terdapat interaksi varietas dan dosis?
    H3: respons terhadap dosis berbeda antarvarietas
    Interaksi V × D; bila nyata, efek sederhana dengan BNJ 5% dalam tabel dua arah
    Sangat nyata: V2 unggul hanya pada 10 dan 15 t/ha
    4
    Bagaimana bentuk respons hasil terhadap dosis pada tiap varietas?
    H4: bentuknya berbeda antarvarietas
    Polinomial ortogonal di dalam tiap varietas
    V1 kuadratik (optimum 12,9 t/ha); V2 linear
    H₀ interaksi: (αβ)ij = 0 untuk semua i dan jArtinya, selisih hasil V2 − V1 sama besar pada keempat dosis; garis respons kedua varietas sejajar. Bila H₀ ini ditolak, efek utama tidak cukup untuk menjawab rumusan 1 dan 2.

    Langkah 3 · Kelompok, petak, dan pengacakan

    Jumlah kelompok. Perlakuannya adalah 2 × 4 = 8 kombinasi. Rumus Federer (Bab 5) dipakai pada kombinasi itu, bukan pada tiap faktor:

    (t − 1)(r − 1) ≥ 15  →  (8 − 1)(r − 1) ≥ 15  →  r ≥ 3,14  →  4 kelompokt = 8 kombinasi, r = jumlah kelompok (= ulangan). Pada RAK, (t − 1)(r − 1) tidak lain adalah db galat. Dengan 3 kelompok, db galat hanya 14; dengan 4 kelompok, 21. Total 8 × 4 = 32 petak.

    Letak kelompok. Lahan miring sekitar 8% menurun ke satu arah. Tanah di bagian atas lebih tipis karena tererosi, sedangkan bagian bawah menerima tanah dan air. Karena itu keempat kelompok dibuat memanjang searah garis kontur: K1 di puncak lereng sampai K4 di kaki lereng. Setiap kelompok berada di ketinggian yang hampir sama dan berisi kedelapan kombinasi. Kelompok yang memanjang menuruni lereng tidak berguna, karena beda puncak dan kaki lereng justru terjadi di dalam kelompok (Bab 23D).

    Pengacakan. Kedelapan kombinasi diundi terpisah di setiap kelompok, dengan kertas undian atau bilangan acak, lalu daftar undiannya disimpan sebagai lampiran.

    Gambar 23E.1 — Denah acak 32 petak percobaan Pak Harun

    Setiap baris adalah satu kelompok di sepanjang garis kontur. Biru = V1, jingga = V2; makin gelap, makin tinggi dosis pupuk kandang ayam (0, 5, 10, 15 t/ha). Jarak antarpetak 50 cm, antarkelompok 1 m dengan saluran air.
    Puncak lereng: tanah lebih tipis Kaki lereng: tanah lebih tebal dan lembap K1K2K3K4 K1 V1D0: 0 t/ha K1 V1D1: 5 t/ha K1 V1D3: 15 t/ha K1 V1D2: 10 t/ha K2 V1D2: 10 t/ha K2 V1D3: 15 t/ha K2 V1D1: 5 t/ha K2 V1D0: 0 t/ha K3 V1D1: 5 t/ha K3 V1D0: 0 t/ha K3 V1D2: 10 t/ha K3 V1D3: 15 t/ha K4 V1D1: 5 t/ha K4 V1D2: 10 t/ha K4 V1D3: 15 t/ha K4 V1D0: 0 t/ha K1 V2D1: 5 t/ha K1 V2D0: 0 t/ha K1 V2D2: 10 t/ha K1 V2D3: 15 t/ha K2 V2D3: 15 t/ha K2 V2D0: 0 t/ha K2 V2D2: 10 t/ha K2 V2D1: 5 t/ha K3 V2D1: 5 t/ha K3 V2D0: 0 t/ha K3 V2D3: 15 t/ha K3 V2D2: 10 t/ha K4 V2D2: 10 t/ha K4 V2D0: 0 t/ha K4 V2D1: 5 t/ha K4 V2D3: 15 t/ha V2D1V1D0V2D0V1D1V2D2V1D3V2D3V1D2 V1D2V1D3V2D3V2D0V1D1V2D2V2D1V1D0 V2D1V2D0V1D1V1D0V1D2V2D3V1D3V2D2 V2D2V1D1V1D2V2D0V1D3V1D0V2D1V2D3

    Petak dan petak panen. Setiap petak berukuran 3 m × 5 m, dengan jarak tanam 75 cm × 25 cm dan satu tanaman per lubang: 4 baris × 20 tanaman. Tanaman di tepi petak bersaing dengan petak tetangga yang dosisnya berbeda (efek pinggir). Karena itu hanya dua baris tengah, tanpa satu tanaman di tiap ujungnya, yang dipanen untuk data.

    Gambar 23E.2 — Satu petak: tanaman pinggir dan petak panen

    Petak panen = 2 baris × 18 tanaman = 36 tanaman, seluas 1,5 m × 4,5 m = 6,75 m².
    Petak panen: 2 baris × 18 tanaman = 36 tanaman; 1,5 m × 4,5 m = 6,75 m² baris pinggir petak panen 36 tanaman baris pinggir 5 m searah kontur: 20 tanaman, jarak 25 cm Lingkaran kosong = tanaman pinggir 3 m menuruni lereng: 4 baris, jarak antarbaris 75 cm
    • Pupuk kandang ayam yang sudah matang diambil dari satu sumber, dianalisis kadar air, C-organik, N, P, dan K, lalu ditebar dan dicampur tanah per petak seminggu sebelum tanam. Pupuk NPK diberikan dengan takaran yang sama di semua petak.
    • Hal yang disamakan: olah tanah, tanggal tanam, penyiangan, pengendalian hama, dan umur panen (70 HST).
    • Pengukuran dikerjakan per kelompok, dari K1 ke K4. Bila hujan menghentikan pengamatan, satu kelompok diselesaikan dulu, sehingga beda hari ikut masuk ke keragaman kelompok.
    Tabel 23E.2 — Variabel pengamatan
    VariabelWaktuCara ukurSatuan
    Tinggi tanaman6 MST5 tanaman sampel di petak panen, dari pangkal batang sampai ujung daun tertinggi yang diluruskancm
    Diameter tongkolPanen5 tongkol dari tanaman sampel, kelobot dikupas, diukur di bagian tengah dengan jangka sorongcm
    HasilPanen, 70 HSTSemua tongkol berkelobot dari 36 tanaman petak panen ditimbang (timbangan 10 g), lalu dikonversi ke t/hat/ha
    Hasil (t/ha) = bobot petak panen (kg) × 10.000 m² / 6,75 m² / 1.000 = bobot × 1,4815Contoh V1D0 di K1: 7,33 kg × 1,4815 = 10,86 t/ha. Pakai luas petak panen, bukan luas petak 15 m². Lima tanaman sampel dirata-ratakan menjadi satu nilai per petak; petaklah satuan percobaannya, bukan tanaman (Bab 23C).

    Etik dan izin. Percobaan ini tidak melibatkan manusia sebagai subjek maupun hewan coba, sehingga umumnya tidak memerlukan persetujuan komisi etik. Yang diperlukan adalah perjanjian tertulis dengan pemilik lahan (lama pemakaian, siapa yang memiliki hasil panen, dan ganti rugi bila hasil petak kontrol rendah), alat pelindung diri saat menangani pupuk kandang, serta buku catatan lapangan yang diisi setiap hari.

    Langkah 4 · Analisis: sidik ragam faktorial RAK

    A. Data dan perhitungan manual

    Tabel 23E.3 — Hasil tongkol berkelobot per petak (t/ha; data simulasi)
    KombinasiK1K2K3K4TotalRerata
    V1D010,869,6610,1911,3942,1010,53
    V1D111,1413,8414,1614,6853,8213,46
    V1D214,3613,5613,8115,7657,4814,37
    V1D313,6313,4515,3016,7159,1014,77
    V2D08,619,8510,7611,5740,7910,20
    V2D112,9613,3514,7613,7954,8613,71
    V2D214,2515,9115,7616,3962,3115,58
    V2D316,3717,3617,5319,0570,3117,58
    Total kelompok102,18106,98112,27119,35440,7713,77

    K1 di puncak lereng, K4 di kaki lereng; rerata kelompok naik dari 12,77 ke 14,92 t/ha. Total varietas: V1 212,50; V2 228,27. Total dosis: D0 82,89; D1 108,68; D2 119,79; D3 129,41.

    FK = (ΣY)² / (v·d·r) = 440,7704² / 32 = 6.071,2037
    JK total = ΣY² − FK = 6.273,4464 − 6.071,2037 = 202,2427
    JK kelompok = ΣK² / (v·d) − FK = 6.091,5410 − 6.071,2037 = 20,3373
    JK perlakuan = ΣT² / r − FK = 6.241,3357 − 6.071,2037 = 170,1320
    JK V = ΣV² / (d·r) − FK = 6.078,9684 − 6.071,2037 = 7,7647
    JK D = ΣD² / (v·r) − FK = 6.222,3468 − 6.071,2037 = 151,1431
    JK V×D = JK perlakuan − JK V − JK D = 11,2242
    JK galat = JK total − JK kelompok − JK perlakuan = 11,7734
    v = 2 varietas, d = 4 dosis, r = 4 kelompok · K = total kelompok · T = total kombinasi (kolom Total Tabel 23E.3) · V dan D = total varietas dan total dosis. Langkah kelompok sama dengan RAK satu faktor; yang baru adalah pemecahan JK perlakuan menjadi V, D, dan V×D.
    Tabel 23E.4 — Sidik ragam hasil jagung manis (data simulasi)
    Sumber keragaman (SK)dbJKKTF hitungF tabel 5%F tabel 1%
    Kelompok320,346,7812,09**3,074,87
    Perlakuan7170,1324,3043,35**2,493,64
      Varietas (V)17,767,7613,85**4,328,02
      Dosis (D)3151,1450,3889,86**3,074,87
      Interaksi V × D311,223,746,67**3,074,87
    Galat2111,770,56
    Total31202,24

    KK = √0,5606 / 13,774 × 100% = 5,44%. ** sangat nyata (F hitung > F tabel 1%); * nyata; tn tidak nyata. F tabel dicari pada db SK dan db galat 21; nilainya dihitung, bukan dibaca dari tabel cetak. Karena pembulatan, V + D + V×D = 170,12, bukan 170,13.

    Baris kelompok sangat nyata (F = 12,09): gradien lereng memang ada. Efisiensi relatif RAK terhadap RAL (rumus di Bab 23D) = [3 × 6,779 + 4 × 7 × 0,5606] / (31 × 0,5606) = 2,07. Seandainya petak diacak tanpa kelompok, dibutuhkan sekitar dua kali lebih banyak ulangan untuk ketelitian yang sama.

    Bila kelompok diabaikan saat analisis

    Menganalisis data ini sebagai faktorial RAL (salah, karena pengacakannya per kelompok) memindahkan JK kelompok ke galat: KT galat naik dari 0,56 menjadi 1,34 (db 24) dan KK dari 5,44% menjadi 8,40%. Interaksi V × D, yang sangat nyata pada RAK, menjadi tidak nyata: F(3; 24) = 2,80; p = 0,062. Rekomendasi pupuk per varietas akan hilang. Analisis harus mengikuti cara pengacakan.

    B. SPSS: GLM Univariate dengan model Custom

    Data diketik satu baris per petak (32 baris): kelompok (1–4), varietas (1–2), dosis (0, 5, 10, 15), bobot (kg), tinggi, dan diameter. Kolom hasil dibuat dengan Transform ▸ Compute Variable: bobot × 10000 / 6,75 / 1000.

    Analyze▸General Linear Model▸Univariate
    1. Dependent Variable = hasil; Fixed Factor(s) = kelompok, varietas, dosis.
    2. Model → Custom. Build Terms, Type Main effects: kelompok, varietas, dosis. Type Interaction: varietas*dosis. Jangan tambahkan interaksi kelompok. Sum of squares Type III; Include intercept in model.
    3. Plots → Horizontal Axis = dosis, Separate Lines = varietas → Add. Save → Unstandardized residuals.

    Mengapa bukan Full factorial? Dengan kelompok sebagai faktor, SPSS akan memasukkan kelompok × varietas, kelompok × dosis, dan kelompok × varietas × dosis. Ketiga suku itu bersama-sama memakan ke-21 db galat (3 + 9 + 9), sehingga tidak ada galat untuk menguji F.

    Output — Tests of Between-Subjects Effects (Dependent Variable: hasil)
    SourceType III Sum of SquaresdfMean SquareFSig.
    Corrected Model190,469a1019,04733,974,000
    Intercept6071,20416071,20410829,157,000
    kelompok20,33736,77912,092,000
    varietas7,76517,76513,850,001
    dosis151,143350,38189,864,000
    varietas * dosis11,22433,7416,674,002
    Error11,77321,561
    Total6273,44632
    Corrected Total202,24331

    a. R Squared = ,942 (Adjusted R Squared = ,914). Baris Corrected Model = kelompok + perlakuan (db 3 + 7). SPSS tidak menampilkan F tabel; notasi ** dan * pada tabel skripsi disusun dari F tabel 5% dan 1%.

    Asumsi. Galat 32 petak menyebar normal (Shapiro–Wilk p = 0,983). Asumsi khas RAK, yaitu tidak ada interaksi kelompok × perlakuan, diperiksa dengan uji aditivitas Tukey (Tukey, 1949; Bab 23D) pada 8 kombinasi × 4 kelompok: F(1; 20) = 0,22; p = 0,645. Kedua asumsi terpenuhi.

    C. Interaksi nyata: efek sederhana dan notasi dua arah

    Karena V × D sangat nyata, pertanyaan "varietas mana yang lebih baik" dijawab per dosis, dan "dosis mana yang terbaik" dijawab per varietas. Efek sederhana dari SPSS: klik Paste, lalu tambahkan dua baris EMMEANS berikut di jendela sintaks.

    /EMMEANS=TABLES(varietas*dosis) COMPARE(dosis)
    /EMMEANS=TABLES(varietas*dosis) COMPARE(varietas)
    Output — Univariate Tests (ringkasan dua tabel)
    Efek sederhanaSum of SquaresdfMean SquareFSig.
    dosis pada varietas = 144,148314,71626,249,000
    dosis pada varietas = 2118,220339,40770,289,000
    varietas pada dosis = 0,2171,217,388,540
    varietas pada dosis = 5,1341,134,240,629
    varietas pada dosis = 102,91612,9165,201,033
    varietas pada dosis = 1515,721115,72128,042,000
    Error11,77321,561

    Setiap F memakai galat model lengkap. Dosis berpengaruh pada kedua varietas; beda varietas nyata hanya pada dosis 10 dan 15 t/ha.

    SPSS tidak memberi huruf BNJ untuk efek sederhana, jadi huruf dihitung sendiri dari KT galat model lengkap (0,5606; db 21) dan r = 4:

    BNJ dosis (4 rerata) = q(0,05; 4; 21) × √(KTG / r) = 3,94 × 0,374 = 1,48 t/ha
    BNJ varietas (2 rerata) = q(0,05; 2; 21) × √(KTG / r) = 2,94 × 0,374 = 1,10 t/ha
    Setiap rerata sel berasal dari r = 4 petak. BNJ untuk dua rerata sama dengan BNT, karena hanya ada satu pasangan. Cara memberi huruf sama dengan Bab 23C, hanya dikerjakan per kolom dan per baris.
    Tabel 23E.5 — Hasil tongkol berkelobot (t/ha) pada kombinasi varietas dan dosis (data simulasi)
    Dosis pupuk kandang ayamV1 (hibrida A)V2 (hibrida B)
    D0 (0 t/ha)10,53 a A10,20 a A
    D1 (5 t/ha)13,46 b A13,71 b A
    D2 (10 t/ha)14,37 b A15,58 c B
    D3 (15 t/ha)14,77 b A17,58 d B
    BNJ 5%dosis (kolom) 1,48; varietas (baris) 1,10

    Rerata dari 4 petak. Angka yang diikuti huruf kecil yang sama dalam kolom (membandingkan dosis pada varietas yang sama) dan huruf besar yang sama dalam baris (membandingkan varietas pada dosis yang sama) tidak berbeda nyata menurut uji BNJ taraf 5%. Huruf a/A untuk rerata terkecil.

    1. Baca kolom (huruf kecil). Pada V1, D1 sampai D3 sama-sama "b": setelah 5 t/ha, tambahan pupuk tidak lagi menaikkan hasil secara nyata. Pada V2, keempat dosis berbeda (a, b, c, d): setiap tambahan 5 t/ha menaikkan hasil.

    2. Baca baris (huruf besar). Pada 0 dan 5 t/ha kedua varietas sama (A A). Pada 10 dan 15 t/ha V2 lebih tinggi (A B), dengan selisih 1,21 dan 2,80 t/ha.

    3. Jangan membandingkan sel diagonal, misalnya V1D3 dengan V2D2, dengan huruf ini. Notasi dua arah hanya berlaku di dalam satu kolom atau satu baris. Bila semua 8 kombinasi ingin dibandingkan, pakai BNJ untuk 8 rerata: q(0,05; 8; 21) × 0,374 = 1,78 t/ha, satu set huruf.

    Coba sendiri: membaca notasi dua arah

    Pilih satu sel. Sel lain di kolom yang sama diarsir bila tidak berbeda nyata dan diberi garis putus bila berbeda; begitu pula sel di baris yang sama. Lalu ganti BNJ dengan DMRT dan perhatikan huruf yang berubah di kolom V1.

    D. Bentuk respons dosis di dalam tiap varietas

    Dosis adalah faktor kuantitatif berjarak sama, jadi JK dosis di dalam tiap varietas dipecah dengan polinomial ortogonal (Bab 23C). Koefisien untuk 4 taraf: linear −3, −1, 1, 3; kuadratik 1, −1, −1, 1; kubik −1, 3, −3, 1. JK komponen = r × (Σc·ȳ)² / Σc², diuji terhadap KT galat 0,5606.

    Tabel 23E.6 — Polinomial ortogonal dosis di dalam tiap varietas (data simulasi)
    KomponenJK (V1)F (V1)JK (V2)F (V2)
    Linear37,3266,56**115,27205,61**
    Kuadratik6,3811,38**2,314,11tn
    Kubik0,450,81tn0,641,15tn
    Dosis di dalam varietas (db 3)44,1526,25**118,2270,29**

    F tabel (1; 21) = 4,32 (5%) dan 8,02 (1%). Kuadratik V2 hampir nyata (p = 0,055). JK dosis di dalam V1 dan V2 berjumlah 162,37 = JK D + JK V×D.

    V1: ŷ = 10,60 + 0,6521x − 0,02526x²  →  xopt = 0,6521 / (2 × 0,02526) = 12,9 t/ha; ŷmaks = 14,81 t/ha
    V2: ŷ = 10,67 + 0,4801x  →  tiap 1 t/ha pupuk menambah hasil 0,48 t/ha
    x = dosis pupuk kandang ayam (t/ha). Persamaan dihitung dari 16 petak tiap varietas; koefisiennya sama dengan regresi pada 4 rerata karena datanya seimbang. Optimum V2 belum tercapai sampai 15 t/ha.

    Langkah 5 · Hasil

    Gambar 23E.3 — Respons hasil jagung manis terhadap dosis pupuk kandang ayam

    Titik = rerata 4 petak; garis = regresi kuadratik (V1) dan linear (V2); data simulasi.
    10 12 14 16 18 0 5 10 15 Dosis pupuk kandang ayam (t/ha) Hasil tongkol berkelobot (t/ha) V1: ŷ = 10,60 + 0,6521x − 0,02526x²; optimum 12,9 t/ha V2: ŷ = 10,67 + 0,4801x V1, 0 t/ha: 10,53 t/ha (a A) V1, 5 t/ha: 13,46 t/ha (b A) V1, 10 t/ha: 14,37 t/ha (b A) V1, 15 t/ha: 14,77 t/ha (b A) V2, 0 t/ha: 10,20 t/ha (a A) V2, 5 t/ha: 13,71 t/ha (b A) V2, 10 t/ha: 15,58 t/ha (c B) V2, 15 t/ha: 17,58 t/ha (d B) V2 V1 optimum V1 12,9 t/ha pupuk

    Kedua garis berimpit sampai 5 t/ha, lalu berpisah. V1 mendatar setelah sekitar 10 t/ha, sedangkan V2 terus naik; pada 15 t/ha V2 menghasilkan 17,58 t/ha, 72% di atas tanpa pupuk. Inilah bentuk interaksinya: varietas yang lebih baik bergantung pada dosis.

    Tabel 23E.7 — Tinggi tanaman dan diameter tongkol: interaksi tidak nyata (data simulasi)
    PerlakuanTinggi 6 MST (cm)Diameter tongkol (cm)
    V1178,69 a4,67 a
    V2194,78 b4,96 b
    D0 (0 t/ha)172,59 a4,55 a
    D1 (5 t/ha)187,79 b4,78 b
    D2 (10 t/ha)194,14 b4,99 c
    D3 (15 t/ha)192,43 b4,94 bc
    F: V / D / V × D39,69** / 14,76** / 0,78tn32,25** / 14,92** / 1,47tn
    KK3,87%3,00%

    Karena interaksi tidak nyata, yang dilaporkan adalah rerata efek utama: rerata varietas dari 16 petak dan rerata dosis dari 8 petak. BNJ 5% varietas 5,31 cm dan 0,11 cm; BNJ 5% dosis 10,06 cm dan 0,20 cm. Huruf dibandingkan di dalam satu faktor.

    Kalimat hasil Pak Harun

    "Terdapat interaksi antara varietas dan dosis pupuk kandang ayam terhadap hasil jagung manis (F(3; 21) = 6,67; p = 0,002; KK = 5,44%). Tanpa pupuk dan pada 5 t/ha kedua varietas tidak berbeda nyata, sedangkan pada 10 dan 15 t/ha V2 lebih tinggi 1,21 dan 2,80 t/ha (BNJ 5%). Pada V1, dosis 5–15 t/ha tidak berbeda nyata; responsnya kuadratik dengan dosis optimum 12,9 t/ha dan hasil dugaan maksimum 14,81 t/ha. Pada V2, hasil naik linear 0,48 t/ha per t/ha pupuk sampai 17,58 t/ha pada 15 t/ha. Varietas dan dosis juga berpengaruh sangat nyata terhadap tinggi tanaman dan diameter tongkol, tanpa interaksi."

    Langkah 6 · Pembahasan dan kesimpulan

    Pupuk kandang ayam menaikkan hasil kedua varietas, tetapi V2 memanfaatkan dosis tinggi lebih baik: hasilnya terus naik sampai 15 t/ha, sedangkan V1 mendatar setelah sekitar 10 t/ha. Pola ini sesuai dengan arti interaksi dalam percobaan faktorial: efek satu faktor bergantung pada taraf faktor lain, sehingga rekomendasi harus diberikan per kombinasi (Gomez & Gomez, 1984). Mengapa V2 lebih responsif belum dapat dijelaskan karena serapan hara tidak diukur. Menurut peneliti, petani yang menanam V1 cukup memakai sekitar 10 t/ha, sedangkan V2 layak diberi 15 t/ha dan diuji lagi pada dosis yang lebih tinggi. Keterbatasan: satu lokasi dan satu musim tanam; satu sumber pupuk kandang; dosis tertinggi belum melewati puncak respons V2; kelayakan ekonomi (harga pupuk dan jagung) belum dihitung.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh varietas dan dosis pupuk kandang ayam terhadap pertumbuhan (tinggi tanaman) dan hasil jagung manis (diameter tongkol dan hasil tongkol berkelobot).

    2. Terdapat interaksi varietas × dosis terhadap hasil: kedua varietas setara pada 0 dan 5 t/ha, sedangkan V2 lebih tinggi pada 10 dan 15 t/ha.

    3. Respons hasil V1 bersifat kuadratik dengan dosis optimum 12,9 t/ha; respons V2 linear sampai 15 t/ha.

    Awas, keliru!
    • Menyimpulkan dari efek utama padahal interaksinya nyata. "V2 lebih unggul" (rerata 14,27 lawan 13,28 t/ha) keliru untuk petani yang memupuk 0–5 t/ha.
    • Memakai menu Post Hoc GLM untuk dosis saat interaksi nyata. Menu itu membandingkan rerata marginal dosis (gabungan dua varietas) dan tidak dapat dipakai untuk efek sederhana.
    • Memilih Full factorial dengan kelompok sebagai faktor, sehingga galat habis atau interaksi kelompok ikut masuk model.
    • Menulis huruf tanpa aturan bacanya: huruf kecil untuk kolom atau baris, uji apa, dan taraf berapa. Sebagian buku memakai konvensi terbalik, jadi aturan wajib ditulis di bawah tabel.
    • Menata kelompok menuruni lereng atau mengacak 32 petak sekaligus lalu menyebut hasilnya RAK.
    • Menganalisis 5 tanaman sampel sebagai ulangan (pseudoreplikasi) atau menghitung t/ha dari luas petak kotor.
    Pojok S2–S3
    • Petak hilang pada faktorial. Rumus Yates untuk RAK (Bab 23D) tetap berlaku, dengan kedelapan kombinasi sebagai t perlakuan. Andaikan petak V2D2 di K2 dirusak babi hutan: X = (rB₀ + tT₀ − G₀) / [(r − 1)(t − 1)] = (4 × 91,07 + 8 × 46,40 − 424,86) / (3 × 7) = 14,79 t/ha; db galat menjadi 20. JK perlakuan dari data yang sudah diisi lalu dipecah menjadi V, D, dan V×D seperti biasa. Cara yang lebih sederhana, GLM Type III pada 31 petak, memberi F interaksi(3; 20) = 6,75; p = 0,003, sama dengan cara Yates (Gomez & Gomez, 1984).
    • Kelompok tetap atau acak? Pada data lengkap dan seimbang, uji F perlakuan sama saja. Model campuran dengan kelompok acak menduga ragam kelompok (6,779 − 0,561) / 8 = 0,78 dan tetap sah bila ada petak hilang; ini cara yang dianjurkan untuk data tidak seimbang dan rancangan bertingkat (Piepho dkk., 2003).
    • Split-plot atau faktorial RAK? Pakai split-plot bila satu faktor hanya praktis pada petak besar, misalnya sistem irigasi atau olah tanah. Faktor petak utama diuji dengan galat a yang db-nya kecil (di sini 3), jadi ketelitiannya rendah; faktor anak petak dan interaksinya lebih teliti. Varietas dan pupuk kandang sama mudah diterapkan pada petak 15 m², sehingga faktorial RAK lebih tepat.
    • Dua gradien. Bila selain lereng ada gradien lain yang tegak lurus, misalnya jarak dari deretan pohon pelindung, RBSL mengendalikan keduanya, tetapi 8 perlakuan memerlukan 64 petak. Untuk banyak perlakuan, pertimbangkan rancangan kelompok tidak lengkap.
    • Analisis gabungan antarmusim atau antarlokasi: periksa dulu kehomogenan KT galat tiap percobaan, lalu uji interaksi musim × perlakuan. Bila nyata, rekomendasi dibuat per musim atau per lokasi (Gomez & Gomez, 1984).
    • Optimum ekonomi. Dosis optimum biologis V1 (12,9 t/ha) lebih tinggi daripada optimum ekonomi, yang dicari dengan menyamakan turunan kurva respons dengan rasio harga pupuk terhadap harga jagung.
    Intinya
    • Faktorial dalam RAK = semua kombinasi taraf diacak ulang di setiap kelompok. Kelompok ditata tegak lurus gradien; jumlahnya dihitung dari jumlah kombinasi (8 kombinasi → 4 kelompok, db galat 21).
    • Sidik ragam memecah JK perlakuan menjadi V, D, dan V×D, dengan kelompok sebagai sumber keragaman tersendiri. Di SPSS, pakai model Custom tanpa interaksi kelompok.
    • Bila interaksi nyata, laporkan efek sederhana dalam tabel dua arah: huruf kecil di dalam kolom, huruf besar di dalam baris, dengan aturan baca, uji, dan taraf di bawah tabel.
    • Untuk faktor kuantitatif, cari bentuk respons di dalam tiap taraf faktor lain; di sini V1 optimum pada 12,9 t/ha, sedangkan V2 masih naik linear.
    Coba sendiri: kuis faktorial dalam RAK
    Bab 23F

    Contoh Lengkap Formulasi Pangan dan Uji Organoleptik

    Uji organoleptik (uji sensori) menilai mutu pangan dengan indera manusia: panelis melihat, mencium, mencicipi, dan merasakan tekstur sampel, lalu memberi skor. Dalam penelitian formulasi, uji ini dipadukan dengan analisis kimia untuk memilih formula yang bergizi sekaligus disukai (Lawless & Heymann, 2010; Setyaningsih dkk., 2010).

    SMP–SMAS1S2–S3

    Satu penelitian, tiga jenis data

    Penelitian formulasi adalah eksperimen: peneliti mengubah proporsi bahan, lalu mengukur akibatnya. Datanya ada tiga jenis, dan masing-masing punya "ulangan" dan uji sendiri.

    Tabel 23F.1 — Tiga jenis data dalam penelitian formulasi Salsa
    DataPertanyaanSkalaUlangannyaAnalisis
    Kimia: protein, zat besiBerapa kandungannya?Rasio: g/100 g, mg/100 gAdonan (batch) yang dibuat terpisahANOVA satu arah (RAL) + BNJ
    Hedonik (tingkat kesukaan)Seberapa suka Anda?Ordinal 1–5: sangat tidak suka sampai sangat sukaPanelis; setiap panelis menilai keempat formulaFriedman + Wilcoxon berpasangan (Bonferroni)
    Mutu hedonik (deskripsi intensitas)Seberapa hijau, langu, pahit, renyah?Ordinal 1–5: tidak langu sampai sangat languSama dengan hedonikSama dengan hedonik

    Beda hedonik dan mutu hedonik penting. Skor aroma langu 4 berarti "langu", bukan "suka". Panelis bisa menilai cookies sangat langu tetapi tetap suka, atau sebaliknya. Karena itu hasil mutu hedonik menjelaskan mengapa skor kesukaan turun.

    Langkah 1 · Judul

    Salsa, mahasiswi D4 Gizi di Poltekkes X, sering berdiskusi statistik dengan Rara. Saat praktik di puskesmas ia melihat banyak remaja putri tidak menghabiskan tablet tambah darah, sementara pohon kelor tumbuh di pekarangan hampir setiap rumah. Ia ingin membuat camilan yang disukai remaja dan menyumbang zat besi.

    Pengaruh Substitusi Tepung Daun Kelor (Moringa oleifera) terhadap Daya Terima dan Kadar Zat Besi Cookies
    Kata kunciPerlakuanVariabel responsProduk
    • Substitusi: sebagian tepung terigu diganti tepung daun kelor, dihitung dari berat tepung: F0 0% (kontrol), F1 5%, F2 10%, F3 15%. Kata "pengaruh" sah karena Salsa sendiri yang menetapkan formulanya (Bab 1).
    • Daya terima: tingkat kesukaan (hedonik) warna, aroma, rasa, tekstur, dan keseluruhan; dilengkapi mutu hedonik.
    • Kadar zat besi dan protein per 100 g cookies. Daun kelor dikenal kaya mineral, termasuk zat besi, dan protein (Gopalakrishnan dkk., 2016).

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah terdapat pengaruh substitusi tepung daun kelor terhadap kadar protein dan zat besi cookies?
    H1: kadar berbeda antarformula
    ANOVA satu arah (RAL), BNJ 5%
    Sangat nyata; naik di setiap taraf
    2
    Apakah terdapat pengaruh substitusi terhadap tingkat kesukaan warna, aroma, rasa, tekstur, dan keseluruhan?
    H2: kesukaan berbeda antarformula
    Friedman; Wilcoxon berpasangan dengan koreksi Bonferroni
    Nyata, kecuali tekstur; F3 paling tidak disukai
    3
    Apakah terdapat pengaruh substitusi terhadap mutu hedonik (kehijauan, langu, pahit, kerenyahan)?
    H3: intensitas berbeda antarformula
    Friedman; Wilcoxon-Bonferroni
    Nyata, kecuali kerenyahan
    4
    Formula mana yang terbaik?
    Tanpa hipotesis; keputusan
    Syarat daya terima + skor terbobot (bobot ditetapkan di proposal)
    F2 (10%)

    Langkah 3 · Formulasi, rancangan, dan uji organoleptik

    A. Formula dan ulangan

    Tepung daun kelor dibuat dari daun yang dipisahkan dari tangkainya, dicuci, dikeringkan dalam pengering bersuhu rendah sampai rapuh, digiling, dan diayak. Uji pendahuluan pada 20% substitusi (data simulasi) menghasilkan cookies yang pahit dan sangat langu, sehingga batas atas ditetapkan 15%.

    Tabel 23F.2 — Formula cookies per adonan (gram)
    BahanF0 (0%)F1 (5%)F2 (10%)F3 (15%)
    Tepung terigu protein rendah200190180170
    Tepung daun kelor0102030
    Margarin, gula halus, kuning telur, susu bubuk100, 80, 20, dan 20 (sama untuk semua formula)
    Baking powder, garam2 dan 1 (sama)
    (t − 1)(r − 1) ≥ 15  →  (4 − 1)(r − 1) ≥ 15  →  r ≥ 6  →  6 ulanganRumus Federer (Bab 5): t = 4 formula. Satu ulangan = satu adonan (batch) yang ditimbang, diaduk, dicetak, dan dipanggang sendiri. Total 24 adonan; urutan pembuatannya diundi, 4 adonan per hari selama 6 hari. Rancangannya RAL (Bab 23C).
    Duplo, triplo, dan ulangan

    Setiap adonan dianalisis duplo: dua sampel dari cookies yang sama diukur kadar zat besinya (spektrofotometri serapan atom) dan proteinnya (metode Kjeldahl), lalu dirata-ratakan menjadi satu nilai per adonan. Duplo atau triplo adalah ulangan analisis: ia memeriksa ketelitian alat dan analis, bukan keragaman antaradonan. Ulangan percobaan adalah adonan yang dibuat terpisah. Pada F1, selisih duplo zat besi sangat kecil (misalnya 2,79 dan 2,77 mg/100 g), sedangkan rerata keenam adonan berkisar 2,78–3,71 mg/100 g. Simpangan baku analisis gabungan hanya 0,04, sedangkan simpangan baku antaradonan 0,26 mg/100 g.

    Andaikan Salsa hanya membuat satu adonan per formula dan menganalisisnya triplo, lalu menyebut tiga hasil itu "ulangan". Dengan adonan pertama dari data ini, F1 justru sedikit lebih rendah daripada F0 (2,77 lawan 2,84 mg/100 g) dan dinyatakan tidak berbeda, padahal dengan enam adonan F1 lebih tinggi 0,66 mg/100 g. Satu adonan yang kebetulan menyimpang tidak bisa dikenali. Inilah pseudoreplikasi (Bab 23C).

    B. Panelis dan lembar penilaian

    • Panelis agak terlatih: 30 mahasiswa D4 Gizi yang sudah menempuh mata kuliah penilaian organoleptik dan lulus uji pengenalan rasa dasar. SNI 01-2346-2006 (Badan Standardisasi Nasional, 2006) menyebut minimal 6 panelis standar atau 30 panelis nonstandar dalam satu pengujian; ruang lingkup SNI itu adalah produk perikanan, tetapi syarat panelis dan ruang ujinya sering dijadikan acuan umum.
    • Syarat: sehat, tidak sedang flu, tidak buta warna, tidak alergi terhadap bahan (gluten, telur, susu), tidak makan dalam 1 jam dan tidak merokok dalam 20 menit sebelum uji, bersedia ikut.
    • Lembar hedonik: 1 sangat tidak suka, 2 tidak suka, 3 netral, 4 suka, 5 sangat suka. Lembar mutu hedonik: kehijauan (1 tidak hijau sampai 5 hijau tua), aroma langu (1 tidak langu sampai 5 sangat langu), rasa pahit (1 tidak pahit sampai 5 sangat pahit), kerenyahan (1 tidak renyah sampai 5 sangat renyah).

    C. Penyajian sampel

    1. Kode acak tiga angka: F0 = 479, F1 = 677, F2 = 132, F3 = 723, diambil dari bilangan acak. Label "F0" atau "kontrol" membuat panelis menebak. (SNI 01-2346-2006 memakai lima digit; tiga digit lazim di buku analisis sensori.)

    2. Urutan seimbang dengan rancangan Williams untuk 4 sampel: F0-F1-F3-F2, F1-F2-F0-F3, F2-F3-F1-F0, F3-F0-F2-F1. Setiap formula muncul sekali di setiap posisi dan tepat sekali didahului setiap formula lain (MacFie dkk., 1989). Panelis 1, 5, 9, … mendapat urutan pertama, dan seterusnya; urutan 1 dan 2 dipakai 8 kali, urutan 3 dan 4 dipakai 7 kali.

    3. Kondisi: bilik terpisah dengan lampu putih, antara pukul sembilan dan sebelas pagi (panelis tidak lapar dan tidak kenyang), satu keping cookies (± 10 g) per kode di piring putih. Cookies berasal dari campuran keenam adonan tiap formula dan dipanggang paling lama sehari sebelumnya.

    4. Penetral: air putih diminum sebelum dan di antara sampel. Panelis tidak boleh berdiskusi dan boleh membuang sampel setelah dicicipi.

    Etik. Panelis adalah manusia, jadi protokol diajukan ke KEPK Poltekkes X sebelum uji (Bab 7A). Risikonya minimal, tetapi penelaah akan menanyakan: naskah penjelasan dan persetujuan tertulis, penyaringan alergi (gluten, telur, susu), higiene (dapur praktik, penutup kepala, masker, sarung tangan, bahan dalam masa simpan), kebebasan mundur kapan saja, dan kerahasiaan (nama diganti kode panelis). Nilai mata kuliah tidak boleh dikaitkan dengan keikutsertaan.

    Langkah 4 · Analisis

    A. Data kimia: ANOVA satu arah

    Data kimia berskala rasio, dengan 6 adonan per formula sebagai ulangan. Analisisnya sama dengan Bab 23C: Analyze ▸ Compare Means ▸ One-Way ANOVA, Post Hoc Tukey (BNJ). Galat menyebar normal (Shapiro–Wilk p = 0,718 untuk protein dan 0,967 untuk zat besi) dan ragam homogen (Levene p = 0,676 dan 0,320). Hasil: protein F(3; 20) = 259,45 dan zat besi F(3; 20) = 70,45; keduanya p < 0,001 (Tabel 23F.6).

    B. Data sensori: mengapa Friedman?

    Setiap panelis mencicipi keempat formula, jadi keempat skor dari satu panelis tidak saling bebas: panelis yang "murah nilai" memberi skor tinggi pada semua formula. Panelis berperan seperti kelompok dalam RAK (Bab 23D). Skornya ordinal 1–5 dengan banyak nilai sama. Uji yang sesuai adalah uji Friedman: skor diberi peringkat di dalam tiap panelis, lalu jumlah peringkat tiap formula dibandingkan (Friedman, 1937). Kruskal–Wallis tidak tepat karena menganggap keempat kelompok berisi orang yang berbeda.

    χ²r = [12 / (n·k·(k + 1))] × ΣRj² − 3n(k + 1)    lalu dibagi C = 1 − Σ(t³ − t) / [n·k·(k² − 1)]n = jumlah panelis, k = jumlah formula, Rj = jumlah peringkat formula ke-j, t = banyaknya skor yang sama (seri) dalam satu panelis. db = k − 1 = 3; χ² tabel 5% = 7,81. SPSS memakai versi yang sudah dikoreksi seri (Conover, 1999).

    Contoh manual dengan 6 panelis pertama, skor keseluruhan:

    Tabel 23F.3 — Skor keseluruhan dan peringkatnya di dalam tiap panelis (6 panelis pertama; data simulasi)
    PanelisF0F1F2F3Seri Σ(t³ − t)
    P14 → 34 → 34 → 33 → 124
    P24 → 3,54 → 3,53 → 1,53 → 1,512
    P34 → 3,54 → 3,53 → 22 → 16
    P44 → 24 → 25 → 44 → 224
    P55 → 44 → 2,54 → 2,53 → 16
    P64 → 34 → 34 → 33 → 124
    Jumlah peringkat R1917,5167,596

    Skor → peringkat. Skor sama mendapat rerata peringkat: tiga skor 4 pada P1 menempati peringkat 2, 3, dan 4, jadi masing-masing 3. Jumlah semua R = n·k(k + 1)/2 = 60, cocok sebagai pemeriksaan.

    χ²r = 12 / (6 × 4 × 5) × (19² + 17,5² + 16² + 7,5²) − 3 × 6 × 5 = 0,1 × 979,5 − 90 = 7,95
    C = 1 − 96 / (6 × 4 × 15) = 0,7333  →  χ²(3) = 7,95 / 0,7333 = 10,84; p = 0,013
    Tanpa koreksi seri p = 0,047; dengan koreksi p = 0,013. Pada skala 1–5 seri sangat sering, jadi koreksi ini penting.
    Coba sendiri: kalkulator Friedman

    Nilai awal adalah skor keseluruhan 6 panelis pertama (Tabel 23F.3). Ubah skor lalu amati peringkat, jumlah peringkat, dan χ². Coba buat semua panelis memberi skor sama untuk F0 dan F3, atau buat satu panelis menilai F3 paling tinggi.

    PanelisF0 · 479F1 · 677F2 · 132F3 · 723
    P1
    P2
    P3
    P4
    P5
    P6

    C. Friedman di SPSS

    Data diketik satu baris per panelis: kolom F0_kes, F1_kes, F2_kes, F3_kes, dan seterusnya untuk setiap atribut. Susunan panjang (satu baris per penilaian) tidak bisa dipakai untuk menu ini.

    Analyze▸Nonparametric Tests▸Legacy Dialogs▸K Related Samples

    Test Variables = F0_kes sampai F3_kes; Test Type: FriedmanKendall's W; Statistics → Quartiles. Menu baru Nonparametric Tests ▸ Related Samples memberi hasil yang sama; pada tab Settings pilih Friedman's 2-way ANOVA by ranks (k samples) dengan Multiple comparisons: All pairwise.

    Output — Friedman Test (skor keseluruhan, 30 panelis)
    RanksMean Rank
    F0_kes3,02
    F1_kes2,82
    F2_kes2,73
    F3_kes1,43
    Test StatisticsaNChi-SquaredfAsymp. Sig.Kendall's W
    Friedman3038,2773,000,425

    a. Friedman Test. Kendall's W muncul di tabel tersendiri dengan Chi-Square yang sama; digabung di sini agar ringkas. W = χ² / [n(k − 1)] = 38,277 / 90 = 0,425.

    D. Uji lanjut: Wilcoxon berpasangan dengan koreksi Bonferroni

    Friedman nyata hanya berarti paling sedikit satu formula berbeda. Untuk tahu yang mana, setiap pasangan diuji dengan uji peringkat bertanda Wilcoxon (Legacy Dialogs ▸ 2 Related Samples), karena pasangan skor berasal dari panelis yang sama. Ada 6 pasangan, jadi α dibagi 6: selisih dinyatakan nyata bila p < 0,05 / 6 = 0,0083, atau bila p × 6 < 0,05. Salsa memilih cara ini di proposal karena tersedia di SPSS, mudah dijelaskan, dan menjaga galat tipe I untuk semua pasangan.

    Tabel 23F.4 — Uji Wilcoxon berpasangan, skor keseluruhan (n = 30; data simulasi)
    PasanganZpp × 6 (Bonferroni)Keputusan
    F0 – F1−0,730,4671,000tidak berbeda nyata
    F0 – F2−0,890,3711,000tidak berbeda nyata
    F1 – F2−0,240,8081,000tidak berbeda nyata
    F0 – F3−4,52< 0,001< 0,001berbeda nyata
    F1 – F3−3,95< 0,001< 0,001berbeda nyata
    F2 – F3−4,09< 0,001< 0,001berbeda nyata

    p × 6 dibatasi paling besar 1. Pasangan dengan selisih nol (panelis memberi skor sama) tidak ikut diberi peringkat. Perbandingan berpasangan pada menu Related Samples (berbasis rerata peringkat, dikoreksi Bonferroni) memberi kesimpulan yang sama.

    E. Daya terima dan formula terbaik

    Daya terima = persentase panelis yang memberi skor 4 (suka) atau 5 (sangat suka). Sebelum data diambil, Salsa menetapkan syarat formula "diterima": median skor keseluruhan ≥ 4 dan lebih dari 50% panelis suka. Tidak ada angka baku nasional untuk batas ini, jadi batas itu ditulis beserta alasannya di proposal.

    Formula yang diterima lalu dibandingkan dengan skor terbobot. Setiap kriteria dinormalkan: Ne = (nilai − nilai terburuk) / (nilai terbaik − nilai terburuk), sehingga formula terbaik bernilai 1 dan terburuk 0. Skor = Σ(bobot × Ne). Bobot ditetapkan bersama pembimbing di proposal, dengan zat besi paling berat karena tujuan produknya. Di banyak skripsi pangan, cara serupa disebut metode indeks efektivitas.

    Tabel 23F.5 — Skor terbobot: nilai (Ne) tiap formula (data simulasi)
    Kriteria (bobot)F0F1F2F3
    Zat besi, mg/100 g (0,35)2,59 (0)3,25 (0,32)4,02 (0,70)4,63 (1)
    Protein, g/100 g (0,10)7,40 (0)8,17 (0,39)8,67 (0,64)9,39 (1)
    Hedonik keseluruhan (0,30)3,93 (1)3,83 (0,90)3,80 (0,87)2,90 (0)
    Hedonik rasa (0,15)4,23 (1)4,13 (0,92)3,73 (0,59)3,00 (0)
    Hedonik aroma (0,05)3,80 (1)3,80 (1)3,37 (0,65)2,57 (0)
    Hedonik warna (0,05)4,10 (1)3,83 (0,80)3,57 (0,61)2,73 (0)
    Skor Σ(bobot × Ne)0,550,650,720,45*

    * F3 tidak memenuhi syarat daya terima (median 3; 10% panelis suka), jadi tidak ikut dipilih walaupun zat besinya tertinggi. Skor hedonik yang dipakai adalah rerata skor, sesuai kebiasaan; median tidak membedakan F0–F2 karena semuanya 4.

    Langkah 5 · Hasil

    Tabel 23F.6 — Kadar protein dan zat besi cookies (6 adonan per formula; data simulasi)
    FormulaProtein (g/100 g)Zat besi (mg/100 g)
    F0 (0%)7,40 ± 0,12 a2,59 ± 0,20 a
    F1 (5%)8,17 ± 0,16 b3,25 ± 0,38 b
    F2 (10%)8,67 ± 0,09 c4,02 ± 0,19 c
    F3 (15%)9,39 ± 0,13 d4,63 ± 0,23 d
    F(3; 20) · KK · BNJ 5%259,45** · 1,52% · 0,2170,45** · 7,18% · 0,42

    Rerata ± SD dari 6 adonan (setiap adonan = rerata duplo). Huruf yang sama dalam satu kolom = tidak berbeda nyata menurut BNJ 5%; a untuk rerata terkecil. F tabel (3; 20) = 3,10 (5%) dan 4,94 (1%).

    Tabel 23F.7 — Uji hedonik dan mutu hedonik (30 panelis; skala 1–5; data simulasi)
    AtributF0F1F2F3χ²(3)p
    Hedonik (1 sangat tidak suka – 5 sangat suka)
    Warna4,10 ± 0,76 c3,83 ± 0,70 bc3,57 ± 0,73 b2,73 ± 0,83 a46,02< 0,001
    Aroma3,80 ± 0,89 b3,80 ± 0,76 b3,37 ± 0,81 b2,57 ± 0,73 a38,07< 0,001
    Rasa4,23 ± 0,77 b4,13 ± 0,73 b3,73 ± 0,78 b3,00 ± 0,79 a35,86< 0,001
    Tekstur4,07 ± 0,83 a3,97 ± 0,76 a3,80 ± 0,71 a3,73 ± 0,83 a3,870,276
    Keseluruhan3,93 ± 0,64 b3,83 ± 0,70 b3,80 ± 0,71 b2,90 ± 0,76 a38,28< 0,001
    Daya terima keseluruhan76,7%73,3%63,3%10,0%
    Mutu hedonik (1 = paling rendah intensitasnya)
    Kehijauan1,27 ± 0,45 a2,33 ± 0,71 b3,43 ± 0,68 c4,53 ± 0,51 d84,89< 0,001
    Aroma langu1,37 ± 0,49 a2,00 ± 0,69 b2,77 ± 0,57 c3,53 ± 0,73 d69,62< 0,001
    Rasa pahit1,33 ± 0,55 a1,53 ± 0,51 a2,10 ± 0,76 b2,87 ± 0,73 c49,35< 0,001
    Kerenyahan3,87 ± 0,73 a3,97 ± 0,72 a3,77 ± 0,68 a3,80 ± 0,71 a1,630,652

    Rerata ± SD ditampilkan karena lazim di skripsi pangan; uji memakai peringkat. Huruf yang sama dalam satu baris = tidak berbeda nyata menurut Wilcoxon berpasangan dengan koreksi Bonferroni (p × 6 ≥ 0,05); a untuk rerata terkecil. Median keseluruhan: 4, 4, 4, 3.

    Gambar 23F.1 — Zat besi naik, kesukaan turun

    Persentase panelis yang menyukai cookies (skor keseluruhan ≥ 4) terhadap kadar zat besi. Titik besar = F2, skor terbobot tertinggi; garis putus = batas daya terima 50% (data simulasi).
    0 25 50 75 100 2 3 4 5 Kadar zat besi cookies (mg/100 g) Panelis yang suka (%) batas 50% F0 (0%): zat besi 2,59 mg/100 g; 76,7% panelis suka F1 (5%): zat besi 3,25 mg/100 g; 73,3% panelis suka F2 (10%): zat besi 4,02 mg/100 g; 63,3% panelis suka F3 (15%): zat besi 4,63 mg/100 g; 10,0% panelis suka F0: 76,7% F1: 73,3% F2: 63,3% F3: 10,0%

    Kesukaan hampir datar dari F0 sampai F2, lalu anjlok pada F3. Mutu hedonik menjelaskan sebabnya: dari F2 ke F3 aroma langu naik dari 2,77 ke 3,53 dan rasa pahit dari 2,10 ke 2,87. Kerenyahan tidak berubah, sejalan dengan kesukaan tekstur yang tidak berbeda.

    Kalimat hasil Salsa

    "Substitusi tepung daun kelor berpengaruh sangat nyata terhadap kadar protein (F(3; 20) = 259,45) dan zat besi cookies (F(3; 20) = 70,45; keduanya p < 0,001); zat besi naik dari 2,59 mg/100 g pada F0 menjadi 4,02 dan 4,63 mg/100 g pada F2 dan F3. Substitusi juga berpengaruh terhadap kesukaan warna, aroma, rasa, dan keseluruhan (uji Friedman, keseluruhan χ²(3) = 38,28; p < 0,001; W = 0,43), tetapi tidak terhadap tekstur (p = 0,276). Kesukaan keseluruhan F1 dan F2 tidak berbeda nyata dengan kontrol, sedangkan F3 lebih rendah daripada ketiga formula lain (Wilcoxon, p × 6 < 0,001), dengan daya terima 10,0%. Berdasarkan syarat daya terima dan skor terbobot, F2 (substitusi 10%) adalah formula terpilih."

    Langkah 6 · Pembahasan dan kesimpulan

    Setiap tambahan 5% tepung daun kelor menaikkan zat besi dan protein cookies. Kesukaan bertahan sampai 10%, tetapi pada 15% cookies menjadi hijau tua, langu, dan pahit sehingga ditolak sebagian besar panelis. Daun kelor memang kaya mineral dan protein (Gopalakrishnan dkk., 2016). Namun zat besi dari bahan nabati berbentuk nonheme; penyerapannya dipengaruhi penghambat seperti fitat dan polifenol serta peningkat seperti vitamin C (Hurrell & Egli, 2010). Kadar yang terukur belum tentu diserap. Menurut peneliti, F2 layak dikembangkan: 50 g F2 (sekitar lima keping) mengandung 2,01 mg zat besi, atau 13,4% AKG remaja putri 13–18 tahun sebesar 15 mg (Kementerian Kesehatan RI, 2019). Keterbatasan: panelis adalah mahasiswa gizi, bukan remaja sasaran; skala 5 titik; bioavailabilitas, umur simpan, dan biaya belum diteliti; satu sumber daun kelor.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh substitusi tepung daun kelor terhadap kadar protein dan zat besi cookies; kadar tertinggi pada F3 (15%).

    2. Terdapat pengaruh substitusi terhadap tingkat kesukaan warna, aroma, rasa, dan keseluruhan, tetapi tidak terhadap tekstur. Kesukaan keseluruhan F1 dan F2 tidak berbeda nyata dengan kontrol; F3 paling tidak disukai.

    3. Terdapat pengaruh substitusi terhadap kehijauan, aroma langu, dan rasa pahit, tetapi tidak terhadap kerenyahan.

    4. Formula terpilih adalah F2 (substitusi 10%): diterima 63,3% panelis dengan kadar zat besi 4,02 mg/100 g.

    Uji rasa ala Bima

    Bima ingin tahu biskuit cokelat mana yang paling disukai keluarganya. Caranya:

    1. Taruh tiga merek di piring putih yang sama. Tempel kode acak tiga angka, misalnya 318, 572, 946, dan catat sendiri kode itu di kertas rahasia.
    2. Sajikan dengan urutan berbeda untuk tiap pencicip, dan sediakan air putih untuk diminum di antara biskuit.
    3. Setiap pencicip memberi skor 1 (sangat tidak suka) sampai 5 (sangat suka), tanpa melihat skor orang lain.
    4. Di dalam tiap pencicip, beri peringkat 1, 2, 3. Jumlahkan peringkat tiap biskuit. Jumlah terbesar = paling disukai.
    5. Jangan bilang "biskuit A pasti paling enak" bila pencicipnya hanya tiga orang. Tulis saja "pada keluarga kami".
    Awas, keliru!
    • Menyebut duplo atau triplo sebagai ulangan, lalu menganalisis tiga hasil ukur dari satu adonan dengan ANOVA.
    • Memakai ANOVA satu arah atau Kruskal–Wallis untuk skor panelis, seolah-olah setiap formula dinilai orang yang berbeda.
    • Memberi label F0–F3 atau "kontrol" pada piring, atau menyajikan semua sampel dengan urutan yang sama untuk semua panelis.
    • Menulis "F2 sama disukainya dengan F0". Yang benar: kesukaannya tidak berbeda nyata.
    • Menetapkan bobot "formula terbaik" setelah melihat data. Bobot bisa diatur sampai formula mana pun menang.
    • Mengutip SNI 01-2346-2006 tanpa menyebut ruang lingkupnya (produk perikanan), atau menulis "cookies kelor mencegah anemia" hanya dari kadar zat besi.
    Pojok S2–S3
    • Panel atau konsumen? Panel agak terlatih cocok untuk menyaring formula, tetapi uji penerimaan idealnya memakai konsumen sasaran dalam jumlah yang lebih besar (Lawless & Heymann, 2010). Untuk tesis, lanjutkan dengan uji pada remaja putri.
    • Skala. Skala hedonik 9 titik adalah standar internasional (Peryam & Pilgrim, 1957) dan juga dipakai SNI 01-2346-2006. Skala 5 titik lebih mudah bagi panelis awam, tetapi menghasilkan lebih banyak seri dan kurang peka.
    • Model yang lebih kaya. Friedman tidak memodelkan urutan penyajian atau atribut sekaligus. Model regresi ordinal campuran (panelis sebagai efek acak, formula dan posisi penyajian sebagai efek tetap) memanfaatkan skor apa adanya dan dapat menguji efek urutan dari rancangan Williams (MacFie dkk., 1989).
    • Uji lanjut lain. Selain Wilcoxon-Bonferroni, ada perbandingan berbasis rerata peringkat (Dunn-Bonferroni di SPSS, Nemenyi, atau Conover). Pilih satu di proposal (Conover, 1999). Laporkan Kendall's W sebagai besar efek: 0,43 untuk keseluruhan, 0,04 untuk tekstur.
    • Kepekaan skor terbobot. Bila bobot zat besi diturunkan menjadi 0,15 dan bobot kesukaan keseluruhan dinaikkan menjadi 0,50, skor F1 (0,77) sedikit melampaui F2 (0,76). Laporkan analisis kepekaan seperti ini agar pembaca tahu seberapa kokoh pilihan formula.
    • Dari kadar ke manfaat. Bioavailabilitas dapat diperkirakan dengan uji in vitro, tetapi bukti bahwa cookies menaikkan kadar hemoglobin memerlukan uji intervensi pada manusia (Bab 22).
    Intinya
    • Penelitian formulasi punya dua "ulangan": adonan yang dibuat terpisah untuk data kimia (duplo hanya ulangan analisis) dan panelis untuk data sensori.
    • Hedonik mengukur kesukaan; mutu hedonik mengukur intensitas sifat. Keduanya diisi panelis yang layak, dengan kode acak, urutan seimbang, dan air penetral.
    • Karena setiap panelis menilai semua formula, skor sensori dianalisis dengan Friedman (panelis sebagai kelompok), lalu Wilcoxon berpasangan dengan koreksi Bonferroni.
    • Formula terbaik dipilih dengan syarat daya terima dan bobot yang ditetapkan sebelum data ada; di sini F2 (10%).
    Coba sendiri: kuis uji organoleptik
    Bab 23G

    Contoh Lengkap Uji Non-Inferioritas

    Uji non-inferioritas adalah uji acak yang bertujuan menunjukkan bahwa perlakuan baru tidak lebih buruk daripada perlakuan standar melebihi batas yang ditetapkan sebelumnya, yaitu margin non-inferioritas (Δ). Desain ini dipakai bila perlakuan baru punya keunggulan lain, misalnya lebih murah, lebih mudah dijangkau, atau lebih aman, sehingga sedikit kehilangan manfaat masih dapat diterima (Piaggio dkk., 2012; FDA, 2016).

    S1S2–S3

    Tiga pertanyaan yang berbeda: lebih baik, setara, atau tidak lebih buruk?

    RCT Rara di Bab 22 bertanya apakah program lebih baik daripada kontrol. Itu pertanyaan superioritas. Bila pembandingnya sudah terbukti bermanfaat dan perlakuan baru menawarkan kemudahan, pertanyaannya berubah: apakah perlakuan baru cukup dekat dengan standar? Misalkan d = μbaru − μstandar pada outcome yang makin tinggi makin buruk, seperti skor keparahan insomnia.

    Tabel 23G.1 — Tiga jenis pertanyaan uji acak (d = baru − standar; skor tinggi = buruk)
    PertanyaanH₀ lawan H₁Kesimpulan dari interval kepercayaanContoh
    Superioritas: lebih baik?d = 0 lawan d ≠ 0IK95% seluruhnya di satu sisi 0RCT di Bab 22, Bab 23A
    Ekuivalensi: setara?|d| ≥ Δ lawan −Δ < d < ΔIK90% seluruhnya di antara −Δ dan +Δ (dua uji satu sisi)Bioekivalensi obat generik (Bab 23B)
    Non-inferioritas: tidak lebih buruk dari Δ?d ≥ Δ lawan d < ΔBatas atas IK95% < Δ (sama dengan uji satu sisi α 0,025)Bab ini

    Perhatikan H₀-nya. Pada uji non-inferioritas, yang harus ditolak adalah "perlakuan baru lebih buruk sebesar Δ atau lebih". Karena itu, hasil "tidak berbeda bermakna" pada uji superioritas tidak pernah cukup untuk menyatakan dua perlakuan setara. Keputusan dibaca dari letak IK95% terhadap dua garis: 0 dan Δ.

    wilayah non-inferior −2 −1 0 1 2 3 4 5 Δ = 2,5 ← daring lebih baik daring lebih buruk → A A: selisih −1,6; IK95% −2,6 sampai −0,6 A: Superior Superior seluruh IK di kiri 0 B B: selisih 0,2; IK95% −1,2 sampai 1,6 B: Non-inferior Non-inferior IK memuat 0; batas atas < Δ C C: selisih 1,2; IK95% 0,3 sampai 2,1 C: Non-inferior, tetapi lebih buruk Non-inferior, tetapi lebih buruk 0 < batas bawah; batas atas < Δ D D: selisih 1,2; IK95% −1,0 sampai 3,4 D: Inkonklusif Inkonklusif IK memuat 0 dan Δ E E: selisih 2,2; IK95% 0,6 sampai 3,8 E: Lebih buruk; belum tentu inferior Lebih buruk; belum tentu inferior batas bawah > 0; batas atas > Δ F F: selisih 3,8; IK95% 2,9 sampai 4,7 F: Inferior Inferior seluruh IK di kanan Δ
    Gambar 23G.1 — Enam kemungkinan hasil uji non-inferioritas. Garis = IK95% selisih skor insomnia (daring − tatap muka); selisih positif berarti daring lebih buruk. Mengikuti pola gambar pada Piaggio dkk. (2012).

    Hasil C terdengar janggal tetapi mungkin terjadi pada sampel besar: perlakuan baru lebih buruk secara statistik, tetapi kehilangannya tetap di bawah margin. Hasil D adalah jebakan paling sering: IK95% memuat 0 sehingga uji superioritas "tidak bermakna", padahal IK itu juga memuat Δ. Data seperti ini tidak menjawab pertanyaan apa pun.

    Langkah 1 · Judul

    Laila, psikolog klinis di Unit Layanan Konseling Universitas X, sedang menempuh S2 Epidemiologi Klinik dengan pembimbing Prof. Nuni. Antrean terapi insomnia di unitnya panjang, karena satu mahasiswa memerlukan enam sesi tatap muka. Terapi kognitif-perilaku untuk insomnia (CBT-I) adalah terapi awal yang dianjurkan untuk insomnia kronis (Qaseem dkk., 2016), dan meta-analisis 87 uji acak menunjukkan efeknya besar terhadap keparahan insomnia (van Straten dkk., 2018). Laila menyusun versi daring terpandu: isi sama, dikerjakan mandiri, dengan umpan balik tertulis psikolog tiap minggu. Pertanyaannya bukan "apakah daring lebih baik", melainkan "apakah daring tidak jauh lebih buruk".

    Non-Inferioritas Terapi Kognitif-Perilaku untuk Insomnia (CBT-I) Daring Terpandu Dibandingkan Tatap Muka terhadap Keparahan Insomnia pada Mahasiswa Universitas X: Uji Acak Non-Inferioritas
    Kata kunciPerlakuan baru dan standarOutcomeSubjek & tempatDesain

    Kata kunci "non-inferioritas … dibandingkan …" langsung memberi tahu pembaca arah pertanyaannya. Ini tetap eksperimen, jadi kata "pengaruh" sah dipakai di rumusan (Bab 1), tetapi judul yang hanya berbunyi "pengaruh" akan disangka uji superioritas.

    Mengapa non-inferioritas?

    Daring menghemat waktu psikolog, tidak perlu datang ke kampus, dan bisa dikerjakan malam hari. Keuntungan ini sepadan dengan sedikit kehilangan efek, asalkan kehilangannya kecil dan terukur.

    Mengapa buktinya belum cukup?

    CBT-I melalui internet efektif, dan efeknya tampak sebanding dengan tatap muka pada perbandingan tidak langsung (Zachariae dkk., 2016). Satu uji non-inferioritas mendukung versi internet lawan kelompok (Blom dkk., 2015), tetapi satu uji lain menemukan tatap muka lebih unggul (Lancee dkk., 2016).

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah CBT-I daring terpandu tidak lebih buruk daripada tatap muka dalam menurunkan keparahan insomnia?
    H1: selisih rerata ISI minggu ke-8 (daring − tatap muka) < 2,5 poin
    ANCOVA; batas atas IK95% dibandingkan dengan Δ, pada ITT dan per protokol
    Non-inferior (batas atas 2,05 dan 2,30)
    2
    Bila tidak lebih buruk, apakah daring lebih baik?
    H2 (diuji hanya bila H1 diterima): selisih < 0
    Batas atas IK95% < 0
    Tidak terbukti
    3
    Bagaimana efisiensi tidur dan proporsi remisi?
    Sekunder, estimasi
    ANCOVA; selisih risiko
    Mirip; IK remisi lebar
    4
    Berapa waktu psikolog per peserta?
    Tanpa hipotesis
    Median (IQR)
    80 lawan 271 menit
    H₀: μdaring − μtatap muka ≥ Δ  lawan  H₁: μdaring − μtatap muka < Δ,  dengan Δ = 2,5 poin ISIμ = rerata skor ISI minggu ke-8, disesuaikan dengan skor awal. Skor tinggi = insomnia lebih berat, jadi "lebih buruk" berarti selisih positif. Uji satu sisi α 0,025, setara dengan memeriksa apakah batas atas IK95% dua sisi berada di bawah Δ. Untuk outcome yang makin tinggi makin baik, misalnya efisiensi tidur, arahnya dibalik: H₀: μbaru − μstandar ≤ −Δ.

    Langkah 3 · Menetapkan margin Δ

    Margin adalah jantung uji non-inferioritas. Ia ditetapkan sebelum data dikumpulkan, dari dua sumber: bukti tentang besarnya efek standar dan pertimbangan klinis tentang kehilangan yang masih dapat diterima (FDA, 2016).

    1. M1: seluruh efek standar. Laila menggabungkan 7 uji acak CBT-I tatap muka lawan daftar tunggu pada orang dewasa muda (464 peserta; data simulasi). Selisih rerata ISI −6,80 poin (IK95% −8,03 sampai −5,57; I² 49%). Agar aman, M1 memakai batas IK95% yang paling dekat dengan nol, yaitu M1 = 5,6 poin (metode 95%–95%).

    2. M2: kehilangan terbesar yang diterima. Tim sepakat versi daring harus mempertahankan paling sedikit separuh efek tatap muka: M2 = 0,5 × 5,57 = 2,8 poin. Margin tidak boleh melebihi M1, karena pada titik itu tidak ada lagi jaminan bahwa daring lebih baik daripada tidak diterapi.

    3. Pertimbangan klinis. Penurunan ISI 6 poin dianggap bermakna bagi pasien (Yang dkk., 2009), dan penurunan sekitar 8 poin sejalan dengan perbaikan sedang menurut penilai independen (Morin dkk., 2011). Selisih antarkelompok 2,5 poin kurang dari separuh perubahan bermakna itu. Laila memilih Δ = 2,5 poin, sedikit lebih ketat daripada M2.

    4. Dikunci. Δ, outcome primer, populasi analisis, dan urutan uji ditulis di protokol dan registri uji klinis sebelum peserta pertama direkrut.

    Asumsi konstansi

    Efek tatap muka dalam uji ini dianggap sama dengan efeknya pada 7 uji terdahulu. Asumsi ini goyah bila populasi, keterampilan terapis, atau cara dan waktu ukur berbeda. Laila menyamakan kriteria insomnia, jumlah sesi, outcome (ISI), dan waktu ukur (minggu ke-8).

    Sensitivitas uji (assay sensitivity)

    Uji harus mampu membedakan terapi yang efektif dari yang tidak. Tanpa lengan daftar tunggu, hal ini tidak diukur langsung. Uji yang ceroboh (banyak drop-out, kepatuhan rendah, pengukuran asal-asalan) membuat kedua kelompok tampak mirip dan justru "membantu" kesimpulan non-inferior (FDA, 2016).

    Langkah 4 · Desain, peserta, dan besar sampel

    R   O₁   Xdaring   O₂    (75 mahasiswa)
    R   O₁   Xtatap muka   O₂    (75 mahasiswa)
    R = randomisasi blok (ukuran 4 dan 6), berstrata menurut keparahan awal (ISI 10–14 dan ≥ 15) · O₁ = pengukuran awal · X = CBT-I 6 minggu · O₂ = minggu ke-8. September–November 2029.

    Tatap muka (standar)

    Enam sesi individual mingguan, 50 menit, dengan psikolog klinis: edukasi dan higiene tidur, kontrol stimulus, restriksi tidur, restrukturisasi kognitif, relaksasi, dan pencegahan kambuh. Buku harian tidur diisi setiap hari.

    Daring terpandu (baru)

    Enam modul mingguan di platform kampus dengan isi yang sama: video, lembar kerja, dan buku harian tidur elektronik. Psikolog yang sama membaca buku harian, menyesuaikan jendela tidur, dan memberi umpan balik tertulis tiap minggu, didahului satu panggilan video 15 menit.

    • Peserta: mahasiswa S1 Universitas X usia 18–25 tahun, skor ISI ≥ 10 (Morin dkk., 2011), dan memenuhi kriteria insomnia DSM-5 pada wawancara (sulit tidur ≥ 3 malam per minggu selama ≥ 3 bulan). Eksklusi: dugaan apnea tidur atau gangguan tidur lain, depresi berat atau risiko bunuh diri (dirujuk ke layanan psikiatri), kerja malam, sedang memakai obat tidur, atau sedang menjalani psikoterapi lain.
    • Outcome primer: Insomnia Severity Index (ISI), 7 butir, skor 0–28: 0–7 tanpa insomnia bermakna klinis, 8–14 subambang, 15–21 sedang, 22–28 berat (Bastien dkk., 2001). Versi bahasa Indonesia diterjemahkan maju–balik (Bab 46). Sekunder: efisiensi tidur dari buku harian, remisi (ISI < 8), dan waktu psikolog per peserta. Gejala depresi awal diukur dengan PHQ-9 (Kroenke dkk., 2001).
    n per kelompok = 2σ² (Z1−α + Z1−β)² / (Δ − δ)² = 2 × 5² × (1,96 + 0,84)² / (2,5 − 0)² = 62,8 → 63σ = 5 poin (SD perubahan ISI pada studi pendahuluan dan uji terdahulu) · α = 0,025 satu sisi · power 80% · δ = selisih sebenarnya yang diasumsikan, di sini 0 (Julious, 2004). Cadangan drop-out 15%: 63 / 0,85 = 74,1 → 75 per kelompok, total 150.
    Tabel 23G.2 — Besar sampel per kelompok (σ = 5; α satu sisi 0,025; power 80%)
    RancanganSelisih sebenarnya δ = 0δ = 0,5 (daring sedikit lebih buruk)
    Non-inferioritas, Δ = 3,04463
    Non-inferioritas, Δ = 2,5 (dipilih)6399
    Non-inferioritas, Δ = 2,099175
    Superioritas lawan daftar tunggu (beda 6 poin, α dua sisi 0,05)11

    Rumus uji non-inferioritas sama dengan rumus uji superioritas untuk mendeteksi selisih sebesar Δ. Karena Δ jauh lebih kecil daripada efek terapi lawan tanpa terapi, sampelnya 5,7 kali lebih besar (63 lawan 11). Bila daring sebenarnya sedikit lebih buruk (δ = 0,5), sampel naik menjadi 99.

    Langkah 5 · Randomisasi, penyamaran, kepatuhan, dan etik

    • Randomisasi dan penyembunyian alokasi: urutan dibuat komputer dan dipegang staf Unit Penelitian Universitas X yang tidak ikut merekrut; alokasi baru terlihat setelah data awal lengkap (Bab 22).
    • Penyamaran terbatas: peserta dan psikolog tahu format terapinya. ISI diisi sendiri secara daring; wawancara diagnostik minggu ke-8 dilakukan psikolog lain yang tidak tahu kelompok peserta; analis menerima kode A/B, dan rencana analisis statistik dikunci sebelum kode dibuka. Penilai yang yakin kedua terapi "sama saja" bisa condong memberi nilai mirip, dan pada uji non-inferioritas bias ini menguntungkan hipotesis peneliti.
    • Kepatuhan dan fidelitas: kehadiran sesi (tatap muka) dan log platform (daring); patuh = menyelesaikan ≥ 4 dari 6 sesi atau modul. Sepuluh persen rekaman sesi dan umpan balik tertulis dinilai dengan daftar tilik fidelitas.
    • Etik: telaah KEPK (Bab 7A) dan registrasi yang mencantumkan Δ. Kedua kelompok mendapat terapi aktif. Data buku harian disimpan di server kampus dengan akses terbatas sesuai UU 27/2022 tentang Pelindungan Data Pribadi. Peserta diingatkan tidak berkendara saat mengantuk selama restriksi tidur, dan setelah penelitian boleh memakai materi format lainnya.
    Tabel 23G.3 — Alur peserta dan populasi analisis (data simulasi)
    TahapDaringTatap muka
    Diacak (dari 214 yang diwawancarai; 64 dieksklusi)7575
    Memulai ≥ 1 sesi atau modul7475
    Patuh: ≥ 4 dari 6 sesi atau modul, n (%)64 (85,3)64 (85,3)
    ISI minggu ke-8 tersedia6771
    Penyimpangan protokol: mulai obat tidur20
    ITT: semua yang punya data minggu ke-8, menurut alokasi6771
    Per protokol: patuh, data lengkap, tanpa penyimpangan5964
    ITT dengan imputasi ganda (sensitivitas)7575

    Alasan eksklusi: tidak memenuhi kriteria 38, depresi berat atau risiko bunuh diri (dirujuk) 9, menolak 17. Data minggu ke-8 hilang pada 8 peserta daring (5 di antaranya tidak patuh) dan 4 peserta tatap muka (semuanya tidak patuh).

    Langkah 6 · Analisis: ITT dan per protokol

    Pada uji superioritas, analisis intention-to-treat (ITT) dianggap konservatif: peserta yang tidak patuh mengecilkan selisih antarkelompok, sehingga sulit menyatakan "lebih baik". Pada uji non-inferioritas, efek yang sama justru menguntungkan kesimpulan peneliti. Peserta tidak patuh di kedua kelompok sama-sama kurang membaik, sehingga selisih bergeser ke arah nol. Analisis per protokol membuang mereka, tetapi merusak keseimbangan hasil randomisasi. Karena kelemahannya berlawanan, keduanya dilaporkan, dan non-inferioritas paling meyakinkan bila keduanya sepakat (Piaggio dkk., 2012).

    A. ANCOVA di SPSS

    Satu baris per peserta: kelompok (1 = daring, 2 = tatap muka), isi_awal, isi_m8, sesi, dan pp (1 = masuk populasi per protokol).

    Analyze▸General Linear Model▸Univariate
    1. Dependent Variable = isi_m8; Fixed Factor(s) = kelompok; Covariate(s) = isi_awal. Skor awal yang kontinu sudah memuat informasi strata keparahan.
    2. Options → Parameter estimates; EM Means → kelompok. Dengan kode tadi, baris [kelompok=1] langsung berisi selisih daring − tatap muka.
    Output — Parameter Estimatesa (ITT, n = 138)
    ParameterBStd. ErrortSig.95% CI Lower95% CI Upper
    Intercept−1,3231,932−,685,495−5,1442,498
    isi_awal,605,1105,521,000,389,822
    [kelompok=1],726,6711,083,281−,6012,053
    [kelompok=2]0b.....

    a. Dependent Variable: isi_m8 · b. This parameter is set to zero because it is redundant. · df residual 135. Estimated Marginal Means (isi_awal = 16,84): daring 9,60; tatap muka 8,87.

    Baca dua angka. Selisih 0,726: pada skor awal yang sama, skor ISI minggu ke-8 kelompok daring 0,73 poin lebih tinggi. Batas atas 2,053 berada di bawah Δ = 2,5, jadi non-inferioritas terbukti. Kolom Sig. = 0,281 adalah uji superioritas dua arah terhadap nol dan tidak dipakai untuk keputusan non-inferioritas. Nilai p non-inferioritas dihitung sendiri, misalnya dengan fungsi CDF.T di Transform ▸ Compute Variable:

    t = (B − Δ) / SE = (0,726 − 2,5) / 0,671 = −2,644  →  p satu sisi = P(t135 < −2,644) = 0,005Karena urutan uji sudah ditulis di protokol, langkah berikutnya menguji superioritas: batas atas 2,053 > 0, jadi daring tidak terbukti lebih baik. Urutan sebaliknya, yaitu beralih ke non-inferioritas setelah uji superioritas gagal, hanya dapat diterima bila margin sudah ditetapkan sebelumnya (CPMP, 2001).

    B. Per protokol dan analisis sensitivitas

    Data ▸ Select Cases ▸ If pp = 1, lalu jalankan model yang sama: selisih 0,982 (SE 0,666; df 120), IK95% −0,335 sampai 2,300; p non-inferioritas 0,012. Selisihnya lebih besar daripada ITT, sesuai dugaan bahwa ITT menarik selisih ke arah nol. Dua analisis sensitivitas melengkapi: imputasi ganda (Analyze ▸ Multiple Imputation, 20 imputasi dengan prediktor skor awal, kelompok, dan kepatuhan) untuk 12 peserta tanpa data, dan uji t pada perubahan skor. Uji t memberi IK paling lebar dan selisih lebih besar. Skor awal daring kebetulan 0,53 poin lebih rendah, dan perubahan skor mengoreksinya penuh seolah koefisien skor awal = 1, padahal koefisien ANCOVA hanya 0,605 (regresi ke arah rerata). Karena itu ANCOVA menjadi analisis utama (Bab 23).

    Langkah 7 · Hasil

    Tabel 23G.4 — Karakteristik awal semua yang diacak (data simulasi)
    KarakteristikDaring (n = 75)Tatap muka (n = 75)
    Usia (tahun)20,3 ± 1,520,3 ± 1,4
    Perempuan, n (%)50 (66,7)51 (68,0)
    Skor ISI16,7 ± 3,217,0 ± 2,9
    ISI ≥ 15 (sedang–berat), n (%)59 (78,7)60 (80,0)
    Lama insomnia (bulan), median (IQR)14 (9–22)14 (9–21)
    Efisiensi tidur, buku harian (%)72,5 ± 7,773,5 ± 7,5
    Skor PHQ-98,0 ± 3,88,1 ± 3,4

    Rerata ± SD. Pada uji acak, perbedaan awal tidak diuji statistik (Bab 23). Pada peserta dengan data lengkap, ISI turun dari 16,57 ± 3,21 menjadi 9,43 ± 4,35 (daring, n = 67) dan dari 17,10 ± 2,93 menjadi 9,03 ± 4,31 (tatap muka, n = 71). Penurunan tatap muka (−8,07 poin) mirip dengan uji-uji terdahulu, satu tanda bahwa standar "bekerja seperti biasa".

    Tabel 23G.5 — Selisih ISI minggu ke-8 (daring − tatap muka) menurut cara analisis (data simulasi)
    AnalisisnSelisih (IK95%)p non-inferioritas*Kesimpulan
    ITT, ANCOVA (utama)67 / 710,73 (−0,60 sampai 2,05)0,005Non-inferior
    Per protokol, ANCOVA (utama)59 / 640,98 (−0,34 sampai 2,30)0,012Non-inferior
    ITT, imputasi ganda75 / 750,75 (−0,58 sampai 2,07)0,005Non-inferior
    Uji t pada perubahan skor67 / 710,94 (−0,44 sampai 2,31)0,013Non-inferior

    * Uji satu sisi, H₀: selisih ≥ 2,5 (α 0,025). Selisih positif = daring lebih buruk. p superioritas dua arah: ITT 0,281; per protokol 0,143. Residual SD ANCOVA 3,92, lebih kecil daripada σ = 5 yang dipakai saat merencanakan, sehingga IK lebih sempit daripada perkiraan.

    Gambar 23G.2 — IK95% selisih ISI terhadap margin non-inferioritas

    Biru = dua analisis utama; jingga = analisis sensitivitas. Semua batas atas berada di kiri garis Δ (data simulasi).
    −1 0 1 2 3 Δ = 2,5 Selisih ISI (poin) ITT, ANCOVA (n = 138) 0,73 (−0,60 sampai 2,05) ITT, ANCOVA (n = 138): 0,73 (IK95% −0,60 sampai 2,05) ITT, ANCOVA (n = 138): 0,73 Per protokol (n = 123) 0,98 (−0,34 sampai 2,30) Per protokol (n = 123): 0,98 (IK95% −0,34 sampai 2,30) Per protokol (n = 123): 0,98 Imputasi ganda (n = 150) 0,75 (−0,58 sampai 2,07) Imputasi ganda (n = 150): 0,75 (IK95% −0,58 sampai 2,07) Imputasi ganda (n = 150): 0,75 Uji t perubahan skor (n = 138) 0,94 (−0,44 sampai 2,31) Uji t perubahan skor (n = 138): 0,94 (IK95% −0,44 sampai 2,31) Uji t perubahan skor (n = 138): 0,94
    Tabel 23G.6 — Outcome sekunder minggu ke-8 (ITT; data simulasi)
    OutcomeDaringTatap mukaSelisih (IK95%)
    Efisiensi tidur (%)83,4 ± 8,484,6 ± 8,4−0,68 (−3,18 sampai 1,83)ᵃ
    Remisi (ISI < 8), n (%)22/67 (32,8)24/71 (33,8)−1,0 poin persen (−16,3 sampai 14,5)ᵇ
    Waktu psikolog per peserta (menit), median (IQR)80 (66–98)271 (220–318)—

    ᵃ ANCOVA dengan efisiensi awal; negatif = efisiensi daring lebih rendah. ᵇ Selisih risiko dengan IK metode Newcombe (Newcombe, 1998). IK remisi terlalu lebar untuk menyimpulkan apa pun: uji ini dirancang untuk skor ISI, bukan untuk outcome biner.

    Kalimat hasil Laila

    "Pada minggu ke-8, skor ISI kelompok CBT-I daring terpandu 0,73 poin lebih tinggi daripada kelompok tatap muka setelah disesuaikan dengan skor awal (IK95% −0,60 sampai 2,05; n = 138). Batas atas IK95% berada di bawah margin non-inferioritas yang ditetapkan sebelumnya, 2,5 poin (p non-inferioritas satu sisi = 0,005), dan analisis per protokol memberi kesimpulan yang sama (0,98; IK95% −0,34 sampai 2,30). CBT-I daring terpandu tidak lebih buruk daripada tatap muka pada margin tersebut, tetapi tidak terbukti lebih baik (p superioritas = 0,281). Median waktu psikolog per peserta 80 menit pada kelompok daring dan 271 menit pada kelompok tatap muka."

    Perhatikan kata yang tidak dipakai: "setara", "sama efektif", atau "tidak ada perbedaan". Yang terbukti hanya satu hal: kehilangan efeknya, bila ada, lebih kecil daripada 2,5 poin.

    Coba sendiri: letak IK terhadap 0 dan Δ

    Nilai awal adalah hasil ITT Laila. Geser selisih, galat baku (SE), dan margin, lalu lihat kesimpulannya berubah. SE besar berarti sampel kecil. Cobalah tombol "Uji kecil": selisihnya sama, tetapi dengan 20 peserta per kelompok, p superioritas 0,562 dan IK95% memuat 0 sekaligus Δ.

    Langkah 8 · Pembahasan dan kesimpulan

    CBT-I daring terpandu tidak lebih buruk daripada tatap muka pada margin 2,5 poin ISI, baik pada analisis ITT maupun per protokol, dengan kebutuhan waktu psikolog kurang dari sepertiganya. Temuan ini sejalan dengan uji non-inferioritas CBT-I internet lawan kelompok (Blom dkk., 2015) dan dengan meta-analisis yang mendapati dukungan klinis personal memperbesar efek CBT-I internet (Zachariae dkk., 2016). Uji Lancee dkk. (2016) yang mengunggulkan tatap muka mengingatkan bahwa hasil ini bergantung pada bentuk pendampingannya. Menurut peneliti, layanan konseling kampus dapat memakai CBT-I daring terpandu sebagai langkah pertama dan menyediakan tatap muka bagi mahasiswa yang tidak membaik. Keterbatasan: ISI dilaporkan sendiri oleh peserta yang tahu kelompoknya; M1 berasal dari uji-uji terdahulu sehingga bergantung pada asumsi konstansi; pengamatan hanya 8 minggu di satu universitas; dan remisi tidak dapat disimpulkan karena IK-nya lebar.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. CBT-I daring terpandu non-inferior dibandingkan tatap muka dalam menurunkan keparahan insomnia mahasiswa Universitas X pada margin 2,5 poin ISI (ITT: batas atas IK95% 2,05; per protokol: 2,30).

    2. CBT-I daring terpandu tidak terbukti lebih baik daripada tatap muka.

    3. Efisiensi tidur kedua kelompok serupa; proporsi remisi serupa, tetapi IK-nya terlalu lebar untuk kesimpulan non-inferioritas.

    4. Waktu psikolog per peserta pada format daring median 80 menit, dibandingkan 271 menit pada tatap muka.

    Awas, keliru!
    • Menyimpulkan "setara" dari uji superioritas yang tidak bermakna. Uji kecil dengan 20 peserta per kelompok bisa memberi p = 0,562 dan tetap inkonklusif.
    • Menetapkan atau melonggarkan margin setelah melihat data, atau memakai margin lebih besar daripada M1.
    • Membaca kolom Sig. SPSS sebagai p non-inferioritas. Kolom itu menguji selisih = 0, bukan selisih ≥ Δ.
    • Hanya melaporkan ITT (atau hanya per protokol). Laporkan keduanya.
    • Mengklaim superior tanpa urutan uji yang ditulis di protokol, atau beralih ke non-inferioritas setelah uji superioritas gagal tanpa margin yang ditetapkan sebelumnya.
    • Menganggap drop-out dan ketidakpatuhan "hanya mengurangi power". Pada uji non-inferioritas, keduanya bisa menghasilkan kesimpulan non-inferior yang keliru.
    Pojok S2–S3
    • Biocreep: bila uji berikutnya memakai "pemenang" uji non-inferioritas sebagai standar, setiap generasi boleh sedikit lebih buruk dari pendahulunya. Simulasi menunjukkan pergeseran ini jarang, kecuali bila asumsi konstansi dilanggar (Everson-Stewart & Emerson, 2010). Pilih pembanding yang efeknya paling mapan, bukan yang paling baru.
    • Uji ekuivalensi (TOST): dua uji satu sisi, H₀: d ≤ −Δ dan H₀: d ≥ Δ, masing-masing α 0,05. Keduanya ditolak bila IK90% seluruhnya di antara −Δ dan +Δ (Schuirmann, 1987). Cara ini dipakai pada uji bioekivalensi dengan rentang 80–125% (Bab 23B).
    • Outcome biner: skala margin penting. Margin pada selisih risiko (misalnya −10 poin persen) dan pada rasio risiko (misalnya 0,8) memberi keputusan berbeda bila proporsinya kecil, dan asumsi konstansi bisa berlaku pada satu skala tetapi tidak pada skala lain (FDA, 2016). Untuk menyingkirkan selisih remisi −10 poin persen pada proporsi sekitar 33%, Laila memerlukan kira-kira 349 peserta per kelompok, bukan 75.
    • Desain tiga lengan (baru, standar, daftar tunggu atau plasebo) mengukur sensitivitas uji secara langsung. Pilihan ini hanya etis bila menunda terapi tidak merugikan peserta.
    • Pelaporan: perluasan CONSORT untuk uji non-inferioritas meminta margin beserta dasarnya, analisis ITT dan per protokol, dan IK yang digambar terhadap margin (Piaggio dkk., 2012), bersama CONSORT 2025 (Hopewell dkk., 2025).
    Intinya
    • Uji non-inferioritas menguji H₀ "perlakuan baru lebih buruk sebesar Δ atau lebih". Keputusan dibaca dari batas IK95% terhadap Δ, bukan dari p uji superioritas.
    • Margin ditetapkan sebelum data ada, dari efek standar (M1), bagian efek yang harus dipertahankan (M2), dan pertimbangan klinis; asumsi konstansi dan sensitivitas uji harus dipertahankan.
    • Margin kecil menuntut sampel besar: rumusnya sama dengan uji superioritas untuk mendeteksi selisih sebesar Δ.
    • Laporkan ITT dan per protokol, tulis kesimpulan "tidak lebih buruk pada margin …", dan uji superioritas hanya bila urutannya ditetapkan di protokol.
    Coba sendiri: kuis uji non-inferioritas
    Bab 24

    Contoh Lengkap Kuasi-Eksperimen

    Kuasi-eksperimen tetap memberi perlakuan dan memakai kelompok pembanding, tetapi subjeknya tidak diacak. Karena itu kedua kelompok bisa berbeda sejak awal, dan tugas peneliti adalah mengukur serta mengendalikan perbedaan itu.

    SMP–SMAS1S2–S3

    RCT atau kuasi-eksperimen?

    Tabel 24.1 — Perbedaan pokok
    RCT (Bab 22–23)Kuasi-eksperimen (bab ini)
    Pembagian kelompokDiacak per subjekTidak diacak: kelompok yang sudah ada (kelas, sekolah, puskesmas, bangsal)
    Kesetaraan awalDijamin pengacakanTidak dijamin; harus diperiksa dan dikendalikan
    Kapan dipilihPengacakan mungkin dan etisPerlakuan diberikan per kelompok, pengacakan tidak mungkin atau tidak praktis, atau hanya ada sedikit lokasi
    Kekuatan buktiPaling kuatDi bawah RCT; makin baik bila ada pretest, kelompok kontrol yang mirip, dan analisis yang mengoreksi nilai awal
    Uji beda karakteristik awalTidak dianjurkanDianjurkan, karena perbedaan awal bukan kebetulan semata
    Analisis utamaUji t pada selisih atau ANCOVAANCOVA dengan pretest (dan kovariat lain) sebagai pengoreksi
    Pedoman pelaporanCONSORTTREND

    Langkah 1 · Judul

    Pengaruh Edukasi Sleep Hygiene Berbasis Komik terhadap Pengetahuan Sleep Hygiene pada Siswa Kelas VIII SMP di Palembang Tahun 2027: Studi Kuasi-Eksperimen
    Kata kunciPerlakuanOutcomeSubjekTempat, waktu, desain

    Perlakuannya adalah tiga sesi edukasi (45 menit per minggu selama 3 minggu): siswa membaca komik "Rara & Bima: Tidur Tanpa Layar", berdiskusi dalam kelompok, dan mengerjakan lembar kerja. Kelompok kontrol mengikuti pelajaran seperti biasa, lalu mendapat komik dan sesi yang sama setelah posttest.

    Langkah 2 · Rumusan, tujuan, hipotesis

    Rumusan
    Tujuan khusus
    Analisis
    Kesimpulan
    1
    Bagaimana skor pengetahuan sebelum dan sesudah edukasi pada kelompok intervensi?
    Mengetahui perubahan skor pengetahuan pada kelompok intervensi.
    Uji t berpasangan
    Naik bermakna (+25,6)
    2
    Bagaimana skor pengetahuan sebelum dan sesudah pada kelompok kontrol?
    Mengetahui perubahan skor pengetahuan pada kelompok kontrol.
    Uji t berpasangan
    Naik sedikit (+3,3)
    3
    Apakah terdapat pengaruh edukasi berbasis komik terhadap pengetahuan sleep hygiene setelah memperhitungkan skor awal?
    Menganalisis pengaruh edukasi terhadap pengetahuan dengan mengoreksi skor pretest.
    ANCOVA
    Ada pengaruh (beda terkoreksi 20,4)

    Ha: terdapat perbedaan rerata skor pengetahuan posttest antara kelompok intervensi dan kontrol setelah dikoreksi dengan skor pretest. H0: tidak terdapat perbedaan tersebut.

    Langkah 3 · Desain: nonequivalent control group

    O₁ X O₂ (SMP Negeri Y: kelompok intervensi)
    - - - - - - - - - -
    O₁ O₂ (SMP Negeri Z: kelompok kontrol)
    Tanpa huruf R karena tidak ada pengacakan subjek. Garis putus-putus menandakan kedua kelompok tidak dijamin setara. O₁ = pretest (minggu 0), X = edukasi (minggu 1–3), O₂ = posttest (minggu 4).

    Mengapa bukan RCT? Edukasi diberikan per kelas. Mengacak siswa di satu kelas tidak mungkin, dan mengacak kelas di satu sekolah berisiko "menularkan" isi komik ke kelas kontrol. Hanya dua sekolah yang bersedia, terlalu sedikit untuk cluster RCT (contoh uji acak klaster dengan banyak sekolah: Bab 23A). Maka dipilih dua SMP negeri yang semirip mungkin (akreditasi, jumlah siswa, wilayah kota), di sekolah yang berbeda untuk mencegah kontaminasi. Sekolah mana yang mendapat intervensi ditentukan dengan undian.

    Bima bertanya

    "Kalau sekolahnya beda, kan anaknya juga beda, Kak?"
    Betul, itulah kelemahan kuasi-eksperimen. Bayangkan lomba lari: satu pelari mulai 5 meter di depan. Untuk tahu siapa yang benar-benar lebih cepat, kita harus memperhitungkan titik start-nya. Pretest adalah titik start itu, dan ANCOVA adalah cara statistik untuk "menyamakan garis start".

    Langkah 4 · Subjek dan besar sampel

    • Subjek: seluruh siswa di dua kelas VIII yang dipilih di setiap sekolah, yang bersedia dan mendapat izin orang tua. Eksklusi: siswa yang sedang mengikuti program serupa atau tidak dapat membaca komik secara mandiri.
    • Besar sampel: SD skor pengetahuan sekitar 12, beda yang dianggap bermakna 8 poin → n = 2 × 12² × (1,96 + 0,84)² / 8² = 35,3 → 36 per kelompok.
    • Karena siswa berkelompok dalam kelas, jawaban siswa sekelas cenderung mirip. Kebutuhan sampel dikalikan design effect = 1 + (m − 1) × ICC = 1 + (31 − 1) × 0,02 = 1,6 → 36 × 1,6 = 58 per kelompok; dengan cadangan, dipilih 2 kelas utuh per sekolah (±62 siswa).

    Langkah 5 · Variabel, definisi operasional, instrumen

    Tabel 24.2 — Definisi operasional
    VariabelDefinisiAlat ukurCara ukurHasil ukurSkala
    Edukasi berbasis komikTiga sesi membaca komik, diskusi, dan lembar kerjaDaftar hadir, lembar kerjaMenurut sekolah1 = intervensi, 2 = kontrolNominal
    Pengetahuan sleep hygienePemahaman siswa tentang kebiasaan yang mendukung tidur sehatKuesioner 20 butir benar–salah (buatan peneliti)Diisi di kelas, 15 menit, diawasiSkor 0–100 (5 poin per jawaban benar); kategori baik ≥ 76, cukup 56–75, kurang ≤ 55Rasio (skor) / ordinal (kategori)
    Kualitas tidur (sekunder)Skor global PSQIPSQI versi bahasa IndonesiaDiisi sendiriSkor 0–21Rasio
    KovariatUsia, jenis kelamin, durasi gawaiKuesioner identitas, Screen TimeDiisi saat pretestSesuai jenisnya—

    Uji instrumen. Kuesioner pengetahuan awalnya berisi 24 butir dan diuji coba pada 30 siswa SMP lain. Sebanyak 20 butir valid (r hitung > r tabel 0,361). Karena jawabannya dikotomi (benar/salah), reliabilitas dihitung dengan KR-20, yaitu padanan Cronbach's alpha untuk butir dikotomi: 0,81, reliabel. Di SPSS, Reliability Analysis model Alpha pada butir berkode 0/1 menghasilkan nilai yang sama dengan KR-20.

    Langkah 6 · Ancaman validitas dan cara menanganinya

    Tabel 24.3 — Ancaman validitas internal pada kuasi-eksperimen
    AncamanArtinyaPenanganan di penelitian ini
    SeleksiKelompok berbeda sejak awalSekolah yang mirip; pretest; uji beda awal; ANCOVA dengan kovariat
    SejarahPeristiwa lain terjadi bersamaan (misalnya penyuluhan puskesmas)Memantau kegiatan sekolah selama penelitian; waktu pelaksanaan sama di kedua sekolah
    PematanganSubjek berubah dengan sendirinya seiring waktuKelompok kontrol menangkap perubahan alami ini
    Efek pengujianMengerjakan pretest membuat skor posttest naikKedua kelompok sama-sama mendapat pretest; kunci jawaban tidak dibagikan
    InstrumentasiAlat ukur atau cara ukur berubahInstrumen dan pengawas yang sama; butir tidak diubah
    Regresi ke rerataSubjek dengan skor ekstrem cenderung bergerak ke tengahTidak memilih subjek berdasarkan skor ekstrem; ANCOVA
    AtrisiSubjek keluar tidak seimbangMencatat dan membandingkan karakteristik yang keluar
    Difusi/kontaminasiKontrol ikut terpapar perlakuanSekolah berbeda; komik baru dibagikan ke kontrol setelah posttest

    Langkah 7 · Etika dan alur

    Karena subjeknya anak di bawah 18 tahun, diperlukan izin kedua sekolah, persetujuan orang tua, dan assent siswa. Penelitian edukasi seperti ini bisa ditelaah KEPK (Bab 7A) atau komisi etik sosial-humaniora (Bab 7B), sesuai kebijakan institusi. Keikutsertaan dan skor kuesioner tidak memengaruhi nilai rapor, dan kelompok kontrol mendapat intervensi yang sama setelah penelitian.

    SMP Negeri Y · intervensikelas VIII-A dan VIII-C (64 siswa) SMP Negeri Z · kontrolkelas VIII-B dan VIII-D (63 siswa) Setuju ikut: 62Setuju ikut: 60 Pretest → 3 sesi edukasi komikPretest → pembelajaran biasa Posttest minggu ke-4tidak hadir 2; pindah/menarik diri 2 Posttest minggu ke-4tidak hadir 3; menarik diri 1 Dianalisis: 58Dianalisis: 56 → dapat komik setelahnya
    Gambar 24.1 — Alur peserta kuasi-eksperimen (data simulasi).

    Langkah 8 · Analisis data

    1. Bandingkan karakteristik awal kedua kelompok (uji t independen atau chi-square). Pada kuasi-eksperimen, langkah ini penting untuk mengetahui variabel apa yang perlu dikoreksi.

    2. Perubahan dalam kelompok: uji t berpasangan (Wilcoxon bila selisih tidak normal).

    3. Pengaruh perlakuan: ANCOVA dengan posttest sebagai variabel dependen, kelompok sebagai faktor, dan pretest sebagai kovariat. Periksa asumsi: hubungan linear pretest–posttest, kesamaan kemiringan regresi (interaksi kelompok × pretest tidak bermakna), residual normal, dan varians homogen.

    4. Analisis sensitivitas: uji t pada selisih skor, dan ANCOVA dengan kovariat tambahan (jenis kelamin, durasi gawai).

    Langkah ANCOVA di SPSS

    Analyze▸General Linear Model▸Univariate
    1. Dependent Variable = post_pengetahuan; Fixed Factor(s) = kelompok; Covariate(s) = pre_pengetahuan.
    2. Cek kesamaan kemiringan: Model → Build terms → masukkan kelompok, pre_pengetahuan, dan interaksi kelompok*pre_pengetahuan → OK. Bila interaksi tidak bermakna (p > 0,05), asumsi terpenuhi.
    3. Kembalikan Model ke Full factorial (tanpa interaksi), lalu Options → Estimates of effect sizeHomogeneity tests; EM Means → tampilkan kelompok, centang Compare main effects.
    4. Baca tabel Tests of Between-Subjects Effects (F, Sig., Partial Eta Squared untuk kelompok), Estimated Marginal Means (rerata terkoreksi), dan Pairwise Comparisons (beda terkoreksi beserta 95% CI).

    Langkah 9 · Hasil

    Tabel 24.4 — Karakteristik awal
    KarakteristikIntervensi (n = 58)Kontrol (n = 56)p
    Skor pengetahuan pretest, rerata ± SB53,9 ± 11,258,4 ± 12,50,045ᵃ
    Skor PSQI awal, rerata ± SB8,3 ± 2,38,2 ± 2,30,821ᵃ
    Kategori pengetahuan kurang, n (%)41 (70,7)23 (41,1)

    ᵃ Uji t independen. Pengetahuan awal kelompok kontrol lebih tinggi dan bedanya bermakna. Inilah ciri khas kuasi-eksperimen: kedua kelompok tidak setara di garis start.

    Tabel 24.5 — Skor pengetahuan sleep hygiene
    KelompokPretestPosttestPerubahan (IK95%)p dalam kelompokRerata terkoreksi*
    Intervensi (n = 58)53,9 ± 11,279,5 ± 10,2+25,6 (23,1–28,1)< 0,00180,8
    Kontrol (n = 56)58,4 ± 12,561,7 ± 12,7+3,3 (0,2–6,4)0,03660,4
    Beda antarkelompok (ANCOVA)20,4 (16,9–23,9); p < 0,001

    *Rerata posttest yang dikoreksi dengan skor pretest (ANCOVA): F(1, 111) = 132,5; partial η² = 0,54 (efek besar). Interaksi kelompok × pretest p = 0,846 (kemiringan sama); Levene p = 0,185; residual normal (Shapiro-Wilk p = 0,206). Uji t berpasangan: intervensi t = 20,61 (df 57), kontrol t = 2,14 (df 55).

    Gambar 24.2 — Rerata skor pengetahuan sebelum dan sesudah edukasi

    Kelompok intervensi mulai lebih rendah, tetapi berakhir jauh lebih tinggi (data simulasi)
    Intervensi (n = 58)Kontrol (n = 56)
    80706050 PretestPosttest Intervensi, pretest: 53,9 Intervensi, posttest: 79,5 Kontrol, pretest: 58,4 Kontrol, posttest: 61,7 79,5 intervensi61,7 kontrol53,958,4
    Tabel 24.6 — Kategori pengetahuan, n (%)
    KategoriIntervensi preIntervensi postKontrol preKontrol post
    Baik (≥ 76)2 (3,4)34 (58,6)4 (7,1)5 (8,9)
    Cukup (56–75)15 (25,9)24 (41,4)29 (51,8)30 (53,6)
    Kurang (≤ 55)41 (70,7)0 (0,0)23 (41,1)21 (37,5)
    Tabel 24.7 — Outcome sekunder: skor PSQI
    KelompokSebelumSesudahBeda terkoreksi (IK95%)p
    Intervensi8,3 ± 2,37,1 ± 2,8−0,6 (−1,3 s.d. 0,1)0,097
    Kontrol8,2 ± 2,37,6 ± 2,7
    Membaca hasil dengan cermat
    • Mengapa tidak cukup membandingkan posttest saja? Beda mentah posttest 17,8 poin, tetapi kelompok intervensi memulai 4,5 poin lebih rendah. Setelah dikoreksi, bedanya 20,4 poin. Tanpa koreksi, efek edukasi justru diremehkan. Pada kasus lain, koreksi bisa juga mengecilkan efek yang tampak besar.
    • Mengapa kontrol ikut naik 3,3 poin? Kemungkinan efek pretest (siswa jadi penasaran setelah mengerjakan soal) atau pematangan. Karena itulah kelompok kontrol penting: tanpa kontrol, seluruh kenaikan 25,6 poin akan dianggap efek komik.
    • Pengetahuan naik, tidur belum membaik bermakna (p = 0,097). Pengetahuan adalah langkah awal; perubahan perilaku biasanya butuh waktu dan dukungan lingkungan. Hasil tidak bermakna tetap dilaporkan dan dibahas.

    Langkah 10 · Pembahasan dan kesimpulan

    Edukasi berbasis komik meningkatkan skor pengetahuan sleep hygiene 20,4 poin lebih tinggi daripada kontrol setelah dikoreksi dengan skor awal, dengan efek yang besar. Media bergambar dan bercerita memudahkan remaja memahami dan mengingat pesan kesehatan; komik juga mendorong diskusi dengan teman sebaya. Namun, peningkatan pengetahuan belum diikuti perbaikan kualitas tidur yang bermakna, sejalan dengan pandangan bahwa perubahan perilaku memerlukan lebih dari sekadar informasi. Menurut peneliti, komik layak dipakai sebagai media edukasi di sekolah, tetapi perlu dipadukan dengan kesepakatan keluarga tentang gawai malam, seperti program pada Bab 22. Keterbatasan: kelompok tidak diacak dan berbeda di awal, hanya dua sekolah, siswa bersarang dalam kelas, pengetahuan diukur segera setelah edukasi sehingga daya ingat jangka panjang belum diketahui, dan efek Hawthorne mungkin ada.

    FaktaTeori & pembandingOpiniKeterbatasan
    1. Skor pengetahuan sleep hygiene kelompok intervensi meningkat bermakna setelah edukasi berbasis komik.

    2. Skor pengetahuan kelompok kontrol meningkat sedikit.

    3. Terdapat pengaruh edukasi sleep hygiene berbasis komik terhadap pengetahuan sleep hygiene siswa kelas VIII SMP setelah memperhitungkan pengetahuan awal.

    Saran: sekolah dapat memakai komik dalam program UKS/BK; peneliti selanjutnya disarankan menambah pengukuran ulang (misalnya minggu ke-12) untuk melihat daya ingat, melibatkan lebih banyak sekolah agar bisa memakai cluster RCT, dan mengombinasikan edukasi dengan intervensi perilaku.

    Awas, keliru!
    • Menyebut desain ini "true experiment" atau RCT padahal kelompok tidak diacak.
    • Hanya menguji uji t berpasangan di kelompok intervensi, lalu menyimpulkan ada pengaruh tanpa membandingkan dengan kontrol.
    • Mengabaikan perbedaan awal dan hanya membandingkan posttest.
    • Memilih kelompok berdasarkan skor ekstrem (misalnya kelas dengan nilai terendah sebagai intervensi), sehingga kenaikan bisa jadi hanya regresi ke rerata.
    • Menganalisis siswa seolah-olah independen padahal bersarang dalam kelas, tanpa menyebutnya sebagai keterbatasan.
    Pojok S2–S3
    • Lord's paradox: pada kelompok yang tidak setara, ANCOVA dan uji selisih skor bisa memberi kesimpulan berbeda karena menjawab pertanyaan yang sedikit berbeda. Laporkan keduanya dan jelaskan asumsi masing-masing.
    • Memperkuat inferensi kausal: pencocokan (matching) atau propensity score pada kovariat awal, difference-in-differences bila ada banyak kelompok dan periode, serta desain interrupted time series (pengukuran berulang sebelum dan sesudah intervensi).
    • Struktur bersarang (siswa dalam kelas dalam sekolah) sebaiknya dianalisis dengan model multilevel (mixed model). Dengan hanya dua sekolah, efek sekolah dan efek perlakuan tidak bisa dipisahkan sepenuhnya; tulis ini sebagai keterbatasan.
    • Laporkan mengikuti TREND (Transparent Reporting of Evaluations with Nonrandomized Designs).
    Intinya
    • Kuasi-eksperimen memberi perlakuan dengan kelompok pembanding tanpa pengacakan; notasinya O X O / O O dengan garis putus-putus.
    • Karena kelompok bisa berbeda sejak awal, uji beda karakteristik awal dan gunakan ANCOVA dengan pretest sebagai kovariat.
    • Kenali ancaman validitas (seleksi, sejarah, pematangan, efek pengujian, regresi ke rerata, kontaminasi) dan laporkan mengikuti TREND.
    Coba sendiri: kuis kuasi-eksperimen
    Bab 24A

    Contoh Lengkap Pra-Eksperimen (One Group Pretest–Posttest)

    Pra-eksperimen memberi perlakuan, tetapi tanpa kelompok pembanding yang setara, sehingga paling sedikit mampu menyingkirkan penjelasan lain (Campbell & Stanley, 1963). Bentuk yang paling sering dipakai di skripsi keperawatan, kebidanan, dan kesehatan masyarakat adalah one group pretest–posttest: satu kelompok diukur, diberi perlakuan, lalu diukur lagi. Desainnya murah dan cepat, tetapi buktinya tentang sebab–akibat paling lemah di antara desain eksperimen.

    SMP–SMAS1

    Tiga desain pra-eksperimen

    Tabel 24A.1 — Desain pra-eksperimen menurut Campbell dan Stanley (1963)
    DesainNotasiContoh pada topik cuci tanganKelemahan utama
    One-shot case studyX OVideo diputar, lalu siswa dites sekaliTidak ada titik awal dan tidak ada pembanding, jadi perubahan tidak dapat ditunjukkan
    One group pretest–posttest (bab ini)O₁ X O₂Siswa dites, menonton video, lalu dites lagiPerubahan bisa berasal dari sejarah, pematangan, efek pengujian, instrumentasi, atau regresi ke rerata
    Static group comparisonX O
    - - - -
       O
    Kelas IV-A menonton video, IV-B tidak; keduanya hanya dites sesudahnyaTanpa pretest, perbedaan kedua kelas sejak awal (seleksi) bercampur dengan efek video

    Shadish dkk. (2002) memasukkan desain-desain ini ke kuasi-eksperimen yang tidak punya kelompok kontrol atau tidak punya pretest. Labelnya berbeda antarbuku; yang penting pembaca tahu bagian mana yang tidak ada. Desain yang lebih kuat: kuasi-eksperimen dengan pretest dan kelompok pembanding (Bab 24) serta RCT (Bab 22).

    Mengapa begitu populer, dan kapan masih masuk akal?

    Cukup satu sekolah, semua anak mendapat perlakuan, waktunya singkat, dan analisisnya sederhana. Harganya ada di sisi bukti: tanpa pembanding, tidak ada yang tahu berapa skor posttest seandainya video tidak pernah diputar. Desain ini masih masuk akal bila outcome hampir tidak mungkin berubah sendiri dalam jeda singkat, pengukurannya objektif dengan penilai yang dibutakan, dan hasilnya diperlakukan sebagai bukti awal atau studi pilot (Leon dkk., 2011).

    Langkah 1 · Judul

    Putri, mahasiswi S1 Keperawatan Universitas X, praktik keperawatan komunitas di puskesmas yang membina SD Negeri Z Palembang. Guru UKS bercerita bahwa siswa sering izin karena diare, dan sabun di wastafel jarang dipakai. Cuci tangan pakai sabun (CTPS) adalah pilar kedua Sanitasi Total Berbasis Masyarakat menurut Permenkes 3/2014, dan tinjauan sistematis memperkirakan CTPS menurunkan risiko diare 42–47% (Curtis & Cairncross, 2003). Putri membuat video animasi dan menjadikannya skripsi:

    Pengaruh Pendidikan Kesehatan dengan Video Animasi terhadap Pengetahuan dan Keterampilan Cuci Tangan Pakai Sabun pada Siswa Kelas IV SD Negeri Z Palembang: Pra-Eksperimen One Group Pretest–Posttest
    Kata kunciPerlakuanOutcomeSubjek & tempatDesain
    Bolehkah memakai kata "pengaruh"?

    Buku ini memakai "pengaruh" hanya untuk eksperimen (Bab 1), yaitu bila peneliti sendiri memberi perlakuan dan mengatur waktunya. Pra-eksperimen memenuhi syarat itu: Putri yang memutar video, dan pengukuran dilakukan sebelum dan sesudahnya. Jadi "pengaruh" boleh dipakai di judul, rumusan, dan hipotesis. Karena desainnya tidak dapat memisahkan efek video dari penjelasan lain, ada tiga kewajiban: sebut desainnya di judul atau metode, tulis kesimpulan beserta batasnya, dan bahas setiap ancaman validitas. Sebagian kampus memilih judul "Perbedaan Pengetahuan Sebelum dan Sesudah …"; itu juga sah asalkan benang merahnya konsisten.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah terdapat pengaruh pendidikan kesehatan dengan video animasi terhadap pengetahuan CTPS?
    H1: rerata skor pengetahuan posttest berbeda dari pretest
    Uji t berpasangan (selisih normal)
    H1 diterima: naik 20,9 poin
    2
    Apakah terdapat pengaruh video terhadap keterampilan CTPS?
    H2: skor keterampilan (0–10) posttest berbeda dari pretest
    Wilcoxon (selisih tidak normal)
    H2 diterima: median 4 → 8
    3
    Apakah proporsi siswa yang terampil berubah?
    H3: proporsi terampil posttest berbeda dari pretest
    McNemar
    H3 diterima: 6,5% → 58,7%
    4
    Apakah perubahan itu masih ada dua minggu kemudian?
    H4: skor follow-up berbeda dari pretest
    Uji t berpasangan dan Wilcoxon; α Bonferroni 0,017
    Masih di atas pretest, tetapi turun dari posttest
    H₀: μd = 0  lawan  H₁: μd ≠ 0, dengan d = skor posttest − skor pretest pada siswa yang samaUji dua arah: bila video justru membingungkan, penurunan pun harus terdeteksi. Outcome primer ditetapkan satu di proposal, yaitu skor pengetahuan pretest lawan posttest segera; tiga rumusan lainnya pendukung.

    Langkah 3 · Desain, sampel, instrumen, dan etik

    O₁   X   O₂   O₃    (satu kelompok, tanpa R dan tanpa baris pembanding)O₁ = pretest hari 1 · X = video animasi 7 menit, diputar dua kali, lalu tanya jawab 15 menit (hari 2) · O₂ = posttest segera, 30 menit sesudah sesi · O₃ = follow-up hari 16, untuk melihat apakah perubahan bertahan.
    Persiapan minggu −2 izin dan KEPK 49 diundang 46 setuju O₁ pretest hari 1 tes A atau B video tangan n = 46 X video hari 2 animasi 7 menit diputar 2 kali tanya jawab O₂ posttest hari 2 sesudah sesi tes bentuk lain n = 46 O₃ follow-up hari 16 tes bentuk awal video tangan n = 44 Hari 9, antara posttest dan follow-up: sekolah memasang dua wastafel baru dengan sabun dan tisu Hari 9, antara O₂ dan O₃: sekolah memasang dua wastafel baru; dicatat di logbook penelitian O = pengukuran, X = perlakuan Tanpa kelompok pembanding
    Gambar 24A.1 — Alur dan jadwal penelitian Putri (data simulasi).
    • Populasi dan sampel: seluruh siswa kelas IV SD Negeri Z (IV-A 25 siswa, IV-B 24 siswa). Inklusi: siswa aktif dengan izin orang tua dan assent. Eksklusi: luka atau eksim di tangan yang membuat sabun terasa perih. Karena semua siswa kelas IV diikutkan (sampel jenuh), hasilnya berlaku untuk siswa kelas IV sekolah itu; penerapan di SD lain memerlukan alasan substantif.
    • Besar sampel dihitung dengan rumus satu kelompok berpasangan (Bab 5). Studi pendahuluan pada 12 siswa kelas IV di SD lain memberi kenaikan rerata 12,5 poin dan SD selisih 18,9, dibulatkan ke atas menjadi 20. Selisih terkecil yang dianggap bermakna adalah 10 poin (dua soal).
    n = [ (Zα/2 + Zβ) × SDd / d ]² = [ (1,96 + 0,84) × 20 / 10 ]² = 31,4 → 32G*Power (Faul dkk., 2007): t tests ▸ Means: Difference between two dependent means (matched pairs), dz = 10/20 = 0,5, α 0,05 dua arah, power 0,80 → 34 (power sebenarnya 0,808), sedikit lebih besar karena memakai distribusi t. Cadangan 20% untuk siswa absen dan follow-up: 34 / 0,8 = 42,5 → 43. Semua 49 siswa diundang karena video diputar per kelas; 46 (93,9%) mendapat izin, 46 mengikuti pretest dan posttest, dan 44 mengikuti follow-up.
    Tabel 24A.2 — Variabel dan instrumen
    VariabelInstrumenSkorUji coba
    Pengetahuan CTPSTes pilihan ganda bergambar, 20 butir, tiga opsi: kapan mencuci tangan, mengapa memakai sabun, langkah, dan lamanya. Dua bentuk paralel (A dan B) dari kisi-kisi yang samaBenar × 5 → 0–10030 siswa SD lain: dari 24 butir per bentuk, 4 butir dengan korelasi butir-total terkoreksi < 0,25 dibuang; KR-20 = 0,85 untuk kedua bentuk (Kuder & Richardson, 1937); rerata 51,2 (A) dan 52,8 (B); korelasi A dengan B seminggu kemudian 0,77
    Keterampilan CTPSDaftar tilik 10 langkah teknik mencuci tangan WHO (WHO, 2009), dinilai dari rekaman video tangan0–10; terampil ≥ 8Penilai kedua menilai ulang 30 rekaman acak: ICC 0,98; kappa (terampil atau tidak) 0,86
    KarakteristikUsia dan jenis kelamin dari daftar kelas——

    Sepuluh langkah: (1) membasahi tangan dengan air mengalir, (2) memakai sabun secukupnya, (3) menggosok kedua telapak, (4) menggosok punggung tangan dengan jari bersilang, bergantian, (5) menggosok sela jari dengan telapak berhadapan, (6) menggosok punggung jari yang saling mengunci, (7) memutar ibu jari dalam genggaman tangan lain, bergantian, (8) memutar ujung jari di telapak tangan lain, bergantian, (9) membilas dengan air mengalir, (10) mengeringkan dengan tisu atau lap sekali pakai. WHO menganjurkan seluruh proses 40–60 detik. Batas "terampil" (≥ 80% langkah) adalah kesepakatan tim, jadi skor dan tiap langkah tetap dilaporkan.

    • Penilai dibutakan. Tangan siswa direkam dari atas wastafel, tanpa wajah. Ke-136 rekaman (46 + 46 + 44) diberi kode acak, lalu dinilai perawat puskesmas yang tidak tahu apakah rekaman itu dibuat sebelum atau sesudah video.
    • Bentuk paralel disilang. Separuh siswa mengerjakan urutan A–B–A, separuh lagi B–A–B, dan kunci jawaban tidak dibahas, agar siswa tidak sekadar mengingat soal.
    • Etik: persetujuan komisi etik penelitian kesehatan (Bab 7A), izin sekolah, persetujuan orang tua, dan assent siswa. Rekaman hanya memperlihatkan tangan, disimpan terenkripsi, dan dihapus setelah dinilai. Skor tidak memengaruhi rapor. Tiga siswa yang tidak ikut tetap menonton video, tetapi tidak dites atau direkam. Sabun cair untuk sekolah baru diberikan setelah follow-up agar tidak menjadi perlakuan tambahan.

    Langkah 4 · Ancaman validitas dan cara memperkuat desain

    Tanpa pembanding, setiap kenaikan skor punya beberapa penjelasan lain (Shadish dkk., 2002). Ancaman umum sudah dibahas di Bab 24; di sini semuanya diterapkan pada penelitian Putri.

    Tabel 24A.3 — Ancaman validitas internal pada penelitian Putri
    AncamanContoh konkretPenangkal yang dipakai
    SejarahHari ke-9 sekolah memasang dua wastafel baru dengan sabun dan tisu; guru bisa ikut menegur siswaLogbook kegiatan sekolah dan puskesmas; posttest segera tidak terkena; follow-up ditafsirkan hati-hati
    PematanganAnak 9–10 tahun makin terampil dengan sendirinya, termasuk dari pelajaran lainJeda pendek; guru kelas memastikan tidak ada materi kebersihan tangan selama penelitian
    Efek pengujianSoal pretest membuat siswa penasaran lalu bertanya, atau soal yang sama diingatBentuk paralel yang disilang; kunci jawaban tidak dibahas
    InstrumentasiPenilai makin longgar atau makin ahli dari waktu ke waktuSatu penilai terlatih, daftar tilik baku, rekaman diacak dan penilai dibutakan
    Regresi ke rerataBila hanya siswa berskor rendah yang diikutkan, skor mereka naik walaupun tanpa videoSemua siswa diikutkan, bukan dipilih dari pretest; analisis subkelompok ditafsirkan hati-hati
    Efek HawthorneSiswa tahu sedang direkam sehingga mencuci tangan lebih teliti daripada sehari-hari (McCambridge dkk., 2014)Hasil disebut keterampilan (bisa melakukan), bukan kebiasaan
    AtrisiDua siswa tidak ikut follow-upSkor awal keduanya (70 dan 25; rerata 47,5) dibandingkan dengan 44 siswa lain (58,1) dan dilaporkan

    Cara memperkuat desain satu kelompok (Putri memakai nomor 1 dan 2):

    1. Pengukuran ulang tertunda untuk melihat apakah perubahan bertahan atau hanya ingatan sesaat.

    2. Bentuk paralel dan penilai yang dibutakan untuk menekan efek pengujian dan instrumentasi.

    3. Pretest ganda (O₁ O₁ X O₂) dengan jeda yang sama dengan jeda pre–post, untuk melihat perubahan tanpa perlakuan (Shadish dkk., 2002).

    4. Variabel dependen tak setara: beberapa soal tentang topik yang tidak dibahas video, misalnya menyikat gigi. Bila skornya ikut naik, curigai efek pengujian atau Hawthorne.

    5. Kelompok pembanding: kelas IV SD lain sebagai kontrol daftar tunggu (kuasi-eksperimen, Bab 24) atau banyak SD yang diundi (Bab 23A).

    6. Studi pilot: laporkan kelayakan dan IK95%, bukan klaim "efektif", karena besar efek dari studi kecil sangat tidak pasti (Leon dkk., 2011).

    Coba sendiri: simulator regresi ke rerata

    Setiap titik adalah satu siswa simulasi (rerata 57,6 dan SD 15,7, seperti pretest Putri). Skor tes = kemampuan sebenarnya + kesalahan ukur; makin rendah reliabilitas (korelasi pretest–posttest tanpa perlakuan), makin besar kesalahannya. Walaupun efek video nol, siswa yang dipilih karena pretest-nya rendah tetap naik, karena sebagian dari mereka hanya "sedang sial" saat pretest (Barnett dkk., 2005).

    Siswa terpilihSiswa lainRerata terpilihGaris skor tetap

    Langkah 5 · Analisis di SPSS

    Satu baris per siswa: pre_tahu, post_tahu, fu_tahu (0–100), pre_trampil, post_trampil, fu_trampil (0–10), dan kategori terampil 1/0 untuk setiap waktu. Karena ketiga perbandingan diuji, α dikoreksi Bonferroni menjadi 0,05 / 3 = 0,017.

    A. Normalitas selisih, bukan normalitas skor

    Transform▸Compute Variable

    d_tahu = post_tahu − pre_tahu dan d_trampil = post_trampil − pre_trampil, lalu Analyze ▸ Descriptive Statistics ▸ Explore dengan Normality plots with tests. Syarat uji t berpasangan adalah selisih yang berdistribusi normal (Bab 9).

    Output — Tests of Normality
    Kolmogorov-Smirnova StatisticdfSig.Shapiro-Wilk StatisticdfSig.
    d_tahu,12346,080,97546,429
    d_trampil,19146,000,92946,008

    a. Lilliefors Significance Correction · n < 50, jadi yang dibaca Shapiro-Wilk: selisih skor pengetahuan normal, selisih skor keterampilan tidak normal (skor 0–10 dengan banyak nilai kembar).

    B. Pengetahuan: uji t berpasangan

    Analyze▸Compare Means▸Paired-Samples T Test

    Paired Variables: pre_tahu–post_tahu, pre_tahu–fu_tahu, dan post_tahu–fu_tahu. Setiap pasangan memakai siswa yang datanya lengkap untuk pasangan itu (46 atau 44).

    Output — Paired Samples Test
    PairMeanStd. DeviationStd. Error Mean95% CI Lower95% CI UppertdfSig. (2-tailed)
    pre_tahu − post_tahu−20,87011,7991,740−24,374−17,366−11,99645,000
    pre_tahu − fu_tahu−13,75011,5201,737−17,252−10,248−7,91743,000
    post_tahu − fu_tahu7,5009,9711,5034,46910,5314,98943,000

    Kolom Mean sampai 95% CI berada di bawah judul Paired Differences. Korelasi pasangan (tabel Paired Samples Correlations): 0,710; 0,725; 0,790.

    Cara membaca: SPSS menghitung variabel pertama dikurangi variabel kedua, jadi −20,870 berarti posttest lebih tinggi 20,87 poin. t(45) = 12,00; p < 0,001; IK95% selisih 17,4–24,4 tidak memuat nol. Dua minggu kemudian skor masih 13,8 poin di atas pretest, tetapi 7,5 poin di bawah posttest (keduanya p < 0,001, di bawah 0,017). Besar efek dz = rerata selisih / SD selisih = 20,87 / 11,80 = 1,77 (Lakens, 2013); SPSS 27 ke atas menampilkannya di tabel Paired Samples Effect Sizes.

    C. Keterampilan: Wilcoxon

    Analyze▸Nonparametric Tests▸Legacy Dialogs▸2 Related Samples

    Test Pairs: pre_trampil–post_trampil dan dua pasangan follow-up; Test Type: Wilcoxon.

    Output — Ranks dan Test Statistics
    post_trampil − pre_trampilNMean RankSum of Ranks
    Negative Ranks4a10,0040,00
    Positive Ranks41b24,27995,00
    Ties1c
    Total46
    Test Statisticspost − prefu − prefu − post
    Z−5,427d−5,274d−2,428e
    Asymp. Sig. (2-tailed),000,000,015

    a. post < pre · b. post > pre · c. post = pre · d. Based on negative ranks · e. Based on positive ranks (artinya skor follow-up lebih rendah daripada posttest).

    Sebanyak 41 siswa naik, 4 turun, dan 1 tetap. Besar efek r = |Z| / √n = 5,427 / √46 = 0,80 (besar; patokan 0,1 kecil, 0,3 sedang, 0,5 besar). Sebagian penulis membagi dengan √(2n) sehingga r lebih kecil (0,57); sebutkan mana yang dipakai (Fritz dkk., 2012).

    D. Terampil atau tidak: McNemar

    Analyze▸Descriptive Statistics▸Crosstabs

    Row = pre_terampil; Column = post_terampil; Statistics → McNemar. Chi-square biasa tidak boleh dipakai karena kedua kolom berasal dari siswa yang sama (Bab 26 memakai uji yang sama untuk pasangan kasus–kontrol).

    Output — pre_terampil * post_terampil Crosstabulation
    post: Terampilpost: TidakTotal
    pre: Terampil123
    pre: Tidak261743
    Total271946
    Chi-Square TestsValueExact Sig. (2-sided)
    McNemar Test,000b
    N of Valid Cases46

    b. Binomial distribution used.

    Yang dihitung hanya pasangan diskordan: 26 siswa menjadi terampil dan 2 sebaliknya (McNemar, 1947). SPSS memakai uji binomial eksak; hitungan manual dengan koreksi kontinuitas memberi χ² = (|26 − 2| − 1)² / (26 + 2) = 18,89; p < 0,001. Pretest lawan follow-up: 17 lawan 2, p = 0,001.

    Langkah 6 · Hasil

    Dari 46 siswa, 25 (54,3%) perempuan, dengan usia 9,8 ± 0,3 tahun.

    Tabel 24A.4 — Pengetahuan dan keterampilan CTPS pada tiga waktu (data simulasi)
    OutcomePretestPosttestFollow-upPre → postPre → follow-upPost → follow-up
    Pengetahuan (0–100), rerata ± SD57,6 ± 15,778,5 ± 15,371,8 ± 15,9+20,9 (17,4 sampai 24,4); p < 0,001ᵃ+13,8 (10,2 sampai 17,3); p < 0,001ᵃ−7,5 (−10,5 sampai −4,5); p < 0,001ᵃ
    Keterampilan (0–10), median (IQR)4 (4–6)8 (7–9)7 (6–8)p < 0,001ᵇ; r = 0,80p < 0,001ᵇ; r = 0,80p = 0,015ᵇ; r = 0,37
    Terampil (≥ 8), n (%)3 (6,5)27 (58,7)18 (40,9)p < 0,001ᶜp = 0,001ᶜp = 0,012ᶜ

    Pretest dan posttest n = 46; follow-up n = 44. Perbandingan dengan follow-up memakai 44 siswa (pretest mereka 58,1 ± 15,1; posttest 79,3 ± 14,7). Selisih dalam poin (IK95%). ᵃ Uji t berpasangan. ᵇ Wilcoxon. ᶜ McNemar eksak. Semua p di bawah α Bonferroni 0,017.

    Gambar 24A.2 — Pengetahuan dan keterampilan pada tiga waktu

    Lingkaran = rerata skor pengetahuan dengan IK95%; kotak = persentase siswa terampil (data simulasi).
    Skor pengetahuanSiswa terampil (%)
    0255075100 Skor atau persen Pengetahuan, pretest: rerata 57,6 (IK95% 52,9–62,3), n = 46 Pengetahuan, posttest: rerata 78,5 (IK95% 73,9–83,0), n = 46 Pengetahuan, follow-up: rerata 71,8 (IK95% 67,0–76,6), n = 44 Terampil, pretest: 3 dari 46 (6,5%) Terampil, posttest: 27 dari 46 (58,7%) Terampil, follow-up: 18 dari 44 (40,9%) 57,678,571,8 6,5%58,7%40,9% PretestPosttestFollow-up hari 1 · n = 46hari 2 · n = 46hari 16 · n = 44

    Langkah demi langkah. Pada pretest, langkah yang paling jarang benar adalah ibu jari (4,3%), ujung jari (17,4%), dan punggung tangan (19,6%). Sesudah video, punggung tangan naik menjadi 78,3% dan ujung jari 76,1%, tetapi ibu jari hanya 34,8%. Pada follow-up, ujung jari turun lagi ke 36,4%. Sebaliknya, memakai sabun (84,8% → 93,2%) dan mengeringkan tangan (60,9% → 75,0%) justru naik dari posttest ke follow-up, bertepatan dengan wastafel baru yang dilengkapi sabun dan tisu: contoh nyata ancaman sejarah.

    Siapa yang paling naik? Siswa dengan pretest ≤ 40 (n = 8) naik 22,5 poin, pretest 45–65 (n = 27) naik 23,7 poin, dan pretest ≥ 70 (n = 11) hanya 12,7 poin. Regresi ke rerata saja diperkirakan menaikkan kelompok terendah (1 − 0,77) × (57,6 − 34,4) = 5,3 poin dan menurunkan kelompok tertinggi 4,7 poin, sedangkan kelompok tertinggi juga terbentur plafon (5 siswa mendapat 100 di posttest). Jadi kalimat "video paling bermanfaat bagi siswa yang pengetahuannya kurang" tidak didukung data ini.

    Kalimat hasil Putri

    "Setelah pendidikan kesehatan dengan video animasi, skor pengetahuan CTPS siswa naik dari 57,6 ± 15,7 menjadi 78,5 ± 15,3 (selisih 20,9; IK95% 17,4–24,4; t(45) = 12,00; p < 0,001; dz = 1,77). Median skor keterampilan naik dari 4 menjadi 8 (Wilcoxon Z = −5,43; p < 0,001), dan proporsi siswa terampil naik dari 6,5% menjadi 58,7% (McNemar p < 0,001). Dua minggu kemudian, pengetahuan (71,8) dan proporsi terampil (40,9%) masih lebih tinggi daripada pretest, tetapi lebih rendah daripada posttest. Desain tanpa kelompok pembanding tidak dapat menyingkirkan efek pengujian, efek Hawthorne, dan peristiwa di sekolah selama penelitian."

    Langkah 7 · Pembahasan dan kesimpulan

    Pengetahuan dan keterampilan CTPS naik tajam segera setelah video, lalu turun sebagian dalam dua minggu. Langkah ibu jari dan ujung jari paling sering terlewat. CTPS yang benar penting karena mencuci tangan dengan sabun menurunkan risiko diare (Curtis & Cairncross, 2003), dan kulit di sekitar ibu jari serta ujung jari mudah terlewat bila langkahnya tidak lengkap. Menurut peneliti, video perlu disertai praktik langsung dan pengingat berkala, dan sekolah perlu menjaga sabun selalu tersedia di wastafel. Keterbatasan: tanpa kelompok pembanding, sebagian kenaikan dapat berasal dari efek pengujian, efek Hawthorne saat direkam, atau wastafel baru yang dipasang di antara posttest dan follow-up; keterampilan saat direkam belum tentu menjadi kebiasaan; hanya satu sekolah.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh pendidikan kesehatan dengan video animasi terhadap pengetahuan CTPS siswa kelas IV SD Negeri Z: skor naik 20,9 poin segera setelah video. Karena desainnya tanpa kelompok pembanding, besarnya pengaruh ini belum dapat dipisahkan dari efek pengujian dan faktor lain.

    2. Terdapat pengaruh video terhadap keterampilan CTPS: median skor naik dari 4 menjadi 8.

    3. Proporsi siswa yang terampil naik dari 6,5% menjadi 58,7%.

    4. Dua minggu kemudian, pengetahuan dan keterampilan masih di atas pretest, tetapi sudah menurun dari posttest.

    Saran: guru UKS dapat memutar video disertai praktik langkah ibu jari dan ujung jari setiap bulan. Peneliti berikutnya disarankan memakai kelompok pembanding (Bab 24) atau mengundi beberapa SD (Bab 23A), menambah pretest ganda, dan mengamati kebiasaan mencuci tangan sebelum makan secara terpisah dari sesi rekaman.

    Proyek KIR: poster sikat gigi, sebelum dan sesudah

    Bima ingin tahu apakah poster "Sikat Gigi 2 Menit" menambah pengetahuan teman sekelasnya.

    1. Minta izin guru. Buat 10 soal benar–salah; teman mengerjakannya dengan nomor absen, tanpa nama.
    2. Tempel poster seminggu, lalu berikan soal yang setara, bukan soal yang sama persis. Hitung reratanya, misalnya 5,8 menjadi 7,9 benar (angka contoh).
    3. Agar adil, minta kelas sebelah yang tidak melihat poster mengerjakan soal yang sama dua kali. Kalau kelas itu juga naik 1 poin, berarti sebagian kenaikan hanya karena sudah pernah mengerjakan soal.
    Awas, keliru!
    • Menyimpulkan "video terbukti efektif" hanya dari p pre–post, tanpa menyebut bahwa tidak ada pembanding.
    • Hanya mengikutkan siswa berskor terendah, lalu membanggakan kenaikannya. Sebagian kenaikan itu regresi ke rerata.
    • Menguji normalitas skor pretest dan posttest masing-masing, padahal yang harus normal adalah selisihnya.
    • Memakai uji t independen atau chi-square biasa untuk data berpasangan. Pakai uji t berpasangan, Wilcoxon, atau McNemar.
    • Memakai soal yang sama persis pada pretest dan posttest segera, lalu menyebutnya peningkatan pengetahuan, atau menyamakan keterampilan saat direkam dengan kebiasaan sehari-hari.
    • Menulis "kuasi-eksperimen" tanpa menjelaskan bahwa tidak ada kelompok pembanding, sehingga pembaca mengira desainnya seperti Bab 24.
    Pojok S2–S3
    • Besar efek berpasangan. dz = 1,77 tampak sangat besar karena korelasi pretest–posttest tinggi (0,71). dav = selisih / rerata SD pretest dan posttest = 20,87 / 15,48 = 1,35 lebih sebanding dengan d dua kelompok. Sebutkan jenis d yang dilaporkan (Lakens, 2013).
    • Tiga titik waktu dapat dianalisis sekaligus dengan ANOVA pengukuran berulang (uji Mauchly, koreksi Greenhouse–Geisser) atau Friedman. Model campuran dapat memakai semua data walaupun ada yang hilang di follow-up.
    • Siswa bersarang dalam dua kelas yang menonton pada sesi berbeda; dengan dua kelas, efek kelas tidak dapat diperkirakan. Desain tanpa pengacakan yang lebih kuat adalah deret waktu terputus (Bab 45).
    • Pelaporan: TREND (Des Jarlais dkk., 2004) membantu melaporkan evaluasi tanpa pengacakan, termasuk uraian perlakuan, cara pengukuran, dan ancaman validitas.
    Intinya
    • Pra-eksperimen one group pretest–posttest (O₁ X O₂) memberi perlakuan tanpa pembanding. Desain ini paling mudah dilakukan, tetapi buktinya paling lemah.
    • Kenali dan tangkal ancamannya satu per satu: sejarah, pematangan, efek pengujian, instrumentasi, regresi ke rerata, efek Hawthorne, dan atrisi.
    • Besar sampel dihitung dari SD selisih; analisis dimulai dari normalitas selisih, lalu uji t berpasangan atau Wilcoxon, McNemar untuk kategori, disertai besar efek dan IK95%.
    • Perkuat dengan follow-up, bentuk paralel, penilai yang dibutakan, dan kelompok pembanding. Kata "pengaruh" boleh dipakai, tetapi kesimpulan wajib menyebut batas desainnya.
    Coba sendiri: kuis pra-eksperimen
    Bagian V

    Observasional Analitik: Contoh Lengkap

    Eksperimen di Bagian IV bisa menguji sebab–akibat, tetapi tidak etis bila paparannya diduga merugikan. Di situlah desain observasional analitik berperan. Bagian ini menyajikan contoh lengkap ketiga desainnya, masing-masing dengan arah waktu yang berbeda. Kohort berjalan maju: mulai dari paparan, lalu menunggu outcome muncul (disertasi S3 Rara). Case-control berjalan mundur: mulai dari yang sudah sakit, lalu menelusuri paparannya (tim Prof. Nuni). Cross-sectional memotret semuanya sekaligus (KIR Bima), melengkapi penelitian Rara di Bagian I.

    1. Bab 25 Contoh lengkap kohort prospektif: judul sampai kesimpulan, praktik SPSS (RR, Kaplan–Meier, Cox), dan variasi kohort retrospektif
    2. Bab 26 Contoh lengkap case-control: memilih kasus dan kontrol, OR, Mantel–Haenszel, regresi logistik, dan case-control berpasangan
    3. Bab 26A Nested case-control: vitamin D serum dan miopia dalam kohort siswa SMP, biobank dan persetujuan penggunaan mendatang, risk-set sampling, efisiensi k/(k + 1), efek batch, regresi logistik kondisional lewat Cox di SPSS
    4. Bab 27 Contoh lengkap cross-sectional: sampling sistematik dalam strata, prevalensi dengan IK95%, PR, dan regresi Poisson robust
    5. Bab 27A Analisis data sekunder survei nasional: stunting balita, buku kode dan permintaan data, penggabungan file, HAZ WHO, bobot, strata, klaster, subpopulasi, SPSS Complex Samples, STROBE dan RECORD
    Bab 25

    Contoh Lengkap Studi Kohort

    Kohort ibarat merekam video: mulai dari orang-orang yang belum sakit, catat paparannya, lalu ikuti terus sampai terlihat siapa yang sakit. Karena paparan dicatat sebelum outcome muncul, urutan waktunya jelas. Inilah alasan kohort memberi bukti terkuat di antara desain observasional.

    SMP–SMAS1S2–S3

    Mengapa kohort?

    Pertanyaan Rara: apakah siswa yang banyak memakai gawai lebih sering mengalami rabun jauh (miopia) di kemudian hari? Pertanyaan yang sama bisa dicoba dijawab dengan beberapa desain. Perhatikan mengapa pilihannya jatuh pada kohort.

    Tabel 25.1 — Satu pertanyaan, empat kemungkinan desain
    DesainCara menjawabMasalahnya
    Cross-sectionalPeriksa mata dan tanyakan penggunaan gawai sekali sajaTidak tahu mana yang lebih dulu. Bisa jadi anak yang sudah rabun justru lebih suka aktivitas jarak dekat (kausalitas terbalik).
    Case-controlMulai dari anak miopia dan tidak miopia, lalu tanyakan kebiasaan gawai 2 tahun laluAnak sulit mengingat durasi gawai bertahun-tahun lalu (recall bias); hanya menghasilkan OR, bukan risiko.
    RCTAcak siswa: sebagian disuruh bergawai ≥ 3 jam per hari selama 2 tahunTidak etis: peneliti tidak boleh sengaja memberi paparan yang diduga merugikan.
    Kohort prospektifCatat penggunaan gawai siswa yang belum miopia, lalu periksa matanya tiap 6 bulan selama 2 tahunLama, mahal, dan ada subjek yang hilang. Namun paparan jelas mendahului outcome, dan insidens serta risiko relatif (RR) bisa dihitung langsung.

    Tiga jenis kohort menurut waktu

    Arah kohort selalu maju, dari paparan ke outcome. Yang membedakan hanya posisi peneliti terhadap waktu: apakah data dikumpulkan mulai sekarang, sudah tercatat di arsip, atau gabungan keduanya.

    masa lalumasa depan hari ini: peneliti mulai ProspektifRetrospektifAmbidireksional diukur sekarang, diikuti ke depan keduanya sudah tercatat di arsip paparan dari arsipdilanjutkan ke depan paparan dicatatoutcome muncul
    Gambar 25.1 — Kohort prospektif, retrospektif (historis), dan ambidireksional. Bab ini memakai kohort prospektif; contoh kohort retrospektif ada di akhir bab.

    Langkah 1 · Judul

    Hubungan Durasi Penggunaan Gawai dengan Kejadian Miopia pada Siswa SMP di Palembang Tahun 2027–2029: Studi Kohort Prospektif
    Kata kunciVariabel independen (paparan)Variabel dependen (outcome)PopulasiTempat, waktu, desain

    Perhatikan dua pilihan kata. "Hubungan" dipakai karena peneliti hanya mengamati, tidak memberi perlakuan (Bab 1). "Kejadian" menandakan yang dihitung adalah kasus baru selama pengamatan, yaitu insidens, bukan jumlah kasus yang sudah ada.

    Langkah 2 · Rumusan, tujuan, hipotesis

    Rumusan
    Tujuan khusus
    Analisis
    Kesimpulan
    1
    Bagaimana gambaran durasi penggunaan gawai pada siswa SMP di Palembang?
    Mengetahui distribusi durasi penggunaan gawai.
    Univariat: median, proporsi
    46,0% memakai gawai ≥ 3 jam/hari
    2
    Berapa insidens miopia selama 2 tahun pengamatan?
    Mengetahui insidens kumulatif dan densitas insidens miopia.
    Univariat; Kaplan–Meier
    21,9% dalam 2 tahun (11,3 per 100 orang-tahun)
    3
    Apakah terdapat hubungan durasi penggunaan gawai dengan kejadian miopia?
    Menganalisis hubungan durasi penggunaan gawai dengan kejadian miopia.
    Chi-square, RR; log-rank
    Ada hubungan (RR 2,01)
    4
    Apakah hubungan tersebut tetap ada setelah dikontrol faktor perancu?
    Menganalisis hubungan setelah dikontrol riwayat miopia orang tua, waktu di luar ruang, jenis kelamin, dan aktivitas jarak dekat.
    Regresi Cox
    Tetap ada (aHR 1,86)

    Jumlah rumusan tidak harus tiga. Yang penting, setiap rumusan punya satu tujuan, satu analisis, dan satu kesimpulan. Ha: terdapat hubungan durasi penggunaan gawai dengan kejadian miopia. H0: tidak terdapat hubungan (secara statistik, H0: RR = 1).

    Langkah 3 · Desain dan jadwal pengamatan

    Kohort prospektif dengan pengamatan 24 bulan. Semua siswa kelas VII yang belum miopia dicatat paparannya di awal, lalu diperiksa matanya setiap 6 bulan. Paparan (durasi gawai) juga diukur ulang di setiap kunjungan untuk analisis tambahan.

    Bulan 0Bulan 6Bulan 12Bulan 18Bulan 24 Juli 2027Januari 2028Juli 2028Januari 2029Juli 2029 skrining mata,paparan, kovariatperiksa mata+ ukur gawaiperiksa mata+ ukur gawaiperiksa mata+ ukur gawaipemeriksaanakhir
    Gambar 25.2 — Jadwal pengamatan kohort. Kunjungan pertama menentukan siapa yang masuk kohort (bebas miopia) dan kelompok paparannya.
    Bima bertanya

    "Kenapa adik kelasku yang sudah pakai kacamata minus tidak boleh ikut, Kak?"
    Karena kita ingin tahu siapa yang menjadi minus. Kalau anak yang sudah minus ikut dihitung, kita tidak tahu apakah gawainya yang datang lebih dulu atau minusnya. Tapi mereka tetap diperiksa dan dirujuk, kok, supaya matanya ditangani.

    Langkah 4 · Populasi, sampel, dan besar sampel

    • Populasi target: siswa SMP di Palembang. Populasi terjangkau: siswa kelas VII SMP negeri di Palembang, tahun ajaran 2027/2028.
    • Kriteria inklusi: kelas VII; bebas miopia pada pemeriksaan awal (ekuivalen sferis > −0,50 D pada kedua mata); ada izin orang tua dan assent siswa.
    • Kriteria eksklusi: kelainan mata lain (ambliopia, juling, katarak, riwayat operasi mata), penyakit sistemik yang memengaruhi mata, atau sedang menjalani terapi pengendalian miopia.
    • Sampling: bertahap. Empat SMP negeri dipilih secara acak dari seluruh SMP negeri di Palembang (cluster random sampling), lalu semua siswa kelas VII di keempat sekolah diundang.
    n = [ 1,96√(2 × 0,225 × 0,775) + 0,84√(0,30 × 0,70 + 0,15 × 0,85) ]²
        / (0,30 − 0,15)²
      = 120,3 → 121 per kelompok
    P₂ = 0,15: insidens miopia 2 tahun pada siswa bergawai < 3 jam/hari (studi pendahuluan) · RR yang ingin dideteksi = 2, sehingga P₁ = 2 × 0,15 = 0,30 · P = (0,30 + 0,15)/2 = 0,225 · α = 5% dua arah, power 80%

    Kohort 2 tahun pasti kehilangan sebagian subjek. Dengan cadangan loss to follow-up 20%: 121 / 0,8 = 152 per kelompok. Kelompok terkecil diperkirakan 45% dari kohort, dan sekitar 25% siswa sudah miopia saat skrining. Artinya perlu menyaring paling sedikit 152 / 0,45 / 0,75 ≈ 450 siswa. Rara memilih empat sekolah (±1.000 siswa) agar jumlah kasus cukup untuk analisis multivariat. Coba hitung sendiri di kalkulator Bab 5, tab "Case-control / cohort".

    Langkah 5 · Variabel dan definisi operasional

    Tabel 25.2 — Definisi operasional
    VariabelDefinisiAlat ukurCara ukurHasil ukurSkala
    Durasi penggunaan gawaiRerata jam per hari memakai ponsel, tablet, atau konsol untuk hiburan di luar jam belajar, 7 hari terakhirKuesioner siswa dan orang tua; tangkapan layar Screen Time/Digital WellbeingDiisi di awal dan setiap kunjungan1 = tinggi (≥ 3 jam/hari), 2 = rendah (< 3 jam/hari); juga tiga kategori: < 2, 2–< 3, ≥ 3 jamOrdinal (asal rasio)
    Kejadian miopiaMiopia baru selama pengamatan: ekuivalen sferis ≤ −0,50 D pada minimal satu mataAutorefraktometer setelah tetes sikloplegik (siklopentolat 1%)Diperiksa refraksionis terlatih yang tidak tahu kelompok paparan, supervisi dokter spesialis mata1 = ya, 2 = tidakNominal
    Waktu sampai kejadianBulan sejak awal sampai miopia terdeteksi, atau sampai kunjungan terakhir bila tidak terjadi (disensor)Catatan kunjunganDihitung dari tanggal pemeriksaan6, 12, 18, atau 24 bulanRasio
    PerancuRiwayat miopia orang tua; waktu di luar ruang; aktivitas jarak dekat (membaca, PR); jenis kelaminKuesionerDiisi di awalYa/tidak; < 1 atau ≥ 1 jam/hari; < 2 atau ≥ 2 jam/hari; L/PNominal

    Uji instrumen. Kuesioner durasi gawai divalidasi pada 120 siswa dengan membandingkan jawaban kuesioner dengan catatan Screen Time di ponsel mereka: korelasi Spearman 0,64 (cukup baik), dan uji ulang 2 minggu memberi ICC 0,81. Pemeriksa mata dilatih dan diuji kesepakatannya sebelum penelitian (kappa antarpemeriksa 0,86).

    Langkah 6 · Menjaga kohort: bias dan penanganannya

    Tabel 25.3 — Bias utama pada kohort
    BiasArtinyaPenanganan di penelitian ini
    Loss to follow-up (bias seleksi)Subjek yang hilang berbeda risikonya dengan yang bertahanStrategi retensi; alasan hilang dicatat; karakteristik yang hilang dibandingkan; Kaplan–Meier dan Cox memakai data sampai subjek hilang; analisis skenario terburuk
    Bias informasi pada outcomePemeriksa yang tahu paparan cenderung menilai berbedaPemeriksa mata tidak tahu kelompok paparan (masking); prosedur sikloplegik baku
    Misklasifikasi paparanLaporan durasi gawai tidak akuratValidasi dengan Screen Time; paparan diukur ulang tiap kunjungan
    PerancuFaktor lain berhubungan dengan paparan dan outcomeDiukur di awal, lalu dikoreksi dengan regresi Cox
    Kausalitas terbalikOutcome memengaruhi paparanSiswa yang sudah miopia di awal dikeluarkan
    Efek HawthorneSubjek mengubah perilaku karena merasa diamatiTidak memberi umpan balik tentang kebiasaan gawai selama penelitian; pertanyaan disampaikan netral

    Strategi retensi. Koordinator di setiap sekolah, nomor ponsel orang tua dan satu kerabat, jadwal susulan bila siswa tidak hadir, kartu hasil pemeriksaan mata untuk orang tua di setiap kunjungan, serta pelacakan siswa yang pindah sekolah di dalam kota.

    Langkah 7 · Etika dan alur peserta

    Walaupun observasional, penelitian ini melibatkan anak dan tindakan (tetes mata sikloplegik), sehingga protokol diajukan ke KEPK (Bab 7A), dan KEPK yang menentukan jenis telaahnya. Hal-hal yang dijelaskan di protokol:

    • Persetujuan berlapis: izin dinas pendidikan dan sekolah, persetujuan orang tua (PSP), dan assent siswa. Siswa boleh mundur kapan saja tanpa pengaruh pada nilai. Karena berlangsung 2 tahun, PSP memuat izin untuk dihubungi kembali.
    • Risiko dan penanganannya: tetes sikloplegik terasa perih sesaat, lalu membuat silau dan pandangan dekat kabur selama beberapa jam. Pemeriksaan dilakukan di akhir jam sekolah, orang tua diberi tahu sebelumnya, dan dokter spesialis mata siaga.
    • Manfaat dan kewajiban merujuk: semua siswa mendapat pemeriksaan mata gratis. Siswa yang miopia, termasuk 236 siswa yang dikeluarkan di awal, dirujuk untuk koreksi kacamata. Tidak ikut kohort bukan berarti tidak ditolong.
    • Tidak menahan informasi kesehatan: peneliti tidak melarang atau menyuruh siswa memakai gawai. Semua siswa mendapat leaflet umum kesehatan mata. Leaflet ini mungkin sedikit mengubah kebiasaan, dan hal itu dicatat sebagai keterbatasan.
    • Kerahasiaan: data disimpan dengan kode, dan data identitas disimpan terpisah.
    Siswa kelas VII di 4 SMP negeri terpilihn = 1.036 Setuju ikut dan diperiksa matanyan = 904 Kohort bebas miopia di awaln = 656 Tidak setuju/tidak hadirn = 132 Dikeluarkan: n = 248sudah miopia 236 (dirujuk)kelainan mata lain 12 Gawai ≥ 3 jam/hari (terpapar)n = 302 Gawai < 3 jam/hari (tidak terpapar)n = 354 Diperiksa tiap 6 bulan · hilang 22pindah kota 14, menarik diri 8 Diperiksa tiap 6 bulan · hilang 26pindah kota 17, menarik diri 9 Lengkap 24 bulan: n = 280miopia baru 84 Lengkap 24 bulan: n = 328miopia baru 49 Kaplan–Meier dan Cox: 656 siswa (yang hilang disensor pada kunjungan terakhirnya)
    Gambar 25.3 — Diagram alur peserta mengikuti STROBE (data simulasi). Loss to follow-up 48 dari 656 (7,3%).

    Langkah 8 · Analisis data

    Insidens: dua cara menghitung

    Pada kohort, outcome dihitung sebagai insidens, yaitu kasus baru. Ada dua cara:

    • Insidens kumulatif (risiko) = kasus baru / jumlah subjek berisiko yang diikuti sampai akhir. Mudah dipahami, tetapi mengabaikan subjek yang hilang di tengah jalan.
    • Densitas insidens (laju) = kasus baru / total orang-waktu pengamatan. Setiap subjek menyumbang waktu selama ia diamati dan masih berisiko, termasuk yang kemudian hilang.
    06121824 bulan Siswa ASiswa BSiswa CSiswa DSiswa ESiswa F miopiamiopiapindah (disensor)menarik diri (disensor) 2,01,01,50,52,00,5 tahun Total 7,5 orang-tahun, 2 kasus → densitas insidens = 2 / 7,5 = 26,7 per 100 orang-tahun
    Gambar 25.4 — Orang-waktu. Siswa C dan F tidak diketahui nasibnya setelah hilang, tetapi waktu pengamatan mereka tetap terpakai. Dengan insidens kumulatif, mereka terpaksa dibuang atau ditebak.

    Rencana analisis

    1. Deskripsi karakteristik awal per kelompok paparan, untuk melihat calon perancu. Pedoman STROBE menganjurkan tabel ini tanpa nilai p. Perancu dipilih berdasarkan teori dan diagram kausal, bukan berdasarkan nilai p.

    2. Insidens kumulatif dan densitas insidens per kelompok (tujuan 1–2).

    3. Hubungan kasar (tujuan 3): tabel 2×2 dengan persentase per baris, uji chi-square, RR dan IK95%, ditambah ukuran dampak (selisih risiko, NNH, fraksi atribut).

    4. Analisis waktu-kejadian: kurva Kaplan–Meier per kelompok dan uji log-rank.

    5. Analisis multivariat (tujuan 4): regresi Cox, menghasilkan hazard ratio terkoreksi (aHR). Syarat: asumsi proportional hazards terpenuhi dan jumlah kasus minimal 10 per variabel (133 kasus / 5 variabel = 26,6).

    6. Dosis–respons dan analisis sensitivitas: tiga kategori durasi gawai, skenario subjek yang hilang, dan paparan rerata dari semua kunjungan.

    Menyiapkan data di SPSS

    Kohort_Miopia.sav — Variable View (ringkas)
    NameLabelValues
    gawai_katDurasi gawai, 2 kategori1 = tinggi (≥ 3 jam), 2 = rendah
    gawai_3katDurasi gawai, 3 kategori1 = < 2 jam, 2 = 2–< 3 jam, 3 = ≥ 3 jam
    miopiaMiopia baru dalam 24 bulan1 = ya, 2 = tidak (hanya yang lengkap)
    waktu_blnBulan sampai kejadian/sensor6, 12, 18, 24
    statusStatus di akhir pengamatan1 = miopia, 0 = disensor
    ortu_miopia, luar_ruang, dekat, jkPerancu1 = ya (berisiko), 0 = tidak; jk 1 = P, 0 = L

    Kode 1 untuk paparan dan 1 untuk outcome "ya" membuat tabel 2×2 langsung tersusun dengan terpapar di baris atas dan kasus di kolom kiri, seperti pada Bab 9.

    A. RR dengan Crosstabs

    Analyze▸Descriptive Statistics▸Crosstabs
    1. Row(s) = gawai_kat; Column(s) = miopia.
    2. Statistics → Chi-squareRisk. Cells → ObservedExpectedRow (persentase per baris).
    Output — gawai_kat * miopia Crosstabulation
    YaTidakTotal
    TinggiCount84196280
    % within gawai_kat30,0%70,0%100,0%
    RendahCount49279328
    % within gawai_kat14,9%85,1%100,0%
    TotalCount133475608
    Output — Chi-Square Tests
    ValuedfAsymp. Sig. (2-sided)
    Pearson Chi-Square20,049ᵃ1,000
    Continuity Correctionᵇ19,1771,000
    Likelihood Ratio20,1041,000
    Linear-by-Linear Association20,0161,000
    N of Valid Cases608

    a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 61,25. · b. Computed only for a 2×2 table

    Output — Risk Estimate
    Value95% CI Lower95% CI Upper
    Odds Ratio for gawai_kat (Tinggi / Rendah)2,4401,6413,629
    For cohort miopia = Ya2,0081,4672,749
    For cohort miopia = Tidak,823,753,900
    N of Valid Cases608

    Pada kohort, RR dibaca di baris "For cohort miopia = Ya": 2,008 (IK95% 1,467–2,749). Nilai p diambil dari Continuity Correction karena tabel 2×2 tanpa sel dengan expected < 5 (Bab 8). OR (2,44) lebih besar daripada RR karena miopia tidak jarang (21,9%). Karena itu, jangan melaporkan OR sebagai RR pada kohort.

    B. Densitas insidens

    Buat variabel waktu_th = waktu_bln / 12 (Transform ▸ Compute Variable), lalu jumlahkan per kelompok: Analyze ▸ Compare Means ▸ Means, Dependent = waktu_th, Independent = gawai_kat, Options → Sum. Hasilnya 527,0 orang-tahun (tinggi) dan 651,0 orang-tahun (rendah). Densitas insidens = jumlah kasus / jumlah orang-tahun × 100.

    C. Kaplan–Meier dan log-rank

    Analyze▸Survival▸Kaplan-Meier
    1. Time = waktu_bln; Status = status → Define Event: Single value 1; Factor = gawai_kat.
    2. Compare Factor → Log rank. Options → Survival table(s); Plots → One minus survival (kurva insidens kumulatif).
    Output — Overall Comparisons
    Chi-SquaredfSig.
    Log Rank (Mantel-Cox)20,1661,000

    Test of equality of survival distributions for the different levels of gawai_kat.

    D. Regresi Cox

    Analyze▸Survival▸Cox Regression
    1. Time = waktu_bln; Status = status (event = 1); Covariates = gawai_kat, ortu_miopia, luar_ruang, jk, dekat; Method: Enter.
    2. Categorical → gawai_kat, Reference Category: Last (rendah sebagai pembanding) → Change.
    3. Options → CI for exp(B) 95%. Plots → Log minus log dengan gawai_kat sebagai Separate Lines, untuk memeriksa asumsi proportional hazards: kedua garis harus kurang lebih sejajar.
    4. Jalankan juga model dengan gawai_kat saja untuk mendapat HR kasar.
    Output — Variables in the Equation
    BSEWalddfSig.Exp(B)95% CI Lower95% CI Upper
    gawai_kat(1),621,18311,5481,0011,8601,3002,660
    ortu_miopia,652,17613,7571,0001,9201,3602,710
    luar_ruang,432,1865,3801,0201,5401,0692,218
    jk,077,174,1971,6571,080,7691,518
    dekat,191,1741,2021,2731,210,8611,701

    Baca kolom Exp(B) sebagai hazard ratio. HR 1,86 berarti, pada setiap titik waktu, laju munculnya miopia pada siswa bergawai tinggi 1,86 kali siswa bergawai rendah, setelah memperhitungkan empat variabel lain. Asumsi proportional hazards diuji dengan Cox w/ Time-Dep Cov (interaksi gawai × waktu): p = 0,47, asumsi terpenuhi.

    Langkah 9 · Hasil

    Tabel 25.4 — Karakteristik awal kohort menurut paparan
    KarakteristikGawai ≥ 3 jam (n = 302)Gawai < 3 jam (n = 354)
    Durasi gawai, jam/hari, median (IQR)4,1 (3,5–5,0)1,9 (1,3–2,4)
    Usia, tahun, rerata ± SB12,4 ± 0,512,4 ± 0,5
    Perempuan, n (%)158 (52,3)180 (50,8)
    Miopia pada ≥ 1 orang tua, n (%)116 (38,4)106 (29,9)
    Di luar ruang < 1 jam/hari, n (%)186 (61,6)157 (44,4)
    Aktivitas jarak dekat ≥ 2 jam/hari, n (%)142 (47,0)160 (45,2)
    Ekuivalen sferis awal (D), rerata ± SB+0,31 ± 0,52+0,38 ± 0,55

    Median durasi gawai seluruh kohort 2,8 jam/hari (IQR 1,9–3,9). Siswa bergawai tinggi lebih jarang bermain di luar ruang dan lebih sering punya orang tua miopia. Keduanya adalah calon perancu yang harus dikoreksi.

    Tabel 25.5 — Kejadian miopia dalam 24 bulan menurut durasi gawai (subjek lengkap)
    Durasi gawaiMiopia, n (%)Tidak, n (%)TotalRR (IK95%)p
    ≥ 3 jam/hari84 (30,0)196 (70,0)280 (100)2,01 (1,47–2,75)< 0,001ᵃ
    < 3 jam/hari49 (14,9)279 (85,1)328 (100)1 (rujukan)
    Total133 (21,9)475 (78,1)608 (100)

    ᵃ Chi-square dengan continuity correction. Persentase dihitung per baris (per kelompok paparan), karena yang dibandingkan adalah risiko tiap kelompok.

    Tabel 25.6 — Ukuran asosiasi dan dampak
    UkuranRumusHasilArtinya
    Risk ratio (RR)Ie / Io30,0 / 14,9 = 2,01Risiko miopia 2 kali lipat
    Risk difference (RD)Ie − Io15,1% (8,5–21,7)Tambahan 15 kasus per 100 siswa dalam 2 tahun
    Number needed to harm (NNH)1 / RD7 (5–12)Setiap 7 siswa bergawai tinggi, ada 1 kasus miopia tambahan
    Fraksi atribut pada terpapar(RR − 1) / RR50,2%Separuh kasus pada kelompok tinggi terkait paparan (bila hubungannya kausal)
    Fraksi atribut populasi (PAF)(Itotal − Io) / Itotal31,7%Kasus yang bisa dicegah seandainya semua siswa bergawai < 3 jam
    Densitas insidenskasus / orang-tahun84/527,0 = 15,9 vs 49/651,0 = 7,5 per 100 orang-tahunLaju kasus baru per tahun pengamatan
    Incidence rate ratio (IRR)lajue / lajuo2,12 (1,49–3,01)Mirip RR, tetapi memakai waktu pengamatan

    Ie = insidens pada terpapar; Io = insidens pada tidak terpapar; Itotal = 133/608 = 21,9%. Fraksi atribut hanya bermakna bila hubungannya diyakini kausal.

    Tabel 25.7 — Perhitungan Kaplan–Meier: S(t) = S(t sebelumnya) × (1 − kasus / berisiko)
    BulanBerisikoKasus baruDisensorBebas miopia S(t)Insidens kumulatif
    Gawai ≥ 3 jam/hari
    63021480,9544,6%
    122802270,87912,1%
    182512370,79820,2%
    2422125—0,70829,2%
    Gawai < 3 jam/hari
    6354890,9772,3%
    123371290,9435,7%
    183161380,9049,6%
    2429516—0,85514,5%

    Contoh: pada bulan ke-12 kelompok tinggi, S = 0,954 × (1 − 22/280) = 0,879. Siswa yang disensor keluar dari kelompok berisiko pada kunjungan berikutnya.

    Gambar 25.5 — Kurva Kaplan–Meier: insidens kumulatif miopia

    Log-rank χ² = 20,17; p < 0,001 (data simulasi, n = 656)
    Gawai ≥ 3 jam/hari (n = 302)Gawai < 3 jam/hari (n = 354)
    30%20%10%0% 06121824 bulan sejak awal Jumlah berisiko ≥ 3 j< 3 j 302302280251221 354354337316295 Gawai tinggi, bulan 6: 4,6% Gawai tinggi, bulan 12: 12,1% Gawai tinggi, bulan 18: 20,2% Gawai tinggi, bulan 24: 29,2% Gawai rendah, bulan 6: 2,3% Gawai rendah, bulan 12: 5,7% Gawai rendah, bulan 18: 9,6% Gawai rendah, bulan 24: 14,5% 29,2%tinggi 14,5%rendah
    Tabel 25.8 — Dosis–respons: insidens menurut tiga kategori durasi gawai
    Durasi gawaiMiopia / totalInsidensRR (IK95%)
    < 2 jam/hari18 / 15012,0%1 (rujukan)
    2–< 3 jam/hari31 / 17817,4%1,45 (0,85–2,49)
    ≥ 3 jam/hari84 / 28030,0%2,50 (1,56–4,00)

    Uji tren: Linear-by-Linear Association pada Crosstabs gawai_3kat × miopia = 20,49; p < 0,001. Makin lama bergawai, makin tinggi insidensnya.

    Gambar 25.6 — Insidens miopia 24 bulan menurut durasi gawai

    Persentase siswa yang menjadi miopia (n = 608 subjek lengkap)
    30%20%10%0% < 2 jam/hari: 12,0% (18 dari 150) 2–< 3 jam/hari: 17,4% (31 dari 178) ≥ 3 jam/hari: 30,0% (84 dari 280) 12,0%17,4%30,0% < 2 jam2–< 3 jam≥ 3 jam 18 dari 15031 dari 17884 dari 280RR 1 (rujukan)RR 1,45RR 2,50
    Tabel 25.9 — Regresi Cox: hubungan durasi gawai dengan kejadian miopia
    VariabelHR kasar (IK95%)HR terkoreksi (IK95%)p
    Gawai ≥ 3 jam/hari2,15 (1,51–3,06)1,86 (1,30–2,66)0,001
    Miopia pada ≥ 1 orang tua2,11 (1,50–2,97)1,92 (1,36–2,71)< 0,001
    Di luar ruang < 1 jam/hari1,83 (1,28–2,61)1,54 (1,07–2,22)0,020
    Perempuan1,10 (0,78–1,54)1,08 (0,77–1,52)0,657
    Aktivitas jarak dekat ≥ 2 jam/hari1,24 (0,88–1,74)1,21 (0,86–1,70)0,273

    HR terkoreksi dari satu model yang memuat kelima variabel (n = 656; 133 kasus). Asumsi proportional hazards terpenuhi (p = 0,47).

    Outcome sekunder. Perubahan ekuivalen sferis selama 2 tahun lebih besar ke arah minus pada kelompok tinggi (−0,48 ± 0,42 D) dibanding rendah (−0,29 ± 0,36 D); beda −0,19 D (IK95% −0,25 s.d. −0,13; uji t independen, p < 0,001).

    Tabel 25.10 — Analisis sensitivitas
    SkenarioEstimasi (IK95%)
    Analisis utama: subjek lengkap (n = 608)RR 2,01 (1,47–2,75)
    Semua yang hilang dianggap tidak miopia (n = 656)RR 2,01 (1,46–2,76)
    Skenario terburuk: semua yang hilang di kelompok rendah miopia, di kelompok tinggi tidakRR 1,31 (1,00–1,72)
    Skenario terbaik: kebalikan skenario terburukRR 2,54
    Paparan = rerata durasi gawai dari semua kunjungan (Cox terkoreksi)aHR 1,94 (1,35–2,79)
    Cox terkoreksi tanpa variabel waktu di luar ruangaHR 1,98 (1,39–2,83)
    Coba sendiri: bagaimana jika yang hilang ternyata miopia?

    Sebanyak 22 siswa bergawai tinggi dan 26 siswa bergawai rendah hilang sebelum bulan ke-24. Geser untuk menebak berapa di antara mereka yang sebenarnya menjadi miopia, lalu lihat apakah kesimpulan berubah.

    Membaca hasil dengan cermat
    • RR, IRR, dan HR mirip tetapi tidak sama. RR (2,01) membandingkan risiko pada subjek lengkap. IRR (2,12) membandingkan laju per orang-tahun. HR (2,15 kasar) membandingkan laju sesaat dengan memperhitungkan kapan kejadian terjadi dan siapa yang disensor. Laporkan ukuran yang sesuai dengan analisisnya.
    • HR turun dari 2,15 menjadi 1,86 setelah dikoreksi, berubah 13,5%. Perubahan lebih dari 10% menandakan sebagian hubungan kasar disebabkan perancu, terutama riwayat miopia orang tua dan waktu di luar ruang. Hubungannya tetap bermakna.
    • Loss to follow-up 7,3% tergolong rendah (batas yang sering dipakai: > 20% mengancam validitas). Bahkan pada skenario terburuk, RR masih 1,31 dengan batas bawah IK95% 1,00, sehingga arah hubungan tidak berbalik.
    • Ada dosis–respons: 12,0% → 17,4% → 30,0%. Pola ini memperkuat dugaan hubungan sebab–akibat.

    Apakah hubungannya kausal? Pertimbangan Bradford Hill

    Tabel 25.11 — Menilai kausalitas dengan kriteria Bradford Hill
    KriteriaPertanyaanBukti di penelitian ini
    TemporalitasApakah paparan mendahului outcome?Ya. Semua subjek bebas miopia di awal. Ini kekuatan utama kohort, dan satu-satunya kriteria yang wajib.
    Kekuatan asosiasiSeberapa besar rasionya?RR 2,01; aHR 1,86 (sedang)
    Dosis–responsMakin besar paparan, makin tinggi risiko?Ya: 12,0% → 17,4% → 30,0%
    KonsistensiApakah penelitian lain menemukan hal serupa?Sejalan dengan tinjauan sistematis (Foreman dkk., 2021)
    Masuk akal biologisAda mekanismenya?Fokus jarak dekat yang lama dan kurang cahaya luar ruang dikaitkan dengan pemanjangan bola mata (Morgan dkk., 2012)
    Bukti eksperimenApakah intervensi mengubah outcome?RCT menambah waktu di luar ruang menurunkan insidens miopia (He dkk., 2015); RCT pengurangan gawai masih sedikit
    Spesifisitas, koherensi, analogiPertimbangan pelengkapSpesifisitas lemah karena miopia punya banyak sebab; koheren dengan naiknya miopia di era gawai

    Langkah 10 · Pembahasan dan kesimpulan

    Siswa yang memakai gawai ≥ 3 jam per hari berisiko dua kali lebih besar menjadi miopia dalam 2 tahun (RR 2,01). Hubungan ini tetap ada setelah dikoreksi riwayat orang tua, waktu di luar ruang, jenis kelamin, dan aktivitas jarak dekat (aHR 1,86), serta menunjukkan pola dosis–respons. Temuan ini sejalan dengan tinjauan sistematis yang menghubungkan penggunaan perangkat digital dengan miopia (Foreman dkk., 2021). Fokus jarak dekat yang lama dan berkurangnya paparan cahaya luar ruang diduga memicu pemanjangan bola mata (Morgan dkk., 2012), dan uji klinis menunjukkan tambahan waktu di luar ruang menurunkan insidens miopia (He dkk., 2015). Menurut peneliti, pembatasan gawai rekreasional dan tambahan waktu bermain di luar ruang layak menjadi pesan utama program kesehatan mata sekolah. Keterbatasan: durasi gawai dilaporkan sendiri (misklasifikasi yang cenderung melemahkan hubungan); mungkin ada perancu yang tidak diukur, seperti pencahayaan ruang dan faktor genetik lain; hanya empat SMP negeri di satu kota; pengamatan 2 tahun; dan 7,3% subjek hilang.

    FaktaTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap tujuan):

    1. Sebanyak 46,0% siswa kelas VII SMP di Palembang memakai gawai ≥ 3 jam per hari.

    2. Insidens miopia selama 2 tahun adalah 21,9% (11,3 per 100 orang-tahun).

    3. Terdapat hubungan durasi penggunaan gawai dengan kejadian miopia pada siswa SMP di Palembang.

    4. Hubungan tersebut tetap ada setelah dikontrol riwayat miopia orang tua, waktu di luar ruang, jenis kelamin, dan aktivitas jarak dekat.

    Saran: sekolah dan puskesmas dapat memasukkan skrining tajam penglihatan tahunan dan edukasi "kurangi gawai, perbanyak bermain di luar" ke program UKS. Peneliti selanjutnya disarankan mengukur paparan secara objektif (aplikasi pencatat waktu layar), memperpanjang pengamatan, dan menguji intervensi pengurangan gawai dengan RCT atau cluster RCT.

    Variasi: kohort retrospektif dari rekam medis

    Tidak semua kohort harus menunggu bertahun-tahun. Bila paparan dan outcome sudah tercatat dengan baik, peneliti bisa membangun kohort dari arsip. Contoh dari sahabat Rara, seorang bidan yang sedang menyusun skripsi:

    Hubungan Anemia pada Kehamilan dengan Kejadian Berat Badan Lahir Rendah pada Ibu Bersalin di RSUD X Tahun 2025–2026: Studi Kohort Retrospektif
    1. Bentuk kohort dari register persalinan: semua ibu dengan kehamilan tunggal yang kadar Hb trimester III-nya tercatat (n = 360). Eksklusi: kehamilan kembar, data tidak lengkap.

    2. Tentukan paparan dari catatan sebelum persalinan: anemia (Hb < 11 g/dL) 120 ibu, tidak anemia 240 ibu.

    3. Baca outcome ke depan pada catatan persalinan: BBLR (< 2.500 g) terjadi pada 22 dari 120 (18,3%) ibu anemia dan 19 dari 240 (7,9%) ibu tidak anemia.

    4. Hitung RR = 18,3 / 7,9 = 2,32 (IK95% 1,31–4,11). Baris SPSS yang dibaca tetap "For cohort BBLR = Ya".

    Bima bertanya

    "Datanya dari masa lalu, kok bukan case-control, Kak?"
    Lihat titik mulainya. Di sini peneliti mulai dari paparan (ibu anemia atau tidak), lalu melihat hasilnya ke depan. Kalau peneliti mulai dari bayi BBLR dan bayi normal, lalu mencari tahu apakah ibunya anemia, barulah itu case-control, dan hasilnya OR. Kelemahan kohort retrospektif: peneliti tidak bisa memilih cara ukur, catatan bisa tidak lengkap, dan perancu penting (gizi, jumlah kunjungan antenatal) mungkin tidak tercatat.

    Awas, keliru!
    • Memasukkan subjek yang sudah mengalami outcome di awal. Yang terukur jadi campuran kasus lama dan baru, bukan insidens.
    • Menyebut "kohort" padahal paparan dan outcome diukur bersamaan (itu cross-sectional), atau padahal dimulai dari outcome (itu case-control).
    • Melaporkan OR sebagai RR, atau menghitung persentase per kolom. Pada kohort, persentase dihitung per baris.
    • Diam-diam membuang subjek yang hilang. Laporkan jumlah dan alasannya di diagram alur, bandingkan karakteristiknya, dan lakukan analisis sensitivitas.
    • Pemeriksa outcome tahu status paparan, sehingga penilaiannya bisa bias.
    • Menulis "gawai menyebabkan miopia" secara mutlak. Kohort memperkuat dugaan kausal, tetapi tetap observasional. Tulis "berhubungan dengan peningkatan risiko".
    Pojok S2–S3
    • RR terkoreksi tanpa waktu: bila semua subjek diamati sama lama dan outcome sering (> 10%), OR dari regresi logistik melebih-lebihkan RR. Gunakan regresi Poisson dengan robust variance (Zou, 2004) atau regresi log-binomial; di SPSS: Generalized Linear Models.
    • Perancu atau mediator? Gambar directed acyclic graph (DAG). Waktu di luar ruang bisa menjadi perancu, tetapi juga mediator: gawai menggusur waktu bermain di luar. Mengoreksi mediator memotong sebagian efek total. Karena itu laporkan model dengan dan tanpa variabel tersebut (aHR 1,86 vs 1,98).
    • Paparan yang berubah seiring waktu: pakai Cox dengan kovariat bergantung waktu (time-dependent covariate). Waspadai immortal time bias, yaitu memasukkan waktu ketika subjek belum mungkin mengalami outcome ke kelompok terpapar.
    • Struktur berkelompok: siswa bersarang di sekolah. Gunakan robust standard error per sekolah atau model shared frailty.
    • Data hilang dan perancu tak terukur: multiple imputation atau pembobotan inverse probability of censoring untuk subjek hilang; E-value (VanderWeele & Ding, 2017) untuk menilai seberapa kuat perancu tak terukur yang dibutuhkan agar hubungan hilang.
    • Competing risk: bila ada kejadian lain yang menghalangi outcome (misalnya kematian pada kohort lansia), gunakan model Fine–Gray, bukan Kaplan–Meier biasa.
    • Laporkan mengikuti STROBE: diagram alur, jumlah kasus, orang-waktu, estimasi kasar dan terkoreksi, serta variabel yang dikoreksi beserta alasannya.
    Intinya
    • Kohort dimulai dari subjek yang bebas outcome, dikelompokkan menurut paparan, lalu diikuti ke depan untuk menghitung kasus baru (insidens). Ukurannya RR, atau HR bila memperhitungkan waktu.
    • Kekuatan utamanya temporalitas. Musuh utamanya loss to follow-up, bias informasi, dan perancu, sehingga strategi retensi, pemeriksa yang tidak tahu paparan, dan analisis multivariat harus direncanakan sejak awal.
    • Laporkan insidens per kelompok, RR/RD/NNH, Kaplan–Meier dengan log-rank, HR kasar dan terkoreksi, analisis sensitivitas, dan diagram alur sesuai STROBE. Kohort retrospektif tetap dibaca dari paparan ke outcome.
    Coba sendiri: kuis studi kohort
    Bab 26

    Contoh Lengkap Studi Case-Control

    Case-control ibarat membuka album foto lama: mulai dari yang sudah sakit (kasus) dan yang tidak sakit (kontrol), lalu menelusuri paparannya di masa lalu, sehingga sering disebut "penelitian terbalik" (Schulz & Grimes, 2002). Desain ini paling efisien untuk penyakit yang jarang atau yang butuh waktu lama untuk muncul.

    SMP–SMAS1S2–S3

    Mengapa case-control?

    Dinas kesehatan kota bertanya kepada tim Prof. Nuni: apakah balita yang tinggal bersama perokok di dalam rumah lebih sering terkena pneumonia berat? Rara ikut dalam tim. Pneumonia berat yang sampai dirawat di rumah sakit relatif jarang, sekitar 2 dari 100 balita per tahun. Bandingkan dua cara menjawabnya:

    Tabel 26.1 — Kohort atau case-control untuk pertanyaan ini?
    KohortCase-control
    Titik awalBalita dikelompokkan menurut paparan asap rokok, lalu ditungguBalita yang sudah pneumonia (kasus) dan yang tidak (kontrol)
    Jumlah subjek untuk mendapat 90 kasus±4.500 balita diikuti 1 tahun90 kasus + 180 kontrol
    Waktu dan biayaLama, mahalBeberapa bulan, relatif murah
    Ukuran asosiasiRR, insidens bisa dihitungOR; insidens tidak bisa dihitung
    Kelemahan utamaLoss to follow-upBias mengingat (recall bias), memilih kontrol yang tepat
    Terpapar asap rokok?Terpapar asap rokok?KASUSKONTROL sebulan sebelum sakitsebulan sebelum wawancarabalita pneumonia · n = 90balita tidak pneumonia · n = 180 ditelusuri ke belakangditelusuri ke belakang masa lalusekarang: penelitian dimulai
    Gambar 26.1 — Skema case-control. Peneliti mulai dari outcome, lalu melihat paparan ke belakang. Perbandingan kasus : kontrol (1 : 2) ditentukan peneliti.

    Langkah 1 · Judul

    Hubungan Paparan Asap Rokok di Rumah dengan Kejadian Pneumonia pada Balita di Kota Palembang Tahun 2028: Studi Case-Control
    Kata kunciVariabel independen (paparan)Variabel dependen (outcome)PopulasiTempat, waktu, desain

    Langkah 2 · Rumusan, tujuan, hipotesis

    Rumusan
    Tujuan khusus
    Analisis
    Kesimpulan
    1
    Bagaimana gambaran paparan asap rokok di rumah pada balita kasus dan kontrol?
    Mengetahui proporsi paparan asap rokok pada kelompok kasus dan kontrol.
    Univariat: n (%) per kelompok
    67,8% kasus vs 47,8% kontrol
    2
    Bagaimana gambaran faktor lain (BBLR, ASI eksklusif, imunisasi, status gizi, kepadatan hunian)?
    Mengetahui distribusi faktor lain pada kasus dan kontrol.
    Univariat
    Semua faktor lebih sering pada kasus
    3
    Apakah terdapat hubungan paparan asap rokok di rumah dengan kejadian pneumonia pada balita?
    Menganalisis hubungan paparan asap rokok dengan kejadian pneumonia.
    Chi-square, OR
    Ada hubungan (OR 2,30)
    4
    Apakah hubungan tersebut tetap ada setelah dikontrol faktor perancu?
    Menganalisis hubungan setelah dikontrol usia, jenis kelamin, BBLR, ASI eksklusif, imunisasi, status gizi, dan kepadatan hunian.
    Mantel–Haenszel; regresi logistik
    Tetap ada (aOR 2,08)

    Ha: terdapat hubungan paparan asap rokok di rumah dengan kejadian pneumonia pada balita. H0: tidak terdapat hubungan (H0: OR = 1).

    Perhatikan yang tidak ada: tujuan "mengetahui prevalensi atau insidens pneumonia". Pada case-control, jumlah balita sakit ditentukan peneliti (90 kasus), sehingga angka kejadian penyakit di populasi tidak bisa dihitung.

    Langkah 3 · Desain: memilih kasus dan kontrol

    Case-control dengan perbandingan kasus : kontrol = 1 : 2, dipadankan secara kelompok (frequency matching) menurut kelompok umur (2–11, 12–23, 24–59 bulan) dan jenis kelamin. Dua aturan emas:

    1. Kasus sebaiknya kasus baru (incident cases): balita yang baru didiagnosis selama periode penelitian. Kasus lama berisiko: setelah anaknya sakit, orang tua mungkin sudah berhenti merokok, sehingga paparannya tercatat keliru.

    2. Kontrol berasal dari populasi sumber yang sama dengan kasus: balita yang, seandainya terkena pneumonia berat, juga akan dirawat di rumah sakit yang sama dan masuk sebagai kasus. Kontrol bukan sekadar "orang sehat".

    Tabel 26.2 — Pilihan sumber kontrol dan risikonya
    Sumber kontrolKelebihanRisiko
    Tetangga (dipakai di sini)Satu lingkungan dan sosial ekonomi dengan kasus; mewakili populasi sumberBila terlalu mirip dalam paparan (misalnya satu rumah), terjadi overmatching
    Pasien rumah sakit lainMudah dijangkau; ingatan orang tua sama "tergugahnya" dengan kasusBerkson's bias: penyakitnya bisa berhubungan dengan paparan (asma, bronkiolitis juga dipengaruhi asap rokok)
    Sampel acak populasiPaling mewakiliMahal; banyak yang menolak
    Bima bertanya

    "Kenapa kontrolnya tidak diambil dari anak-anak yang dirawat karena sakit lain di rumah sakit yang sama, Kak? Kan lebih gampang."
    Gampang, tapi bisa menipu. Banyak penyakit anak di bangsal, seperti asma, juga dipicu asap rokok. Kalau kontrolnya juga banyak yang terpapar, bedanya dengan kasus jadi kecil dan hubungan yang sebenarnya tersembunyi. Karena itu Kak Rara mengambil balita tetangga yang sebaya.

    Langkah 4 · Populasi, sampel, dan besar sampel

    • Definisi kasus: balita usia 2–59 bulan yang baru didiagnosis pneumonia oleh dokter berdasarkan kriteria WHO (MTBS) dan dikonfirmasi foto toraks, dirawat di tiga rumah sakit di Palembang, Januari–Desember 2028, dan berdomisili di Palembang. Eksklusi: tuberkulosis, penyakit jantung bawaan, atau pneumonia yang muncul setelah 48 jam dirawat.
    • Definisi kontrol: balita dari kelompok umur dan jenis kelamin yang sama, tinggal di lingkungan kasus, tidak pneumonia saat ini dan tidak pernah dirawat karena pneumonia dalam 3 bulan terakhir. Dipilih dengan mendatangi rumah terdekat di sebelah kanan rumah kasus, lalu berlanjut ke rumah berikutnya sampai didapat dua kontrol yang memenuhi syarat.
    • Sampling: kasus diambil consecutive (semua kasus baru berturut-turut sampai jumlahnya terpenuhi).
    P₁ = (OR × P₂) / [1 + P₂(OR − 1)] = (2,2 × 0,50) / (1 + 0,50 × 1,2) = 0,6875
    n kasus = [ Zα/2√((1 + 1/r) P̄Q̄) + Zβ√(P₁Q₁ + P₂Q₂/r) ]² / (P₁ − P₂)²
      = 80,3 → 81 kasus dan 162 kontrol (r = 2)
    P₂ = 0,50: proporsi balita terpapar asap rokok di rumah pada populasi (studi pendahuluan) · OR yang ingin dideteksi = 2,2 · r = 2 kontrol per kasus · P̄ = (P₁ + rP₂)/(1 + r) · α 5% dua arah, power 80%

    Dengan perbandingan 1 : 1, rumus di Bab 5 menghasilkan 107 kasus dan 107 kontrol. Menambah kontrol menjadi 1 : 2 mengurangi kasus yang diperlukan menjadi 81, cara yang berguna bila kasusnya sedikit. Manfaatnya makin kecil di atas 4 kontrol per kasus. Dengan cadangan 10% untuk data tidak lengkap, target akhirnya 90 kasus dan 180 kontrol.

    Langkah 5 · Variabel dan definisi operasional

    Tabel 26.3 — Definisi operasional
    VariabelDefinisiAlat ukurCara ukurHasil ukurSkala
    Paparan asap rokok di rumahAda anggota keluarga yang merokok di dalam rumah setiap hari selama 1 bulan sebelum tanggal rujukan (tanggal mulai sakit pada kasus; tanggal wawancara pada kontrol)Kuesioner terstruktur; kotinin urin pada subsampelWawancara ibu oleh pewawancara terlatih1 = terpapar, 2 = tidak; juga jumlah batang per hari: 0, 1–10, > 10Nominal / ordinal
    Kejadian pneumoniaSesuai definisi kasusRekam medis, foto toraksTelaah rekam medis1 = kasus, 2 = kontrolNominal
    PerancuBBLR (< 2.500 g); ASI tidak eksklusif 6 bulan; imunisasi dasar tidak lengkap; gizi kurang (BB/U < −2 SD); hunian padat (< 8 m² per orang); usia; jenis kelaminBuku KIA, timbangan, meteran, kuesionerDicatat dan diukur saat kunjungan1 = berisiko, 0 = tidakNominal

    Tanggal rujukan penting: paparan yang ditanyakan harus terjadi sebelum penyakit muncul. Validasi paparan: pada 40 balita (20 kasus, 20 kontrol) diperiksa kotinin urin, yaitu hasil olahan nikotin dalam tubuh (Benowitz, 1996). Kesesuaiannya dengan jawaban ibu mirip pada kasus (kappa 0,72) dan kontrol (kappa 0,70). Artinya, kesalahan laporan tidak berbeda antara kedua kelompok.

    Langkah 6 · Bias pada case-control dan penanganannya

    Tabel 26.4 — Bias utama pada case-control
    BiasArtinyaPenanganan di penelitian ini
    Recall biasIbu balita yang sakit lebih keras berusaha mengingat, sehingga lebih banyak melaporkan paparanKuesioner baku dengan pertanyaan netral; paparan ditanyakan di antara banyak kebiasaan rumah tangga lain; kalender kejadian; validasi kotinin
    Bias pewawancaraPewawancara menggali lebih dalam pada kasusPewawancara dilatih dan tidak diberi tahu hipotesis; urutan pertanyaan sama untuk semua
    Bias seleksi kontrolKontrol tidak mewakili populasi sumber kasusKontrol tetangga; aturan pemilihan rumah yang baku
    Kausalitas terbalikPaparan berubah karena penyakitKasus baru; paparan dinilai sebelum tanggal rujukan
    PerancuFaktor lain berhubungan dengan paparan dan pneumoniaPemadanan umur dan jenis kelamin; analisis berlapis dan regresi logistik

    Langkah 7 · Etika dan alur peserta

    • Protokol ditelaah KEPK (Bab 7A) karena melibatkan anak, data rekam medis, dan pengambilan urin pada subsampel.
    • Pengobatan didahulukan: ibu kasus diwawancarai setelah kondisi anak stabil, tidak di ruang gawat darurat.
    • Topik sensitif: pertanyaan tentang rokok diajukan tanpa menghakimi. Jawaban tidak disampaikan kepada anggota keluarga lain.
    • Manfaat: setelah wawancara, semua keluarga (kasus dan kontrol) mendapat edukasi rumah bebas asap rokok. Pada case-control, edukasi ini tidak mengganggu hasil karena paparan sudah diukur sebelumnya, berbeda dengan kohort (Bab 25).
    KASUSKONTROL (1 : 2) Pneumonia baru di 3 RS, 2028n = 118 Balita tetangga sebayan = 214 Memenuhi kriterian = 104 Memenuhi kriterian = 205 Diwawancarain = 92 Diwawancarain = 186 Dianalisisn = 90 Dianalisisn = 180 −14 tidak memenuhi kriteria−12 menolak/tak bisa hadir−2 data tidak lengkap −9 pneumonia < 3 bulan−19 menolak−6 data tidak lengkap
    Gambar 26.2 — Diagram alur peserta (data simulasi). Kasus yang tidak memenuhi kriteria: tuberkulosis 4, penyakit jantung bawaan 3, domisili di luar kota 7.

    Langkah 8 · Analisis data

    1. Univariat (tujuan 1–2): n (%) setiap variabel, dengan persentase per kolom (per kelompok kasus dan kontrol).

    2. Bivariat (tujuan 3): tabel 2×2, chi-square, OR dan IK95%. Semua faktor lain juga diuji; yang p < 0,25 menjadi kandidat model multivariat (Bab 8).

    3. Analisis berlapis Mantel–Haenszel: OR dihitung per lapisan perancu (misalnya status gizi), lalu digabung (Mantel & Haenszel, 1959). Cara ini juga memeriksa apakah OR berbeda antarlapisan (modifikasi efek).

    4. Dosis–respons: OR menurut jumlah batang rokok per hari, dengan uji tren.

    5. Multivariat (tujuan 4): regresi logistik, menghasilkan OR terkoreksi (aOR). Variabel pemadanan (usia, jenis kelamin) selalu dimasukkan. Syarat kasar: minimal 10 kasus per variabel (90 kasus / 8 variabel ≈ 11).

    A. OR dengan Crosstabs

    Analyze▸Descriptive Statistics▸Crosstabs
    1. Row(s) = rokok (1 = terpapar, 2 = tidak); Column(s) = status (1 = kasus, 2 = kontrol).
    2. Statistics → Chi-squareRisk. Cells → ObservedExpectedColumn (persentase per kolom).
    Output — rokok * status Crosstabulation
    KasusKontrolTotal
    TerpaparCount6186147
    % within status67,8%47,8%54,4%
    TidakCount2994123
    % within status32,2%52,2%45,6%
    TotalCount90180270
    Output — Chi-Square Tests
    ValuedfAsymp. Sig. (2-sided)
    Pearson Chi-Square9,676ᵃ1,002
    Continuity Correctionᵇ8,8871,003
    Likelihood Ratio9,8611,002
    Linear-by-Linear Association9,6401,002
    N of Valid Cases270

    a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 41,00. · b. Computed only for a 2×2 table

    Output — Risk Estimate
    Value95% CI Lower95% CI Upper
    Odds Ratio for rokok (Terpapar / Tidak)2,2991,3533,906
    For cohort status = Kasus1,7601,2142,552
    For cohort status = Kontrol,766,647,905
    N of Valid Cases270

    Pada case-control, yang dibaca hanya baris Odds Ratio: 2,299 (IK95% 1,353–3,906), dibulatkan menjadi 2,30 (1,35–3,91). Baris "For cohort …" tetap muncul karena SPSS tidak tahu desain penelitianmu, tetapi angkanya tidak bermakna untuk case-control. Coba lihat alasannya di simulasi berikut.

    Coba sendiri: mengapa case-control tidak boleh memakai RR?

    Jumlah kasus tetap 90 (61 terpapar). Geser jumlah kontrol per kasus. Proporsi paparan pada kontrol tetap 47,8%, hanya jumlahnya yang berubah.

    B. Analisis berlapis Mantel–Haenszel

    Crosstabs yang sama, tetapi isi Layer 1 of 1 dengan gizi. Statistics → Cochran's and Mantel-Haenszel statistics (Test common odds ratio equals: 1).

    Output — Mantel-Haenszel Common Odds Ratio Estimate
    Value
    Estimate2,187
    ln(Estimate),783
    Std. Error of ln(Estimate),273
    Asymp. Sig. (2-sided),004
    Asymp. 95% CI Common Odds Ratio: Lower / Upper1,281 / 3,735

    Tests of Homogeneity of the Odds Ratio: Breslow-Day χ² = ,073; df 1; Sig. ,787

    Baca dua hal. Breslow–Day p > 0,05 berarti OR di kedua lapisan tidak berbeda bermakna, sehingga boleh digabung. OR Mantel–Haenszel (2,19) dibandingkan dengan OR kasar (2,30): perubahannya 4,8%, kurang dari 10%, jadi status gizi hanya sedikit merancukan hubungan.

    C. Regresi logistik

    Langkah SPSS-nya sama dengan Bab 9 (Analyze ▸ Regression ▸ Binary Logistic). Tiga hal khusus untuk case-control (Hosmer dkk., 2013):

    • Variabel dependen harus berkode 1 = kasus, 0 = kontrol (buat pneumonia dengan Transform ▸ Recode into Different Variables). Periksa tabel Dependent Variable Encoding: "Kasus" harus bernilai internal 1.
    • rokok dimasukkan sebagai Categorical dengan Reference Category Last (2 = tidak), sehingga Exp(B) membandingkan terpapar dengan tidak terpapar.
    • Variabel pemadanan (umur_bln, jk) tetap dimasukkan walaupun tidak bermakna, karena pemadanan kelompok memaksa kasus dan kontrol mirip pada variabel itu.
    Output — Variables in the Equation (model akhir)
    BS.E.WalddfSig.Exp(B)95% C.I. Lower95% C.I. Upper
    rokok(1),732,2856,6261,0102,0801,1913,633
    bblr,621,4242,1421,1431,860,8104,271
    asi,542,2723,9841,0461,7201,0102,930
    imunisasi,582,3452,8461,0921,790,9103,520
    gizi,668,3613,4131,0651,950,9603,960
    hunian,278,281,9741,3241,320,7602,291
    umur_bln−,004,012,1111,739,996,9731,020
    jk,052,268,0381,8461,053,6231,781
    Constant−1,498,35218,1101,000,224

    Omnibus χ² = 34,62; df 8; Sig. ,000 · −2 Log likelihood 309,10 · Nagelkerke R² ,167 · Hosmer–Lemeshow χ² = 6,12; df 8; Sig. ,634

    Langkah 9 · Hasil

    Tabel 26.5 — Paparan asap rokok di rumah pada kasus dan kontrol
    Paparan asap rokokKasus, n (%)Kontrol, n (%)OR (IK95%)p
    Terpapar61 (67,8)86 (47,8)2,30 (1,35–3,91)0,003ᵃ
    Tidak terpapar29 (32,2)94 (52,2)
    Total90 (100)180 (100)

    ᵃ Chi-square dengan continuity correction. Persentase dihitung per kolom, karena yang dibandingkan adalah seberapa sering paparan ditemukan pada kasus dibanding kontrol.

    Tabel 26.6 — Karakteristik dan faktor lain pada kasus dan kontrol
    VariabelKasus (n = 90)Kontrol (n = 180)OR kasar (IK95%)p
    Usia, bulan, median (IQR)14 (8–26)15 (9–27)dipadankan
    Laki-laki, n (%)50 (55,6)100 (55,6)dipadankan
    BBLR14 (15,6)14 (7,8)2,18 (0,99–4,81)0,078
    ASI tidak eksklusif52 (57,8)76 (42,2)1,87 (1,12–3,13)0,022
    Imunisasi dasar tidak lengkap22 (24,4)25 (13,9)2,01 (1,06–3,80)0,047
    Gizi kurang20 (22,2)21 (11,7)2,16 (1,10–4,24)0,036
    Hunian padat38 (42,2)58 (32,2)1,54 (0,91–2,59)0,138

    Semua faktor memiliki p < 0,25, sehingga semuanya menjadi kandidat model multivariat bersama usia dan jenis kelamin.

    Tabel 26.7 — Analisis berlapis menurut status gizi
    LapisanKasus terpaparKontrol terpaparOR (IK95%)
    Gizi kurang15/20 (75,0%)13/21 (61,9%)1,85 (0,48–7,06)
    Gizi baik46/70 (65,7%)73/159 (45,9%)2,26 (1,26–4,05)
    OR kasar → OR Mantel–Haenszel2,30 → 2,19 (1,28–3,74)

    Breslow–Day p = 0,787: OR kedua lapisan homogen. IK95% lapisan gizi kurang lebar karena jumlahnya kecil.

    Tabel 26.8 — Dosis–respons: jumlah rokok yang diisap di dalam rumah
    Batang per hariKasus, n (%)Kontrol, n (%)OR (IK95%)
    Tidak ada perokok di dalam rumah29 (32,2)94 (52,2)1 (rujukan)
    1–1027 (30,0)52 (28,9)1,68 (0,90–3,14)
    > 1034 (37,8)34 (18,9)3,24 (1,72–6,10)

    Uji tren (Linear-by-Linear Association): χ² = 13,58; p < 0,001. Makin banyak rokok yang diisap di dalam rumah, makin besar OR-nya.

    Tabel 26.9 — Regresi logistik: faktor yang berhubungan dengan pneumonia balita
    VariabelOR kasar (IK95%)OR terkoreksi (IK95%)p
    Terpapar asap rokok di rumah2,30 (1,35–3,91)2,08 (1,19–3,63)0,010
    Gizi kurang2,16 (1,10–4,24)1,95 (0,96–3,96)0,065
    BBLR2,18 (0,99–4,81)1,86 (0,81–4,27)0,143
    Imunisasi dasar tidak lengkap2,01 (1,06–3,80)1,79 (0,91–3,52)0,092
    ASI tidak eksklusif1,87 (1,12–3,13)1,72 (1,01–2,93)0,046
    Hunian padat1,54 (0,91–2,59)1,32 (0,76–2,29)0,324

    Model juga memuat usia dan jenis kelamin (variabel pemadanan). Semua variabel dipertahankan karena perancu dipilih berdasarkan teori. Hosmer–Lemeshow p = 0,634 (model sesuai).

    Gambar 26.3 — OR dan IK95% (forest plot)

    Titik = OR; garis = IK95%. Garis merah putus-putus = OR 1 (tidak ada hubungan). Skala logaritmik.
    0,51248OR (skala log) DOSIS–RESPONS (OR KASAR)MODEL MULTIVARIAT (OR TERKOREKSI) Tidak ada perokok1–10 batang/hari> 10 batang/hari Terpapar asap rokokGizi kurangBBLRImunisasi tidak lengkapASI tidak eksklusifHunian padat rujukan1,68 (0,90–3,14)3,24 (1,72–6,10) 2,08 (1,19–3,63)1,95 (0,96–3,96)1,86 (0,81–4,27)1,79 (0,91–3,52)1,72 (1,01–2,93)1,32 (0,76–2,29) Tidak ada perokok: rujukan (OR 1) 1–10 batang/hari: OR 1,68 (0,90–3,14) > 10 batang/hari: OR 3,24 (1,72–6,10) Terpapar asap rokok: aOR 2,08 (1,19–3,63) Gizi kurang: aOR 1,95 (0,96–3,96) BBLR: aOR 1,86 (0,81–4,27) Imunisasi tidak lengkap: aOR 1,79 (0,91–3,52) ASI tidak eksklusif: aOR 1,72 (1,01–2,93) Hunian padat: aOR 1,32 (0,76–2,29)
    Membaca hasil dengan cermat
    • Kalimat yang tepat untuk OR 2,30: "peluang (odds) terpapar asap rokok pada balita pneumonia 2,3 kali dibanding balita tidak pneumonia". Karena pneumonia berat jarang (sekitar 2%), OR mendekati RR, sehingga boleh juga ditulis "risiko pneumonia kira-kira dua kali lipat".
    • Perancu: OR kasar 2,30 turun menjadi 2,08 setelah dikoreksi, berubah 9,6%. Artinya ada sedikit perancuan, tetapi hubungannya tetap bermakna.
    • Garis yang menyentuh angka 1 pada forest plot (BBLR, gizi kurang, imunisasi, hunian) berarti tidak bermakna di penelitian ini. Tidak bermakna tidak sama dengan tidak berpengaruh; bisa jadi jumlah sampelnya kurang untuk faktor tersebut.
    • Fraksi atribut populasi dari case-control: pkasus terpapar × (aOR − 1)/aOR = 0,678 × 1,08/2,08 = 35%. Bila hubungannya kausal, sekitar sepertiga kasus pneumonia berat di populasi ini terkait asap rokok di rumah.

    Langkah 10 · Pembahasan dan kesimpulan

    Balita yang tinggal bersama perokok di dalam rumah memiliki odds pneumonia 2,3 kali lebih besar (OR 2,30), tetap bermakna setelah dikoreksi faktor gizi, BBLR, ASI, imunisasi, dan hunian (aOR 2,08), dengan pola dosis–respons menurut jumlah batang rokok. Temuan ini sejalan dengan meta-analisis yang menunjukkan peningkatan risiko infeksi saluran napas bawah pada bayi yang tinggal dengan perokok (Jones dkk., 2011), dan dengan daftar faktor risiko pneumonia anak menurut Rudan dkk. (2008). Asap rokok merusak silia dan menurunkan pertahanan saluran napas, sehingga kuman lebih mudah masuk ke paru. Menurut peneliti, program rumah bebas asap rokok layak menjadi bagian dari pencegahan pneumonia balita, bersama perbaikan gizi, ASI eksklusif, dan imunisasi lengkap. Keterbatasan: paparan dilaporkan ibu sehingga mungkin ada recall bias (diperkecil dengan validasi kotinin); kasus hanya dari rumah sakit sehingga pneumonia ringan tidak terwakili; faktor lain seperti polusi udara luar dan bahan bakar memasak belum diukur; dan hubungan waktu hanya ditelusuri mundur.

    FaktaTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap tujuan):

    1. Paparan asap rokok di rumah ditemukan pada 67,8% balita pneumonia dan 47,8% balita tidak pneumonia.

    2. BBLR, ASI tidak eksklusif, imunisasi tidak lengkap, gizi kurang, dan hunian padat lebih sering ditemukan pada balita pneumonia.

    3. Terdapat hubungan paparan asap rokok di rumah dengan kejadian pneumonia pada balita di Kota Palembang.

    4. Hubungan tersebut tetap ada setelah dikontrol usia, jenis kelamin, BBLR, ASI eksklusif, imunisasi, status gizi, dan kepadatan hunian.

    Saran: puskesmas dan posyandu dapat menanyakan kebiasaan merokok di rumah pada setiap kunjungan balita dan memberikan konseling berhenti merokok kepada orang tua. Peneliti selanjutnya disarankan mengukur paparan dengan biomarker pada semua subjek, menambah kasus dari puskesmas agar pneumonia ringan terwakili, dan mengukur polusi udara dalam rumah.

    Variasi: case-control berpasangan (individual matching)

    Bila setiap kasus dipasangkan dengan satu kontrol tertentu (misalnya umur ±3 bulan, jenis kelamin sama, satu RT), analisisnya harus memperhitungkan pasangan. Contoh 80 pasangan:

    Tabel 26.10 — Tabel pasangan (80 pasangan kasus–kontrol)
    Kontrol terpaparKontrol tidak terpapar
    Kasus terpapar3028
    Kasus tidak terpapar1210

    Pasangan yang sama (30 dan 10) tidak memberi informasi. OR berpasangan dihitung dari pasangan diskordan saja: OR = 28 / 12 = 2,33 (IK95% 1,19–4,59); uji McNemar χ² = (|28 − 12| − 1)² / (28 + 12) = 5,63; p = 0,018. Di SPSS, data disusun satu baris per pasangan: Crosstabs paparan_kasus × paparan_kontrol → Statistics → McNemar. Untuk model multivariat berpasangan dipakai regresi logistik kondisional.

    Awas, keliru!
    • Menghitung prevalensi atau insidens penyakit dari data case-control. Jumlah kasus ditentukan peneliti.
    • Membaca baris "For cohort …" (RR) pada output SPSS, atau menghitung persentase per baris. Case-control memakai OR dan persentase per kolom.
    • Mengambil kontrol dari populasi yang berbeda, misalnya kasus dari rumah sakit umum dan kontrol dari sekolah elite.
    • Memakai kasus lama tanpa tanggal rujukan, sehingga paparan yang tercatat mungkin sudah berubah karena penyakit.
    • Memadankan per individu lalu menganalisis seperti tidak berpasangan. OR akan tertarik mendekati 1.
    • Memadankan variabel yang ingin diteliti atau variabel di jalur sebab–akibat (overmatching). Efek variabel yang dipadankan tidak bisa lagi dinilai.
    Pojok S2–S3
    • Nested case-control memilih kasus dan kontrol dari dalam sebuah kohort, sehingga paparan diukur sebelum kasus terjadi; contoh lengkapnya di Bab 26A.
    • Regresi logistik kondisional untuk data berpasangan (Pearce, 2016). Di SPSS dapat dijalankan lewat Cox Regression dengan ID pasangan sebagai Strata dan waktu dibuat konstan.
    • Pemilihan kontrol dengan incidence density sampling: kontrol diambil dari orang yang masih berisiko saat kasus muncul. Dengan cara ini OR langsung memperkirakan rasio laju (rate ratio) tanpa perlu asumsi penyakit jarang.
    • Nested case-control dan case-cohort: case-control di dalam kohort yang sudah ada, misalnya untuk menghemat pemeriksaan laboratorium yang mahal pada sampel darah tersimpan.
    • Case-crossover: untuk paparan singkat dan pemicu akut (misalnya kurang tidur semalam sebelum kecelakaan). Setiap kasus menjadi kontrol bagi dirinya sendiri pada periode waktu lain.
    • Prinsip memilih kontrol (Wacholder dkk., 1992): kontrol mewakili distribusi paparan di populasi sumber, bukan populasi umum. Bila ragu, pakai dua kelompok kontrol dan bandingkan hasilnya.
    • Analisis sensitivitas misklasifikasi: gunakan sensitivitas dan spesifisitas kuesioner terhadap kotinin untuk mengoreksi OR (quantitative bias analysis). Laporkan mengikuti STROBE, termasuk definisi kasus, cara memilih kontrol, dan rasio kasus : kontrol.
    Intinya
    • Case-control dimulai dari outcome: kasus (sebaiknya kasus baru dengan definisi jelas) dan kontrol dari populasi sumber yang sama, lalu paparan ditelusuri ke masa lalu. Desain ini efisien untuk penyakit jarang.
    • Ukurannya OR, dengan persentase per kolom. Insidens dan RR tidak bisa dihitung karena perbandingan kasus : kontrol ditentukan peneliti. OR mendekati RR bila penyakitnya jarang.
    • Musuh utamanya recall bias, bias seleksi kontrol, dan perancu. Tangani dengan kuesioner baku dan validasi biomarker, pemadanan yang bijak, analisis Mantel–Haenszel dan regresi logistik; data berpasangan dianalisis dengan McNemar atau logistik kondisional.
    Coba sendiri: kuis studi case-control
    Bab 26A

    Contoh Lengkap Nested Case-Control

    Nested case-control (case-control bersarang) adalah case-control yang dijalankan di dalam kohort yang sudah berjalan: setiap kasus yang muncul selama pengamatan dibandingkan dengan beberapa kontrol yang dipilih dari anggota kohort yang masih berisiko pada saat kasus itu terjadi. Paparan diukur dari data atau sampel yang dikumpulkan sebelum outcome muncul, sehingga desain ini memadukan urutan waktu kohort dengan hematnya case-control (Ernster, 1994; Rothman dkk., 2008).

    S1S2–S3

    Mengapa bersarang di dalam kohort?

    Kohort miopia Rara di Bab 25 mengikuti 656 siswa kelas VII selama 2 tahun dan mendapatkan 133 kasus baru. Saat kohort dimulai pada Agustus 2027, Prof. Nuni meminta satu lembar persetujuan tambahan: darah diambil sekali, dan serumnya disimpan beku di biobank Universitas X untuk penelitian lanjutan. Tiga tahun kemudian muncul pertanyaan baru: apakah kadar vitamin D yang rendah mendahului miopia?

    Buktinya belum seragam. Meta-analisis menemukan kadar 25-hidroksivitamin D [25(OH)D] yang lebih rendah pada orang miopia, tetapi hubungannya tidak bermakna pada subkelompok di bawah 18 tahun, dan varian gen reseptor vitamin D tidak berhubungan dengan miopia, sehingga kadar vitamin D mungkin hanya penanda waktu di luar ruang (Tang dkk., 2019). Studi Mendelian randomization juga tidak menemukan efek kadar vitamin D yang ditentukan genetik terhadap miopia (Cuellar-Partida dkk., 2017). Sebaliknya, pada anak 6 tahun di Belanda hubungannya tetap ada setelah waktu di luar ruang dikoreksi (Tideman dkk., 2016). Sebagian besar studi mengukur vitamin D dan miopia bersamaan (Yazar dkk., 2014), sehingga tidak jelas mana yang lebih dulu. Serum yang diambil sebelum siapa pun miopia adalah bahan yang tepat untuk menjawabnya.

    Paparan sebelum outcome

    Semua serum diambil saat siswa masih bebas miopia. Tidak ada bias mengingat, dan miopia tidak mungkin mengubah kadar vitamin D yang sudah tercatat.

    Hemat biaya dan serum

    Pemeriksaan 25(OH)D dengan LC-MS/MS Rp 450.000 per sampel (harga simulasi). Memeriksa 614 serum memerlukan Rp 276,3 juta, sedangkan dana hibah Rp 200 juta. Nested case-control cukup memeriksa 420 serum dan tetap memakai semua kasus.

    Kasus dan kontrol satu batch

    Serum kasus dan kontrolnya disimpan sama lama dan diperiksa pada putaran laboratorium yang sama, sehingga efek batch tidak bercampur dengan status kasus (Rundle dkk., 2005).

    Tabel 26A.1 — Empat cara memakai kohort untuk pertanyaan biomarker
    AspekKohort penuhNested case-controlCase-cohortCase-control klasik (Bab 26)
    Biomarker diperiksa padaSemua anggota kohortSemua kasus + k kontrol dari kelompok berisiko saat kasus munculSemua kasus + subkohort acak yang ditarik di awalKasus dan kontrol yang direkrut setelah sakit
    Waktu pengukuran paparanSebelum outcomeSebelum outcomeSebelum outcomeSesudah outcome (diingat atau diukur belakangan)
    Ukuran hubunganHR, RROR ≈ HRHR (analisis berbobot)OR
    KelebihanPaling tepat secara statistikHemat; pemadanan waktu; kasus dan kontrol satu batchSatu subkohort untuk banyak outcomeCepat dan murah untuk penyakit jarang
    KelemahanBiomarker diperiksa pada semua orangKontrol hanya untuk satu outcome; analisis kondisionalAnalisis berbobot; batch sulit dipadankanRecall bias, bias seleksi kontrol, kausalitas terbalik

    Contoh nyata manfaatnya: pada penelitian homosistein dan penyakit jantung koroner, nested case-control tidak mengonfirmasi hubungan kuat yang dilaporkan case-control klasik, yang diduga dipengaruhi bias seleksi dan kausalitas terbalik (Essebag dkk., 2003).

    Langkah 1 · Judul

    Hubungan Kadar 25-Hidroksivitamin D Serum dengan Kejadian Miopia pada Siswa SMP di Palembang: Nested Case-Control dalam Kohort Prospektif
    Kata kunciPaparanOutcomePopulasi & tempatDesain

    "Hubungan" dipakai karena tidak ada perlakuan (Bab 1), dan "kejadian" menandakan kasus baru, seperti di Bab 25. Menyebut "dalam kohort prospektif" memberi tahu pembaca bahwa paparan diukur sebelum outcome.

    Langkah 2 · Rumusan, tujuan, dan hipotesis

    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Bagaimana kadar 25(OH)D awal pada kasus dan kontrol?
    Menggambarkan kadar 25(OH)D awal
    Rerata ± SD, median, % < 50 nmol/L
    44,7 lawan 49,2 nmol/L
    2
    Apakah kadar 25(OH)D awal berhubungan dengan kejadian miopia?
    Menganalisis hubungan kasar
    Regresi logistik kondisional
    Ada hubungan (OR 0,75 per 10 nmol/L)
    3
    Apakah hubungan itu tetap ada setelah dikontrol waktu di luar ruang, aktivitas jarak dekat, gawai, dan miopia orang tua?
    Menganalisis hubungan multivariabel
    Regresi logistik kondisional multivariabel
    Melemah, tidak bermakna (OR 0,87)
    4
    Apakah ada pola dosis–respons menurut kuartil?
    Menganalisis tren
    Uji tren median kuartil
    Kasar p < 0,001; disesuaikan p = 0,098
    H₀: OR = 1 (setara dengan HR = 1)  lawan  H₁: OR ≠ 1OR per kenaikan 25(OH)D 10 nmol/L; uji dua arah α 0,05. Pada risk-set sampling, OR memperkirakan hazard ratio kohort induk (Langkah 4).

    Langkah 3 · Kohort induk, biobank, dan etik

    • Kohort induk: 656 siswa kelas VII di 4 SMP negeri Palembang yang bebas miopia pada pemeriksaan awal, diperiksa refraksi sikloplegik setiap 6 bulan (2027–2029). Kasus = miopia baru (ekuivalen sferis ≤ −0,50 D) pada kunjungan bulan 6, 12, 18, atau 24; semua definisi sama dengan Bab 25.
    • Biobank: pada Agustus–September 2027, perawat mengambil 5 mL darah vena di sekolah. Serum dipisahkan dalam 2 jam, dibagi menjadi 3 aliquot 0,5 mL, dan disimpan pada −80 °C dengan catatan suhu freezer. Sebanyak 614 dari 656 siswa (93,6%) memberi serum, termasuk 124 dari 133 kasus. Insidens miopia pada yang memiliki dan tidak memiliki serum mirip (20,2% dan 21,4%), begitu pula proporsi perempuan, pengguna gawai tinggi, dan siswa yang jarang ke luar ruang, sehingga kecil kemungkinan terjadi bias seleksi.
    • Persetujuan untuk penggunaan mendatang: lembar persetujuan 2027 memuat pilihan terpisah untuk penyimpanan serum dan pemakaiannya dalam "penelitian lain tentang kesehatan mata dan tumbuh kembang remaja yang telah disetujui komisi etik". Inilah persetujuan luas yang diatur pedoman CIOMS untuk bahan biologis tersimpan (CIOMS, 2016). Siswa yang menolak pilihan ini tetap boleh ikut kohort.
    • Telaah etik baru: penelitian vitamin D adalah protokol baru, jadi diajukan ke KEPK (Bab 7A). KEPK memeriksa apakah tujuannya masih dalam cakupan persetujuan, meminta pemberitahuan kepada orang tua melalui sekolah dengan kesempatan menarik sampel, dan menyetujui tanpa persetujuan ulang individual.
    • Kerahasiaan dan hasil individual: laboratorium hanya menerima kode aliquot; kunci kode dipegang pengelola biobank. Kadar vitamin D tahun 2027 tidak lagi mencerminkan kondisi siswa saat ini, sehingga hasil individual tidak dikembalikan; alasan ini dijelaskan di protokol, dan ringkasan hasil dikirim ke sekolah.

    Langkah 4 · Memilih kontrol dengan risk-set sampling

    Kontrol tidak diambil dari siswa yang "tetap sehat sampai akhir". Untuk setiap kasus, kontrol dipilih dari kelompok berisiko (risk set) pada kunjungan ketika kasus itu terdeteksi. Cara ini disebut risk-set sampling atau incidence density sampling, yang disinggung di Pojok S2–S3 Bab 26.

    1. Urutkan kasus menurut waktu. Ada 22, 30, 34, dan 38 kasus berserum pada bulan 6, 12, 18, dan 24.

    2. Tentukan kelompok berisiko. Semua siswa berserum yang diperiksa pada kunjungan itu dan masih bebas miopia. Siswa yang kelak menjadi kasus atau kelak hilang dari pengamatan tetap termasuk; siswa yang sudah miopia atau sudah hilang sebelumnya tidak.

    3. Padankan menurut sekolah dan jenis kelamin. Waktu dalam kohort otomatis terpadankan karena kontrol diambil pada kunjungan yang sama.

    4. Undi 4 kontrol dengan komputer (benih acak dicatat). Seorang siswa boleh terpilih untuk lebih dari satu kasus, dan kontrol yang kelak menjadi kasus tetap dipakai di kedua peran.

    set 1 set 2 0 6 12 18 24 bulan S01 P S01 (perempuan): miopia di bulan 12 kasus set 1 (bulan 12) S02 L S02 (laki-laki): bebas miopia sampai bulan 24 laki-laki: bukan pasangan S03 P S03 (perempuan): bebas miopia sampai bulan 24 S03: kontrol set 2 kontrol set 2 S04 L S04 (laki-laki): miopia di bulan 6 kasus lebih dulu (bulan 6) S05 P S05 (perempuan): hilang setelah bulan 6 hilang sebelum bulan 12 S06 L S06 (laki-laki): miopia di bulan 18 S07 P S07 (perempuan): miopia di bulan 24 S08 L S08 (laki-laki): bebas miopia sampai bulan 24 S09 P S09 (perempuan): miopia di bulan 18 S09: kontrol set 1 kontrol set 1, lalu kasus set 2 S10 L S10 (laki-laki): hilang setelah bulan 12 S11 P S11 (perempuan): bebas miopia sampai bulan 24 S12 L S12 (laki-laki): miopia di bulan 24 S13 P S13 (perempuan): hilang setelah bulan 18 S13: kontrol set 1 S13: kontrol set 2 kontrol di set 1 dan set 2 S14 L S14 (laki-laki): bebas miopia sampai bulan 24 S15 P S15 (perempuan): bebas miopia sampai bulan 24 S16 L S16 (laki-laki): bebas miopia sampai bulan 24 miopia terdeteksi (kasus) hilang dari pengamatan kontrol yang terundi kelompok berisiko saat kasus muncul
    Gambar 26A.1 — Risk-set sampling pada 16 siswa contoh (dua kontrol per kasus, dipadankan jenis kelamin). Siswa perempuan yang masih berisiko digambar biru muda; kontrol yang terundi ditandai lingkaran.

    Mengapa kontrol boleh kelak menjadi kasus? Karena yang dibandingkan adalah laju kejadian. Dengan memilih kontrol sebanding dengan orang-waktu berisiko, OR dari data ini memperkirakan rasio laju atau hazard ratio kohort induk, tanpa asumsi penyakit jarang (Rothman dkk., 2008). Sifat ini penting di sini, karena miopia terjadi pada 21,9% kohort. Bila kontrol diambil hanya dari siswa yang tetap bebas miopia sampai bulan 24, OR akan menjauh dari rasio risiko, seperti OR 2,44 lawan RR 2,01 di Bab 25.

    Hasil undian. Terbentuk 124 set padanan berisi 124 kasus dan 496 baris kontrol. Baris kontrol itu berasal dari 331 siswa: 119 siswa terpilih lebih dari sekali, dan 35 siswa (42 baris) menjadi kontrol sebelum mereka sendiri menjadi kasus. Setelah dipadankan, kelompok berisiko per kasus berisi 44–90 siswa (median 61). Serum yang perlu diperiksa: 124 + 331 − 35 = 420, atau 68,4% dari 614.

    Coba sendiri: mengundi kontrol dari kelompok berisiko

    Pilih kasus, jumlah kontrol per kasus, dan pemadanan. Nilai awal sama dengan Gambar 26A.1. Tombol "Undi semua kasus" menyusun data nested lengkap untuk 16 siswa ini dan menghitung kontrol yang terpakai ulang.

    KasusBerisiko dan cocok (tebal = terundi)Tidak memenuhi syarat

    Langkah 5 · Besar sampel: berapa kontrol per kasus?

    Kohort sudah selesai, jadi jumlah kasus tidak bisa ditambah: 124. Pertanyaannya tinggal berapa kontrol per kasus (k). Setiap tambahan kontrol menambah ketepatan, tetapi makin lama makin sedikit. Efisiensi k kontrol dibanding kontrol tak terbatas kira-kira k/(k + 1) = 1 − 1/(k + 1) (Ury, 1975).

    nkasus = (Zα/2 + Zβ)² / [ k/(k + 1) × (ln OR × SD)² ] = 7,85 / [0,8 × (ln 0,80 × 1,3)²] = 116,6 → 117OR yang ingin dideteksi 0,80 per 10 nmol/L; SD 25(OH)D 13 nmol/L atau 1,3 dalam satuan 10 nmol/L (studi pendahuluan; data simulasi); α 0,05 dua arah; power 80%; k = 4. Rumus ini diturunkan dari rumus regresi logistik untuk paparan kontinu (Hsieh dkk., 1998). Dengan 124 kasus, power = 82,4%.
    Tabel 26A.2 — Efisiensi, power, dan biaya menurut jumlah kontrol per kasus (124 kasus)
    Kontrol per kasusEfisiensi k/(k + 1)PowerSerum diperiksa*Biaya (Rp juta)
    10,5062,7%226101,7
    20,6775,1%305137,3
    30,7579,9%368165,6
    4 (dipilih)0,8082,4%419188,6
    60,8684,9%490220,5
    80,8986,1%534240,3
    Kohort penuh1,0089,8%614276,3

    * Rerata 60 kali undian pada data kohort ini, karena kontrol yang terpakai ulang dan kasus yang pernah menjadi kontrol hanya diperiksa sekali. Biaya = serum × Rp 450.000. Dengan dana Rp 200 juta, k = 4 adalah pilihan terbesar yang terjangkau; k = 6 hanya menambah power 2,5 poin persen. Undian yang benar-benar dipakai memerlukan 420 serum (Rp 189,0 juta).

    Langkah 6 · Laboratorium: penyamaran dan efek batch

    • Penyamaran: pengelola biobank memberi kode acak baru pada setiap aliquot. Petugas laboratorium tidak tahu siapa kasus, siapa kontrol, dan set mana yang dipadankan.
    • Satu set, satu putaran: 420 serum diperiksa dalam 14 putaran berisi 30 sampel. Anggota setiap set dimasukkan ke putaran yang sama dengan urutan acak. Siswa yang terpilih di beberapa set diperiksa sekali, di putaran set pertamanya, sehingga pada set berikutnya ia tidak lagi satu putaran dengan kasusnya; komplikasi ini khas nested case-control (Rundle dkk., 2005).
    • Kendali mutu: serum kontrol mutu kadar rendah dan tinggi di setiap putaran; koefisien variasi dalam putaran 4,1% dan antarputaran 6,4% (data simulasi). Semua aliquot belum pernah dicairkan, dan lama penyimpanannya sama karena semua serum diambil pada awal kohort.
    • Pengukuran: 25(OH)D total dengan LC-MS/MS, dalam nmol/L. Untuk deskripsi dipakai batas 50 nmol/L, kadar yang mencukupi kebutuhan paling sedikit 97,5% populasi menurut IOM (Ross dkk., 2011). Untuk analisis dipakai nilai kontinu per 10 nmol/L dan kuartil yang batasnya diambil dari sebaran kontrol.

    Langkah 7 · Analisis: regresi logistik kondisional

    Setiap kasus hanya dibandingkan dengan kontrol di set padanannya sendiri. Inilah regresi logistik kondisional (Pearce, 2016). SPSS tidak punya menu khusus, tetapi hasil yang identik didapat dari regresi Cox dengan waktu dibuat konstan dan set sebagai strata, cara yang disinggung di Bab 26.

    Data berbentuk panjang, satu baris per catatan (620 baris): set (1–124), kasus (1 = kasus, 0 = kontrol), id, vitd, luar_jam (jam per hari di luar ruang), dekat (aktivitas jarak dekat ≥ 2 jam/hari), gawai (≥ 3 jam/hari), dan ortu (miopia pada ≥ 1 orang tua). Buat vd10 = vitd / 10 dan waktu_cc = 2 − kasus (kasus = 1, kontrol = 2) dengan Transform ▸ Compute Variable.

    Analyze▸Survival▸Cox Regression
    1. Time = waktu_cc; Status = kasus → Define Event: Single value 1.
    2. Covariates = vd10 (model kasar), lalu tambahkan luar_jam, dekat, gawai, ortu. Strata = set.
    3. Options → CI for exp(B) 95%. Untuk kuartil: Categorical → kuartil_vd, Reference Category = First.

    Di setiap strata, kasus "gagal" lebih dulu (waktu 1) daripada kontrolnya (waktu 2), sehingga fungsi kemungkinan parsial Cox sama persis dengan fungsi kemungkinan logistik kondisional.

    Output — Variables in the Equation (model disesuaikan)
    BSEWalddfSig.Exp(B)95% CI Lower95% CI Upper
    vd10−,138,0962,0571,152,871,7211,052
    luar_jam−,475,1926,1361,013,622,427,906
    dekat,248,2111,3851,2391,282,8481,939
    gawai,784,21812,8631,0002,1891,4273,359
    ortu,554,2126,8041,0091,7401,1482,639

    Strata = set (124). −2 Log Likelihood 357,487. Model kasar (vd10 saja): B −,285; SE ,083; Wald 11,834; Sig. ,001; Exp(B) ,752 (,640–,885).

    Baca Exp(B) sebagai OR, yang di sini memperkirakan hazard ratio. Setiap kenaikan 25(OH)D 10 nmol/L berkaitan dengan odds miopia 13% lebih rendah (OR 0,87), tetapi IK95% 0,72–1,05 memuat 1. Variabel pemadanan (sekolah, jenis kelamin, waktu) tidak muncul di tabel, karena sudah dikendalikan oleh strata dan efeknya tidak dapat diperkirakan.

    Mengapa bukan regresi logistik biasa?

    Tabel 26A.3 — OR kasar per 10 nmol/L menurut cara analisis (data simulasi)
    Cara analisisOR (IK95%)Masalah
    Logistik kondisional (benar)0,75 (0,64–0,88)Membandingkan kasus dengan kontrol di setnya sendiri
    Logistik biasa, pemadanan diabaikan0,77 (0,66–0,90)Menganggap 620 baris independen, padahal 119 siswa muncul berulang; bisa bias ke arah 1
    Logistik biasa + 123 variabel dummy set0,70 (0,58–0,84)Terlalu banyak parameter untuk data sedikit per set: OR terlalu jauh dari 1
    Cox kohort penuh, 614 serum (hanya mungkin di simulasi)0,78 (0,67–0,90)Pembanding "kebenaran" yang tidak terjangkau dana

    Di data ini, mengabaikan pemadanan kebetulan hanya menggeser OR sedikit karena sekolah dan jenis kelamin tidak berhubungan kuat dengan miopia. Hasil ini tidak dijamin pada data lain, dan galat bakunya tetap keliru. Memasukkan dummy set membuat OR bias menjauhi 1; pada pasangan 1 : 1, OR-nya bahkan mendekati kuadrat OR yang benar.

    Langkah 8 · Hasil

    Tabel 26A.4 — Karakteristik awal kasus dan kontrol (data simulasi)
    KarakteristikKasus (n = 124)Kontrol (n = 496)
    25(OH)D (nmol/L), rerata ± SD44,7 ± 13,049,2 ± 13,5
    25(OH)D (nmol/L), median (IQR)44,0 (35,0–52,5)48,5 (40,0–57,3)
    25(OH)D < 50 nmol/L, n (%)84 (67,7)269 (54,2)
    Waktu di luar ruang (jam/hari), rerata ± SD0,91 ± 0,621,21 ± 0,78
    Di luar ruang < 1 jam/hari, n (%)85 (68,5)243 (49,0)
    Aktivitas jarak dekat ≥ 2 jam/hari, n (%)65 (52,4)215 (43,3)
    Gawai ≥ 3 jam/hari, n (%)77 (62,1)211 (42,5)
    Miopia pada ≥ 1 orang tua, n (%)57 (46,0)171 (34,5)
    Perempuan, n (%)70 (56,5) dan 280 (56,5): dipadankan

    Kontrol dihitung per baris catatan (satu siswa bisa muncul lebih dari sekali). Pada 420 siswa yang diperiksa, kadar 25(OH)D berkorelasi dengan waktu di luar ruang (r = 0,52) dan lebih rendah pada perempuan (45,6 lawan 51,1 nmol/L).

    Tabel 26A.5 — Kadar 25(OH)D awal dan kejadian miopia: regresi logistik kondisional (data simulasi)
    25(OH)DKasus/kontrolOR kasar (IK95%)OR disesuaikanᵃ (IK95%)
    Q1: < 40,0 nmol/L49/1241 (rujukan)1 (rujukan)
    Q2: 40,0–48,530/1240,63 (0,37–1,06)0,78 (0,45–1,36)
    Q3: 48,6–57,328/1250,55 (0,33–0,94)0,70 (0,40–1,23)
    Q4: > 57,317/1230,33 (0,18–0,62)0,55 (0,26–1,17)
    p tren< 0,0010,098
    Per 10 nmol/L124/4960,75 (0,64–0,88)0,87 (0,72–1,05)
    Hanya + waktu di luar ruang0,86 (0,71–1,04)

    ᵃ Disesuaikan dengan waktu di luar ruang (jam/hari), aktivitas jarak dekat, gawai, dan miopia orang tua; sekolah, jenis kelamin, dan waktu dikendalikan lewat pemadanan. OR < 1 berarti kadar lebih tinggi berkaitan dengan odds miopia lebih rendah. Pada model yang sama, OR waktu di luar ruang 0,62 per jam (IK95% 0,43–0,91), gawai 2,19 (1,43–3,36), dan miopia orang tua 1,74 (1,15–2,64).

    Gambar 26A.2 — OR miopia menurut kuartil 25(OH)D dan per 10 nmol/L

    Titik = OR; garis = IK95%; garis putus-putus = OR 1 (data simulasi)
    OR kasarOR disesuaikan
    0,2 0,3 0,5 1 1,5 Odds ratio (skala log) Q1 (< 40,0) Q1: kelompok rujukan (OR = 1) rujukan Q2 (40,0–48,5) Q2 (40,0–48,5), OR kasar: 0,63 (IK95% 0,37–1,06) Q2 (40,0–48,5), OR kasar: 0,63 Q2 (40,0–48,5), OR disesuaikan: 0,78 (IK95% 0,45–1,36) Q2 (40,0–48,5), OR disesuaikan: 0,78 Q3 (48,6–57,3) Q3 (48,6–57,3), OR kasar: 0,55 (IK95% 0,33–0,94) Q3 (48,6–57,3), OR kasar: 0,55 Q3 (48,6–57,3), OR disesuaikan: 0,70 (IK95% 0,40–1,23) Q3 (48,6–57,3), OR disesuaikan: 0,70 Q4 (> 57,3) Q4 (> 57,3), OR kasar: 0,33 (IK95% 0,18–0,62) Q4 (> 57,3), OR kasar: 0,33 Q4 (> 57,3), OR disesuaikan: 0,55 (IK95% 0,26–1,17) Q4 (> 57,3), OR disesuaikan: 0,55 Per 10 nmol/L Per 10 nmol/L, OR kasar: 0,75 (IK95% 0,64–0,88) Per 10 nmol/L, OR kasar: 0,75 Per 10 nmol/L, OR disesuaikan: 0,87 (IK95% 0,72–1,05) Per 10 nmol/L, OR disesuaikan: 0,87
    Membaca hasil dengan cermat
    • Waktu di luar ruang saja sudah menjelaskan kira-kira separuh hubungan: OR bergeser dari 0,75 menjadi 0,86 hanya dengan menambahkan variabel itu (koefisien B dari −0,285 menjadi −0,149). Siswa yang banyak di luar ruang mendapat lebih banyak sinar matahari, sehingga vitamin D-nya lebih tinggi dan, mungkin karena alasan lain, matanya terlindungi.
    • Tidak bermakna bukan berarti tidak ada efek: IK95% 0,72–1,05 masih memuat efek pelindung yang cukup besar. Waktu di luar ruang juga diukur dengan kuesioner, jadi masih ada perancuan sisa.
    • Seberapa banyak ketepatan yang hilang? Karena ini simulasi, kita bisa mengintip kohort penuh: HR disesuaikan 0,90 (IK95% 0,76–1,06). Rasio variansnya 0,83, dekat dengan efisiensi teoretis k/(k + 1) = 0,80, dengan 68,4% biaya.
    Kalimat hasil Rara

    "Dalam 124 set padanan (124 kasus miopia dan 496 kontrol dari kelompok berisiko), kadar 25(OH)D serum awal yang lebih tinggi berhubungan dengan odds miopia yang lebih rendah (OR 0,75 per 10 nmol/L; IK95% 0,64–0,88). Setelah disesuaikan dengan waktu di luar ruang, aktivitas jarak dekat, penggunaan gawai, dan miopia orang tua, hubungan ini melemah dan tidak bermakna (OR 0,87; IK95% 0,72–1,05; p = 0,152). Waktu di luar ruang tetap berhubungan dengan odds miopia yang lebih rendah (OR 0,62 per jam per hari; IK95% 0,43–0,91)."

    Langkah 9 · Pembahasan dan kesimpulan

    Kadar 25(OH)D yang diukur sebelum miopia muncul lebih rendah pada siswa yang kemudian menjadi miopia, tetapi hubungan ini melemah kira-kira separuh dan tidak lagi bermakna setelah waktu di luar ruang diperhitungkan. Pola ini sejalan dengan meta-analisis yang menduga vitamin D sebagai penanda waktu di luar ruang (Tang dkk., 2019) dan dengan studi Mendelian randomization yang tidak menemukan efek kausal (Cuellar-Partida dkk., 2017), tetapi berbeda dengan temuan pada anak usia 6 tahun (Tideman dkk., 2016). Uji acak menambah waktu di luar ruang memang menurunkan insidens miopia (He dkk., 2015). Menurut peneliti, pesan kesehatan sekolah sebaiknya tetap "bermain di luar ruang", bukan suplementasi vitamin D untuk mencegah miopia. Keterbatasan: satu kali pengukuran vitamin D di awal; waktu di luar ruang dilaporkan sendiri; 42 siswa tanpa serum; hanya 124 kasus sehingga IK lebar; dan temuan dari empat SMP di satu kota.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Rerata kadar 25(OH)D awal 44,7 nmol/L pada kasus dan 49,2 nmol/L pada kontrol; 67,7% kasus dan 54,2% kontrol di bawah 50 nmol/L.

    2. Terdapat hubungan kasar antara kadar 25(OH)D serum awal dengan kejadian miopia pada siswa SMP di Palembang.

    3. Setelah dikontrol waktu di luar ruang, aktivitas jarak dekat, gawai, dan miopia orang tua, tidak terdapat hubungan yang bermakna.

    4. Pola dosis–respons terlihat pada analisis kasar, tetapi tidak bermakna setelah penyesuaian.

    Awas, keliru!
    • Mengambil kontrol hanya dari yang sehat sampai akhir kohort, atau membuang kontrol yang kelak menjadi kasus. OR tidak lagi memperkirakan hazard ratio.
    • Memilih kontrol dari siswa yang sudah hilang atau sudah miopia sebelum kasus muncul.
    • Menganalisis set padanan dengan regresi logistik biasa, dengan atau tanpa dummy set.
    • Memeriksa serum kasus dan kontrol di putaran laboratorium berbeda, atau memberi tahu petugas laboratorium status kasus.
    • Memakai sampel tersimpan di luar cakupan persetujuan atau tanpa telaah etik baru.
    • Menulis "vitamin D mencegah miopia" dari data observasional, apalagi setelah hubungannya melemah saat dikoreksi.
    Pojok S2–S3
    • Case-cohort: subkohort acak ditarik di awal tanpa melihat outcome, lalu semua kasus ditambahkan. Analisisnya regresi Cox berbobot, karena subkohort mewakili kohort dan kasus di luar subkohort masuk dengan bobot berbeda (Prentice, 1986; Barlow dkk., 1999). Kelebihannya: satu subkohort bisa dipakai untuk banyak outcome. Kekurangannya: kasus dan pembandingnya sulit diperiksa dalam batch yang sama (Rundle dkk., 2005). Nested case-control umumnya lebih efisien bila ada sensor atau masuk kohort bertahap (Langholz & Thomas, 1990).
    • Counter-matching: bila ada ukuran paparan kasar untuk seluruh kohort (misalnya kuesioner waktu di luar ruang), kontrol diambil dari strata paparan yang berlawanan dengan kasus, lalu dianalisis dengan bobot. Efisiensinya bisa lebih tinggi daripada pengambilan acak sederhana (Langholz & Borgan, 1995).
    • Case-crossover untuk paparan sesaat dan kejadian akut: setiap kasus menjadi kontrol dirinya sendiri pada periode waktu lain, sehingga faktor yang tetap pada orang itu terkendali (Maclure, 1991). Desain ini tidak cocok untuk miopia yang berkembang pelan.
    • Paparan yang berubah: bila serum juga disimpan pada bulan 12, kontrol dan kasus dapat dibandingkan memakai sampel terakhir sebelum waktu kasus, sehingga paparan mengikuti waktu.
    • Pelaporan: ikuti STROBE (von Elm dkk., 2007) dan jelaskan kohort induk, cara menentukan kelompok berisiko, variabel pemadanan, jumlah kontrol per kasus, kontrol yang terpakai ulang, serta alur sampel biobank.
    Intinya
    • Nested case-control memakai semua kasus dari kohort dan beberapa kontrol per kasus, sehingga biomarker mahal cukup diperiksa pada sebagian serum tersimpan, dengan paparan yang tetap terukur sebelum outcome.
    • Kontrol diambil dari kelompok berisiko pada saat setiap kasus muncul. Kontrol boleh terpakai ulang dan boleh kelak menjadi kasus; dengan cara ini OR memperkirakan hazard ratio.
    • Efisiensi k kontrol per kasus kira-kira k/(k + 1); di atas 4–5 kontrol tambahannya kecil. Sampel tersimpan memerlukan persetujuan penggunaan mendatang, telaah etik baru, penyamaran laboratorium, dan pemeriksaan satu set dalam satu batch.
    • Analisis memakai regresi logistik kondisional; di SPSS lewat Cox Regression dengan waktu konstan dan set sebagai strata.
    Coba sendiri: kuis nested case-control
    Bab 27

    Contoh Lengkap Studi Cross-Sectional

    Cross-sectional ibarat memotret: paparan, outcome, dan faktor lain diukur bersamaan pada satu waktu. Desain ini cepat dan murah, sangat baik untuk mengetahui prevalensi dan hubungan awal, tetapi tidak bisa memastikan mana yang datang lebih dulu (Wang & Cheng, 2020). Bagian I sudah membahas penelitian cross-sectional Rara bab demi bab. Bab ini menyajikan contoh kedua secara utuh, dengan teknik yang belum diperagakan: sampling sistematik dalam strata, koreksi populasi terbatas, IK95% prevalensi, dan PR terkoreksi dengan regresi Poisson.

    SMP–SMAS1S2–S3

    Mengapa cross-sectional?

    Tahun 2029 Bima sudah kelas X SMA dan ikut lomba Karya Ilmiah Remaja (KIR). Ia melihat banyak temannya mengeluh pegal leher setelah lama bermain ponsel. Pertanyaannya ada dua: berapa banyak siswa yang mengalami nyeri leher? dan apakah nyeri itu lebih sering pada siswa yang lama memakai ponsel? Pertanyaan pertama adalah pertanyaan prevalensi, yang paling tepat dijawab dengan cross-sectional. Rara menjadi pembimbingnya, dan Prof. Nuni menelaah rancangannya.

    Tabel 27.1 — Kekuatan dan kelemahan cross-sectional
    KekuatanKelemahan
    Cepat dan murah: satu kali pengumpulan dataTidak tahu mana yang lebih dulu: paparan atau outcome
    Menghasilkan prevalensi, berguna untuk perencanaan programTidak bisa menghitung insidens atau risiko
    Banyak variabel bisa diukur sekaligusKasus yang singkat atau cepat sembuh bisa terlewat (bias prevalensi–insidens)
    Cocok sebagai langkah awal sebelum kohort atau eksperimenHubungan yang ditemukan belum tentu sebab–akibat
    SATU KALI PENGUKURAN · OKTOBER 2029 Paparan: durasi penggunaan ponselOutcome: keluhan nyeri leherFaktor lain (posisi, olahraga, dll.) ? Mana yang lebih dulu?tidak bisa dipastikan Hasil:• prevalensi (IK95%)• PR untuk hubungan masa lalupotretmasa depan
    Gambar 27.1 — Skema cross-sectional. Semua variabel diukur pada saat yang sama, sehingga arah hubungan tidak bisa dipastikan.

    Langkah 1 · Judul

    Hubungan Durasi Penggunaan Smartphone dengan Keluhan Nyeri Leher pada Siswa SMA Negeri Y Palembang Tahun 2029: Studi Cross-Sectional
    Kata kunciVariabel independenVariabel dependenPopulasiTempat, waktu, desain

    Langkah 2 · Rumusan, tujuan, hipotesis

    Rumusan
    Tujuan khusus
    Analisis
    Kesimpulan
    1
    Berapa prevalensi keluhan nyeri leher pada siswa SMA Negeri Y Palembang?
    Mengetahui prevalensi keluhan nyeri leher.
    Univariat: proporsi dan IK95%
    43,0% (IK95% 35,6–50,4)
    2
    Bagaimana gambaran durasi penggunaan smartphone pada siswa?
    Mengetahui distribusi durasi penggunaan smartphone.
    Univariat: median, proporsi
    Median 5,2 jam/hari; 54,7% ≥ 5 jam
    3
    Apakah terdapat hubungan durasi penggunaan smartphone dengan keluhan nyeri leher?
    Menganalisis hubungan durasi penggunaan smartphone dengan keluhan nyeri leher.
    Chi-square, PR
    Ada hubungan (PR 2,09)
    4
    Apakah hubungan tersebut tetap ada setelah dikontrol posisi menunduk, jenis kelamin, dan olahraga?
    Menganalisis hubungan setelah dikontrol faktor perancu.
    Regresi Poisson robust
    Tetap ada (PR terkoreksi 1,72)

    Ha: terdapat hubungan durasi penggunaan smartphone dengan keluhan nyeri leher pada siswa SMA Negeri Y Palembang. H0: tidak terdapat hubungan (H0: PR = 1). Tujuan 1 dan 2 bersifat deskriptif sehingga tidak memerlukan hipotesis.

    Langkah 3 · Desain

    Cross-sectional analitik. Semua variabel diukur sekali, pada minggu kedua Oktober 2029. Jumlah siswa yang nyeri dan tidak nyeri tidak diatur oleh peneliti; proporsinya muncul apa adanya dari sampel. Jika Bima sengaja mengambil 50 siswa yang nyeri dan 50 yang tidak, desainnya berubah menjadi case-control (Bab 26).

    Langkah 4 · Populasi, sampel, dan sampling

    • Populasi: seluruh siswa SMA Negeri Y Palembang tahun ajaran 2029/2030, N = 1.080 (kelas X 372, XI 360, XII 348).
    • Kriteria inklusi: siswa aktif, hadir saat pengambilan data, ada persetujuan orang tua dan assent, serta memakai ponsel pribadi. Eksklusi: riwayat cedera atau operasi leher, atau kelainan tulang belakang yang sudah diketahui.

    Karena ukuran populasi diketahui dan tidak terlalu besar, Bima memakai rumus Lemeshow dengan koreksi populasi terbatas, berbeda dengan Rara di Bab 5:

    n = N · Z² · p · q / [ d² (N − 1) + Z² · p · q ]
      = 1.080 × 1,96² × 0,40 × 0,60 / [ 0,07² × 1.079 + 1,96² × 0,40 × 0,60 ]
      = 995,7 / 6,209 = 160,4 → 161 → cadangan 10%: 161 / 0,9 = 179 siswa
    p = 0,40: perkiraan prevalensi nyeri leher pada remaja dari penelitian sebelumnya · d = 0,07: presisi yang diinginkan (±7 poin persen) · tanpa koreksi, n = 188,2 → 189 sebelum cadangan

    Teknik sampling: proportionate stratified systematic random sampling. Sampel dibagi ke setiap tingkat kelas sesuai proporsinya. Di dalam setiap tingkat, siswa dipilih secara sistematik dari daftar nama yang diurutkan: interval k = Nstrata / nstrata, dan angka awal dipilih secara acak antara 1 dan k.

    Tabel 27.2 — Alokasi sampel per tingkat kelas
    TingkatJumlah siswaSampel (proporsional)Interval kAngka awal acak
    Kelas X372372/1.080 × 179 = 61,7 → 6264 → siswa ke-4, 10, 16, …
    Kelas XI360360/1.080 × 179 = 59,7 → 6062 → siswa ke-2, 8, 14, …
    Kelas XII348348/1.080 × 179 = 57,7 → 5865 → siswa ke-5, 11, 17, …
    Total1.080180
    Bima bertanya

    "Kenapa tidak tanya teman sekelasku saja? Lebih gampang!"
    Kata Kak Rara, itu namanya convenience sampling. Teman sekelasku semuanya kelas X, jadwalnya sama, mungkin kebiasaannya juga mirip. Hasilnya tidak bisa mewakili seluruh sekolah. Dengan sampel acak dari semua tingkat, setiap siswa punya peluang yang sama untuk terpilih.

    Langkah 5 · Variabel, definisi operasional, dan instrumen

    Tabel 27.3 — Definisi operasional
    VariabelDefinisiAlat ukurCara ukurHasil ukurSkala
    Durasi penggunaan smartphoneRerata waktu layar ponsel per hari dalam 7 hari terakhirFitur Screen Time/Digital Wellbeing di ponselSiswa membuka fitur itu dan menyalin angkanya ke kuesioner, disaksikan timJam/hari; 1 = tinggi (≥ 5 jam), 0 = rendah (< 5 jam)Rasio / nominal
    Keluhan nyeri leherNyeri, pegal, atau rasa tidak nyaman di leher dalam 7 hari terakhirNordic Musculoskeletal Questionnaire (NMQ) bagian leher; skala nyeri 0–10 (NRS)Diisi sendiri1 = ya, 0 = tidak; NRS 0–10Nominal; rasio
    Posisi menundukKebiasaan memakai ponsel sambil menunduk atau berbaring tanpa sandaran leherSkala 5 butir (Likert 1–4), buatan penelitiDiisi sendiriSkor 5–20; 1 = sering (≥ median), 0 = jarangOrdinal → nominal
    Faktor lainJenis kelamin; olahraga < 3 kali per minggu; duduk belajar di luar sekolah ≥ 3 jam/hariKuesionerDiisi sendiri1 = ya, 0 = tidakNominal

    Uji instrumen. NMQ adalah kuesioner baku (Kuorinka dkk., 1987), dan kesesuaian jawaban bagian leher pada uji ulang 1 minggu cukup tinggi (kappa 0,78). Skala posisi menunduk buatan Bima diuji coba pada 30 siswa SMA lain, lalu dianalisis dengan Analyze ▸ Scale ▸ Reliability Analysis (Statistics → Scale if item deleted). Cara membaca validitas dan reliabilitas dijelaskan di Bab 6.

    Output — Item-Total Statistics (uji coba, n = 30)
    Corrected Item-Total CorrelationCronbach's Alpha if Item Deleted
    P1 Menunduk saat membaca pesan,52,76
    P2 Bermain gim sambil menunduk,61,74
    P3 Berbaring tengkurap memakai ponsel,48,77
    P4 Menonton video tanpa sandaran leher,66,72
    P5 Ponsel dipegang di bawah dada,57,75

    Reliability Statistics: Cronbach's Alpha ,79 · N of Items 5

    Semua butir memiliki korelasi di atas r tabel (0,361 untuk n = 30, α 5%), jadi valid. Cronbach's alpha 0,79 (≥ 0,70) berarti reliabel, dan tidak ada butir yang bila dihapus menaikkan alpha secara berarti.

    Langkah 6 · Etika dan pengumpulan data

    • Izin berlapis: kepala sekolah, persetujuan orang tua (PSP singkat), dan assent siswa. Karena hasilnya akan dipresentasikan dan dipublikasikan, Rara membantu mengajukan protokol ke KEPK (Bab 7A), dan KEPK yang menentukan jenis telaahnya.
    • Peneliti sebaya: teman bisa merasa tidak enak menolak ajakan Bima. Karena itu kuesioner dibagikan di luar jam pelajaran tanpa kehadiran guru, bersifat anonim, dan dimasukkan ke kotak tertutup. Siswa boleh menyerahkan kuesioner kosong.
    • Anonim tetapi tetap peduli: karena nama tidak dicatat, peneliti tidak bisa menghubungi siswa yang nyerinya berat. Maka semua siswa menerima lembar informasi: kapan harus ke UKS atau puskesmas (nyeri berat, kesemutan, atau lemah di lengan) dan contoh peregangan leher.
    • Data ponsel: siswa hanya menyalin angka rerata waktu layar. Isi ponsel tidak dilihat atau difoto.
    Populasi: siswa SMA Negeri YN = 1.080 Kelas XN = 372 Kelas XIN = 360 Kelas XIIN = 348 Sampel sistematik: 62lengkap 60 Sampel sistematik: 60lengkap 57 Sampel sistematik: 58lengkap 55 Dianalisis: 172 dari 180response rate 95,6% tidak hadir 5, kuesioner tidak lengkap 3
    Gambar 27.2 — Alur sampling (data simulasi). Response rate yang tinggi mengurangi kekhawatiran bias karena tidak ikut serta (non-response bias).

    Langkah 7 · Bias pada cross-sectional

    Tabel 27.4 — Bias utama dan penanganannya
    BiasArtinyaPenanganan di penelitian ini
    Ambiguitas waktuPaparan dan outcome diukur bersamaanDitulis sebagai keterbatasan; kesimpulan memakai kata "hubungan"
    Non-response biasYang tidak ikut berbeda dengan yang ikutResponse rate 95,6% dilaporkan; alasan tidak ikut dicatat
    Bias informasiSiswa salah memperkirakan durasi ponselDurasi diambil dari Screen Time, bukan tebakan; periode ingat nyeri hanya 7 hari
    Bias prevalensi–insidensNyeri singkat yang sudah sembuh tidak tertangkapPeriode 7 hari terakhir; ditulis sebagai keterbatasan
    Social desirabilityMenjawab sesuai yang dianggap baikKuesioner anonim dan kotak tertutup
    PerancuFaktor lain berhubungan dengan paparan dan outcomeDiukur dan dikoreksi dengan regresi Poisson

    Langkah 8 · Analisis data

    1. Univariat: n (%), median (IQR), dan prevalensi dengan IK95% = p ± 1,96 √[p(1 − p)/n].

    2. Bivariat: tabel 2×2 dengan persentase per baris, chi-square, dan PR. Hubungan durasi (jam) dengan skor nyeri (0–10) juga diuji dengan korelasi Spearman.

    3. Multivariat: variabel dengan p < 0,25 pada analisis bivariat masuk ke regresi Poisson dengan robust variance untuk mendapat PR terkoreksi (Barros & Hirakata, 2003; Zou, 2004). Regresi logistik dijalankan sebagai pembanding untuk menunjukkan mengapa OR tidak dipakai.

    A. PR dengan Crosstabs

    Analyze▸Descriptive Statistics▸Crosstabs

    Row(s) = hp_kat (1 = tinggi, 2 = rendah); Column(s) = nyeri (1 = ya, 2 = tidak). Statistics → Chi-squareRisk; Cells → Row.

    Output — hp_kat * nyeri Crosstabulation
    YaTidakTotal
    TinggiCount534194
    % within hp_kat56,4%43,6%100,0%
    RendahCount215778
    % within hp_kat26,9%73,1%100,0%
    TotalCount7498172
    Output — Chi-Square Tests dan Risk Estimate
    ValuedfAsymp. Sig. (2-sided)
    Pearson Chi-Square15,092ᵃ1,000
    Continuity Correctionᵇ13,9141,000
    Likelihood Ratio15,4381,000
    N of Valid Cases172

    a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 33,56.

    Value95% CI Lower95% CI Upper
    Odds Ratio for hp_kat (Tinggi / Rendah)3,5091,8406,690
    For cohort nyeri = Ya2,0941,3953,145
    For cohort nyeri = Tidak,597,457,779

    Seperti di Bab 9, pada data cross-sectional baris "For cohort nyeri = Ya" dibaca sebagai PR = 2,09. Perhatikan jaraknya dengan OR (3,51). Karena nyeri leher sering terjadi (43%), OR jauh melebihi PR. Karena itu cross-sectional dengan outcome yang sering melaporkan PR.

    Coba sendiri: kapan OR menipu?

    Atur seberapa sering outcome terjadi pada kelompok tidak terpapar, dan seberapa kuat hubungannya (PR). Lihat seberapa jauh OR menjauh dari PR.

    B. PR terkoreksi dengan regresi Poisson robust

    Analyze▸Generalized Linear Models▸Generalized Linear Models
    1. Type of Model → Custom: Distribution Poisson, Link function Log.
    2. Response → Dependent Variable = nyeri01 (1 = ya, 0 = tidak; dibuat dengan Recode into Different Variables).
    3. Predictors → masukkan hp_tinggi, menunduk, perempuan, olahraga_kurang (semua berkode 1/0) ke kotak Covariates, sehingga Exp(B) langsung membandingkan kode 1 dengan 0.
    4. Model → masukkan keempatnya sebagai Main effects.
    5. Estimation → Covariance Matrix: Robust estimator. Langkah ini wajib; tanpa robust, IK95% menjadi terlalu lebar.
    6. Statistics → Include exponential parameter estimates.
    Output — Parameter Estimates
    ParameterBStd. ErrorWald Chi-SquareSig.Exp(B)95% Wald CI for Exp(B)
    (Intercept)−1,966,26256,309,000,140,084–,234
    hp_tinggi,542,1977,599,0061,7201,170–2,529
    menunduk,438,1994,854,0281,5501,049–2,289
    perempuan,344,1813,617,0571,410,989–2,010
    olahraga_kurang,247,1911,672,1961,280,881–1,861

    Dependent Variable: nyeri01 · Model: (Intercept), hp_tinggi, menunduk, perempuan, olahraga_kurang · Covariance: robust estimator

    Exp(B) di sini adalah PR terkoreksi. Siswa yang memakai ponsel ≥ 5 jam/hari memiliki prevalensi nyeri leher 1,72 kali siswa yang memakai < 5 jam, setelah memperhitungkan posisi menunduk, jenis kelamin, dan olahraga.

    Langkah 9 · Hasil

    Tabel 27.5 — Karakteristik responden (n = 172)
    KarakteristikHasil
    Kelas X / XI / XII, n (%)60 (34,9) / 57 (33,1) / 55 (32,0)
    Perempuan, n (%)96 (55,8)
    Usia, tahun, rerata ± SB16,1 ± 0,9
    Durasi smartphone, jam/hari, median (IQR)5,2 (3,8–6,9)
    Durasi ≥ 5 jam/hari, n (%)94 (54,7)
    Sering menunduk, n (%)88 (51,2)
    Olahraga < 3 kali/minggu, n (%)101 (58,7)
    Duduk belajar ≥ 3 jam/hari, n (%)70 (40,7)
    Keluhan nyeri leher 7 hari terakhir, n (%)74 (43,0; IK95% 35,6–50,4)
    Skor nyeri pada yang mengeluh, median (IQR)4 (3–5)
    Tabel 27.6 — Hubungan durasi penggunaan smartphone dengan keluhan nyeri leher
    Durasi smartphoneNyeri, n (%)Tidak, n (%)TotalPR (IK95%)p
    ≥ 5 jam/hari53 (56,4)41 (43,6)94 (100)2,09 (1,40–3,15)< 0,001ᵃ
    < 5 jam/hari21 (26,9)57 (73,1)78 (100)
    Total74 (43,0)98 (57,0)172 (100)

    ᵃ Chi-square dengan continuity correction. Persentase per baris. Korelasi Spearman antara durasi (jam) dan skor nyeri (0–10): rs = 0,34; p < 0,001.

    Tabel 27.7 — Faktor lain dan keluhan nyeri leher (bivariat)
    VariabelPrevalensi nyeri: ya vs tidakPR (IK95%)p
    Sering menunduk56,8% vs 28,6%1,99 (1,35–2,92)< 0,001
    Perempuan (vs laki-laki)51,0% vs 32,9%1,55 (1,07–2,26)0,026
    Olahraga < 3 kali/minggu50,5% vs 32,4%1,56 (1,06–2,30)0,028
    Duduk belajar ≥ 3 jam/hari48,6% vs 39,2%1,24 (0,88–1,74)0,289

    Duduk belajar memiliki p > 0,25 sehingga tidak dimasukkan ke model multivariat. Tiga faktor lain menjadi kandidat bersama durasi smartphone.

    Gambar 27.3 — Prevalensi nyeri leher menurut durasi smartphone

    Persentase siswa yang mengeluh nyeri leher dalam 7 hari terakhir (n = 172)
    60%40%20%0% < 3 jam/hari: 17,6% (6 dari 34) 3–< 5 jam/hari: 34,1% (15 dari 44) 5–< 7 jam/hari: 48,1% (25 dari 52) ≥ 7 jam/hari: 66,7% (28 dari 42) 17,6%34,1%48,1%66,7% < 3 jam3–< 5 jam5–< 7 jam≥ 7 jam 6 dari 3415 dari 4425 dari 5228 dari 42PR 1 (rujukan)PR 1,93PR 2,72PR 3,78

    Uji tren (Linear-by-Linear Association): χ² = 20,29; p < 0,001. IK95% PR: 3–< 5 jam 0,84–4,45; 5–< 7 jam 1,25–5,94; ≥ 7 jam 1,77–8,05.

    Tabel 27.8 — Analisis multivariat: regresi Poisson robust (PR) dibanding regresi logistik (OR)
    VariabelPR kasarPR terkoreksi (IK95%)pOR terkoreksi
    Smartphone ≥ 5 jam/hari2,091,72 (1,17–2,53)0,0062,78
    Sering menunduk1,991,55 (1,05–2,29)0,0282,31
    Perempuan1,551,41 (0,99–2,01)0,0571,86
    Olahraga < 3 kali/minggu1,561,28 (0,88–1,86)0,1961,52

    Semua OR terkoreksi lebih besar daripada PR terkoreksi. Bila OR 2,78 ditulis sebagai "hampir tiga kali lebih sering", pembaca akan salah paham; yang benar 1,72 kali.

    Gambar 27.4 — PR dan OR untuk durasi smartphone ≥ 5 jam/hari

    Titik = estimasi; garis = IK95%. Skala logaritmik.
    PR (prevalence ratio)OR (odds ratio)
    1248rasio (skala log) KasarTerkoreksi PR 2,09 (1,40–3,15) OR 3,51 (1,84–6,69) PR 1,72 (1,17–2,53) OR 2,78 (1,40–5,52) PR kasar 2,09 (1,40–3,15) OR kasar 3,51 (1,84–6,69) PR terkoreksi 1,72 (1,17–2,53) OR terkoreksi 2,78 (1,40–5,52)
    Membaca hasil dengan cermat
    • Prevalensi 43,0% (IK95% 35,6–50,4) berarti di seluruh sekolah diperkirakan 36–50% siswa mengalami nyeri leher dalam seminggu terakhir. Angka ini hanya sah karena sampelnya diambil secara acak.
    • PR turun dari 2,09 menjadi 1,72 setelah dikoreksi (berubah 17,7%). Sebagian besar perubahan ini datang dari posisi menunduk. Posisi menunduk mungkin perantara (mediator): makin lama bermain ponsel, makin lama menunduk. Lihat Pojok S2–S3.
    • Perempuan p = 0,057 tidak bermakna pada α 5%, tetapi IK95%-nya (0,99–2,01) hampir seluruhnya di atas 1. Laporkan apa adanya tanpa melebih-lebihkan atau mengabaikan.
    • Kata yang tepat: "berhubungan dengan prevalensi yang lebih tinggi", bukan "menyebabkan". Bisa saja siswa yang lehernya sudah nyeri justru lebih banyak berbaring sambil bermain ponsel.

    Langkah 10 · Pembahasan dan kesimpulan

    Hampir separuh siswa (43,0%) mengeluh nyeri leher dalam seminggu terakhir. Prevalensinya 1,72 kali lebih tinggi pada siswa yang memakai ponsel ≥ 5 jam per hari, setelah dikoreksi posisi, jenis kelamin, dan olahraga, dengan pola dosis–respons. Menunduk menambah beban pada tulang leher; pada sudut 60°, bebannya diperkirakan setara ±27 kg (Hansraj, 2014). Temuan ini sejalan dengan tinjauan sistematis tentang keluhan muskuloskeletal akibat penggunaan ponsel (Zirek dkk., 2020). Menurut peneliti, edukasi "angkat ponselmu setinggi mata" dan jeda peregangan setiap 30 menit layak diajarkan di sekolah. Keterbatasan: urutan waktu tidak dapat dipastikan; hanya satu sekolah; posisi menunduk dilaporkan sendiri; dan nyeri diukur tanpa pemeriksaan fisik.

    FaktaTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap tujuan):

    1. Prevalensi keluhan nyeri leher pada siswa SMA Negeri Y Palembang adalah 43,0%.

    2. Median durasi penggunaan smartphone 5,2 jam per hari, dan 54,7% siswa memakainya ≥ 5 jam per hari.

    3. Terdapat hubungan durasi penggunaan smartphone dengan keluhan nyeri leher.

    4. Hubungan tersebut tetap ada setelah dikontrol posisi menunduk, jenis kelamin, dan olahraga.

    Saran: UKS dapat menyisipkan edukasi postur saat bermain ponsel dan peregangan leher dalam kegiatan rutin. Peneliti selanjutnya disarankan mengukur postur secara objektif (misalnya sudut kepala dari foto samping), melibatkan beberapa sekolah, dan memakai desain kohort untuk memastikan urutan waktu.

    Awas, keliru!
    • Menulis "pengaruh" atau "menyebabkan" untuk hasil cross-sectional.
    • Melaporkan OR sebagai "berapa kali lebih sering" padahal outcome-nya sering. Laporkan PR.
    • Sampel kenyamanan (teman sekelas, grup WhatsApp, formulir online yang disebar bebas) lalu hasilnya digeneralisasi ke seluruh populasi.
    • Tidak melaporkan response rate dan alasan responden tidak ikut.
    • Mengatur jumlah yang sakit dan tidak sakit. Desainnya berubah menjadi case-control.
    • Menghitung persentase per kolom. Pada cross-sectional, persentase dihitung per baris (per kelompok paparan).
    Pojok S2–S3
    • Desain survei kompleks: sampel berstrata, klaster, atau alokasi tidak proporsional memerlukan bobot dan perhitungan galat baku khusus (SPSS: Analyze ▸ Complex Samples). Survei nasional seperti Survei Kesehatan Indonesia wajib dianalisis dengan cara ini; contoh lengkapnya di Bab 27A.
    • Perancu atau mediator? Tanpa variabel posisi menunduk, PR terkoreksi durasi smartphone 1,93 (1,29–2,88); dengan variabel itu, 1,72. Bila posisi menunduk adalah mediator, model tanpa variabel itu menggambarkan efek total. Analisis mediasi pada data cross-sectional harus ditafsirkan hati-hati karena urutan waktunya tidak jelas.
    • Poisson robust atau log-binomial? Keduanya menghasilkan PR. Log-binomial kadang gagal konvergen; Poisson robust hampir selalu berhasil (Barros & Hirakata, 2003).
    • IK95% prevalensi: rumus Wald di atas kurang tepat bila n kecil atau prevalensi mendekati 0% atau 100%. Gunakan metode Wilson atau exact (Clopper–Pearson).
    • Survei online (misalnya Google Form) rawan bias seleksi diri. Laporkan cara penyebaran, jumlah yang melihat dan mengisi, serta pencegahan pengisian ganda mengikuti CHERRIES (Eysenbach, 2004).
    • Cross-sectional berulang (survei tiap tahun pada sampel berbeda) menunjukkan tren prevalensi, tetapi bukan perubahan pada individu yang sama; untuk itu diperlukan desain panel atau kohort. Laporkan mengikuti STROBE.
    Intinya
    • Cross-sectional memotret paparan, outcome, dan faktor lain sekaligus. Desain ini paling tepat untuk prevalensi dan hubungan awal, tetapi tidak bisa memastikan urutan waktu.
    • Sampel harus acak dan cukup: rumus prevalensi (dengan koreksi populasi terbatas bila N diketahui dan kecil), teknik acak seperti stratified atau sistematik, dan response rate dilaporkan.
    • Laporkan prevalensi dengan IK95% dan PR dengan persentase per baris. Bila outcome sering, OR melebih-lebihkan; PR terkoreksi dihitung dengan regresi Poisson robust.
    Coba sendiri: kuis studi cross-sectional
    Bab 27A

    Contoh Lengkap Analisis Data Sekunder Survei Nasional

    Analisis data sekunder memakai data yang dikumpulkan pihak lain untuk tujuan lain, misalnya survei kesehatan nasional, untuk menjawab pertanyaan penelitian baru. Sampelnya besar dan mewakili populasi dengan biaya kecil, tetapi peneliti harus bekerja dengan variabel yang tersedia dan wajib menganalisisnya sesuai desain sampel survei: strata, klaster, dan bobot (Heeringa dkk., 2017).

    S1S2–S3

    Untung dan rugi memakai data orang lain

    Keuntungan

    Sampel ribuan sampai ratusan ribu orang yang dipilih acak dari seluruh provinsi; biaya dan waktu jauh lebih kecil; pengukuran dilakukan petugas terlatih dengan prosedur baku; hasilnya bisa digeneralisasi ke populasi nasional atau provinsi.

    Keterbatasan

    Variabel sudah ditentukan; cara ukur tidak dikendalikan peneliti; ada data hilang dan nilai janggal; peneliti harus mempelajari desain sampel, buku kode, dan syarat penggunaan data. Survei rumah tangga umumnya potong lintang, jadi kesimpulannya "hubungan" (Bab 27).

    Contoh di Indonesia: Survei Kesehatan Indonesia (SKI) 2023 menggabungkan Riskesdas dan Studi Status Gizi Indonesia, dan melaporkan prevalensi stunting balita nasional 21,5% (Badan Kebijakan Pembangunan Kesehatan, 2024). Data SDKI tersedia melalui DHS Program. Semua angka di bab ini berasal dari data simulasi yang meniru struktur survei rumah tangga nasional (12 strata, 600 blok sensus, bobot sampel), bukan data SKI yang sebenarnya.

    Langkah 1 · Pertanyaan yang cocok dengan data, lalu judul

    Hendra, mahasiswa S2 Epidemiologi di Universitas X, awalnya ingin meneliti pola asuh makan dan stunting. Setelah membaca kuesioner survei, ia menemukan bahwa pola asuh tidak ditanyakan, sedangkan tinggi badan ibu, pendidikan, berat lahir, indeks kekayaan, dan jenis jamban tersedia. Ia menyesuaikan pertanyaannya dengan data, bukan sebaliknya, dan memilih faktor berdasarkan kerangka determinan stunting di Indonesia (Beal dkk., 2018).

    Faktor-Faktor yang Berhubungan dengan Stunting pada Balita di Indonesia: Analisis Data Sekunder Survei Kesehatan Nasional
    Kata kunciOutcomePopulasi & tempatSumber data dan desain
    1. Baca laporan survei: tujuan, desain sampel, cakupan, tingkat respons, dan cara pengukuran.

    2. Baca kuesioner: kalimat persis yang ditanyakan dan siapa yang menjawab (ibu, kepala rumah tangga, atau petugas yang mengukur).

    3. Baca buku kode dan pedoman: nama variabel, kode jawaban, kode hilang (misalnya 8 = tidak tahu, 9 = tidak menjawab), kunci penggabungan file, serta variabel strata, klaster, dan bobot.

    4. Cocokkan setiap konsep dengan variabel. Bila tidak ada, ganti pertanyaannya atau pakai proksi dan tulis sebagai keterbatasan.

    Langkah 2 · Rumusan, tujuan, dan analisis

    Rumusan
    Tujuan
    Analisis
    Hasil
    1
    Berapa prevalensi stunting pada balita di Indonesia?
    Menaksir prevalensi nasional dan per wilayah
    CS Frequencies dengan bobot, strata, dan klaster
    21,8% (IK95% 20,4–23,2)
    2
    Apakah faktor anak, ibu, dan rumah tangga berhubungan dengan stunting?
    Menganalisis hubungan setiap faktor dengan stunting
    CS Crosstabs; OR kasar
    Semua berhubungan, kecuali perdesaan
    3
    Faktor mana yang tetap berhubungan setelah faktor lain dikontrol?
    Menganalisis hubungan secara multivariabel
    CS Logistic Regression; OR terkoreksi
    BBLR, ibu pendek, pendidikan ibu ≤ SD, ekonomi 40% bawah, dan lainnya

    Ha: terdapat hubungan antara umur, jenis kelamin, berat lahir, tinggi ibu, pendidikan ibu, status ekonomi, jamban, dan tempat tinggal dengan stunting pada balita. Tujuan 1 deskriptif, jadi tanpa hipotesis.

    Langkah 3 · Desain survei, permintaan data, dan etik

    Desain survei (simulasi). Sampel diambil dua tahap dalam 12 strata (6 provinsi × perkotaan/perdesaan). Tahap 1: blok sensus (BS) dipilih dengan peluang sebanding ukurannya (PPS; Bab 43). Tahap 2: di setiap BS, 10 rumah tangga berbalita dipilih sistematik dari daftar hasil pencacahan, lalu semua balitanya diukur. Setiap provinsi mendapat 100 BS, sehingga provinsi kecil sengaja diambil lebih banyak (oversampling) agar angka provinsinya cukup tepat.

    bobot = 1 / (peluang BS terpilih × peluang rumah tangga terpilih di BS itu) × penyesuaian non-responsBobot lalu dikalibrasi agar jumlahnya sama dengan jumlah balita di setiap strata. Rerata bobot: wilayah I 5.950, wilayah II 2.619, wilayah III 766. Artinya satu balita sampel di wilayah III hanya mewakili 766 balita, karena wilayah itu diambil jauh lebih banyak daripada porsinya di populasi.
    • Permintaan data. Untuk data survei Kementerian Kesehatan (Riskesdas, SSGI, SKI), laman layanan data BKPK meminta pemohon mempelajari pedoman, kuesioner, buku kode, dan laporan; menyiapkan surat permohonan yang ditandatangani pimpinan instansi kepada Kepala Pusat Data dan Teknologi Informasi Kementerian Kesehatan; lalu mengisi formulir permintaan di portal layanan data. Data SDKI dari DHS Program diminta dengan mendaftar, menulis judul dan uraian rencana analisis, lalu menunggu persetujuan per negara; data hanya boleh dipakai untuk proyek yang didaftarkan. Prosedur dapat berubah, jadi periksa laman pemilik data saat menyusun proposal.
    • Syarat penggunaan yang lazim: data hanya untuk tujuan yang disetujui, tidak dibagikan ke pihak lain, tidak boleh dipakai untuk mengenali responden, dan sumbernya wajib disebut. Baca syarat masing-masing pemilik data.
    • Etik. Data yang diterima sudah anonim (tanpa nama dan alamat) dan survei aslinya telah mendapat persetujuan etik. Hendra tetap mengajukan protokol ke KEPK fakultas, yang memutuskan penelitiannya dikecualikan (Bab 7A). Surat ini diminta kampus dan banyak jurnal. Di laporan, Hendra tidak menampilkan sel berisi sangat sedikit anak di wilayah kecil agar keluarga tidak mudah dikenali.

    Langkah 4 · Menyiapkan data

    A. Menggabungkan file rumah tangga, ibu, dan balita

    Tabel 27A.1 — Tiga file dan kunci penggabungannya (data simulasi)
    FileSatu baris perBarisKunciVariabel yang diambil
    Rumah tanggaRumah tangga5.723id_rtstrata, id_bs, bobot, perkotaan/perdesaan, indeks kekayaan, jenis jamban
    IbuPerempuan pengasuh balita5.777id_rt + no_arttinggi badan, pendidikan
    BalitaBalita7.061id_rt + no_art_ibuumur, jenis kelamin, berat lahir, panjang atau tinggi badan, posisi ukur
    Data▸Merge Files▸Add Variables

    File balita dibuka sebagai file aktif. Pilih One-to-many merge based on key values dengan file rumah tangga sebagai tabel pencarian (lookup) dan kunci id_rt. Untuk file ibu, ubah dulu nama no_art menjadi no_art_ibu, lalu gabungkan dengan kunci id_rt + no_art_ibu. Urutkan semua file menurut kuncinya dengan Data ▸ Sort Cases. Periksa hasilnya: jumlah baris tetap 7.061, dan 222 balita tidak punya pasangan di file ibu karena ibunya tidak tinggal serumah.

    B. Membentuk variabel

    Tabel 27A.2 — Definisi operasional dari variabel survei
    VariabelDari data surveiDefinisi operasional
    StuntingPanjang atau tinggi badan, umur dalam hari, jenis kelaminZ-skor panjang/tinggi badan menurut umur (HAZ) dengan WHO Child Growth Standards; stunting bila HAZ < −2 SD, sangat pendek < −3 SD (WHO Multicentre Growth Reference Study Group, 2006). Anak < 24 bulan diukur berbaring, ≥ 24 bulan berdiri; yang diukur dengan posisi lain dikoreksi 0,7 cm.
    BBLRBerat lahir dari buku KIA atau ingatan ibu< 2.500 g; jawaban "tidak tahu" = hilang
    Ibu pendekTinggi badan ibu yang diukur petugas< 150 cm
    Pendidikan ibuPendidikan tertinggi yang ditamatkan≤ SD, SMP, ≥ SMA
    Status ekonomiIndeks kepemilikan aset yang disediakan surveiKuintil tertimbang: 40% terbawah, 40% menengah, 20% teratas
    Jamban, tempat tinggalJenis jamban; klasifikasi wilayahTidak layak menurut definisi pedoman survei; perdesaan atau perkotaan

    Z-skor dapat dihitung dengan perangkat lunak WHO Anthro bila belum tersedia di data. Simpan semua sintaks pembentukan variabel; RECORD meminta algoritme ini dilaporkan.

    C. Nilai janggal, data hilang, dan subpopulasi

    • Nilai tidak masuk akal secara biologis: HAZ < −6 atau > +6 ditandai (flag) oleh WHO. Ada 28 anak (0,41% dari yang diukur: 17 di bawah −6 dan 11 di atas +6). Nilainya dijadikan hilang, bukan diganti.
    • Tidak diukur: 289 balita tidak ada di rumah, sakit, atau menolak diukur.
    • Kovariat hilang: 212 balita ibunya tidak serumah dan 627 berat lahirnya tidak diketahui. Prevalensi stunting pada anak tanpa data berat lahir 28,7%, lebih tinggi daripada 21,3% pada subpopulasi model, jadi data ini tidak hilang secara acak. Hal ini dicatat sebagai keterbatasan.
    600 blok sensus dalam 12 strata 6.000 rumah tangga berbalita terpilih 5.723 rumah tangga diwawancarai (95,4%) 7.061 balita dalam file anak Tidak masuk prevalensi tidak diukur: 289 HAZ tidak masuk akal: 28 Subpopulasi prevalensi: 6.744 sampel_prev = 1 Tidak masuk model ibu tidak serumah: 212 berat lahir tidak tahu: 627 Subpopulasi model: 5.905 sampel_model = 1 Semua 7.061 baris tetap di file (tidak dihapus) strata, BS, dan bobot seluruh baris dipakai untuk menghitung galat baku
    Gambar 27A.1 — Alur seleksi balita dan dua subpopulasi analisis (data simulasi).

    Mengapa tidak dihapus? Galat baku survei dihitung dari variasi antar-BS di setiap strata. Bila kasus di luar kriteria dihapus (Select Cases atau Delete), SPSS hanya melihat BS yang tersisa dan memperlakukan jumlah anak per strata seolah-olah tetap, padahal jumlah itu acak. Cara yang benar adalah membuat variabel penanda (sampel_prev, sampel_model) dan memakainya sebagai subpopulation (West dkk., 2008). Pada subpopulasi balita BBLR (398 anak), SE prevalensi stunting di data simulasi ini hampir sama (0,0336), tetapi df turun dari 588 menjadi 300. Pada subpopulasi yang lebih kecil, sebagian strata bisa tinggal satu BS atau kosong sehingga variansnya tidak dapat dihitung.

    Langkah 5 · Analisis dengan SPSS Complex Samples

    A. Membuat rencana analisis (plan file)

    Analyze▸Complex Samples▸Prepare for Analysis
    1. Create a plan file, misalnya survei_sim.csaplan.
    2. Design Variables: Strata = strata; Clusters = id_bs; Sample Weight = bobot.
    3. Estimation Method: WR (sampling with replacement). Varians dihitung dari variasi antar-BS di setiap strata, pilihan yang lazim untuk data survei publik. Selesai.

    Semua prosedur Complex Samples berikutnya meminta file rencana ini. Derajat bebas desain = jumlah BS − jumlah strata = 600 − 12 = 588, bukan jumlah anak dikurangi satu.

    B. Prevalensi: CS Frequencies

    Analyze▸Complex Samples▸Frequencies

    Frequency Tables = stunting; Subpopulations = sampel_prev. Statistics → Table percentStandard errorConfidence intervalUnweighted countDesign effect.

    Output — stunting (sampel_prev = 1)
    % of TotalEstimateStandard Error95% CI Lower95% CI UpperDesign EffectUnweighted Count
    Tidak78,2%,7%76,8%79,6%1,9465000
    Ya21,8%,7%20,4%23,2%1,9461744
    Total100,0%,0%100,0%100,0%.6744

    IK dihitung pada skala logit dengan distribusi t (df 588). Tabel untuk sampel_prev = 0 tidak ditampilkan.

    1. Bandingkan dengan tanpa bobot. Analyze ▸ Descriptive Statistics ▸ Frequencies biasa memberi 1.744 / 6.744 = 25,9%. Selisih 4,1 poin muncul karena wilayah III, dengan prevalensi 33,2%, mengisi 33,1% sampel tetapi hanya 8,2% populasi.

    2. Baca design effect. Varians taksiran 1,95 kali varians sampel acak sederhana berukuran sama (Kish, 1965). Kira-kira 1,59 berasal dari bobot yang tidak sama (1 + CV² bobot) dan 1,23 dari kemiripan anak dalam satu BS. n efektif = 6.744 / 1,946 = 3.466.

    Coba sendiri: kalkulator prevalensi tertimbang

    Nilai awal: jumlah anak, porsi populasi, dan prevalensi tertimbang tiap wilayah pada data Hendra. Ubah jumlah sampel per wilayah. Bila porsi sampel sama dengan porsi populasi, kedua prevalensi sama dan efek desain karena bobot = 1. Makin timpang, makin besar selisih tanpa bobot dan makin kecil n efektif. Angka kalkulator sedikit berbeda dari SPSS (25,7% lawan 25,9%; efek bobot 1,47 lawan 1,59) karena di dalam wilayah pun bobot berbeda antar-BS.

    C. Hubungan dua variabel: CS Crosstabs

    Analyze▸Complex Samples▸Crosstabs

    Rows = ibu_pendek; Columns = stunting; Subpopulations = sampel_model. Statistics → Row percentStandard errorDesign effectUnweighted countOdds ratio.

    Output — ibu_pendek * stunting (sampel_model = 1)
    ibu_pendek% stunting = YaStandard ErrorDesign EffectUnweighted Count (Ya / total)
    < 150 cm27,3%1,5%1,987609 / 1870
    ≥ 150 cm18,7%,8%1,859877 / 4035

    Odds Ratio 1,639; 95% CI 1,373–1,956. Tabel diringkas: kolom "Tidak" dan persen kolom tidak ditampilkan.

    D. Model multivariabel: CS Logistic Regression

    Analyze▸Complex Samples▸Logistic Regression
    1. Dependent = stunting (0 = tidak, 1 = ya) → Reference Category: Lowest value. Bawaan SPSS adalah nilai tertinggi, sehingga tanpa langkah ini yang dimodelkan justru peluang tidak stunting.
    2. Factors = umur_kat, jk, bblr, ibu_pendek, didik, kaya, jamban, desa. Kategori pembanding setiap faktor adalah kode tertinggi, jadi kodekan kelompok pembanding paling akhir (misalnya umur_kat 3 = 0–11 bulan).
    3. Subpopulation = sampel_model, kategori 1. Statistics → EstimateExponentiated estimateStandard errorConfidence intervalT test.
    Output — Parameter Estimatesa
    ParameterBStd. ErrortdfSig.Exp(B)95% CI Exp(B) LowerUpper
    (Intercept)−2,859,188−15,168588,000,057,040,083
    [umur_kat=1] 12–23 bln,646,1304,967588,0001,9081,4782,464
    [umur_kat=2] 24–59 bln,983,1079,190588,0002,6732,1663,298
    [bblr=1] ya1,001,1556,469588,0002,7202,0083,686
    [ibu_pendek=1] < 150 cm,483,0945,134588,0001,6201,3471,949
    [kaya=1] 40% terbawah,486,1762,763588,0061,6261,1512,298
    [kaya=2] 40% menengah,200,1551,294588,1961,222,9011,656
    [desa=1] perdesaan−,060,098−,618588,537,941,7771,140

    a. Model: (Intercept), umur_kat, jk, bblr, ibu_pendek, didik, kaya, jamban, desa; stunting (reference category = Tidak). Baris jk, didik, dan jamban (lihat Tabel 27A.4), baris kategori pembanding (parameter = 0, redundant), dan kolom 95% CI untuk B tidak ditampilkan.

    df = 588 pada setiap baris, sesuai desain. Exp(B) adalah OR terkoreksi: balita BBLR berpeluang (odds) stunting 2,72 kali balita dengan berat lahir normal, setelah faktor lain dikontrol.

    E. Mengapa desain survei penting: tiga cara analisis

    Tabel 27A.3 — Hasil yang sama dianalisis dengan tiga cara (data simulasi)
    EstimasiTanpa bobot dan desainWeight Cases (bobot dinormalkan)Complex Samples
    Prevalensi stunting (IK95%)25,9% (24,8–26,9)21,8% (20,8–22,8)21,8% (20,4–23,2)
    OR umur 24–59 bulan2,28 (1,91–2,72)2,67 (2,20–3,25)2,67 (2,17–3,30)
    OR laki-laki; p1,17 (1,03–1,32); 0,0131,21 (1,07–1,38); 0,0031,21 (1,02–1,44); 0,028
    OR ekonomi 40% menengah; p1,31 (1,07–1,61); 0,0101,22 (1,00–1,49); 0,0511,22 (0,90–1,66); 0,196

    OR terkoreksi dari model yang sama. Weight Cases memakai bobot yang dibagi reratanya (rerata = 1). Bila bobot populasi dipakai langsung di Weight Cases, SPSS mengira ada 21 juta anak dan IK95% prevalensi menjadi 21,76–21,80%.

    Tanpa bobot, taksiran titiknya bias: prevalensi 4,1 poin terlalu tinggi dan OR umur terlalu kecil. Weight Cases memperbaiki taksiran titik, tetapi galat bakunya mengabaikan klaster dan variasi bobot, sehingga IK95% terlalu sempit. Akibatnya, "ekonomi menengah" tampak berhubungan pada analisis tanpa bobot (p = 0,010), padahal dengan desain yang benar tidak (p = 0,196). Galat baku koefisien Complex Samples 1,1–1,5 kali lebih besar daripada Weight Cases.

    Langkah 6 · Hasil

    Tabel 27A.4 — Faktor yang berhubungan dengan stunting (n = 5.905; persentase tertimbang; data simulasi)
    Faktorn%Stunting, % (IK95%)OR kasar (IK95%)OR terkoreksi (IK95%)
    Umur 0–11 bulan1.20220,611,9 (10,0–14,1)11
    Umur 12–23 bulan1.20220,720,0 (17,5–22,9)1,86 (1,45–2,40)1,91 (1,48–2,46)
    Umur 24–59 bulan3.50158,725,1 (23,2–27,1)2,49 (2,02–3,07)2,67 (2,17–3,30)
    Laki-laki (lawan perempuan)3.01150,722,8 lawan 19,81,20 (1,02–1,41)1,21 (1,02–1,44)
    BBLR (lawan tidak)3916,040,3 lawan 20,12,68 (2,03–3,53)2,72 (2,01–3,69)
    Tinggi ibu < 150 cm (lawan ≥ 150)1.87030,627,3 lawan 18,71,64 (1,37–1,96)1,62 (1,35–1,95)
    Pendidikan ibu ≤ SD1.41420,531,9 (28,7–35,2)2,28 (1,87–2,79)1,76 (1,39–2,23)
    Pendidikan ibu SMP1.46625,522,0 (19,5–24,7)1,37 (1,13–1,68)1,17 (0,95–1,46)
    Pendidikan ibu ≥ SMA3.02553,917,0 (15,2–19,0)11
    Ekonomi 40% terbawah2.62038,528,0 (25,9–30,2)2,39 (1,78–3,21)1,63 (1,15–2,30)
    Ekonomi 40% menengah2.21740,518,8 (16,9–20,8)1,42 (1,06–1,90)1,22 (0,90–1,66)
    Ekonomi 20% teratas1.06821,114,0 (11,0–17,6)11
    Jamban tidak layak (lawan layak)96813,028,9 lawan 20,21,61 (1,32–1,97)1,25 (1,01–1,55)
    Perdesaan (lawan perkotaan)3.32848,422,8 lawan 19,91,19 (1,00–1,42)0,94 (0,78–1,14)

    n = jumlah anak dalam sampel (tidak tertimbang); % = persentase tertimbang. OR kasar dari CS Logistic Regression dengan satu faktor; OR terkoreksi dari model berisi semua faktor. 1 = kategori pembanding. OR kasar perdesaan p = 0,051. Prevalensi pada subpopulasi model 21,3%.

    Gambar 27A.2 — OR terkoreksi faktor yang berhubungan dengan stunting

    Kotak = OR; garis = IK95% dari CS Logistic Regression. Abu-abu = IK95% memuat 1 (data simulasi).
    0,5124 OR terkoreksi (skala log) OR Umur 12–23 blnUmur 24–59 blnLaki-lakiBBLRIbu < 150 cmIbu ≤ SDIbu SMPEkonomi 40% bawahEkonomi 40% tengahJamban tidak layakPerdesaan Umur 12–23 bln: OR 1,91 (IK95% 1,48–2,46)Umur 24–59 bln: OR 2,67 (IK95% 2,17–3,30)Laki-laki: OR 1,21 (IK95% 1,02–1,44)BBLR: OR 2,72 (IK95% 2,01–3,69)Ibu < 150 cm: OR 1,62 (IK95% 1,35–1,95)Ibu ≤ SD: OR 1,76 (IK95% 1,39–2,23)Ibu SMP: OR 1,17 (IK95% 0,95–1,46)Ekonomi 40% bawah: OR 1,63 (IK95% 1,15–2,30)Ekonomi 40% tengah: OR 1,22 (IK95% 0,90–1,66)Jamban tidak layak: OR 1,25 (IK95% 1,00–1,55)Perdesaan: OR 0,94 (IK95% 0,78–1,14) 1,912,671,212,721,621,761,171,631,221,250,94
    Kalimat hasil Hendra

    "Prevalensi stunting pada balita adalah 21,8% (IK95% 20,4–23,2; 6.744 balita; tertimbang). Setelah dikontrol faktor lain, stunting berhubungan dengan BBLR (OR 2,72; IK95% 2,01–3,69), tinggi ibu < 150 cm (OR 1,62; 1,35–1,95), pendidikan ibu ≤ SD (OR 1,76; 1,39–2,23), status ekonomi 40% terbawah (OR 1,63; 1,15–2,30), jamban tidak layak (OR 1,25; 1,01–1,55), umur ≥ 12 bulan, dan jenis kelamin laki-laki. Semua estimasi memperhitungkan strata, klaster blok sensus, dan bobot sampel."

    Langkah 7 · Pembahasan, pelaporan, dan kesimpulan

    Sekitar satu dari lima balita mengalami stunting, dan prevalensinya tertinggi di wilayah III (33,2%). Faktor sejak kehamilan (BBLR, ibu pendek) dan faktor sosial (pendidikan ibu, status ekonomi, jamban) tetap berhubungan setelah saling dikontrol. Pola ini sejalan dengan tinjauan determinan stunting di Indonesia (Beal dkk., 2018) dan analisis Riskesdas 2013 yang juga menemukan hubungan berat lahir rendah, jenis kelamin laki-laki, umur, dan status ekonomi dengan stunting (Titaley dkk., 2019). Menurut peneliti, pencegahan perlu dimulai dari gizi ibu hamil dan berlanjut ke sanitasi rumah tangga, terutama di wilayah III. Keterbatasan: potong lintang sehingga urutan waktu tidak pasti; variabel terbatas pada yang tersedia (pola makan dan infeksi tidak ada); berat lahir sering tidak diketahui dan anak tanpa data itu lebih sering stunting; pengukuran tidak dikendalikan peneliti; OR melebih-lebihkan rasio prevalensi karena stunting sering terjadi (Bab 27).

    TemuanTeori & pembandingOpiniKeterbatasan

    Pelaporan. Ikuti STROBE untuk studi potong lintang (von Elm dkk., 2007) dan perluasannya, RECORD (Benchimol dkk., 2015). RECORD dibuat untuk data kesehatan yang dikumpulkan rutin, misalnya rekam medis dan klaim, tetapi butirnya berguna untuk data survei sekunder: sebut nama, wilayah, dan tahun data di judul atau abstrak; jelaskan penggabungan file; laporkan algoritme pembentukan variabel dan pembersihan data; sajikan alur seleksi seperti Gambar 27A.1; bahas keterbatasan khas data sekunder; dan nyatakan ketersediaan sintaks analisis.

    Metode (petikan naskah Hendra)

    Penelitian ini menganalisis data sekunder survei kesehatan nasional dengan desain potong lintang dan sampel dua tahap berstrata. Balita dengan HAZ yang valid (n = 6.744) dianalisis sebagai subpopulasi tanpa menghapus data lain. Semua estimasi memakai bobot sampel, strata, dan blok sensus sebagai klaster dengan linearisasi Taylor (IBM SPSS Complex Samples). Data diperoleh dengan persetujuan pemilik data, dan penelitian ini dinyatakan dikecualikan dari telaah etik oleh KEPK fakultas.

    Sitasi data (pola)

    Pemilik data. Nama survei dan tahun [data set]. Versi atau tanggal rilis. Kota: penerbit; tahun rilis. Diperoleh dengan persetujuan nomor … Cantumkan juga laporan survei sebagai rujukan metodenya.

    1. Prevalensi stunting pada balita adalah 21,8% (IK95% 20,4–23,2), tertinggi di wilayah III (33,2%).

    2. Umur, jenis kelamin, BBLR, tinggi ibu, pendidikan ibu, status ekonomi, dan jamban berhubungan dengan stunting; tempat tinggal tidak berhubungan bermakna.

    3. Setelah dikontrol faktor lain, BBLR, tinggi ibu < 150 cm, pendidikan ibu ≤ SD, status ekonomi 40% terbawah, jamban tidak layak, umur ≥ 12 bulan, dan jenis kelamin laki-laki tetap berhubungan dengan stunting.

    Awas, keliru!
    • Menghitung prevalensi tanpa bobot (25,9% alih-alih 21,8%).
    • Memakai Weight Cases dengan bobot populasi, sehingga SPSS mengira ada 21 juta anak dan IK95% hampir nol lebarnya.
    • Menghapus kasus di luar kriteria sebelum menjalankan Complex Samples, bukan memakai subpopulasi.
    • Membiarkan kode "tidak tahu" (misalnya 98) atau HAZ ±9 masuk ke analisis.
    • Lupa mengatur Reference Category, sehingga OR yang dibaca adalah OR untuk "tidak stunting".
    • Menulis "pengaruh" atau membaca OR sebagai "kali lebih sering" pada outcome yang sering.
    • Tidak menyebut sumber data, versinya, dan persetujuan penggunaannya.
    Pojok S2–S3
    • Stata dan R. Stata: svyset id_bs [pweight = bobot], strata(strata), lalu svy, subpop(sampel_model): logistic stunting i.umur_kat …. R, paket survey (Lumley, 2004): svydesign(ids = ~id_bs, strata = ~strata, weights = ~bobot, nest = TRUE), lalu subset() dan svyglm(…, family = quasibinomial()); subset() menyimpan informasi desain seperti opsi subpopulasi.
    • PR, bukan OR. Dengan prevalensi 22%, OR menjauh dari PR. SPSS Complex Samples tidak menyediakan regresi Poisson; di Stata atau R, pakai regresi Poisson dengan desain survei untuk PR terkoreksi (Bab 27).
    • Data hilang. Karena anak tanpa data berat lahir lebih sering stunting, analisis kasus lengkap bisa bias. Lakukan imputasi ganda yang memasukkan variabel desain dan outcome ke model imputasi sebagai analisis sensitivitas.
    • Skala bobot. Bobot populasi dan bobot yang dinormalkan memberi persentase dan galat baku yang sama di Complex Samples; yang berbeda hanya taksiran jumlah populasi.
    • Model multilevel (anak dalam BS dalam kabupaten) menjawab pertanyaan tentang variasi antarwilayah, tetapi memerlukan bobot per tingkat. Sebutkan apakah estimasi Anda berbasis desain atau berbasis model.
    Intinya
    • Analisis data sekunder dimulai dari membaca laporan, kuesioner, dan buku kode; pertanyaan penelitian menyesuaikan variabel yang tersedia, dan data diminta sesuai prosedur pemiliknya.
    • Siapkan data dengan cermat: gabungkan file dengan kunci yang tepat, bentuk variabel menurut standar (HAZ < −2 SD), tandai nilai tidak masuk akal, dan laporkan data hilang.
    • Analisis wajib memakai strata, klaster, dan bobot (SPSS Complex Samples, df = jumlah BS − jumlah strata) serta subpopulasi, bukan menghapus kasus. Tanpa itu, taksiran bias dan IK95% terlalu sempit.
    • Laporkan mengikuti STROBE dan RECORD, sebut sumber data dan persetujuan penggunaannya, dan minta keterangan etik walaupun datanya anonim.
    Coba sendiri: kuis analisis data sekunder
    Bagian VI

    Observasional Deskriptif: Case Report dan Case Series

    Semua desain di Bagian I–V membandingkan kelompok. Bagian ini membahas penelitian deskriptif tanpa kelompok pembanding, yang sering menjadi titik awal penemuan di kedokteran. Ceritanya berawal dari kohort Rara (Bab 25). Pada kunjungan bulan ke-18, seorang peserta mengeluh semua benda terlihat menjadi dua. Satu kasus itu ditulis sebagai case report. Setelah terbit, dokter mata menemukan kasus serupa lain, dan kumpulannya menjadi case series.

    1. Bab 28 Contoh lengkap case report: memilih kasus, etika dan penyamaran identitas, menulis mengikuti CARE
    2. Bab 29 Contoh lengkap case series: definisi kasus, pengambilan berurutan, analisis deskriptif, dan langkah menuju studi analitik
    Bab 28

    Contoh Lengkap Case Report

    Case report (laporan kasus) adalah uraian rinci tentang satu pasien. Tidak ada pembanding, hipotesis, maupun nilai p. Meski begitu, laporan kasus tetap penelitian: datanya dikumpulkan secara sistematis, ada etika yang ketat, dan pelaporannya mengikuti pedoman baku, yaitu CARE (Gagnier dkk., 2013).

    SMP–SMAS1S2–S3

    Kapan satu kasus layak dilaporkan?

    Tabel 28.1 — Alasan yang membuat kasus bernilai ilmiah
    AlasanContoh
    Penyakit langka atau baruInfeksi yang belum pernah dilaporkan di suatu daerah
    Gejala atau perjalanan penyakit yang tidak biasaPenyakit umum yang muncul dengan tanda yang tidak lazim
    Hubungan yang tidak terdugaJuling mendadak pada remaja yang memakai ponsel berjam-jam (contoh bab ini)
    Efek samping obatReaksi yang belum tercantum di brosur obat
    Tata laksana baru atau tantangan diagnosisTeknik operasi baru; kasus yang lama salah didiagnosis

    Yang tidak bisa dilakukan laporan kasus: membuktikan sebab–akibat, menghitung seberapa sering suatu penyakit terjadi, atau menggeneralisasi ke pasien lain. Nilainya ada pada sinyal yang perlu diteliti lebih lanjut (Nissen & Wynn, 2014).

    Bima bertanya

    "Kok satu orang saja bisa jadi penelitian, Kak?"
    Bisa, asalkan kasusnya memberi pelajaran baru. Banyak efek samping obat dan penyakit baru pertama kali diketahui dari laporan satu atau beberapa pasien. Dokter di tempat lain yang membacanya jadi waspada, lalu peneliti lain mengujinya dengan desain yang lebih kuat.

    Langkah 1 · Judul dan kata kunci

    Esotropia Akut Didapat pada Remaja Pengguna Smartphone Berlebihan: Sebuah Laporan Kasus
    Kondisi utamaPasienHal yang tidak biasaJenis artikel

    Judul laporan kasus tidak memakai kata "hubungan" atau "pengaruh", karena satu kasus tidak menguji hubungan. Sebutkan fenomena utamanya dan kata "laporan kasus". Kata kunci: esotropia akut didapat; diplopia; smartphone; remaja; laporan kasus. Esotropia adalah juling ke arah dalam; diplopia adalah penglihatan ganda.

    Langkah 2 · Mengumpulkan data kasus secara sistematis

    • Rekam medis: keluhan, riwayat penyakit, hasil pemeriksaan, dan pengobatan di setiap kunjungan.
    • Wawancara tambahan: kebiasaan penggunaan ponsel (jam per hari, jarak layar, posisi), riwayat juling dalam keluarga, dan foto masa kecil untuk memastikan juling benar-benar baru.
    • Hasil penunjang: refraksi sikloplegik, prism cover test (mengukur besar juling dalam prisma dioptri, PD), stereopsis, dan MRI.
    • Linimasa: catat tanggal setiap kejadian penting sejak gejala pertama sampai kunjungan terakhir.

    Langkah 3 · Etika: persetujuan publikasi dan penyamaran

    • Persetujuan tertulis untuk publikasi dari orang tua, ditambah assent pasien. Formulir menjelaskan apa yang akan ditulis, foto apa yang dimuat, jurnal tujuan, dan bahwa identitas disamarkan. Sebagian besar jurnal mewajibkannya (ICMJE).
    • Penyamaran identitas: tanpa nama, tanpa inisial, tanpa tanggal lahir, nomor rekam medis, nama sekolah, atau tanggal kunjungan yang persis. Foto mata hanya dimuat dengan izin khusus, karena mata pun bisa membuat seseorang dikenali.
    • Izin institusi: aturan tiap institusi berbeda. Ada yang hanya meminta persetujuan pasien dan izin rumah sakit, ada yang meminta telaah KEPK. Karena pasien ini juga peserta kohort, tim melapor ke KEPK yang menyetujui protokol kohort.
    • Kepentingan pasien di atas penelitian: pasien dirujuk dan diobati lebih dulu. Keputusan menulis laporan diambil setelahnya.
    Coba sendiri: temukan data yang membuat pasien dikenali

    Klik atau ketuk bagian kalimat yang tidak boleh muncul di laporan kasus, lalu tekan Periksa.

    Pasien Andi Rahman (A.R.), laki-laki berusia 14 tahun, siswa SMP Negeri 99 Palembang kelas VIII-B, lahir 3 Maret 2014, datang dengan nomor rekam medis 12-34-56. Ia mengeluh penglihatan ganda sejak 3 minggu dan memakai smartphone ±9 jam per hari. Dilampirkan foto wajah penuh tanpa penutup. Ayahnya pemilik toko ponsel terkenal di Jalan Sudirman.

    Belum ada yang dipilih.

    Langkah 4 · Menulis naskah mengikuti CARE

    Berikut naskah contoh, dipersingkat. Setiap bagian mengikuti urutan pedoman CARE (Riley dkk., 2017). Data pasien adalah simulasi.

    Abstrak

    Pendahuluan: esotropia akut didapat jarang terjadi pada remaja dan dapat menjadi tanda kelainan saraf. Presentasi kasus: remaja laki-laki 14 tahun dengan penglihatan ganda selama 3 minggu, memakai smartphone ±9 jam per hari, dengan miopia −2,50 D yang belum dikoreksi dan esotropia komitan 30 PD (jauh) dan 25 PD (dekat). Pemeriksaan neurologis dan MRI normal. Tata laksana dan luaran: kacamata koreksi penuh, pengurangan smartphone menjadi ≤ 1–2 jam per hari, dan prisma sementara. Deviasi turun menjadi 4 PD pada minggu ke-12 tanpa diplopia, dan bertahan sampai bulan ke-6. Kesimpulan: pada remaja dengan esotropia akut, kebiasaan penggunaan gawai perlu ditanyakan, setelah penyebab neurologis disingkirkan.

    Pendahuluan

    Esotropia akut didapat adalah juling ke dalam yang muncul mendadak pada anak yang lebih besar atau dewasa, biasanya disertai penglihatan ganda. Kondisi ini perlu dibedakan dari kelumpuhan saraf dan kelainan di dalam kepala. Beberapa laporan mengaitkannya dengan penggunaan smartphone berlebihan (Lee dkk., 2016), tetapi laporan dari Indonesia masih sedikit. Kami melaporkan satu kasus untuk menunjukkan jalur diagnosis dan tata laksana tanpa operasi.

    Informasi pasien

    Remaja laki-laki 14 tahun, pelajar SMP di Sumatera Selatan, datang dengan penglihatan ganda saat melihat jauh sejak 3 minggu, makin sering pada sore hari. Enam bulan terakhir penggunaan smartphone meningkat dari ±3 menjadi ±9 jam per hari (gim daring), dengan jarak layar ±20 cm dan sering sambil berbaring. Tidak ada riwayat trauma kepala, sakit kepala, muntah, atau lemah anggota gerak. Tidak ada riwayat juling sebelumnya; foto masa kecil menunjukkan mata lurus. Ayahnya menderita miopia.

    Temuan klinis

    Tajam penglihatan tanpa koreksi 6/30 pada kedua mata, dengan koreksi −2,50 D menjadi 6/6. Tampak esotropia bergantian: 30 PD saat melihat jauh dan 25 PD saat melihat dekat, sama besar di semua arah pandang (komitan). Gerak bola mata penuh, termasuk ke arah luar. Tidak ada kelopak mata turun. Batas saraf optik tegas (tidak ada papiledema). Stereopsis tidak dapat diukur karena diplopia.

    −6 bulan−3 mingguMinggu 0Minggu 4Minggu 12Bulan 6 ponsel naik3 → 9 jam/hari penglihatanganda muncul ET 30/25 PD;MRI normal;kacamata, ponsel≤ 1–2 jam, prisma ET 14/10 PD;diplopia kadang ET 4/2 PD;tanpa diplopia;prisma dilepas ET 4/2 PD;stabil ET = esotropia (jauh/dekat), PD = prisma dioptri
    Gambar 28.1 — Linimasa kasus (data simulasi). Linimasa adalah salah satu bagian wajib CARE.
    Pemeriksaan diagnostik dan diagnosis banding

    Karena juling mendadak dapat menjadi tanda kelainan di dalam kepala, pasien menjalani pemeriksaan neurologis dan MRI kepala serta orbita dengan kontras. Hasil keduanya normal. Diagnosis akhir: esotropia akut didapat komitan, menyerupai tipe yang dikaitkan dengan miopia dan aktivitas jarak dekat.

    Tabel 28.2 — Diagnosis banding dan cara menyingkirkannya
    KemungkinanPetunjuk yang dicariTemuan pada pasien
    Kelumpuhan saraf VIJuling tidak komitan; mata sulit melirik ke luarKomitan; gerak ke luar penuh
    Kelainan di dalam kepala (tumor, hidrosefalus)Sakit kepala, muntah, papiledema, tanda saraf lainTidak ada; MRI normal
    Miastenia gravisKeluhan naik-turun, kelopak mata turun, mudah lelahTidak ada
    Esotropia akomodatifBiasanya rabun dekat (hipermetropia); membaik dengan lensa plusPasien miopia
    Juling lama yang baru tampakRiwayat atau foto masa kecil menunjukkan julingFoto masa kecil lurus
    Intervensi

    (1) Kacamata koreksi penuh −2,50 D. (2) Pengurangan smartphone menjadi ≤ 1–2 jam per hari dengan jarak layar ≥ 40 cm dan istirahat berkala; orang tua ikut memantau. (3) Prisma tempel 20 PD pada kacamata untuk menghilangkan penglihatan ganda sementara, dikurangi bertahap. (4) Operasi dipertimbangkan bila juling menetap setelah 6 bulan.

    Tindak lanjut dan luaran

    Kepatuhan dinilai dari catatan Screen Time yang diperlihatkan saat kontrol. Tidak ada efek samping.

    Tabel 28.3 — Hasil pemeriksaan dari waktu ke waktu
    WaktuPonsel (jam/hari)Deviasi jauhDeviasi dekatDiplopiaStereopsisPrisma
    Minggu 0±930 PD25 PDTerus-menerusTidak terukur20 PD dipasang
    Minggu 4±1,514 PD10 PDKadang, saat lelah200 detik busurDikurangi ke 10 PD
    Minggu 12±1,54 PD2 PDTidak ada60 detik busurDilepas
    Bulan 6±24 PD2 PDTidak ada60 detik busur—

    Gambar 28.2 — Besar juling selama pengamatan

    Deviasi (prisma dioptri) saat melihat jauh dan dekat; waktu dalam minggu sejak tata laksana dimulai
    Melihat jauhMelihat dekat
    3020100 041226 minggu Minggu 0, jauh: 30 PDMinggu 4, jauh: 14 PDMinggu 12, jauh: 4 PDBulan 6, jauh: 4 PD Minggu 0, dekat: 25 PDMinggu 4, dekat: 10 PDMinggu 12, dekat: 2 PDBulan 6, dekat: 2 PD 4 PD2 PD

    Langkah 5 · Pembahasan: menulis tanpa berlebihan

    Seorang remaja dengan miopia yang belum dikoreksi dan penggunaan smartphone ±9 jam per hari mengalami esotropia akut komitan. Deviasinya turun dari 30 menjadi 4 PD dalam 12 minggu setelah koreksi kacamata dan pengurangan penggunaan smartphone, tanpa operasi. Esotropia akut yang dikaitkan dengan penggunaan smartphone berlebihan pernah dilaporkan pada remaja (Lee dkk., 2016). Fokus jarak dekat yang lama diduga meningkatkan kerja otot penggerak mata ke arah dalam, sehingga keseimbangan kedua mata terganggu. Menurut kami, dokter perlu menanyakan kebiasaan penggunaan gawai pada remaja dengan juling mendadak, setelah penyebab saraf disingkirkan. Keterbatasan: satu kasus tidak dapat membuktikan sebab–akibat; perbaikan juga dapat dipengaruhi koreksi kacamata atau perjalanan alami penyakit; dan durasi penggunaan smartphone sebelum sakit dilaporkan sendiri.

    Fakta kasusLiteraturOpini penulisKeterbatasan
    Pesan utama

    (1) Juling mendadak pada remaja harus diperiksa untuk menyingkirkan kelainan saraf. (2) Tanyakan kebiasaan penggunaan gawai dan periksa kacamata. (3) Pengurangan penggunaan gawai dan koreksi refraksi dapat dicoba lebih dulu sebelum operasi.

    Perspektif pasien

    "Awalnya saya kira mata saya cuma capek. Waktu papan tulis kelihatan dua, saya takut. Setelah pakai kacamata dan main HP dikurangi, sebulan kemudian dobelnya mulai hilang." (disusun untuk contoh)

    Persetujuan

    Orang tua pasien memberikan persetujuan tertulis untuk publikasi laporan ini, dan pasien menyatakan setuju (assent).

    Kerangka naskah laporan kasus

    JUDUL: [Kondisi utama] pada [Pasien] [Hal yang tidak biasa]: Sebuah Laporan Kasus
    KATA KUNCI: 3–5 kata
    
    ABSTRAK (±150–250 kata): Pendahuluan · Presentasi kasus · Diagnosis, intervensi, luaran · Kesimpulan/pesan utama
    
    1. PENDAHULUAN: latar belakang singkat dan mengapa kasus ini penting (1–3 paragraf, dengan rujukan)
    2. PRESENTASI KASUS
       2.1 Informasi pasien (disamarkan): usia, jenis kelamin, keluhan utama, riwayat
       2.2 Temuan klinis
       2.3 Linimasa (tabel atau gambar)
       2.4 Pemeriksaan diagnostik, diagnosis banding, diagnosis akhir
       2.5 Intervensi: jenis, dosis/cara, perubahan
       2.6 Tindak lanjut dan luaran, termasuk kepatuhan dan efek samping
    3. PEMBAHASAN: perbandingan dengan literatur, kekuatan dan keterbatasan, pesan utama
    4. PERSPEKTIF PASIEN (bila ada)
    5. KESIMPULAN
    Persetujuan tertulis pasien/wali · Konflik kepentingan · Pendanaan
    DAFTAR PUSTAKA (umumnya ≤ 15–20)
    LAMPIRAN: CARE checklist; foto/gambar yang sudah diizinkan
    
    Panjang naskah mengikuti ketentuan jurnal tujuan.
    Daftar periksa CARE untuk naskahmu

    0 dari 13 butir CARE terpenuhi.

    Awas, keliru!
    • Menyimpulkan sebab–akibat dari satu kasus, misalnya "smartphone menyebabkan juling".
    • Identitas bocor: inisial, tanggal persis, nama sekolah atau rumah sakit yang terlihat di foto, atau foto wajah tanpa izin.
    • Tidak ada persetujuan tertulis untuk publikasi.
    • Tidak menyebut diagnosis banding dan cara menyingkirkannya.
    • Tinjauan pustaka terlalu panjang sehingga kasusnya tenggelam.
    • Hanya menulis yang mendukung dan menyembunyikan temuan yang tidak cocok.
    Pojok S2–S3
    • Laporan efek samping obat: nilai kemungkinan hubungan obat dengan reaksi memakai skala Naranjo (Naranjo dkk., 1981), lalu laporkan juga ke sistem farmakovigilans.
    • n-of-1 trial: eksperimen pada satu pasien dengan periode perlakuan dan pembanding yang bergantian secara acak. Inilah satu-satunya desain satu pasien yang dapat menguji efek intervensi.
    • Case report klinis berbeda dengan studi kasus kualitatif (Bab 14), yang menggali satu kasus secara mendalam dengan wawancara, observasi, dan dokumen.
    • Sintesis: kumpulan laporan kasus dapat dirangkum dalam tinjauan sistematis dengan alat penilai mutu khusus (Murad dkk., 2018).
    • Memilih jurnal: pilih jurnal terindeks yang menerima laporan kasus, hindari jurnal predator, dan lampirkan CARE checklist saat mengirim naskah.
    Intinya
    • Case report menggambarkan satu pasien secara rinci. Laporan ini layak ditulis bila kasusnya unik, langka, atau menunjukkan hubungan atau tata laksana yang tidak biasa. Ia memberi sinyal, bukan bukti sebab–akibat.
    • Etika adalah syarat mutlak: persetujuan tertulis untuk publikasi dan penyamaran identitas (tanpa nama, inisial, tanggal lahir, nomor rekam medis, sekolah, atau foto yang mengenali).
    • Tulis mengikuti CARE: informasi pasien, temuan klinis, linimasa, diagnosis banding, intervensi, luaran, pembahasan beserta keterbatasan, pesan utama, dan perspektif pasien.
    Coba sendiri: kuis case report
    Bab 29

    Contoh Lengkap Case Series

    Case series (serial kasus) menggambarkan sekelompok pasien dengan kondisi yang sama, tanpa kelompok pembanding. Kekuatannya adalah memperlihatkan pola dan memunculkan hipotesis. Kelemahannya: tidak bisa membuktikan sebab–akibat atau keefektifan pengobatan (Kempen, 2011).

    SMP–SMAS1S2–S3

    Case report atau case series?

    Tabel 29.1 — Perbandingan case report dan case series
    Case report (Bab 28)Case series (bab ini)
    Jumlah pasien1Lebih dari 1, kondisi sama
    PertanyaanApa yang unik dari kasus ini?Seperti apa gambaran pasien dengan kondisi ini? Adakah pola?
    Pengambilan subjekSatu kasus yang menarikSemua kasus berurutan dalam periode tertentu
    AnalisisNarasi dan linimasaDeskriptif: n (%), median (rentang), tabel per pasien
    EtikPersetujuan publikasi dari pasienPersetujuan KEPK; untuk data rekam medis sering dengan waiver of consent
    Pedoman mutuCAREAlat penilai mutu serial kasus (Munn dkk., 2020)

    Langkah 1 · Judul

    Gambaran Klinis, Pola Penggunaan Smartphone, dan Luaran Esotropia Akut Didapat pada Remaja di Rumah Sakit Mata X Palembang, 2026–2029: Serial Kasus
    Kata kunci deskriptifKondisiPopulasiTempat, waktu, desain

    Kata kunci "Gambaran" menandakan penelitian deskriptif (Bab 1). Perhatikan juga bahwa populasinya semua remaja dengan esotropia akut, bukan hanya pengguna smartphone. Dengan begitu, pola penggunaan smartphone menjadi hal yang ditemukan, bukan dipilih sejak awal.

    Langkah 2 · Rumusan dan tujuan

    Rumusan
    Tujuan khusus
    Analisis
    Kesimpulan
    1
    Bagaimana karakteristik demografi dan pola penggunaan smartphone pasien esotropia akut didapat usia 10–18 tahun?
    Mengetahui karakteristik demografi dan pola penggunaan smartphone.
    n (%), median (rentang)
    9 dari 11 laki-laki; semua memakai smartphone ≥ 4 jam/hari
    2
    Bagaimana gambaran klinisnya (besar juling, refraksi, pencitraan)?
    Mengetahui gambaran klinis pasien.
    n (%), median (rentang)
    10 dari 11 miopia; MRI normal pada semua
    3
    Bagaimana tata laksana dan luarannya?
    Mengetahui tata laksana dan luaran pasien.
    n (%), tabel per pasien
    6 dari 9 berhasil tanpa operasi; 3 dioperasi

    Tanpa hipotesis. Penelitian deskriptif tidak menguji hubungan, sehingga tidak ada H0, Ha, maupun nilai p (Bab 3).

    Langkah 3 · Desain dan definisi kasus

    Serial kasus retrospektif dari rekam medis Rumah Sakit Mata X, dengan semua pasien berurutan (consecutive) yang datang antara Januari 2026 dan Juni 2029. Dua aturan kunci: definisi kasus yang jelas, dan tidak ada pasien yang dipilih atau dibuang karena hasilnya.

    Tabel 29.2 — Definisi kasus
    Kriteria inklusiKriteria eksklusi
    Usia 10–18 tahunKelumpuhan saraf penggerak mata
    Esotropia komitan (selisih besar juling antararah pandang < 5 PD)Kelainan saraf atau hasil MRI abnormal
    Muncul mendadak ≤ 3 bulan sebelum kunjungan pertama, disertai diplopiaRiwayat juling atau operasi juling sebelumnya
    Sudah menjalani pemeriksaan saraf dan pencitraanEsotropia akomodatif
    Bima bertanya

    "Pasien yang pindah kota dan tidak kontrol lagi kok tetap ditulis, Kak? Kan datanya tidak lengkap."
    Justru harus ditulis. Kalau hanya pasien yang kontrol sampai selesai yang dilaporkan, hasilnya bisa terlihat lebih bagus dari kenyataan, karena pasien yang tidak membaik kadang berhenti kontrol atau pindah dokter. Pembaca berhak tahu ada berapa pasien yang nasibnya tidak diketahui.

    Langkah 4 · Lembar ekstraksi data

    Tabel 29.3 — Variabel yang diambil dari rekam medis
    VariabelDefinisiSumberHasil ukur
    Usia, jenis kelaminSaat kunjungan pertamaIdentitas rekam medisTahun; L/P
    Durasi smartphoneJam per hari dalam 3 bulan sebelum gejalaAnamnesis tercatatJam/hari
    RefraksiEkuivalen sferis mata kanan, sikloplegikHasil refraksiDioptri; miopia bila ≤ −0,50 D
    Besar julingPrism cover test, jauh dan dekatPemeriksaan ortoptikPrisma dioptri (PD)
    PencitraanMRI kepala dan orbitaLaporan radiologiNormal/abnormal
    Tata laksanaKacamata, pengurangan smartphone, prisma, operasiCatatan terapiYa/tidak
    LuaranBerhasil tanpa operasi: juling jauh ≤ 8 PD dan tanpa diplopia pada kunjungan terakhir (≥ 3 bulan)Kunjungan terakhirBerhasil / operasi / tidak diketahui

    Data diekstraksi dua kali oleh dua orang (Rara dan dokter spesialis mata) secara terpisah. Ketidaksesuaian ditemukan pada 3 dari 154 isian (11 pasien × 14 variabel) dan diselesaikan dengan membuka ulang rekam medis.

    Langkah 5 · Etika

    • Persetujuan KEPK dengan waiver of consent: KEPK membebaskan kewajiban meminta persetujuan satu per satu, karena data diambil dari rekam medis, risikonya minimal, dan sebagian pasien sudah tidak dapat dihubungi.
    • Kerahasiaan: pasien diberi kode P1–P11 sesuai urutan kunjungan. Nama, nomor rekam medis, dan tanggal persis tidak dicatat di lembar ekstraksi. Tidak ada foto pasien.
    • Keterbukaan: pasien P9 sudah pernah dilaporkan sebagai laporan kasus (Bab 28). Hal ini disebutkan di naskah agar tidak dianggap publikasi ganda.
    Rekam medis esotropia akut, 10–18 tahunJan 2026–Jun 2029 · n = 14 Dikeluarkan: 3saraf VI 2; juling lama 1 Memenuhi definisi kasusn = 11 (semua dianalisis) Pengamatan ≥ 3 bulann = 9 Pengamatan < 3 bulan: n = 2pindah kota 1; baru datang 1 Berhasil tanpaoperasi: 6 Operasi: 3semua bebas diplopia
    Gambar 29.1 — Alur pasien serial kasus (data simulasi). Semua 11 pasien dilaporkan, termasuk 2 yang luarannya belum diketahui.

    Langkah 6 · Analisis: deskriptif saja

    • Variabel kategorik: n (%). Variabel numerik: median dan rentang (minimum–maksimum), karena jumlah pasien kecil. Di SPSS: Analyze ▸ Descriptive Statistics ▸ Frequencies → Statistics → MedianMinimumMaximum. Excel pun cukup.
    • Tabel per pasien (line listing): satu baris untuk setiap pasien. Tabel ini khas serial kasus kecil, sehingga pembaca bisa menilai sendiri setiap kasus.
    • Tanpa uji statistik antarkelompok. Jangan membandingkan kelompok "operasi" dan "tanpa operasi" dengan uji t atau chi-square: jumlahnya terlalu kecil, dan kelompok itu terbentuk dari luaran itu sendiri. Seperti disebut di Bab 4, serial kasus yang cukup besar boleh menguji korelasi antarvariabel pada kasus. Pada 11 pasien ini, Rara memilih deskriptif saja.

    Langkah 7 · Hasil

    Tabel 29.4 — Data per pasien (line listing)
    KodeUsiaJKPonsel (jam/hari)Refraksi (D)Juling awal jauh/dekat (PD)MRITata laksanaJuling akhir jauh (PD)Pengamatan (bulan)Luaran
    P115L40,0012/10NormalHP↓03Berhasil
    P215L10−3,0035/30NormalK, HP↓ → operasi (bulan 6)012Operasi
    P311P5−1,2516/12NormalK, HP↓04Berhasil
    P416L12−4,5045/40NormalK, HP↓, Pr → operasi (bulan 4)69Operasi
    P514L7−2,0025/20NormalK, HP↓, Pr65Berhasil
    P612L6−0,7514/10NormalK, HP↓23Berhasil
    P717P9−3,7530/30NormalK, HP↓, Pr → operasi (bulan 5)210Operasi
    P814L7−2,2520/16NormalK, HP↓, Pr86Berhasil
    P9ᵃ14L9−2,5030/25NormalK, HP↓, Pr46Berhasil
    P1013L8−1,7525/22NormalK, HP↓, Pr—1Tidak diketahui (pindah kota)
    P1116L11−2,7528/25NormalK, HP↓, Pr—2Belum diketahui (baru datang)

    K = kacamata koreksi penuh; HP↓ = pengurangan smartphone ≤ 1–2 jam/hari; Pr = prisma sementara. ᵃ Pasien yang dilaporkan di Bab 28. Data simulasi.

    Tabel 29.5 — Ringkasan (n = 11)
    KarakteristikHasil
    Laki-laki, n (%)9 (81,8)
    Usia, tahun, median (rentang)14 (11–17)
    Durasi smartphone, jam/hari, median (rentang)8 (4–12)
    Durasi smartphone ≥ 5 jam/hari, n (%)10 (90,9)
    Miopia, n (%); ekuivalen sferis, median (rentang)10 (90,9); −2,25 D (−4,50 s.d. 0,00)
    Juling awal jauh / dekat, PD, median (rentang)25 (12–45) / 22 (10–40)
    Juling jauh ≥ dekat, n (%)11 (100)
    MRI normal, n (%)11 (100)
    Mendapat prisma sementara, n (%)7 (63,6)
    Pengamatan ≥ 3 bulan, n (%); lama, bulan, median (rentang)9 (81,8); 6 (3–12)
    Berhasil tanpa operasi, n dari 9 (%)6 (66,7)
    Operasi, n dari 9 (%)3 (33,3)
    Bebas diplopia pada kunjungan terakhir, n dari 99

    Gambar 29.2 — Besar juling awal dan akhir setiap pasien

    Juling saat melihat jauh (PD), diurutkan dari yang terbesar. Garis putus-putus = batas berhasil (8 PD).
    AwalAkhir, tanpa operasiAkhir, setelah operasi
    batas berhasil 8 PD 01020304050juling jauh (PD) P4 (operasi)P2 (operasi)P7 (operasi)P9 (tanpa op.)P11 (< 3 bulan)P5 (tanpa op.)P10 (hilang)P8 (tanpa op.)P3 (tanpa op.)P6 (tanpa op.)P1 (tanpa op.) P4 awal: 45 PDP2 awal: 35 PDP7 awal: 30 PDP9 awal: 30 PDP11 awal: 28 PDP5 awal: 25 PDP10 awal: 25 PDP8 awal: 20 PDP3 awal: 16 PDP6 awal: 14 PDP1 awal: 12 PD P4 akhir (setelah operasi): 6 PDP2 akhir (setelah operasi): 0 PDP7 akhir (setelah operasi): 2 PD P9 akhir: 4 PDP5 akhir: 6 PDP8 akhir: 8 PDP3 akhir: 0 PDP6 akhir: 2 PDP1 akhir: 0 PD belum ada data akhirtidak diketahui
    Membaca pola dengan hati-hati
    • Semua pasien memakai smartphone ≥ 4 jam per hari (10 dari 11 ≥ 5 jam). Mengejutkan? Di KIR Bima (Bab 27), 54,7% siswa SMA juga memakai ≥ 5 jam per hari. Tanpa pembanding, pola ini bisa jadi hanya mencerminkan kebiasaan remaja pada umumnya. Pola ini adalah hipotesis, bukan bukti.
    • Tiga pasien yang dioperasi memiliki juling awal lebih besar (median 35 vs 18 PD) dan durasi smartphone lebih lama (median 10 vs 6,5 jam) dibanding enam yang berhasil tanpa operasi. Ini pengamatan, bukan hasil uji statistik; jumlahnya terlalu kecil.
    • "66,7% berhasil tanpa operasi" tidak membuktikan bahwa mengurangi smartphone itu efektif. Pasien biasanya datang saat keluhannya paling berat, sehingga sebagian akan membaik dengan sendirinya (perjalanan alami, regresi ke rerata). Untuk menguji keefektifan diperlukan kelompok pembanding.

    Langkah 8 · Pembahasan dan kesimpulan

    Sebelas remaja dengan esotropia akut didapat umumnya laki-laki, miopia, dan memakai smartphone lama (median 8 jam per hari). MRI normal pada semua pasien. Dari sembilan pasien yang diamati minimal 3 bulan, enam membaik tanpa operasi dan tiga dioperasi; semuanya bebas diplopia pada kunjungan terakhir. Pola ini sejalan dengan laporan esotropia akut pada remaja pengguna smartphone berlebihan (Lee dkk., 2016). Menurut peneliti, pengurangan penggunaan gawai dan koreksi refraksi layak dicoba lebih dulu, dengan operasi disiapkan bagi juling yang menetap. Keterbatasan: retrospektif sehingga durasi smartphone bergantung pada catatan anamnesis; tanpa kelompok pembanding; hanya satu rumah sakit; jumlah pasien kecil; dua pasien tanpa data luaran; dan satu pasien sudah pernah dilaporkan.

    FaktaLiteraturOpiniKeterbatasan

    Kesimpulan (satu untuk setiap tujuan):

    1. Pasien esotropia akut didapat di RS Mata X sebagian besar laki-laki (9 dari 11), berusia median 14 tahun, dan semuanya memakai smartphone ≥ 4 jam per hari.

    2. Sebagian besar pasien miopia (10 dari 11), juling saat melihat jauh sama atau lebih besar daripada saat melihat dekat, dan hasil MRI normal pada semua pasien.

    3. Dengan kacamata dan pengurangan smartphone, 6 dari 9 pasien membaik tanpa operasi; 3 pasien memerlukan operasi, dan semuanya bebas diplopia pada akhir pengamatan.

    Saran: rumah sakit dapat membuat registri prospektif esotropia akut dengan jadwal kontrol baku. Hipotesis tentang peran smartphone perlu diuji dengan studi analitik.

    Dari serial kasus ke penelitian analitik

    Case report dan case series sering menjadi anak tangga pertama. Berikut tangga penelitian untuk pertanyaan "apakah penggunaan smartphone berlebihan berhubungan dengan esotropia akut?", dengan contoh desain di buku ini:

    Case reportCase seriesCross-sectional/ case-controlKohortRCT 1 pasien:sinyal 11 pasien:pola, hipotesis adakahhubungan? mana yanglebih dulu? uji intervensi:kurangi gawai Bab 28Bab 29Bab 26–27Bab 25Bab 22–23
    Gambar 29.3 — Makin ke kanan, makin kuat bukti sebab–akibatnya, tetapi makin mahal dan lama penelitiannya.

    Langkah paling masuk akal setelah serial kasus ini adalah case-control (Bab 26): remaja dengan esotropia akut (kasus) dibandingkan dengan remaja sebaya tanpa esotropia (kontrol), lalu durasi smartphone sebelum sakit dibandingkan. Karena penyakitnya langka, case-control jauh lebih efisien daripada kohort.

    Coba sendiri: nilai mutu serial kasusmu

    0 dari 10 butir terpenuhi.

    Disusun ulang dari alat penilai mutu serial kasus JBI (Munn dkk., 2020).

    Awas, keliru!
    • Memilih kasus yang "bagus" saja (cherry-picking), atau membuang pasien yang gagal dan yang hilang.
    • Menulis "pengurangan smartphone efektif pada 67% pasien". Tanpa pembanding, keefektifan tidak bisa dinilai.
    • Menghitung nilai p, OR, atau RR tanpa kelompok pembanding.
    • Definisi kasus berubah-ubah, atau periode dan sumber data tidak disebutkan.
    • Tidak menyebut pasien yang sudah pernah dilaporkan, sehingga terjadi publikasi ganda.
    • Menggeneralisasi hasil 11 pasien di satu rumah sakit ke semua remaja.
    Pojok S2–S3
    • Serial kasus prospektif dan registri: data dikumpulkan dengan formulir baku sejak pasien datang, sehingga lebih lengkap daripada rekam medis.
    • Kontrol historis, misalnya membandingkan hasil dengan serial kasus lain dari negara berbeda, rawan bias karena pasien, cara ukur, dan masa pengamatannya berbeda.
    • Waktu sampai membaik bisa digambarkan dengan kurva Kaplan–Meier deskriptif bila lama pengamatan tiap pasien berbeda (Bab 25).
    • Menilai dan menyintesis serial kasus dalam tinjauan sistematis: perhatikan cara pemilihan pasien, penentuan paparan dan luaran, pertimbangan kausalitas, dan kelengkapan pelaporan (Murad dkk., 2018).
    • Kempen (2011) menyarankan serial kasus disebut apa adanya ("serial kasus tanpa pembanding"), memakai pasien berurutan, dan tidak menarik kesimpulan tentang keefektifan.
    Intinya
    • Case series menggambarkan sekelompok pasien dengan kondisi yang sama tanpa pembanding. Kekuatannya memperlihatkan pola dan memunculkan hipotesis.
    • Kunci mutunya: definisi kasus jelas, pasien diambil berurutan, data diekstraksi dengan cermat, semua pasien dilaporkan (termasuk yang gagal dan hilang), dan ada persetujuan KEPK.
    • Analisisnya deskriptif: n (%), median (rentang), dan tabel per pasien, tanpa klaim keefektifan atau sebab–akibat. Hipotesisnya diuji dengan studi analitik, misalnya case-control.
    Coba sendiri: kuis case series
    Bagian VII

    Contoh Lengkap Kualitatif dan Mixed Methods

    Bagian II dan III mengajarkan langkah demi langkah lewat penelitian Rara: fenomenologi dan mixed methods sekuensial eksplanatori. Bagian ini menyajikan enam contoh utuh dengan pendekatan lain: etnografi Dimas tentang gotong royong (izin etiknya kita ikuti di Bab 7B), mixed methods sekuensial eksploratori Rara untuk menyusun instrumen, grounded theory tim Prof. Nuni tentang pemulihan dari ketergantungan gim, studi kasus sebuah program sekolah, kisah hidup seorang guru honorer, dan mixed methods konvergen tentang tablet tambah darah. Bersama Bagian II dan III, kelima pendekatan kualitatif dan ketiga desain inti mixed methods kini punya contoh lengkap.

    1. Bab 30 Etnografi: tinggal bersama warga, catatan lapangan, analisis domain dan tema, keabsahan, sampai kesimpulan
    2. Bab 30A Etnometodologi dan analisis percakapan: akuntabilitas, indeksikalitas, pengambilan giliran, pasangan berdekatan, preferensi, perbaikan, IRE/IRF di kelas, transkripsi Jefferson, koleksi dan kasus menyimpang, etika rekaman video anak
    3. Bab 31 Mixed methods sekuensial eksploratori: dari wawancara remaja menjadi skala tervalidasi (CVI, EFA, CFA, reliabilitas) dan meta-inferensi
    4. Bab 32 Grounded theory: theoretical sampling, koding terbuka–aksial–selektif, memo, kategori inti, model, dan proposisi
    5. Bab 33 Studi kasus: kasus berbatas, banyak sumber bukti, pencocokan pola, dan uji mutu Yin
    6. Bab 34 Penelitian naratif: kisah hidup, restorying, ruang tiga dimensi, dan titik balik
    7. Bab 35 Mixed methods konvergen: survei dan FGD bersamaan, merging, dan joint display
    Bab 30

    Contoh Lengkap Penelitian Kualitatif: Etnografi

    Etnografi berusaha memahami budaya suatu kelompok dari dalam: peneliti tinggal bersama mereka, ikut serta dalam kegiatan sehari-hari, mencatat dengan tekun, lalu menafsirkan makna di balik kebiasaan. Hasilnya adalah deskripsi tebal (thick description), yaitu uraian yang tidak hanya menjelaskan apa yang dilakukan orang, tetapi juga maknanya bagi mereka (Geertz, 1973).

    SMP–SMAS1S2–S3

    Fenomenologi atau etnografi?

    Tabel 30.1 — Dua pendekatan kualitatif dalam buku ini
    Fenomenologi (Rara, Bab 14–19)Etnografi (Dimas, bab ini)
    FokusPengalaman hidup individuPola budaya suatu kelompok
    Data utamaWawancara mendalamObservasi partisipatif, ditambah wawancara, dokumen, dan data digital
    Lama di lapanganBeberapa mingguBerbulan-bulan, sering tinggal di lokasi
    Catatan utamaTranskripCatatan lapangan dan transkrip
    AnalisisColaizzi atau tematikAnalisis domain dan tematik, berulang selama di lapangan
    HasilEsensi pengalamanDeskripsi tebal tentang praktik dan maknanya

    Langkah 1 · Judul

    Praktik dan Makna Gotong Royong di Era Grup WhatsApp: Studi Etnografi di Desa X, Sumatera Selatan
    Fenomena yang dipahamiPendekatanKelompok & konteks

    Kata "Praktik" dan "Makna" menandakan etnografi: yang dicari adalah apa yang dilakukan warga dan apa artinya bagi mereka. Nama desa disamarkan menjadi "Desa X" untuk melindungi warga.

    Langkah 2 · Fokus, pertanyaan, dan tujuan

    Latar belakang singkat. Gotong royong sering disebut sebagai ciri masyarakat Indonesia (Koentjaraningrat, 1974). Kini ajakan kerja bakti di banyak desa disebarkan lewat grup WhatsApp, sementara banyak warga muda bekerja di kota. Apakah gotong royong melemah, atau berubah bentuk? Pertanyaan tentang bagaimana budaya dijalankan dan dimaknai seperti ini paling tepat dijawab dengan etnografi (Bab 14).

    Subpertanyaan
    Tujuan khusus
    Digali dengan
    Tema yang menjawab
    1
    Bagaimana gotong royong diorganisasi dan dijalankan warga saat ini?
    Mendeskripsikan cara warga mengorganisasi dan menjalankan gotong royong.
    Observasi 12 kegiatan, wawancara, dokumen
    Tema 1
    2
    Bagaimana grup WhatsApp mengubah cara warga mengajak, hadir, dan berkontribusi?
    Mengeksplorasi perubahan cara mengajak, hadir, dan berkontribusi.
    Etnografi digital 2 grup, wawancara perantau dan lansia
    Tema 2 & 3
    3
    Makna apa yang dilekatkan warga pada gotong royong di tengah perubahan itu?
    Menafsirkan makna gotong royong bagi warga.
    Wawancara mendalam, observasi takziah dan hajatan
    Tema 4

    Pertanyaan utama: Bagaimana warga Desa X menjalankan dan memaknai gotong royong di era grup WhatsApp? Tujuan umum: memahami secara mendalam praktik dan makna gotong royong warga Desa X di era grup WhatsApp. Tidak ada hipotesis.

    Langkah 3 · Setting, masuk lapangan, dan posisi peneliti

    • Setting: Desa X, empat dusun, ±900 kepala keluarga. Sebagian besar warga berkebun karet; banyak anak muda merantau ke kota. Sinyal telepon baik di tiga dusun, lemah di Dusun III.
    • Waktu: Januari–Juni 2027. Dimas tinggal di rumah warga selama 3 bulan, lalu datang kembali setiap dua minggu.
    • Masuk lapangan: izin berjenjang dari kepala desa, tokoh adat, dan ketua RT sebagai gatekeeper (penjaga akses). Minggu-minggu pertama dipakai untuk membangun kedekatan (rapport): ikut ronda, salat berjamaah, dan membantu di kebun.
    • Posisi peneliti (refleksivitas): Dimas laki-laki, 22 tahun, mahasiswa dari kota, bukan warga desa. Sebagai orang luar, ia mudah melihat hal yang dianggap biasa oleh warga. Namun aksesnya ke kegiatan ibu-ibu terbatas, sehingga observasi pengajian dan arisan dibantu rekan mahasiswi antropologi. Kesan dan prasangkanya ditulis di jurnal refleksi setiap malam.

    Langkah 4 · Informan dan pengumpulan data

    Pemilihan informan: purposif dengan variasi maksimum (usia, dusun, pekerjaan, pengguna dan bukan pengguna WhatsApp), lalu bola salju. Lima informan kunci (ketua RT, tokoh pemuda, admin grup WhatsApp desa, ketua PKK, dan seorang tetua) ditemui berulang kali. Wawancara berhenti setelah tiga wawancara terakhir tidak memunculkan tema baru dan makna setiap tema sudah utuh (saturasi, Bab 16).

    Tabel 30.2 — Sumber data (data simulasi)
    SumberJumlahKeterangan
    Observasi partisipatif12 kegiatanKerja bakti jalan dan saluran (5), membangun rumah (2), takziah (2), hajatan (2), rapat dusun (1)
    Wawancara mendalam26 informanUsia 19–78 tahun; 14 laki-laki, 12 perempuan; 5 perantau diwawancarai lewat panggilan video
    Etnografi digital2 grup WhatsAppGrup desa dan grup Dusun II, 6 bulan pesan, dengan izin admin dan anggota
    Dokumen—Notulen rapat desa, buku kas iuran, pengumuman masjid
    Catatan lapangan dan jurnal refleksi±180 halamanDitulis ulang secara lengkap paling lambat 24 jam setelah kejadian

    Observasi partisipatif bergerak dari sekadar mengamati menjadi ikut serta: mencangkul saat kerja bakti, mengangkut kayu saat membangun rumah, dan membantu di dapur umum saat hajatan. Wawancara dimulai dengan pertanyaan "tur besar" (Spradley, 1980), misalnya "Coba ceritakan kerja bakti terakhir, dari pengumuman sampai selesai", lalu diperdalam. Data digital dicatat dalam bentuk ringkasan tanpa nama. Tangkapan layar tidak pernah disimpan.

    Contoh catatan lapangan

    Catatan lapangan · Kerja bakti saluran, Dusun II · Minggu, pekan ke-6

    Pukul 06.40 Pak RT mengirim pesan suara ke grup: "Jam tujuh, bawa cangkul." Pukul 07.10 sebelas laki-laki berkumpul di depan balai dusun; tiga di antaranya membawa cangkul, sisanya parang. Dua ibu datang membawa termos teh dan sepiring gorengan. Pukul 09.30 Pak RT memotret hasil kerja dan mengirimkannya ke grup dengan tulisan "Terima kasih yang sudah hadir." Dalam 10 menit muncul 23 stiker jempol, 4 di antaranya dari warga yang merantau. Seorang pemuda berkata sambil tertawa, "Yang jempol banyak, yang pegang cangkul sedikit."

    [Refleksi: saya satu-satunya yang memakai sepatu bot baru dan merasa canggung. Apakah kalimat Pak RT juga sindiran untuk yang tidak hadir? Perlu ditanyakan tanpa menggiring.]

    Perhatikan dua lapis catatan: deskripsi (apa yang terlihat dan terdengar, sedetail mungkin, dengan waktu dan angka) dan refleksi (tafsiran dan perasaan peneliti, ditandai dengan kurung siku). Keduanya dipisahkan agar tafsiran tidak menyamar sebagai fakta (Emerson dkk., 2011).

    Coba sendiri: deskripsi atau tafsiran?

    Tentukan apakah setiap kalimat catatan lapangan berikut deskripsi atau tafsiran/refleksi.

    Pukul 07.10 sebelas laki-laki berkumpul di depan balai dusun.

    Deskripsi: ada waktu, jumlah, dan tempat yang teramati.

    Warga Dusun II malas ikut kerja bakti.

    Tafsiran, bahkan penilaian. Tulis yang teramati (berapa yang hadir) dan simpan dugaan di kurung siku.

    Pak RT mengirim foto ke grup dengan tulisan "Terima kasih yang sudah hadir".

    Deskripsi: tindakan dan kata-kata persis.

    Foto itu sepertinya dipakai untuk menyindir warga yang tidak hadir.

    Tafsiran: perlu dicek lewat wawancara sebelum dijadikan temuan.

    Dua ibu membawa termos teh dan sepiring gorengan.

    Deskripsi: siapa, membawa apa.

    Saya merasa canggung karena satu-satunya yang memakai sepatu bot baru.

    Refleksi: perasaan peneliti, penting untuk refleksivitas.

    Pilih jawaban untuk keenam kalimat.

    Langkah 5 · Etika di lapangan

    Protokol ditelaah komisi etik sosial-humaniora (Bab 7B) dengan kategori risiko rendah, dengan catatan khusus untuk lansia dan data digital. Penerapannya:

    • Persetujuan berjenjang: izin komunitas dari kepala desa dan tokoh adat, lalu persetujuan setiap informan. Lansia yang tidak bisa membaca memberikan persetujuan lisan yang direkam dengan saksi.
    • Grup WhatsApp: admin memberi izin, lalu Dimas mengumumkan penelitiannya di grup. Hanya pesan dari anggota yang setuju yang dianalisis, dan kutipan dari grup dibuat tanpa nama.
    • Nama samaran untuk desa dan semua informan. Foto kegiatan hanya dipakai dengan izin dan tanpa wajah yang jelas.
    • Konflik dijaga: perselisihan soal iuran yang diceritakan secara pribadi tidak ditulis dengan detail yang bisa dikenali warga lain, agar tidak memperuncing hubungan.
    • Memberi kembali: hasil dipresentasikan di balai desa, dan album foto kegiatan diserahkan kepada desa.

    Langkah 6 · Analisis data

    Analisis berjalan bersamaan dengan pengumpulan data. Temuan sementara menentukan apa yang diamati dan ditanyakan berikutnya.

    1. Membaca berulang catatan lapangan, transkrip, dan ringkasan grup WhatsApp.

    2. Koding terbuka, termasuk kode in vivo yang memakai kata-kata warga sendiri, misalnya "cukup kirim jempol" atau "uang pengganti tenaga".

    3. Analisis domain (Spradley, 1980): mengelompokkan kode ke dalam kategori budaya warga. Contoh domain "cara ikut gotong royong": hadir membawa alat, membawa makanan, mengirim uang, menyebarkan kabar.

    4. Menyusun tema dan memo analitis yang menghubungkan domain dengan pertanyaan penelitian.

    5. Menguji tema dengan data baru dan kasus negatif: Dusun III yang sinyalnya lemah ternyata tetap memakai pengumuman masjid dan kentongan, sehingga menjadi pembanding penting.

    Tabel 30.3 — Petikan buku kode
    KodeDefinisiContoh data
    Kentongan digitalGrup WhatsApp dipakai untuk mengumumkan kegiatanPesan suara Pak RT pukul 06.40
    Cukup kirim jempol (in vivo)Dukungan simbolis di grup tanpa hadir23 stiker jempol, 11 orang hadir
    Uang pengganti tenaga (in vivo)Iuran dari warga yang tidak bisa hadirBuku kas: iuran sukarela saat perbaikan jalan
    Juru kabarOrang yang meneruskan informasi grup kepada yang tidak punya ponsel pintarCucu membacakan pengumuman untuk neneknya
    Tidak bisa diwakilkanKegiatan yang menurut warga wajib dihadiri langsungTakziah, menggali kubur, memasak untuk hajatan

    Langkah 7 · Keabsahan data

    Tabel 30.4 — Menjaga keabsahan (Lincoln & Guba, 1985)
    KriteriaStrategi dalam penelitian ini
    KredibilitasEnam bulan di lapangan; triangulasi sumber (warga, perantau, dokumen) dan metode (observasi, wawancara, data digital); analisis kasus negatif; member checking lewat forum di balai desa; diskusi rutin dengan Prof. Nuni (peer debriefing)
    TransferabilitasDeskripsi tebal tentang desa, pekerjaan warga, sinyal, dan pola merantau, agar pembaca bisa menilai kemiripan dengan desa lain
    DependabilitasJejak audit: catatan lapangan bertanggal, buku kode berversi, dan memo analitis
    KonfirmabilitasJurnal refleksi dan pemisahan deskripsi dari tafsiran

    Saat member checking di balai desa, warga mengoreksi satu tafsiran. Dimas semula menulis bahwa iuran pengganti tenaga "diwajibkan". Warga menjelaskan bahwa iuran itu sukarela, tetapi "malu kalau tidak ikut". Koreksi ini membuat tema 2 lebih tepat.

    Langkah 8 · Hasil

    Gotong royong:dari hadir ke berkontribusi Tema 1 · Kentongan digitalTema 2 · Dari tenaga ke transferTema 3 · Yang tertinggal dari layarTema 4 · Tidak bisa diwakilkan pengumuman, foto bukti,stiker jempoliuran pengganti tenaga,sukarela tetapi "malu"lansia, juru kabar,pengumuman masjidtakziah, menggali kubur,dapur hajatan
    Gambar 30.1 — Peta tema. Tema 1–3 menggambarkan perubahan praktik (biru), tema 4 menggambarkan makna yang dijaga (oranye).
    Tabel 30.5 — Tema dan subtema
    TemaSubtema
    1. Kentongan digitalPengumuman lebih cepat; foto sebagai bukti kerja; stiker jempol sebagai dukungan simbolis
    2. Dari tenaga ke transferIuran pengganti tenaga dari perantau; sukarela tetapi "malu kalau tidak ikut"; ketegangan antara yang hadir dan yang membayar
    3. Yang tertinggal dari layarLansia tanpa ponsel pintar; cucu dan ketua RT sebagai juru kabar; pengumuman masjid tetap hidup
    4. Tidak bisa diwakilkanTakziah dan menggali kubur; memasak bersama saat hajatan; "hadir itu harga diri"
    Tema 1 · Kentongan digital

    Grup WhatsApp menggantikan kentongan dan pengumuman dari rumah ke rumah. Ajakan kini sampai dalam hitungan menit, dan foto hasil kerja menjadi "bukti" bagi warga yang tidak hadir. "Dulu saya keliling tiga hari. Sekarang satu pesan, semua tahu." (Pak Darmin, 68 tahun, ketua RT). Namun tahu tidak sama dengan hadir: "Yang jempol banyak, yang pegang cangkul sedikit." (pemuda, 24 tahun).

    Tema 2 · Dari tenaga ke transfer

    Warga yang merantau atau bekerja di kota mengirim uang sebagai pengganti tenaga. Uang itu dipakai untuk konsumsi dan membeli bahan. "Saya tidak bisa pulang, jadi saya transfer. Biar tetap dianggap ikut." (Rudi, 32 tahun, perantau). Iuran ini sukarela, tetapi ada tekanan halus: "Tidak wajib, tapi malu kalau namamu tidak ada di daftar." (Bu Lastri, 45 tahun, ketua PKK). Sebagian warga yang hadir merasa tenaganya dinilai sama dengan uang.

    Tema 3 · Yang tertinggal dari layar

    Lansia dan warga tanpa ponsel pintar sering terlambat mendapat kabar. Muncul peran juru kabar: cucu yang membacakan pesan, atau ketua RT yang tetap berkeliling untuk kabar penting. "Saya tahu ada kerja bakti kalau cucu saya bilang. Kalau dia sekolah, ya tidak tahu." (Mak Siti, 71 tahun). Di Dusun III yang sinyalnya lemah, pengumuman masjid dan kentongan masih menjadi saluran utama.

    Tema 4 · Tidak bisa diwakilkan

    Warga membedakan kegiatan yang boleh diganti uang (memperbaiki jalan) dan yang wajib dihadiri langsung: takziah, menggali kubur, dan memasak bersama untuk hajatan. "Kalau ada yang meninggal, uang tidak bisa menggantikan. Kita harus datang. Hadir itu harga diri." (Pak Harun, 63 tahun). Di kegiatan inilah makna kebersamaan paling dijaga.

    Langkah 9 · Pembahasan dan kesimpulan

    Gotong royong di Desa X tidak hilang, tetapi bergeser dari "hadir" menjadi "berkontribusi": ajakan beralih ke grup WhatsApp, sebagian tenaga diganti uang, dan lansia bergantung pada juru kabar. Warga tetap menjaga kegiatan yang dianggap tidak bisa diwakilkan. Koentjaraningrat (1974) memandang gotong royong sebagai nilai tolong-menolong. Temuan ini menunjukkan nilai itu bertahan, tetapi bentuknya menyesuaikan diri dengan kehidupan warga yang merantau. Bowen (1986) mengingatkan bahwa gambaran gotong royong juga dibentuk oleh wacana resmi, sehingga praktik nyata di desa perlu dilihat langsung. Kajian etnografi digital menunjukkan bahwa media baru biasanya mengubah cara hubungan sosial dijalankan, bukan menggantikannya (Pink dkk., 2016). Menurut peneliti, desa perlu menjaga saluran informasi yang tidak bergantung pada ponsel agar lansia tidak tertinggal. Keterbatasan: satu desa; peneliti laki-laki dari luar desa sehingga akses ke kegiatan perempuan melalui rekan; enam bulan belum mencakup satu siklus tahunan penuh; dan data grup hanya dari anggota yang setuju.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Gotong royong di Desa X kini diorganisasi melalui grup WhatsApp, yang berfungsi sebagai kentongan digital untuk mengajak warga dan memamerkan hasil kerja.

    2. Grup WhatsApp memudahkan ajakan, tetapi sebagian kehadiran berubah menjadi dukungan simbolis dan iuran pengganti tenaga, sementara lansia bergantung pada juru kabar.

    3. Bagi warga, inti gotong royong adalah kehadiran pada kegiatan yang tidak bisa diwakilkan, seperti takziah dan hajatan, yang dimaknai sebagai harga diri dan kebersamaan.

    Saran: pemerintah desa dapat menetapkan juru kabar resmi di setiap dusun dan tetap memakai pengumuman masjid. Peneliti selanjutnya dapat membandingkan beberapa desa dengan tingkat merantau yang berbeda, atau memakai etnografi digital yang lebih panjang.

    Awas, keliru!
    • Menyebut "etnografi" padahal hanya mewawancarai beberapa orang selama tiga hari.
    • Menulis catatan lapangan berhari-hari kemudian, sehingga detailnya hilang dan tafsiran bercampur dengan fakta.
    • Mengutip isi grup WhatsApp tanpa izin, atau menyimpan tangkapan layar yang memuat nama dan nomor.
    • Menilai budaya dari sudut pandang peneliti ("warga malas", "tradisi mulai rusak") alih-alih memahami makna menurut warga.
    • Menyembunyikan posisi dan peran peneliti, padahal peneliti adalah instrumen utama.
    • Menggeneralisasi temuan satu desa ke seluruh Indonesia.
    Pojok S2–S3
    • Etnometodologi dan analisis percakapan meneliti cara orang menghasilkan keteraturan dalam interaksi sehari-hari; contoh lengkapnya di Bab 30A.
    • Ragam etnografi: etnografi terfokus (singkat, pada masalah tertentu, sering di rumah sakit atau sekolah), etnografi kritis (menyoroti ketimpangan kuasa), autoetnografi (pengalaman peneliti sendiri sebagai data), dan etnografi digital (Pink dkk., 2016).
    • Emik dan etik: sudut pandang warga (emik) dan kerangka analisis peneliti (etik) perlu dibedakan, lalu dihubungkan secara eksplisit dalam pembahasan (Hammersley & Atkinson, 2019).
    • Pernyataan posisi (positionality statement) semakin diminta jurnal: siapa peneliti, hubungannya dengan kelompok yang diteliti, dan bagaimana hal itu memengaruhi data.
    • Pengelolaan data: simpan catatan lapangan, rekaman, dan kunci nama samaran secara terpisah dan terenkripsi. Perangkat lunak seperti NVivo, ATLAS.ti, atau Taguette (gratis) membantu menjaga jejak audit.
    • Pelaporan: gunakan SRQR atau COREQ (Bab 19), termasuk lama di lapangan, peran peneliti, dan cara memilih informan.
    Intinya
    • Etnografi memahami pola budaya suatu kelompok dari dalam: peneliti tinggal lama di lapangan, melakukan observasi partisipatif, dan menghasilkan deskripsi tebal tentang praktik serta maknanya.
    • Kekuatannya ada pada catatan lapangan yang ditulis segera, dengan deskripsi dipisahkan dari refleksi, serta analisis yang berjalan bersamaan dengan pengumpulan data (koding, analisis domain, tema, kasus negatif).
    • Etika dan refleksivitas melekat sejak masuk lapangan: izin berjenjang, persetujuan lisan bila perlu, izin untuk data digital, nama samaran, menjaga hubungan sosial warga, dan memberi kembali kepada komunitas.
    Coba sendiri: kuis etnografi
    Bab 30A

    Contoh Lengkap Etnometodologi dengan Analisis Percakapan

    Etnometodologi mempelajari metode sehari-hari yang dipakai anggota masyarakat untuk menghasilkan dan memahami keteraturan sosial (Garfinkel, 1967). Metodenya yang paling dikenal, analisis percakapan (AP), membedah rekaman interaksi nyata detik demi detik untuk menunjukkan bagaimana giliran bicara, pertanyaan, jawaban, dan perbaikan disusun bersama (Sacks dkk., 1974).

    S1S2–S3

    Apa yang dicari etnometodologi?

    Setelah etnografi gotong royong (Bab 30), Dimas melanjutkan S2 antropologi. Kini ia tertarik pada hal yang begitu biasa sehingga jarang dipertanyakan: dalam diskusi kelas, bagaimana semua orang tahu siapa yang boleh bicara berikutnya? Tidak ada yang membacakan aturannya, tetapi kelas jarang kacau. Etnometodologi memandang keteraturan seperti ini bukan sebagai aturan yang tinggal dipatuhi, melainkan sebagai hasil kerja bersama yang dicapai momen demi momen (Heritage, 1984).

    Akuntabilitas

    Tindakan disusun agar dapat dikenali dan dilaporkan sebagai tindakan tertentu. Hening setelah pertanyaan guru "terlihat" sebagai belum ada yang menjawab, dan kelas dapat dimintai penjelasan atasnya.

    Indeksikalitas

    Makna ucapan bergantung pada konteksnya. "Oke" setelah jawaban benar berbeda dengan "oke" datar setelah jawaban keliru, dan "yang tadi" hanya dipahami oleh yang hadir.

    Eksperimen pelanggaran

    Garfinkel (1967) meminta mahasiswanya bersikap seperti penumpang indekos di rumah sendiri, atau terus menanyakan maksud ucapan biasa. Kebingungan dan kemarahan yang muncul memperlihatkan harapan tak tertulis. Cara ini memuat penipuan dan bisa melukai hubungan, sehingga tidak dilakukan pada anak atau di kelas. Salah paham yang terjadi alami dalam rekaman sudah cukup memperlihatkan aturan.

    Alat-alat analisis percakapan

    Tabel 30A.1 — Konsep dasar analisis percakapan dan contohnya di kelas
    KonsepArtinyaContoh di kelas
    Pengambilan giliranUjaran tersusun dari unit yang dapat dikenali kapan selesai; di titik itu giliran boleh berpindah. Urutannya: penutur memilih penutur berikutnya; bila tidak, orang lain boleh memilih diri sendiri; bila tidak, penutur boleh melanjutkan (Sacks dkk., 1974).Guru menutup pertanyaan dengan menyebut nama: "Dewi."
    Pasangan berdekatanDua ujaran dari penutur berbeda, dengan bagian pertama yang membuat bagian kedua tertentu menjadi relevan: tanya–jawab, salam–salam, ajakan–terima atau tolak (Schegloff, 2007).Setelah pertanyaan, jawaban "ditunggu"; karena itu hening terbaca sebagai jawaban yang tidak datang.
    Organisasi preferensiBagian kedua tidak setara. Yang disukai (menerima, menjawab lancar) datang cepat dan ringkas; yang tidak disukai (menolak, tidak tahu) datang terlambat, dengan jeda, "eh", atau alasan (Schegloff, 2007)."e::h (1,2) °belum tahu bu°" datang terlambat dan pelan.
    Perbaikan (repair)Cara menangani masalah berbicara, mendengar, atau memahami. Dapat diprakarsai penutur sendiri atau orang lain; percakapan lebih menyukai perbaikan oleh penutur sendiri (Schegloff dkk., 1977).Guru mengulang "yang ↑keluar?", lalu siswa membetulkan jawabannya sendiri.
    Urutan IRE/IRFPola khas kelas: guru memulai (inisiasi), siswa menjawab (respons), guru menilai (evaluasi; Mehan, 1979) atau menindaklanjuti (feedback/follow-up; Sinclair & Coulthard, 1975). Jawaban pertanyaan guru biasanya sudah ia ketahui."Apa fungsi diafragma?" → jawaban siswa → "betul."

    Etnometodologi, etnografi, wacana, atau isi?

    Tabel 30A.2 — Empat cara meneliti bahasa dan interaksi di buku ini
    AspekEtnometodologi dan AP (bab ini)Etnografi (Bab 30)Analisis wacana kritis (Bab 59)Analisis isi (Bab 50)
    PertanyaanBagaimana anggota menghasilkan tindakan dan keteraturan, giliran demi giliran?Bagaimana budaya kelompok dijalankan dan dimaknai?Bagaimana bahasa membentuk dan dibentuk relasi kuasa?Seberapa sering suatu isi muncul?
    DataRekaman interaksi alami dan transkrip rinciObservasi partisipatif lama, wawancara, catatan lapanganSedikit teks yang kaya, dipilih purposifBanyak teks, sampel atau sensus
    CaraAnalisis urutan per kasus, lalu koleksi dan kasus menyimpangKoding, analisis domain, temaDeskripsi, interpretasi, eksplanasiBuku kode, reliabilitas antarpengode, statistik
    Konteks dan kategoriHanya yang terlihat dipakai partisipan sendiri dalam interaksiKonteks budaya dari lapanganKerangka kritis peneliti tentang kuasa dan ideologiKategori buku kode peneliti
    HasilDeskripsi praktik: bagaimana sesuatu dikerjakanDeskripsi tebalTafsiran kritisFrekuensi dan uji statistik

    Langkah 1 · Judul

    Cara Guru dan Siswa Mengelola Giliran Bicara dalam Diskusi Kelas IPA di SMP Negeri Y Palembang: Studi Etnometodologi dengan Analisis Percakapan
    Kata kunciPraktik yang ditelitiLatarPendekatan dan metode

    "Cara … mengelola" menandai minat pada bagaimana sesuatu dikerjakan, bukan pada pendapat atau pengalaman. Judul tidak memuat "persepsi" atau "pengaruh", karena Dimas tidak mewawancarai siapa pun dan tidak menguji apa pun.

    Langkah 2 · Pertanyaan dan tujuan

    Pertanyaan utama: bagaimana guru dan siswa, giliran demi giliran, mengelola siapa yang berbicara berikutnya dalam diskusi kelas IPA? Dalam AP, fokus sering dipertajam setelah menonton data tanpa hipotesis awal. Dimas mencatat perubahan fokusnya di memo.

    Subpertanyaan
    Tujuan khusus
    Data dan koleksi
    Temuan
    1
    Bagaimana guru memberikan giliran setelah mengajukan pertanyaan?
    Menguraikan praktik pemberian giliran dalam urutan IRE.
    Koleksi pertanyaan guru (214)
    Temuan 1
    2
    Bagaimana siswa memilih diri sendiri, dan bagaimana tumpang tindih diselesaikan?
    Menguraikan praktik memilih diri sendiri.
    Koleksi memilih diri sendiri (71)
    Temuan 2
    3
    Bagaimana giliran ketiga guru dan perbaikan menangani jawaban siswa?
    Menguraikan praktik evaluasi, tindak lanjut, dan perbaikan.
    Koleksi giliran ketiga (176) dan perbaikan (37)
    Temuan 3

    Langkah 3 · Data alami dan etika

    Latar: kelas VIII-A SMP Negeri Y Palembang (32 siswa) dan Bu Wulan, guru IPA dari Bab 39, semester genap 2028/2029. Data alami: Dimas tidak meminta Bu Wulan mengubah apa pun dan tidak ikut bicara di kelas. Dua kamera (menghadap siswa dan menghadap guru serta papan) dan dua perekam suara di meja siswa dipasang seminggu lebih dulu tanpa dianalisis, agar kelas terbiasa. Terkumpul 10 pertemuan × 80 menit = 800 menit rekaman; 252 menit di antaranya diskusi kelas utuh.

    • Izin berjenjang: dinas pendidikan, kepala sekolah, persetujuan tertulis Bu Wulan, persetujuan orang tua, dan assent siswa (Bab 7B). Dimas menjelaskan penelitian kepada siswa tanpa kehadiran guru, agar mereka merasa bebas menolak.
    • Yang tidak ikut: 29 dari 32 siswa dan orang tuanya setuju. Tiga siswa duduk di luar bingkai kamera; suara mereka ditulis "((siswa lain))" dan tidak dianalisis. Pelajaran mereka berjalan seperti biasa.
    • Izin bertingkat (Heath dkk., 2010): rekaman hanya untuk analisis; potongan boleh diputar di sesi data akademik; gambar diam boleh dimuat di publikasi dengan wajah dikaburkan. Setiap tingkat dipilih sendiri.
    • Bukan alat penilaian: rekaman tidak diserahkan kepada kepala sekolah dan tidak dipakai untuk menilai kinerja Bu Wulan atau nilai siswa.
    • Penyimpanan: nama samaran di transkrip; rekaman terenkripsi dengan cadangan, lembar kunci terpisah, dan dimusnahkan setelah masa simpan dalam protokol. UU 27/2022 tentang Pelindungan Data Pribadi (UU PDP) menggolongkan data anak sebagai data pribadi yang bersifat spesifik.
    • Hubungan pribadi: Dimas mengenal Bima, adik Rara, yang bersekolah di sini. Kelas Bima sengaja tidak direkam. Tidak ada eksperimen pelanggaran.

    Langkah 4 · Transkripsi Jefferson

    Seluruh rekaman ditranskripsi kasar untuk mencari segmen. Sebanyak 38 segmen (96 menit) lalu ditranskripsi rinci dengan konvensi Jefferson (2004), yang mencatat bagaimana sesuatu diucapkan: jeda, tumpang tindih, pemanjangan, dan nada.

    Tabel 30A.3 — Kunci transkripsi (diadaptasi dari Jefferson, 2004)
    SimbolArtiContoh
    [ ]Awal dan akhir tumpang tindih[saya bu saya]
    =Giliran bersambung tanpa jedajuga-= / =maksudku
    (0,5)Jeda dalam detik(1,8)
    (.)Jeda sangat singkat, kurang dari 0,2 detiknah (.) kenapa
    :Bunyi dipanjangkanayo::
    -Ucapan terputuskalau-
    . , ?Nada turun, bersambung, naik (bukan tanda baca)kurang?
    ↑ ↓Nada naik atau turun tajamyang ↑keluar?
    °kata°Lebih pelan°siapa°
    KATALebih kerasJANGAN
    >kata<Lebih cepat>habis itu<
    .hhTarikan napas.hh eh
    (( ))Catatan pentranskrip, termasuk gerak((menunjuk Dewi))
    ( )Tidak jelas terdengar(paru-paru)

    Jefferson menulis jeda dengan titik desimal, misalnya (0.5). Buku ini memakai koma, (0,5), sesuai kaidah desimal bahasa Indonesia. Keduanya lazim; yang penting konvensi dinyatakan dalam kunci transkripsi dan dipakai konsisten. Tanda baca dalam transkrip menunjukkan nada, sehingga huruf kapital di awal kalimat tidak dipakai.

    Bandingkan: Ekstrak 1 dalam dua cara transkripsi
    Ekstrak 1 · rekaman 4, menit 12 (simulasi)
    Guru: Nah, kenapa napas kita jadi cepat habis lari? Ayo, siapa? Dewi.
    Dewi: Karena oksigennya kurang.
    Guru: Oksigennya kurang. Kurang di mana?
    Dewi: Di ototnya, Bu.
    Guru: Ya, betul. Otot butuh oksigen lebih banyak.

    Langkah 5 · Analisis: kasus tunggal, koleksi, dan kasus menyimpang

    1. Mengamati tanpa hipotesis. Rekaman ditonton berulang, dan hal yang menarik dicatat, misalnya "setelah hening, guru selalu menyebut nama".

    2. Analisis kasus tunggal. Untuk setiap giliran ditanyakan: tindakan apa yang dikerjakan, mengapa di sini, dengan bentuk ini? Buktinya dicari di giliran berikutnya, yaitu bagaimana partisipan sendiri menanggapi giliran itu (Sacks dkk., 1974).

    3. Membangun koleksi: mengumpulkan semua kemunculan fenomena yang sama dari seluruh rekaman, lalu mencari polanya dan variasinya (ten Have, 2007).

    4. Analisis kasus menyimpang: kasus yang tidak cocok dengan pola dianalisis khusus. Bila partisipan sendiri memperlakukannya sebagai pelanggaran, pola itu justru makin kuat (Schegloff, 1968).

    5. Sesi data: potongan rekaman ditonton bersama pembimbing dan dua mahasiswa S2 yang tercantum dalam protokol etik, untuk menguji tafsiran Dimas.

    Tabel 30A.4 — Koleksi dari 252 menit diskusi kelas (data simulasi)
    Koleksin%
    Pertanyaan guru dalam diskusi kelas: siapa yang bicara berikutnya? (n = 214)
    Guru menyebut nama sejak dalam pertanyaan5827,1
    Hening, lalu guru mendorong dan menunjuk6329,4
    Siswa memilih diri sendiri7133,2
    Tidak ada jawaban siswa; guru menjawab atau merumuskan ulang2210,3
    Giliran ketiga guru setelah jawaban siswa (n = 176)
    Langsung menilai ("betul", "bagus", "kurang tepat")11867,0
    Menahan penilaian (mengulang, bertanya lagi, melempar ke siswa lain)5833,0
    Lainnya
    Memilih diri sendiri dengan awal tumpang tindih (dari 71)2433,8
    Perbaikan diprakarsai guru, diselesaikan siswa sendiri (dari 37)2978,4
    Kasus menyimpang: siswa menjawab pertanyaan untuk siswa lain3–

    Angka hanya menunjukkan ukuran koleksi. AP tidak menarik kesimpulan dari frekuensi; setiap praktik dibuktikan lewat analisis urutan pada kasus-kasusnya.

    Langkah 6 · Temuan

    Temuan 1 · Dari hening ke penunjukan. Pada Ekstrak 1, pertanyaan di baris 1 ditujukan ke seluruh kelas, dan jawabannya sudah diketahui guru. Setelah 1,8 detik tidak ada yang memilih diri sendiri. Hening ini bukan kekosongan: guru memperlakukannya sebagai "belum ada yang mau menjawab". Ia mendorong ("ayo::"), merendahkan suara ("°siapa°"), lalu memilih penutur berikutnya dengan menyebut nama. Jawaban Dewi dibuka dengan pemanjangan dan jeda, lalu ditutup nada naik: jawaban itu ditawarkan dengan ragu, seperti tebakan. Dalam koleksi 63 kasus serupa, median hening sebelum guru mendorong atau menunjuk adalah 1,7 detik (kuartil 1,2–2,2); hanya 5 yang mencapai 3 detik. Siswa yang memilih diri sendiri mulai bicara lebih cepat (median 0,8 detik).

    Gambar 30A.1 — Ekstrak 1 sebagai garis waktu

    Kapan guru dan Dewi berbicara (batang) dan kapan kelas hening (pita merah), dalam detik (data simulasi)
    0246810121416detik sejak pertanyaan diajukan Baris 02: hening 1,8 detik, tidak ada siswa yang mengambil giliran hening 1,8 GuruDewi Baris 01, Guru (0,0–2,3 detik): nah (.) kenapa napas kita jadi cepat habis lari? Baris 03, Guru (4,1–4,8 detik): ayo:: Baris 03, Guru (5,4–5,9 detik): °siapa° Baris 03, Guru (6,3–6,7 detik): Dewi. Baris 05, Guru (9,5–10,6 detik): oksigennya kurang. Baris 05, Guru (11,0–11,8 detik): kurang di mana? Baris 07, Guru (13,0–15,2 detik): ya:, betul. otot butuh oksigen lebih banyak. Baris 04, Dewi (6,8–7,5 detik): karena:: Baris 04, Dewi (8,0–9,4 detik): oksigennya (.) kurang? Baris 06, Dewi (11,9–12,9 detik): di: (.) ototnya bu 010305070406 0,5

    Temuan 2 · Memilih diri sendiri pada pertanyaan terbuka. Dalam koleksi, siswa paling sering memilih diri sendiri setelah pertanyaan terbuka ("ada pendapat lain?"), bukan setelah pertanyaan yang jawabannya sudah pasti.

    Ekstrak 2 · rekaman 7, menit 31 (simulasi)
    01 GUR: ada yang punya pendapat ↑lain? 02 (0,7) 03 RAK: [bu kalau- ] 04 NIS: [saya bu saya] 05 GUR: sebentar. (.) Raka dulu, habis itu Nisa. 06 RAK: kalau paru-parunya kecil berarti napasnya 07 lebih cepat ya bu? 08 GUR: hm:: (0,5) Nisa, gimana menurutmu? 09 NIS: tapi kan (.) paru-paru orang dewasa juga-= 10 RAK: =maksudku kapasitasnya bu

    Setelah 0,7 detik, Raka dan Nisa memilih diri sendiri pada saat yang sama (baris 3–4). Guru menyelesaikan tumpang tindih dengan mengurutkan giliran (baris 5), sehingga hak membagi giliran tetap di tangannya. Di baris 8 guru tidak menilai jawaban Raka, tetapi melemparnya ke Nisa: giliran ketiga menjadi inisiasi baru, dan siswa mulai saling menanggapi. Raka menyambar giliran Nisa (tanda =) untuk meluruskan maksudnya sendiri. Kasus menyimpang menguatkan pola ini:

    Ekstrak 3 · rekaman 9, menit 18 (simulasi)
    01 GUR: Tegar, kalau kita tahan napas lama, apa yang terjadi? 02 SAL: pusing bu= 03 TEG: =ih (.) kan aku yang ditanya 04 GUR: ((tertawa)) iya, Tegar yang ditanya. 05 (0,4) Salsa tahan dulu ya.

    Salsa menjawab pertanyaan yang ditujukan kepada Tegar. Tegar memprotes dan guru membenarkan protes itu. Pelanggaran yang diperlakukan sebagai pelanggaran oleh partisipan sendiri menunjukkan bahwa aturan "penutur memilih penutur berikutnya" benar-benar mereka pegang.

    Temuan 3 · Giliran ketiga: menutup atau membuka. Ketika guru langsung menilai ("betul"), urutan selesai. Ketika guru menahan penilaian, jawaban diperlakukan belum lengkap. Pada Ekstrak 1 baris 5, guru mengulang "oksigennya kurang" tanpa "betul", lalu bertanya "kurang di ↑mana?"; penilaian baru datang di baris 7. Guru juga memprakarsai perbaikan tanpa menyebut kesalahan:

    Ekstrak 4 · rekaman 2, menit 25 (simulasi)
    01 TEG: yang keluar waktu kita napas itu oksigen bu 02 GUR: yang ↑keluar? 03 (0,9) 04 TEG: eh (.) karbon dioksida 05 GUR: karbon dioksida. (.) oke.

    Pengulangan bagian bermasalah dengan nada naik (baris 2) menunjuk letak masalah tanpa memberi jawabannya. Tegar membetulkan sendiri (baris 4), sejalan dengan preferensi perbaikan oleh penutur sendiri (Schegloff dkk., 1977). Dari 37 perbaikan yang diprakarsai guru, 29 (78,4%) diselesaikan siswa sendiri. Macbeth (2004) membedakan perbaikan, yang menjaga saling paham, dari koreksi, yang membetulkan jawaban; koreksi di kelas justru bertumpu pada perbaikan.

    Coba sendiri: unsur urutan apa ini?

    Konteks ada di dalam kurung siku. Tentukan tindakan pada baris yang dikutip (transkrip simulasi).

    [Guru membuka tanya jawab] GUR: nah (.) apa fungsi diafragma waktu kita bernapas?

    Inisiasi: bagian pertama pasangan tanya–jawab yang membuat jawaban menjadi relevan.

    [Guru: "Salsa, apa fungsi diafragma?"] SAL: °membantu paru-paru mengembang°

    Respons: bagian kedua dari siswa yang ditunjuk.

    [Setelah jawaban Salsa] GUR: ya:, betul. bagus Salsa.

    Evaluasi: giliran ketiga yang menilai dan menutup urutan.

    [Tegar: "yang kita hirup karbon dioksida"] GUR: yang kita ↑hirup?

    Perbaikan yang diprakarsai guru: bagian bermasalah diulang dengan nada naik, tanpa menyebut salahnya.

    [Guru baru selesai menilai jawaban Raka, belum menunjuk siapa pun] NIS: bu (.) bu, saya mau nambah

    Memilih diri sendiri: Nisa tidak ditanya atau ditunjuk, tetapi mengambil giliran di titik peralihan.

    [Dewi menjelaskan jalan udara] DEW: udaranya masuk lewat trake- (.) eh (.) lewat hidung dulu

    Perbaikan oleh penutur sendiri: Dewi memotong ucapannya (tanda -) dan membetulkannya dalam giliran yang sama.

    Pilih unsur urutan untuk keenam baris.

    Langkah 7 · Keabsahan

    • Bukti di giliran berikutnya: tafsiran atas suatu giliran diuji dari cara partisipan menanggapinya, bukan dari dugaan peneliti tentang isi kepala mereka.
    • Transparansi: transkrip ditampilkan sehingga pembaca dapat menguji tafsiran sendiri.
    • Koleksi dan kasus menyimpang: pola dicari di seluruh rekaman, dan kasus yang tidak cocok dijelaskan, bukan dibuang.
    • Sesi data dan refleksivitas: tafsiran diuji bersama. Dimas dulu siswa yang sering diam di kelas, sehingga ia mudah bersimpati pada siswa yang tidak ditunjuk; memonya membantu memisahkan simpati dari bukti. Temuan dipaparkan kepada Bu Wulan sebagai umpan balik, bukan untuk "disahkan".

    Langkah 8 · Pembahasan dan kesimpulan

    Di kelas VIII-A, giliran bicara dikelola bersama: guru memegang hak membagi giliran, hening singkat diperlakukan sebagai belum ada yang mau menjawab, siswa memilih diri sendiri terutama pada pertanyaan terbuka, dan giliran ketiga guru menentukan apakah jawaban ditutup atau dibuka untuk diskusi. Pola ini sejalan dengan urutan IRE (Mehan, 1979) dan sistem giliran Sacks dkk. (1974), serta dengan temuan bahwa giliran ketiga adalah tempat guru menyesuaikan pengajaran dengan jawaban siswa (Lee, 2007). Rowe (1986) melaporkan bahwa waktu tunggu sekitar tiga detik memperbaiki jawaban siswa; di kelas ini hanya 5 dari 63 hening yang mencapainya. Menurut peneliti, temuan ini dapat menjadi bahan refleksi guru: menunggu lebih lama, lebih sering bertanya terbuka, dan memakai giliran ketiga untuk membuka diskusi. Keterbatasan: satu kelas dan satu guru; kamera dapat mengubah perilaku; transkrip adalah pilihan tafsiran peneliti; dan AP menunjukkan bagaimana praktik bekerja, bukan seberapa sering praktik itu terjadi di kelas lain.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Setelah pertanyaan kepada seluruh kelas, guru menunggu sebentar, memperlakukan hening sebagai tidak ada yang mau menjawab, lalu mendorong dan menunjuk siswa dengan nama.

    2. Siswa memilih diri sendiri terutama pada pertanyaan terbuka; tumpang tindih diselesaikan guru dengan mengurutkan giliran, dan siswa sendiri menjaga aturan pemberian giliran.

    3. Giliran ketiga guru menutup urutan bila langsung menilai dan membuka diskusi bila penilaian ditahan; prakarsa perbaikan tanpa menyebut kesalahan memberi siswa kesempatan membetulkan jawabannya sendiri.

    Saran: AP mendeskripsikan, tidak meresepkan. Gagasan seperti memperpanjang waktu tunggu dapat diuji Bu Wulan dalam PTK (Bab 39), dan praktik yang sama dapat dibandingkan di kelas lain.

    Awas, keliru!
    • Merekam diam-diam, atau merekam siswa tanpa persetujuan orang tua dan assent siswa.
    • Merapikan transkrip: membuang jeda, tumpang tindih, dan nada, padahal di situlah tindakan terlihat.
    • Menebak isi kepala ("Bu Wulan tidak sabar", "Dewi tidak percaya diri"). AP menganalisis apa yang dilakukan dan bagaimana ditanggapi.
    • Membawa kategori dari luar (jenis kelamin, "siswa pintar") tanpa bukti bahwa partisipan sendiri memakainya dalam interaksi.
    • Menghitung IRE lalu menyebutnya analisis percakapan. Tanpa analisis urutan per kasus, itu analisis isi (Bab 50).
    • Eksperimen pelanggaran pada siswa, misalnya sengaja menjawab aneh untuk melihat reaksi kelas.
    Pojok S2–S3
    • Kasus tunggal atau koleksi: satu episode yang sangat kaya dapat dianalisis sendiri untuk menunjukkan bagaimana berbagai praktik bekerja bersama; koleksi dipakai untuk menunjukkan satu praktik dan variasinya (ten Have, 2007).
    • AP multimodal: tatapan, tunjukan, dan posisi tubuh ikut membagi giliran. Butuh video dan notasi tambahan (Heath dkk., 2010).
    • Menghitung dalam AP boleh setelah fenomenanya dianalisis per kasus; angka tidak menggantikan analisis urutan.
    • Transkrip bahasa daerah untuk publikasi internasional memakai tiga baris: ujaran asli, glos per kata, dan terjemahan.
    Intinya
    • Etnometodologi mempelajari metode sehari-hari yang dipakai anggota untuk menghasilkan keteraturan sosial (akuntabilitas, indeksikalitas). Analisis percakapan adalah metodenya yang paling dikenal: giliran, pasangan berdekatan, preferensi, perbaikan, dan IRE/IRF di kelas.
    • Datanya rekaman interaksi alami yang ditranskripsi dengan konvensi Jefferson. Analisis berjalan dari kasus tunggal ke koleksi dan kasus menyimpang, dengan bukti dari giliran berikutnya.
    • Etikanya menuntut izin berjenjang, assent siswa, izin bertingkat untuk video, penyimpanan aman, dan tanpa eksperimen pelanggaran pada anak.
    Coba sendiri: kuis etnometodologi
    Bab 31

    Contoh Lengkap Mixed Methods: Sekuensial Eksploratori

    Pada desain sekuensial eksploratori, peneliti mendengarkan dulu (kualitatif), lalu mengukur (kuantitatif). Desain ini paling sering dipakai untuk menyusun instrumen baru: kata-kata partisipan diubah menjadi butir kuesioner, lalu diuji secara statistik. Integrasinya terjadi saat membangun butir (building) dan saat membandingkan hasil kedua fase (meta-inferensi).

    S1S2–S3

    Mengapa sekuensial eksploratori?

    Untuk disertasinya, Rara membutuhkan alat ukur kebiasaan penggunaan HP pada malam hari. Skala yang ada berbahasa Inggris dan tidak menangkap pengalaman khas remaja Indonesia, misalnya aturan HP di rumah atau grup kelas yang ramai tengah malam. Menerjemahkan saja tidak cukup; butirnya harus berasal dari bahasa remaja sendiri.

    Tabel 31.1 — Memilih desain mixed methods untuk tujuan ini
    DesainUrutanCocok untukDipilih?
    Sekuensial eksplanatori (tesis Rara, Bab 21)QUAN → qualMenjelaskan hasil angka dengan ceritaTidak: belum ada instrumen
    KonvergenQUAN + QUAL bersamaanMembandingkan dua sudut pandang pada saat yang samaTidak: butir harus disusun dulu
    Sekuensial eksploratoriqual → QUANMenyusun dan menguji instrumen dari pengalaman partisipanYa

    Langkah 1 · Judul

    Pengembangan dan Validasi Skala Kebiasaan Gawai Malam Remaja (SKGMR): Studi Mixed Methods Sekuensial Eksploratori di Palembang
    TujuanKonstruk yang diukurDesainKonteks

    SKGMR adalah instrumen rekaan untuk contoh di buku ini. Datanya simulasi, jadi jangan dipakai sebagai instrumen tervalidasi.

    Langkah 2 · Tiga jenis pertanyaan

    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Kualitatif: bagaimana remaja menggambarkan kebiasaan memakai HP pada malam hari?
    Mengeksplorasi kebiasaan memakai HP pada malam hari menurut remaja.
    Analisis tematik
    Lima tema
    2
    Kuantitatif: bagaimana struktur faktor, reliabilitas, dan validitas SKGMR?
    Menguji struktur faktor, reliabilitas, dan validitas SKGMR.
    CVI, EFA, CFA, α dan ω, ICC, korelasi
    20 butir, 4 faktor, reliabel dan valid
    3
    Integrasi: sejauh mana struktur faktor SKGMR mencerminkan tema pengalaman remaja?
    Membandingkan tema kualitatif dengan faktor kuantitatif.
    Joint display, meta-inferensi
    4 dari 5 tema terkonfirmasi

    Hipotesis psikometrik ditetapkan sebelum data dikumpulkan, seperti dianjurkan COSMIN (Mokkink dkk., 2010): (1) skor total berkorelasi ≥ 0,40 dengan waktu layar setelah pukul 21.00; (2) berkorelasi 0,30–0,60 dengan skor PSQI; (3) berkorelasi < 0,30 dengan usia; (4) remaja yang tidur di atas pukul 23.00 memiliki skor lebih tinggi dengan besar efek d ≥ 0,5.

    Langkah 3 · Diagram prosedur

    FASE 1 · qualINTEGRASI 1 · buildingFASE 2 · QUANFASE 2 · QUANINTEGRASI 2 Wawancara 15 remaja+ 2 FGD (16 remaja)Tema → 36 butirCVI 6 ahli → 30 butirSurvei 400 remaja(2 sampel terpisah)EFA (n = 180)CFA (n = 220)Joint displaytema vs faktor analisis tematikproduk: 5 temawawancara kognitif (8)produk: draf skala4 SMP + 4 SMAproduk: data skorreliabilitas, validitasproduk: 20 butir, 4 faktormeta-inferensiproduk: SKGMR final
    Gambar 31.1 — Diagram prosedur qual → QUAN. Setiap kotak memuat prosedur dan produknya, seperti dianjurkan untuk laporan mixed methods (Creswell & Plano Clark, 2018).

    Langkah 4 · Fase 1: mendengarkan remaja

    • Partisipan: purposif dengan variasi maksimum: 15 remaja untuk wawancara mendalam (7 SMP, 8 SMA; 8 perempuan, 7 laki-laki; 13–17 tahun; pengguna HP ringan dan berat) dan 2 FGD berisi 8 remaja (satu SMP, satu SMA). Saturasi tercapai pada wawancara ke-13 dan dikonfirmasi dengan 2 wawancara berikutnya.
    • Pedoman: "Ceritakan malam kemarin, dari selesai belajar sampai tertidur", lalu diperdalam: kapan HP diambil, untuk apa, apa yang membuat berhenti, dan apa akibatnya keesokan hari.
    • Analisis tematik enam fase (Bab 18) menghasilkan lima tema.
    Tabel 31.2 — Joint display 1 (building): dari tema menjadi butir
    TemaKutipan remaja (simulasi)Butir yang dibangun
    1. Tempat tidur sebagai ruang pribadi"Niatnya lima menit, tahu-tahu jam satu." (SMA, P)Saya berkata "lima menit lagi" tetapi terus memakai HP lebih lama.
    2. Apa yang dilakukan: gim, video, media sosial"Mabar sama teman sampai malam, soalnya siangnya sekolah." (SMP, L)Saya bermain gim daring bersama teman di malam hari.
    3. Takut ketinggalan dan pelarian rasa"Takut besok nggak nyambung obrolan grup." (SMP, P) · "Kalau lagi sedih, nonton biar lupa." (SMA, P)Saya membuka HP di malam hari karena takut ketinggalan kabar teman. · Saya memakai HP di malam hari untuk melupakan perasaan tidak enak.
    4. Tarik-ulur kendali: diri dan keluarga"Ibu ambil HP jam sepuluh, tapi aku bisa minta lagi kalau ada tugas." (SMP, L)Di rumah ada aturan jam berhenti memakai HP yang saya patuhi.
    5. Harga yang dibayar esok pagi"Pagi di kelas mata berat banget." (SMA, L)Saya mengantuk di kelas karena bermain HP malam sebelumnya.

    Langkah 5 · Integrasi 1: membangun dan menyaring butir

    Draf 36 butir memakai skala 1–4 (1 = tidak pernah, 2 = kadang-kadang, 3 = sering, 4 = selalu) untuk dua minggu terakhir. Lalu dilakukan dua penyaringan.

    A. Validitas isi oleh 6 ahli (CVI)

    Dua psikolog, seorang dokter spesialis anak, seorang dokter spesialis kedokteran jiwa, seorang guru BK, dan seorang ahli psikometri menilai relevansi setiap butir (1 = tidak relevan sampai 4 = sangat relevan). I-CVI = jumlah ahli yang memberi nilai 3 atau 4 dibagi jumlah ahli. Dengan 6 ahli atau lebih, butir dipertahankan bila I-CVI ≥ 0,78 (Lynn, 1986; Polit dkk., 2007).

    Tabel 31.3 — Contoh hasil CVI (6 ahli)
    ButirAhli menilai relevanI-CVIKeputusan
    Saya berkata "lima menit lagi" tetapi terus memakai HP lebih lama6/61,00Dipertahankan
    Saya menyimpan HP jauh dari tempat tidur saat tidur5/60,83Dipertahankan
    Saya bermain gim daring bersama teman di malam hari5/60,83Dipertahankan
    Saya memakai HP di malam hari4/60,67Dihapus: terlalu umum
    Saya mengisi daya HP di dekat tempat tidur3/60,50Dihapus: bukan kebiasaan penggunaan

    Enam butir dihapus, tersisa 30 butir dengan S-CVI/Ave = 0,93 (rata-rata I-CVI; baik bila ≥ 0,90).

    Coba sendiri: kalkulator I-CVI

    B. Wawancara kognitif dengan 8 remaja

    Remaja diminta membaca setiap butir sambil berpikir keras ("apa yang kamu pikirkan saat membaca ini?") untuk menemukan kata yang membingungkan (Willis, 2005).

    Tabel 31.4 — Revisi dari wawancara kognitif
    SebelumMasalahSesudah
    Saya mengalami FOMO di malam hariSiswa SMP tidak mengenal istilah FOMOSaya membuka HP di malam hari karena takut ketinggalan kabar teman
    Saya menggunakan gawai sebelum tidurRemaja lebih akrab dengan kata "HP"Saya memakai HP …
    Saya sering begadang karena gawai"Sering" bentrok dengan pilihan jawabanSaya tidur lebih larut dari rencana karena memakai HP
    (tanpa periode waktu)Siswa bingung: kebiasaan kapan?Petunjuk ditambah: "dalam dua minggu terakhir"

    Langkah 6 · Fase 2: sampel, etika, dan pengumpulan data

    • Sampel: dua sampel terpisah dari populasi yang sama, sehingga hubungan sampel antarfasenya paralel (Bab 21). Sampel A: 180 siswa dari 2 SMP dan 2 SMA untuk EFA (≥ 5 responden per butir untuk 30 butir). Sampel B: 220 siswa dari 2 SMP dan 2 SMA lain untuk CFA (≥ 10 per butir untuk 20 butir). Total 400 remaja.
    • Uji ulang: 50 siswa dari sampel B mengisi lagi setelah 2 minggu. Kedua kuesioner dicocokkan dengan kode buatan sendiri (misalnya dua huruf awal nama ibu dan dua angka tanggal lahir), tanpa nama.
    • Pembanding validitas: PSQI, rata-rata waktu layar setelah pukul 21.00 dari fitur Screen Time (sukarela, 196 siswa bersedia), dan jam tidur.
    • Etika: KEPK (Bab 7A); persetujuan orang tua dan assent; peserta FGD diminta menjaga kerahasiaan cerita teman; survei anonim.

    Langkah 7 · Analisis kuantitatif

    A. Analisis faktor eksploratori (EFA) pada sampel A

    Analyze▸Dimension Reduction▸Factor
    1. Descriptives → KMO and Bartlett's test of sphericity. Syarat: KMO ≥ 0,60 dan Bartlett p < 0,05.
    2. Extraction → Principal axis factoring; jumlah faktor ditetapkan dari parallel analysis (Horn, 1965), bukan hanya dari eigenvalue > 1. Parallel analysis tidak ada di menu SPSS; jalankan dengan sintaks atau JASP (gratis).
    3. Rotation → Promax, karena faktor kebiasaan diduga saling berkorelasi.
    4. Options → Sorted by sizeSuppress small coefficients: 0,30. Butir dipertahankan bila muatannya ≥ 0,40 pada satu faktor dan tidak ada muatan silang ≥ 0,30.
    Output — KMO and Bartlett's Test
    Kaiser-Meyer-Olkin Measure of Sampling Adequacy.,861
    Bartlett's Test of SphericityApprox. Chi-Square2412,6
    df435
    Sig.,000

    Gambar 31.2 — Scree plot dan parallel analysis (30 butir, n = 180)

    Faktor dipertahankan selama eigenvalue data lebih besar daripada eigenvalue data acak
    Eigenvalue dataEigenvalue acak (persentil 95)
    3210 12345678 faktor ke- eigenvalue = 1 (Kaiser) Faktor 1: 7,84 (di luar skala)Faktor 2: 2,41Faktor 3: 1,95Faktor 4: 1,68Faktor 5: 1,12Faktor 6: 0,96Faktor 7: 0,87Faktor 8: 0,80 Acak 1: 1,74Acak 2: 1,61Acak 3: 1,52Acak 4: 1,44Acak 5: 1,37Acak 6: 1,31Acak 7: 1,25Acak 8: 1,19 7,84 (terpotong)1,681,12 faktor 5 dst. tidak dipakai

    Parallel analysis menunjukkan 4 faktor. Kriteria Kaiser (eigenvalue > 1) akan memberi 5 faktor, karena faktor 5 bernilai 1,12. Kriteria ini dikenal sering melebih-lebihkan jumlah faktor.

    Dari 30 butir, 10 dihapus: 4 butir aktivitas (gim, media sosial, video, belajar daring) bermuatan silang atau < 0,40, dan 6 butir lain bermuatan rendah atau silang. Contohnya, "Saya bermain gim daring bersama teman di malam hari" bermuatan 0,34 di faktor 1 dan 0,31 di faktor 2. EFA ulang pada 20 butir menjelaskan 58,4% varians, dengan korelasi antarfaktor 0,21–0,52 (mendukung rotasi promax).

    Tabel 31.5 — Butir akhir SKGMR dan muatan faktornya (EFA, pattern matrix)
    Faktor dan butirMuatan
    F1 · Durasi dan waktu di tempat tidur
    1. Saya memakai HP di tempat tidur lebih dari satu jam sebelum tidur.0,78
    2. Saya berkata "lima menit lagi" tetapi terus memakai HP lebih lama.0,74
    3. Saya memakai HP sampai lewat tengah malam pada hari sekolah.0,71
    4. Saya menggulir layar (scrolling) tanpa tujuan sebelum tidur.0,66
    5. HP adalah hal terakhir yang saya lihat sebelum tidur.0,63
    6. Saya menonton video berturut-turut sampai larut malam.0,58
    F2 · Pemicu emosional
    7. Saya membuka HP di malam hari karena takut ketinggalan kabar teman.0,76
    8. Saya memakai HP di malam hari saat merasa bosan.0,72
    9. Saya memakai HP di malam hari untuk melupakan perasaan tidak enak.0,68
    10. Saya merasa gelisah bila HP tidak ada di dekat saya saat malam.0,65
    11. Notifikasi membuat saya membuka HP lagi setelah berbaring.0,61
    F3 · Kendali dan aturan (diberi skor terbalik)
    12. Saya bisa berhenti memakai HP pada jam yang saya rencanakan.0,73
    13. Di rumah ada aturan jam berhenti memakai HP yang saya patuhi.0,67
    14. Saya menyimpan HP jauh dari tempat tidur saat tidur.0,62
    15. Saya menyalakan mode senyap atau jangan ganggu saat tidur.0,57
    16. Saya mengatur pengingat waktu layar di HP.0,52
    F4 · Gangguan tidur akibat HP
    17. Saya tidur lebih larut dari rencana karena memakai HP.0,79
    18. Saya terbangun di malam hari lalu memeriksa HP.0,71
    19. Saya mengantuk di kelas karena bermain HP malam sebelumnya.0,68
    20. Saya sulit tertidur setelah memakai HP.0,60

    Skala 1–4; butir 12–16 diberi skor terbalik. Skor total 20–80; makin tinggi, makin berisiko kebiasaan HP malamnya.

    B. Analisis faktor konfirmatori (CFA) pada sampel B

    Model 4 faktor yang berkorelasi diuji pada sampel yang berbeda, memakai JASP atau AMOS. Indeks kecocokan dinilai dengan kriteria Hu dan Bentler (1999).

    Output JASP — Fit indices (n = 220)
    IndeksNilaiKriteriaPenilaian
    χ² (df)301,8 (164)—Peka terhadap n; tidak dipakai sendirian
    χ²/df1,84< 3Baik
    CFI0,953≥ 0,95 baik; ≥ 0,90 dapat diterimaBaik
    TLI0,946≥ 0,95 baik; ≥ 0,90 dapat diterimaDapat diterima
    RMSEA (IK90%)0,062 (0,051–0,072)≤ 0,06 baik; ≤ 0,08 dapat diterimaDapat diterima
    SRMR0,052≤ 0,08Baik

    Muatan faktor terstandar 0,56–0,83; semua p < 0,001.

    C. Reliabilitas dan validitas

    Tabel 31.6 — Reliabilitas dan validitas konvergen per faktor (sampel B)
    FaktorButirαωCRAVE
    F1 Durasi dan waktu60,860,870,860,51
    F2 Pemicu emosional50,820,830,830,50
    F3 Kendali dan aturan50,790,800,790,44
    F4 Gangguan tidur40,810,810,810,52
    Skor total200,900,91

    α dari SPSS (Analyze ▸ Scale ▸ Reliability Analysis); ω dari JASP. AVE F3 di bawah 0,50, tetapi CR ≥ 0,70, sehingga validitas konvergennya masih dapat diterima (Fornell & Larcker, 1981). Faktor ini perlu dicermati: lihat meta-inferensi.

    Tabel 31.7 — Uji hipotesis psikometrik
    HipotesisHasilTerpenuhi?
    Korelasi dengan waktu layar setelah pukul 21.00 ≥ 0,40rs = 0,54 (n = 196)Ya
    Korelasi dengan skor PSQI 0,30–0,60rs = 0,47Ya
    Korelasi dengan usia < 0,30rs = 0,12Ya
    Tidur di atas pukul 23.00 → skor lebih tinggi, d ≥ 0,556,2 ± 8,4 vs 49,8 ± 9,1; d = 0,73Ya
    Uji ulang 2 minggu (n = 50)ICC 0,86 (0,77–0,92)Baik (Koo & Li, 2016)

    Empat dari empat hipotesis terpenuhi. ICC dihitung di SPSS: Reliability Analysis → Statistics → Intraclass correlation coefficient, model two-way mixed, absolute agreement.

    Langkah 8 · Integrasi 2: meta-inferensi

    Tabel 31.8 — Joint display 2: tema kualitatif dan faktor kuantitatif
    Tema kualitatif (fase 1)Faktor kuantitatif (fase 2)KesesuaianMeta-inferensi
    1. Tempat tidur sebagai ruang pribadiF1 Durasi dan waktu (6 butir)KonfirmasiDimensi inti kebiasaan HP malam
    2. Apa yang dilakukan: gim, video, media sosialTidak membentuk faktor; butirnya tersebar atau dihapusDiskordansiAktivitas adalah isi, bukan pola kebiasaan. Lebih tepat diukur dengan daftar periksa terpisah.
    3. Takut ketinggalan dan pelarian rasaF2 Pemicu emosional (5 butir)KonfirmasiPemicu emosional berdiri sebagai dimensi tersendiri
    4. Tarik-ulur kendali: diri dan keluargaF3 Kendali dan aturan (AVE 0,44)PerluasanTema kualitatif menjelaskan AVE yang rendah: faktor ini mencampur kendali diri dan aturan keluarga. Versi berikutnya perlu mempertimbangkan dua subfaktor.
    5. Harga yang dibayar esok pagiF4 Gangguan tidur (4 butir)KonfirmasiDampak yang diceritakan remaja juga terukur

    Inilah nilai tambah mixed methods. Angka saja hanya menyatakan AVE F3 rendah; cerita remaja menjelaskan mengapa. Cerita saja tidak menunjukkan bahwa aktivitas tidak membentuk dimensi tersendiri; angka memperlihatkannya (Fetters dkk., 2013).

    Langkah 9 · Pembahasan dan kesimpulan

    SKGMR yang disusun dari bahasa remaja terdiri atas 20 butir dalam 4 faktor. Kecocokan modelnya memadai, reliabilitasnya baik, dan keempat hipotesis validitasnya terpenuhi. Empat dari lima tema kualitatif terkonfirmasi sebagai faktor. Langkahnya mengikuti praktik baku pengembangan skala: domain dari literatur dan partisipan, validitas isi, uji pra, analisis faktor pada sampel berbeda, lalu reliabilitas dan validitas (Boateng dkk., 2018). Penggunaan parallel analysis dan dua sampel terpisah mengurangi risiko struktur faktor yang hanya kebetulan. Menurut peneliti, SKGMR layak diuji lebih lanjut sebelum dipakai secara luas, terutama faktor kendali dan aturan. Keterbatasan: sampel hanya dari Palembang; semua data dilaporkan sendiri kecuali waktu layar; invariansi pengukuran antara SMP dan SMA belum diuji; dan kemampuan skala mendeteksi perubahan belum dinilai.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap pertanyaan):

    1. Kualitatif: remaja menggambarkan kebiasaan HP malam dalam lima tema: tempat tidur sebagai ruang pribadi, aktivitas yang dilakukan, takut ketinggalan dan pelarian rasa, tarik-ulur kendali, serta harga yang dibayar esok pagi.

    2. Kuantitatif: SKGMR terdiri atas 20 butir dalam 4 faktor dengan kecocokan model memadai (CFI 0,953; RMSEA 0,062), reliabilitas baik (α 0,79–0,86; ICC 0,86), dan bukti validitas konvergen serta kelompok-diketahui.

    3. Integrasi: empat dari lima tema terkonfirmasi sebagai faktor. Tema aktivitas tidak membentuk dimensi kebiasaan, dan tema tarik-ulur kendali menjelaskan rendahnya AVE faktor kendali.

    Saran: uji invariansi pengukuran antara SMP dan SMA serta antara laki-laki dan perempuan, uji di kota lain, pertimbangkan memecah faktor kendali menjadi dua, dan nilai kemampuan skala mendeteksi perubahan setelah intervensi.

    Awas, keliru!
    • Fase kualitatif hanya pajangan: butir sudah disusun dari literatur, wawancara dilakukan belakangan.
    • EFA dan CFA pada sampel yang sama. CFA harus menguji struktur pada sampel baru.
    • Jumlah faktor hanya dari eigenvalue > 1 tanpa parallel analysis.
    • Menghapus butir hanya karena angka tanpa mempertimbangkan isi dan tema.
    • Menyebut skala "valid dan reliabel" setelah satu uji alpha pada 30 orang.
    • Menerjemahkan skala asing kata demi kata tanpa adaptasi budaya dan wawancara kognitif.
    • CVI dengan dua ahli. Gunakan minimal 3, idealnya 6 atau lebih.
    Pojok S2–S3
    • Invariansi pengukuran (CFA multikelompok: konfigural, metrik, skalar) diperlukan sebelum membandingkan skor antarkelompok, misalnya SMP dan SMA.
    • Teori respons butir (IRT) atau model Rasch menilai kesulitan dan daya beda setiap butir, dan membantu menyusun versi pendek.
    • Adaptasi lintas budaya skala asing: terjemahan maju, sintesis, terjemahan balik, komite ahli, dan uji pra (Beaton dkk., 2000).
    • COSMIN (Mokkink dkk., 2010) menyediakan taksonomi sifat pengukuran: validitas isi, validitas struktural, konsistensi internal, reliabilitas, kesalahan pengukuran, validitas konstruk, dan responsivitas.
    • ω lebih dianjurkan daripada α bila muatan faktor tidak sama. Bila faktor-faktor berkorelasi tinggi, pertimbangkan model bifaktor atau ESEM.
    • Laporan mixed methods: ikuti GRAMMS (Bab 21) dan jelaskan titik integrasi secara eksplisit: building di tengah, meta-inferensi di akhir.
    Intinya
    • Sekuensial eksploratori (qual → QUAN) mendengarkan partisipan lebih dulu, lalu mengukur. Desain ini ideal untuk menyusun instrumen dari bahasa partisipan.
    • Integrasi terjadi dua kali: building (tema → butir, disaring dengan CVI dan wawancara kognitif) dan meta-inferensi (joint display tema vs faktor: konfirmasi, perluasan, diskordansi).
    • Validasi kuantitatif memakai dua sampel berbeda: EFA dengan parallel analysis, lalu CFA dengan indeks kecocokan. Tambahkan reliabilitas (α, ω, ICC) dan hipotesis validitas yang ditetapkan sebelumnya.
    Coba sendiri: kuis mixed methods eksploratori
    Bab 32

    Contoh Lengkap Penelitian Kualitatif: Grounded Theory

    Grounded theory membangun teori dari data, bukan menguji teori yang sudah ada. Pendekatan ini dipakai untuk pertanyaan "bagaimana proses … terjadi?" ketika belum ada teori yang memadai. Pengumpulan dan analisis data berjalan bersamaan: setiap wawancara dikode, dibandingkan, dan menentukan siapa yang diwawancarai berikutnya (Glaser & Strauss, 1967).

    SMP–SMAS1S2–S3

    Memilih aliran grounded theory

    Grounded theory punya tiga aliran besar. Semuanya memakai perbandingan terus-menerus, memo, dan theoretical sampling, tetapi berbeda dalam langkah koding dan sikap terhadap literatur.

    Tabel 32.1 — Tiga aliran grounded theory
    Klasik (Glaser)Strauss & CorbinKonstruktivis (Charmaz)
    PandanganTeori "ditemukan" dari dataTeori disusun dengan prosedur sistematisTeori dikonstruksi bersama partisipan; peneliti ikut membentuk
    Langkah kodingSubstantif → teoretisTerbuka → aksial (model paradigma) → selektifAwal (baris demi baris) → terfokus → teoretis
    LiteraturDibaca setelah analisisBoleh sejak awal untuk sensitivitas teoretisDibaca secukupnya di awal, dibandingkan kritis di akhir

    Tim ini memakai prosedur Strauss & Corbin (Corbin & Strauss, 2015), sama dengan Bab 18, dan meminjam teknik koding baris demi baris dengan kata kerja dari Charmaz (2014). Perpaduan ini dinyatakan terbuka di bab metode.

    Langkah 1 · Judul, pertanyaan, dan tujuan

    Proses Pemulihan Remaja dari Ketergantungan Gim Daring: Studi Grounded Theory di Palembang
    Proses yang dipahamiPendekatanKonteks

    Kata "Proses" adalah penanda grounded theory. Judul ini sama dengan contoh di Bab 15; bab ini menyajikan penelitiannya secara utuh. Tim Prof. Nuni (dengan Rara sebagai peneliti kedua) bekerja bersama seorang psikolog klinis pada tahun 2028.

    Subpertanyaan
    Tujuan khusus
    Digali dengan
    Kategori yang menjawab
    1
    Apa yang membuat remaja mulai berubah?
    Mengeksplorasi pemicu awal pemulihan.
    Wawancara remaja dan orang tua
    Tersentak oleh titik balik
    2
    Strategi dan kondisi apa yang membuat pemulihan berjalan atau tersendat?
    Menjelaskan strategi dan kondisi yang memengaruhi pemulihan.
    Wawancara remaja, orang tua, profesional
    Membongkar kebiasaan; mengisi kekosongan; kondisi pengaruh
    3
    Bagaimana remaja mempertahankan pemulihan?
    Menjelaskan cara remaja mempertahankan pemulihan, termasuk saat kambuh.
    Wawancara partisipan yang pernah kambuh
    Menjaga batas

    Pertanyaan utama: Bagaimana proses remaja pulih dari ketergantungan gim daring? Tujuan umum: menyusun model teoretis tentang proses pemulihan remaja dari ketergantungan gim daring. Tidak ada hipotesis di awal; proposisi justru dihasilkan di akhir penelitian.

    Langkah 2 · Partisipan dan theoretical sampling

    • Kriteria awal: usia 16–24 tahun; saat remaja pernah mengalami ketergantungan gim daring hingga mengganggu sekolah, keluarga, atau kesehatan (ditelusuri psikolog berdasarkan kriteria gangguan bermain gim WHO); menilai dirinya sudah membaik sedikitnya 6 bulan.
    • Jalur rekrutmen: guru BK, klinik psikologi, dan komunitas olahraga. Partisipan tidak dicari lewat grup gim, agar mereka tidak terpapar kembali.
    • Theoretical sampling: setelah 6 wawancara pertama, partisipan berikutnya dipilih berdasarkan kategori yang sedang berkembang, bukan berdasarkan jumlah yang ditetapkan di awal.
    Tabel 32.2 — Jejak theoretical sampling (data simulasi)
    WawancaraPertanyaan dari memo sebelumnyaSiapa yang dicariHasil bagi teori
    1–6(sampel awal, purposif)Remaja yang merasa sudah pulihMuncul kategori "titik balik" dan "mengisi kekosongan"
    7–9Apakah pemulihan selalu berjalan lurus?3 partisipan yang pernah kambuhKategori "tergelincir" menjadi bagian dari "menjaga batas"
    10–13Keluarga itu pendorong atau sumber konflik?4 orang tua (dari keluarga lain)Dimensi "kesepakatan vs larangan sepihak"
    14–20Apa beda yang dibantu profesional dan yang pulih sendiri?3 remaja yang dibantu psikolog, 2 yang pulih sendiri, 1 psikolog klinis, 1 guru BKKondisi "bantuan yang tepat waktu"
    21–22Apakah prosesnya sama pada perempuan?2 remaja perempuanVariasi pemicu: sosial dibanding kompetisi; kategori tetap bertahan

    Saturasi teoretis tercapai ketika wawancara 20–22 tidak lagi menambah sifat atau dimensi baru pada kategori. Ini berbeda dengan saturasi data biasa: yang dinilai adalah kelengkapan kategori, bukan sekadar tidak adanya cerita baru. Total 22 partisipan: 16 remaja dan dewasa muda (12 laki-laki, 4 perempuan; 16–24 tahun), 4 orang tua, dan 2 profesional. Jumlah ini sesuai kisaran 20–30 orang di Bab 14.

    Langkah 3 · Etika

    • Topik ini menyangkut kesehatan jiwa dan sebagian partisipan belum dewasa, sehingga protokol ditelaah KEPK (Bab 7A). Partisipan 16–17 tahun memberikan assent dan orang tuanya memberikan persetujuan.
    • Protokol bila partisipan tertekan: wawancara dihentikan, psikolog klinis siap dihubungi, dan tersedia jalur rujukan.
    • Kerahasiaan antaranggota keluarga: orang tua yang diwawancarai berasal dari keluarga lain. Isi wawancara remaja tidak pernah disampaikan kepada orang tuanya.
    • Nama akun gim, nama tim, dan nama sekolah dihapus dari transkrip. Tanda terima kasih berupa pulsa, bukan voucher gim.

    Langkah 4 · Siklus pengumpulan dan analisis

    1 · Kumpulkan data2 · Koding3 · Bandingkan4 · Tulis memo5 · TheoreticalSaturasi teoretis wawancaraterbuka → aksialterus-menerusdugaan, hubungansamplingkategori inti + model berulang
    Gambar 32.1 — Siklus kerja grounded theory. Siklus berhenti ketika kategori sudah jenuh secara teoretis.

    A. Koding terbuka: memecah data baris demi baris

    Setiap baris transkrip diberi kode yang menggambarkan tindakan atau proses, sebaiknya memakai kata kerja (Charmaz, 2014), bukan sekadar topik.

    Tabel 32.3 — Koding terbuka pada petikan wawancara P3 (laki-laki, 19 tahun; simulasi)
    Petikan transkripKode terbuka
    "Waktu itu nilai semester jeblok, tiga pelajaran merah."Menerima pukulan akademik
    "Ibu nggak marah, cuma diam. Itu lebih sakit."Tersentak oleh diamnya ibu
    "Aku mikir, selama ini aku ngapain aja."Mempertanyakan diri sendiri
    "Besoknya aku hapus gimnya, tapi seminggu kemudian instal lagi."Mencoba berhenti lalu tergelincir
    "Yang bikin bertahan justru diajak latihan futsal tiap sore."Mengisi jam rawan dengan kegiatan baru
    "Di tim futsal aku dihargai, bukan cuma di gim."Menemukan pengakuan di dunia nyata
    Coba sendiri: kode topik atau kode proses?

    Untuk setiap petikan, pilih kode yang lebih berguna untuk membangun teori tentang proses.

    "Aku bikin janji sama diri sendiri: main cuma hari Sabtu."

    "Hari Sabtu" hanya topik. "Menetapkan batas sendiri" menangkap tindakan yang bisa dibandingkan antarpartisipan.

    "HP aku titip ke kakak tiap malam, biar nggak kepikiran."

    Kode proses menunjukkan strategi: kendali dipinjam dari luar diri.

    "Teman satu timku terus ngajak main lagi lewat chat."

    "Chat" hanya media. "Ditarik kembali oleh teman satu tim" menangkap tekanan yang menghambat pemulihan.

    "Pas kambuh, aku nggak mau nyerah. Anggap aja kepeleset."

    Kode proses menangkap cara partisipan memaknai kambuh, dan inilah yang kemudian menjadi sifat penting kategori "menjaga batas".

    Pilih kode untuk keempat petikan.

    B. Perbandingan terus-menerus dan memo

    Setiap kode baru dibandingkan dengan kode sebelumnya, di dalam dan antarpartisipan. Kemiripan dikelompokkan menjadi kategori, dan perbedaannya menjadi dimensi. Semua pemikiran analitis ditulis dalam memo.

    Memo 14 · Pekan ke-9 · "Kambuh"

    Tiga partisipan yang pernah kambuh tidak menyebutnya kegagalan; mereka memakai kata "kepeleset". Yang membedakan mereka dari yang berhenti total adalah adanya kegiatan pengganti yang sudah memberi pengakuan (futsal, OSIS, kerja paruh waktu). Dugaan: kambuh cepat teratasi bila kekosongan sudah terisi. Langkah berikutnya: cari partisipan yang kambuh tetapi belum punya kegiatan pengganti. Tanyakan kepada psikolog, apakah pola ini juga terlihat di klinik?

    C. Koding aksial: menghubungkan kategori

    Kategori dihubungkan memakai model paradigma: kondisi penyebab → fenomena → konteks dan kondisi pengaruh → strategi (tindakan/interaksi) → konsekuensi (Corbin & Strauss, 2015).

    Tabel 32.4 — Kategori, kode yang dikelompokkan, serta sifat dan dimensinya
    Kategori (peran dalam model)Kode terbuka yang dikelompokkanSifat: dimensi
    Tersentak oleh titik balik (kondisi penyebab)Menerima pukulan akademik; tersentak oleh diamnya ibu; kehilangan teman nyata; tubuh memberi sinyalSumber: dari luar – dari dalam; kekuatan: ringan – mengguncang
    Membongkar kebiasaan (strategi)Menghapus aplikasi; meminjam kendali dari orang lain; menjauh dari teman satu timCara: mendadak – bertahap; kendali: dipaksa – disepakati
    Mengisi kekosongan (strategi)Mengisi jam rawan; menemukan pengakuan di dunia nyata; kembali ke hobi lamaMakna: sekadar sibuk – identitas baru
    Menjaga batas (strategi dan konsekuensi)Menetapkan batas sendiri; minta diingatkan; menghindari pemicu; memaknai kambuh sebagai tergelincirKekokohan: rapuh – kokoh; sumber: diri – kesepakatan keluarga
    Kondisi pengaruhKesepakatan vs larangan sepihak; teman baru vs ditarik kembali oleh teman satu tim; bantuan profesional tepat waktu vs terlambatMendukung – menghambat

    D. Koding selektif: menemukan kategori inti

    Kategori inti adalah konsep yang paling sering muncul, menghubungkan semua kategori lain, dan menjelaskan variasi antarpartisipan. Setelah beberapa kali mencoba (misalnya "berhenti bermain" terlalu sempit, "berubah" terlalu umum), tim menetapkan: "Merebut kembali waktu". Remaja pulih bukan sekadar karena berhenti bermain, tetapi karena merebut kembali waktunya dan mengisinya dengan diri yang baru.

    Langkah 5 · Keabsahan

    Tabel 32.5 — Kriteria mutu grounded theory (Charmaz, 2014)
    KriteriaBukti dalam penelitian ini
    Kredibilitas22 partisipan dengan variasi yang dicari secara sengaja; kategori didukung banyak kutipan; kasus yang tidak cocok dianalisis
    OrisinalitasKategori "mengisi kekosongan dengan pengakuan" menambah hal baru dibanding model tahapan perubahan yang ada
    ResonansiModel ditunjukkan kepada 5 partisipan; semuanya merasa pengalamannya terwakili, dan dua memberi masukan tentang peran teman
    KegunaanModel dapat dipakai konselor dan orang tua; proposisinya dapat diuji penelitian kuantitatif

    Dua peneliti mengode 6 transkrip pertama secara terpisah lalu mendiskusikan perbedaannya. Seluruh memo (47 memo) dan versi diagram model disimpan sebagai jejak audit.

    Langkah 6 · Hasil: model dan proposisi

    KATEGORI INTI · MEREBUT KEMBALI WAKTU Tersentak olehtitik balikMembongkarkebiasaanMengisikekosonganMenjagabatas nilai jatuh,diamnya orang tua,tubuh memberi sinyal hapus aplikasi,titip HP,jauhi tim gim olahraga, organisasi,kerja paruh waktu:pengakuan baru jatah main,minta diingatkan,hindari pemicu tergelincir (kambuh) → bongkar ulang KONDISI PENGARUH: MENDUKUNG ↔ MENGHAMBAT Keluarga: kesepakatan bersama ↔ larangan sepihakTeman: teman baru di kegiatan nyata ↔ ditarik kembali oleh teman satu timBantuan profesional: tepat waktu ↔ terlambat
    Gambar 32.2 — Model teoretis "Merebut kembali waktu" (data simulasi). Konsekuensi yang diharapkan adalah pemulihan yang bertahan; kambuh membawa remaja kembali ke tahap membongkar kebiasaan, bukan ke titik nol.
    Tersentak oleh titik balik

    Perubahan dimulai ketika remaja mengalami peristiwa yang mengguncang dan memaknainya sendiri. Larangan orang tua jarang menjadi titik balik; justru reaksi orang tua yang tidak terduga yang membekas. "Ibu nggak marah, cuma diam. Itu lebih sakit." (P3, laki-laki, 19 tahun)

    Membongkar kebiasaan

    Remaja memutus akses: menghapus aplikasi, menitipkan HP, dan menjauh dari teman satu tim. Pembongkaran yang disepakati dengan keluarga lebih bertahan daripada yang dipaksakan. "Waktu HP disita, aku malah main di warnet. Waktu aku sendiri yang titip ke kakak, baru jalan." (P11, laki-laki, 17 tahun)

    Mengisi kekosongan

    Berhenti bermain meninggalkan jam kosong dan hilangnya pengakuan yang dulu didapat dari gim. Pemulihan bertahan ketika kekosongan diisi kegiatan yang memberi pengakuan baru, bukan sekadar menyibukkan diri. "Di tim futsal aku dihargai, bukan cuma di gim." (P3)

    Menjaga batas

    Remaja menetapkan jatah main, meminta diingatkan, dan menghindari pemicu. Kambuh dimaknai sebagai "kepeleset", lalu mereka membongkar ulang kebiasaan. "Pas kambuh, aku nggak mau nyerah. Anggap aja kepeleset." (P8, perempuan, 18 tahun)

    Proposisi teoretis yang dihasilkan:

    1. Titik balik mendorong pemulihan bila dimaknai sendiri oleh remaja, bukan hanya dipaksakan dari luar.

    2. Pemulihan lebih bertahan bila kekosongan waktu diisi peran baru yang memberi pengakuan.

    3. Kambuh tidak menghapus pemulihan bila batas disepakati bersama dan kegiatan pengganti sudah tersedia.

    Langkah 7 · Pembahasan dan kesimpulan

    Pemulihan remaja dari ketergantungan gim daring berlangsung sebagai proses "merebut kembali waktu": tersentak oleh titik balik, membongkar kebiasaan, mengisi kekosongan, dan menjaga batas, dengan kambuh sebagai jalur kembali, bukan kegagalan. Tahapannya mirip model tahapan perubahan perilaku (Prochaska & DiClemente, 1983), yang juga memandang kambuh sebagai bagian dari siklus. Model ini menambahkan hal yang belum menonjol di sana: pentingnya mengganti pengakuan yang dulu diperoleh dari gim. Gangguan bermain gim kini diakui WHO dalam ICD-11, sehingga model proses seperti ini relevan untuk layanan konseling. Menurut peneliti, program pemulihan sebaiknya tidak berhenti pada pembatasan, tetapi menyiapkan kegiatan pengganti yang bermakna dan kesepakatan keluarga. Keterbatasan: pengalaman diceritakan kembali setelah pulih sehingga bergantung pada ingatan; "pulih" dinilai sendiri oleh partisipan; hanya satu kota; partisipan perempuan sedikit; dan latar belakang peneliti di bidang kesehatan ikut memengaruhi tafsiran.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Pemulihan dimulai oleh titik balik yang mengguncang dan dimaknai sendiri oleh remaja, seperti pukulan akademik, reaksi orang tua, atau sinyal tubuh.

    2. Pemulihan berjalan melalui membongkar kebiasaan dan mengisi kekosongan dengan peran yang memberi pengakuan. Prosesnya didukung kesepakatan keluarga, teman baru, dan bantuan profesional yang tepat waktu, serta dihambat larangan sepihak dan tarikan teman satu tim.

    3. Pemulihan dipertahankan dengan menjaga batas, dan kambuh dimaknai sebagai tergelincir yang dapat diatasi. Seluruh proses dirangkum dalam kategori inti "merebut kembali waktu".

    Saran: konselor dan orang tua dapat memakai model ini untuk merencanakan pendampingan yang menekankan kegiatan pengganti dan kesepakatan. Peneliti selanjutnya dapat menguji proposisinya secara kuantitatif, misalnya melalui kohort remaja yang sedang pulih, atau mengembangkan intervensi berbasis model ini.

    Awas, keliru!
    • Menyebut "grounded theory" padahal hanya menghasilkan tema. Grounded theory harus menghasilkan kategori inti, model proses, dan proposisi.
    • Menetapkan jumlah partisipan di awal lalu mengumpulkan semua data sebelum analisis. Tanpa theoretical sampling, grounded theory kehilangan cirinya.
    • Memaksakan teori yang sudah ada sebagai kerangka koding sejak awal.
    • Kode berupa topik ("keluarga", "HP") yang tidak menangkap tindakan dan proses.
    • Tidak ada memo, sehingga keputusan analisis tidak bisa ditelusuri.
    • Mencampur aliran tanpa menyatakannya, misalnya mengaku Glaserian tetapi memakai model paradigma Strauss & Corbin.
    Pojok S2–S3
    • Sensitivitas teoretis: kemampuan peneliti melihat makna dalam data, diasah lewat pengalaman, literatur, dan memo. Nyatakan latar belakang yang mungkin memengaruhi tafsiran.
    • Koding teoretis (Glaser) memakai keluarga kode, misalnya proses, strategi, atau tahapan, untuk menghubungkan kategori menjadi teori yang terintegrasi.
    • Teori substantif dan teori formal: model ini substantif (pemulihan dari gim pada remaja di satu kota). Teori formal disusun dengan membandingkan beberapa teori substantif, misalnya pemulihan dari berbagai kecanduan perilaku.
    • Menguji proposisi: proposisi grounded theory dapat dijadikan hipotesis penelitian kuantitatif, misalnya dalam mixed methods sekuensial eksploratori (Bab 31).
    • Rujukan metode: Glaser & Strauss (1967), Corbin & Strauss (2015), Charmaz (2014), dan Birks & Mills (2015). Laporkan mengikuti SRQR atau COREQ (Bab 19).
    Intinya
    • Grounded theory membangun teori substantif tentang suatu proses langsung dari data, untuk pertanyaan “bagaimana proses … terjadi?” yang belum dijelaskan teori yang ada.
    • Cirinya: pengumpulan dan analisis berjalan bersamaan, perbandingan terus-menerus, memo, dan theoretical sampling sampai saturasi teoretis; koding terbuka → aksial → selektif. Aliran yang dipakai dinyatakan terbuka.
    • Hasilnya adalah kategori inti, model proses, dan proposisi yang dibandingkan dengan literatur, diperiksa ke partisipan, dan dapat diuji penelitian kuantitatif.
    Coba sendiri: kuis grounded theory
    Bab 33

    Contoh Lengkap Penelitian Kualitatif: Studi Kasus

    Studi kasus menyelidiki satu fenomena masa kini secara mendalam di dalam konteks nyatanya, terutama bila batas antara fenomena dan konteks tidak jelas (Yin, 2018). Kasusnya adalah sistem yang berbatas: satu program, satu sekolah, satu peristiwa, dalam kurun waktu tertentu. Kekuatannya ada pada banyak sumber bukti yang saling dikonfirmasi.

    SMP–SMAS1S2–S3

    Kapan memilih studi kasus?

    Saran skripsi Rara (Bab 12) ditindaklanjuti: pada tahun ajaran 2027/2028, SMA Negeri X meluncurkan program "Jam Belajar Tanpa Gawai". Isinya: HP disimpan di loker kelas pukul 07.00–14.00, kesepakatan dengan orang tua agar pukul 19.00–21.00 menjadi jam belajar tanpa gawai di rumah, dan guru tidak memberi tugas lewat WhatsApp setelah pukul 20.00. Rara ingin tahu bagaimana program ini dijalankan dan mengapa hasilnya berbeda antarkelas.

    Tabel 33.1 — Tiga syarat studi kasus menurut Yin, diterapkan pada pertanyaan Rara
    SyaratPada penelitian ini
    Pertanyaan "bagaimana" dan "mengapa"Bagaimana program dijalankan? Mengapa kepatuhan berbeda antarkelas?
    Peneliti tidak mengendalikan peristiwaSekolah yang menjalankan program; Rara tidak memberi perlakuan (berbeda dengan eksperimen)
    Fenomena masa kini dalam konteks nyataProgram sedang berjalan, dan sulit dipisahkan dari kehidupan sekolah dan rumah

    Mengapa bukan pendekatan lain? Fokusnya bukan pengalaman batin individu (fenomenologi), bukan pola budaya kelompok (etnografi, Bab 30), dan bukan membangun teori baru (grounded theory, Bab 32). Fokusnya satu program yang berbatas jelas, dilihat dari banyak sisi.

    Langkah 1 · Judul dan definisi kasus

    Implementasi Program "Jam Belajar Tanpa Gawai" di SMA Negeri X Palembang: Studi Kasus
    Fenomena (kasus)KonteksPendekatan
    • Kasus: program "Jam Belajar Tanpa Gawai" di SMA Negeri X selama tahun ajaran 2027/2028 (Juli 2027–Juni 2028). Batasnya jelas: satu program, satu sekolah, satu tahun.
    • Desain: studi kasus tunggal terjalin (embedded). Kasusnya satu, tetapi di dalamnya ada unit analisis yang dibandingkan: kelas X, XI, dan XII.
    • Alasan kasus tunggal: kasus ini khas bagi sekolah yang mulai mengatur gawai, dan dapat diamati sepanjang dua semester (longitudinal).

    Langkah 2 · Pertanyaan, tujuan, dan proposisi

    Subpertanyaan
    Tujuan khusus
    Sumber bukti utama
    Temuan yang menjawab
    1
    Bagaimana program dirancang dan dijalankan?
    Mendeskripsikan rancangan dan pelaksanaan program.
    Dokumen, arsip, observasi
    Tema 1 dan linimasa
    2
    Faktor apa yang mendukung dan menghambat pelaksanaan?
    Menjelaskan pendukung dan penghambat pelaksanaan.
    Wawancara, observasi, arsip per kelas
    Tema 2–4
    3
    Bagaimana siswa, guru, dan orang tua menyesuaikan diri?
    Mengeksplorasi penyesuaian warga sekolah.
    Wawancara, FGD, notulen rapat
    Tema 5

    Proposisi membantu mengarahkan pengumpulan data (Yin, 2018). Rara menyusunnya dari kerangka implementasi CFIR (Damschroder dkk., 2009): P1 aturan yang sederhana dan mudah dipantau lebih cepat dipatuhi; P2 keteladanan guru menentukan kepatuhan kelas; P3 komponen di rumah bergantung pada keterlibatan orang tua.

    Langkah 3 · Protokol dan sumber bukti

    Protokol studi kasus adalah pegangan tertulis agar pengumpulan data konsisten: gambaran kasus, prosedur lapangan, daftar pertanyaan untuk peneliti, dan rencana laporan. Protokol ini menjaga reliabilitas.

    Tabel 33.2 — Sumber bukti (data simulasi)
    Sumber bukti (Yin)Yang dikumpulkan
    DokumenSK kepala sekolah, pedoman program, notulen 6 rapat, lembar kesepakatan orang tua
    Rekaman arsipRekap pemeriksaan loker harian (dua semester), catatan BK, survei internal sekolah (412 siswa, awal dan akhir tahun)
    WawancaraKepala sekolah 1, wakasek kesiswaan 1, guru 8 (termasuk 3 wali kelas), siswa 12, orang tua 6, ditambah 2 FGD siswa (16 orang)
    Observasi langsungPengumpulan HP pagi (10 kali), 12 jam pelajaran, 2 rapat evaluasi
    Artefak fisikLoker, poster, dan kartu kesepakatan di rumah (difoto dengan izin)
    Tabel 33.3 — Matriks triangulasi: sumber mana menjawab subpertanyaan mana
    SubpertanyaanDokumenArsipWawancaraObservasiArtefak
    1. Rancangan dan pelaksanaan●●●●●
    2. Pendukung dan penghambat○●●●—
    3. Penyesuaian warga sekolah●○●○○

    ● sumber utama; ○ sumber pendukung; — tidak dipakai. Setiap temuan penting harus didukung minimal tiga sumber.

    Semua bukti disimpan dalam database studi kasus (transkrip, catatan lapangan, pindaian dokumen, lembar kerja arsip), terpisah dari laporan. Dari setiap kesimpulan, pembaca dapat menelusuri rantai bukti sampai ke data asalnya.

    Langkah 4 · Etika

    • Izin dinas pendidikan dan sekolah; persetujuan guru; persetujuan orang tua dan assent siswa. Nama sekolah disamarkan.
    • Relasi kuasa: guru yang mengaku masih memberi tugas malam lewat WhatsApp tidak boleh dikenali oleh kepala sekolah. Laporan untuk sekolah hanya memuat temuan agregat.
    • Refleksivitas: program ini berasal dari saran skripsi Rara, sehingga ia bisa cenderung ingin melihat program berhasil. Hal ini ditulis di laporan, dan draf temuan dibaca rekan peneliti yang tidak terlibat.

    Langkah 5 · Analisis

    1. Koding deduktif dengan konstruk CFIR (karakteristik program, lingkungan dalam, lingkungan luar, karakteristik individu, proses), ditambah kode induktif untuk hal yang tidak tercakup kerangka.

    2. Pencocokan pola (pattern matching): pola yang diprediksi proposisi dibandingkan dengan pola yang teramati.

    3. Membangun penjelasan (explanation building): penjelasan disusun, diuji dengan bukti baru, lalu diperbaiki berulang kali.

    4. Analisis runtun waktu (semester 1 dan 2) dan perbandingan antarunit (kelas X, XI, XII).

    5. Menguji penjelasan pesaing (rival explanations): apakah ada penjelasan lain untuk temuan yang sama?

    Tabel 33.4 — Pencocokan pola
    ProposisiPola yang diprediksiPola yang teramatiCocok?
    P1 Aturan sederhanaAturan loker cepat dipatuhiKepatuhan loker 86% sejak semester 1, naik menjadi 94%Ya
    P2 Keteladanan guruKelas dengan wali kelas yang ikut menyimpan HP lebih patuhKelas dengan wali kelas yang ikut aturan: 97% patuh; kelas lain 88%. Tugas WhatsApp malam dari guru menjadi "kebocoran" utamaYa
    P3 Keterlibatan orang tuaKomponen di rumah paling sulit dijalankanLembar kesepakatan kembali 71%, naik menjadi 83% setelah pertemuan orang tua; orang tua yang bekerja malam paling kesulitanYa

    Penjelasan pesaing. Kenaikan kepatuhan pada semester 2 bisa saja karena musim ujian, bukan karena perbaikan program. Namun kenaikan sudah terlihat pada Januari–Februari, sebelum masa ujian, bersamaan dengan revisi program. Penjelasan pesaing ini dinilai kurang kuat.

    Langkah 6 · Hasil

    semester 2 → JulAguSepOktDesJanMarJun peluncuran lokerdimulai kesepakatankembali 71% kelas XIImenawar evaluasidan revisi pertemuanorang tua kesepakatankembali 83% evaluasiakhir Revisi Desember: HP boleh dipakai untuk belajar pukul 19.00–21.00 bila didampingi;guru dilarang memberi tugas WhatsApp setelah pukul 20.00
    Gambar 33.1 — Linimasa program 2027/2028 (data simulasi). Titik merah menandai evaluasi dan revisi yang mengubah jalannya program.
    Tabel 33.5 — Data arsip per semester
    IndikatorSemester 1Semester 2
    Kepatuhan menyimpan HP di loker (pemeriksaan harian)86%94%
    Lembar kesepakatan orang tua yang kembali71%83%
    Laporan tugas WhatsApp dari guru setelah pukul 20.00143
    Siswa yang menyimpan HP saat belajar malam (survei sekolah)48%61%

    Angka arsip bersifat deskriptif, bukan hasil uji statistik. Angka ini dipakai sebagai salah satu sumber bukti dalam triangulasi.

    Tema 1 · Aturan loker: sederhana dan terlihat

    Aturan loker mudah dipahami dan pelanggarannya langsung terlihat, sehingga cepat menjadi kebiasaan. "Awalnya berat, tapi karena semua kumpul HP, ya sudah biasa." (siswi kelas XI). Observasi pagi menunjukkan pengumpulan HP rata-rata hanya 4 menit.

    Tema 2 · Guru: teladan sekaligus sumber kebocoran

    Kelas yang wali kelasnya ikut menyimpan HP paling patuh. Sebaliknya, tugas lewat WhatsApp pada malam hari membuat siswa "terpaksa" memegang HP. "Kami disuruh simpan HP, tapi tugas dikirim jam sembilan malam." (FGD siswa kelas X)

    Tema 3 · Rumah: wilayah yang sulit dijangkau

    Komponen di rumah bergantung pada orang tua. Keluarga dengan orang tua yang bekerja malam paling sulit menjalankannya. "Saya pulang jam sepuluh, mana bisa mengawasi." (ayah, pengemudi ojek daring)

    Tema 4 · Kelas XII menawar

    Siswa kelas XII membutuhkan HP untuk latihan soal daring menjelang ujian. Aturan yang kaku memicu penolakan, dan kepatuhan kelas XII paling rendah di semester 1.

    Tema 5 · Belajar dari semester pertama

    Evaluasi Desember menghasilkan revisi: HP boleh dipakai untuk belajar bila didampingi, dan guru dilarang mengirim tugas setelah pukul 20.00. Program yang mau menyesuaikan diri justru lebih dipatuhi. "Aturannya jadi masuk akal, jadi kami ikut." (siswa kelas XII)

    Langkah 7 · Menjaga mutu

    Tabel 33.6 — Empat uji mutu studi kasus (Yin, 2018)
    UjiTaktik dalam penelitian iniTahap
    Validitas konstrukBanyak sumber bukti; rantai bukti; draf dibaca informan kunci (kepala sekolah, 2 guru, 2 siswa)Pengumpulan data, penulisan
    Validitas internalPencocokan pola; membangun penjelasan; menguji penjelasan pesaingAnalisis
    Validitas eksternalGeneralisasi analitik ke kerangka CFIR, bukan generalisasi statistik ke semua sekolahDesain
    ReliabilitasProtokol studi kasus; database studi kasusPengumpulan data

    Langkah 8 · Pembahasan dan kesimpulan

    Program berjalan paling baik pada komponen yang sederhana dan terlihat (loker), bergantung pada keteladanan guru, paling sulit di rumah, dan membaik setelah disesuaikan dengan kebutuhan siswa kelas XII. Temuan ini sejalan dengan kerangka CFIR: karakteristik program, lingkungan dalam (guru), lingkungan luar (keluarga), dan proses adaptasi sama-sama menentukan keberhasilan implementasi (Damschroder dkk., 2009). Menurut peneliti, sekolah lain yang ingin meniru sebaiknya memulai dari aturan sekolah, melibatkan orang tua sejak awal, dan menjadwalkan evaluasi di tengah tahun. Keterbatasan: satu sekolah; kepatuhan di rumah hanya dari laporan; satu tahun ajaran; dan peneliti punya kedekatan dengan asal-usul program.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Program dijalankan melalui aturan loker, kesepakatan rumah, dan larangan tugas malam, lalu direvisi setelah evaluasi semester pertama.

    2. Pendukung utamanya aturan yang sederhana dan keteladanan guru. Penghambatnya tugas WhatsApp malam, orang tua yang bekerja malam, dan kebutuhan belajar daring kelas XII.

    3. Warga sekolah menyesuaikan diri lewat kebiasaan baru dan tawar-menawar aturan; program yang mau beradaptasi lebih dipatuhi.

    Saran: sekolah memperluas pertemuan orang tua dan membuat aturan tertulis tentang tugas daring. Peneliti selanjutnya dapat memakai studi kasus majemuk di beberapa sekolah untuk replikasi, atau mixed methods untuk mengukur dampaknya pada tidur siswa.

    Coba sendiri: uji mutu studi kasusmu

    0 dari 10 butir terpenuhi.

    Awas, keliru!
    • Menyebut "studi kasus" padahal hanya meneliti di satu tempat dengan satu jenis data, misalnya survei di satu sekolah.
    • Kasus tanpa batas yang jelas, misalnya "penggunaan gawai remaja" tanpa lokasi dan periode.
    • Hanya wawancara, tanpa dokumen, arsip, atau observasi.
    • Menggeneralisasi secara statistik ("sekolah di Indonesia …") dari satu kasus.
    • Membuang bukti yang tidak cocok dengan proposisi, alih-alih menguji penjelasan pesaing.
    Pojok S2–S3
    • Dua tradisi: Yin (2018) cenderung postpositivis (proposisi, uji mutu, replikasi), sedangkan Stake (1995) konstruktivis (kasus intrinsik, instrumental, kolektif; menekankan pemahaman). Nyatakan tradisi yang dipakai.
    • Studi kasus majemuk mengikuti logika replikasi, bukan logika sampel: setiap kasus diperlakukan seperti eksperimen ulangan yang diharapkan memberi hasil serupa (replikasi literal) atau berbeda karena alasan yang dapat diramalkan (replikasi teoretis).
    • Studi kasus bisa kuantitatif atau mixed methods. Arsip dan survei dalam kasus dapat dianalisis statistik bila datanya memadai.
    • Kerangka implementasi seperti CFIR membantu menyusun proposisi dan membandingkan temuan dengan penelitian lain (Baxter & Jack, 2008).
    Intinya
    • Studi kasus menyelidiki satu sistem berbatas (program, sekolah, peristiwa, kurun waktu) untuk menjawab pertanyaan “bagaimana” dan “mengapa”, ketika peneliti tidak mengendalikan peristiwanya.
    • Kekuatannya ada pada banyak sumber bukti (dokumen, arsip, wawancara, observasi, artefak) yang ditriangulasi, protokol, database studi kasus, dan rantai bukti.
    • Analisisnya memakai proposisi, pencocokan pola, membangun penjelasan, dan menguji penjelasan pesaing. Generalisasinya analitik (ke teori), bukan statistik.
    Coba sendiri: kuis studi kasus
    Bab 34

    Contoh Lengkap Penelitian Kualitatif: Naratif

    Penelitian naratif memahami pengalaman manusia melalui cerita. Peneliti mengumpulkan kisah satu atau dua orang, lalu menyusunnya ulang (restorying) menjadi alur yang bermakna, dengan memperhatikan waktu, hubungan sosial, dan tempat (Clandinin & Connelly, 2000). Cerita bukan sekadar data; cerita adalah cara orang memberi makna pada hidupnya.

    SMP–SMAS1S2–S3

    Kapan memilih penelitian naratif?

    Dimas, yang kini menempuh S2 antropologi, bertemu seorang guru yang 26 tahun mengajar sebagai honorer di sebuah desa di tepi sungai. Pertanyaannya bukan "berapa banyak guru honorer" atau "apa pola budayanya", tetapi bagaimana satu orang menjalani dan memaknai perjalanan panjang itu. Pertanyaan tentang kisah hidup seperti ini adalah wilayah penelitian naratif (Bab 14).

    Tabel 34.1 — Ragam penelitian naratif
    RagamFokus
    Kisah hidup (life story)Perjalanan hidup seseorang secara utuh (dipakai di bab ini)
    BiografiHidup orang lain yang ditulis peneliti, sering dari dokumen
    Autobiografi dan autoetnografiKisah peneliti sendiri
    Sejarah lisanIngatan pribadi tentang peristiwa sejarah
    Narasi pengalaman tertentuSatu episode, misalnya pengalaman sakit atau bencana

    Langkah 1 · Judul, pertanyaan, dan tujuan

    Kisah Hidup Seorang Guru Honorer di Daerah Terpencil: Studi Naratif
    Fenomena (kisah)KonteksPendekatan
    Subpertanyaan
    Tujuan khusus
    Digali dengan
    Bagian kisah yang menjawab
    1
    Bagaimana Pak Hasan menceritakan perjalanannya menjadi dan bertahan sebagai guru honorer?
    Menyusun ulang kisah hidupnya secara kronologis.
    Wawancara kisah hidup, dokumen pribadi
    Babak 1–2
    2
    Peristiwa apa yang menjadi titik balik dalam kisahnya?
    Mengidentifikasi titik balik dan maknanya.
    Wawancara, foto, surat mantan murid
    Babak 3–4
    3
    Bagaimana ia memaknai identitasnya sebagai guru?
    Menafsirkan makna identitas guru dalam kisahnya.
    Wawancara reflektif, observasi mengajar
    Babak 5

    Partisipan: satu guru, diberi nama samaran Pak Hasan (52 tahun). Ia dipilih secara purposif karena kisahnya kaya dan ia bersedia bercerita panjang. Penelitian naratif memang biasanya melibatkan 1–2 orang (Bab 14).

    Langkah 2 · Mengumpulkan cerita dan teks lapangan

    Tabel 34.2 — Teks lapangan (data simulasi)
    SumberKeterangan
    Wawancara kisah hidup7 kali dalam 5 bulan, total 11 jam; dimulai dengan "Ceritakan bagaimana Bapak mulai mengajar", lalu mengikuti alur Pak Hasan
    Dokumen pribadiSurat tugas honorer 1999, buku catatan mengajar, foto sekolah saat banjir 2012, surat dari mantan murid
    Observasi3 hari ikut ke sekolah, termasuk naik perahu bersama murid
    Wawancara pendukungIstri, 2 mantan murid, dan kepala sekolah, untuk melengkapi konteks
    Jurnal penelitiCatatan reflektif setelah setiap pertemuan

    Dalam wawancara naratif, peneliti lebih banyak mendengarkan. Pertanyaan lanjutan dipakai untuk memperdalam ("Apa yang Bapak rasakan waktu itu?"), bukan untuk menggiring. Foto dan dokumen sering membuka ingatan yang tidak muncul lewat pertanyaan.

    Langkah 3 · Etika: satu partisipan, risiko dikenali tinggi

    • Mudah dikenali: kisah satu orang di desa kecil mudah ditebak. Nama, nama desa, nama sungai, dan beberapa detail disamarkan. Perubahan detail dicatat terpisah agar makna cerita tidak berubah.
    • Persetujuan berkelanjutan: Pak Hasan membaca setiap draf dan boleh meminta bagian tertentu dihapus, misalnya kritik kepada pejabat yang bisa merugikannya.
    • Etika relasional: hubungan dekat selama berbulan-bulan menuntut kejujuran tentang tujuan penelitian dan batas peran peneliti.
    • Memberi kembali: Dimas membantu mendigitalkan foto-foto lama sekolah untuk arsip desa.
    • Protokol ditelaah komisi etik sosial-humaniora (Bab 7B).

    Langkah 4 · Analisis: menyusun ulang dan menafsirkan cerita

    1. Transkripsi dan pembacaan berulang untuk memahami cerita secara utuh sebelum dipecah.

    2. Menyusun ulang (restorying): potongan cerita yang diceritakan melompat-lompat disusun menjadi kronologi, lalu dibagi ke dalam babak.

    3. Ruang naratif tiga dimensi (Clandinin & Connelly, 2000): setiap bagian cerita dibaca dari sisi waktu (masa lalu, kini, harapan), hubungan sosial (perasaan pribadi dan hubungan dengan orang lain), dan tempat.

    4. Analisis tematik naratif (Riessman, 2008): tema dicari dengan menjaga keutuhan setiap cerita, bukan memotongnya menjadi kode-kode kecil. Analisis struktural menandai titik balik (epifani) dalam alur.

    5. Kolaborasi: kisah susunan ulang diperiksa Pak Hasan ("apakah ini ceritamu?") dan diperbaiki bersama.

    Coba sendiri: dimensi mana yang paling menonjol?

    Setiap petikan dapat dibaca dari ketiga dimensi, tetapi satu dimensi biasanya paling menonjol. Pilih yang paling tepat.

    "Dulu saya kira ini sementara, dua tahun saja. Ternyata sampai rambut saya putih."

    Waktu: masa lalu (harapan sementara) dibandingkan dengan masa kini.

    "Kalau air naik, sekolah pindah ke rumah panggung Pak Kades. Papan tulis kami angkut dengan perahu."

    Tempat: sungai, banjir, dan rumah panggung membentuk cara ia mengajar.

    "Saya malu kalau ditanya gaji di kondangan. Tapi orang kampung selalu memanggil saya 'Pak Guru'."

    Hubungan sosial: perasaan pribadi (malu) dan pengakuan dari masyarakat.

    "Waktu Siti pulang jadi bidan dan memeluk saya, saya menangis."

    Hubungan sosial: ikatan guru dan murid menjadi titik balik makna.

    Pilih dimensi untuk keempat petikan.

    Langkah 5 · Hasil: kisah dalam lima babak

    19992006201220162019–20232025–2028 mulai mengajarkuliah jarak jauhbanjir besarmurid jadi bidangagal seleksi berkali-kalidiangkat PPPK
    Gambar 34.1 — Alur kisah (data simulasi). Garis merah menggambarkan naik-turunnya makna menurut cerita Pak Hasan sendiri: di atas garis putus-putus berarti bangga dan bermakna, di bawahnya berarti berat dan ragu. Titik oranye adalah titik balik.
    Babak 1 · "Satu-satunya yang tamat SMA" (1999)

    Sekolah dasar di desanya kekurangan guru. Kepala desa memintanya mengajar "sementara". "Dulu saya kira ini sementara, dua tahun saja. Ternyata sampai rambut saya putih."

    Babak 2 · Sekolah di atas air (2006–2012)

    Ia mengajar tiga kelas sekaligus sambil kuliah jarak jauh. Banjir besar tahun 2012 memindahkan sekolah ke rumah panggung. "Papan tulis kami angkut dengan perahu." Di titik ini ia hampir berhenti.

    Babak 3 · Siti pulang membawa stetoskop (2016)

    Murid pertamanya kembali ke desa sebagai bidan. "Waktu Siti pulang jadi bidan dan memeluk saya, saya menangis." Sejak itu ia menyebut pekerjaannya "menanam".

    Babak 4 · Menunggu nomor induk (2019–2025)

    Ia berkali-kali ikut seleksi aparatur sipil negara dan baru diangkat sebagai PPPK pada 2025. Penantian ini ia ceritakan dengan campuran malu, marah, dan sabar.

    Babak 5 · Utang budi pada kampung

    Pak Hasan memaknai dirinya bukan sebagai "honorer", tetapi sebagai orang yang "membayar utang" kepada kampung yang membesarkannya. Identitas guru baginya lebih ditentukan oleh murid daripada oleh status.

    Tema lintas babak: (1) pengabdian yang lahir dari keadaan; (2) martabat yang dijaga di tengah honor yang kecil; (3) ketidakpastian status sebagai beban batin; (4) murid sebagai sumber makna.

    Langkah 6 · Keabsahan

    • Pemeriksaan oleh partisipan: Pak Hasan membaca kisah susunan ulang dan memperbaiki dua bagian.
    • Pelengkap, bukan "pengecek kebohongan": wawancara istri, mantan murid, dan kepala sekolah menambah konteks. Dalam penelitian naratif yang dicari adalah kebenaran naratif (bagaimana ia memaknai hidupnya), bukan hanya kebenaran sejarah.
    • Refleksivitas: kakek Dimas juga guru, sehingga ia mudah bersimpati. Jurnal reflektif membantunya menyadari kapan ia terlalu cepat menilai.
    • Jejak audit: transkrip, kronologi, dan draf-draf kisah disimpan berurutan.

    Langkah 7 · Pembahasan dan kesimpulan

    Kisah Pak Hasan bergerak dari "sementara" menjadi "pengabdian". Titik baliknya bukan pengangkatan status, melainkan kembalinya murid pertama sebagai bidan. Penelitian naratif memandang identitas sebagai cerita yang terus disusun ulang (Riessman, 2008). Kisah ini memperlihatkan bagaimana identitas guru dibangun dari hubungan dengan murid dan kampung, bukan hanya dari status kepegawaian. Menurut peneliti, kebijakan tentang guru di daerah terpencil perlu mendengar kisah seperti ini, bukan hanya angka. Keterbatasan: satu kisah dari satu orang, diceritakan dari sudut pandangnya; ingatan tentang masa lalu bisa berubah; dan beberapa detail disamarkan demi keselamatan partisipan.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Pak Hasan menceritakan perjalanannya sebagai pengabdian yang bermula dari keadaan, bertahan melewati banjir dan kuliah jarak jauh, dan dijalani 26 tahun sebagai honorer.

    2. Titik balik terpenting dalam kisahnya adalah kembalinya murid pertama sebagai bidan, yang mengubah makna pekerjaannya menjadi "menanam".

    3. Ia memaknai identitasnya sebagai guru yang membayar utang budi kepada kampung; identitas itu lebih ditentukan oleh murid daripada oleh status.

    Awas, keliru!
    • Memotong cerita menjadi kode-kode kecil sampai alurnya hilang. Dalam penelitian naratif, keutuhan cerita adalah data.
    • Menulis biografi tanpa analisis: hanya menyalin cerita tanpa menafsirkan waktu, hubungan sosial, tempat, dan titik baliknya.
    • Menganggap wawancara pendukung sebagai alat membuktikan partisipan berbohong.
    • Menerbitkan kisah tanpa persetujuan atas draf akhir, padahal partisipan sangat mudah dikenali.
    Pojok S2–S3
    • Empat cara analisis naratif (Riessman, 2008): tematik (apa yang diceritakan), struktural (bagaimana cerita disusun), dialogis/performatif (untuk siapa dan dalam situasi apa cerita diceritakan), dan visual.
    • Struktur cerita Labov (abstrak, orientasi, komplikasi, evaluasi, resolusi, koda) membantu analisis struktural pada episode pendek.
    • Menulis hasil dapat berbentuk kisah bersambung, sketsa, atau puisi temuan, asalkan tafsiran peneliti tetap terlihat.
    • Pembanding: studi naratif majemuk (beberapa guru honorer) membuka analisis lintas kisah, tetapi setiap kisah tetap dianalisis utuh lebih dulu.
    Intinya
    • Penelitian naratif memahami pengalaman melalui cerita satu atau dua orang, lalu menyusunnya ulang menjadi alur yang bermakna.
    • Analisisnya menjaga keutuhan cerita: kronologi, ruang tiga dimensi (waktu, hubungan sosial, tempat), tema naratif, dan titik balik.
    • Karena partisipan mudah dikenali, etikanya menuntut penyamaran detail, persetujuan berkelanjutan atas setiap draf, dan hubungan yang jujur.
    Coba sendiri: kuis penelitian naratif
    Bab 35

    Contoh Lengkap Mixed Methods: Konvergen

    Pada desain konvergen, data kuantitatif dan kualitatif dikumpulkan dalam periode yang sama, dianalisis terpisah, lalu digabung (merging) untuk melihat apakah keduanya saling menguatkan, saling memperluas, atau justru berbeda. Desain ini melengkapi dua desain sekuensial yang sudah dibahas: eksplanatori (Bab 21) dan eksploratori (Bab 31).

    S1S2–S3

    Mengapa konvergen?

    Puskesmas meminta tim Prof. Nuni menilai program tablet tambah darah (TTD) untuk remaja putri: satu tablet setiap minggu, dibagikan di sekolah. Tablet sudah dibagikan, tetapi anemia masih banyak ditemukan. Puskesmas membutuhkan dua jawaban sekaligus dan cepat: berapa banyak siswi yang benar-benar meminumnya dan apa faktornya (angka), serta mengapa (cerita). Karena tidak ada fase yang harus menunggu fase lain, keduanya dikumpulkan bersamaan.

    Langkah 1 · Judul dan notasi

    Kepatuhan Minum Tablet Tambah Darah pada Remaja Putri di Kota Palembang: Studi Mixed Methods Konvergen
    FenomenaKonteksDesain

    Notasi: QUAN + QUAL. Tanda + berarti bersamaan, dan huruf kapital berarti keduanya sama penting (Bab 20).

    Langkah 2 · Tiga jenis pertanyaan

    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Kuantitatif: berapa proporsi kepatuhan dan faktor apa yang berhubungan dengannya?
    Mengetahui proporsi kepatuhan dan faktor yang berhubungan.
    Proporsi, PR, regresi Poisson robust
    38,5% patuh; 3 faktor berhubungan
    2
    Kualitatif: bagaimana siswi, guru, dan petugas memandang pendorong dan penghambat kepatuhan?
    Mengeksplorasi pendorong dan penghambat kepatuhan.
    Analisis tematik
    Lima tema
    3
    Integrasi: sejauh mana kedua hasil saling menguatkan, memperluas, atau berbeda?
    Menggabungkan kedua hasil dalam joint display.
    Merging, meta-inferensi
    3 konfirmasi, 1 perluasan, 1 diskordansi

    Langkah 3 · Diagram prosedur dan sampel

    QUAN: surveiAnalisis statistikQUAL: 6 FGDAnalisis tematikMergingMeta-inferensi 384 siswi, 8 sekolahkuesioner + kartu TTDproporsi, PR,Poisson robust48 siswi + 8 guru UKS+ 4 petugas puskesmas5 temadengan kutipanjoint display periode yang sama: Agustus–September 2028
    Gambar 35.1 — Diagram prosedur QUAN + QUAL. Kedua jalur berjalan bersamaan dan baru bertemu saat merging.
    • QUAN: sampel klaster, yaitu 2 kelas dari masing-masing 8 sekolah (4 SMP, 4 SMA). Besar sampel untuk proporsi 40% dengan presisi 7% adalah 188, dikali efek desain 2 menjadi 376, lalu dibulatkan menjadi 400. Yang dianalisis 384 siswi (96%). Patuh berarti meminum ≥ 3 dari 4 tablet dalam 4 minggu terakhir, dicek dengan kartu minum TTD.
    • QUAL: 6 FGD (48 siswi, dipilih dari responden survei yang bersedia dihubungi, patuh dan tidak patuh), wawancara 8 guru UKS dan 4 petugas puskesmas. Karena peserta FGD adalah bagian dari responden survei, hubungan sampelnya bersarang (nested).
    • Etika: KEPK; persetujuan orang tua dan assent. Topik menstruasi dan anemia sensitif, sehingga FGD difasilitasi perempuan, dipisahkan antara SMP dan SMA, dan dilakukan tanpa guru.

    Langkah 4 · Hasil kuantitatif

    Sebanyak 90,9% siswi menerima tablet dalam 4 minggu terakhir, tetapi hanya 38,5% (148/384; IK95% 32,6–44,7 setelah memperhitungkan klaster) yang patuh meminumnya.

    Gambar 35.2 — Kepatuhan minum TTD menurut faktor

    Persentase siswi yang patuh pada kelompok "ya" dan "tidak" untuk setiap faktor (n = 384)
    YaTidak
    0%20%40%60% Minum bersamaMengalami mualPengetahuan baikDukungan orang tua Minum bersama, ya: 58,1%Minum bersama, tidak: 22,6% Mengalami mual, ya: 25,2%Mengalami mual, tidak: 45,5% Pengetahuan baik, ya: 44,4%Pengetahuan baik, tidak: 31,8% Dukungan orang tua, ya: 49,4%Dukungan orang tua, tidak: 31,0% 58,122,625,245,544,431,849,431,0
    Tabel 35.1 — Faktor yang berhubungan dengan kepatuhan
    FaktorPR kasar (IK95%)PR terkoreksi (IK95%)p
    Minum bersama di sekolah2,57 (1,94–3,40)2,21 (1,68–2,91)< 0,001
    Mengalami mual0,55 (0,40–0,77)0,64 (0,46–0,88)0,007
    Pengetahuan baik1,39 (1,07–1,81)1,22 (0,95–1,57)0,121
    Dukungan orang tua1,59 (1,24–2,05)1,34 (1,05–1,71)0,019

    Regresi Poisson robust dengan galat baku klaster sekolah (Bab 27). PR < 1 berarti kepatuhan lebih rendah.

    Langkah 5 · Hasil kualitatif

    Tema 1 · Dibagi, belum tentu diminum

    "Tabletnya dibawa pulang, terus lupa di tas sampai berminggu-minggu." (siswi SMA). Guru UKS menghitung tablet yang dibagi, bukan yang diminum.

    Tema 2 · Mual karena perut kosong

    "Diminum pagi di sekolah sebelum sarapan, habis itu mual." (siswi SMP). Banyak siswi tidak sarapan, sehingga tablet diminum saat perut kosong.

    Tema 3 · Takut gemuk dan bau amis

    "Katanya bikin gemuk, terus baunya amis." (siswi SMA). Keyakinan ini beredar dari mulut ke mulut, bahkan di antara siswi yang tahu manfaat TTD.

    Tema 4 · Minum bersama bikin berani

    "Kalau minum bareng teman dan Bu Guru juga minum, jadi berani." (siswi SMP). Contoh dari guru dan teman mengalahkan rasa takut.

    Tema 5 · Pesan tak sampai ke rumah

    "Ibu saya kira ini obat untuk orang sakit." (siswi SMA). Guru UKS: "Belum pernah ada surat ke orang tua."

    Langkah 6 · Merging: joint display dan meta-inferensi

    Tabel 35.2 — Joint display (Guetterman dkk., 2015)
    DomainKuantitatifKualitatifKesesuaianMeta-inferensi
    Distribusi dan konsumsi90,9% menerima; 38,5% patuhTema 1: dibagi, belum tentu diminumKonfirmasiMasalah utama ada pada langkah meminum, bukan pada pembagian
    PengawasanMinum bersama: PR 2,21Tema 4: minum bersama bikin beraniKonfirmasiMinum bersama layak dijadikan standar program
    Efek sampingMual: PR 0,64Tema 2: mual karena perut kosongPerluasanData kualitatif menjelaskan penyebab mual; jadwalkan minum setelah makan
    Pengetahuan dan keyakinanPengetahuan: PR 1,22, tidak bermaknaTema 3: takut gemuk dan bau amis, walaupun tahu manfaatnyaDiskordansiPenghambatnya keyakinan keliru, bukan kurang pengetahuan. Survei belum mengukur keyakinan, sehingga perlu instrumen baru
    KeluargaDukungan orang tua: PR 1,34Tema 5: pesan tak sampai ke rumahKonfirmasi dan perluasanOrang tua perlu diberi tahu bahwa TTD adalah pencegahan, bukan obat

    Diskordansi pada baris pengetahuan bukan kegagalan. Justru di situlah wawasan baru muncul: angka menunjukkan pengetahuan tidak cukup, dan cerita menjelaskan apa yang sebenarnya menghambat. Bila hasil berbeda, peneliti dapat mengumpulkan data tambahan, menganalisis ulang, atau menjelaskan perbedaannya secara teoretis (Fetters dkk., 2013).

    Langkah 7 · Pembahasan dan kesimpulan

    Hampir semua siswi menerima TTD, tetapi hanya 38,5% yang meminumnya secara teratur. Minum bersama dan dukungan orang tua mendorong kepatuhan; mual menghambat, dan cerita siswi menunjukkan bahwa mual terkait diminum saat perut kosong serta keyakinan keliru. WHO menganjurkan suplementasi besi-folat mingguan untuk remaja putri di wilayah dengan anemia tinggi (WHO, 2011); tantangannya ada pada kepatuhan. Joint display membuat penggabungan terlihat jelas, sesuai anjuran pelaporan mixed methods (Guetterman dkk., 2015). Menurut peneliti, program perlu bergeser dari "membagikan" menjadi "meminum bersama setelah makan", disertai surat untuk orang tua. Keterbatasan: kepatuhan dilaporkan sendiri walaupun dicek dengan kartu; keyakinan tidak diukur dalam survei; satu kota; dan waktu pengumpulan data singkat.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Kuantitatif: kepatuhan minum TTD 38,5%. Minum bersama di sekolah dan dukungan orang tua berhubungan dengan kepatuhan yang lebih tinggi, sedangkan mual berhubungan dengan kepatuhan yang lebih rendah.

    2. Kualitatif: lima tema menggambarkan pendorong dan penghambat: tablet dibagi tetapi tidak diminum, mual karena perut kosong, takut gemuk dan bau amis, minum bersama membuat berani, dan pesan yang tidak sampai ke rumah.

    3. Integrasi: kedua hasil saling menguatkan pada tiga domain, cerita siswi memperluas penjelasan tentang mual, dan diskordansi pada domain pengetahuan menunjukkan pentingnya keyakinan keliru.

    Awas, keliru!
    • Dua laporan yang ditempel: hasil survei di Bab 4, hasil FGD di Bab 5, tanpa joint display dan tanpa meta-inferensi.
    • Menyembunyikan hasil yang tidak sejalan. Diskordansi harus dilaporkan dan ditafsirkan.
    • Pertanyaan kuantitatif dan kualitatif membahas hal berbeda, sehingga tidak ada yang bisa digabung.
    • Salah satu jalur dikerjakan asal-asalan, misalnya survei tanpa perhitungan sampel atau FGD tanpa analisis tematik yang benar.
    Pojok S2–S3
    • Transformasi data: tema dapat diubah menjadi variabel ya/tidak (quantitizing) untuk dibandingkan dengan kepatuhan, atau kelompok skor dapat dijadikan profil naratif (qualitizing).
    • Sampel bersarang memungkinkan membandingkan cerita siswi yang patuh dan yang tidak patuh secara langsung.
    • Menyelesaikan diskordansi: kumpulkan data tambahan, analisis ulang data yang ada, atau rancang studi lanjutan, misalnya menyusun skala keyakinan dengan desain eksploratori (Bab 31).
    • Pelaporan: ikuti GRAMMS (O'Cathain dkk., 2008) dan nyatakan titik integrasinya secara eksplisit.
    Intinya
    • Desain konvergen (QUAN + QUAL) mengumpulkan kedua jenis data dalam periode yang sama, menganalisisnya terpisah, lalu menggabungkannya.
    • Integrasinya lewat merging dalam joint display per domain: konfirmasi, perluasan, atau diskordansi, masing-masing dengan meta-inferensi.
    • Diskordansi adalah sumber wawasan baru, bukan kegagalan. Laporkan, tafsirkan, dan rancang tindak lanjutnya.
    Coba sendiri: kuis mixed methods konvergen
    Bagian VIII

    Ragam Penelitian Lain: Contoh Lengkap

    Selain desain yang sudah dibahas, ada beberapa jenis penelitian yang sangat sering dipakai di skripsi, tesis, dan disertasi di Indonesia. Bagian ini menyajikan contoh utuhnya: merangkum banyak penelitian sekaligus, menguji ketepatan alat skrining, menganalisis survei dengan regresi, memperbaiki pembelajaran di kelas, mengembangkan produk pembelajaran, dan menilai hubungan antarvariabel dengan korelasi.

    1. Bab 36 Tinjauan sistematis dan meta-analisis: PRISMA, risiko bias, forest plot, dan GRADE
    2. Bab 36A Umbrella review: tinjauan atas tinjauan, AMSTAR 2, matriks sitasi dan CCA, kelas kredibilitas bukti, dan PRIOR
    3. Bab 36B Rapid review: pelingkupan bersama pengguna, penyederhanaan yang ditetapkan di protokol, SWiM, GRADE, dan ringkasan bukti untuk dinas
    4. Bab 37 Uji diagnostik: sensitivitas, spesifisitas, nilai prediksi, dan kurva ROC
    5. Bab 38 Regresi linear berganda: survei, uji asumsi klasik, uji F dan uji t
    6. Bab 39 Penelitian Tindakan Kelas (PTK): siklus perencanaan–tindakan–observasi–refleksi
    7. Bab 40 Penelitian dan pengembangan (R&D): model ADDIE, validasi ahli, kepraktisan, keefektifan
    8. Bab 41 Penelitian korelasional: diagram pencar, Pearson dan Spearman, korelasi parsial
    9. Bab 41A Mediasi dan moderasi: regulasi diri sebagai mediator, dukungan pembimbing sebagai moderator, efek tidak langsung a × b, IK bootstrap persentil, PROCESS Model 4 dan 1, pemusatan, simple slopes, Johnson–Neyman, batas mediasi potong lintang
    Bab 36

    Contoh Lengkap Tinjauan Sistematis dan Meta-Analisis

    Tinjauan sistematis mengumpulkan semua penelitian yang menjawab satu pertanyaan, dengan cara yang tercatat dan dapat diulang, lalu menilai mutunya. Meta-analisis adalah langkah statistik untuk menggabungkan hasil penelitian-penelitian itu menjadi satu estimasi. Keduanya berada di puncak hierarki bukti (Bab 4), asalkan dikerjakan dengan benar.

    S1S2–S3

    Tinjauan pustaka biasa atau sistematis?

    Tabel 36.1 — Ragam tinjauan
    JenisCiriPedoman
    Tinjauan naratifArtikel dipilih penulis; cara mencari tidak dijelaskan; rawan bias—
    Tinjauan sistematisPertanyaan spesifik, pencarian menyeluruh, seleksi oleh dua orang, penilaian risiko biasPRISMA 2020
    Meta-analisisPenggabungan statistik hasil studi dalam tinjauan sistematisPRISMA 2020
    Scoping reviewMemetakan luasnya bukti untuk topik yang masih luas; biasanya tanpa penilaian mutuPRISMA-ScR (Bab 52)
    Umbrella reviewMeninjau beberapa tinjauan sistematis sekaligusPRIOR (Bab 36A)
    Rapid reviewTinjauan sistematis yang dipercepat untuk pengambil keputusan; penyederhanaan dilaporkan terbukaPanduan Cochrane Rapid Reviews (Bab 36B)

    Langkah 1 · Judul, pertanyaan PECO, dan protokol

    Hubungan Waktu Layar dengan Kualitas Tidur Buruk pada Remaja: Tinjauan Sistematis dan Meta-Analisis
    Kata kunciPaparanOutcomePopulasiDesain

    Untuk memulai disertasinya, Rara ingin tahu apa kata seluruh penelitian yang ada, bukan hanya penelitiannya sendiri. Pertanyaan disusun dengan kerangka PECO (untuk paparan; PICO untuk intervensi):

    Tabel 36.2 — Kerangka PECO
    PopulationRemaja 10–19 tahun
    ExposureWaktu layar tinggi (sesuai definisi tiap studi, misalnya ≥ 2 jam/hari atau HP ≥ 1 jam sebelum tidur)
    ComparisonWaktu layar rendah
    OutcomeKualitas tidur buruk (PSQI > 5 atau alat ukur tervalidasi yang setara)
    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Bagaimana karakteristik dan risiko bias studi tentang waktu layar dan tidur remaja?
    Mendeskripsikan karakteristik dan risiko bias studi.
    Sintesis naratif, JBI dan NOS
    12 studi; sebagian besar risiko bias rendah–sedang
    2
    Seberapa besar hubungan gabungan waktu layar dengan kualitas tidur buruk?
    Menghitung OR gabungan.
    Meta-analisis efek acak
    OR 1,66 (1,47–1,86)
    3
    Seberapa kuat keyakinan terhadap bukti tersebut?
    Menilai kepastian bukti.
    GRADE
    Kepastian rendah

    Protokol didaftarkan dulu di PROSPERO (registri internasional tinjauan sistematis) sebelum pencarian dimulai. Tujuannya mencegah peneliti mengubah kriteria atau analisis setelah melihat hasil.

    Langkah 2 · Kriteria kelayakan dan strategi pencarian

    • Inklusi: studi cross-sectional atau kohort; remaja 10–19 tahun; melaporkan OR (atau data untuk menghitungnya) antara waktu layar tinggi dan kualitas tidur buruk; bahasa Inggris atau Indonesia; terbit 2010–2026.
    • Eksklusi: studi pada anak dengan gangguan tidur atau penyakit kronis; artikel opini, tinjauan, dan abstrak konferensi tanpa data lengkap.
    • Sumber: PubMed, Scopus, dan Garuda (untuk jurnal Indonesia), ditambah penelusuran daftar pustaka studi yang terpilih. Pencarian dilakukan 15 Januari 2027.
    PubMed:
    ("screen time" OR smartphone* OR "mobile phone" OR "digital media" OR "media use")
    AND (sleep OR "sleep quality" OR PSQI)
    AND (adolescen* OR teen* OR "high school" OR "secondary school")
    
    Garuda:
    (gawai OR smartphone OR "screen time") AND ("kualitas tidur") AND (remaja OR siswa)

    Tanda * mencari semua akhiran kata (adolescent, adolescents, adolescence). Seluruh string pencarian dilampirkan agar pencarian dapat diulang.

    Langkah 3 · Seleksi studi

    Hasil pencarian dimasukkan ke Rayyan (aplikasi gratis untuk seleksi tinjauan sistematis; Ouzzani dkk., 2016). Dua peninjau (Rara dan seorang rekan) menyaring secara terpisah dan tanpa saling melihat keputusan. Kesepakatannya kappa 0,82 pada tahap judul-abstrak dan 0,88 pada tahap teks lengkap. Perbedaan diselesaikan oleh Prof. Nuni.

    Rekaman dari database: 1.248PubMed 512 · Scopus 604 · Garuda 132 Judul-abstrak disaring: 930 Teks lengkap dicari: 68 Teks lengkap dinilai: 65 Studi dalam tinjauan: 129 studi dalam meta-analisis Duplikat dihapus: 318 Dikeluarkan: 862 Tidak diperoleh: 3 Dikeluarkan: 53outcome bukan kualitas tidur 21 · tanpa OR 17bukan remaja 11 · tinjauan/editorial 4
    Gambar 36.1 — Diagram alur PRISMA 2020 (data simulasi). Tiga studi tidak masuk meta-analisis karena melaporkan ukuran efek lain (korelasi atau beda rerata) dan dirangkum secara naratif.

    Langkah 4 · Ekstraksi data dan risiko bias

    Formulir ekstraksi yang sudah diuji coba memuat: penulis, tahun, negara, desain, jumlah subjek, definisi paparan, alat ukur tidur, OR terkoreksi beserta IK95%, dan variabel yang dikoreksi. Data diekstraksi dua orang. Bila data kurang, penulis studi dihubungi lewat surel. Risiko bias dinilai dengan daftar periksa JBI untuk cross-sectional analitik dan Newcastle–Ottawa Scale untuk kohort.

    Tabel 36.3 — Karakteristik studi dalam meta-analisis (studi rekaan untuk contoh)
    StudiNegara, tahunDesainnDefinisi paparanOR (IK95%)Risiko bias
    ATiongkok, 2019Cross-sectional2.150≥ 2 jam/hari1,75 (1,32–2,32)Rendah
    BIndonesia, 2020Cross-sectional612HP ≥ 1 jam sebelum tidur2,10 (1,45–3,04)Sedang
    CJerman, 2018Cross-sectional1.480≥ 2 jam/hari1,35 (1,02–1,79)Rendah
    DBrasil, 2021Cross-sectional420≥ 3 jam/hari1,25 (0,80–1,95)Sedang
    EKorea, 2020Cross-sectional3.105≥ 2 jam/hari1,85 (1,45–2,36)Rendah
    FGhana, 2022Cross-sectional760≥ 2 jam/hari1,30 (0,95–1,78)Sedang
    GIndonesia, 2022Cross-sectional540HP ≥ 1 jam sebelum tidur1,95 (1,33–2,86)Sedang
    HSingapura, 2021Kohort1.820≥ 2 jam/hari1,72 (1,30–2,28)Rendah
    IIndia, 2023Kohort690≥ 3 jam/hari1,90 (1,20–3,01)Sedang

    Nama studi sengaja dibuat A–I agar tidak disangka rujukan nyata. Dalam naskah sungguhan, tulis penulis dan tahun serta cantumkan di daftar pustaka.

    Langkah 5 · Meta-analisis

    1. Ukuran efek: OR terkoreksi diubah ke logaritma natural (ln OR), dan galat bakunya dihitung dari IK95%: SE = [ln(batas atas) − ln(batas bawah)] / 3,92.

    2. Model efek acak (DerSimonian & Laird, 1986), karena populasi dan definisi paparan antarstudi berbeda. Setiap studi diberi bobot 1/(SE² + τ²).

    3. Heterogenitas: uji Q, I² (persentase variasi karena perbedaan nyata antarstudi, bukan kebetulan; 25/50/75% rendah/sedang/tinggi; Higgins dkk., 2003), dan τ².

    4. Analisis subkelompok (Asia dan non-Asia) dan sensitivitas (menghapus satu per satu; hanya risiko bias rendah).

    5. Bias publikasi: funnel plot dan uji Egger (Egger dkk., 1997). Keduanya lemah bila studi kurang dari 10.

    6. Perangkat lunak: RevMan Web (Cochrane), JASP (gratis), R paket metafor, atau menu Meta Analysis di SPSS versi baru.

    Gambar 36.2 — Forest plot interaktif

    Ketuk studi untuk mengeluarkan atau memasukkannya kembali, lalu lihat estimasi gabungan berubah. Kotak = OR studi (ukurannya sebanding bobot); garis = IK95%; belah ketupat = OR gabungan.

    Tabel 36.4 — Hasil meta-analisis
    AnalisisStudiOR gabungan (IK95%)I²
    Utama (efek acak)91,66 (1,47–1,86)16%
    Subkelompok Asia61,84 (1,62–2,10)0%
    Subkelompok non-Asia31,31 (1,09–1,59)0%
    Hanya risiko bias rendah41,67 (1,46–1,91)1%
    Menghapus satu per satu8rentang 1,62–1,710–26%

    Q = 9,48 (df 8; p = 0,30); τ² = 0,005. Perbedaan antarsubkelompok: p = 0,004. Uji Egger: intersep −0,01 (p = 0,99), tetapi dengan hanya 9 studi, uji ini kurang bertenaga.

    Langkah 6 · Kepastian bukti (GRADE)

    Tabel 36.5 — Ringkasan GRADE (Guyatt dkk., 2008)
    DomainPenilaian
    Titik awalStudi observasional: mulai dari rendah
    Risiko biasTidak serius: hasil tetap sama bila hanya studi berisiko bias rendah
    InkonsistensiTidak serius: I² 16%
    KetidaklangsunganTidak serius: populasi, paparan, dan outcome sesuai pertanyaan
    KetidaktepatanTidak serius: IK95% sempit dan jauh dari 1
    Bias publikasiTidak terdeteksi, tetapi kekuatan uji terbatas
    Kepastian akhirRendah: hubungan kemungkinan nyata, tetapi estimasinya bisa berubah bila ada penelitian yang lebih kuat

    Langkah 7 · Pembahasan dan kesimpulan

    Dari 12 studi, 9 dapat digabung: remaja dengan waktu layar tinggi memiliki odds kualitas tidur buruk 1,66 kali lebih tinggi, dengan heterogenitas rendah. Hubungannya lebih kuat pada studi di Asia. Temuan ini sejalan dengan meta-analisis sebelumnya tentang penggunaan perangkat layar sebelum tidur dan luaran tidur anak (Carter dkk., 2016). Menurut peneliti, bukti ini cukup untuk mendukung edukasi kebiasaan layar di sekolah, tetapi belum cukup untuk menyatakan hubungan sebab–akibat. Keterbatasan: hampir semua studi cross-sectional; definisi paparan berbeda-beda; paparan dilaporkan sendiri; hanya dua bahasa; dan jumlah studi per subkelompok sedikit.

    TemuanPembandingOpiniKeterbatasan
    1. Dua belas studi memenuhi kriteria; sebagian besar cross-sectional dengan risiko bias rendah sampai sedang.

    2. Waktu layar tinggi berhubungan dengan kualitas tidur buruk pada remaja (OR gabungan 1,66; IK95% 1,47–1,86).

    3. Kepastian bukti rendah, sehingga penelitian kohort dan eksperimen masih diperlukan.

    Pengajuan etik biasanya tidak diperlukan karena tinjauan sistematis memakai data yang sudah terbit (Bab 7B), tetapi tetap tanyakan kebijakan institusimu.

    Awas, keliru!
    • Menyebut "tinjauan sistematis" padahal hanya mengambil 10 artikel dari Google Scholar tanpa strategi pencarian.
    • Seleksi oleh satu orang, tanpa protokol dan tanpa registrasi.
    • Menggabungkan studi yang tidak sebanding, misalnya OR dan beda rerata, tanpa konversi yang benar.
    • Memakai efek tetap padahal studinya jelas berbeda, atau mengabaikan heterogenitas yang tinggi.
    • Menyimpulkan sebab–akibat dari meta-analisis studi observasional.
    • Tidak menilai risiko bias: studi buruk yang digabung tetap menghasilkan kesimpulan buruk.
    Pojok S2–S3
    • Pedoman: PRISMA 2020 untuk pelaporan (Page dkk., 2021), Cochrane Handbook untuk metode (Higgins dkk., 2019), dan AMSTAR 2 untuk menilai mutu tinjauan orang lain (Shea dkk., 2017).
    • Interval prediksi menunjukkan rentang efek yang mungkin ditemukan pada studi baru, dan lebih informatif daripada IK95% bila heterogenitas tinggi.
    • Meta-regresi menjelaskan heterogenitas dengan karakteristik studi (misalnya tahun atau definisi paparan), asalkan jumlah studinya cukup (sekitar 10 per variabel).
    • Lanjutan: meta-analisis jaringan (membandingkan banyak intervensi sekaligus), meta-analisis data individu (IPD), dan scoping review untuk topik yang masih luas (PRISMA-ScR; Tricco dkk., 2018).
    Intinya
    • Tinjauan sistematis mengumpulkan semua studi yang menjawab satu pertanyaan (PECO/PICO) dengan protokol terdaftar, pencarian menyeluruh, seleksi dua orang, dan penilaian risiko bias.
    • Meta-analisis menggabungkan ukuran efek dengan bobot; laporkan model (tetap atau acak), heterogenitas (I², τ²), analisis sensitivitas dan subkelompok, serta bias publikasi.
    • Hasil dinilai kepastiannya dengan GRADE dan dilaporkan mengikuti PRISMA 2020. Meta-analisis studi observasional tetap tidak membuktikan sebab–akibat.
    Coba sendiri: kuis tinjauan sistematis
    Bab 36A

    Contoh Lengkap Umbrella Review

    Umbrella review (tinjauan payung, disebut juga overview of reviews) adalah tinjauan sistematis yang unit analisisnya tinjauan sistematis dan meta-analisis, bukan studi primer. Umbrella review merangkum dan membandingkan temuan beberapa tinjauan tentang topik yang luas dalam satu dokumen, sambil menilai mutu tinjauan dan kekuatan buktinya (Ioannidis, 2009; Aromataris dkk., 2015).

    S2–S3

    Kapan umbrella review berguna?

    Di Bab 36 Rara menggabungkan sembilan studi primer tentang waktu layar dan kualitas tidur. Saat menulis bab pendahuluan disertasinya, ia menemukan belasan tinjauan sistematis lain tentang waktu layar: ada yang membahas depresi, obesitas, miopia, dan prestasi belajar. Mengulang semuanya dari studi primer akan memakan waktu bertahun-tahun. Yang ia butuhkan adalah tinjauan atas tinjauan. Umbrella review tepat bila:

    • sudah ada beberapa tinjauan sistematis tentang topik yang sama atau berdekatan, dan pembaca butuh gambaran lintas outcome atau intervensi;
    • tinjauan-tinjauan itu tampak bertentangan, dan perlu dijelaskan sebabnya (mutu, periode pencarian, atau definisi paparan);
    • pengambil keputusan, misalnya penyusun pedoman, butuh satu ringkasan bukti tingkat tertinggi.

    Umbrella review tidak tepat bila tinjauan yang ada masih sedikit, atau sudah usang sementara studi baru terus terbit. Dalam keadaan itu, kerjakan atau perbarui tinjauan sistematis. Aturan pertama dari sepuluh aturan Fusar-Poli dan Radua (2018) memang memastikan umbrella review benar-benar diperlukan. Contoh nyata di topik ini adalah tinjauan atas tinjauan oleh Stiglic dan Viner (2019), yang menemukan 13 tinjauan dan hanya satu di antaranya bermutu tinggi.

    Umbrella review Tinjauan A (2019)8 studi primer Tinjauan B (2023)13 studi primer Tinjauan C (2027)9 studi primer Studi 1 (2012): dipakai 1 tinjauan (A)1 Studi 2 (2013): dipakai 2 tinjauan (A, B)2 Studi 3 (2014): dipakai 2 tinjauan (A, B)3 Studi 4 (2015): dipakai 2 tinjauan (A, B)4 Studi 5 (2016): dipakai 2 tinjauan (A, B)5 Studi 6 (2016): dipakai 2 tinjauan (A, B)6 Studi 7 (2017): dipakai 2 tinjauan (A, B)7 Studi 8 (2018): dipakai 3 tinjauan (A, B, C)8 Studi 9 (2019): dipakai 2 tinjauan (B, C)9 Studi 10 (2020): dipakai 1 tinjauan (C)10 Studi 11 (2020): dipakai 2 tinjauan (B, C)11 Studi 12 (2021): dipakai 1 tinjauan (B)12 Studi 13 (2021): dipakai 2 tinjauan (B, C)13 Studi 14 (2021): dipakai 2 tinjauan (B, C)14 Studi 15 (2022): dipakai 2 tinjauan (B, C)15 Studi 16 (2022): dipakai 1 tinjauan (C)16 Studi 17 (2023): dipakai 1 tinjauan (C)17 dipakai ≥ 2 tinjauan: 12 studi hanya 1 tinjauan: 5 studi 30 garis (N) · 17 studi unik (r) · 3 tinjauan (c)
    Gambar 36A.1 — Tiga tingkat bukti untuk satu outcome (tidur): 17 studi primer, 3 tinjauan sistematis, dan 1 umbrella review. Dua belas studi dipakai lebih dari satu tinjauan, sehingga menjumlahkan hasil ketiga tinjauan berarti menghitung studi yang sama berulang kali (data simulasi).

    Langkah 1 · Judul, pertanyaan tingkat tinjauan, dan protokol

    Waktu Layar dan Kesehatan Remaja: Umbrella Review Tinjauan Sistematis dan Meta-Analisis
    PaparanOutcomePopulasiDesain

    Pertanyaannya tetap memakai PECO seperti di Bab 36, tetapi kriterianya berlaku untuk tinjauan, ditambah satu unsur: jenis sumber yang dicari (Aromataris dkk., 2015).

    Tabel 36A.1 — Kerangka PECO tingkat tinjauan
    PopulationRemaja 10–19 tahun: tinjauan yang sedikitnya 80% studinya pada remaja, atau yang melaporkan subkelompok remaja
    ExposureWaktu layar tinggi (total atau rekreasional, TV, gim, ponsel, media sosial) menurut definisi tiap tinjauan
    ComparisonWaktu layar rendah
    OutcomeKualitas tidur buruk, gejala depresi, obesitas/gizi lebih, miopia, prestasi akademik rendah
    Jenis sumberTinjauan sistematis dengan meta-analisis studi observasional yang melaporkan OR gabungan beserta daftar studinya
    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Bagaimana karakteristik dan mutu metodologis tinjauan sistematis tentang waktu layar dan kesehatan remaja?
    Mendeskripsikan karakteristik dan menilai mutu tinjauan.
    Tabel karakteristik, AMSTAR 2
    12 tinjauan: mutu tinggi 2, sedang 4, rendah 4, sangat rendah 2
    2
    Seberapa besar tumpang tindih studi primer antartinjauan?
    Menghitung tumpang tindih per outcome.
    Matriks sitasi, CCA
    Sangat tinggi untuk tidur (38,2%) dan miopia (53,8%)
    3
    Seberapa besar hubungan waktu layar dengan tiap outcome, dan seberapa kredibel buktinya?
    Merangkum ukuran efek dan menggolongkan kekuatan buktinya.
    Analisis ulang efek acak, kelas I–IV
    Tidur kelas I, depresi II, obesitas III, miopia IV, prestasi tidak bermakna

    Protokol didaftarkan di PROSPERO pada Februari 2028, sebelum pencarian. Selain kriteria kelayakan, protokol umbrella review menetapkan sejak awal cara memilih di antara tinjauan yang tumpang tindih, alat penilai mutu, cara menghitung tumpang tindih, dan kriteria kekuatan bukti (Fusar-Poli & Radua, 2018). Keputusan-keputusan inilah yang paling mudah dibelokkan setelah hasil terlihat.

    Langkah 2 · Mencari tinjauan dan kriteria kelayakan

    • Sumber: PubMed, Scopus, Cochrane Database of Systematic Reviews (CDSR), Epistemonikos (database khusus tinjauan sistematis), dan Garuda. PROSPERO diperiksa untuk mencatat tinjauan yang sedang berjalan. Pencarian dilakukan 6 Maret 2028.
    • Inklusi: tinjauan sistematis dengan meta-analisis; remaja; paparan waktu layar; salah satu dari lima outcome; melaporkan OR gabungan (atau data untuk menghitungnya) dan daftar studi yang digabung; bahasa Inggris atau Indonesia.
    • Eksklusi: tinjauan naratif; tinjauan sistematis tanpa meta-analisis (dicatat, tetapi tidak dianalisis); dan versi lama dari tinjauan yang sudah diperbarui oleh tim yang sama.
    PubMed:
    ("screen time"[tiab] OR "screen use"[tiab] OR smartphone*[tiab] OR television[tiab]
      OR "video gam*"[tiab] OR "social media"[tiab] OR "Screen Time"[Mesh])
    AND (adolescen*[tiab] OR teen*[tiab] OR youth[tiab] OR "Adolescent"[Mesh])
    AND ("Systematic Review"[pt] OR "Meta-Analysis"[pt]
      OR "systematic review"[tiab] OR meta-analy*[tiab])

    Dua baris terakhir adalah filter tinjauan ([pt] = jenis publikasi). Tanpa filter ini, hasilnya ribuan studi primer.

    Langkah 3 · Seleksi dan tinjauan yang tumpang tindih

    Rara dan seorang rekan sesama mahasiswa S3 menyaring secara terpisah di Rayyan (Ouzzani dkk., 2016); kappa 0,84 pada tahap judul-abstrak dan 0,91 pada teks lengkap. Salah satu tinjauan yang ditemukan adalah tinjauan Rara sendiri (Bab 36). Untuk menghindari konflik kepentingan, keputusan inklusi dan penilaian mutunya dikerjakan rekan tersebut bersama seorang dosen yang tidak terlibat dalam tinjauan itu.

    Rekaman dari database: 1.126 Judul-abstrak disaring: 829 Teks lengkap dicari: 68 Teks lengkap dinilai: 67 Tinjauan yang masuk: 12 PubMed 402 · Scopus 488 · CDSR 21Epistemonikos 187 · Garuda 28 5 outcome · 96 studi primer unik Duplikat dihapus: 297 Dikeluarkan: 761 Tidak diperoleh: 1 Dikeluarkan: 55 bukan tinjauan sistematis: 14 tanpa meta-analisis: 12 bukan remaja: 11 paparan bukan waktu layar: 9 outcome lain: 5 versi lama (sudah diperbarui): 4
    Gambar 36A.2 — Diagram alur seleksi tinjauan mengikuti format PRISMA 2020 (data simulasi).

    Dua belas tinjauan (Tinjauan A–L) mencakup lima outcome. Setiap outcome dibahas dua atau tiga tinjauan yang sebagian studinya sama. Inilah masalah khas umbrella review: tinjauan yang tumpang tindih. Ada tiga cara menanganinya (Pollock dkk., 2019):

    Tabel 36A.2 — Tiga cara menangani tinjauan yang tumpang tindih
    CaraKelebihanRisiko
    Masukkan semua tinjauan dan sajikan berdampinganTidak ada tinjauan yang terbuangStudi yang sama terhitung berkali-kali bila hasilnya dijumlahkan atau dihitung "berapa tinjauan yang setuju"
    Pilih satu tinjauan per outcome (terbesar dan terbaru, atau bermutu tertinggi)Setiap studi primer hanya dihitung sekaliStudi unik dari tinjauan lain terbuang; aturan pemilihannya harus ditulis di protokol
    Analisis ulang data studi primer, setiap studi sekaliMetode seragam; kriteria kekuatan bukti dapat dihitungButuh data per studi dan waktu lebih lama; mutu data bergantung pada tinjauan asal

    Aturan Rara (dari protokol): semua 12 tinjauan dideskripsikan dan dinilai mutunya. Untuk rumusan 3, setiap outcome memakai satu tinjauan acuan, yaitu tinjauan dengan jumlah studi terbanyak, lalu yang terbaru bila jumlahnya sama (Fusar-Poli & Radua, 2018). Data per studi dari tinjauan acuan dianalisis ulang dengan satu metode yang sama. Sebagai analisis sensitivitas, tinjauan acuan diganti dengan tinjauan yang mutunya tertinggi.

    Langkah 4 · Ekstraksi data tingkat tinjauan

    Formulir ekstraksi berisi identitas dan tanggal pencarian tinjauan, database yang dicari, jumlah dan desain studi primer, populasi, definisi paparan dan outcome, ukuran efek gabungan beserta IK95%, model, heterogenitas, alat risiko bias yang dipakai, penilaian GRADE (bila ada), sumber dana, dan daftar studi primer yang digabung. Daftar terakhir ini menjadi bahan matriks sitasi di Langkah 6. Dua orang mengekstraksi secara terpisah. Data per studi (OR, IK95%, jumlah peserta, dan jumlah kasus) diambil dari forest plot atau tabel tinjauan acuan, lalu dicocokkan dengan artikel aslinya bila angkanya tidak lengkap.

    Tabel 36A.3 — Karakteristik 12 tinjauan (Tinjauan A–L; data simulasi)
    TinjauanTerbit (cari)OutcomePaparanStudi (desain)PesertaOR gabungan (IK95%)I²Model
    A2019 (2018)Kualitas tidur burukWaktu layar total8 (6 PL + 2 KO)13.2601,44 (1,34–1,56)6%Efek acak
    B2023 (2022)Kualitas tidur burukWaktu layar total dan ponsel13 (9 PL + 4 KO)20.6551,49 (1,38–1,61)22%Efek acak
    C (Rara)2027 (2027)Kualitas tidur burukWaktu layar tinggi (Bab 36)9 (7 PL + 2 KO)11.5771,66 (1,47–1,86)16%Efek acak
    D2020 (2019)Gejala depresiWaktu layar total10 (7 PL + 3 KO)27.3101,30 (1,13–1,49)82%Efek acak
    E2022 (2021)Gejala depresiWaktu layar total13 (9 PL + 4 KO)29.6901,32 (1,19–1,46)69%Efek acak
    F2025 (2024)Gejala depresiMedia sosial8 (6 PL + 2 KO)19.7701,40 (1,24–1,60)69%Efek acak
    G2018 (2017)Obesitas/gizi lebihMenonton TV11 (9 PL + 2 KO)10.9601,28 (1,17–1,41)0%Efek acak
    H2024 (2023)Obesitas/gizi lebihWaktu layar total14 (14 KO)13.6801,27 (1,14–1,42)38%Efek acak
    I2025 (2024)MiopiaPonsel dan tablet12 (12 PL)15.1701,15 (1,07–1,23)65%Efek tetap
    J2022 (2021)MiopiaWaktu layar dekat8 (8 PL)9.5601,12 (0,97–1,29)59%Efek acak
    K2020 (2019)Prestasi akademik rendahTV dan gim9 (6 PL + 3 KO)14.0200,99 (0,92–1,07)0%Efek acak
    L2026 (2025)Prestasi akademik rendahPonsel pintar11 (7 PL + 4 KO)19.0901,03 (0,96–1,10)14%Efek acak

    PL = potong lintang; KO = kohort. Tinjauan A–L adalah rekaan untuk contoh, kecuali Tinjauan C yang merupakan tinjauan Rara di Bab 36. Angka peserta adalah jumlah dalam tiap tinjauan. Karena studinya tumpang tindih, angka ini tidak boleh dijumlahkan: total 12 tinjauan 204.742 orang, padahal peserta unik dari 96 studi hanya 151.887 orang.

    Langkah 5 · Menilai mutu tinjauan dengan AMSTAR 2

    AMSTAR 2 (Shea dkk., 2017) berisi 16 butir untuk menilai tinjauan sistematis yang memuat studi acak, studi tidak acak, atau keduanya. Tujuh butir adalah domain kritis: protokol terdaftar sebelum tinjauan dimulai (butir 2), pencarian yang memadai (4), daftar studi yang dikeluarkan beserta alasannya (7), penilaian risiko bias studi primer (9), metode meta-analisis yang tepat (11), risiko bias dipertimbangkan saat menafsirkan hasil (13), dan pemeriksaan bias publikasi (15). AMSTAR 2 tidak menjumlahkan skor. Tingkat kepercayaan ditentukan oleh jenis kelemahannya:

    • Tinggi: tidak ada atau hanya satu kelemahan non-kritis.
    • Sedang: lebih dari satu kelemahan non-kritis, tanpa kelemahan kritis.
    • Rendah: satu kelemahan kritis, dengan atau tanpa kelemahan non-kritis.
    • Sangat rendah: lebih dari satu kelemahan kritis; tinjauan ini tidak layak diandalkan sebagai ringkasan yang akurat.
    Tabel 36A.4 — Penilaian AMSTAR 2: domain kritis dan tingkat kepercayaan (data simulasi)
    Tinjauan2479111315Butir non-kritis yang lemahKepercayaan
    ATYPYPYPYYY3, 10Rendah
    BYYPYYYYY10Tinggi
    CYYPYPYYYY3, 10Sedang
    DTYPTTYTT3, 5, 10, 12Sangat rendah
    EYYYPYYYY3, 10Sedang
    FYYPYPYYYT10Rendah
    GTYPYPYPYYY3, 6, 10Rendah
    HYYYYYYY—Tinggi
    ITYPTTTTY3, 5, 6, 10, 12, 14Sangat rendah
    JYYPYPYYYY3, 10Sedang
    KYYPYPYYTY10, 12Rendah
    LYYYYYYY3, 10Sedang

    Y = ya; YP = ya parsial; T = tidak (kelemahan kritis). Butir non-kritis: 3 = alasan memilih desain studi; 5 dan 6 = seleksi dan ekstraksi oleh dua orang; 10 = sumber dana studi primer; 12 = dampak risiko bias pada meta-analisis; 14 = penjelasan heterogenitas. Tinjauan C dinilai oleh dua peninjau yang tidak ikut menyusunnya.

    Hasilnya: 2 tinjauan bermutu tinggi (B, H), 4 sedang (C, E, J, L), 4 rendah (A, F, G, K), dan 2 sangat rendah (D, I). Kelemahan kritis tersering adalah protokol yang tidak didaftarkan (A, D, G, I). Tinjauan I, yang terbesar untuk miopia, memakai model efek tetap padahal I² 65% dan tidak menilai risiko bias. Penilaian ini tidak mengeluarkan tinjauan, tetapi menentukan seberapa jauh hasilnya boleh dipercaya.

    Langkah 6 · Tumpang tindih: matriks sitasi dan CCA

    Matriks sitasi adalah tabel dengan baris berupa studi primer dan kolom berupa tinjauan; sel ditandai bila studi itu digabung dalam tinjauan tersebut. Satu studi yang terbit dalam beberapa artikel (misalnya kohort yang sama dengan lama pengamatan berbeda) dihitung satu baris. Dari matriks ini dihitung corrected covered area (CCA; Pieper dkk., 2014):

    CCA = (N − r) / (r × c − r)N = jumlah seluruh tanda di matriks (studi dihitung setiap kali muncul); r = jumlah baris (studi primer unik); c = jumlah kolom (tinjauan). Tafsiran: 0–5% sedikit, 6–10% sedang, 11–15% tinggi, > 15% sangat tinggi.

    Untuk tidur (Gambar 36A.1): N = 8 + 13 + 9 = 30, r = 17, c = 3. CCA = (30 − 17) / (17 × 3 − 17) = 13/34 = 38,2%, tumpang tindih sangat tinggi. Ketiga tinjauan sebagian besar membaca studi yang sama, sehingga tiga meta-analisis yang searah bukanlah tiga bukti yang terpisah.

    Tabel 36A.5 — Tumpang tindih studi primer per outcome (data simulasi)
    OutcomeTinjauanNrcCCAKategoriCCA per pasangan
    Kualitas tidur burukA, B, C3017338,2%sangat tinggiA–B 50,0%; A–C 6,3%; B–C 37,5%
    Gejala depresiD, E, F3124314,6%tinggiD–E 21,1%; D–F 5,9%; E–F 16,7%
    Obesitas/gizi lebihG, H252328,7%sedang—
    MiopiaI, J2013253,8%sangat tinggi—
    Prestasi akademik rendahK, L201925,3%sedikit—

    Bila seluruh 12 tinjauan dihitung sekaligus, CCA = (126 − 96)/(96 × 12 − 96) = 30/1.056 = 2,8% (sedikit). Angka ini menyesatkan karena tinjauan tentang outcome berbeda memang tidak berbagi studi. Hitung CCA per pertanyaan (outcome), lalu per pasangan tinjauan (Hennessy & Johnson, 2020).

    CCA per pasangan menunjukkan tinjauan mana yang isinya hampir sama. Tinjauan A dan B, misalnya, 50,0%: tujuh dari delapan studi A juga ada di B. Namun CCA per pasangan juga bergantung pada perbedaan jumlah studi kedua tinjauan, jadi jangan memakainya sendirian untuk mengeluarkan tinjauan (Kirvalidze dkk., 2023).

    Gambar 36A.3 — Matriks sitasi dan kalkulator CCA

    Pilih outcome. Baris = studi primer, kolom = tinjauan; sel biru = studi itu digabung dalam tinjauan tersebut, Σ = berapa kali studi muncul. Ketuk sel untuk menambah atau menghapus tanda, lalu lihat CCA berubah (data simulasi).

    Langkah 7 · Analisis ulang dan kelas kredibilitas bukti

    Nilai p saja tidak cukup untuk menilai kekuatan bukti. Umbrella review di bidang kesehatan sering memakai kriteria bertingkat yang menggabungkan besar sampel, nilai p, heterogenitas, dan tanda bias (Ioannidis, 2009; Fusar-Poli & Radua, 2018).

    Tabel 36A.6 — Kriteria kelas kredibilitas bukti (Fusar-Poli & Radua, 2018)
    KelasKriteria
    I · meyakinkanKasus > 1.000; p < 10−6; I² < 50%; interval prediksi 95% tidak mencakup OR 1; tanpa efek studi kecil; tanpa bias kelebihan signifikansi
    II · sangat sugestifKasus > 1.000; p < 10−6; studi terbesar bermakna; kriteria kelas I tidak terpenuhi
    III · sugestifKasus > 1.000; p < 10−3; kriteria kelas I–II tidak terpenuhi
    IV · lemahp < 0,05; kriteria kelas I–III tidak terpenuhi
    Tidak bermaknap > 0,05
    • Interval prediksi 95%: rentang efek yang mungkin ditemukan studi baru (Bab 36). Bila mencakup 1, hubungan itu mungkin tidak ada di sebagian populasi.
    • Efek studi kecil: diperiksa dengan uji Egger (Egger dkk., 1997). Studi kecil yang efeknya jauh lebih besar menandakan bias publikasi atau bias lain.
    • Bias kelebihan signifikansi: jumlah studi bermakna yang teramati (O) dibandingkan dengan jumlah yang diharapkan (E) dari daya tiap studi, dengan efek studi terbesar sebagai efek yang masuk akal (Ioannidis & Trikalinos, 2007).
    • Studi terbesar bermakna: studi dengan peserta terbanyak menunjukkan hubungan yang bermakna.

    Angka-angka ini jarang dilaporkan tinjauan. Karena itu Rara menganalisis ulang data per studi setiap tinjauan acuan dengan model efek acak DerSimonian–Laird (DerSimonian & Laird, 1986) di R (paket metafor). Sesuai protokol, efek studi kecil dan kelebihan signifikansi dianggap ada bila p < 0,10 (untuk kelebihan signifikansi, juga O > E), karena kedua uji ini kurang bertenaga.

    Tabel 36A.7 — Ringkasan bukti per outcome dari analisis ulang tinjauan acuan (data simulasi)
    OutcomeAcuan (AMSTAR 2)kKasusOR (IK95%)pI²IP95%Egger pO / EStudi terbesar bermaknaKelas
    Kualitas tidur burukB (tinggi)138.3871,49 (1,38–1,61)5,8 × 10−2522%1,26–1,760,52810 / 12,6YaI (meyakinkan)
    Gejala depresiE (sedang)136.4391,32 (1,19–1,46)1,2 × 10−769%0,92–1,890,8798 / 7,6YaII (sangat sugestif)
    Obesitas/gizi lebihH (tinggi)142.7531,27 (1,14–1,42)1,2 × 10−538%0,94–1,720,4875 / 4,2TidakIII (sugestif)
    MiopiaI (sangat rendah)124.6201,19 (1,05–1,34)0,00765%0,79–1,780,0425 / 2,0TidakIV (lemah)
    Prestasi akademik rendahL (sedang)115.8971,03 (0,96–1,10)0,44314%0,91–1,160,3130 / 1,6TidakTidak bermakna

    k = jumlah studi; IP95% = interval prediksi 95%; O / E = jumlah studi bermakna yang teramati / diharapkan. Studi terbesar: tidur Studi 11 (n = 3.105), depresi Studi 36 (n = 3.820), obesitas Studi 64 (n = 1.450), miopia Studi 75 (n = 2.110), prestasi Studi 88 (n = 2.430).

    Gambar 36A.4 — Peta bukti: OR gabungan per outcome dan kelasnya

    Kotak = tinjauan acuan setelah analisis ulang dengan model efek acak; lingkaran = angka yang dilaporkan tinjauan lain; garis = IK95%; garis putus-putus = OR 1 (tidak ada hubungan). Tinjauan I sendiri melaporkan 1,15 (1,07–1,23) dengan model efek tetap (data simulasi).
    acuan (analisis ulang) tinjauan lain (dilaporkan) Kualitas tidur burukKelas I A · 2019 Tinjauan A (2019), 8 studi: OR 1,44 (1,34–1,56); angka yang dilaporkan 1,44 (1,34–1,56) B · 2023 Tinjauan B (2023), 13 studi: OR 1,49 (1,38–1,61); tinjauan acuan, analisis ulang efek acak 1,49 (1,38–1,61) C · 2027 Tinjauan C (2027), 9 studi: OR 1,66 (1,47–1,86); angka yang dilaporkan 1,66 (1,47–1,86) Gejala depresiKelas II D · 2020 Tinjauan D (2020), 10 studi: OR 1,30 (1,13–1,49); angka yang dilaporkan 1,30 (1,13–1,49) E · 2022 Tinjauan E (2022), 13 studi: OR 1,32 (1,19–1,46); tinjauan acuan, analisis ulang efek acak 1,32 (1,19–1,46) F · 2025 Tinjauan F (2025), 8 studi: OR 1,40 (1,24–1,60); angka yang dilaporkan 1,40 (1,24–1,60) Obesitas/gizi lebihKelas III G · 2018 Tinjauan G (2018), 11 studi: OR 1,28 (1,17–1,41); angka yang dilaporkan 1,28 (1,17–1,41) H · 2024 Tinjauan H (2024), 14 studi: OR 1,27 (1,14–1,42); tinjauan acuan, analisis ulang efek acak 1,27 (1,14–1,42) MiopiaKelas IV I · 2025 Tinjauan I (2025), 12 studi: OR 1,19 (1,05–1,34); tinjauan acuan, analisis ulang efek acak 1,19 (1,05–1,34) J · 2022 Tinjauan J (2022), 8 studi: OR 1,12 (0,97–1,29); angka yang dilaporkan 1,12 (0,97–1,29) Prestasi akademik rendahTidak bermakna K · 2020 Tinjauan K (2020), 9 studi: OR 0,99 (0,92–1,07); angka yang dilaporkan 0,99 (0,92–1,07) L · 2026 Tinjauan L (2026), 11 studi: OR 1,03 (0,96–1,10); tinjauan acuan, analisis ulang efek acak 1,03 (0,96–1,10) 0,9 1 1,25 1,5 2 OR gabungan (skala log)
    • Tidur, kelas I. OR 1,49 (1,38–1,61) dari 13 studi dengan 8.387 kasus; I² 22%; interval prediksi 1,26–1,76 tidak mencakup 1; tanpa efek studi kecil (Egger p = 0,528) dan tanpa kelebihan signifikansi (O = 10, lebih kecil daripada E = 12,6). Ketiga tinjauan searah, termasuk tinjauan Rara (1,66).
    • Depresi, kelas II. OR 1,32 (1,19–1,46), p = 1,2 × 10−7, dan studi terbesar bermakna. Kelas I tidak tercapai karena I² 69% dan interval prediksi 0,92–1,89 mencakup 1: besar hubungannya berbeda-beda antarpopulasi.
    • Obesitas, kelas III. OR 1,27 (1,14–1,42), p = 1,2 × 10−5: belum mencapai 10−6, dan studi terbesar (Studi 64) tidak bermakna.
    • Miopia, kelas IV. Tinjauan I melaporkan OR 1,15 (1,07–1,23; p = 1,0 × 10−4) dengan model efek tetap. Analisis ulang dengan efek acak menghasilkan 1,19 (1,05–1,34), p = 0,007, disertai tanda efek studi kecil (Egger p = 0,042) dan kelebihan signifikansi (O = 5, E = 2,0; p = 0,023). OR justru naik karena model efek acak memberi bobot lebih besar pada studi kecil yang efeknya besar.
    • Prestasi akademik, tidak bermakna. OR 1,03 (0,96–1,10), p = 0,443.

    Analisis sensitivitas. Mengganti tinjauan acuan dengan tinjauan bermutu tertinggi hanya mengubah satu outcome. Untuk miopia, Tinjauan J (mutu sedang) menghasilkan OR 1,12 (0,97–1,29), p = 0,116, sehingga tidak bermakna. Untuk empat outcome lain, tinjauan acuan sudah yang bermutu tertinggi. Jadi, bukti miopia bertumpu pada tinjauan bermutu sangat rendah dan paling perlu dibaca hati-hati.

    Kelas kredibilitas bukan GRADE. Kelas menilai kekuatan statistik dan tanda bias. GRADE (Guyatt dkk., 2008) menilai kepastian dengan menimbang risiko bias, inkonsistensi, ketidaklangsungan, ketidaktepatan, dan bias publikasi. Tinjauan B dan H menilai bukti mereka dengan GRADE dan sampai pada kepastian rendah, karena seluruh studinya observasional. Jadi kelas I untuk tidur berarti hubungan statistiknya kuat dan konsisten, bukan bahwa waktu layar terbukti menyebabkan tidur buruk.

    Langkah 8 · Pembahasan, kesimpulan, dan pelaporan

    Dari 12 tinjauan tentang lima outcome, bukti terkuat menghubungkan waktu layar tinggi dengan kualitas tidur buruk (kelas I) dan gejala depresi (kelas II). Hubungan dengan obesitas sugestif, dengan miopia lemah dan bertumpu pada tinjauan bermutu sangat rendah, dan dengan prestasi akademik tidak bermakna. Tinjauan atas tinjauan yang nyata di topik ini juga menemukan bahwa tinjauan bermutu tinggi masih langka (Stiglic & Viner, 2019), dan sebuah umbrella review besar menilai risiko bias sedang sampai tinggi pada 95 dari 102 meta-analisis yang dicakupnya (Sanders dkk., 2024). Menurut peneliti, program sekolah paling beralasan memprioritaskan kebiasaan layar menjelang tidur, sedangkan klaim bahwa layar menurunkan prestasi belum didukung bukti. Keterbatasan: umbrella review hanya semutakhir tinjauan terbaru yang dicakupnya; definisi paparan berbeda antartinjauan; data per studi bergantung pada ketepatan ekstraksi tinjauan asal; dan hampir semua studi primer observasional.

    TemuanPembandingOpiniKeterbatasan
    1. Dua belas tinjauan memenuhi kriteria; hanya dua yang bermutu tinggi, dan dua bermutu sangat rendah.

    2. Tumpang tindih studi primer sangat tinggi untuk tidur (CCA 38,2%) dan miopia (53,8%), sehingga hasil tinjauan-tinjauan itu tidak boleh dijumlahkan.

    3. Waktu layar tinggi berhubungan dengan kualitas tidur buruk (OR 1,49; kelas I) dan gejala depresi (OR 1,32; kelas II). Hubungan dengan obesitas sugestif (kelas III), dengan miopia lemah (kelas IV), dan dengan prestasi akademik tidak bermakna.

    4. Seluruh bukti berasal dari studi observasional, sehingga kesimpulannya adalah hubungan, bukan sebab–akibat.

    Pelaporan. Pedoman pelaporan umbrella review adalah PRIOR, dengan 27 butir utama (Gates dkk., 2022). PRIOR disusun untuk tinjauan tentang intervensi, tetapi butirnya tetap berguna untuk tinjauan paparan seperti ini. Lampirkan matriks sitasi lengkap, perhitungan CCA, tabel AMSTAR 2 per butir, dan daftar tinjauan yang dikeluarkan beserta alasannya. Seperti tinjauan sistematis, umbrella review memakai data yang sudah terbit sehingga biasanya tidak memerlukan persetujuan etik (Bab 7B).

    Awas, keliru!
    • Menghitung studi yang sama berkali-kali. Menjumlahkan peserta tiga tinjauan tidur (45.492 orang) padahal peserta unik hanya 24.977, atau memasukkan hasil tiga meta-analisis ke dalam satu meta-analisis baru.
    • Menganggap estimasi gabungan sebagai bukti baru yang independen. "Tiga meta-analisis sepakat" tidak berarti bukti tiga kali lebih kuat bila CCA-nya 38,2%.
    • Mengabaikan mutu tinjauan. Tinjauan terbesar untuk miopia bermutu sangat rendah; tanpa analisis sensitivitas, buktinya tampak lebih kuat daripada sebenarnya.
    • Menghitung CCA sekaligus untuk semua outcome (2,8%), sehingga tumpang tindih tampak kecil.
    • Membaca kelas I sebagai sebab–akibat atau sebagai kepastian GRADE yang tinggi.
    • Menilai tinjauan sendiri tanpa penilai independen.
    • Menyebut "umbrella review" padahal hanya merangkum abstrak beberapa tinjauan tanpa protokol, pencarian sistematis, dan penilaian mutu.
    Pojok S2–S3
    • Metodologi: panduan JBI (Aromataris dkk., 2015) mencakup pertanyaan PICO, strategi pencarian, daftar periksa penilaian kritis 10 butir, dan tabel ringkasan bukti yang mudah dibaca pengambil keputusan. Tinjauan kualitatif juga bisa dirangkum, walaupun kelas kredibilitas tidak bisa dihitung.
    • Memilih di antara tinjauan yang tumpang tindih: alat keputusan Pollock dkk. (2019) membantu memutuskan apakah memasukkan semua tinjauan atau memilih satu per kelompok, dengan syarat data setiap studi primer diambil sekali saja.
    • Tumpang tindih lebih dalam: Hennessy dan Johnson (2020) menguraikan lima langkah memeriksa tumpang tindih, termasuk CCA per outcome dan per pasangan, dan mengingatkan bahwa tumpang tindih tidak selalu berarti bias.
    • Contoh nyata berskala besar: Sanders dkk. (2024) menyelaraskan 102 meta-analisis (2.451 studi primer) tentang layar pada anak dan remaja; hanya 43 efek dari 32 meta-analisis yang memenuhi kriteria kepastian statistik mereka.
    • Perangkat lunak: matriks sitasi cukup dibuat di lembar kerja; analisis ulang dengan R (metafor atau meta).
    Intinya
    • Umbrella review meninjau tinjauan sistematis dan meta-analisis. Pakai bila tinjauannya sudah banyak dan dibutuhkan gambaran lintas outcome.
    • Tetapkan di protokol: cara memilih di antara tinjauan yang tumpang tindih, AMSTAR 2, CCA, dan kriteria kekuatan bukti.
    • Hitung tumpang tindih per outcome dengan CCA = (N − r)/(r × c − r); setiap studi primer hanya boleh dihitung sekali.
    • Nilai mutu tinjauan dan kekuatan bukti (kelas I–IV atau GRADE). Keduanya tidak mengubah sifat observasional buktinya.
    Coba sendiri: kuis umbrella review
    Bab 36B

    Contoh Lengkap Rapid Review

    Rapid review adalah sintesis bukti yang mempercepat tinjauan sistematis dengan menyederhanakan atau melewati sebagian langkahnya, agar bukti sampai ke pengambil keputusan tepat waktu dan hemat sumber daya (Hamel dkk., 2021). Kuncinya: setiap penyederhanaan dipilih sebelum mulai, ditulis di protokol, dan dilaporkan terbuka, dengan melibatkan pengguna hasilnya sejak awal (Garritty dkk., 2024).

    S1S2–S3

    Empat jenis tinjauan sistematis: mana yang cocok?

    Semua jenis di bawah ini sistematis: pertanyaannya jelas, pencariannya tercatat, dan seleksinya memakai kriteria tertulis. Bedanya ada pada pertanyaan, unit yang ditinjau, dan kedalaman tiap langkah.

    Tabel 36B.1 — Tinjauan sistematis, scoping review, umbrella review, dan rapid review
    AspekTinjauan sistematis (Bab 36)Scoping review (Bab 52)Umbrella review (Bab 36A)Rapid review (bab ini)
    Pertanyaan khasSeberapa besar efek atau hubungan X dengan Y?Bukti apa saja yang ada, dan di mana celahnya?Apa kata seluruh tinjauan tentang topik yang luas, dan seberapa kuat buktinya?Pertanyaan tinjauan sistematis yang harus terjawab sebelum tenggat keputusan
    Yang ditinjauStudi primerStudi primer dan sumber lainTinjauan sistematis dan meta-analisisStudi primer, dimulai dari tinjauan yang sudah ada
    PencarianMenyeluruh: banyak database dan literatur kelabuMenyeluruh, tiga langkahDatabase umum dan database tinjauanDibatasi: sedikit database, batas tanggal dan bahasa
    Seleksi dan ekstraksiDua orang independenDua orangDua orangSebagian oleh satu orang, dengan verifikasi
    Penilaian mutuWajib (risiko bias)OpsionalAMSTAR 2 dan tumpang tindih (CCA)Disederhanakan, tetapi tetap ada
    SintesisMeta-analisis atau naratif; GRADEFrekuensi dan peta buktiRingkasan, analisis ulang, kelas bukti atau GRADENaratif terstruktur; GRADE
    LamaRata-rata 67,3 minggu dari registrasi sampai terbit (Borah dkk., 2017)Berbulan-bulanBerbulan-bulanBeberapa minggu sampai beberapa bulan
    Pedoman pelaporanPRISMA 2020PRISMA-ScRPRIORPRISMA 2020 ditambah laporan penyederhanaan
    Pengguna utamaPeneliti, penyusun pedomanPeneliti, penyandang danaPenyusun pedoman, pembuat kebijakanPembuat keputusan yang dikejar tenggat

    Rapid review bukan tinjauan yang asal cepat. Yang membedakannya dari "studi literatur" kilat adalah jalan pintasnya dipilih secara sadar, dicatat, dan diakui sebagai keterbatasan. Panduan Cochrane untuk rapid review memberi rekomendasi untuk setiap tahap (Garritty dkk., 2021), dan panduan WHO menerapkannya pada kebijakan dan sistem kesehatan (Tricco dkk., 2017).

    Langkah 1 · Pelingkupan bersama pengguna dan judul

    Pada akhir Juni 2028, Dinas Pendidikan Kota X berencana menerbitkan surat edaran pembatasan ponsel di semua SMP negeri mulai semester genap. Kepala bidang pembinaan SMP meminta Prof. Nuni merangkum bukti dalam enam minggu, sebelum rapat pimpinan. Prof. Nuni menugaskan Rara, dibantu seorang asisten peneliti dan pustakawan universitas.

    Minggu pertama dibuka dengan pertemuan pelingkupan dua jam bersama kepala bidang, dua kepala SMP, seorang guru BK, dan seorang wakil komite sekolah. Pengguna hasil (knowledge user) dilibatkan untuk menetapkan dan mempertajam pertanyaan, kriteria kelayakan, dan outcome yang penting (Garritty dkk., 2021). Hasilnya:

    1. Keputusan yang akan diambil: perlu tidaknya surat edaran, dan bentuk pembatasannya (sepanjang hari atau hanya selama pelajaran).

    2. Outcome prioritas: konsentrasi di kelas sebagai outcome utama; prestasi akademik, perundungan siber, kesejahteraan mental, dan waktu ponsel selama jam sekolah (untuk melihat apakah aturan benar-benar dijalankan) sebagai outcome tambahan; ditambah hal-hal tentang pelaksanaan (kepatuhan, keberatan orang tua).

    3. Produk: laporan ringkas, ringkasan bukti satu halaman, dan presentasi 20 menit pada 11 Agustus 2028.

    4. Kesepakatan independensi: dinas ikut menentukan pertanyaan dan prioritas outcome, tetapi tidak mengubah temuan, dan laporan boleh diterbitkan apa pun hasilnya.

    Pembatasan Penggunaan Ponsel di Sekolah dan Konsentrasi Belajar Siswa Sekolah Menengah: Rapid Review untuk Dinas Pendidikan Kota X
    IntervensiOutcomePopulasiDesain dan pengguna
    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Bagaimana efek pembatasan ponsel di sekolah terhadap konsentrasi belajar siswa, dan seberapa yakin kita?
    Merangkum efek pada konsentrasi dan menilai kepastiannya.
    Sintesis naratif terstruktur (SWiM), GRADE
    6 studi searah; SMD median 0,20; kepastian rendah
    2
    Bagaimana efeknya pada prestasi, perundungan siber, kesejahteraan mental, dan waktu ponsel di sekolah?
    Merangkum efek pada outcome tambahan.
    SWiM, GRADE
    Prestasi mungkin sedikit naik; kesejahteraan tidak berbeda; perundungan tidak pasti; waktu ponsel di sekolah berkurang
    3
    Apa yang perlu diperhatikan agar kebijakan terlaksana?
    Merangkum temuan tentang pelaksanaan.
    Ringkasan tematik sederhana
    Aturan seragam, pengecualian darurat, penyimpanan aman, komunikasi dengan orang tua

    Populasinya siswa sekolah menengah (SMP dan SMA), karena studi yang khusus SMP diperkirakan sedikit. Perbedaan jenjang ini nanti dinilai sebagai ketidaklangsungan bukti. Pertemuan pelingkupan adalah konsultasi pengguna, bukan pengumpulan data penelitian; bila pendapat peserta akan dianalisis sebagai data, ajukan persetujuan etik (Bab 7B).

    Langkah 2 · Protokol: penyederhanaan ditetapkan di awal

    Protokol ringkas diunggah ke Open Science Framework (OSF) pada akhir minggu pertama. Isinya sama dengan protokol tinjauan sistematis, ditambah satu kolom penting: langkah mana yang disederhanakan, bagaimana caranya, dan apa harganya. Pilihan Rara mengikuti rekomendasi Cochrane (Garritty dkk., 2021).

    Tabel 36B.2 — Ringkasan protokol: tinjauan sistematis penuh dan pilihan rapid review ini
    TahapTinjauan sistematis penuhPilihan rapid review iniHarga yang dibayar
    PertanyaanSemua outcome yang relevan1 outcome utama dan 4 outcome tambahan yang dipilih bersama dinas, ditambah pelaksanaanOutcome lain (misalnya tidur) tidak dicari
    PencarianBanyak database, literatur kelabu, registriTinjauan yang sudah ada lebih dulu; lalu ERIC, Scopus, dan Garuda, ditambah daftar pustaka; 2010–2028; bahasa Inggris dan IndonesiaStudi di sumber atau bahasa lain bisa terlewat
    Seleksi judul-abstrakDua orang independen untuk semua rekamanDua orang menyaring 20% (kalibrasi); sisanya satu orang, lalu orang kedua memeriksa semua yang dikeluarkanSatu penyaring tanpa pemeriksaan melewatkan rata-rata 13% studi relevan, dua penyaring 3% (Gartlehner dkk., 2020)
    Seleksi teks lengkapDua orang independenSatu orang; orang kedua memeriksa yang dikeluarkanKeputusan inklusi yang keliru lebih mungkin lolos
    EkstraksiDua orang independenSatu orang dengan formulir yang diuji coba; orang kedua memeriksa kebenaran dan kelengkapanKesalahan kecil lebih mungkin lolos
    Risiko biasDua orang, semua outcomeRoB 2 untuk RCT (Sterne dkk., 2019) dan ROBINS-I untuk studi non-acak (Sterne dkk., 2016); satu penilai dengan verifikasi penuh; rinci hanya untuk outcome utamaRisiko bias outcome tambahan hanya dinilai ringkas
    SintesisMeta-analisis bila memungkinkanNaratif terstruktur menurut SWiM (Campbell dkk., 2020); meta-analisis hanya bila ada ≥ 3 studi dengan desain dan alat ukur samaTanpa satu estimasi gabungan
    KepastianGRADE oleh dua orangGRADE oleh satu orang dengan verifikasiPenilaian bisa kurang cermat
    TelaahTelaah sejawat eksternalTelaah internal (Prof. Nuni); dinas membaca untuk kejelasan bahasaTanpa pemeriksaan pihak luar
    Scopus:
    TITLE-ABS-KEY(("mobile phone*" OR "cell phone*" OR smartphone* OR "phone ban*")
      AND (school* OR classroom*) AND (polic* OR ban* OR restrict* OR prohibit*)
      AND (student* OR adolescen* OR "secondary school*"))
    AND PUBYEAR > 2009
    
    Garuda:
    (ponsel OR "telepon genggam" OR gawai) AND sekolah AND (larangan OR pembatasan)
    Tabel 36B.3 — Jadwal enam minggu
    MingguKegiatanKeluaran
    1Pertemuan pelingkupan; protokol ringkas; string pencarian bersama pustakawanProtokol di OSF; kesepakatan independensi
    2Pencarian (11 Juli 2028); deduplikasi; kalibrasi 103 rekaman berdua; seleksi judul-abstrak; pemeriksaan rekaman yang dikeluarkan33 teks lengkap dicari
    3Seleksi teks lengkap; ekstraksi dengan formulir uji coba9 studi; tabel karakteristik
    4Verifikasi ekstraksi; risiko bias outcome utamaTabel risiko bias
    5Sintesis SWiM; GRADE; draf laporan dan ringkasan buktiDraf untuk ditelaah
    6Telaah Prof. Nuni; dinas membaca untuk kejelasan; revisi; presentasi 11 Agustus 2028Laporan, ringkasan bukti, presentasi

    Gambar 36B.1 — Perencana waktu: harga setiap jalan pintas

    Pilih cara untuk setiap tahap. Batang menunjukkan perkiraan lama tiap tahap untuk tim Rara (satu peneliti penuh waktu dan satu asisten paruh waktu); garis putus-putus = tenggat 6 minggu. Angka waktunya ilustrasi, bukan patokan baku.

    Langkah 3 · Pencarian dan seleksi

    Sebelum mencari studi primer, pustakawan mencari tinjauan yang sudah ada di Epistemonikos dan Scopus. Ditemukan satu scoping review dan satu tinjauan sistematis lama yang hanya memuat tiga studi. Keduanya tidak menjawab pertanyaan dinas, tetapi daftar pustakanya diperiksa. Pencarian studi primer dijalankan 11 Juli 2028.

    Rara dan asisten menyaring 103 rekaman (20%) secara terpisah untuk kalibrasi; kesepakatannya kappa 0,81. Sisanya disaring Rara sendiri, lalu asisten memeriksa semua rekaman yang dikeluarkan. Pemeriksaan ini menyelamatkan dua rekaman, dan satu di antaranya akhirnya masuk (Studi 6). Contoh kecil ini menunjukkan mengapa satu penyaring tanpa pemeriksaan berisiko.

    Rekaman dari database: 658 Judul-abstrak disaring: 515 Teks lengkap dicari: 33 Teks lengkap dinilai: 31 Memenuhi kriteria: 8 Studi dalam rapid review: 9 ERIC 214 · Scopus 386 · Garuda 58 20% berdua (kappa 0,81) · 80% satu orang 8 dari database · 1 dari daftar pustaka Duplikat dihapus: 143 Dikeluarkan: 482 cek eksklusi menyelamatkan 2 rekaman Tidak diperoleh: 2 Dikeluarkan: 23 bukan kebijakan sekolah: 8 outcome tidak relevan: 7 tanpa pembanding: 5 bukan studi primer: 3 Daftar pustaka studi dan 2 tinjauan 6 rekaman · memenuhi kriteria: 1
    Gambar 36B.2 — Diagram alur rapid review mengikuti format PRISMA 2020 (data simulasi).

    Langkah 4 · Ekstraksi dan risiko bias

    Tabel 36B.4 — Karakteristik 9 studi (Studi 1–9 adalah studi rekaan; data simulasi)
    StudiWilayah, tahunDesainJenjangSekolah; siswaBentuk pembatasanOutcome yang dilaporkanRisiko bias (konsentrasi)
    1Eropa, 2016Selisih-dalam-selisih, data administratifSMP–SMA64; 41.200Larangan sepanjang hariPrestasi—
    2Amerika Utara, 2019RCT klasterSMP24; 3.960Ponsel disimpan di kantong berkunciKonsentrasi (observasi), prestasi, kesejahteraan, pelaksanaanBeberapa kekhawatiran
    3Eropa, 2020Deret waktu terputus, satu kotaSMP–SMA42; 21.400Larangan sepanjang hariPrestasi, perundungan siber—
    4Asia Timur, 2021Kuasi-eksperimen dengan pembandingSMP8; 1.620Larangan selama pelajaranKonsentrasi (tes perhatian)Serius
    5Australia, 2022Pra–pasca dengan pembandingSMP–SMA36; 5.400Larangan sepanjang hariKonsentrasi (penilaian guru), kesejahteraan, perundungan siber, pelaksanaanSedang
    6Eropa, 2023Potong lintang: membatasi vs membolehkanSMP30; 2.100Larangan penggunaan rekreasionalKesejahteraan, waktu ponsel di sekolah—
    7Indonesia, 2023Pra–pasca dengan pembandingSMP4; 820Ponsel dikumpulkan di kantor sekolahKonsentrasi (laporan diri), prestasiSerius
    8Asia Timur, 2024Potong lintang: membatasi vs membolehkanSMP–SMA60; 8.900Larangan sepanjang hariKonsentrasi (laporan diri), perundungan siber, kesejahteraan, waktu ponsel di sekolahSerius
    9Indonesia, 2025Kuasi-eksperimen dengan pembandingSMA6; 1.140Ponsel dikumpulkan di kelasKonsentrasi (tes perhatian), prestasi, pelaksanaanSerius

    Total 274 sekolah dan 86.540 siswa. Risiko bias dinilai rinci hanya untuk outcome utama (RoB 2 untuk Studi 2, ROBINS-I untuk studi lain); untuk outcome tambahan, risiko bias dinilai ringkas saat menilai kepastian bukti. Alasan tersering risiko bias serius adalah perancu: sekolah yang memilih membatasi ponsel berbeda dari sekolah yang tidak. Pada naskah sungguhan, setiap studi ditulis dengan nama penulis dan tahunnya.

    Langkah 5 · Sintesis dan kepastian bukti

    Desain dan alat ukur keenam studi konsentrasi terlalu beragam untuk digabung, jadi sesuai protokol, sintesisnya naratif terstruktur mengikuti SWiM (Campbell dkk., 2020): studi dikelompokkan menurut outcome, ukuran efek diseragamkan menjadi beda rerata terstandar (SMD), studi dengan risiko bias lebih rendah diberi penekanan, dan hasilnya diringkas dengan median, rentang, dan arah efek. Yang dihindari adalah menghitung studi yang "bermakna" (vote counting berdasarkan nilai p).

    Gambar 36B.3 — Konsentrasi di kelas: efek per studi tanpa digabung

    Kotak = SMD; garis = IK95%. Biru = risiko bias sedang atau beberapa kekhawatiran; oranye = risiko bias serius. Garis putus-putus = median enam studi (data simulasi).
    risiko bias sedang risiko bias serius median 0,20 Studi 2 Studi 2 (RCT klaster, observasi perilaku): SMD 0,18 (0,05 sampai 0,31); risiko bias beberapa kekhawatiran 0,18 (0,05; 0,31) Studi 5 Studi 5 (pra–pasca + pembanding, penilaian guru): SMD 0,12 (0,01 sampai 0,23); risiko bias sedang 0,12 (0,01; 0,23) Studi 4 Studi 4 (kuasi-eksperimen, tes perhatian): SMD 0,31 (0,09 sampai 0,53); risiko bias serius 0,31 (0,09; 0,53) Studi 9 Studi 9 (kuasi-eksperimen, tes perhatian): SMD 0,22 (−0,03 sampai 0,47); risiko bias serius 0,22 (−0,03; 0,47) Studi 7 Studi 7 (pra–pasca + pembanding, laporan diri): SMD 0,25 (−0,06 sampai 0,56); risiko bias serius 0,25 (−0,06; 0,56) Studi 8 Studi 8 (potong lintang, laporan diri): SMD 0,09 (0,01 sampai 0,17); risiko bias serius 0,09 (0,01; 0,17) −0,2 0 0,2 0,4 0,6 SMD (positif = konsentrasi lebih baik)

    Keenam studi searah: konsentrasi lebih baik di sekolah yang membatasi ponsel (uji tanda: 6 dari 6, p = 0,031), dengan SMD median 0,20 (rentang 0,09–0,31). Dua studi dengan risiko bias paling rendah (Studi 2 dan 5) menunjukkan efek 0,12–0,18, sedikit di bawah median; efek terbesar (0,22–0,31) berasal dari studi berisiko bias serius. Efeknya kecil: kira-kira seperlima simpangan baku.

    Tabel 36B.5 — Ringkasan temuan dan kepastian bukti (GRADE; data simulasi)
    OutcomeStudi (siswa)TemuanKepastianPernyataan (Santesso dkk., 2020)
    Konsentrasi di kelas (utama)6 (21.840)Semua searah perbaikan; SMD median 0,20 (0,09–0,31)Rendah: risiko bias; alat ukur beragam dan sebagian SMAPembatasan ponsel mungkin sedikit meningkatkan konsentrasi
    Prestasi akademik5 (68.520)SMD median 0,09 (0,04–0,20); pada siswa berprestasi rendah 0,13 dan 0,16 (Studi 1 dan 2)Rendah: risiko bias; semua IK mencakup 0Mungkin sedikit meningkatkan nilai, terutama pada siswa berprestasi rendah
    Perundungan siber3 (35.700)RR 0,82 (0,70–0,96); OR 0,88 (0,72–1,08) dan 0,91 (0,80–1,04)Sangat rendah: risiko bias; ketidaktepatan; definisi berbedaEfeknya tidak pasti
    Kesejahteraan mental4 (20.360)SMD −0,05 sampai 0,05 (median 0,02)Rendah: risiko bias; ketidaklangsunganMungkin sedikit atau tidak ada perbedaan
    Waktu ponsel selama jam sekolah2 (11.000)Berkurang 0,4 dan 0,6 jam per hariRendah: studi potong lintangMungkin mengurangi penggunaan ponsel di sekolah

    SMD positif = lebih baik di sekolah yang membatasi ponsel; RR/OR < 1 = perundungan lebih jarang. Pelaksanaan (Studi 2, 5, 9): kepatuhan 88%, 78%, dan 91%; keberatan tersering adalah orang tua yang ingin bisa menghubungi anak, guru yang menerapkan aturan berbeda-beda, dan ponsel yang hilang saat dikumpulkan.

    Langkah 6 · Ringkasan bukti untuk dinas

    Pengambil keputusan jarang membaca laporan 40 halaman. Karena itu hasil utama dikemas dalam ringkasan bukti (evidence brief) satu halaman dengan bahasa awam. Kata "mungkin" dan "tidak pasti" dipakai dengan sengaja untuk menyampaikan tingkat kepastian GRADE (Santesso dkk., 2020).

    Ringkasan Bukti · Pembatasan Ponsel di SMP · 11 Agustus 2028

    Pertanyaan dinas: Apakah membatasi penggunaan ponsel selama jam sekolah membantu siswa lebih berkonsentrasi belajar?

    Pesan utama
    • Membatasi ponsel selama jam sekolah mungkin sedikit meningkatkan konsentrasi siswa di kelas. Efeknya kecil.
    • Nilai siswa mungkin sedikit naik, terutama pada siswa yang nilainya rendah.
    • Kesejahteraan mental siswa mungkin tidak berbeda. Efek pada perundungan siber belum dapat disimpulkan.
    • Hasilnya bergantung pada pelaksanaan: aturan yang sama di semua sekolah, pengecualian untuk kebutuhan kesehatan dan keadaan darurat, tempat penyimpanan yang aman, dan kejelasan cara orang tua menghubungi anak.
    Dari mana bukti ini

    Sembilan studi dari 274 sekolah dan 86.540 siswa di Eropa, Amerika Utara, Asia Timur, Australia, dan Indonesia. Hanya satu studi yang mengundi sekolah; sisanya membandingkan sekolah yang memilih membatasi ponsel dengan yang tidak.

    Seberapa yakin kami

    Rendah untuk konsentrasi, nilai, dan kesejahteraan; sangat rendah untuk perundungan siber. Penelitian baru dapat mengubah kesimpulan ini.

    Pilihan yang dapat dipertimbangkan

    Menerapkan pembatasan secara bertahap di beberapa SMP lebih dulu, dengan urutan sekolah yang diundi dan pengukuran sebelum dan sesudah (Bab 23A, Bab 45), akan menghasilkan bukti lokal sambil kebijakan berjalan.

    Tentang ringkasan ini

    Disusun dengan rapid review enam minggu (pencarian sampai 11 Juli 2028) oleh tim Universitas X. Beberapa langkah dipersingkat, sehingga ada kemungkinan kecil studi terlewat. Ringkasan ini menyajikan bukti; keputusan tetap di tangan dinas dengan menimbang biaya, nilai, dan pendapat warga sekolah.

    Langkah 7 · Pembahasan, kesimpulan, dan pelaporan

    Sembilan studi menunjukkan bahwa pembatasan ponsel di sekolah mungkin sedikit meningkatkan konsentrasi dan nilai, tanpa perbedaan berarti pada kesejahteraan mental, dengan kepastian rendah. Studi nyata di Inggris juga menemukan kenaikan nilai ujian setelah sekolah melarang ponsel, terutama pada siswa berprestasi rendah (Beland & Murphy, 2016), sedangkan studi potong lintang di 30 sekolah menengah Inggris tidak menemukan perbedaan kesejahteraan mental antara sekolah yang membatasi dan yang membolehkan ponsel (Goodyear dkk., 2025). Menurut peneliti, bukti ini cukup untuk uji coba bertahap yang dievaluasi, tetapi belum cukup untuk menjanjikan perubahan besar. Keterbatasan: pencarian di tiga database dengan batas bahasa; sebagian seleksi dan ekstraksi oleh satu orang; hanya satu RCT; alat ukur konsentrasi beragam; dan hanya dua studi dari Indonesia, salah satunya di SMA.

    TemuanPembandingOpiniKeterbatasan
    1. Sembilan studi memenuhi kriteria; hanya satu yang mengundi sekolah, dan dua berasal dari Indonesia.

    2. Pembatasan ponsel mungkin sedikit meningkatkan konsentrasi di kelas (SMD median 0,20; kepastian rendah) dan nilai, terutama pada siswa berprestasi rendah (kepastian rendah).

    3. Kesejahteraan mental mungkin tidak berbeda (kepastian rendah); efek pada perundungan siber tidak pasti (kepastian sangat rendah).

    4. Keberhasilan kebijakan bergantung pada pelaksanaan yang seragam dan komunikasi dengan orang tua.

    Pelaporan. Laporan mengikuti PRISMA 2020 (Page dkk., 2021), dengan bagian khusus yang merinci setiap penyederhanaan dan alasannya. Perluasan PRISMA khusus rapid review (PRISMA-RR) sedang dikembangkan saat buku ini ditulis; periksa apakah sudah terbit. Sebutkan juga pihak pemesan dan kesepakatan independensinya.

    Coba sendiri: jalan pintas yang sah atau keliru?

    Rapid review boleh memangkas langkah, asalkan ditetapkan di awal dan dilaporkan. Pilih kategori untuk setiap tindakan.

    Menyaring 20% rekaman berdua, lalu sisanya satu orang dengan pemeriksaan rekaman yang dikeluarkan.

    Sah: ini rekomendasi panduan Cochrane untuk rapid review.

    Tidak menulis protokol karena waktunya hanya enam minggu.

    Keliru: protokol justru yang membedakan rapid review dari tinjauan asal cepat.

    Membatasi studi berbahasa Inggris dan Indonesia, lalu menulisnya sebagai keterbatasan.

    Sah: pembatasan bahasa jarang mengubah kesimpulan, tetapi harus diakui.

    Menambah outcome baru setelah melihat hasil karena dinas menyukainya.

    Keliru: outcome ditetapkan di protokol; perubahan setelah melihat hasil membuka bias.

    Sintesis naratif terstruktur tanpa meta-analisis karena desain studinya beragam.

    Sah: laporkan metodenya mengikuti SWiM.

    Tidak memasukkan studi yang hasilnya tidak mendukung kebijakan agar ringkasan lebih meyakinkan.

    Keliru: ini memilih bukti sesuai selera, bukan jalan pintas.

    Pilih kategori untuk keenam tindakan.

    Awas, keliru!
    • Memakai label "rapid review" untuk tinjauan tanpa protokol, tanpa string pencarian, dan tanpa laporan penyederhanaan.
    • Memangkas langkah diam-diam, atau menyebutnya "tinjauan sistematis" padahal memakai jalan pintas.
    • Membiarkan pemesan mengarahkan temuan, misalnya memilih studi atau mengubah kalimat kesimpulan.
    • Menghitung studi yang bermakna ("4 dari 6 studi bermakna, jadi efektif", atau "2 studi tidak bermakna, jadi tidak efektif") alih-alih merangkum besar dan arah efek.
    • Menulis "terbukti" di ringkasan bukti padahal kepastiannya rendah.
    • Tidak menilai risiko bias sama sekali demi kecepatan; tanpa itu kepastian bukti tidak bisa dinilai.
    Pojok S2–S3
    • Panduan metode: Cochrane Rapid Reviews Methods Group menerbitkan 26 rekomendasi sementara (Garritty dkk., 2021), lalu memperbaruinya menjadi 24 rekomendasi dengan pendekatan yang disesuaikan untuk setiap tinjauan (Garritty dkk., 2024). Panduan praktis WHO membahas rapid review untuk kebijakan dan sistem kesehatan (Tricco dkk., 2017).
    • Bukti tentang jalan pintas: pencarian yang dipangkas jarang membalik arah kesimpulan, tetapi sering menurunkan kepastiannya; keputusan yang menuntut kepastian tinggi tetap memerlukan pencarian menyeluruh (Nussbaumer-Streit dkk., 2018). Membatasi pada artikel berbahasa Inggris mengubah kebermaknaan statistik pada 9% meta-analisis, tetapi jarang mengubah kesimpulan (Dobrescu dkk., 2021).
    • Living review: tinjauan yang terus diperbarui begitu bukti baru terbit, cocok untuk bidang yang berkembang cepat dan keputusan yang bisa berubah (Elliott dkk., 2017). Kebijakan ponsel di sekolah sedang banyak dievaluasi, jadi dinas dapat meminta pembaruan berkala.
    • Alat bantu mesin: aplikasi seleksi kini dapat mengurutkan rekaman menurut perkiraan relevansi. Alat ini boleh membantu, tetapi keputusan inklusi tetap di tangan peninjau. Bila dipakai, sebutkan nama dan versinya, tetapkan cara verifikasinya di protokol, dan jangan memakainya untuk mengekstraksi data tanpa pemeriksaan manusia.
    • Menulis ringkasan bukti: satu halaman, pesan utama di awal, pernyataan kepastian yang konsisten dengan GRADE, dan pilihan kebijakan tanpa menggurui pengambil keputusan.
    Intinya
    • Rapid review adalah tinjauan sistematis yang dipercepat untuk keputusan; jalan pintasnya dipilih di awal, ditulis di protokol, dan dilaporkan.
    • Libatkan pengguna hasil dalam merumuskan pertanyaan dan outcome, tetapi jaga independensi temuan.
    • Setiap jalan pintas punya harga, misalnya satu penyaring melewatkan lebih banyak studi. Tulis sebagai keterbatasan dan perhitungkan dalam kepastian bukti.
    • Sampaikan hasilnya dalam ringkasan bukti yang jujur tentang tingkat kepastiannya.
    Coba sendiri: kuis rapid review
    Bab 37

    Contoh Lengkap Penelitian Uji Diagnostik

    Uji diagnostik menilai seberapa tepat sebuah tes (uji indeks) membedakan orang yang sakit dari yang tidak, dibandingkan dengan baku emas (reference standard). Hasilnya bukan nilai p, melainkan sensitivitas, spesifisitas, nilai prediksi, rasio kemungkinan, dan kurva ROC.

    SMP–SMAS1S2–S3

    Mengapa uji diagnostik?

    Kohort Rara (Bab 25) memakai refraksi sikloplegik untuk menentukan miopia. Cara ini akurat, tetapi mahal, butuh tetes mata, dan harus dilakukan tenaga khusus. Dinas kesehatan bertanya: bisakah guru UKS menyaring miopia hanya dengan kartu Snellen? Untuk menjawabnya, hasil tes guru dibandingkan dengan baku emas pada siswa yang sama.

    Langkah 1 · Judul dan tujuan

    Akurasi Uji Tajam Penglihatan oleh Guru UKS untuk Mendeteksi Miopia pada Siswa SMP di Palembang: Studi Uji Diagnostik
    Kata kunciUji indeksKondisi sasaranPopulasiDesain
    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Berapa prevalensi miopia menurut baku emas?
    Mengetahui prevalensi miopia.
    Proporsi, IK95%
    25,0%
    2
    Berapa sensitivitas, spesifisitas, dan nilai prediksi uji guru?
    Menghitung akurasi uji guru dengan titik potong 6/9.
    Tabel 2×2
    Se 84,0%; Sp 88,0%
    3
    Seberapa baik uji guru pada berbagai titik potong?
    Menentukan AUC dan titik potong terbaik.
    Kurva ROC, indeks Youden
    AUC 0,92; titik potong 6/9

    Langkah 2 · Desain dan subjek

    • Desain: uji diagnostik potong lintang. Setiap siswa menjalani kedua pemeriksaan pada hari yang sama.
    • Uji indeks: guru UKS yang sudah dilatih memeriksa tajam penglihatan dengan kartu Snellen dari jarak 6 meter. Hasil positif bila tajam penglihatan salah satu mata 6/9 atau lebih buruk. Titik potong ini ditetapkan sebelum penelitian.
    • Baku emas: refraksi sikloplegik oleh refraksionis; miopia bila ekuivalen sferis ≤ −0,50 D.
    • Penyamaran: guru tidak tahu hasil refraksi, dan refraksionis tidak tahu hasil pemeriksaan guru.
    • Subjek: semua siswa kelas VII–IX di 3 SMP yang bersedia, diambil berurutan (consecutive). Dari 612 siswa, 600 menjalani kedua pemeriksaan. Sebanyak 12 siswa tidak hadir saat refraksi dan dilaporkan.
    n (untuk sensitivitas) = Z² × Se(1 − Se) / d² / prevalensi
      = 1,96² × 0,85 × 0,15 / 0,07² / 0,25 = 100 / 0,25 = 400 siswa
    Rumus Buderer (1996): Se yang diharapkan 0,85, presisi d = 0,07, prevalensi miopia sekitar 25%. Perhitungan serupa untuk spesifisitas (Sp 0,88, d = 0,05) menghasilkan 217. Yang dipakai angka terbesar, yaitu 400.

    Langkah 3 · Etika

    Protokol ditelaah KEPK (Bab 7A) karena melibatkan anak dan tetes sikloplegik. Persetujuan diminta dari orang tua, dan siswa memberikan assent. Setiap siswa yang positif menurut salah satu pemeriksaan dirujuk, dan hasilnya disampaikan kepada orang tua.

    Langkah 4 · Hasil: tabel 2×2

    Tabel 37.1 — Uji guru (titik potong 6/9) dibanding baku emas
    Miopia (baku emas +)Tidak miopia (baku emas −)Total
    Uji guru positif126 (a, positif benar)54 (b, positif palsu)180
    Uji guru negatif24 (c, negatif palsu)396 (d, negatif benar)420
    Total150450600
    Tabel 37.2 — Ukuran akurasi
    UkuranRumusHasil (IK95%)Artinya
    Sensitivitasa / (a + c)84,0% (77,3–89,0)Dari 100 anak miopia, 84 terdeteksi
    Spesifisitasd / (b + d)88,0% (84,7–90,7)Dari 100 anak tidak miopia, 88 dinyatakan negatif
    Nilai prediksi positifa / (a + b)70,0% (62,9–76,2)Dari 10 anak yang dirujuk, 7 benar miopia
    Nilai prediksi negatifd / (c + d)94,3% (91,6–96,1)Hasil negatif cukup menenangkan
    Rasio kemungkinan positifSe / (1 − Sp)7,0Hasil positif menaikkan kemungkinan miopia secara bermakna
    Rasio kemungkinan negatif(1 − Se) / Sp0,18Hasil negatif menurunkan kemungkinan miopia
    Akurasi(a + d) / total87,0%Proporsi hasil yang benar

    IK95% memakai metode Wilson. Prevalensi miopia 25,0% (150/600).

    Bima bertanya

    "Kalau sensitivitasnya 84%, berarti kalau aku dinyatakan positif, 84% pasti miopia?"
    Bukan! Itu nilai prediksi positif, yang di sini 70%. Sensitivitas menjawab "dari yang sakit, berapa yang terdeteksi". Nilai prediksi menjawab "dari yang hasilnya positif, berapa yang benar sakit", dan angkanya sangat bergantung pada seberapa banyak orang yang sakit. Coba simulasi di bawah.

    Coba sendiri: prevalensi mengubah nilai prediksi

    Langkah 5 · Kurva ROC

    Tes guru sebenarnya menghasilkan beberapa tingkat tajam penglihatan. Setiap titik potong memberi pasangan sensitivitas dan spesifisitas yang berbeda. Kurva ROC menggambarkan semuanya, dan luas di bawah kurva (AUC) merangkum kemampuan membedakan: 0,5 sama dengan menebak, dan 1,0 sempurna.

    Analyze▸ROC Curve

    Di beberapa versi SPSS: Analyze ▸ Classify ▸ ROC Curve. Test Variable = visus_logmar (makin besar makin buruk); State Variable = miopia, Value = 1; centang ROC Curve, With diagonal reference line, Standard error and confidence interval, Coordinate points of the ROC Curve.

    Output — Area Under the Curve
    AreaStd. ErrorAsymptotic Sig.95% CI Lower95% CI Upper
    ,923,012,000,900,946

    Gambar 37.1 — Kurva ROC uji tajam penglihatan oleh guru

    Setiap titik = satu titik potong tajam penglihatan. AUC = 0,92.
    00,250,50,751 00,250,50,751 1 − spesifisitas sensitivitas ≤ 6/24: Se 16%, 1−Sp 0,2% ≤ 6/18: Se 38,7%, 1−Sp 0,9% ≤ 6/12: Se 64%, 1−Sp 3,6% ≤ 6/9: Se 84%, 1−Sp 12% (Youden terbesar) ≤ 6/7,5: Se 96%, 1−Sp 33,3% 6/246/186/126/9 (Youden)6/7,5 AUC 0,92(0,90–0,95)
    Tabel 37.3 — Koordinat kurva ROC dan indeks Youden
    Positif bila tajam penglihatanSensitivitasSpesifisitasYouden (Se + Sp − 1)
    ≤ 6/7,596,0%66,7%0,63
    ≤ 6/984,0%88,0%0,72
    ≤ 6/1264,0%96,4%0,60
    ≤ 6/1838,7%99,1%0,38

    Titik potong 6/9 memberi indeks Youden terbesar (Youden, 1950), sama dengan titik potong yang ditetapkan sebelum penelitian. Titik potong yang dipilih dari data yang sama cenderung terlalu optimistis dan perlu divalidasi pada sampel lain.

    Langkah 6 · Menilai risiko bias (QUADAS-2)

    Tabel 37.4 — Empat domain QUADAS-2 (Whiting dkk., 2011)
    DomainPertanyaan kunciPenilaian
    Pemilihan subjekBerurutan atau acak? Tidak memilih kasus yang "jelas"?Risiko rendah
    Uji indeksDibaca tanpa tahu baku emas? Titik potong ditetapkan di awal?Risiko rendah
    Baku emasTepat untuk kondisi sasaran? Dibaca tanpa tahu uji indeks?Risiko rendah
    Alur dan waktuSemua subjek menerima baku emas yang sama? Jarak waktu tepat?Risiko rendah; 12 siswa tanpa baku emas dilaporkan

    Bias yang dihindari: verification bias (hanya yang positif yang diperiksa baku emas), spectrum bias (hanya kasus berat dan orang sangat sehat, sehingga tes tampak lebih akurat), dan review bias (pemeriksa tahu hasil tes lain).

    Langkah 7 · Pembahasan dan kesimpulan

    Uji tajam penglihatan oleh guru UKS dengan titik potong 6/9 mendeteksi 84% anak miopia dan menyingkirkan 88% anak yang tidak miopia, dengan AUC 0,92. Pelaporan mengikuti STARD 2015 (Bossuyt dkk., 2015). Nilai prediksi bergantung pada prevalensi, sehingga angka ini hanya berlaku untuk populasi yang prevalensinya serupa. Menurut peneliti, uji guru layak dipakai sebagai skrining tahunan di SMP, dengan rujukan untuk semua hasil positif. Keterbatasan: tiga sekolah di satu kota; guru yang dilatih khusus mungkin lebih teliti daripada guru pada umumnya; dan 12 siswa tidak menjalani baku emas.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Prevalensi miopia pada siswa SMP menurut refraksi sikloplegik adalah 25,0%.

    2. Uji guru dengan titik potong 6/9 memiliki sensitivitas 84,0%, spesifisitas 88,0%, nilai prediksi positif 70,0%, dan nilai prediksi negatif 94,3%.

    3. AUC uji guru 0,92, dan titik potong terbaik menurut indeks Youden adalah 6/9.

    Awas, keliru!
    • Hanya memeriksa baku emas pada yang hasil tesnya positif (verification bias).
    • Menilai uji diagnostik dengan chi-square atau nilai p. Pertanyaannya "seberapa akurat", bukan "adakah hubungan".
    • Menyamakan sensitivitas dengan nilai prediksi positif.
    • Memilih titik potong dari data lalu melaporkannya seolah sudah ditetapkan sejak awal.
    • Pemeriksa baku emas tahu hasil uji indeks, atau sebaliknya.
    Pojok S2–S3
    • Sampel untuk spesifisitas juga dihitung dengan rumus Buderer; pakai angka terbesar dari kedua perhitungan.
    • Membandingkan dua tes pada subjek yang sama: bandingkan AUC dengan uji DeLong, atau sensitivitas dengan McNemar.
    • Baku emas tidak sempurna dapat ditangani dengan model kelas laten atau baku emas gabungan.
    • Setelah akurasi: nilai dampak tes pada keputusan klinis dan luaran pasien, serta biayanya. Tes yang akurat belum tentu memperbaiki kesehatan.
    • Pelaporan: STARD 2015; tinjauan sistematis akurasi diagnostik memakai QUADAS-2 dan meta-analisis bivariat.
    Intinya
    • Uji diagnostik membandingkan uji indeks dengan baku emas pada subjek yang sama, dengan pemeriksa yang tidak saling tahu hasil.
    • Laporkan sensitivitas, spesifisitas, nilai prediksi, dan rasio kemungkinan beserta IK95%. Ingat: nilai prediksi bergantung pada prevalensi.
    • Kurva ROC dan AUC merangkum akurasi pada berbagai titik potong. Hindari verification bias dan spectrum bias; nilai dengan QUADAS-2 dan laporkan mengikuti STARD.
    Coba sendiri: kuis uji diagnostik
    Bab 38

    Contoh Lengkap Survei dengan Regresi Linear Berganda

    Regresi linear berganda menjelaskan satu variabel dependen numerik (Y) dengan beberapa variabel independen (X₁, X₂, X₃, …) sekaligus. Jenis penelitian ini sangat sering dipakai di skripsi manajemen, ekonomi, pendidikan, dan psikologi: kuesioner skala Likert, uji validitas dan reliabilitas, uji asumsi klasik, lalu uji F dan uji t.

    S1S2–S3

    Langkah 1 · Judul dan kata "pengaruh"

    Contoh kuesioner kepuasan pelanggan di Bab 6 dikembangkan menjadi skripsi manajemen Sinta, teman kuliah Rara:

    Pengaruh Kualitas Produk, Harga, dan Kualitas Pelayanan terhadap Kepuasan Pelanggan Kedai Kopi X di Palembang
    Kata kunciVariabel independenVariabel dependenPopulasi & tempat
    Catatan tentang kata "pengaruh"

    Di Bab 1, kata "pengaruh" disarankan hanya untuk eksperimen. Di bidang manajemen dan ekonomi, judul "Pengaruh X terhadap Y" untuk model regresi dari survei sudah menjadi kebiasaan dan umumnya diterima pembimbing. Yang penting: datanya dikumpulkan sekali waktu tanpa perlakuan, sehingga hasilnya dibaca sebagai hubungan dalam model, bukan bukti sebab–akibat. Tanyakan konvensi yang berlaku di prodimu. Bila tujuannya hanya melihat arah dan kekuatan hubungan dua variabel, pilih penelitian korelasional (Bab 41).

    Langkah 2 · Rumusan, tujuan, dan hipotesis

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah kualitas produk berpengaruh terhadap kepuasan pelanggan?
    H1: kualitas produk berpengaruh positif
    Uji t
    H1 diterima
    2
    Apakah harga berpengaruh terhadap kepuasan pelanggan?
    H2: harga berpengaruh positif
    Uji t
    H2 diterima
    3
    Apakah kualitas pelayanan berpengaruh terhadap kepuasan pelanggan?
    H3: kualitas pelayanan berpengaruh positif
    Uji t
    H3 diterima
    4
    Apakah ketiganya bersama-sama berpengaruh terhadap kepuasan pelanggan?
    H4: berpengaruh secara simultan
    Uji F
    H4 diterima (R² 0,513)

    Model penelitiannya: Y = b₀ + b₁X₁ + b₂X₂ + b₃X₃ + e, dengan X₁ kualitas produk, X₂ harga, X₃ kualitas pelayanan, dan Y kepuasan pelanggan.

    Langkah 3 · Populasi, sampel, dan instrumen

    • Populasi: pelanggan Kedai Kopi X. Jumlahnya tidak diketahui, sehingga rumus Slovin tidak bisa dipakai (Slovin membutuhkan N, dan tidak memperhitungkan power; Bab 5).
    • Besar sampel: G*Power (Faul dkk., 2009) untuk regresi dengan 3 prediktor, f² = 0,15 (efek sedang), α 0,05, power 0,80 menghasilkan 77. Aturan praktis 5–10 responden per butir (19 butir) memberi 95–190. Diambil 150 responden.
    • Sampling: sistematik, setiap pelanggan ketiga di kasir selama 14 hari pada jam yang berbeda-beda. Kriteria: berusia ≥ 17 tahun dan sudah berkunjung minimal 2 kali dalam sebulan terakhir.
    Tabel 38.1 — Variabel dan indikator (skala Likert 1–5)
    VariabelIndikatorButirRentang skorα
    X₁ Kualitas produkRasa, aroma, konsistensi, penyajian, variasi menu55–250,84
    X₂ HargaKeterjangkauan, kesesuaian dengan kualitas, daya saing, kesesuaian dengan manfaat (Kotler & Keller, 2016)44–200,79
    X₃ Kualitas pelayananBukti fisik, keandalan, daya tanggap, jaminan, empati (SERVQUAL; Parasuraman dkk., 1988), kebersihan66–300,88
    Y Kepuasan pelangganKesesuaian harapan, minat berkunjung ulang, kesediaan merekomendasikan, kepuasan keseluruhan44–200,82

    Uji coba pada 30 responden: semua butir valid (r butir-total 0,41–0,78 > r tabel 0,361) dan reliabel (α ≥ 0,70). Langkahnya di Bab 6. Skor setiap variabel adalah jumlah skor butirnya.

    Langkah 4 · Analisis di SPSS

    Analyze▸Regression▸Linear
    1. Dependent = Y_puas; Independent(s) = X1_produk, X2_harga, X3_layanan; Method: Enter.
    2. Statistics → EstimatesConfidence intervalsModel fitCollinearity diagnostics.
    3. Plots → Y: *ZRESID, X: *ZPRED (pola acak berarti tidak ada heteroskedastisitas); Normal probability plot.
    4. Save → Unstandardized residuals, untuk uji normalitas dan uji Glejser.

    A. Uji asumsi klasik

    Tabel 38.2 — Hasil uji asumsi klasik
    AsumsiCara ujiHasilKeputusan
    Normalitas residualKolmogorov–Smirnov dan Shapiro–Wilk pada residual; P-P plotK-S p = 0,200; S-W p = 0,214; titik mengikuti garisTerpenuhi
    MultikolinearitasVIF < 10 dan tolerance > 0,10VIF 1,38; 1,17; 1,33Tidak ada multikolinearitas
    HeteroskedastisitasUji Glejser (|residual| diregresikan pada X) dan plot ZPRED–ZRESIDp = 0,412; 0,268; 0,531; titik menyebar acakTidak ada heteroskedastisitas
    LinearitasCompare Means → Test for linearityDeviation from linearity p > 0,05 untuk ketiga XTerpenuhi
    AutokorelasiDurbin–Watson1,94Hanya relevan untuk data runtun waktu

    Normalitas diuji pada residual, bukan pada setiap variabel. Uji Durbin–Watson sering diminta, tetapi autokorelasi hanya bermakna untuk data runtun waktu (misalnya penjualan bulanan), bukan survei sekali waktu.

    B. Output utama

    Output — Model Summary dan ANOVA
    RR SquareAdjusted R SquareStd. Error of the Estimate
    ,717,513,5041,903
    ModelSum of SquaresdfMean SquareFSig.
    Regression557,733185,9151,36,000
    Residual528,481463,62
    Total1086,21149
    Output — Coefficients
    ModelBStd. ErrorBetatSig.95% CI for BToleranceVIF
    (Constant)1,1721,302,900,370−1,401–3,745
    X1_produk,279,059,3204,713,000,162–,396,7231,383
    X2_harga,174,060,1802,883,005,055–,293,8551,170
    X3_layanan,284,046,4106,148,000,193–,375,7501,334

    Dependent Variable: Y_puas · t tabel (df 146; α 0,05 dua arah) = 1,976 · F tabel (3; 146) = 2,67

    Langkah 5 · Hasil dan interpretasi

    Ŷ = 1,172 + 0,279 X₁ + 0,174 X₂ + 0,284 X₃Setiap kenaikan 1 poin skor kualitas pelayanan berkaitan dengan kenaikan 0,284 poin skor kepuasan, bila kualitas produk dan harga dianggap tetap. Konstanta 1,172 tidak ditafsirkan, karena skor X tidak mungkin 0.
    • Uji F: F = 51,36 (p < 0,001), sehingga ketiga variabel bersama-sama berhubungan dengan kepuasan (H4 diterima).
    • Koefisien determinasi: adjusted R² = 0,504. Model menjelaskan sekitar 50% variasi kepuasan; sisanya dipengaruhi faktor lain di luar model (misalnya suasana, lokasi, promosi).
    • Uji t: ketiga variabel bermakna (p ≤ 0,005), sehingga H1–H3 diterima.
    • Mana yang paling kuat? Bandingkan koefisien terstandar (Beta), bukan B, karena rentang skor tiap variabel berbeda. Kualitas pelayanan (β = 0,41) paling kuat, disusul kualitas produk (0,32) dan harga (0,18).

    Gambar 38.1 — Koefisien terstandar (β) dan IK95%

    Makin ke kanan, makin kuat hubungan dengan kepuasan pelanggan
    00,20,40,6β terstandar Kualitas pelayananKualitas produkHarga Kualitas pelayanan: β 0,41 (0,28–0,54) Kualitas produk: β 0,32 (0,19–0,45) Harga: β 0,18 (0,06–0,30) 0,410,320,18
    Coba sendiri: prediksi skor kepuasan

    Langkah 6 · Pembahasan dan kesimpulan

    Kualitas produk, harga, dan kualitas pelayanan bersama-sama menjelaskan sekitar 50% variasi kepuasan pelanggan; kualitas pelayanan paling kuat. Temuan ini sejalan dengan teori kualitas layanan: kepuasan dibentuk oleh selisih antara harapan dan layanan yang dirasakan (Parasuraman dkk., 1988). Menurut peneliti, pengelola kedai sebaiknya memprioritaskan pelatihan pelayanan sebelum menurunkan harga. Keterbatasan: data survei sekali waktu sehingga arah hubungan tidak dapat dipastikan; semua variabel diukur dengan kuesioner yang sama pada saat yang sama (common method bias); satu kedai; dan responden adalah pelanggan yang sudah kembali, sehingga kepuasannya mungkin lebih tinggi.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Kualitas produk berpengaruh positif dan bermakna terhadap kepuasan pelanggan (β = 0,32; p < 0,001).

    2. Harga berpengaruh positif dan bermakna terhadap kepuasan pelanggan (β = 0,18; p = 0,005).

    3. Kualitas pelayanan berpengaruh positif dan bermakna, dan merupakan faktor terkuat (β = 0,41; p < 0,001).

    4. Ketiganya secara simultan berpengaruh terhadap kepuasan pelanggan (F = 51,36; p < 0,001; adjusted R² = 0,504).

    Awas, keliru!
    • Memakai Slovin ketika N tidak diketahui, atau menganggap Slovin sudah memperhitungkan power.
    • Menguji normalitas setiap variabel, bukan residualnya.
    • Membandingkan B antarvariabel untuk menentukan yang terkuat. Pakai Beta.
    • Menulis "harga berpengaruh 17,4%" dari nilai B, atau menafsirkan R² sebagai bukti sebab–akibat.
    • Memakai metode stepwise untuk menguji hipotesis. Stepwise memilih variabel berdasarkan data, bukan teori.
    • Menjalankan regresi tanpa uji asumsi, atau mengabaikan pelanggaran yang ditemukan.
    Pojok S2–S3
    • Variabel laten dengan banyak indikator, mediasi, dan moderasi lebih tepat dianalisis dengan SEM-PLS (Bab 9B) atau CB-SEM. Untuk mediasi atau moderasi sederhana, gunakan PROCESS (Hayes, 2022); contoh lengkapnya di Bab 41A.
    • Common method bias: kurangi dengan desain (sumber atau waktu pengukuran berbeda, anonimitas) dan periksa secara statistik, misalnya dengan uji faktor tunggal Harman atau variabel penanda (Podsakoff dkk., 2003).
    • Heteroskedastisitas yang tidak bisa dihilangkan dapat ditangani dengan galat baku robust (HC3), bukan dengan membuang data.
    • Skala Likert: satu butir bersifat ordinal, tetapi skor jumlah dari beberapa butir umumnya diperlakukan sebagai interval. Jelaskan pilihan ini di bab metode (Hair dkk., 2019).
    Intinya
    • Regresi linear berganda menjelaskan satu Y numerik dengan beberapa X. Hitung sampel dengan power atau aturan per butir; Slovin tidak dipakai bila N tidak diketahui.
    • Periksa uji asumsi klasik: normalitas residual, multikolinearitas (VIF), heteroskedastisitas, dan linearitas. Durbin–Watson hanya untuk data runtun waktu.
    • Baca uji F (simultan), uji t (parsial), adjusted R², dan Beta untuk membandingkan kekuatan. Pada survei sekali waktu, “pengaruh” dibaca sebagai hubungan.
    Coba sendiri: kuis regresi linear
    Bab 39

    Contoh Lengkap Penelitian Tindakan Kelas (PTK)

    Penelitian Tindakan Kelas dilakukan guru di kelasnya sendiri untuk memperbaiki pembelajaran. Ciri utamanya adalah siklus: merencanakan tindakan, melaksanakannya, mengamati, lalu merenungkan hasilnya untuk memperbaiki siklus berikutnya (Kemmis dkk., 2014). Tujuannya perbaikan nyata di kelas itu, bukan generalisasi.

    SMP–SMAS1S2–S3

    PTK atau eksperimen?

    Tabel 39.1 — Perbedaan PTK dan eksperimen
    PTKEksperimen/kuasi (Bab 22–24)
    PenelitiGuru kelas itu sendiri, sering berkolaborasi dengan rekanPeneliti dari luar maupun dalam
    TujuanMemperbaiki praktik di kelas ituMenguji pengaruh perlakuan dan menggeneralisasi
    Kelompok pembandingTidak ada; dibandingkan antarsiklusAda kelompok kontrol
    RancanganBerubah dari siklus ke siklus berdasarkan refleksiTetap sejak awal
    AnalisisDeskriptif: rerata, ketuntasan, persentase aktivitasStatistik inferensial

    Langkah 1 · Masalah dan judul

    Bu Wulan, guru IPA di SMP Negeri Y (sekolah Bima di Bab 24), mendapati hasil ulangan materi sistem pernapasan di kelas VIII-B rendah. Hanya 12 dari 32 siswa yang mencapai KKTP (kriteria ketercapaian tujuan pembelajaran, dulu disebut KKM) sebesar 75, dan siswa banyak yang pasif. Masalah yang ditemukan guru di kelasnya sendiri seperti inilah titik awal PTK.

    Peningkatan Hasil Belajar IPA Materi Sistem Pernapasan melalui Model Problem Based Learning Berbantuan Komik pada Siswa Kelas VIII-B SMP Negeri Y Palembang: Penelitian Tindakan Kelas
    Kata kunciYang ditingkatkanTindakanSubjekJenis

    Kata kunci judul PTK biasanya "Peningkatan" atau "Upaya Meningkatkan", diikuti apa yang ditingkatkan, tindakannya, dan kelasnya.

    Rumusan
    Tujuan
    Data
    Kesimpulan
    1
    Bagaimana penerapan PBL berbantuan komik meningkatkan aktivitas belajar siswa?
    Mendeskripsikan peningkatan aktivitas belajar.
    Lembar observasi aktivitas
    58,3% → 71,9% → 86,5%
    2
    Apakah penerapan PBL berbantuan komik meningkatkan hasil belajar siswa?
    Mengetahui peningkatan hasil belajar.
    Tes akhir siklus
    Ketuntasan 37,5% → 87,5%
    3
    Bagaimana respons siswa terhadap pembelajaran ini?
    Mendeskripsikan respons siswa.
    Angket, catatan lapangan
    Respons positif (88%)

    Langkah 2 · Rancangan, subjek, dan indikator keberhasilan

    • Model: spiral Kemmis dan McTaggart. Setiap siklus terdiri atas perencanaan, tindakan, observasi, dan refleksi. Direncanakan 2 siklus, masing-masing 3 pertemuan (2 × 40 menit).
    • Subjek: 32 siswa kelas VIII-B (17 perempuan, 15 laki-laki), semester genap 2027/2028.
    • Kolaborator: seorang guru IPA lain sebagai pengamat, karena guru yang mengajar sulit mengamati kelasnya sendiri secara objektif.
    • Tindakan: sintaks PBL (Barrows, 1986): orientasi masalah lewat komik ("Mengapa Bima sesak napas saat lari?"), pengorganisasian kelompok, penyelidikan dengan LKPD, penyajian hasil, serta analisis dan evaluasi.
    Tabel 39.2 — Indikator keberhasilan (ditetapkan sebelum tindakan)
    IndikatorTarget
    Ketuntasan klasikal (siswa mencapai KKTP 75)≥ 80%
    Rerata nilai kelas≥ 75
    Aktivitas belajar siswa≥ 75% (kategori baik)

    Langkah 3 · Instrumen dan analisis

    • Tes akhir siklus (20 pilihan ganda dan 2 uraian), ditelaah dua guru IPA senior agar sesuai tujuan pembelajaran.
    • Lembar observasi aktivitas siswa (8 indikator: bertanya, berdiskusi, mencatat, menyajikan, dan lain-lain) dan keterlaksanaan sintaks PBL oleh guru.
    • Angket respons siswa dan catatan lapangan.
    • Analisis deskriptif: rerata; ketuntasan klasikal = jumlah siswa tuntas / jumlah siswa × 100%; aktivitas = skor / skor maksimum × 100%. Data kualitatif dari catatan lapangan dipakai untuk refleksi.

    Langkah 4 · Pelaksanaan siklus

    Jelajahi siklus: pilih tahap

    Siklus I: modul ajar PBL, komik 12 halaman, LKPD, kelompok berisi 6 siswa, tes akhir siklus, lembar observasi.
    Siklus II: komik dipangkas menjadi 6 halaman, kelompok berisi 4 siswa, rubrik presentasi, dan penghargaan untuk kelompok terbaik.

    Langkah 5 · Hasil

    Tabel 39.3 — Perbandingan pra-siklus, siklus I, dan siklus II (data simulasi)
    IndikatorPra-siklusSiklus ISiklus IITarget
    Rerata nilai64,272,881,4≥ 75
    Siswa tuntas (dari 32)122028—
    Ketuntasan klasikal37,5%62,5%87,5%≥ 80%
    Aktivitas siswa58,3%71,9%86,5%≥ 75%
    Keterlaksanaan sintaks oleh guru—80,0%95,0%—

    Gambar 39.1 — Ketuntasan klasikal per siklus

    Persentase siswa yang mencapai KKTP 75 (n = 32). Garis merah putus-putus = target 80%.
    0%25%50%75% target 80% Pra-siklus: 37,5% (12 dari 32) Siklus I: 62,5% (20 dari 32) Siklus II: 87,5% (28 dari 32) 37,5%62,5%87,5% Pra-siklusSiklus ISiklus II rerata 64,2rerata 72,8rerata 81,4

    Respons siswa: 88% setuju bahwa komik membuat masalah lebih mudah dipahami, dan 81% merasa lebih berani bertanya. Catatan lapangan siklus II: "Siswa yang biasanya diam mulai bertanya karena punya peran sebagai pengamat waktu."

    Langkah 6 · Etika dan pembahasan

    • Peran ganda: guru sekaligus peneliti. Nilai rapor tetap memakai penilaian biasa, dan siswa tidak dirugikan bila tidak mengisi angket.
    • Semua siswa mendapat perlakuan yang sama; tidak ada kelas yang "dikorbankan" sebagai kontrol.
    • Izin kepala sekolah; orang tua diberi tahu lewat surat; foto kegiatan tanpa wajah yang jelas.

    PBL berbantuan komik meningkatkan aktivitas dan hasil belajar kelas VIII-B, dan semua indikator tercapai pada siklus II setelah perbaikan berdasarkan refleksi siklus I. PBL menempatkan masalah nyata sebagai awal belajar (Barrows, 1986), sedangkan komik membuat masalah itu dekat dengan kehidupan siswa. Kelompok yang lebih kecil dengan peran yang jelas menambah keterlibatan. Menurut peneliti, kunci keberhasilannya bukan komiknya saja, tetapi perbaikan yang dilakukan setelah refleksi. Keterbatasan: satu kelas; tanpa pembanding; tes setiap siklus membahas subtopik berbeda sehingga tidak sepenuhnya setara; dan siswa mungkin berubah karena merasa diamati.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Penerapan PBL berbantuan komik meningkatkan aktivitas belajar siswa dari 58,3% (pra-siklus) menjadi 71,9% (siklus I) dan 86,5% (siklus II).

    2. Penerapan PBL berbantuan komik meningkatkan hasil belajar: rerata 64,2 → 72,8 → 81,4, dan ketuntasan klasikal 37,5% → 62,5% → 87,5%.

    3. Respons siswa terhadap pembelajaran ini positif.

    Awas, keliru!
    • Siklus II sama persis dengan siklus I, tanpa perbaikan dari refleksi. Itu bukan siklus, melainkan pengulangan.
    • Indikator keberhasilan ditetapkan setelah melihat hasil.
    • PTK di kelas yang tidak diajar peneliti, atau tanpa masalah nyata dari kelas itu.
    • Menggeneralisasi hasil satu kelas ke semua sekolah.
    • Hanya melaporkan angka tanpa catatan observasi dan refleksi.
    Pojok S2–S3
    • Model PTK lain: Elliott, Ebbutt, dan Hopkins memberi variasi tahapan. Pilih salah satu dan sebutkan sumbernya (Arikunto dkk., 2006).
    • Penelitian tindakan partisipatif di luar kelas, misalnya di komunitas atau puskesmas, memakai logika siklus yang sama dengan melibatkan warga sebagai peneliti bersama (Kemmis dkk., 2014).
    • Memperkuat bukti: gunakan tes yang setara antarsiklus, N-gain untuk pretest–posttest pada materi yang sama, dan triangulasi pengamat.
    • Lesson study dapat dipadukan dengan PTK: sekelompok guru merancang, mengamati, dan merefleksikan satu pembelajaran bersama.
    Intinya
    • PTK dilakukan guru di kelasnya sendiri untuk memperbaiki pembelajaran, bukan untuk generalisasi.
    • Setiap siklus berisi perencanaan, tindakan, observasi, dan refleksi. Siklus berikutnya harus memuat perbaikan dari refleksi, dan siklus berhenti bila indikator keberhasilan tercapai.
    • Indikator keberhasilan ditetapkan sejak awal. Analisisnya deskriptif (rerata, ketuntasan klasikal, persentase aktivitas) dan dilengkapi catatan observasi.
    Coba sendiri: kuis PTK
    Bab 40

    Contoh Lengkap Penelitian dan Pengembangan (R&D)

    Penelitian dan pengembangan (research and development, R&D) menghasilkan produk, misalnya modul, media, atau aplikasi, lalu mengujinya sampai terbukti valid, praktis, dan efektif. Langkahnya mengikuti model pengembangan, misalnya ADDIE: Analysis, Design, Development, Implementation, Evaluation (Branch, 2009).

    S1S2–S3

    Memilih model pengembangan

    Tabel 40.1 — Model R&D yang sering dipakai di Indonesia
    ModelTahapanCatatan
    ADDIE (Branch, 2009)Analysis, Design, Development, Implementation, EvaluationUmum dan fleksibel; evaluasi berjalan di setiap tahap (dipakai di bab ini)
    4D (Thiagarajan dkk., 1974)Define, Design, Develop, DisseminatePopuler untuk perangkat pembelajaran
    Borg & Gall (1983)Sepuluh langkah, dari studi pendahuluan sampai diseminasiLengkap, tetapi panjang untuk skripsi

    Langkah 1 · Judul dan tujuan

    Bu Wulan, guru di Bab 39, melanjutkan S2 Pendidikan IPA. Terinspirasi komik Rara (Bab 24), ia mengembangkan modul digital tentang tidur sehat untuk tesisnya, dengan Rara sebagai rekan diskusi.

    Pengembangan Modul Digital "Tidur Sehat" Berbasis Komik untuk Siswa SMP: Penelitian dan Pengembangan Model ADDIE
    Kata kunciProdukPenggunaJenis dan model
    Rumusan
    Tujuan
    Data
    Kesimpulan
    1
    Bagaimana kevalidan modul menurut ahli?
    Menilai validitas modul.
    Lembar validasi ahli, Aiken's V
    Valid (V rerata 0,90 dan 0,88)
    2
    Bagaimana kepraktisan modul menurut siswa dan guru?
    Menilai kepraktisan modul.
    Angket respons
    Sangat praktis (86,4% dan 90,0%)
    3
    Bagaimana keefektifan modul terhadap pengetahuan tidur sehat?
    Menguji keefektifan modul.
    Pretest–posttest, N-gain
    Efektif (N-gain 0,56 vs 0,31)

    Langkah 2 · Lima tahap ADDIE

    A · AnalisisD · DesainD · PengembanganI · ImplementasiE · Evaluasi formatif di setiap tahap, sumatif di akhir angket 60 siswa,wawancara 3 guru,analisis kurikulumtujuan belajar,storyboard 24 hlm,instrumenproduksi modul,validasi 6 ahli,revisiuji perorangan (3),kelompok kecil (9),uji lapangan (63)
    Gambar 40.1 — Model ADDIE dalam penelitian ini. Setiap tahap dievaluasi sebelum lanjut ke tahap berikutnya.
    • Analisis kebutuhan: dari 60 siswa, 78% belum pernah belajar tentang kebiasaan tidur sehat, 85% menyukai komik, dan 72% tidur di atas pukul 23.00 pada hari sekolah. Guru membutuhkan bahan ajar yang bisa dibaca di HP. Materi dipetakan ke capaian pembelajaran tentang pola hidup sehat.
    • Desain: 6 episode komik (24 halaman), tujuan pembelajaran per episode, kuis di akhir episode, dan petunjuk untuk guru.
    • Pengembangan: modul dibuat dalam format flipbook yang ringan dibuka di HP, lalu divalidasi ahli dan direvisi.
    • Implementasi: uji coba bertahap: perorangan (3 siswa berkemampuan tinggi, sedang, rendah), kelompok kecil (9 siswa), lalu uji lapangan (2 kelas).
    • Evaluasi: formatif di setiap tahap (revisi), dan sumatif untuk menilai keefektifan.

    Langkah 3 · Validasi ahli (kevalidan)

    Tiga ahli materi (dokter, psikolog, guru senior) dan tiga ahli media (dua dosen teknologi pendidikan, satu desainer grafis) menilai setiap aspek dengan skala 1–5. Kesepakatan ahli dihitung dengan Aiken's V (Aiken, 1985):

    V = Σ s / [ n (c − 1) ] , s = r − 1r = skor dari ahli · n = jumlah ahli · c = jumlah kategori (5). Kategori yang sering dipakai: V > 0,80 tinggi; 0,40–0,80 sedang; < 0,40 rendah.
    Tabel 40.2 — Contoh hasil validasi (data simulasi)
    AspekSkor 3 ahliVKeputusan
    Materi · Kebenaran konsep tidur dan gawai5, 5, 40,92Valid tinggi
    Materi · Kesesuaian dengan capaian pembelajaran4, 5, 40,83Valid tinggi
    Media · Keterbacaan teks di layar HP4, 4, 30,67Sedang: huruf diperbesar
    Media · Daya tarik visual5, 5, 51,00Valid tinggi
    Rerata seluruh aspek—0,90 (materi); 0,88 (media)Valid
    Coba sendiri: kalkulator Aiken's V (skala 1–5)

    Langkah 4 · Kepraktisan

    • Uji perorangan (3 siswa): masukan "tombol halaman terlalu kecil" dan "ingin ada kuis", lalu diperbaiki.
    • Uji kelompok kecil (9 siswa): angket kepraktisan (mudah dibuka, mudah dipahami, menarik) memberi skor 86,4%, kategori sangat praktis.
    • Guru (3 orang): 90,0%, sangat praktis.

    Persentase = skor total / skor maksimum × 100%. Kategori yang lazim: > 80% sangat praktis, 61–80% praktis.

    Langkah 5 · Keefektifan: uji lapangan

    Keefektifan diuji dengan desain kuasi-eksperimen pretest–posttest dengan kelompok pembanding (Bab 24): kelas yang memakai modul (n = 32) dibandingkan dengan kelas yang belajar seperti biasa (n = 31). Peningkatan dihitung dengan N-gain (Hake, 1998):

    N-gain = (posttest − pretest) / (skor maksimum − pretest)Kategori: ≥ 0,70 tinggi; 0,30–0,69 sedang; < 0,30 rendah.
    Tabel 40.3 — Hasil uji lapangan (data simulasi)
    KelasPretestPosttestN-gainKategori
    Memakai modul (n = 32)52,4 ± 9,878,9 ± 8,60,56 ± 0,17Sedang
    Pembelajaran biasa (n = 31)53,1 ± 10,367,8 ± 10,20,31 ± 0,19Sedang (batas bawah)

    Pretest kedua kelas setara (uji t, p = 0,78). Beda N-gain: uji t independen t = 5,51 (df 61), p < 0,001; d = 1,39 (besar). Normalitas dan homogenitas varians N-gain terpenuhi.

    Gambar 40.2 — N-gain pengetahuan tidur sehat

    Rerata N-gain; garis putus-putus = batas kategori sedang (0,30) dan tinggi (0,70)
    00,20,40,60,8 sedang ≥ 0,30tinggi ≥ 0,70 Kelas modul: N-gain 0,56 Pembelajaran biasa: N-gain 0,31 0,560,31 Memakai modulPembelajaran biasa n = 32n = 31

    Langkah 6 · Produk akhir dan kesimpulan

    Spesifikasi produk akhir: modul digital flipbook berisi 6 episode komik (24 halaman), kuis di setiap episode, lembar refleksi kebiasaan tidur, dan panduan guru; dapat dibuka di HP tanpa aplikasi tambahan; ukuran 18 MB.

    Modul dinilai valid oleh ahli, sangat praktis menurut siswa dan guru, dan efektif meningkatkan pengetahuan tidur sehat dibanding pembelajaran biasa. Model ADDIE memastikan setiap tahap dievaluasi sebelum tahap berikutnya (Branch, 2009), sedangkan komik membuat pesan kesehatan lebih dekat dengan remaja. Menurut peneliti, modul dapat dipakai guru IPA, PJOK, atau BK sebagai bahan pendamping. Keterbatasan: uji lapangan hanya di dua kelas satu sekolah tanpa pengacakan; yang diukur pengetahuan, bukan kebiasaan tidur; dan N-gain diukur segera setelah pembelajaran.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Modul "Tidur Sehat" berbasis komik valid menurut ahli materi (V rerata 0,90) dan ahli media (V rerata 0,88).

    2. Modul sangat praktis menurut siswa (86,4%) dan guru (90,0%).

    3. Modul efektif meningkatkan pengetahuan tidur sehat: N-gain 0,56 dibanding 0,31 pada pembelajaran biasa (p < 0,001).

    Awas, keliru!
    • Berhenti di validasi ahli tanpa uji kepraktisan dan keefektifan pada pengguna.
    • Analisis kebutuhan hanya formalitas, padahal produk harus menjawab kebutuhan nyata.
    • Menguji keefektifan tanpa pembanding lalu mengklaim produk "efektif" hanya dari kenaikan pretest–posttest.
    • Ahli yang dipilih tidak kompeten di bidangnya, atau hanya satu orang.
    • Tidak menjelaskan revisi yang dilakukan setelah validasi dan uji coba.
    Pojok S2–S3
    • Design-based research mengembangkan produk sekaligus teori desain melalui beberapa iterasi di lingkungan nyata.
    • Kevalidan konstruk instrumen penilaian (angket kepraktisan, tes) juga perlu diuji, bukan hanya kevalidan produk.
    • Keefektifan yang lebih kuat diperoleh dengan cluster RCT dan pengukuran jangka panjang, misalnya kebiasaan tidur 3 bulan kemudian.
    • Diseminasi (tahap terakhir model 4D) meliputi pelatihan guru, lisensi terbuka, dan publikasi, termasuk pendaftaran hak cipta produk.
    Intinya
    • R&D menghasilkan produk dan membuktikan bahwa produk itu valid, praktis, dan efektif.
    • Ikuti model yang jelas (ADDIE, 4D, atau Borg & Gall): analisis kebutuhan, desain, pengembangan dengan validasi ahli (misalnya Aiken's V), lalu uji coba bertahap.
    • Keefektifan diuji pada pengguna dengan kelompok pembanding (misalnya N-gain dan uji t), dan setiap revisi dilaporkan.
    Coba sendiri: kuis penelitian dan pengembangan
    Bab 41

    Contoh Lengkap Penelitian Korelasional

    Penelitian korelasional mengukur dua variabel atau lebih apa adanya, tanpa perlakuan, lalu menilai arah dan kekuatan hubungannya dengan koefisien korelasi (r). Jenis ini sangat sering dipakai di skripsi psikologi dan pendidikan dengan judul "Hubungan antara X dan Y" (Creswell, 2012).

    SMP–SMAS1S2–S3

    Korelasional, cross-sectional, atau regresi?

    Dari segi desain, penelitian korelasional adalah penelitian potong lintang (Bab 4): semua variabel diukur satu kali. Istilah "korelasional" lazim di pendidikan dan psikologi (Creswell, 2012; Fraenkel dkk., 2012), sedangkan bidang kesehatan menyebutnya cross-sectional analitik. Creswell membedakan dua ragamnya: desain eksplanatori untuk menjelaskan hubungan dan desain prediksi untuk meramalkan Y dari X.

    Tabel 41.1 — Memilih jenis penelitian dari pertanyaannya
    PertanyaanJenis penelitianAnalisis utamaContoh
    Apakah kelompok yang sudah ada berbeda?Komparatif (ex post facto)Uji t, ANOVABab 42
    Apakah dua variabel numerik bergerak bersama, dan seberapa kuat?KorelasionalPearson atau Spearman; korelasi parsialBab 41
    Seberapa baik beberapa X bersama-sama menjelaskan Y?Korelasional prediktif (survei regresi)Regresi linear bergandaBab 38
    Berapa prevalensi, dan faktor apa yang berhubungan dengan outcome kategorik?Cross-sectional analitikChi-square, PR, regresi PoissonBab 27
    Apakah X menyebabkan Y?Eksperimen atau kuasi-eksperimenUji beda, ANCOVABab 22–24
    Bagaimana hubungan banyak konstruk laten sekaligus?Survei dengan model strukturalSEM-PLS atau CB-SEMBab 9B

    Langkah 1 · Judul

    Tari, mahasiswi psikologi yang sering berdiskusi dengan Rara, memperhatikan banyak teman seangkatannya menunda-nunda skripsi. Dari kajian pustaka ia menduga kuncinya ada pada keyakinan diri. Judulnya:

    Hubungan antara Efikasi Diri Akademik dan Prokrastinasi Akademik pada Mahasiswa yang Sedang Menyusun Skripsi di Universitas X Palembang
    Kata kunciVariabel XVariabel YPopulasi & tempat
    • Efikasi diri akademik: keyakinan mahasiswa bahwa ia mampu merencanakan dan menyelesaikan tugas akademiknya (Bandura, 1997).
    • Prokrastinasi akademik: kecenderungan menunda memulai atau menyelesaikan tugas akademik, sehingga tugas terlambat atau tidak optimal (Ferrari dkk., 1995).
    Mengapa "hubungan", bukan "pengaruh"?

    Kedua variabel diukur sekali, tanpa perlakuan, sehingga penelitian ini tidak bisa menunjukkan mana yang menjadi sebab (Bab 1). Dalam korelasi, X dan Y bahkan dapat ditukar: r antara X dan Y sama dengan r antara Y dan X. Tetap jelaskan berdasarkan teori mengapa efikasi diri ditempatkan sebagai X.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Bagaimana gambaran efikasi diri akademik dan prokrastinasi akademik mahasiswa?
    Tanpa hipotesis (deskriptif)
    Rerata, SD, kategorisasi
    Sebagian besar kategori sedang
    2
    Apakah ada hubungan antara efikasi diri akademik dan prokrastinasi akademik?
    H1: ada hubungan negatif
    Korelasi Pearson
    H1 diterima (r = −0,52)
    3
    Apakah hubungan itu tetap ada setelah IPK dikendalikan?
    H2: hubungan negatif tetap ada
    Korelasi parsial
    H2 diterima (r = −0,48)
    H₀: ρ = 0  lawan  H₁: ρ ≠ 0ρ (rho) adalah korelasi di populasi, sedangkan r adalah perkiraannya dari sampel. Hipotesis penelitiannya berarah (negatif), tetapi Tari memakai uji dua arah yang lebih konservatif. Uji satu arah hanya sah bila ditetapkan sebelum data dilihat, dan hasil ke arah sebaliknya tidak akan ditafsirkan.

    IPK dimasukkan karena bisa menjadi perancu: mahasiswa yang kemampuan akademiknya baik mungkin lebih yakin pada dirinya dan lebih jarang menunda. Bila hubungan efikasi diri dan prokrastinasi hanya disebabkan oleh IPK, korelasinya akan hilang setelah IPK dikendalikan.

    Langkah 3 · Populasi, sampel, dan instrumen

    • Populasi: 612 mahasiswa S1 yang terdaftar sedang menyusun skripsi (data bagian akademik). Kriteria inklusi: sudah menyusun skripsi minimal 3 bulan. Eksklusi: sedang cuti akademik.
    • Besar sampel dihitung dari korelasi yang diharapkan (Hulley dkk., 2013). Penelitian sebelumnya konsisten menemukan korelasi negatif antara efikasi diri dan prokrastinasi (Steel, 2007). Tari memakai dugaan yang lebih kecil, r = 0,30, agar sampelnya aman.
    n = [(Zα + Zβ) / C]² + 3,   C = ½ ln[(1 + r) / (1 − r)]r = 0,30; α 0,05 dua arah (Zα = 1,96); power 80% (Zβ = 0,84) → C = 0,310 → n = (2,80 / 0,310)² + 3 = 85. Ditambah cadangan 20% untuk kuesioner yang tidak lengkap: 85 / 0,8 = 107 mahasiswa diundang.
    Coba sendiri: besar sampel untuk korelasi

    • Sampling: acak sederhana dari daftar 612 mahasiswa dengan bilangan acak (Bab 5). Kuesioner daring dikirim secara pribadi lewat surel kampus, dengan dua kali pengingat. Sebanyak 104 dari 107 mahasiswa mengisi lengkap (97,2%), lebih dari 85 yang dibutuhkan.
    • Etik: persetujuan komisi etik fakultas; lembar persetujuan di halaman pertama; nama tidak diminta; responden boleh berhenti kapan saja (Bab 7B). Pertanyaan tentang kebiasaan menunda bisa memicu rasa bersalah, jadi kontak layanan konseling kampus dicantumkan di akhir kuesioner.
    Tabel 41.2 — Variabel dan instrumen
    VariabelIndikator atau cara ukurButirRentangUji coba (n = 40)α
    X Efikasi diri akademikTingkat kesulitan tugas (level), kekuatan keyakinan (strength), dan keluasan bidang (generality) (Bandura, 1997)1818–7220 butir diuji, 2 gugur0,87
    Y Prokrastinasi akademikPenundaan memulai dan menyelesaikan tugas, keterlambatan, kesenjangan antara rencana dan kinerja, memilih aktivitas lain yang lebih menyenangkan (Ferrari dkk., 1995)2020–8024 butir diuji, 4 gugur0,89
    Kovariat: IPKIPK terakhir di KHS, dilaporkan sendiri10–4——
    Tambahan: durasi media sosialRerata jam per hari selama 7 hari terakhir, dibaca dari fitur Screen Time atau Digital Wellbeing1jam——

    Skala Likert empat pilihan tanpa pilihan tengah (sangat sesuai, sesuai, tidak sesuai, sangat tidak sesuai), lazim pada skala psikologi di Indonesia (Azwar, 2012). Butir unfavorable diberi skor terbalik. Uji coba dilakukan pada 40 mahasiswa tingkat akhir di universitas lain. Butir dipertahankan bila korelasi butir-total terkoreksi ≥ 0,30 (Azwar, 2012); cara r hitung > r tabel di Bab 6 juga lazim dipakai.

    Langkah 4 · Analisis di SPSS

    A. Statistik deskriptif dan kategorisasi

    Skor setiap skala adalah jumlah skor butirnya. Untuk menggambarkan tinggi-rendahnya, skripsi psikologi di Indonesia lazim memakai kategorisasi berdasarkan rerata dan SD hipotetik, yaitu yang dihitung dari rentang skor skala, bukan dari data (Azwar, 2012):

    μ = ½ (skor min + skor maks)  ·  σ = (skor maks − skor min) / 6Efikasi diri: μ = 45 dan σ = 9, sehingga rendah < 36; sedang 36–53; tinggi ≥ 54. Prokrastinasi: μ = 50 dan σ = 10, sehingga rendah < 40; sedang 40–59; tinggi ≥ 60.
    Tabel 41.3 — Karakteristik skor (n = 104; data simulasi)
    VariabelRerata ± SDMin–maksRendahSedangTinggi
    Efikasi diri akademik52,75 ± 7,6636–680 (0,0%)55 (52,9%)49 (47,1%)
    Prokrastinasi akademik51,56 ± 9,1428–709 (8,7%)70 (67,3%)25 (24,0%)
    IPK3,36 ± 0,292,67–4,00———
    Durasi media sosial (jam/hari)ᵃ4,75 (3,40–6,70)1,6–14,0———

    ᵃ Tidak berdistribusi normal, sehingga disajikan sebagai median (rentang antarkuartil). Kategorisasi hanya untuk deskripsi. Uji korelasi tetap memakai skor asli, karena mengubah skor menjadi kategori membuang informasi.

    B. Lihat diagram pencar dulu

    Graphs▸Legacy Dialogs▸Scatter/Dot▸Simple Scatter

    X Axis = efikasi; Y Axis = prokras. Klik dua kali grafiknya, lalu pilih Add Fit Line at Total untuk menambahkan garis tren.

    Gambar 41.1 — Efikasi diri dan prokrastinasi akademik

    Setiap titik adalah satu mahasiswa. Garis putus-putus adalah garis tren (data simulasi).
    3040506070 20406080 Skor efikasi diri akademik (18–72) Skor prokrastinasi (20–80) Efikasi 55, prokrastinasi 39Efikasi 40, prokrastinasi 57Efikasi 51, prokrastinasi 55Efikasi 51, prokrastinasi 51Efikasi 58, prokrastinasi 58Efikasi 46, prokrastinasi 58Efikasi 43, prokrastinasi 61Efikasi 57, prokrastinasi 67Efikasi 44, prokrastinasi 54Efikasi 57, prokrastinasi 53Efikasi 50, prokrastinasi 45Efikasi 62, prokrastinasi 45Efikasi 51, prokrastinasi 70Efikasi 68, prokrastinasi 54Efikasi 66, prokrastinasi 42Efikasi 54, prokrastinasi 50Efikasi 45, prokrastinasi 62Efikasi 59, prokrastinasi 46Efikasi 52, prokrastinasi 57Efikasi 53, prokrastinasi 40Efikasi 45, prokrastinasi 66Efikasi 56, prokrastinasi 56Efikasi 47, prokrastinasi 49Efikasi 39, prokrastinasi 57Efikasi 52, prokrastinasi 60Efikasi 63, prokrastinasi 60Efikasi 48, prokrastinasi 56Efikasi 55, prokrastinasi 45Efikasi 62, prokrastinasi 43Efikasi 58, prokrastinasi 34Efikasi 48, prokrastinasi 44Efikasi 49, prokrastinasi 61Efikasi 59, prokrastinasi 52Efikasi 68, prokrastinasi 31Efikasi 54, prokrastinasi 40Efikasi 58, prokrastinasi 43Efikasi 51, prokrastinasi 60Efikasi 53, prokrastinasi 53Efikasi 47, prokrastinasi 58Efikasi 61, prokrastinasi 61Efikasi 64, prokrastinasi 28Efikasi 61, prokrastinasi 50Efikasi 45, prokrastinasi 47Efikasi 56, prokrastinasi 50Efikasi 67, prokrastinasi 38Efikasi 50, prokrastinasi 51Efikasi 63, prokrastinasi 38Efikasi 54, prokrastinasi 53Efikasi 60, prokrastinasi 51Efikasi 38, prokrastinasi 52Efikasi 53, prokrastinasi 47Efikasi 50, prokrastinasi 43Efikasi 54, prokrastinasi 44Efikasi 54, prokrastinasi 64Efikasi 36, prokrastinasi 60Efikasi 60, prokrastinasi 52Efikasi 47, prokrastinasi 47Efikasi 47, prokrastinasi 60Efikasi 62, prokrastinasi 43Efikasi 57, prokrastinasi 61Efikasi 60, prokrastinasi 39Efikasi 65, prokrastinasi 41Efikasi 50, prokrastinasi 63Efikasi 36, prokrastinasi 52Efikasi 60, prokrastinasi 46Efikasi 46, prokrastinasi 56Efikasi 63, prokrastinasi 51Efikasi 49, prokrastinasi 68Efikasi 66, prokrastinasi 45Efikasi 38, prokrastinasi 59Efikasi 56, prokrastinasi 53Efikasi 49, prokrastinasi 46Efikasi 51, prokrastinasi 38Efikasi 59, prokrastinasi 47Efikasi 45, prokrastinasi 67Efikasi 57, prokrastinasi 52Efikasi 63, prokrastinasi 41Efikasi 43, prokrastinasi 61Efikasi 55, prokrastinasi 47Efikasi 51, prokrastinasi 43Efikasi 53, prokrastinasi 66Efikasi 43, prokrastinasi 57Efikasi 42, prokrastinasi 53Efikasi 36, prokrastinasi 63Efikasi 50, prokrastinasi 61Efikasi 44, prokrastinasi 52Efikasi 54, prokrastinasi 44Efikasi 55, prokrastinasi 43Efikasi 58, prokrastinasi 40Efikasi 42, prokrastinasi 69Efikasi 49, prokrastinasi 53Efikasi 57, prokrastinasi 46Efikasi 51, prokrastinasi 67Efikasi 52, prokrastinasi 61Efikasi 52, prokrastinasi 56Efikasi 48, prokrastinasi 48Efikasi 66, prokrastinasi 36Efikasi 49, prokrastinasi 48Efikasi 61, prokrastinasi 40Efikasi 55, prokrastinasi 40Efikasi 44, prokrastinasi 57Efikasi 55, prokrastinasi 57Efikasi 49, prokrastinasi 55Efikasi 46, prokrastinasi 63 r = −0,52 · p < 0,001n = 104

    Diagram pencar menjawab empat hal sebelum angka apa pun dihitung. Arah: titik menurun dari kiri atas ke kanan bawah, jadi hubungannya negatif. Bentuk: polanya mengikuti garis lurus, bukan lengkung. Pencilan: tidak ada titik yang terpisah jauh. Sebaran: lebar sebaran titik kira-kira sama di sepanjang garis.

    C. Uji asumsi korelasi Pearson

    Tabel 41.4 — Hasil uji asumsi
    AsumsiCara ujiHasilKeputusan
    Data numerikSkor jumlah beberapa butirDiperlakukan sebagai data intervalTerpenuhi
    NormalitasKolmogorov–Smirnov (n > 50; Bab 9)Efikasi p = 0,200; prokrastinasi p = 0,200; IPK p = 0,200; media sosial p = 0,001Normal, kecuali media sosial (pakai Spearman)
    LinearitasCompare Means → Means → Test for linearityDeviation from linearity F(29; 73) = 0,79; p = 0,761Linear
    PencilanSkor z dan diagram pencar|z| terbesar 2,20 (efikasi) dan 2,59 (prokrastinasi), di bawah 3,29Tidak ada pencilan
    HomoskedastisitasDiagram pencarLebar sebaran titik relatif samaTerpenuhi
    Output — Tests of Normality
    Kolmogorov-Smirnova StatisticdfSig.Shapiro-Wilk StatisticdfSig.
    efikasi,042104,200*,987104,404
    prokras,066104,200*,985104,315
    IPK,052104,200*,992104,791
    medsos_jam,136104,001,900104,000

    *. This is a lower bound of the true significance. · a. Lilliefors Significance Correction

    D. Uji korelasi

    Analyze▸Correlate▸Bivariate
    1. Pindahkan efikasi, prokras, dan IPK ke kotak Variables.
    2. Correlation Coefficients: Pearson. Test of Significance: Two-tailed. Flag significant correlations.
    3. Ulangi dengan Spearman untuk pasangan yang melibatkan medsos_jam, karena variabel itu tidak normal.
    Output — Correlations
    efikasiprokras
    efikasiPearson Correlation1−,522**
    Sig. (2-tailed),000
    N104104
    prokrasPearson Correlation−,522**1
    Sig. (2-tailed),000
    N104104

    **. Correlation is significant at the 0.01 level (2-tailed). · SPSS menulis ,000; di naskah tulis p < 0,001.

    Analyze▸Correlate▸Partial

    Variables = efikasi dan prokras; Controlling for = IPK.

    Output — Partial Correlations
    Control Variablesefikasiprokras
    IPKefikasiCorrelation1,000−,482
    Significance (2-tailed).,000
    df0101

    Baris untuk prokras tidak ditampilkan karena isinya sama.

    Langkah 5 · Hasil dan interpretasi

    Tabel 41.5 — Matriks korelasi (n = 104; data simulasi)
    Variabel123
    1. Efikasi diri akademik—
    2. Prokrastinasi akademik−0,52**—
    3. IPK0,33**−0,25*—
    4. Durasi media sosialᵃ−0,25*0,40**−0,09

    * p < 0,05; ** p < 0,01 (dua arah). ᵃ Korelasi Spearman, karena durasi media sosial tidak normal; koefisien lain adalah Pearson. Rerata dan SD ada di Tabel 41.3.

    Setiap koefisien dibaca dari tiga sisi (Schober dkk., 2018):

    • Arah dari tandanya. Tanda negatif berarti makin tinggi efikasi diri, makin rendah prokrastinasi.
    • Kekuatan dari besarnya. Pakai kategori yang sama dengan Bab 9: 0,00–0,199 sangat lemah; 0,20–0,399 lemah; 0,40–0,599 sedang; 0,60–0,799 kuat; 0,80–1,00 sangat kuat. Bidang psikologi juga memakai patokan Cohen (1988): 0,10 kecil; 0,30 sedang; 0,50 besar. Sebutkan patokan mana yang dipakai.
    • Kebermaknaan dari nilai p dan ketepatan dari IK95%. IK95% korelasi dihitung dengan transformasi Fisher z.
    r = −0,52 → r² = 0,27  ·  IK95% −0,65 sampai −0,37Sekitar 27% variasi skor prokrastinasi berjalan bersama variasi efikasi diri. Ini bukan berarti "27% prokrastinasi disebabkan efikasi diri". IK95%: z = ½ ln(0,478/1,522) = −0,579; SE = 1/√(n − 3) = 0,0995; z ± 1,96 × SE, lalu dikembalikan ke skala r.
    Kalimat hasil Tari

    "Terdapat hubungan negatif yang bermakna dengan kekuatan sedang antara efikasi diri akademik dan prokrastinasi akademik (r = −0,52; IK95% −0,65 sampai −0,37; p < 0,001; n = 104). Makin tinggi efikasi diri akademik, makin rendah prokrastinasi akademik. Hubungan ini tetap bermakna setelah IPK dikendalikan (r parsial = −0,48; p < 0,001)."

    Korelasi parsial hanya turun sedikit, dari −0,52 menjadi −0,48. Artinya, hubungan efikasi diri dan prokrastinasi tidak dijelaskan oleh IPK. Sebagai analisis tambahan, durasi media sosial berkorelasi positif dengan prokrastinasi (rs = 0,40; p < 0,001), tepat di batas kategori lemah dan sedang.

    Coba sendiri: simulator korelasi

    Geser r dan n, lalu tambahkan satu pencilan. Perhatikan bahwa nilai p bergantung pada n, sedangkan satu titik ekstrem bisa mengubah r Pearson jauh lebih besar daripada Spearman.

    Selalu lihat grafiknya: kuartet Anscombe

    Anscombe (1973) membuat empat kumpulan data yang reratanya, variansnya, r-nya (0,82), dan garis regresinya sama persis. Grafiknya menunjukkan cerita yang sangat berbeda. Hanya data I yang cocok diringkas dengan r Pearson.

    Gambar 41.2 — Empat data dengan r yang sama

    Garis putus-putus adalah garis regresi yang sama pada keempat data
    I · linear (10; 8,04)(8; 6,95)(13; 7,58)(9; 8,81)(11; 8,33)(14; 9,96)(6; 7,24)(4; 4,26)(12; 10,84)(7; 4,82)(5; 5,68) II · lengkung (10; 9,14)(8; 8,14)(13; 8,74)(9; 8,77)(11; 9,26)(14; 8,1)(6; 6,13)(4; 3,1)(12; 9,13)(7; 7,26)(5; 4,74) III · satu pencilan (10; 7,46)(8; 6,77)(13; 12,74)(9; 7,11)(11; 7,81)(14; 8,84)(6; 6,08)(4; 5,39)(12; 8,15)(7; 6,42)(5; 5,73) IV · satu titik ekstrem (8; 6,58)(8; 5,76)(8; 7,71)(8; 8,84)(8; 8,47)(8; 7,04)(8; 5,25)(19; 12,5)(8; 5,56)(8; 7,91)(8; 6,89)
    • II · lengkung: hubungannya kuat tetapi tidak lurus. r Pearson meremehkannya. Pakai model nonlinear.
    • III · satu pencilan: sepuluh titik hampir segaris sempurna, tetapi satu titik membelokkan garis dan menurunkan r.
    • IV · satu titik ekstrem: tanpa titik di kanan atas, X sama sekali tidak bervariasi dan korelasi tidak dapat dihitung. Satu titik itu sendirian menciptakan korelasi.

    Langkah 6 · Korelasi bukan sebab–akibat

    Korelasi −0,52 dapat dijelaskan setidaknya dengan empat cara. Penelitian korelasional tidak bisa memilih di antaranya. Bagian pembahasan harus menyebut semuanya dengan jujur.

    X → Y

    Efikasi diri yang rendah membuat mahasiswa ragu memulai, lalu menunda. Inilah dugaan teori Tari.

    Y → X (arah terbalik)

    Kebiasaan menunda membuat tugas menumpuk dan hasilnya buruk, sehingga mahasiswa makin merasa tidak mampu.

    Z → X dan Y (perancu)

    Variabel ketiga, misalnya stres, depresi, atau dukungan pembimbing, memengaruhi keduanya. Contoh klasik: penjualan es krim dan kasus tenggelam naik bersama karena cuaca panas.

    Kebetulan

    Dengan 20 variabel ada 190 pasangan korelasi. Pada α 0,05, sekitar 9–10 pasangan bisa bermakna hanya karena kebetulan.

    Korelasi parsial menutup satu kemungkinan perancu (IPK), tetapi tidak semuanya. Untuk menguji sebab–akibat, langkah berikutnya adalah desain kohort, yang mengukur efikasi diri lebih dulu lalu mengikuti prokrastinasinya (Bab 25), atau eksperimen pelatihan efikasi diri (Bab 22).

    Langkah 7 · Pembahasan dan kesimpulan

    Efikasi diri akademik berkorelasi negatif dengan kekuatan sedang dengan prokrastinasi akademik (r = −0,52), dan hubungan ini tetap ada setelah IPK dikendalikan. Temuan ini sejalan dengan teori efikasi diri, yang menyatakan bahwa keyakinan akan kemampuan menentukan seberapa cepat seseorang memulai dan seberapa tekun ia bertahan (Bandura, 1997). Temuan ini juga sejalan dengan penelitian pada mahasiswa (Klassen dkk., 2008) dan meta-analisis Steel (2007). Menurut peneliti, program pendampingan skripsi yang membangun efikasi diri, misalnya target kecil bertahap dan umpan balik rutin dari pembimbing, layak diuji dalam penelitian eksperimen. Keterbatasan: data sekali waktu sehingga arah hubungan tidak dapat dipastikan; semua variabel dilaporkan sendiri, termasuk IPK; perancu lain seperti stres dan dukungan pembimbing tidak diukur; penelitian hanya di satu universitas.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Sebagian besar mahasiswa memiliki efikasi diri akademik kategori sedang (52,9%) dan prokrastinasi akademik kategori sedang (67,3%); 24,0% berprokrastinasi tinggi.

    2. Terdapat hubungan negatif yang bermakna dengan kekuatan sedang antara efikasi diri akademik dan prokrastinasi akademik (r = −0,52; p < 0,001).

    3. Hubungan tersebut tetap bermakna setelah IPK dikendalikan (r parsial = −0,48; p < 0,001).

    Proyek KIR: korelasi di kelasmu

    Bima ingin tahu apakah lama tidur berhubungan dengan nilai ulangan matematika di kelasnya. Caranya:

    1. Minta izin guru. Kumpulkan dua angka dari 30 teman (jam tidur semalam sebelum ulangan dan nilainya) tanpa menulis nama.
    2. Gambar diagram pencar di kertas berpetak: jam tidur di sumbu datar, nilai di sumbu tegak.
    3. Hitung r di spreadsheet: =CORREL(A2:A31, B2:B31). Di sebagian komputer, pemisahnya titik koma.
    4. Tulis arah dan kekuatannya, lalu ingat: korelasi belum tentu sebab–akibat!
    Awas, keliru!
    • Menulis "pengaruh" atau "dampak" untuk data korelasional yang diukur sekali waktu.
    • Membaca r = −0,52 sebagai "52%", atau membaca r² sebagai "persentase pengaruh".
    • Menyimpulkan "tidak ada hubungan" dari r mendekati 0 tanpa melihat diagram pencar. Hubungannya mungkin lengkung.
    • Menganggap p kecil berarti hubungan kuat. Dengan n = 1.000, r = 0,07 sudah bermakna (p = 0,03), padahal sangat lemah.
    • Mengubah skor menjadi kategori lalu memakai chi-square. Informasi hilang dan power turun.
    • Menghapus pencilan tanpa alasan, atau tidak melaporkannya. Periksa dulu apakah itu salah input atau data asli.
    • Memilih uji satu arah setelah melihat bahwa uji dua arah tidak bermakna.
    Pojok S2–S3
    • Membandingkan dua korelasi, misalnya pada mahasiswa laki-laki dan perempuan, memakai uji z Fisher untuk selisih dua korelasi. Jangan menyimpulkan "berbeda" hanya karena satu bermakna dan yang lain tidak.
    • Atenuasi: kesalahan ukur memperkecil r. Koreksinya: r / √(rxx × ryy) = −0,52 / √(0,87 × 0,89) ≈ −0,59. Laporkan sebagai tambahan, bukan pengganti r.
    • Pembatasan rentang: bila sampel hanya mahasiswa ber-IPK tinggi, variasinya sempit dan r tampak lebih kecil daripada di populasi.
    • Koefisien lain: point-biserial (numerik dengan dikotom), phi (dua dikotom), Kendall's tau-b (ordinal dengan banyak nilai kembar), dan polikorik (antarbutir ordinal, misalnya untuk CFA).
    • Banyak korelasi sekaligus: tetapkan hipotesis sebelum analisis, atau pakai koreksi Holm atau Bonferroni.
    • Jalur X → M → Y, misalnya efikasi diri → regulasi diri → prokrastinasi, diuji dengan analisis mediasi (contoh lengkap: Bab 41A; dengan variabel laten: Bab 9B), idealnya dengan data longitudinal.
    • Data bertingkat atau berulang, misalnya siswa dalam kelas yang sama, melanggar asumsi independensi. Pakai korelasi pengukuran berulang atau model multilevel.
    Intinya
    • Penelitian korelasional mengukur variabel apa adanya, sekali waktu, lalu menilai arah dan kekuatan hubungannya. Judulnya memakai kata “hubungan”, dan besar sampelnya dihitung dari r yang diharapkan.
    • Mulai dari diagram pencar, lalu periksa normalitas, linearitas, dan pencilan. Pilih Pearson (normal dan linear) atau Spearman (tidak normal, ordinal, atau berpencilan). Laporkan r, IK95%, p, dan n.
    • Korelasi bukan sebab–akibat: pertimbangkan arah terbalik, perancu (kendalikan dengan korelasi parsial), dan kebetulan. Nilai p tidak menunjukkan kekuatan hubungan.
    Coba sendiri: kuis penelitian korelasional
    Bab 41A

    Contoh Lengkap Analisis Mediasi dan Moderasi

    Analisis mediasi menguji bagaimana X berhubungan dengan Y, yaitu melalui variabel perantara M. Analisis moderasi menguji kapan atau pada siapa hubungan X dengan Y lebih kuat atau lebih lemah, bergantung pada variabel W (Baron & Kenny, 1986; Hayes, 2022). Bab ini melanjutkan penelitian korelasional Tari di Bab 41.

    S1S2–S3

    Mediator atau moderator?

    Tari menemukan bahwa makin tinggi efikasi diri akademik, makin rendah prokrastinasi akademik (r = −0,52). Temuan itu memunculkan dua pertanyaan lanjutan. Melalui apa efikasi diri berkaitan dengan prokrastinasi? Pada mahasiswa yang mana hubungan itu paling kuat? Pertanyaan pertama dijawab dengan mediasi, yang kedua dengan moderasi.

    Tabel 41A.1 — Membedakan mediator dan moderator
    AspekMediator (M)Moderator (W)
    PertanyaanBagaimana atau melalui apa X berhubungan dengan Y?Kapan, pada siapa, atau dalam kondisi apa hubungan X–Y lebih kuat atau lemah?
    PosisiDi dalam rantai: X → M → Y. M harus masuk akal dipengaruhi X.Di luar rantai; W "menunjuk" ke panah X → Y. W idealnya tidak dipengaruhi X.
    Urutan waktuX mendahului M, dan M mendahului YW diukur sebelum atau bersamaan dengan X; biasanya ciri atau konteks yang relatif tetap
    ModelDua persamaan: M dari X; Y dari X dan MSatu persamaan dengan suku interaksi X × W
    Yang diujiEfek tidak langsung a × b dengan IK95% bootstrapKoefisien interaksi b₃ dan ΔR², lalu simple slopes dan Johnson–Neyman
    PROCESSModel 4Model 1
    Contoh di bab iniRegulasi diriDukungan pembimbing
    A · Efek totalApakah X berhubungandengan Y?XEfikasi diriYProkrastinasicB · Mediasi: bagaimana?MRegulasi diriXEfikasi diriYProkrastinasiabc′efek tidak langsung = a × befek total c = c′ + a × bC · Moderasi: kapan?WDukungan pembimbingXEfikasi diriYProkrastinasiX × W (b₃)Y = b₀ + b₁X + b₂W + b₃XWkemiringan X = b₁ + b₃W
    Gambar 41A.1 — Tiga model. (A) Efek total, seperti penelitian Tari. (B) Mediasi: c′ adalah efek langsung setelah M dikendalikan. (C) Moderasi: panah dari W ke panah X → Y berarti kemiringan X bergantung pada W.

    Peran sebuah variabel ditentukan oleh teori sebelum data dikumpulkan, bukan oleh model yang hasilnya paling bagus. Secara statistik, mediator dan perancu bahkan tidak dapat dibedakan; pembedanya hanya teori dan desain (MacKinnon dkk., 2000).

    Langkah 1 · Judul

    Rian, mahasiswa S2 Psikologi dan teman Tari, membaca keterbatasan di Bab 41: dukungan pembimbing tidak diukur. Ia juga ingin tahu mengapa efikasi diri berkaitan dengan prokrastinasi. Judul tesisnya:

    Peran Regulasi Diri sebagai Mediator dan Dukungan Pembimbing sebagai Moderator dalam Hubungan Efikasi Diri Akademik dengan Prokrastinasi Akademik pada Mahasiswa yang Sedang Menyusun Skripsi di Universitas X Palembang
    Kata kunciVariabel XMediator (M)Moderator (W)Variabel Y
    • Efikasi diri akademik (X) dan prokrastinasi akademik (Y): definisi dan skala sama dengan Bab 41 (Bandura, 1997; Ferrari dkk., 1995).
    • Regulasi diri akademik (M): proses mahasiswa merencanakan, memantau, dan menilai sendiri cara belajarnya, dalam tiga fase: perencanaan, pelaksanaan, dan refleksi diri (Zimmerman, 2002).
    • Dukungan pembimbing (W): persepsi mahasiswa tentang dukungan emosional, instrumental, informasional, dan penilaian dari dosen pembimbing skripsi (House, 1981).
    "Peran", "efek", dan kata "pengaruh"

    Judul memakai "peran" dan "hubungan", bukan "pengaruh", karena semua variabel diukur sekali tanpa perlakuan (Bab 1). Istilah efek langsung, efek tidak langsung, dan efek total di output PROCESS adalah istilah statistik analisis jalur (Hayes, 2022), bukan bukti sebab–akibat. Di kesimpulan, Rian menulis "hubungan tidak langsung melalui regulasi diri".

    Langkah 2 · Rumusan, hipotesis, dan model

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah efikasi diri akademik berhubungan dengan prokrastinasi akademik?
    H1: hubungan negatif (efek total c < 0)
    Regresi Y pada X (total effect model PROCESS)
    H1 diterima (c = −0,58; p < 0,001)
    2
    Apakah regulasi diri memediasi hubungan tersebut?
    H2: ada efek tidak langsung negatif melalui regulasi diri (a × b < 0)
    PROCESS Model 4; IK95% bootstrap persentil, 5.000 sampel ulang
    H2 diterima (a × b = −0,25; IK95% −0,37 sampai −0,14)
    3
    Apakah dukungan pembimbing memoderasi hubungan tersebut?
    H3: hubungan negatif melemah pada dukungan tinggi (b₃ > 0)
    PROCESS Model 1: b₃, ΔR², simple slopes, Johnson–Neyman
    H3 diterima (b₃ = 0,033; ΔR² = 0,030; p = 0,009)
    M = i₁ + aX  ·  Y = i₂ + c′X + bM  ·  Y = i₃ + cXEfek tidak langsung = a × b; efek langsung = c′; efek total c = c′ + a × b. H2 diuji langsung pada a × b, bukan dengan melihat apakah c′ mengecil.
    Y = b₀ + b₁X + b₂W + b₃(X × W)  →  θX = b₁ + b₃WBila b₃ ≠ 0, kemiringan X (θ) bukan lagi satu angka, tetapi berubah menurut W. Karena hubungan X–Y negatif, b₃ positif berarti hubungan negatif itu melemah ketika dukungan naik.

    Dasar teori. Mahasiswa yang yakin mampu cenderung berani menetapkan target, memantau kemajuan, dan bertahan saat sulit (Bandura, 1997; Zimmerman, 2002). Prokrastinasi sendiri dipandang sebagai kegagalan regulasi diri (Steel, 2007), dan efikasi diri untuk meregulasi diri berkaitan dengan prokrastinasi mahasiswa (Klassen dkk., 2008). Itulah dasar H2. Untuk H3, pembimbing yang memberi jadwal, tenggat, dan umpan balik menyediakan struktur dari luar, sehingga mahasiswa yang kurang yakin pada dirinya tetap terdorong untuk mulai.

    Langkah 3 · Desain, sampel, dan instrumen

    • Desain: survei korelasional potong lintang (Bab 4). Semua variabel diukur sekali, sehingga urutan X → M → Y hanya berasal dari teori. Batasan ini dibahas di Langkah 6.
    • Populasi: 648 mahasiswa S1 yang terdaftar sedang menyusun skripsi (data bagian akademik). Kriteria inklusi: sudah menyusun skripsi minimal 3 bulan dan sudah memiliki pembimbing. Eksklusi: sedang cuti akademik.
    • Besar sampel dihitung dua kali, untuk moderasi dan untuk mediasi, lalu dipakai yang terbesar.
    G*Power: F tests ▸ Linear multiple regression: Fixed model, R² increaseInteraksi biasanya kecil. Rian mengharapkan ΔR² = 0,035 pada model dengan R² 0,30, sehingga f² = 0,035 / (1 − 0,30) = 0,05; α 0,05; power 0,80; tested predictors 1; total predictors 3 (X, W, X × W) → n = 159 (Faul dkk., 2009).
    Simulasi Monte Carlo: a = 0,39 · b = 0,26 · c′ = 0,14 (terstandar)Besar jalur mengikuti kategori Fritz & MacKinnon (2007): kecil 0,14; setengah jalan 0,26; sedang 0,39; besar 0,59. Jalur b sengaja dipilih lebih kecil agar aman. Simulasi Monte Carlo (Schoemann dkk., 2017) dengan 4.000 data tiruan, masing-masing diuji dengan bootstrap persentil, memberi power 0,80 pada n = 130. Karena 159 > 130, dipakai 159. Cadangan 15%: 159 / 0,85 = 187,1 → 188 mahasiswa diundang.
    • Sampling: acak sederhana dari daftar 648 mahasiswa (Bab 5). Sebanyak 172 dari 188 mengisi lengkap (91,5%). Dengan n = 172, power untuk interaksi (f² = 0,05) menjadi 0,83 dan untuk efek tidak langsung sekitar 0,90.
    • Etik: persetujuan komisi etik fakultas dan lembar persetujuan di halaman pertama (Bab 7B). Nama responden dan nama pembimbing tidak ditanyakan, dan data tidak pernah diperlihatkan kepada dosen, agar mahasiswa bebas menilai pembimbingnya tanpa takut dirugikan. Kontak layanan konseling kampus dicantumkan di akhir kuesioner.
    Tabel 41A.2 — Variabel dan instrumen
    VariabelIndikatorButirRentangUji coba (n = 40)α (n = 172)
    X Efikasi diri akademikSkala Tari: level, strength, generality (Bandura, 1997)1818–72Dipakai ulang dari Bab 410,90
    M Regulasi diri akademikPerencanaan dan penetapan tujuan; pemantauan dan pengendalian diri saat mengerjakan; evaluasi dan refleksi diri (Zimmerman, 2002)1616–6418 butir diuji, 2 gugur; α 0,860,87
    W Dukungan pembimbingEmosional; instrumental (waktu dan jadwal bimbingan); informasional (arahan dan umpan balik); penilaian atas kemajuan (House, 1981). Tiga butir per aspek1212–4814 butir diuji, 2 gugur; α 0,890,90
    Y Prokrastinasi akademikSkala Tari (Ferrari dkk., 1995)2020–80Dipakai ulang dari Bab 410,89

    Likert empat pilihan seperti Bab 41; skor skala = jumlah skor butir. Dua skala baru diperiksa tiga dosen psikologi (validitas isi), lalu diuji coba pada 40 mahasiswa tingkat akhir di universitas lain. Butir dipertahankan bila korelasi butir-total terkoreksi ≥ 0,30 (Azwar, 2012): regulasi diri 0,31–0,70; dukungan pembimbing 0,43–0,70.

    Langkah 4 · Analisis dengan PROCESS di SPSS

    A. Deskriptif, korelasi, dan asumsi

    Tabel 41A.3 — Statistik deskriptif dan korelasi (n = 172; data simulasi)
    VariabelRerata ± SDMin–maks123
    1. Efikasi diri akademik52,68 ± 7,5331–71—
    2. Regulasi diri akademik41,57 ± 6,3126–570,61**—
    3. Dukungan pembimbing33,57 ± 6,0015–460,33**0,27**—
    4. Prokrastinasi akademik51,27 ± 8,9331–75−0,49**−0,51**−0,31**

    ** p < 0,01 (semua p < 0,001); korelasi Pearson. Korelasi efikasi diri dengan prokrastinasi (−0,49) hampir sama dengan temuan Tari (−0,52) pada sampel yang berbeda.

    Asumsi regresi diperiksa pada setiap persamaan seperti di Bab 38: residual normal (Kolmogorov–Smirnov p > 0,20 pada semua persamaan), plot ZPRED–ZRESID menyebar acak, VIF efikasi dan regulasi diri 1,59, dan tidak ada skor dengan |z| > 3,29. Bootstrap tidak membutuhkan asumsi normal untuk a × b, tetapi tetap membutuhkan model regresi yang tepat.

    B. Mengapa bukan langkah Baron–Kenny dan uji Sobel?

    Dahulu mediasi diuji dengan empat langkah Baron dan Kenny (1986): (1) X berhubungan dengan Y, (2) X berhubungan dengan M, (3) M berhubungan dengan Y setelah X dikendalikan, dan (4) c′ lebih kecil daripada c. Bila c′ tidak bermakna, disebut "mediasi penuh". Efek a × b lalu diuji dengan uji Sobel (Sobel, 1982). Keduanya kini tidak dianjurkan (Hayes, 2009; Zhao dkk., 2010).

    Kelemahan langkah Baron–Kenny

    • Langkah 1 tidak wajib. Efek tidak langsung bisa ada walaupun efek total tidak bermakna, misalnya bila jalur langsung dan tidak langsung berlawanan arah.
    • Tidak ada langkah yang menguji a × b secara langsung.
    • Power-nya paling rendah. Untuk jalur a dan b kecil tanpa efek langsung, dibutuhkan lebih dari 20.000 responden (Fritz & MacKinnon, 2007).
    • Label "penuh" atau "parsial" bergantung pada besar sampel: pada n besar c′ mudah bermakna.

    Kelemahan uji Sobel

    • Sobel menganggap sebaran a × b normal dan simetris. Hasil kali dua koefisien umumnya miring, terutama pada sampel kecil, sehingga IK simetris kurang tepat dan power turun (Preacher & Hayes, 2008).
    • Penggantinya: IK95% bootstrap persentil untuk a × b, yang mengikuti bentuk sebaran apa adanya. Cara ini bawaan PROCESS (Hayes, 2022).
    1. Ambil sampel ulang. Pilih 172 responden secara acak dengan pengembalian dari data Rian. Satu orang bisa terambil dua kali, orang lain tidak terambil.

    2. Hitung a × b pada sampel ulang itu.

    3. Ulangi 5.000 kali, sehingga ada 5.000 nilai a × b.

    4. Urutkan. Nilai pada persentil 2,5 dan 97,5 menjadi batas IK95%. Bila IK tidak mencakup nol, ada efek tidak langsung. Catat seed agar hasilnya dapat diulang persis.

    Gambar 41A.2 — Sebaran 5.000 nilai a × b hasil bootstrap

    Batang pucat berada di luar IK95%. Garis merah putus-putus = nol (data simulasi).
    200400600Frekuensi−0,46 sampai −0,44: 3 sampel ulang−0,44 sampai −0,42: 8 sampel ulang−0,42 sampai −0,40: 15 sampel ulang−0,40 sampai −0,38: 47 sampel ulang−0,38 sampai −0,36: 82 sampel ulang−0,36 sampai −0,34: 153 sampel ulang−0,34 sampai −0,32: 226 sampel ulang−0,32 sampai −0,30: 360 sampel ulang−0,30 sampai −0,28: 494 sampel ulang−0,28 sampai −0,26: 661 sampel ulang−0,26 sampai −0,24: 681 sampel ulang−0,24 sampai −0,22: 655 sampel ulang−0,22 sampai −0,20: 561 sampel ulang−0,20 sampai −0,18: 435 sampel ulang−0,18 sampai −0,16: 305 sampel ulang−0,16 sampai −0,14: 170 sampel ulang−0,14 sampai −0,12: 78 sampel ulang−0,12 sampai −0,10: 38 sampel ulang−0,10 sampai −0,08: 13 sampel ulang−0,08 sampai −0,06: 9 sampel ulang−0,06 sampai −0,04: 3 sampel ulang−0,04 sampai −0,02: 3 sampel ulangbatas bawahtaksiranbatas atas−0,365−0,248−0,137nol−0,5−0,4−0,3−0,2−0,10Nilai a × b dari tiap sampel ulang

    Seluruh sebaran berada di kiri nol, jadi efek tidak langsung negatif. Pada data Rian, IK Sobel (−0,371 sampai −0,124) dan IK bootstrap (−0,365 sampai −0,137) memberi kesimpulan sama karena sampelnya cukup besar dan efeknya jelas. Perbedaannya menentukan pada sampel kecil atau efek lemah. Perhatikan juga bahwa IK bootstrap tidak simetris: sekitar 0,12 ke bawah dan 0,11 ke atas dari taksiran.

    C. Memasang PROCESS

    PROCESS adalah makro gratis karya Andrew F. Hayes untuk SPSS, SAS, dan R, berisi puluhan model bernomor (Hayes, 2022). Unduh dari situs resmi PROCESS (processmacro.org), lalu ekstrak berkasnya.

    1. Buka SPSS sebagai administrator (Windows: klik kanan ikon SPSS ▸ Run as administrator).
    2. Pasang dialognya lewat menu berikut, lalu pilih berkas process.spd:
      Extensions▸Utilities▸Install Custom Dialog (Compatibility mode)
    3. PROCESS muncul di Analyze ▸ Regression ▸ PROCESS v4 by Andrew F. Hayes. Nomor versi mengikuti versi yang dipasang, dan letak menu bisa sedikit berbeda antarversi SPSS.
    4. Bila komputer kampus menolak pemasangan, buka process.sps, jalankan sekali di setiap sesi (Run ▸ All), lalu pakai perintah process di jendela sintaks.

    D. Mediasi: PROCESS Model 4

    Analyze▸Regression▸PROCESS v4 by Andrew F. Hayes
    1. Y variable = prokras; X variable = efikasi; Mediator(s) M = regdiri; Model number = 4.
    2. Confidence intervals = 95; Number of bootstrap samples = 5000.
    3. Options → Show total effect modelEffect size.
    process y=prokras /x=efikasi /m=regdiri /model=4 /total=1 /effsize=1 /boot=5000 /seed=41001.
    Output — PROCESS Model 4: persamaan M dan Y

    Model : 4 · Y : prokras · X : efikasi · M : regdiri · Sample Size: 172 · Custom Seed: 41001

    OUTCOME VARIABLEcoeffsetpLLCIULCI
    regdiri
    R-sq ,3698
    constant14,70982,71625,4156,00009,348020,0716
    efikasi,5099,05109,9887,0000,4091,6106
    prokras
    R-sq ,3129
    constant88,95004,358720,4076,000080,345597,5544
    efikasi−,3320,0953−3,4835,0006−,5201−,1438
    regdiri−,4857,1137−4,2730,0000−,7100−,2613

    Model Summary: regdiri F(1; 170) = 99,77; prokras F(2; 169) = 38,48; keduanya p = ,0000. Baris efikasi pada regdiri adalah jalur a; baris regdiri pada prokras adalah jalur b; baris efikasi pada prokras adalah c′.

    Output — TOTAL, DIRECT, AND INDIRECT EFFECTS OF X ON Y
    EffectsetpLLCIULCIc_cs
    Total effect of X on Y−,5796,0794−7,3002,0000−,7363−,4229−,4885
    Direct effect of X on Y−,3320,0953−3,4835,0006−,5201−,1438−,2798
    Indirect effect(s) of X on YEffectBootSEBootLLCIBootULCI
    regdiri−,2476,0585−,3654−,1371
    regdiri (completely standardized)−,2087,0479−,3022−,1149

    Number of bootstrap samples for percentile bootstrap confidence intervals: 5000. PROCESS tidak memberi nilai p untuk efek tidak langsung; keputusan diambil dari IK. Kolom c_cs adalah efek terstandar penuh.

    E. Moderasi: PROCESS Model 1

    Mengapa dipusatkan? Tanpa pemusatan, b₁ adalah kemiringan efikasi ketika skor dukungan = 0, padahal skor terendah yang mungkin adalah 12. Suku X × W juga berkorelasi tinggi dengan X (r = 0,76). Pemusatan pada rerata (skor dikurangi reratanya) membuat b₁ dan b₂ bermakna sebagai efek pada rerata variabel lain. Koefisien interaksi b₃, uji t-nya, dan R² tidak berubah sedikit pun (Aiken & West, 1991; Hayes, 2022).

    Tabel 41A.4 — Model moderasi tanpa dan dengan pemusatan (n = 172; data simulasi)
    SukuTanpa pemusatanDengan pemusatanMakna setelah pemusatan
    Konstanta144,8750,79Prediksi prokrastinasi pada efikasi dan dukungan rerata
    Efikasi (b₁)−1,632−0,521Kemiringan efikasi pada dukungan rerata
    Dukungan (b₂)−1,985−0,242Kemiringan dukungan pada efikasi rerata
    Efikasi × dukungan (b₃)0,033 (p = 0,009)0,033 (p = 0,009)Sama persis
    R²0,2920,292Sama persis
    VIF (X; W; X × W)31,0; 47,4; 101,51,12; 1,12; 1,00Kolinearitas "tidak esensial" hilang
    Analyze▸Regression▸PROCESS v4 by Andrew F. Hayes
    1. Y variable = prokras; X variable = efikasi; Moderator variable W = dukungan; Model number = 1.
    2. Options → Mean center for construction of products: All variables that define products; Conditioning values: −1SD, Mean, +1SD; Johnson-Neyman outputGenerate code for visualizing interactions.
    process y=prokras /x=efikasi /w=dukungan /model=1 /center=1 /moments=1 /jn=1 /plot=1.
    Output — PROCESS Model 1

    Model : 1 · Y : prokras · X : efikasi · W : dukungan · Sample Size: 172 · Model Summary: R-sq ,2923; F(3; 168) = 23,13; p = ,0000

    ModelcoeffsetpLLCIULCI
    constant50,7881,606383,7684,000049,591251,9850
    efikasi−,5210,0815−6,3938,0000−,6818−,3601
    dukungan−,2422,1021−2,3717,0188−,4438−,0406
    Int_1,0331,01252,6501,0088,0084,0577

    Product terms key: Int_1 : efikasi x dukungan

    Test(s) of highest order unconditional interaction(s)R2-chngFdf1df2p
    X*W,02967,02281,0000168,0000,0088
    Conditional effects: dukunganEffectsetpLLCIULCI
    −6,0050−,7196,1120−6,4279,0000−,9406−,4986
    ,0000−,5210,0815−6,3938,0000−,6818−,3601
    6,0050−,3223,1095−2,9440,0037−,5384−,1062
    Moderator value(s) defining Johnson-Neyman significance region(s)Value% below% above
    8,089191,27918,7209

    Karena dipusatkan, nilai dukungan ditulis sebagai selisih dari rerata 33,57: −6,0050 berarti skor 27,56 (−1 SD); 8,0891 berarti skor 41,66.

    Langkah 5 · Hasil dan interpretasi

    A. Mediasi

    Tabel 41A.5 — Jalur model mediasi (n = 172; data simulasi)
    JalurBSEIK95%pβ
    a: efikasi → regulasi diri0,5100,0510,409 sampai 0,611< 0,0010,61
    b: regulasi diri → prokrastinasi (efikasi dikendalikan)−0,4860,114−0,710 sampai −0,261< 0,001−0,34
    c′: efek langsung−0,3320,095−0,520 sampai −0,144< 0,001−0,28
    c: efek total−0,5800,079−0,736 sampai −0,423< 0,001−0,49
    a × b: efek tidak langsung−0,2480,059ᵃ−0,365 sampai −0,137ᵃ—−0,21ᵇ

    ᵃ BootSE dan IK95% bootstrap persentil, 5.000 sampel ulang. ᵇ Efek tidak langsung terstandar penuh; IK95% −0,302 sampai −0,115. R² regulasi diri 0,370; R² prokrastinasi 0,313. Periksa: c′ + a × b = −0,332 + (−0,248) = −0,580 = c.

    Regulasi diri (M)R² = 0,370Efikasi diri (X)Prokrastinasi (Y)R² = 0,313a = 0,510***b = −0,486***c′ = −0,332***(SE 0,051)(SE 0,114)(SE 0,095) · efek total c = −0,580***Efek tidak langsung a × b = −0,248 · IK95% bootstrap −0,365 sampai −0,137
    Gambar 41A.3 — Hasil model mediasi dengan koefisien tak terstandar (data simulasi). *** p < 0,001. Diagram seperti ini lazim disertakan di bab hasil tesis.
    a × bcs = a × b × SDX / SDY = −0,248 × 7,53 / 8,93 = −0,21Efek tidak langsung terstandar penuh (Preacher & Kelley, 2011): mahasiswa yang efikasi dirinya 1 SD lebih tinggi diperkirakan 0,21 SD lebih rendah prokrastinasinya melalui regulasi diri. Proporsi termediasi a × b / c = 0,248 / 0,580 = 43% boleh disebut sebagai gambaran, tetapi angka ini tidak stabil pada sampel kecil dan tidak bermakna bila a × b dan c′ berlawanan arah.
    Kalimat hasil Rian: mediasi

    "Efikasi diri akademik berhubungan negatif dengan prokrastinasi akademik (efek total c = −0,58; IK95% −0,74 sampai −0,42; p < 0,001). Efikasi diri berhubungan positif dengan regulasi diri (a = 0,51; p < 0,001), dan regulasi diri berhubungan negatif dengan prokrastinasi setelah efikasi diri dikendalikan (b = −0,49; p < 0,001). Terdapat hubungan tidak langsung efikasi diri dengan prokrastinasi melalui regulasi diri (a × b = −0,25; IK95% bootstrap persentil dengan 5.000 sampel ulang −0,37 sampai −0,14; efek terstandar penuh −0,21). Hubungan langsung tetap bermakna (c′ = −0,33; p < 0,001); efek tidak langsung mencakup sekitar 43% dari efek total."

    Coba sendiri: penjelajah mediasi

    Nilai awal adalah koefisien terstandar data Rian (a = 0,61; b = −0,34; c′ = −0,28). Geser jalurnya. Coba buat efek total hampir nol padahal a × b jelas ada, misalnya dengan c′ = +0,21.

    B. Moderasi

    Tabel 41A.6 — Kemiringan efikasi diri pada beberapa tingkat dukungan pembimbing (data simulasi)
    Dukungan pembimbingSkorθSEIK95%p
    Rendah (−1 SD)27,56−0,7200,112−0,941 sampai −0,499< 0,001
    Rerata33,57−0,5210,082−0,682 sampai −0,360< 0,001
    Tinggi (+1 SD)39,57−0,3220,110−0,538 sampai −0,1060,004
    Titik Johnson–Neyman41,66−0,2530,128−0,507 sampai 0,0000,050

    θ = b₁ + b₃ × (dukungan − 33,57). Contoh pada skor 27,56: −0,521 + 0,033 × (−6,00) = −0,72.

    Gambar 41A.4 — Simple slopes efikasi diri pada tiga tingkat dukungan pembimbing

    Prediksi dari model PROCESS Model 1, efikasi dari −1 SD (45,2) sampai +1 SD (60,2) (data simulasi)
    444852566045505560Skor efikasi diri akademik (−1 SD sampai +1 SD)Prediksi skor prokrastinasiDukungan rendah (−1 SD = 27,6), efikasi 45,2: prokrastinasi 57,7Dukungan rendah (−1 SD = 27,6), efikasi 60,2: prokrastinasi 46,857,7Dukungan rerata (33,6), efikasi 45,2: prokrastinasi 54,7Dukungan rerata (33,6), efikasi 60,2: prokrastinasi 46,954,7Dukungan tinggi (+1 SD = 39,6), efikasi 45,2: prokrastinasi 51,8Dukungan tinggi (+1 SD = 39,6), efikasi 60,2: prokrastinasi 46,951,8≈ 46,9Dukungan pembimbing:rendah (−1 SD = 27,6)rerata (33,6)tinggi (+1 SD = 39,6)

    Pada dukungan rendah, setiap kenaikan 1 poin efikasi berkaitan dengan prokrastinasi 0,72 poin lebih rendah; pada dukungan tinggi hanya 0,32 poin. Pada efikasi rendah (45,2), selisih prediksi prokrastinasi antara dukungan rendah dan tinggi mencapai 5,9 poin. Pada efikasi tinggi (60,2), ketiga garis bertemu di sekitar 46,9. Jadi dukungan pembimbing paling berarti bagi mahasiswa yang kurang yakin pada dirinya, sebuah pola penyangga.

    Tiga titik −1 SD, rerata, dan +1 SD sebenarnya dipilih secara arbitrer. Teknik Johnson–Neyman mencari nilai moderator tempat IK95% kemiringan X tepat menyentuh nol (Johnson & Neyman, 1936; Hayes, 2022).

    Gambar 41A.5 — Kemiringan efikasi diri menurut dukungan pembimbing (Johnson–Neyman)

    Garis = θ; pita = IK95%. Area abu-abu: hubungan tidak bermakna karena IK95% mencakup 0 (data simulasi).
    −1,5−1,0−0,50titik J–N = 41,66Dukungan −1 SD (27,6): kemiringan −0,72; IK95% −0,94 sampai −0,50−1 SDDukungan rerata (33,6): kemiringan −0,52; IK95% −0,68 sampai −0,36rerataDukungan +1 SD (39,6): kemiringan −0,32; IK95% −0,54 sampai −0,11+1 SD15202530354045Skor dukungan pembimbing (12–48)Kemiringan efikasi (θ)

    Hubungan efikasi–prokrastinasi bermakna untuk skor dukungan di bawah 41,66 dan tidak bermakna di atasnya. Hanya 15 mahasiswa (8,7%) yang skornya di atas titik itu, sehingga taksiran di wilayah tersebut kurang tepat, terlihat dari pitanya yang melebar.

    Kalimat hasil Rian: moderasi

    "Dukungan pembimbing memoderasi hubungan efikasi diri akademik dengan prokrastinasi akademik (b₃ = 0,033; IK95% 0,008 sampai 0,058; p = 0,009; ΔR² = 0,030). Hubungan negatif paling kuat pada dukungan rendah (−1 SD: θ = −0,72; IK95% −0,94 sampai −0,50), lebih lemah pada rerata (θ = −0,52) dan pada dukungan tinggi (+1 SD: θ = −0,32; IK95% −0,54 sampai −0,11). Analisis Johnson–Neyman menunjukkan hubungan tidak lagi bermakna pada skor dukungan di atas 41,66 (8,7% responden)."

    Coba sendiri: penjelajah moderasi

    Geser skor dukungan pembimbing atau pilih salah satu tombol. Nilai awal adalah rerata, sehingga kemiringannya sama dengan b₁ di output PROCESS.

    Langkah 6 · Batas kesimpulan mediasi dari data sekali ukur

    Mediasi adalah klaim tentang proses yang berjalan dalam waktu: X berubah, lalu M, lalu Y. Data Rian diambil pada satu waktu. Maxwell dan Cole (2007) menunjukkan bahwa analisis mediasi potong lintang terhadap proses yang sebenarnya longitudinal dapat memberi taksiran yang sangat bias, bahkan ketika mediasinya penuh. Tiga penjelasan lain sama cocoknya dengan data Rian:

    • Urutan terbalik: prokrastinasi membuat tugas menumpuk, lalu mahasiswa kehilangan kendali atas jadwalnya, sehingga regulasi dirinya menurun (Y → M).
    • Perancu M dan Y: sifat kehati-hatian (conscientiousness) atau gejala depresi dapat menurunkan regulasi diri dan menaikkan prokrastinasi sekaligus. Hasil statistiknya sama dengan mediasi (MacKinnon dkk., 2000).
    • Saling memengaruhi: efikasi diri dan regulasi diri bisa saling menguatkan dari waktu ke waktu. Data sekali ukur tidak dapat memilih di antara model yang sama cocoknya.

    Boleh ditulis

    • "Terdapat hubungan tidak langsung efikasi diri dengan prokrastinasi melalui regulasi diri."
    • "Data konsisten dengan model mediasi yang dihipotesiskan."

    Jangan ditulis

    • "Efikasi diri memengaruhi prokrastinasi melalui regulasi diri."
    • "Regulasi diri terbukti menjadi penyebab."
    • "Terbukti mediasi penuh/parsial."

    Langkah berikutnya adalah desain longitudinal minimal tiga gelombang, misalnya efikasi diri di awal semester, regulasi diri sebulan kemudian, dan prokrastinasi dua bulan kemudian. Idealnya ketiga variabel diukur di setiap gelombang, agar nilai sebelumnya dapat dikendalikan (Cole & Maxwell, 2003). Pilihan lain adalah eksperimen pelatihan regulasi diri (Bab 22), lalu melihat apakah prokrastinasi ikut turun.

    Langkah 7 · Pembahasan dan kesimpulan

    Efikasi diri akademik berhubungan negatif dengan prokrastinasi akademik, dan sekitar 43% dari efek total berupa efek tidak langsung melalui regulasi diri. Hubungan tersebut paling kuat ketika dukungan pembimbing rendah. Temuan ini sejalan dengan teori efikasi diri, yang menyatakan bahwa keyakinan akan kemampuan mendorong penetapan tujuan dan ketekunan (Bandura, 1997), dengan model fase regulasi diri (Zimmerman, 2002), dan dengan pandangan bahwa prokrastinasi adalah kegagalan regulasi diri (Steel, 2007; Klassen dkk., 2008). Korelasi efikasi–prokrastinasi juga mereplikasi temuan Tari. Menurut peneliti, program pendampingan skripsi dapat melatih perencanaan mingguan dan pemantauan kemajuan, dengan prioritas bagi mahasiswa berefikasi rendah yang jarang bertemu pembimbingnya. Jadwal bimbingan rutin juga patut diuji sebagai penyangga. Keterbatasan: data sekali ukur sehingga urutan waktu tidak dapat dipastikan; semua variabel dilaporkan sendiri pada kuesioner yang sama (Podsakoff dkk., 2003); skor jumlah mengandung kesalahan ukur; wilayah Johnson–Neyman hanya berisi 15 responden; satu universitas.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Efikasi diri akademik berhubungan negatif dengan prokrastinasi akademik (c = −0,58; p < 0,001).

    2. Terdapat hubungan tidak langsung efikasi diri akademik dengan prokrastinasi akademik melalui regulasi diri (a × b = −0,25; IK95% −0,37 sampai −0,14); hubungan langsung tetap bermakna.

    3. Dukungan pembimbing memoderasi hubungan tersebut: makin tinggi dukungan, makin lemah hubungan negatifnya, dan hubungan tidak lagi bermakna pada skor dukungan di atas 41,66.

    Awas, keliru!
    • Menulis "pengaruh tidak langsung" atau "regulasi diri menyebabkan" dari data potong lintang.
    • Menghentikan analisis karena efek total tidak bermakna (langkah 1 Baron–Kenny), atau menguji a × b dengan uji Sobel.
    • Memilih peran variabel setelah melihat hasil, misalnya mencoba dukungan pembimbing sebagai mediator lalu sebagai moderator.
    • Menguji moderasi dengan membelah sampel menjadi dukungan tinggi dan rendah lalu membandingkan dua nilai p. Pakai suku interaksi dengan W kontinu (MacCallum dkk., 2002; Bab 44).
    • Membaca b₁ model tanpa pemusatan sebagai "efek utama". Nilai −1,632 adalah kemiringan pada dukungan = 0, skor yang mustahil.
    • Menganggap pemusatan mengubah uji interaksi. b₃, t, p, dan R² tetap sama.
    • Membaca tanda b₃ tanpa melihat plot. b₃ positif di sini berarti hubungan negatif melemah, bukan "dukungan memperkuat efikasi".
    • Tidak melaporkan detail bootstrap: jumlah sampel ulang, jenis IK (persentil), dan seed.
    Pojok S2–S3
    • Mediasi termoderasi. Bila teori menyatakan dukungan pembimbing melemahkan jalur regulasi diri → prokrastinasi (jalur b), pakai PROCESS Model 14; bila W melemahkan jalur a, pakai Model 7 (Preacher dkk., 2007). Pada data Rian, Model 14 memberi interaksi regulasi diri × dukungan 0,040 (p = 0,006) dan indeks mediasi termoderasi = a × b₃ = 0,510 × 0,040 = 0,020 (IK95% bootstrap 0,005 sampai 0,037). Efek tidak langsung bersyarat: −0,36 (IK95% −0,51 sampai −0,23) pada dukungan −1 SD; −0,23 (−0,35 sampai −0,12) pada rerata; −0,11 (−0,28 sampai 0,04) pada +1 SD. Kesimpulan diambil dari indeks, bukan dari membandingkan IK yang satu mencakup nol dan yang lain tidak (Hayes, 2015). Tetapkan nomor model sebelum data dikumpulkan.
    • Variabel laten. PROCESS memakai skor jumlah dan menganggapnya bebas kesalahan ukur. Kesalahan ukur pada mediator cenderung mengecilkan b dan membesarkan c′ (Baron & Kenny, 1986). SEM dengan variabel laten mengatasinya (Bab 9B); CB-SEM juga memungkinkan bootstrap efek tidak langsung.
    • Beberapa mediator diuji paralel (Model 4 dengan beberapa M) atau berurutan (Model 6), lengkap dengan kontras antarefek tidak langsung (Preacher & Hayes, 2008).
    • Kovariat seperti IPK dimasukkan ke persamaan M dan Y. Heteroskedastisitas ditangani dengan galat baku HC3 atau HC4 di opsi PROCESS.
    • Data longitudinal dianalisis dengan model panel silang-tertunda (cross-lagged panel) yang mengendalikan nilai sebelumnya (Cole & Maxwell, 2003). Kerangka mediasi kausal (kontrafaktual) juga menuntut asumsi tidak ada perancu M–Y yang tidak terukur; lakukan analisis kepekaan.
    Intinya
    • Mediator menjawab "bagaimana" (X → M → Y); moderator menjawab "kapan" atau "pada siapa" (X × W). Perannya ditetapkan oleh teori sebelum data dikumpulkan.
    • Uji mediasi langsung pada a × b dengan IK95% bootstrap persentil (misalnya 5.000 sampel ulang dengan seed), bukan dengan langkah Baron–Kenny atau uji Sobel. Laporkan a, b, c′, c, dan efek tidak langsung terstandar.
    • Untuk moderasi, pusatkan variabel, laporkan b₃ dan ΔR², lalu tafsirkan dengan simple slopes, plot, dan wilayah Johnson–Neyman.
    • Mediasi dari data sekali ukur tidak membuktikan urutan atau sebab–akibat. Tulis "hubungan tidak langsung melalui …" dan rencanakan desain longitudinal atau eksperimen.
    Coba sendiri: kuis mediasi dan moderasi
    Bagian IX

    Kuantitatif Lanjutan: Contoh Lengkap

    Bagian ini melengkapi contoh kuantitatif dengan tujuh jenis penelitian yang sering muncul di skripsi, tesis, dan disertasi: membandingkan kelompok yang sudah ada, menggambarkan keadaan suatu populasi, menguji dua faktor sekaligus, menilai dampak kebijakan dari data bulanan, mengadaptasi kuesioner dari bahasa lain, membangun model prediksi, dan menghitung efektivitas biaya.

    1. Bab 42 Komparatif (ex post facto): kelelahan perawat menurut pola shift, uji t, ANOVA, Kruskal–Wallis, post hoc, η²
    2. Bab 43 Survei deskriptif: gambaran PSP pencegahan DBD, cluster sampling dua tahap, design effect, IK95% proporsi, kategori Bloom, Angka Bebas Jentik
    3. Bab 44 Eksperimen faktorial 2×2 (ANAVA dua jalur): model PBL × motivasi belajar, efek utama, interaksi, efek sederhana, partial η²
    4. Bab 45 Deret waktu terputus dan studi ekologis: Perda KTR, regresi tersegmentasi, kontrafaktual, musim, autokorelasi (Durbin–Watson, Newey–West), seri kontrol, kekeliruan ekologis
    5. Bab 46 Adaptasi lintas budaya instrumen: izin penyusun, terjemahan maju–balik, komite ahli, wawancara kognitif, CFA, α dan ω, ICC, COSMIN
    6. Bab 47 Model prediksi klinis: prediksi miopia siswa SMP, besar sampel Riley, regresi logistik, AUC, kalibrasi, validasi internal bootstrap, penyusutan, skor poin, TRIPOD, PROBAST
    7. Bab 48 Evaluasi ekonomi: efektivitas biaya skrining miopia oleh guru UKS dan tenaga puskesmas, perspektif, pohon keputusan, ICER, dominansi, kesediaan membayar, diagram tornado, CHEERS 2022
    Bab 42

    Contoh Lengkap Penelitian Komparatif (Ex Post Facto)

    Penelitian komparatif, disebut juga kausal-komparatif atau ex post facto, membandingkan kelompok yang sudah terbentuk dengan sendirinya, misalnya menurut pola kerja, jenis sekolah, atau riwayat penyakit. Peneliti tidak memberi perlakuan dan tidak mengacak, sehingga hasilnya dibaca sebagai perbedaan, bukan sebab–akibat (Fraenkel dkk., 2012).

    SMP–SMAS1S2–S3

    Komparatif, eksperimen, korelasional, atau cross-sectional?

    Keempat jenis ini sering tertukar karena datanya bisa sama-sama dikumpulkan sekali waktu. Pembedanya adalah siapa yang menentukan kelompok dan jenis datanya.

    Tabel 42.1 — Posisi penelitian komparatif
    JenisKelompok ditentukan olehDataAnalisis utamaKata di judul
    Komparatif (Bab 42)Keadaan yang sudah ada: pola shift, unit kerjaX kategorik, Y numerikUji t, ANOVA, Mann–Whitney, Kruskal–Wallis"Perbedaan"
    Eksperimen dan kuasi (Bab 22–24)Peneliti memberi perlakuan, idealnya diacakPerlakuan → YUji t, ANCOVA"Pengaruh"
    Korelasional (Bab 41)Tidak ada kelompokX dan Y numerikPearson, Spearman"Hubungan"
    Cross-sectional analitik (Bab 27)Tidak ada kelompok; sampel diambil dari populasi lalu dipilahOutcome kategorikChi-square, PR"Hubungan", "Faktor yang berhubungan"

    Pada komparatif, sampel diambil per kelompok sesuai jumlah yang direncanakan. Pada cross-sectional, sampel diambil dari populasi, lalu dipilah menurut paparan dan outcome.

    Langkah 1 · Judul

    Dewi, teman Rara, adalah perawat di RSUD X Palembang dan sedang kuliah S2 Keperawatan. Rekan-rekannya yang sering dinas malam mengeluh letih, bahkan setelah libur. Ia ingin tahu apakah tingkat kelelahan memang berbeda menurut pola shift. Judulnya:

    Perbedaan Tingkat Kelelahan Kerja Perawat Berdasarkan Pola Shift di RSUD X Palembang
    Kata kunciVariabel terikatVariabel pengelompokTempat
    • Kelelahan kerja: rasa letih fisik dan mental yang dirasakan perawat, diukur dengan Fatigue Assessment Scale (FAS; Michielsen dkk., 2003).
    • Pola shift: pola dinas selama 3 bulan terakhir menurut jadwal ruangan, yaitu pagi tetap (hanya dinas pagi), rotasi (pagi, sore, dan malam bergantian), atau malam tetap (hanya dinas malam).
    Mengapa "perbedaan", bukan "pengaruh"?

    Dewi tidak bisa mengundi perawat ke pola shift. Pola shift sudah ditentukan oleh kebijakan ruangan, senioritas, dan pilihan perawat sendiri. Perawat pagi tetap umumnya lebih senior, sedangkan perawat yang memilih malam tetap mungkin memang lebih tahan begadang. Jadi kelompok bisa berbeda dalam banyak hal selain shift. Peneliti datang setelah "perlakuan" terjadi; itulah arti ex post facto ("setelah kejadian"). Kesimpulannya berbentuk perbedaan, bukan pengaruh (Bab 1).

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Bagaimana gambaran kelelahan kerja perawat?
    Tanpa hipotesis (deskriptif)
    Rerata, SD, persentase lelah (FAS ≥ 22)
    69,7% perawat lelah
    2
    Apakah ada perbedaan kelelahan kerja perawat menurut pola shift?
    H1: ada perbedaan rerata skor kelelahan di antara ketiga pola shift
    One-way ANOVA, lalu post hoc Tukey
    H1 diterima; pagi tetap paling rendah
    3
    Apakah ada perbedaan kelelahan kerja antara perawat ICU dan rawat inap?
    H2: ada perbedaan rerata skor kelelahan
    Uji t independen
    H2 diterima; ICU lebih tinggi
    H₀: μpagi = μrotasi = μmalam  lawan  H₁: paling sedikit satu rerata berbedaANOVA menguji ketiga kelompok sekaligus. Mengapa tidak tiga uji t? Setiap uji t memberi peluang 5% hasil "bermakna" palsu. Dengan tiga uji, peluang minimal satu hasil palsu naik menjadi 1 − 0,95³ = 14,3%.

    Langkah 3 · Populasi, sampel, dan instrumen

    • Desain: komparatif (ex post facto) dengan pengukuran sekali waktu.
    • Populasi: 424 perawat pelaksana di ruang rawat inap dan ICU: pagi tetap 88, rotasi 264, malam tetap 72 (data bidang keperawatan). Kriteria inklusi: masa kerja ≥ 1 tahun dan pola shift yang sama selama ≥ 3 bulan terakhir. Eksklusi: sedang hamil, cuti, atau sakit berat.
    • Besar sampel dihitung dengan G*Power (Faul dkk., 2007). Belum ada penelitian serupa di rumah sakit itu, jadi Dewi memakai efek sedang, f = 0,25 (Cohen, 1988). Pada tiga kelompok dengan jarak rerata yang sama, f = 0,25 setara dengan selisih rerata tertinggi dan terendah sekitar 0,6 SD.
    F tests ▸ ANOVA: Fixed effects, omnibus, one-wayEffect size f = 0,25 · α = 0,05 · power = 0,80 · 3 kelompok → total 159 (53 per kelompok; power sebenarnya 0,805). Cadangan 10% untuk kuesioner yang tidak kembali: 53 / 0,9 = 58,9 → 59 per kelompok, sehingga 177 perawat diundang.
    • Sampling: stratified random sampling dengan alokasi sama. Dari setiap daftar pola shift, 59 perawat dipilih dengan bilangan acak komputer (Bab 5). Alokasi proporsional hanya akan memberi sekitar 30 perawat malam tetap dan 37 pagi tetap, padahal ANOVA paling kuat bila kelompoknya sama besar.
    • Respons: 165 dari 177 kuesioner kembali lengkap (93,2%): pagi tetap 56, rotasi 55, malam tetap 54. Semua kelompok memenuhi minimal 53.
    • Etik: persetujuan komisi etik penelitian kesehatan dan izin direktur (Bab 7A). Karena Dewi rekan kerja sebagian responden, kuesioner dibagikan oleh enumerator, diisi tanpa nama, dan dimasukkan ke kotak tertutup. Skor perorangan tidak dilaporkan ke atasan. Setiap responden menerima lembar informasi tentang layanan kesehatan pegawai.
    Tabel 42.2 — Variabel dan instrumen
    VariabelCara ukurSkorKeterangan
    Y Kelelahan kerjaFAS: 10 butir, 1 (tidak pernah) sampai 5 (selalu); butir 4 dan 10 diberi skor terbalik (Michielsen dkk., 2003)10–50Skor ≥ 22 = lelah (De Vries dkk., 2004)
    X Pola shiftJadwal dinas 3 bulan terakhir dari kepala ruangan3 kategoriPagi tetap, rotasi, malam tetap
    X Unit kerjaData kepegawaian2 kategoriICU, rawat inap
    KovariatUsia dan masa kerja (tahun)numerikUntuk pembahasan perancu

    FAS diterjemahkan maju–mundur (Beaton dkk., 2000), lalu diuji coba pada 30 perawat di rumah sakit lain yang bukan sampel: α Cronbach 0,86; korelasi butir-total terkoreksi 0,45–0,74. Titik potong 22 ditetapkan pada penelitian pasien sarkoidosis di Belanda dan belum divalidasi pada perawat Indonesia. Karena itu analisis utama memakai skor asli; persentase "lelah" hanya pelengkap.

    Langkah 4 · Analisis di SPSS

    A. Normalitas per kelompok

    Analyze▸Descriptive Statistics▸Explore

    Dependent List = fas; Factor List = shift; Plots → Normality plots with tests. Normalitas diuji di setiap kelompok, bukan pada data gabungan.

    Output — Tests of Normality
    shiftKolmogorov-Smirnova StatisticdfSig.Shapiro-Wilk StatisticdfSig.
    Pagi tetap,07556,200*,98856,840
    Rotasi,07855,200*,97755,381
    Malam tetap,10054,200*,97754,400

    *. This is a lower bound of the true significance. · a. Lilliefors Significance Correction · n per kelompok > 50, jadi yang dibaca Kolmogorov–Smirnov (Bab 9); Shapiro–Wilk sejalan.

    B. One-way ANOVA dan post hoc

    Analyze▸Compare Means▸One-Way ANOVA
    1. Dependent List = fas; Factor = shift (1 = pagi tetap, 2 = rotasi, 3 = malam tetap).
    2. Options → DescriptiveHomogeneity of variance testWelch.
    3. Post Hoc → Tukey (bila varians homogen) dan Games-Howell (bila tidak homogen). Centang keduanya, lalu baca yang sesuai dengan hasil Levene.
    Output — Descriptives, Levene, dan ANOVA
    DescriptivesNMeanStd. DeviationStd. Error95% CI Lower95% CI Upper
    Pagi tetap5621,965,404,72220,5223,41
    Rotasi5525,655,693,76824,1227,19
    Malam tetap5426,336,402,87124,5928,08
    Total16524,626,119,47623,6825,56
    Test of Homogeneity of VariancesLevene Statisticdf1df2Sig.
    Based on Mean,9342162,395
    ANOVASum of SquaresdfMean SquareFSig.
    Between Groups612,3382306,1698,972,000
    Within Groups5528,36516234,126
    Total6140,703164

    Robust Tests of Equality of Means: Welch Statistic 9,428; df1 2; df2 107,123; Sig. ,000.

    Output — Multiple Comparisons (Tukey HSD)
    (I) shift(J) shiftMean Difference (I-J)Std. ErrorSig.95% CI Lower95% CI Upper
    Pagi tetapRotasi−3,690*1,109,003−6,31−1,07
    Pagi tetapMalam tetap−4,369*1,114,000−7,00−1,73
    RotasiMalam tetap−,6791,119,817−3,331,97

    *. Selisih bermakna pada α 0,05. SPSS menampilkan setiap pasangan dua kali (I-J dan J-I); di sini cukup satu.

    1. Baca Levene dulu. Sig. 0,395 > 0,05, jadi varians ketiga kelompok homogen. Pakai tabel ANOVA biasa dan post hoc Tukey. Bila Sig. < 0,05, baca baris Welch dan post hoc Games-Howell (Games & Howell, 1976).

    2. Baca ANOVA. F(2; 162) = 8,97; p < 0,001, jadi paling sedikit satu pasang kelompok berbeda. Welch memberi kesimpulan yang sama.

    3. Baca post hoc. Pagi tetap berbeda dengan rotasi (p = 0,003) dan dengan malam tetap (p < 0,001). Rotasi dan malam tetap tidak berbeda bermakna (p = 0,817).

    C. Dua kelompok: uji t independen

    Analyze▸Compare Means▸Independent-Samples T Test

    Test Variable = fas; Grouping Variable = unit → Define Groups: 1 (ICU) dan 2 (rawat inap). Normalitas per kelompok terpenuhi (Kolmogorov–Smirnov Sig. ,200* pada kedua kelompok).

    Output — Independent Samples Test
    Levene FLevene Sig.tdfSig. (2-tailed)Mean DifferenceStd. Error Difference95% CI Lower95% CI Upper
    Equal variances assumed5,180,0243,125163,0023,091,9891,1385,044
    Equal variances not assumed2,80681,166,0063,0911,102,8995,283

    Cara membaca dua baris: Sig. Levene 0,024 < 0,05, jadi varians kedua kelompok tidak homogen (SD ICU 7,22, rawat inap 5,25). Baca baris bawah, Equal variances not assumed (uji t Welch): t(81,2) = 2,81; p = 0,006. Bila Sig. Levene > 0,05, baca baris atas.

    D. Bila data tidak normal

    Pakai padanan non-parametriknya (Bab 9): Mann–Whitney untuk dua kelompok, serta Kruskal–Wallis untuk tiga kelompok atau lebih, dilanjutkan Mann–Whitney antarpasangan dengan koreksi. Data Dewi normal, tetapi ia tetap menjalankannya sebagai uji kepekaan. Hasilnya sejalan: Kruskal–Wallis H(2) = 16,20; p < 0,001 (mean rank 62,5; 90,4; 96,8) dan Mann–Whitney ICU lawan rawat inap p = 0,002.

    Langkah 5 · Hasil dan interpretasi

    Tabel 42.3 — Skor kelelahan kerja menurut pola shift dan unit kerja (n = 165; data simulasi)
    KelompoknRerata ± SDIK95% rerataLelah (FAS ≥ 22)p
    Pagi tetap5621,96 ± 5,4020,52–23,4132 (57,1%)< 0,001ᵃ
    Rotasi5525,65 ± 5,6924,12–27,1943 (78,2%)
    Malam tetap5426,33 ± 6,4024,59–28,0840 (74,1%)
    ICU5426,70 ± 7,2224,73–28,6744 (81,5%)0,006ᵇ
    Rawat inap11123,61 ± 5,2522,63–24,6071 (64,0%)
    Total16524,62 ± 6,1223,68–25,56115 (69,7%)

    ᵃ One-way ANOVA, F(2; 162) = 8,97. ᵇ Uji t Welch, t(81,2) = 2,81. Skor FAS 10–50; makin tinggi, makin lelah.

    Gambar 42.1 — Rerata skor kelelahan menurut pola shift

    Titik = rerata; garis tegak = IK95%. Garis merah putus-putus = batas lelah (data simulasi).
    18222630 Rerata skor FAS batas lelah: skor 22 Pagi tetap: rerata 22,0 (IK95% 20,5–23,4), n = 56Rotasi: rerata 25,7 (IK95% 24,1–27,2), n = 55Malam tetap: rerata 26,3 (IK95% 24,6–28,1), n = 54 22,025,726,3 Pagi tetapRotasiMalam tetapn = 56n = 55n = 54

    Nilai p hanya menjawab "ada perbedaan atau tidak". Besarnya perbedaan dinilai dengan besar efek (Lakens, 2013):

    η² = SS antarkelompok / SS total = 612,34 / 6.140,70 = 0,10  ·  d = (x̄₁ − x̄₂) / SD gabunganSekitar 10% variasi skor kelelahan berkaitan dengan pola shift. Menurut patokan Cohen (1988), yaitu η² 0,01 kecil, 0,06 sedang, dan 0,14 besar, efek ini sedang. Cohen's d: pagi tetap lawan rotasi 0,67; pagi tetap lawan malam tetap 0,74; rotasi lawan malam tetap 0,11; ICU lawan rawat inap 0,52. Patokan d: 0,2 kecil, 0,5 sedang, 0,8 besar.
    Kalimat hasil Dewi

    "Terdapat perbedaan bermakna skor kelelahan kerja perawat menurut pola shift (F(2; 162) = 8,97; p < 0,001; η² = 0,10). Uji Tukey menunjukkan skor perawat pagi tetap (21,96 ± 5,40) lebih rendah daripada perawat rotasi (25,65 ± 5,69; selisih 3,69; IK95% 1,07–6,31; p = 0,003) dan perawat malam tetap (26,33 ± 6,40; selisih 4,37; IK95% 1,73–7,00; p < 0,001). Perawat rotasi dan malam tetap tidak berbeda bermakna (selisih 0,68; p = 0,817). Skor perawat ICU lebih tinggi daripada perawat rawat inap (26,70 ± 7,22 lawan 23,61 ± 5,25; t(81,2) = 2,81; p = 0,006; d = 0,52)."

    Perhatikan kalimat "tidak berbeda bermakna": data belum cukup menunjukkan perbedaan antara rotasi dan malam tetap. Kalimat itu tidak berarti "kelelahan keduanya terbukti sama".

    Coba sendiri: simulator ANOVA

    Nilai awal memakai rerata data Dewi, SD gabungan √34,13 ≈ 5,8, dan n = 55 per kelompok, sehingga hasilnya mendekati output SPSS. Geser rerata, SD, dan n. Perhatikan bahwa F membesar bila selisih rerata melebar, tetapi mengecil bila SD di dalam kelompok membesar.

    Langkah 6 · Pembahasan dan kesimpulan

    Perawat dengan pola shift yang memuat dinas malam (rotasi dan malam tetap) lebih lelah daripada perawat pagi tetap, dengan besar efek sedang. Perawat ICU juga lebih lelah daripada perawat rawat inap. Temuan ini sejalan dengan kajian Åkerstedt (2003): kerja malam menggeser waktu tidur dari ritme sirkadian, sehingga tidur lebih pendek dan kantuk terbawa ke hari-hari berikutnya. Menurut peneliti, rumah sakit perlu meninjau jumlah dinas malam berturut-turut dan menjamin waktu istirahat yang cukup setelah dinas malam. Keterbatasan: kelompok terbentuk sendiri, sehingga perbedaan bisa berasal dari masa kerja (rerata pagi tetap 11,8 tahun, rotasi 6,8, malam tetap 6,1), usia, unit kerja, atau seleksi diri; data diukur sekali dan dilaporkan sendiri; titik potong FAS belum divalidasi pada perawat Indonesia; hanya satu rumah sakit.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Sebanyak 69,7% perawat tergolong lelah (FAS ≥ 22), dengan rerata skor 24,62 ± 6,12.

    2. Terdapat perbedaan kelelahan kerja menurut pola shift (p < 0,001; η² = 0,10). Perawat pagi tetap lebih rendah kelelahannya daripada perawat rotasi dan malam tetap; perawat rotasi dan malam tetap tidak berbeda bermakna.

    3. Terdapat perbedaan kelelahan kerja antara perawat ICU dan rawat inap (p = 0,006; d = 0,52); perawat ICU lebih lelah.

    Proyek KIR: yang ikut les tidurnya lebih sedikit?

    Bima ingin membandingkan lama tidur teman yang ikut les sore dan yang tidak. Kelompoknya sudah ada, jadi ini penelitian komparatif sederhana.

    1. Minta izin guru. Tanyakan kepada 20 teman yang ikut les dan 20 yang tidak: jam tidur dan jam bangun semalam. Jangan tulis nama.
    2. Hitung lama tidur setiap anak, lalu rerata tiap kelompok di spreadsheet: =AVERAGE(B2:B21). Catat juga nilai terkecil dan terbesar.
    3. Gambar diagram batang dua batang: "ikut les" dan "tidak ikut les", misalnya 7,1 jam lawan 7,9 jam (angka contoh).
    4. Tulis kesimpulannya sebagai perbedaan. Jangan menulis "les menyebabkan kurang tidur", karena anak yang ikut les mungkin juga punya PR lebih banyak.
    Awas, keliru!
    • Menulis "pengaruh pola shift" padahal kelompok tidak diberikan dan tidak diacak oleh peneliti.
    • Menjalankan tiga uji t terpisah alih-alih ANOVA, sehingga risiko hasil bermakna palsu naik menjadi 14,3%.
    • Berhenti di ANOVA. p < 0,05 hanya berarti "ada yang berbeda"; pasangan yang berbeda baru diketahui dari post hoc.
    • Membaca baris atas uji t padahal Levene bermakna.
    • Menguji normalitas pada data gabungan, bukan per kelompok.
    • Tidak melaporkan besar efek dan IK95%, sehingga pembaca tidak tahu seberapa besar perbedaannya.
    Pojok S2–S3
    • ANCOVA untuk perancu. Masa kerja berbeda jauh antarkelompok. Dengan masa kerja sebagai kovariat, perbedaan pola shift tetap bermakna tetapi mengecil: F(2; 161) = 5,47; p = 0,005; partial η² = 0,06; rerata terkoreksi 22,2; 25,6; 26,2. Usia tidak ikut dimasukkan karena berkorelasi sangat kuat dengan masa kerja (r = 0,92). ANCOVA tidak dapat "menyetarakan" kelompok yang memang berbeda sejak awal (Miller & Chapman, 2001).
    • Varians tidak homogen: pakai Welch ANOVA (Welch, 1951) dan Games-Howell. Pada data Dewi, Welch F(2; 107,1) = 9,43; p < 0,001, sejalan dengan ANOVA biasa.
    • Banyak perbandingan. Tukey menjaga kesalahan tipe I untuk semua pasangan. Bila hipotesisnya spesifik sejak awal (misalnya "dengan dinas malam lawan tanpa dinas malam"), satu kontras terencana lebih kuat.
    • Besar efek yang kurang bias: ω² = 0,09, sedikit lebih kecil daripada η² = 0,10 (Lakens, 2013).
    • Alokasi sama dan estimasi populasi. Karena setiap strata diambil sama banyak, persentase lelah gabungan harus dibobot menurut ukuran strata: 73,1%, bukan 69,7%.
    • Dua faktor yang saling terkait. Proporsi perawat ICU berbeda menurut pola shift (pagi tetap 11 dari 56, rotasi 24 dari 55, malam tetap 19 dari 54). Untuk menilai keduanya bersamaan, pakai ANOVA dua jalur (Bab 44) atau ANCOVA.
    Intinya
    • Penelitian komparatif (ex post facto) membandingkan kelompok yang sudah terbentuk, tanpa perlakuan dan tanpa pengacakan. Kesimpulannya "perbedaan", bukan "pengaruh".
    • Dua kelompok: uji t independen (baca baris sesuai hasil Levene) atau Mann–Whitney. Tiga kelompok atau lebih: ANOVA, Welch, atau Kruskal–Wallis, lalu post hoc.
    • Hitung besar sampel per kelompok (G*Power: f = 0,25 → 53 per kelompok) dan ambil sampel acak dari setiap kelompok dengan alokasi sama.
    • Laporkan rerata ± SD, IK95%, besar efek (η², d), lalu bahas perancu seperti masa kerja dan usia.
    Coba sendiri: kuis penelitian komparatif
    Bab 43

    Contoh Lengkap Survei Deskriptif

    Survei deskriptif memotret keadaan suatu populasi, misalnya berapa persen orang yang tahu, bersikap, dan berperilaku tertentu, tanpa menguji hubungan atau pengaruh. Judulnya lazim diawali "Gambaran …". Walaupun tanpa hipotesis, survei ini tetap menuntut sampel acak yang cukup, instrumen yang valid, dan IK95% untuk setiap angka (Lemeshow dkk., 1990).

    SMP–SMAS1

    Deskriptif tidak berarti asal-asalan

    Yang dilakukan

    Menaksir proporsi atau rerata di populasi: berapa persen ibu yang pengetahuannya baik, berapa persen rumah yang bebas jentik. Analisisnya univariat: frekuensi, persentase, rerata, dan IK95%.

    Yang tidak dilakukan

    Menguji hipotesis hubungan atau perbedaan. Pertanyaan "apakah pendidikan berhubungan dengan pengetahuan?" membutuhkan desain analitik, misalnya cross-sectional analitik (Bab 27), dengan hipotesis dan besar sampel sendiri.

    Langkah 1 · Judul

    Nisa, sepupu Rara, adalah mahasiswi S1 Kesehatan Masyarakat. Saat magang di puskesmas, ia melihat kasus demam berdarah dengue (DBD) di wilayah kerjanya naik. Puskesmas membutuhkan data untuk merencanakan penyuluhan, dan Nisa menjadikannya skripsi:

    Gambaran Pengetahuan, Sikap, dan Perilaku Pencegahan Demam Berdarah Dengue pada Ibu Rumah Tangga di Kelurahan X Palembang
    Kata kunciVariabel yang digambarkanPopulasi & tempat

    Ibu rumah tangga dipilih karena umumnya merekalah yang mengelola tempat penampungan air di rumah. Pencegahan DBD yang utama adalah PSN 3M Plus: menguras dan menutup tempat penampungan air, mendaur ulang barang bekas, ditambah langkah lain seperti larvasida, ikan pemakan jentik, dan pemeriksaan jentik rutin (Kementerian Kesehatan RI, 2016).

    Mengapa tanpa hipotesis?

    Rumusan "bagaimana gambaran" menanyakan berapa, bukan apakah ada hubungan. Hipotesis dibutuhkan untuk menguji hubungan atau perbedaan (Bab 3). Sebagai gantinya, survei deskriptif harus tepat: setiap persentase disertai IK95% agar pembaca tahu seberapa jauh angka sampel bisa meleset dari angka populasi.

    Langkah 2 · Rumusan, tujuan, dan analisis

    Rumusan
    Tujuan
    Analisis
    Hasil
    1
    Bagaimana gambaran pengetahuan ibu tentang DBD dan pencegahannya?
    Mengetahui proporsi ibu berpengetahuan baik, cukup, dan kurang
    Frekuensi, %, IK95%
    Baik 35,1%
    2
    Bagaimana gambaran sikap ibu terhadap pencegahan DBD?
    Mengetahui proporsi ibu bersikap baik, cukup, dan kurang
    Frekuensi, %, IK95%
    Baik 52,9%
    3
    Bagaimana gambaran perilaku PSN 3M Plus ibu?
    Mengetahui proporsi ibu berperilaku baik, cukup, dan kurang
    Frekuensi, %, IK95%
    Baik 24,5%
    4
    Berapa Angka Bebas Jentik (ABJ) di rumah responden?
    Menaksir ABJ dan membandingkannya dengan target program
    Proporsi, IK95%
    ABJ 82,2% (target ≥ 95%)

    Langkah 3 · Populasi, sampel, dan sampling

    • Populasi: 4.850 rumah tangga di 46 RT Kelurahan X. Responden: satu ibu rumah tangga per rumah, yaitu perempuan yang mengelola rumah tangga. Inklusi: tinggal di kelurahan itu ≥ 6 bulan. Rumah yang kosong setelah dua kali kunjungan dicatat sebagai tidak merespons dan tidak diganti.
    • Mengapa klaster? Tidak ada daftar rumah tangga untuk seluruh kelurahan, dan mendatangi rumah yang tersebar di 46 RT memakan biaya. Daftar KK baru dibuat di RT yang terpilih.
    n₀ = Z² · p (1 − p) / d² = 1,96² × 0,5 × 0,5 / 0,10² = 96,04 → 97
    n = n₀ × deff = 97 × 2 = 194 → cadangan 10%: 194 / 0,9 = 215,6 → 216 = 18 RT × 12 rumah
    p = 0,5 karena ada beberapa indikator yang proporsinya belum diketahui (Bab 5) · d = 0,10 (±10 poin persen) cukup untuk perencanaan puskesmas; d = 0,05 akan membutuhkan 385 × 2 = 770 rumah · deff (design effect) = 2, asumsi yang lazim untuk survei klaster bila belum ada data (Bennett dkk., 1991). deff = 1 + (m − 1) × ICC (Kish, 1965); dengan m = 12 rumah per RT, deff 2 setara dengan ICC sekitar 0,09 · Sampel hanya 216 / 4.850 = 4,5% populasi (< 5%), jadi koreksi populasi terbatas tidak diperlukan (Bab 27).
    1. Tahap 1, memilih RT. Dari daftar 46 RT beserta jumlah KK-nya, 18 RT dipilih dengan PPS (probability proportional to size): RT yang lebih besar berpeluang lebih besar terpilih.

    2. Tahap 2, memilih rumah. Di setiap RT terpilih, 12 rumah dipilih secara acak sistematik dari daftar KK ketua RT.

    3. Hasilnya self-weighting. Peluang setiap rumah = (18 × Mi/M) × (12/Mi) = 216/4.850, sama untuk semua rumah (Mi = jumlah KK di RT ke-i). Karena itu data tidak perlu dibobot.

    Respons: 208 dari 216 rumah (96,3%) diwawancarai dan diperiksa lengkap. Etik: persetujuan komisi etik (Bab 7A), izin kelurahan dan puskesmas, serta persetujuan ibu. Pemeriksaan jentik hanya dilakukan dengan izin pemilik rumah. Penyuluhan dan cara menguras yang benar diberikan setelah wawancara, agar jawaban tidak terpengaruh. Rumah yang positif jentik langsung diberi tahu.

    Tabel 43.1 — Variabel dan instrumen
    VariabelInstrumenButirSkor dan kategoriUji coba (n = 30)
    PengetahuanPernyataan benar/salah: penyebab, penularan, tempat berkembang biak, gejala, PSN 3M Plus15Benar/15 × 100KR-20 = 0,79
    SikapSkala Likert 1 (sangat tidak setuju) sampai 5 (sangat setuju)10Skor/50 × 100α = 0,89
    Perilaku PSN 3M PlusChecklist wawancara; butir yang bisa dilihat (misalnya wadah tertutup) dicek langsung12"Ya"/12 × 100Validitas isi oleh sanitarian puskesmas
    Keberadaan jentikObservasi semua tempat penampungan air di dalam dan luar rumah dengan senter—Ada / tidak ada jentikEnumerator dilatih bersama petugas puskesmas

    Kategori untuk ketiga domain: baik ≥ 80%, cukup 60–79%, kurang < 60% dari skor maksimum. Titik potong ini lazim dipakai pada survei PSP dan sering disebut "kategori Bloom". Ini kesepakatan praktis, bukan hasil validasi, jadi tulis alasannya di bab metode dan laporkan juga rerata skornya. Uji coba dilakukan pada 30 ibu di kelurahan lain.

    ABJ = (rumah tanpa jentik / rumah diperiksa) × 100%Target program: ABJ ≥ 95% (Kementerian Kesehatan RI, 2016). House Index = 100% − ABJ.

    Langkah 4 · Analisis univariat dengan IK95%

    Analyze▸Descriptive Statistics▸Frequencies

    Menu ini memberi n dan persentase, tetapi IK95%-nya belum memperhitungkan klaster. Untuk data klaster, pakai modul Complex Samples:

    Analyze▸Complex Samples▸Prepare for Analysis

    Buat plan file: Clusters = rt, tanpa strata, dan Sample Weight = variabel bobot yang sama untuk semua rumah (4.850/216 = 22,45). Lalu Complex Samples ▸ Frequencies → Statistics: Table percentStandard errorConfidence intervalDesign effect. Keluaran Design effect menunjukkan seberapa besar varians membengkak karena klaster. Hitungan manualnya:

    IK95% = p̂ ± 1,96 × √[ deff × p̂ (1 − p̂) / n ]Pengetahuan baik: p̂ = 73/208 = 0,351 · SE acak sederhana = √(0,351 × 0,649 / 208) = 0,0331 · deff dari data = 1,4 → SE = 0,0331 × √1,4 = 0,0392 · IK95% = 0,351 ± 1,96 × 0,0392 = 27,4% sampai 42,8% · n efektif = 208 / 1,4 = 149, artinya 208 ibu dari 18 RT setara dengan 149 ibu yang diambil acak sederhana.

    SPSS Complex Samples memakai nilai t dengan df = jumlah RT − 1 = 17, sehingga intervalnya sedikit lebih lebar daripada hitungan dengan 1,96. Untuk proporsi yang sangat kecil atau sangat besar, IK Wilson lebih tepat daripada rumus di atas (Brown dkk., 2001).

    Langkah 5 · Hasil

    Responden berusia rata-rata 37,2 ± 9,0 tahun. Pendidikan terakhir: ≤ SMP 74 (35,6%), SMA 92 (44,2%), dan perguruan tinggi 42 (20,2%).

    Tabel 43.2 — Pengetahuan, sikap, dan perilaku pencegahan DBD (n = 208; data simulasi)
    DomainBaikCukupKurangRerata skor ± SDIK95% "baik" (deff)
    Pengetahuan73 (35,1%)62 (29,8%)73 (35,1%)65,4 ± 22,227,4–42,8% (1,4)
    Sikap110 (52,9%)90 (43,3%)8 (3,8%)79,0 ± 10,245,1–60,6% (1,3)
    Perilaku PSN 3M Plus51 (24,5%)53 (25,5%)104 (50,0%)59,7 ± 24,416,3–32,8% (2,0)

    Skor dalam persen skor maksimum (0–100). deff dihitung dari data: varians taksiran dengan klaster RT dibagi varians bila sampel diambil acak sederhana.

    Dari 208 rumah, 171 bebas jentik, sehingga ABJ = 82,2% (IK95% 75,0–89,4%; deff 1,9). Batas atas IK pun masih di bawah target 95%, jadi ABJ kelurahan ini hampir pasti belum mencapai target.

    Gambar 43.1 — Persentase kategori baik dan rumah bebas jentik

    Batang = persentase; garis tipis = IK95% dengan design effect; garis merah putus-putus = target ABJ (data simulasi).
    0%25%50%75%100% Pengetahuan baik: 73 dari 208 (35,1%; IK95% 27,4–42,8%; deff 1,4)Sikap baik: 110 dari 208 (52,9%; IK95% 45,1–60,6%; deff 1,3)Perilaku PSN baik: 51 dari 208 (24,5%; IK95% 16,3–32,8%; deff 2,0)Bebas jentik (ABJ): 171 dari 208 (82,2%; IK95% 75,0–89,4%; deff 1,9) target ABJ 95% Pengetahuan baikSikap baikPerilaku PSN baikBebas jentik (ABJ) 35,1%52,9%24,5% 82,2%

    Angka ringkas belum cukup untuk merancang penyuluhan. Nisa juga melihat butir yang paling sering salah atau tidak dilakukan:

    Pengetahuan: paling sering salah

    Persentase ibu yang menjawab benar. Pengasapan (fogging) tidak membunuh jentik: 31,2% · Telur nyamuk tahan berbulan-bulan di dinding wadah yang kering: 37,5% · Jentik hidup di air jernih, bukan di got: 51,0% · Nyamuk Aedes menggigit pada pagi dan sore hari: 55,3%.

    Perilaku: paling jarang dilakukan

    Persentase ibu yang melakukan. Memelihara ikan pemakan jentik: 40,9% · Membersihkan penampung air dispenser atau kulkas: 41,8% · Memeriksa jentik di rumah sendiri setiap minggu: 43,3% · Menaburkan larvasida di wadah yang sulit dikuras: 47,6%.

    Tabulasi silang tanpa nilai p

    Tabel 43.3 — Pengetahuan menurut pendidikan terakhir (data simulasi)
    PendidikannBaikCukupKurang
    ≤ SMP7418 (24,3%)22 (29,7%)34 (45,9%)
    SMA/sederajat9233 (35,9%)30 (32,6%)29 (31,5%)
    Perguruan tinggi4222 (52,4%)10 (23,8%)10 (23,8%)

    Persentase dihitung per baris. Jumlah baris pertama 99,9% karena pembulatan.

    Tabel ini hanya menggambarkan bahwa proporsi pengetahuan baik makin tinggi pada pendidikan yang lebih tinggi. Nisa sengaja tidak mencantumkan nilai p karena: (1) tujuannya deskriptif, tanpa hipotesis; (2) besar sampel dihitung untuk ketepatan proporsi, bukan untuk power uji beda; (3) makin banyak tabulasi silang yang diuji, makin besar peluang menemukan hasil "bermakna" karena kebetulan; dan (4) data klaster membutuhkan uji khusus, bukan chi-square biasa. Bila ingin menguji hubungan, rancang penelitian analitik dengan hipotesisnya sendiri (Bab 27).

    Kalimat hasil Nisa

    "Dari 208 ibu rumah tangga, 35,1% (IK95% 27,4–42,8%) memiliki pengetahuan baik tentang DBD, 52,9% (IK95% 45,1–60,6%) bersikap baik, dan hanya 24,5% (IK95% 16,3–32,8%) berperilaku PSN 3M Plus yang baik. Angka Bebas Jentik sebesar 82,2% (IK95% 75,0–89,4%), di bawah target 95%. Kesalahan pengetahuan yang paling sering adalah anggapan bahwa pengasapan membunuh jentik."

    Coba sendiri: kalkulator IK95% proporsi

    Pilih salah satu indikator atau geser sendiri. Naikkan deff dan lihat IK95% melebar, karena sampel klaster membawa informasi yang lebih sedikit daripada sampel acak sederhana berukuran sama.

    Langkah 6 · Pembahasan, rekomendasi, dan kesimpulan

    Lebih dari separuh ibu bersikap baik, tetapi hanya sepertiga yang pengetahuannya baik dan seperempat yang perilaku PSN-nya baik. ABJ 82,2% masih jauh dari target 95%. PSN 3M Plus yang dilakukan rutin setiap minggu merupakan inti pencegahan DBD (Kementerian Kesehatan RI, 2016). Jadi kesenjangan antara sikap dan perilaku inilah yang perlu ditutup. Menurut peneliti, penyuluhan perlu beralih dari "apa itu DBD" ke praktik mingguan yang konkret, termasuk tempat yang sering terlupa seperti dispenser dan kulkas. Keterbatasan: perilaku sebagian besar dilaporkan sendiri, sehingga bisa lebih baik daripada kenyataan; data diambil sekali pada satu musim; titik potong kategori bersifat kesepakatan; hanya satu kelurahan.

    TemuanRujukanOpiniKeterbatasan

    Rekomendasi untuk puskesmas:

    1. Luruskan tiga salah paham utama. Pengasapan tidak membunuh jentik. Jentik hidup di air jernih, bukan di got. Telur menempel di dinding wadah, jadi bak perlu disikat, bukan hanya dikuras.

    2. Hidupkan Gerakan 1 Rumah 1 Jumantik dengan kartu periksa mingguan yang memuat dispenser, kulkas, dan vas bunga.

    3. Utamakan RT dengan rumah positif jentik terbanyak. Design effect ABJ sebesar 1,9 menunjukkan bahwa rumah positif jentik cenderung berkumpul di RT tertentu.

    4. Pakai media bergambar dan demonstrasi untuk ibu berpendidikan ≤ SMP, lalu ulangi survei dengan metode yang sama setahun kemudian untuk evaluasi.

    Kesimpulan: (1) pengetahuan baik 35,1%; (2) sikap baik 52,9%; (3) perilaku PSN 3M Plus baik 24,5%; (4) ABJ 82,2%, di bawah target 95%.

    Proyek KIR: survei mini di kelas

    Bima ingin tahu berapa persen teman sekelasnya yang sarapan sebelum berangkat sekolah.

    1. Tulis pertanyaan yang jelas: "Pagi ini, apakah kamu makan sesuatu sebelum berangkat?" (ya/tidak).
    2. Tanyakan kepada semua teman sekelas (sensus kelas). Kalau ingin menggambarkan seluruh sekolah, undi nomor absen dari setiap kelas agar sampelnya acak.
    3. Hitung persentasenya, misalnya 22 dari 32 = 68,8%, lalu gambar diagram batang "ya" dan "tidak".
    4. Tulis kesimpulan hanya untuk kelompok yang disurvei. Pada sensus kelas, IK95% tidak diperlukan karena semua anggota sudah ditanya. Bila memakai sampel acak dari seluruh sekolah, hitung IK95%-nya dengan kalkulator di atas (deff = 1).
    Awas, keliru!
    • Menulis hipotesis "ada hubungan" pada survei yang tujuannya hanya menggambarkan.
    • Memakai rumus acak sederhana untuk sampel klaster tanpa design effect, sehingga sampel kurang dan IK95% tampak lebih sempit daripada seharusnya.
    • Melaporkan persentase tanpa n dan IK95%. "35%" dari 20 orang sangat berbeda ketepatannya dengan "35%" dari 208 orang.
    • Mengganti rumah yang kosong dengan rumah sebelah tanpa dicatat. Rumah yang sering kosong bisa berbeda perilakunya.
    • Memberi penyuluhan sebelum wawancara, sehingga skor pengetahuan naik semu.
    • Menempelkan nilai p pada setiap tabulasi silang di survei deskriptif.
    Intinya
    • Survei deskriptif ("Gambaran …") menaksir proporsi atau rerata tanpa hipotesis; analisisnya univariat dan setiap angka disertai IK95%.
    • Besar sampel untuk proporsi: Lemeshow (p = 0,5; d = 0,10 → 97), dikali design effect untuk sampel klaster, lalu ditambah cadangan.
    • Cluster sampling dua tahap dengan PPS dan jumlah rumah yang sama per klaster menghasilkan sampel self-weighting.
    • Kategori baik/cukup/kurang hanya kesepakatan; laporkan juga rerata skor dan butir yang paling lemah agar rekomendasinya tajam.
    Coba sendiri: kuis survei deskriptif
    Bab 44

    Contoh Lengkap Eksperimen Faktorial 2×2 (ANAVA Dua Jalur)

    Desain faktorial menguji dua variabel bebas atau lebih sekaligus. Peneliti dapat melihat efek masing-masing variabel (efek utama) dan apakah efek satu variabel bergantung pada variabel lain (interaksi). Desain 2×2 treatment by level memadukan perlakuan yang diberikan peneliti dengan ciri siswa yang diukur sebelum perlakuan (Fraenkel dkk., 2012).

    S1S2–S3

    Apa itu desain faktorial 2×2?

    Ada dua faktor, masing-masing dengan dua level, sehingga terbentuk empat sel. Faktor A adalah model pembelajaran, yang diberikan peneliti. Faktor B adalah motivasi belajar, yang hanya diukur lalu dipakai untuk membagi siswa. Karena itu namanya treatment by level.

    Tabel 44.1 — Empat sel desain faktorial 2×2
    Faktor A: modelB1: motivasi tinggiB2: motivasi rendah
    A1: PBLSel A1B1Sel A1B2
    A2: konvensionalSel A2B1Sel A2B2
    • Efek utama A: apakah rerata PBL berbeda dengan konvensional, dengan motivasi dirata-ratakan?
    • Efek utama B: apakah rerata siswa bermotivasi tinggi berbeda dengan yang rendah?
    • Interaksi A×B: apakah selisih PBL dan konvensional sama pada siswa bermotivasi tinggi dan rendah? Bila tidak sama, ada interaksi. Dua eksperimen satu faktor yang terpisah tidak dapat menjawab pertanyaan ini.

    Langkah 1 · Judul

    Pak Arif, guru IPA di SMP Negeri Y, adalah rekan Bu Wulan (Bab 39–40) dan sedang kuliah S2 Pendidikan IPA. Ia melihat PBL berhasil di kelas Bu Wulan, tetapi siswa yang malas tetap pasif. Ia bertanya: apakah PBL sama manfaatnya bagi siswa bermotivasi tinggi dan rendah? Judulnya:

    Pengaruh Model Problem Based Learning dan Motivasi Belajar terhadap Hasil Belajar IPA Siswa SMP
    Kata kunciPerlakuan (faktor A)Variabel atribut (faktor B)Variabel terikatPopulasi
    • Model PBL: pembelajaran yang diawali masalah nyata; siswa menyelidiki dalam kelompok lalu mempresentasikan solusinya (Barrows, 1986; Hmelo-Silver, 2004).
    • Motivasi belajar IPA: dorongan siswa untuk belajar IPA, misalnya keyakinan diri, nilai yang dirasakan dari belajar IPA, dan tujuan belajar (Tuan dkk., 2005).
    • Hasil belajar IPA: skor tes pilihan ganda materi pencemaran lingkungan setelah perlakuan.
    Bolehkah memakai kata "pengaruh"?

    Untuk model pembelajaran, boleh: Pak Arif sendiri yang menentukan kelas mana yang mendapat PBL, dengan undian. Ada manipulasi, jadi ini eksperimen (Bab 1). Untuk motivasi, tidak sepenuhnya: motivasi hanya diukur, tidak diberikan. Temuan tentang motivasi dibaca sebagai perbedaan, dan interaksinya dibaca sebagai "efek PBL berbeda menurut tingkat motivasi". Judul yang lebih tepat dan lazim dipakai: Pengaruh Model PBL terhadap Hasil Belajar IPA Ditinjau dari Motivasi Belajar Siswa SMP.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Apakah ada pengaruh model PBL terhadap hasil belajar IPA?
    H1: hasil belajar kelas PBL lebih tinggi daripada konvensional
    ANAVA dua jalur: efek utama model
    H1 diterima (p < 0,001)
    2
    Apakah ada perbedaan hasil belajar antara siswa bermotivasi tinggi dan rendah?
    H2: siswa bermotivasi tinggi lebih tinggi hasil belajarnya
    ANAVA dua jalur: efek utama motivasi
    H2 diterima (p < 0,001)
    3
    Apakah ada interaksi antara model pembelajaran dan motivasi belajar?
    H3: ada interaksi
    ANAVA dua jalur: interaksi model × motivasi
    H3 diterima (p = 0,005)
    4
    Pada tiap tingkat motivasi, apakah hasil belajar kelas PBL lebih tinggi?
    H4a (motivasi tinggi) dan H4b (motivasi rendah)
    Uji efek sederhana
    H4a diterima; H4b tidak terbukti
    H₀ interaksi: (μA1B1 − μA2B1) = (μA1B2 − μA2B2)Interaksi adalah selisih dari selisih: keunggulan PBL pada siswa bermotivasi tinggi dibandingkan dengan keunggulannya pada siswa bermotivasi rendah. Uji efek sederhana (baris 4) baru dijalankan bila interaksi bermakna.

    Langkah 3 · Desain, sampel, dan instrumen

    VII-B, VII-D:  O₁ + M → PBL (6 pertemuan) → O₂
    VII-A, VII-C:  O₁ + M → konvensional (6 pertemuan) → O₂
    O₁ = pretest; M = angket motivasi; O₂ = posttest. Empat kelas VII diundi: dua mendapat PBL, dua pembelajaran konvensional (ceramah, tanya jawab, latihan soal). Karena yang diacak kelas utuh dan jumlahnya hanya empat, desain ini tergolong kuasi-eksperimen (Shadish dkk., 2002; Bab 24). Keempat kelas diajar Pak Arif dengan materi, jam, dan tes yang sama.
    • Besar sampel dengan G*Power (Faul dkk., 2007): F tests ▸ ANOVA: Fixed effects, special, main effects and interactions; f = 0,25 (efek sedang; Cohen, 1988); α 0,05; power 0,80; numerator df = 1; 4 kelompok → total 128 (32 per sel). Empat kelas berisi 32 siswa memberi tepat 128.
    • Motivasi diukur pada minggu pertama, sebelum perlakuan, agar tidak dipengaruhi PBL. Siswa dibagi menurut median seluruh 128 siswa (105): tinggi bila skor ≥ 105, rendah bila < 105.
    • Keterlaksanaan: Bu Wulan mengamati setiap pertemuan di kelas PBL dengan lembar keterlaksanaan sintaks; rerata keterlaksanaan 94%.
    • Data lengkap: 124 siswa. Empat siswa tidak ikut posttest karena sakit, sehingga power untuk f = 0,25 turun sedikit menjadi 0,79.
    • Etik: izin kepala sekolah, persetujuan orang tua, dan assent siswa (Bab 7B). Skor motivasi dirahasiakan, nilai penelitian tidak masuk rapor, dan kelas konvensional mendapat pembelajaran PBL setelah penelitian selesai.
    Tabel 44.2 — Instrumen (uji coba pada 32 siswa kelas VIII)
    VariabelInstrumenButirSkorValiditas dan reliabilitas
    Hasil belajar IPATes pilihan ganda materi pencemaran lingkungan; pretest dan posttest memakai tes yang sama dengan urutan butir diacak250–100Validitas isi oleh 2 dosen dan 1 guru senior; KR-20 = 0,85
    Motivasi belajar IPAAngket Likert 1–5 yang diadaptasi dari SMTSL: efikasi diri, strategi belajar aktif, nilai belajar IPA, tujuan kinerja, tujuan pencapaian, stimulasi lingkungan belajar (Tuan dkk., 2005)3030–150α = 0,89

    Langkah 4 · Analisis di SPSS

    A. Kesetaraan awal dan asumsi per sel

    Kelas PBL dan konvensional setara sebelum perlakuan: pretest 40,83 ± 10,54 lawan 41,44 ± 8,98 (t(122) = −0,35; p = 0,726) dan motivasi 104,63 ± 11,35 lawan 105,75 ± 12,30 (p = 0,599). Asumsi ANAVA diperiksa per sel:

    Tabel 44.3 — Posttest per sel dan uji normalitas (n = 124; data simulasi)
    ModelMotivasinRerata ± SDShapiro–Wilk p
    PBLTinggi3382,55 ± 8,590,196
    PBLRendah3070,80 ± 8,800,358
    KonvensionalTinggi3372,36 ± 7,900,366
    KonvensionalRendah2869,43 ± 8,660,109
    PBL / konvensional63 / 6176,95 / 71,02
    Motivasi tinggi / rendah66 / 5877,45 / 70,14

    Semua sel berdistribusi normal (Shapiro–Wilk dipakai karena n per sel ≤ 50). Uji Levene: F(3; 120) = 0,57; p = 0,635, jadi varians keempat sel homogen.

    B. ANAVA dua jalur

    Analyze▸General Linear Model▸Univariate
    1. Dependent Variable = post; Fixed Factor(s) = model dan motivasi.
    2. Model → Full factorial, Sum of squares Type III (tepat untuk jumlah sel yang tidak sama).
    3. Plots → Horizontal Axis = motivasi; Separate Lines = model → Add.
    4. Options → Descriptive statisticsEstimates of effect sizeHomogeneity tests.
    Output — Tests of Between-Subjects Effects
    SourceType III Sum of SquaresdfMean SquareFSig.Partial Eta Squared
    Corrected Model3390,396a31130,13215,723,000,282
    Intercept671837,7761671837,7769346,793,000,987
    model1029,49311029,49314,323,000,107
    motivasi1662,25611662,25623,126,000,162
    model * motivasi598,6951598,6958,329,005,065
    Error8625,47512071,879
    Total691632,000124
    Corrected Total12015,871123

    Dependent Variable: post · a. R Squared = ,282 (Adjusted R Squared = ,264)

    Baca baris model * motivasi lebih dulu. Interaksinya bermakna (F(1; 120) = 8,33; p = 0,005), jadi efek utama tidak boleh dibaca sendirian: keunggulan PBL berbeda menurut tingkat motivasi. Partial η² = SS efek / (SS efek + SS error); misalnya interaksi: 598,695 / (598,695 + 8.625,475) = 0,065.

    C. Uji efek sederhana

    Menu Univariate tidak menyediakan uji efek sederhana. Klik Paste, lalu ubah baris EMMEANS di jendela sintaks menjadi:

    /EMMEANS=TABLES(model*motivasi) COMPARE(model) ADJ(BONFERRONI)
    Output — Univariate Tests (efek model pada tiap tingkat motivasi)
    motivasiSum of SquaresdfMean SquareFSig.Partial Eta Squared
    TinggiContrast1710,54511710,54523,798,000,165
    Error8625,47512071,879
    RendahContrast27,239127,239,379,539,003
    Error8625,47512071,879

    Setiap F menguji efek model pada satu tingkat motivasi, dengan error dari model lengkap.

    Langkah 5 · Hasil dan interpretasi

    Gambar 44.1 — Plot interaksi model pembelajaran × motivasi

    Rerata posttest per sel; n ditulis untuk PBL dan konvensional (data simulasi).
    60708090 Rerata posttest PBL, motivasi rendah: 70,8 (n = 30)PBL, motivasi tinggi: 82,5 (n = 33) PBL Konvensional, motivasi rendah: 69,4 (n = 28)Konvensional, motivasi tinggi: 72,4 (n = 33) Konvensional 70,882,569,472,4 Motivasi rendahMotivasi tinggin = 30 dan 28n = 33 dan 33

    Garisnya tidak sejajar, dan itulah tanda interaksi. Garis PBL menanjak tajam dari motivasi rendah ke tinggi, sedangkan garis konvensional hampir datar. Kedua garis tidak bersilang (interaksi ordinal): PBL tidak pernah lebih rendah daripada konvensional.

    Tabel 44.4 — Efek sederhana model pembelajaran (data simulasi)
    Tingkat motivasiSelisih PBL − konvensionalIK95%F(1; 120)pCohen's d
    Tinggi10,186,05 sampai 14,3123,80< 0,0011,23
    Rendah1,37−3,04 sampai 5,780,380,5390,16

    Selisih interaksi = 10,18 − 1,37 = 8,81 poin. Efek motivasi pada tiap model: di kelas PBL selisih tinggi − rendah 11,75 (p < 0,001); di kelas konvensional 2,94 (p = 0,180).

    Kalimat hasil Pak Arif

    "Terdapat interaksi antara model pembelajaran dan motivasi belajar terhadap hasil belajar IPA (F(1; 120) = 8,33; p = 0,005; partial η² = 0,065). Pada siswa bermotivasi tinggi, hasil belajar kelas PBL lebih tinggi daripada kelas konvensional (82,55 lawan 72,36; selisih 10,18; IK95% 6,05–14,31; p < 0,001; d = 1,23). Pada siswa bermotivasi rendah, perbedaannya kecil dan tidak bermakna (70,80 lawan 69,43; selisih 1,37; IK95% −3,04 sampai 5,78; p = 0,539). Efek utama model (F(1; 120) = 14,32; p < 0,001) dan motivasi (F(1; 120) = 23,13; p < 0,001) juga bermakna, tetapi ditafsirkan bersama interaksinya."

    Coba sendiri: penjelajah interaksi

    Nilai awal adalah rerata sel data Pak Arif. Geser keempat rerata dan amati kapan garis sejajar, melebar, atau bersilang.

    Langkah 6 · Pembahasan dan kesimpulan

    PBL menghasilkan hasil belajar IPA yang lebih tinggi, terutama pada siswa bermotivasi tinggi (selisih 10,2 poin). Pada siswa bermotivasi rendah, keunggulan PBL kecil dan tidak bermakna. PBL menuntut siswa mengarahkan belajarnya sendiri: merumuskan apa yang perlu dipelajari, mencari informasi, lalu menerapkannya pada masalah (Hmelo-Silver, 2004). Siswa yang bermotivasi tinggi lebih siap menjalani tuntutan itu. Menurut peneliti, PBL untuk siswa bermotivasi rendah perlu perancah tambahan, misalnya pertanyaan penuntun, peran yang jelas dalam kelompok, dan umpan balik singkat di setiap tahap. Keterbatasan: hanya empat kelas di satu sekolah, sehingga perbedaan antarkelas ikut tercampur dengan efek model; guru yang sama mengajar kedua model dan mengetahui tujuan penelitian; motivasi dibelah di median; perlakuan hanya tiga minggu.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Terdapat pengaruh model PBL terhadap hasil belajar IPA: rerata kelas PBL 76,95 dan konvensional 71,02 (p < 0,001).

    2. Siswa bermotivasi tinggi memiliki hasil belajar lebih tinggi daripada siswa bermotivasi rendah (77,45 lawan 70,14; p < 0,001).

    3. Terdapat interaksi antara model pembelajaran dan motivasi belajar (p = 0,005): PBL unggul 10,2 poin pada siswa bermotivasi tinggi, tetapi tidak berbeda bermakna pada siswa bermotivasi rendah.

    Awas, keliru!
    • Membaca efek utama tanpa melihat interaksi. "PBL lebih baik" terlalu umum bila keunggulannya hanya nyata pada siswa bermotivasi tinggi.
    • Menyimpulkan "PBL tidak berguna bagi siswa bermotivasi rendah" dari p = 0,539. IK95% −3,04 sampai 5,78 masih memuat keuntungan kecil.
    • Mengukur motivasi setelah perlakuan. Motivasi bisa ikut berubah karena PBL, sehingga tidak lagi menjadi variabel level yang bebas dari perlakuan.
    • Menulis "pengaruh motivasi" seolah-olah motivasi diberikan peneliti.
    • Menjalankan uji t berulang antarsel alih-alih ANAVA dua jalur dan uji efek sederhana.
    • Menjumlahkan partial η² dari beberapa efek seolah-olah bagian dari 100%.
    Pojok S2–S3
    • Hindari median split. Membelah skor kontinu membuang informasi, menurunkan power, dan bisa memunculkan efek palsu (MacCallum dkk., 2002). Siswa dengan skor 104 dan 105 masuk kelompok berbeda, padahal hampir sama. Lebih baik pakai regresi moderasi dengan motivasi kontinu yang dipusatkan (Aiken & West, 1991; Hayes, 2022; contoh lengkap: Bab 41A). Pada data ini, dengan motivasi dan pretest dipusatkan pada reratanya: hasil = 70,80 + 6,53 PBL + 0,21 motivasi + 0,29 (PBL × motivasi) + 0,32 pretest. Interaksinya bermakna (b = 0,29; IK95% 0,07–0,51; p = 0,010): setiap kenaikan 10 poin motivasi menambah keunggulan PBL sekitar 2,9 poin. Wilayah motivasi tempat PBL unggul bermakna dicari dengan teknik Johnson–Neyman.
    • Pretest sebagai kovariat. ANCOVA dua jalur dengan pretest mengurangi varians error. Interaksi tetap bermakna: F(1; 119) = 5,90; p = 0,017; partial η² = 0,047; efek model F(1; 119) = 19,01; partial η² = 0,14. Periksa dulu asumsi kemiringan regresi yang sejajar.
    • Siswa bersarang dalam kelas. Yang diundi adalah kelas, tetapi analisis di atas memperlakukan 124 siswa sebagai independen. Dengan ICC antarkelas sekitar 0,02 dan 31 siswa per kelas, design effect = 1 + (31 − 1) × 0,02 = 1,6, sehingga sampel efektif hanya sekitar 78. Lebih penting lagi, dua kelas per perlakuan membuat efek model tidak bisa dipisahkan dari keunikan kelas. Idealnya puluhan kelas diundi dan dianalisis dengan model multilevel (Raudenbush & Bryk, 2002), seperti pada uji acak klaster di Bab 23A.
    • Sel tidak sama besar membuat faktor-faktor tidak lagi ortogonal. Pakai SS Type III dan laporkan rerata marginal terestimasi (EMMEANS), bukan hanya rerata mentah.
    Intinya
    • Desain faktorial 2×2 menguji dua efek utama dan satu interaksi sekaligus. Interaksi berarti efek satu faktor bergantung pada level faktor lain.
    • Kata "pengaruh" sah untuk faktor yang dimanipulasi (model pembelajaran). Faktor atribut seperti motivasi dibaca sebagai perbedaan.
    • Baca interaksi lebih dulu. Bila bermakna, lanjutkan dengan uji efek sederhana dan plot interaksi; garis yang tidak sejajar menandai interaksi.
    • Laporkan partial η² dan IK95%. Pada tingkat lanjut, ganti median split dengan regresi moderasi dan perhitungkan pengelompokan siswa dalam kelas.
    Coba sendiri: kuis desain faktorial
    Bab 45

    Contoh Lengkap Deret Waktu Terputus dan Studi Ekologis

    Deret waktu terputus (interrupted time series, ITS) mengukur outcome berkali-kali secara berkala, sebelum dan sesudah sebuah kebijakan yang mulai berlaku pada waktu yang jelas. Tren sebelum kebijakan dipakai untuk meramalkan apa yang akan terjadi tanpa kebijakan, lalu dibandingkan dengan yang benar-benar teramati. Inilah salah satu desain kuasi-eksperimen terkuat untuk menilai kebijakan kesehatan masyarakat (Shadish dkk., 2002; Bernal dkk., 2017).

    S1S2–S3

    Dua titik atau enam puluh titik?

    Pemerintah daerah wajib menetapkan dan menerapkan kawasan tanpa rokok (Undang-Undang Nomor 17 Tahun 2023). Kota X menegakkan Peraturan Daerah (Perda) Kawasan Tanpa Rokok (KTR) mulai 1 Januari 2025. Dinas Kesehatan ingin tahu apakah kunjungan anak karena asma dan infeksi saluran pernapasan akut (ISPA) ikut berubah, dan mengajak Rara, kini mahasiswi S3, bergabung. Perda berlaku untuk seluruh kota sekaligus, jadi pengacakan tidak mungkin.

    Tabel 45.1 — Pilihan desain untuk menilai kebijakan
    DesainData yang dibandingkanKelemahan utama
    Sebelum–sesudah sederhanaRerata sebelum dengan rerata sesudahTren yang sudah berjalan dan musim ikut terhitung sebagai "efek"
    Deret waktu terputusBanyak titik berkala; tren sebelum menjadi pembandingKejadian lain yang bersamaan (ko-intervensi)
    ITS dengan seri kontrolITS ditambah outcome atau wilayah yang tidak terkena kebijakanSeri kontrol harus sebanding
    Kuasi-eksperimen (Bab 24)Kelompok terpapar dan tidak, pretest dan posttestSulit bila kebijakan berlaku untuk semua
    Studi ekologis antarwilayahBanyak wilayah pada satu waktuHubungan di tingkat wilayah belum tentu berlaku bagi individu

    Langkah 1 · Judul

    Perubahan Kunjungan Asma dan ISPA Anak Sebelum dan Sesudah Penerapan Perda Kawasan Tanpa Rokok di Kota X: Analisis Deret Waktu Terputus
    Kata kunciOutcomeKebijakan (intervensi)Populasi & tempatDesain
    Mengapa "perubahan", bukan "pengaruh"?

    Peneliti tidak memberikan perlakuan dan tidak mengacak siapa pun. Perda datang dari pemerintah, dan pada tahun yang sama bisa saja ada kejadian lain, misalnya kampanye imunisasi atau perubahan cuaca. ITS memberi bukti yang kuat, tetapi tetap bersyarat: tidak ada penyebab lain yang berubah tepat pada waktu yang sama. Kata "pengaruh" disimpan untuk eksperimen (Bab 1). Di pembahasan, tulis "penurunan yang berkaitan dengan penerapan Perda".

    Langkah 2 · Rumusan, tujuan, dan hipotesis

    Rumusan
    Hipotesis
    Analisis
    Kesimpulan
    1
    Bagaimana tren kunjungan sebelum Perda?
    Tanpa hipotesis (deskriptif)
    Kemiringan tren sebelum (β₁)
    Naik 0,67 per bulan
    2
    Apakah tingkat kunjungan berubah segera setelah Perda?
    H1: β₂ ≠ 0
    Regresi tersegmentasi
    H1 diterima (β₂ = −24,9)
    3
    Apakah tren kunjungan berubah setelah Perda?
    H2: β₃ ≠ 0
    Regresi tersegmentasi
    H2 diterima (β₃ = −0,95)
    4
    Apakah perubahan serupa tidak terlihat pada kunjungan diare (seri kontrol)?
    H3: β₂ dan β₃ diare = 0
    Model yang sama pada seri kontrol
    Tidak ada perubahan bermakna
    Yt = β₀ + β₁·waktu + β₂·kebijakan + β₃·waktu sesudah + suku musim + etYt = kunjungan per 10.000 anak pada bulan ke-t. waktu = 1, 2, …, 60. kebijakan = 0 sebelum Januari 2025 dan 1 sesudahnya. waktu sesudah = 0 sebelum Perda, lalu 0, 1, 2, … sejak Januari 2025. β₁ = tren sebelum; β₂ = perubahan tingkat seketika; β₃ = perubahan kemiringan; tren sesudah = β₁ + β₃ (Wagner dkk., 2002).

    Langkah 3 · Data, rancangan, dan etika

    • Unit analisis: bulan. Ada 60 titik: 36 bulan sebelum (2022–2024) dan 24 bulan sesudah (2025–2026). Wagner dkk. (2002) menyarankan minimal 12 titik sebelum dan 12 sesudah; power juga bergantung pada besar efek dan keragaman data (Bernal dkk., 2017). Data dimulai 2022 karena pandemi 2020–2021 mengubah pola berobat.
    • Outcome: jumlah kunjungan anak 0–14 tahun ke 22 puskesmas dengan diagnosis asma (ICD-10 J45–J46) atau ISPA (J00–J06, J20–J22), dari laporan bulanan yang direkap Dinas Kesehatan. Penyebutnya proyeksi jumlah anak 0–14 tahun (166.400 pada 2022; 171.800 pada 2026), sehingga pertambahan penduduk tidak terbaca sebagai kenaikan kasus.
    • Titik intervensi ditetapkan sebelum melihat data: 1 Januari 2025, saat sanksi mulai ditegakkan, bukan tanggal Perda disahkan.
    • Seri kontrol: kunjungan diare anak di puskesmas yang sama. Diare tidak diharapkan berubah karena asap rokok, tetapi ikut berubah bila pencatatan, jumlah puskesmas, atau cara berobat berubah (Lopez Bernal dkk., 2018).
    • Etika: data agregat bulanan tanpa identitas, sehingga risikonya minimal. Protokol tetap diajukan ke KEPK dengan permohonan pengecualian persetujuan (waiver of consent), karena meminta persetujuan ribuan pasien lama tidak mungkin (Bab 7A). Ada perjanjian penggunaan data dengan Dinas Kesehatan, dan angka per puskesmas yang sangat kecil tidak dilaporkan.
    Tabel 45.2 — Cuplikan data: cara mengode variabel (data simulasi)
    Bulanwaktukebijakanwaktu sesudahKunjunganPer 10.000 anak
    November 202435005.791342,1
    Desember 202436005.927350,1
    Januari 202537105.835342,0
    Februari 202538115.636330,4
    Januari 2026491125.674330,3

    Laju = kunjungan / jumlah anak × 10.000. Musim dimodelkan dengan sepasang suku Fourier, sin(2πt/12) dan cos(2πt/12), yang rata-ratanya nol dalam setahun. Cara lain: 11 variabel dummy bulan.

    Langkah 4 · Analisis: regresi tersegmentasi dan autokorelasi

    Jumlah kunjungan sekitar 5.300 per bulan, sehingga laju per 10.000 anak cukup mendekati normal untuk regresi linear. Model yang sama dipakai untuk semua analisis. Model Poisson dibahas di Pojok S2–S3.

    Analyze▸Regression▸Linear

    Dependent = laju; Independent(s) = waktu, kebijakan, waktu_sesudah, sin12, cos12. Statistics: Durbin-Watson. Save: Unstandardized residuals, lalu Analyze ▸ Forecasting ▸ Autocorrelations untuk grafik ACF residual.

    Output — Model Summary
    RR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson
    ,928,862,8497,9201,347

    Dependent Variable: laju · n = 60 bulan · 5 prediktor

    Di Bab 38 Durbin–Watson tidak relevan karena datanya survei sekali waktu. Di sini justru wajib, karena bulan yang berdekatan cenderung mirip: bulan yang ramai biasanya disusul bulan yang ramai juga. Nilai 1,347 berada di bawah batas bawah tabel (dL ≈ 1,41 untuk n = 60 dan 5 prediktor), jadi ada autokorelasi positif. Autokorelasi residual pada lag 1 = 0,32 dan uji Ljung–Box untuk 12 lag bermakna (Q = 32,8; p = 0,001).

    Autokorelasi positif membuat galat baku regresi biasa terlalu kecil, sehingga nilai p tampak terlalu meyakinkan. Tim memakai galat baku Newey–West dengan lag 3 (Newey dan West, 1987): koefisiennya tetap, hanya galat bakunya dikoreksi (galat baku β₂ naik dari 4,31 menjadi 4,99). SPSS tidak punya menunya, jadi dihitung di R (paket sandwich) atau Stata (newey).

    Langkah 5 · Hasil

    Tabel 45.3 — Hasil regresi tersegmentasi, galat baku Newey–West (n = 60 bulan; data simulasi)
    Parameter (per 10.000 anak)Asma + ISPA (IK95%)pDiare, kontrol (IK95%)p
    Tingkat awal, β₀304,7 (298,6 sampai 310,8)< 0,00195,0 (92,0 sampai 98,0)< 0,001
    Tren sebelum per bulan, β₁0,67 (0,39 sampai 0,95)< 0,0010,03 (−0,14 sampai 0,20)0,729
    Perubahan tingkat, β₂−24,9 (−34,6 sampai −15,1)< 0,001−1,85 (−6,49 sampai 2,79)0,435
    Perubahan tren per bulan, β₃−0,95 (−1,57 sampai −0,33)0,003−0,13 (−0,37 sampai 0,12)0,302
    Tren sesudah per bulan, β₁ + β₃−0,28 (−0,83 sampai 0,27)—−0,10 (−0,29 sampai 0,10)—

    Suku musim (sin dan cos) bermakna; puncak musiman jatuh pada Januari–Februari dengan amplitudo 23,5 per 10.000 anak. Pada model utama R² = 0,86.

    Gambar 45.1 — Kunjungan asma dan ISPA anak, Januari 2022–Desember 2026

    Titik = laju bulanan teramati. Garis = tren model setelah efek musim dihilangkan. Garis putus-putus = kontrafaktual, yaitu tren sebelum yang diteruskan seolah Perda tidak ada (data simulasi).
    26028030032034036020222023202420252026 per 10.000 anak per bulan Perda KTR berlaku (Jan 2025) Jan 2022: 321,0Feb 2022: 317,1Mar 2022: 326,5Apr 2022: 313,0Mei 2022: 310,3Jun 2022: 286,2Jul 2022: 274,0Agu 2022: 281,1Sep 2022: 300,5Okt 2022: 320,8Nov 2022: 322,0Des 2022: 324,8Jan 2023: 349,7Feb 2023: 341,9Mar 2023: 339,8Apr 2023: 325,3Mei 2023: 305,7Jun 2023: 297,9Jul 2023: 305,1Agu 2023: 303,4Sep 2023: 310,2Okt 2023: 310,0Nov 2023: 314,7Des 2023: 332,9Jan 2024: 332,0Feb 2024: 348,8Mar 2024: 332,5Apr 2024: 327,8Mei 2024: 308,5Jun 2024: 302,1Jul 2024: 299,7Agu 2024: 305,7Sep 2024: 309,1Okt 2024: 323,2Nov 2024: 342,1Des 2024: 350,1Jan 2025: 342,0Feb 2025: 330,4Mar 2025: 322,9Apr 2025: 309,0Mei 2025: 288,9Jun 2025: 285,1Jul 2025: 292,6Agu 2025: 268,2Sep 2025: 272,7Okt 2025: 288,9Nov 2025: 301,6Des 2025: 313,0Jan 2026: 330,3Feb 2026: 323,7Mar 2026: 315,8Apr 2026: 305,2Mei 2026: 290,3Jun 2026: 298,8Jul 2026: 291,3Agu 2026: 276,2Sep 2026: 281,3Okt 2026: 290,9Nov 2026: 301,9Des 2026: 313,2 Kontrafaktual: tren sebelum diteruskan Tren sebelum: +0,67 per bulanTren sesudah: −0,28 per bulan −36,2 (−10,7%) teramatitren modelkontrafaktual Bulan pengamatan (60 titik data)

    Tren sebelum Perda naik pelan. Sejak Januari 2025 tingkat kunjungan turun seketika, lalu trennya melandai. Seri diare tidak menunjukkan perubahan tingkat maupun tren, sehingga penjelasan berupa perubahan pencatatan atau akses puskesmas menjadi kurang mungkin.

    Efek 12 bulan = β₂ + 12 × β₃ = −24,87 + 12 × (−0,948) = −36,2Januari 2026 (waktu = 49, waktu sesudah = 12). Kontrafaktual = β₀ + β₁ × 49 = 304,70 + 0,670 × 49 = 337,5; nilai model = 301,3 per 10.000 anak. Efek absolut −36,2 per 10.000 anak (IK95% −45,8 sampai −26,7); efek relatif −36,2 / 337,5 = −10,7% (IK95% −13,3% sampai −8,2%). Dengan 171.800 anak, itu sekitar 623 kunjungan lebih sedikit dalam bulan tersebut.

    Bandingkan dengan cara sebelum–sesudah sederhana: rerata 317,1 sebelum dan 301,4 sesudah, selisih −15,7 (−4,9%). Angka ini meremehkan perubahan, karena mengabaikan bahwa kunjungan sebenarnya sedang naik sebelum Perda.

    Kalimat hasil

    "Setelah Perda KTR ditegakkan, laju kunjungan asma dan ISPA anak turun seketika sebesar 24,9 per 10.000 anak (IK95% 15,1–34,6; p < 0,001), dan trennya berubah sebesar −0,95 per bulan (IK95% −1,57 sampai −0,33; p = 0,003). Dua belas bulan setelah Perda, laju kunjungan 10,7% (IK95% 8,2–13,3%) lebih rendah daripada kontrafaktual. Seri kontrol diare tidak berubah bermakna."

    Coba sendiri: penjelajah deret waktu terputus

    Atur perubahan tingkat (β₂) dan perubahan tren (β₃) yang "sebenarnya". Data dibuat dari tren dan pola musim Kota X ditambah sisaan (noise) yang sama dengan data asli, lalu dianalisis ulang dengan regresi tersegmentasi dan galat baku Newey–West. Coba β₂ = 0 dan β₃ = 0: apa kata perbandingan sebelum–sesudah sederhana?

    Langkah 6 · Pelengkap: studi ekologis antarwilayah

    Dalam studi ekologis, unit analisisnya kelompok, misalnya kabupaten/kota, bukan individu. Paparan dan outcome diukur sebagai angka rata-rata atau proporsi kelompok. Menurut Morgenstern (1995), ada tiga bentuknya: perbandingan banyak kelompok, tren waktu pada satu kelompok, dan campuran keduanya. Jadi ITS di bab ini juga termasuk studi ekologis tren waktu, karena yang diukur adalah laju kota, bukan anak per anak.

    Untuk konteks, tim memetakan 15 kabupaten/kota di Provinsi X: prevalensi perokok dewasa dari survei kesehatan dan kunjungan asma anak per 10.000 anak per tahun dari laporan dinas.

    Gambar 45.2 — Prevalensi perokok dewasa dan kunjungan asma anak di 15 kabupaten/kota

    Setiap titik adalah satu wilayah, bukan satu anak. Kunjungan asma per 10.000 anak per tahun (data simulasi).
    40608010018%22%26%30% Prevalensi perokok dewasa di kabupaten/kota Kunjungan asma anak Garis regresi antarwilayah Wilayah 1: perokok 23,7%, asma 75,6, perkotaan 65%Wilayah 2: perokok 24,1%, asma 74,4, perkotaan 62%Wilayah 3: perokok 23,5%, asma 47,7, perkotaan 23%Wilayah 4: perokok 27,4%, asma 70,8, perkotaan 65%Wilayah 5: perokok 20,8%, asma 51,2, perkotaan 39%Wilayah 6: perokok 23,6%, asma 64,2, perkotaan 48%Wilayah 7: perokok 26,6%, asma 96,8, perkotaan 84%Wilayah 8: perokok 21,3%, asma 45,3, perkotaan 22%Wilayah 9: perokok 24,7%, asma 43,8, perkotaan 30%Wilayah 10: perokok 21,3%, asma 44,2, perkotaan 25%Wilayah 11: perokok 25,8%, asma 82,6, perkotaan 75%Wilayah 12: perokok 21,6%, asma 60,3, perkotaan 65%Wilayah 13: perokok 23,1%, asma 57,5, perkotaan 34%Wilayah 14: perokok 19,9%, asma 50,7, perkotaan 27%Wilayah 15: perokok 29,7%, asma 75,4, perkotaan 65% r = 0,67 (p = 0,006)

    Korelasinya kuat (r = 0,67; p = 0,006). Namun wilayah yang lebih banyak perokoknya juga lebih banyak penduduk perkotaannya (r = 0,64), dan wilayah perkotaan punya lebih banyak puskesmas, lalu lintas, dan polusi. Setelah persentase penduduk perkotaan dikendalikan, korelasi parsialnya tinggal 0,25 (p = 0,38).

    Kapan berguna

    Data individu tidak ada atau mahal; paparannya memang bersifat wilayah (Perda, harga rokok, kualitas udara); membangkitkan hipotesis; murah dan cepat dari data rutin.

    Kekeliruan ekologis

    Korelasi antarwilayah tidak membuktikan bahwa anak dari orang tua perokok lebih sering asma. Hubungan di tingkat kelompok bisa lebih kuat, lebih lemah, bahkan berlawanan arah dengan hubungan di tingkat individu (Robinson, 1950).

    Langkah 7 · Pembahasan dan kesimpulan

    Penegakan Perda KTR berkaitan dengan penurunan seketika dan melandainya tren kunjungan asma dan ISPA anak; setelah 12 bulan lajunya 10,7% di bawah kontrafaktual, sedangkan kunjungan diare tidak berubah. Besarnya sejalan dengan meta-analisis Been dkk. (2014), yang menemukan kunjungan rumah sakit karena asma anak turun sekitar 10% setelah undang-undang bebas asap rokok, dan dengan penurunan rawat inap asma anak di Skotlandia (Mackay dkk., 2010). Menurut tim, pengawasan KTR di sekolah, tempat bermain, dan angkutan umum perlu dipertahankan, dan dampaknya layak dipantau terus dengan data rutin. Keterbatasan: data agregat puskesmas tidak mencakup anak yang berobat ke dokter praktik swasta atau rumah sakit; diagnosis ISPA bisa berbeda antarpetugas; ko-intervensi lain tidak dapat disingkirkan sepenuhnya; dan hasil tingkat kota tidak menunjukkan anak mana yang terlindungi.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Sebelum Perda, laju kunjungan asma dan ISPA anak naik 0,67 per 10.000 anak per bulan.

    2. Sesudah Perda, tingkat kunjungan turun seketika 24,9 per 10.000 anak dan trennya berubah −0,95 per bulan, sehingga 12 bulan kemudian lajunya 10,7% lebih rendah daripada kontrafaktual.

    3. Kunjungan diare sebagai seri kontrol tidak berubah bermakna, sehingga perubahan pencatatan atau akses layanan kecil kemungkinannya menjelaskan temuan.

    Awas, keliru!
    • Membandingkan dua rerata (sebelum dan sesudah) lalu menyebut selisihnya sebagai efek kebijakan.
    • Mengabaikan musim. Bila Perda mulai pada bulan puncak ISPA, penurunan musiman bisa terbaca sebagai efek.
    • Mengabaikan autokorelasi. Galat baku regresi biasa terlalu kecil; periksa Durbin–Watson dan ACF residual.
    • Memilih titik intervensi setelah melihat grafik, misalnya di bulan yang penurunannya paling tajam.
    • Memakai jumlah kasus, bukan laju, padahal jumlah penduduk berubah.
    • Menyimpulkan perilaku individu dari data wilayah (kekeliruan ekologis).
    Pojok S2–S3
    • Data hitung: alternatifnya regresi Poisson dengan offset log(jumlah anak). Di sini rasio dispersinya 3,45, jadi dipakai kuasi-Poisson atau binomial negatif. Hasilnya sejalan: rasio laju perubahan tingkat 0,92 (IK95% 0,89–0,95) dan rasio laju pada bulan ke-12 sebesar 0,89 (−11%).
    • ARIMA atau model dengan galat AR(1) (Prais–Winsten) memodelkan autokorelasi secara langsung, bukan hanya mengoreksi galat baku.
    • Seri kontrol yang lebih kuat: kota tetangga tanpa Perda (controlled ITS, mirip difference-in-differences) (Lopez Bernal dkk., 2018).
    • Masa transisi dan sensitivitas: bila kebijakan bertahap, keluarkan bulan transisi atau modelkan jeda efek (tetapkan di protokol). Uji juga dummy bulan pengganti suku Fourier dan periode sebelum yang lebih pendek.
    • Studi ekologis analitik memakai regresi dengan perancu tingkat wilayah. Untuk memisahkan efek kontekstual dari efek individu diperlukan data individu dan model multilevel (Morgenstern, 1995).
    Intinya
    • ITS membandingkan data sesudah kebijakan dengan kontrafaktual yang diramalkan dari tren sebelum. Butuh banyak titik berkala dan titik intervensi yang jelas.
    • Regresi tersegmentasi memisahkan tren sebelum (β₁), perubahan tingkat (β₂), dan perubahan tren (β₃). Kendalikan musim, periksa autokorelasi, dan pakai laju, bukan jumlah.
    • Seri kontrol membantu menyingkirkan ko-intervensi. Studi ekologis memakai wilayah sebagai unit; jangan menarik kesimpulan tentang individu (kekeliruan ekologis).
    Coba sendiri: kuis deret waktu terputus dan studi ekologis
    Bab 46

    Contoh Lengkap Adaptasi Lintas Budaya Instrumen

    Adaptasi lintas budaya menyiapkan kuesioner dari bahasa dan budaya lain agar maknanya setara di budaya sasaran. Prosesnya lebih dari menerjemahkan: terjemahan maju, sintesis, terjemahan balik, komite ahli, dan uji pra (Beaton dkk., 2000), lalu uji psikometrik pada populasi baru.

    S1S2–S3

    Mengadaptasi atau menyusun skala baru?

    Tari, yang skripsinya tentang prokrastinasi akademik (Bab 41), kini menempuh S2 Psikologi. Ia tertarik pada prokrastinasi waktu tidur (bedtime procrastination): tidak berangkat tidur pada waktu yang diniatkan, padahal tidak ada keadaan dari luar yang menghalangi (Kroese dkk., 2014). Alat ukurnya sudah ada, yaitu Bedtime Procrastination Scale (BPS) berbahasa Inggris.

    Tabel 46.1 — Tiga pilihan bila alat ukur yang dibutuhkan berbahasa asing
    PilihanKapan tepatKelemahan
    Menerjemahkan sajaTidak dianjurkanMakna bergeser tanpa diketahui
    Adaptasi lintas budaya (bab ini)Konstruknya relevan di budaya sasaran; hasil ingin dibandingkan dengan penelitian di negara lainPerlu izin; sebagian butir disesuaikan
    Menyusun skala baru (Bab 31)Belum ada alat ukur, atau konstruknya dimaknai sangat berbedaLama; skor tidak bisa langsung dibandingkan

    BPS pendek, berisi 9 butir dengan pilihan jawaban 1 = (hampir) tidak pernah sampai 5 = (hampir) selalu; butir 2, 3, 7, dan 9 diberi skor terbalik. Pada sampel aslinya (n = 177) skala ini membentuk satu faktor dengan α = 0,92 (Kroese dkk., 2014). Karena konstruknya sama relevan bagi mahasiswa Indonesia, Tari memilih adaptasi.

    Sebelum menerjemahkan satu kata pun
    • Telusuri dulu apakah versi Indonesia sudah ada dan sudah diuji. Jangan membuat versi kedua tanpa alasan.
    • Minta izin tertulis kepada penyusun asli dan tawarkan hasil terjemahan balik untuk ditinjau.
    • Izin, versi Indonesia (BPS-ID), dan semua data di bab ini adalah simulasi. Jangan memakainya sebagai instrumen tervalidasi.

    Langkah 1 · Judul

    Adaptasi Lintas Budaya dan Uji Psikometrik Bedtime Procrastination Scale Versi Indonesia pada Mahasiswa
    Jenis dan tujuanInstrumenPopulasi

    Judul penelitian instrumen tidak memuat X dan Y, karena yang diteliti adalah alat ukurnya.

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis atau kriteria
    Uji
    Kesimpulan
    1
    Apakah BPS-ID setara makna dengan versi asli?
    Tanpa hipotesis statistik; empat ekuivalensi dinilai komite
    Tahap Beaton, wawancara kognitif
    6 masalah diselesaikan, 9 butir dipertahankan
    2
    Apakah BPS-ID satu dimensi dan reliabel?
    CFI dan TLI ≥ 0,95; RMSEA ≤ 0,06; SRMR ≤ 0,08; α, ω, ICC ≥ 0,70
    CFA, α, ω, ICC
    Model B cocok; α 0,89; ω 0,84; ICC 0,87
    3
    Apakah skornya berhubungan dengan konstruk lain sesuai dugaan?
    H1–H5 ditetapkan sebelum data (Tabel 46.5)
    Korelasi Pearson, uji t dan d
    4 dari 5 terpenuhi (80%)

    Kriteria kecocokan model mengikuti Hu dan Bentler (1999). Hipotesis validitas ditulis di protokol sebelum data dikumpulkan (Mokkink dkk., 2010); bila tidak, korelasi berapa pun mudah "dibenarkan" setelah data dilihat.

    Langkah 3 · Tahap adaptasi

    Tahap ITahap IITahap IIITahap IVTahap VTahap VILapanganTerjemahanmajuSintesisTerjemahanbalikKomiteahliUji praLaporan kepenyusunUjipsikometrikT1 dan T2versi T12BT1, BT2versiprafinaln = 36kognitifberkasprosesn = 312
    Gambar 46.1 — Tahap adaptasi menurut Beaton dkk. (2000), lalu uji lapangan. Kotak merah adalah uji psikometrik (Langkah 4–5).
    1. Terjemahan maju. Dua penerjemah berbahasa ibu Indonesia bekerja terpisah. T1, psikolog yang paham konsep, menjaga istilah psikologi. T2, penerjemah yang naif (tidak tahu konsepnya), menangkap bahasa sehari-hari dan makna ganda yang luput dari ahli.

    2. Sintesis. Kedua terjemahan disatukan menjadi versi T12, dengan catatan tertulis tentang setiap perbedaan.

    3. Terjemahan balik. Dua penutur asli bahasa Inggris yang fasih berbahasa Indonesia menerjemahkan T12 kembali tanpa melihat versi asli. Ini alat pemeriksa, bukan jaminan kesetaraan.

    4. Komite ahli. Tari, Prof. Nuni (metodolog), seorang psikolog klinis, seorang dokter yang mendalami gangguan tidur, seorang ahli bahasa, dan keempat penerjemah menilai empat ekuivalensi: semantik (makna kata), idiomatik (ungkapan), pengalaman (kegiatan yang benar-benar dialami), dan konseptual (makna konsep dalam budaya sasaran).

    5. Uji pra. Versi prafinal diisi 36 mahasiswa (anjuran Beaton 30–40), lalu masing-masing diwawancarai secara kognitif: "Dengan kata-kata sendiri, apa maksud butir ini?" (Willis, 2005).

    6. Laporan ke penyusun. Semua versi, notulen komite, dan hasil uji pra dikirim ke penyusun asli.

    Tabel 46.2 — Masalah terjemahan dan keputusannya (data simulasi)
    UnsurMasalahEkuivalensiKeputusanDitemukan di
    "go to bed" (semua butir)T2 menulis "tidur", yang juga berarti terlelap. Orang bisa berbaring sambil memakai HP berjam-jam.Semantik"Berangkat tidur", didefinisikan di petunjuk: berhenti beraktivitas, termasuk memakai HP, untuk tidurSintesis
    "things" (B5)T2 menulis "barang-barang"; BT2 kembali menjadi "objects"Semantik"Hal lain"Terjemahan balik
    "…but I just don't" (B8)Terjemahan harfiah tidak bermakna dalam bahasa IndonesiaIdiomatik"…tetapi tetap saja tidak saya lakukan"Komite
    "turn off the lights" (B3)11 dari 36 mahasiswa (30,6%) tidur dengan lampu menyala atau lampunya diatur teman sekamar kosPengalaman"Bersiap tidur (misalnya mematikan atau meredupkan lampu)"Uji pra
    "get up early" (B2)Banyak mahasiswa bangun sebelum subuh setiap hari, jadi "harus bangun pagi" tidak membedakan hariPengalaman"Bila besok ada kegiatan pagi, misalnya kuliah jam pertama"Uji pra
    Konsep menunda tanpa sebab dari luar"Begadang" lazim dimaknai terjaga karena kewajiban: tugas, menjaga orang sakit, kerja paruh waktuKonseptualPetunjuk: "Jawablah untuk malam ketika tidak ada keadaan dari luar yang memaksa Anda tetap terjaga"Komite, uji pra

    Tidak ada butir yang dihapus atau ditambah, dan skala tetap 1–5, agar skor sebanding dengan versi asli. Bila banyak butir harus diganti, hasilnya lebih tepat disebut instrumen baru.

    Coba sendiri: ekuivalensi mana yang terganggu?

    Keenam masalah ini berasal dari adaptasi berbagai kuesioner. Pilih jenis ekuivalensinya.

    "Hit the sack" diterjemahkan "memukul karung".

    Idiomatik: ungkapan ini berarti "pergi tidur". Carilah ungkapan Indonesia yang setara, bukan kata per kata.

    Butir tentang kesulitan menyekop salju di halaman rumah.

    Pengalaman: kegiatan ini tidak dialami di Indonesia. Ganti dengan kegiatan setara, misalnya mengangkat ember berisi air.

    "I rarely feel rested" diterjemahkan "saya jarang beristirahat", padahal maksudnya jarang merasa segar setelah tidur.

    Semantik: arti katanya bergeser dari "merasa pulih" menjadi "kegiatan beristirahat".

    "Keluarga" dalam versi asli berarti keluarga inti; responden Indonesia memasukkan kakek-nenek, paman, dan sepupu.

    Konseptual: katanya benar, tetapi konsep "keluarga" berbeda antarbudaya. Perjelas di butir atau petunjuk.

    Butir "saya mandi air hangat sebelum tidur", padahal banyak mahasiswa di kos tidak punya pemanas air.

    Pengalaman: kebiasaannya tidak lazim dialami, sehingga jawaban "tidak pernah" tidak mencerminkan konstruknya.

    "Things" diterjemahkan "barang-barang", padahal maksudnya "hal-hal".

    Semantik: satu kata Inggris punya beberapa arti, dan penerjemah memilih arti yang keliru.

    Pilih jenis ekuivalensi untuk keenam masalah.

    Langkah 4 · Uji lapangan: sampel, instrumen pembanding, dan etika

    • Besar sampel. Untuk analisis faktor, COSMIN menilai sampel "sangat baik" bila ≥ 7 kali jumlah butir dan ≥ 100 orang (Mokkink dkk., 2018). Tari menargetkan 300 agar uji korelasi (r = 0,30 butuh 85 orang; Bab 41) dan perbandingan kelompok tetap kuat.
    • Sampling: 18 kelas dipilih acak dari daftar kelas S1 di tiga fakultas Universitas X Palembang. Dari 347 mahasiswa yang hadir, 331 setuju (95,4%) dan 312 mengisi lengkap; 215 perempuan (68,9%), usia 20,1 ± 1,3 tahun.
    • Uji ulang: 64 mahasiswa mengisi lagi setelah 2 minggu: cukup lama untuk melupakan jawaban, cukup singkat agar kebiasaan belum berubah. Minimal 50 orang dianjurkan (Terwee dkk., 2007).
    • Pembanding: Skala Prokrastinasi Akademik buatan Tari (20–80; Bab 41), PSQI versi Indonesia (0–21; Buysse dkk., 1989), durasi tidur pada hari kuliah (jam), usia, dan kebiasaan tidur lewat tengah malam.
    • Etika: komisi etik fakultas (Bab 7B); kuesioner anonim dengan kode buatan sendiri untuk mencocokkan uji ulang; tips tidur sehat dan kontak konseling kampus di akhir kuesioner (Himpunan Psikologi Indonesia, 2010).

    Langkah 5 · Analisis psikometrik

    Sifat yang diuji mengikuti taksonomi COSMIN (Mokkink dkk., 2010): validitas struktural, konsistensi internal, reliabilitas, kesalahan pengukuran, dan uji hipotesis validitas konstruk. Validitas isi sudah dinilai komite dan wawancara kognitif.

    A. Butir dan skor total

    Tabel 46.3 — Statistik butir BPS-ID (n = 312; data simulasi)
    Butir (topik)RerataSD% skor 1% skor 5r butir-totalMuatan
    B1 Tidur lebih larut dari yang diniatkan2,991,2913,515,70,710,78
    B2ᴿ Tidur lebih awal bila besok ada kegiatan pagi2,801,2214,79,90,580,53
    B3ᴿ Langsung bersiap tidur saat waktunya2,821,2516,011,90,620,57
    B4 Masih sibuk dengan hal lain saat waktunya tidur2,991,2413,514,10,650,73
    B5 Mudah teralihkan saat ingin tidur2,891,2515,412,80,650,73
    B6 Tidak berangkat tidur tepat waktu3,021,2915,114,70,760,85
    B7ᴿ Punya jam tidur teratur dan menaatinya2,681,2419,69,60,610,56
    B8 Ingin tidur tepat waktu, tetapi tidak jadi2,911,2515,412,80,690,76
    B9ᴿ Mudah menghentikan kegiatan saat waktunya tidur2,841,2414,712,20,610,55

    ᴿ skor terbalik (sudah dibalik; skor tinggi = makin menunda tidur). Topik adalah ringkasan isi, bukan bunyi butir. r butir-total terkoreksi; muatan faktor terstandar dari model B. Menghapus butir mana pun menurunkan α (α bila butir dihapus 0,874–0,889).

    Skor total 9–45: rerata 25,96 ± 8,31 (rentang 10–44), atau 2,88 per butir, mirip sampel asli (2,8; Kroese dkk., 2014). Tidak ada responden yang mendapat skor 9 atau 45 (0,0%), jauh di bawah batas efek lantai dan plafon 15% (Terwee dkk., 2007).

    B. Validitas struktural: CFA

    Dua model ditetapkan di protokol. Model A: satu faktor murni. Model B: satu faktor ditambah korelasi residual antarbutir berskor terbalik. Alasannya teoretis, bukan modification indices: butir berkalimat terbalik sering berbagi varians "cara menjawab" (efek metode). Analisis memakai JASP (maximum likelihood).

    Output JASP — Model fit (n = 312)
    IndexModel AModel BCriterion
    χ² (df)119,4 (27)28,4 (21)—
    p< ,001,128—
    CFI,928,994≥ ,95
    TLI,904,990≥ ,95
    RMSEA (90% CI),105 (,086–,124),034 (,000–,063)≤ ,06
    SRMR,057,021≤ ,08

    Model A vs B: Δχ²(6) = 91,0; p < 0,001. Korelasi residual antarbutir terbalik 0,25–0,35.

    Model A belum cocok. Model B memenuhi semua kriteria; hanya batas atas IK90% RMSEA (0,063) sedikit di atas 0,06. Jadi BPS-ID tetap satu dimensi, dengan efek metode kecil dari kalimat terbalik.

    Gambar 46.2 — Muatan faktor butir BPS-ID

    Model B, n = 312 (data simulasi). Semua muatan ≥ 0,50 dan p < 0,001
    Butir searahButir skor terbalik
    Butir 1: muatan 0,78Butir 2 (skor terbalik): muatan 0,53Butir 3 (skor terbalik): muatan 0,57Butir 4: muatan 0,73Butir 5: muatan 0,73Butir 6: muatan 0,85Butir 7 (skor terbalik): muatan 0,56Butir 8: muatan 0,76Butir 9 (skor terbalik): muatan 0,55B1B2B3B4B5B6B7B8B90,780,530,570,730,730,850,560,760,55batas 0,5000,250,500,751,00Muatan faktor terstandar (model B)

    C. Reliabilitas dan kesalahan pengukuran

    Tabel 46.4 — Reliabilitas BPS-ID (data simulasi)
    SifatStatistikNilaiPenilaian
    Konsistensi internalCronbach's α0,89Baik (≥ 0,70)
    Konsistensi internalMcDonald's ω (model B)0,84Baik (≥ 0,70)
    Reliabilitas uji ulang (n = 64)ICC(A,1), IK95%0,87 (0,80–0,92)Baik (Koo & Li, 2016)
    Kesalahan pengukuranSEM; SDC2,87; 7,97Perubahan individu < 8 poin belum pasti nyata

    ICC dua arah, kesepakatan absolut, ukuran tunggal (SPSS: Reliability Analysis ▸ Statistics). Skor uji pertama 24,58 ± 7,90, kedua 24,56 ± 8,29 (t berpasangan p = 0,976). SEM (kesalahan baku pengukuran) = SD × √(1 − ICC) = 8,09 × √0,126 = 2,87; SDC = 1,96 × √2 × SEM = 7,97.

    ω lebih kecil daripada α karena α menghitung varians bersama butir terbalik sebagai skor murni, sedangkan ω dari model B memisahkannya. ω lebih tepat bila muatan butir tidak sama (Dunn dkk., 2014).

    D. Uji hipotesis validitas konstruk

    Tabel 46.5 — Hipotesis yang ditetapkan sebelum data dan hasilnya (n = 312; data simulasi)
    HipotesisHasilTerpenuhi?
    H1 Berkorelasi positif 0,30–0,60 dengan prokrastinasi akademik (konstruk dekat, tetapi berbeda)r = 0,50; p < 0,001Ya
    H2 Berkorelasi ≥ 0,30 dengan skor PSQI (kualitas tidur buruk)r = 0,45; p < 0,001Ya
    H3 Berkorelasi ≤ −0,30 dengan durasi tidur hari kuliahr = −0,27; p < 0,001Tidak
    H4 Tidak berhubungan dengan usia (|r| < 0,20)r = 0,01; p = 0,849Ya
    H5 Yang tidur lewat tengah malam ≥ 4 malam per minggu skornya lebih tinggi, d ≥ 0,5029,70 ± 7,95 (n = 103) vs 24,11 ± 7,87 (n = 209); t(310) = 5,88; p < 0,001; d = 0,71Ya

    Rerata ± SD pembanding: prokrastinasi akademik 49,23 ± 8,98; PSQI 6,15 ± 2,69; durasi tidur 6,19 ± 0,92 jam. H5 adalah validitas kelompok-diketahui (known-groups); d dihitung dengan SD gabungan (Cohen, 1988).

    Empat dari lima hipotesis (80%) terpenuhi. COSMIN menilai bukti validitas konstruk memadai bila minimal 75% hipotesis terpenuhi (Prinsen dkk., 2018). H3 meleset tipis: mahasiswa yang tidur larut sering bangun siang bila kuliahnya siang, sehingga durasi tidur tidak hanya ditentukan jam berangkat tidur. Hipotesis yang gagal tetap dilaporkan, bukan diubah.

    Kalimat hasil Tari

    "Model satu faktor dengan korelasi residual antarbutir terbalik cocok dengan data (CFI 0,994; TLI 0,990; RMSEA 0,034, IK90% 0,000–0,063; SRMR 0,021). Konsistensi internal (α = 0,89; ω = 0,84) dan reliabilitas uji ulang (ICC 0,87; IK95% 0,80–0,92) baik, tanpa efek lantai atau plafon. Empat dari lima hipotesis validitas konstruk terpenuhi."

    Langkah 6 · Pembahasan dan kesimpulan

    BPS-ID setara makna dengan versi asli setelah enam masalah terjemahan diselesaikan, satu dimensi dengan efek metode kecil dari butir terbalik, reliabel, dan berhubungan dengan prokrastinasi akademik serta kualitas tidur sesuai dugaan. Struktur satu faktor sejalan dengan versi asli (Kroese dkk., 2014). Efek metode pada butir terbalik adalah pola yang dikenal pada skala dengan kalimat positif dan negatif, sehingga model B lebih tepat daripada menghapus butir. Menurut peneliti, BPS-ID layak dipakai untuk penelitian kelompok mahasiswa, tetapi belum untuk keputusan tentang satu orang. Keterbatasan: satu universitas; semua data dilaporkan sendiri; invariansi pengukuran terhadap versi asli dan antara laki-laki dan perempuan belum diuji; responsivitas belum dinilai.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. BPS-ID setara secara semantik, idiomatik, pengalaman, dan konseptual dengan versi asli; 9 butir dan skala 1–5 dipertahankan.

    2. BPS-ID satu dimensi (CFI 0,994; RMSEA 0,034) dan reliabel (α 0,89; ω 0,84; ICC 0,87), dengan SDC 8 poin.

    3. Empat dari lima hipotesis validitas konstruk terpenuhi (80%), sehingga bukti validitas konstruknya memadai.

    Awas, keliru!
    • Menerjemahkan sendiri lalu langsung menyebar kuesioner, tanpa penerjemah kedua, komite, dan uji pra.
    • Menganggap terjemahan balik yang mirip versi asli sebagai bukti kesetaraan. Terjemahan balik hanya menemukan kesalahan kasar.
    • Mengubah jumlah butir atau skala jawaban tanpa alasan dan tanpa melapor ke penyusun asli.
    • Menambah korelasi residual satu per satu mengikuti modification indices sampai model "cocok".
    • Menyatakan skala "valid dan reliabel" hanya dari korelasi butir-total dan α.
    Pojok S2–S3
    • Invariansi pengukuran (CFA multikelompok: konfigural, metrik, skalar) diperlukan sebelum membandingkan rerata antarjenis kelamin atau antara sampel Indonesia dan sampel asli. Inilah validitas lintas budaya dalam COSMIN.
    • Data ordinal: butir 5 pilihan sering diperlakukan kontinu dengan ML. Sebagai analisis kepekaan, ulangi CFA dengan korelasi polikorik dan estimator WLSMV.
    • Responsivitas: sebelum dipakai untuk menilai intervensi, uji apakah skor berubah sesuai dugaan pada kelompok yang diketahui berubah, dan bandingkan perubahan individu dengan SDC.
    Intinya
    • Adaptasi lintas budaya lebih dari menerjemahkan: izin penyusun, terjemahan maju (paham konsep dan naif), sintesis, terjemahan balik, komite ahli, uji pra dengan wawancara kognitif, dan laporan ke penyusun.
    • Komite menilai empat ekuivalensi: semantik, idiomatik, pengalaman, dan konseptual. Yang disalin adalah makna, bukan kata.
    • Versi adaptasi diuji ulang dengan kerangka COSMIN: CFA dengan model yang ditetapkan di protokol, α dan ω, ICC dan SDC, efek lantai dan plafon, serta hipotesis validitas yang ditulis sebelum data dikumpulkan.
    Coba sendiri: kuis adaptasi lintas budaya
    Bab 47

    Contoh Lengkap Pengembangan Model Prediksi Klinis

    Model prediksi klinis menggabungkan beberapa prediktor untuk memperkirakan peluang seseorang mengalami suatu outcome, sekarang (diagnostik) atau di masa depan (prognostik). Pertanyaannya bukan "apa penyebabnya?", melainkan "seberapa tepat kita dapat meramalkan risiko tiap orang?". Model yang baik harus membedakan dengan baik, terkalibrasi, dan divalidasi (Steyerberg, 2019; Collins dkk., 2015).

    S2–S3

    Menjelaskan atau meramalkan?

    Kohort Rara di Bab 25 bertanya apakah gawai berhubungan dengan miopia setelah perancu dikendalikan. Itu penelitian etiologik. Dinas kesehatan kini ingin hal lain: memilih siswa yang paling perlu diperiksa ulang lebih sering. Itu pertanyaan prediksi.

    Tabel 47.1 — Penelitian etiologik dan penelitian prediksi
    AspekEtiologik (Bab 25)Prediksi (bab ini)
    PertanyaanApakah paparan X berhubungan dengan outcome?Berapa risiko outcome untuk anak ini?
    Memilih variabelSatu paparan utama dan perancunyaPrediktor yang tersedia saat keputusan dibuat
    KoefisienDitafsirkan sebagai hubungan terkoreksiTidak ditafsirkan sebagai sebab
    Ukuran keberhasilanHR atau OR terkoreksi dan IK95%Diskriminasi, kalibrasi, kegunaan klinis
    Pedoman pelaporanSTROBETRIPOD; TRIPOD+AI bila memakai machine learning

    Riset model prediksi punya empat tahap: pengembangan, validasi internal (seberapa optimistis model pada data yang sama), validasi eksternal (data dari tempat atau waktu lain), dan studi dampak (apakah pemakaian model memperbaiki keputusan). Bab ini mengerjakan dua tahap pertama.

    Langkah 1 · Judul

    Pengembangan dan Validasi Internal Model Prediksi Miopia pada Siswa SMP di Palembang
    Tahap penelitianJenis penelitianOutcomePopulasi & tempat

    TRIPOD meminta judul menyebut tahap (pengembangan, validasi, atau keduanya), populasi sasaran, dan outcome yang diprediksi (Collins dkk., 2015). Tidak ada kata "pengaruh" atau "hubungan", karena tujuannya meramalkan, bukan menjelaskan.

    Langkah 2 · Rumusan, tujuan, dan analisis

    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Berapa insidens miopia 2 tahun pada siswa yang awalnya bebas miopia?
    Menghitung insidens kumulatif
    Proporsi, IK95%
    22,4%
    2
    Seberapa baik model membedakan siswa yang akan dan tidak akan miopia?
    Menilai diskriminasi
    AUC dengan koreksi optimisme
    AUC 0,79; terkoreksi 0,78
    3
    Seberapa tepat risiko yang diramalkan?
    Menilai kalibrasi
    Plot kalibrasi, kemiringan, bootstrap
    Kemiringan terkoreksi 0,95
    4
    Bagaimana model disajikan agar mudah dipakai?
    Menyusun skor poin dan kategori risiko
    Metode Sullivan
    Skor 0–19, tiga kategori

    Tidak ada hipotesis sebab–akibat. Yang dinilai adalah kinerja model, dan targetnya ditetapkan di protokol sebelum data dianalisis.

    Langkah 3 · Desain, prediktor, dan besar sampel

    • Desain: kohort prospektif 24 bulan seperti Bab 25, di 5 SMP negeri lain di Palembang. Subjek: siswa kelas VII yang bebas miopia (ekuivalen sferis > −0,50 D pada kedua mata, dengan sikloplegik).
    • Outcome: miopia baru (ekuivalen sferis ≤ −0,50 D) pada pemeriksaan bulan ke-24, diperiksa refraksionis yang tidak tahu data prediktor.
    • Prediktor dipilih sebelum data dilihat, berdasarkan pustaka, dan harus mudah diperoleh saat skrining (Tabel 47.2).
    Tabel 47.2 — Prediktor kandidat (6 parameter)
    PrediktorCara ukurDi dalam modelDasar
    Riwayat miopia orang tuaKuesioner orang tuaTidak ada, satu, keduanya (2 dummy)Morgan dkk., 2012
    Refraksi awalEkuivalen sferis sikloplegikKontinu, dioptriZadnik dkk., 2015
    Kerja dekat dan layarKuesioner 7 hariKontinu, jam/hariForeman dkk., 2021
    Waktu di luar ruangKuesioner 7 hariKontinu, jam/hariHe dkk., 2015
    Jenis kelaminData sekolahPerempuan = 1Ditetapkan a priori

    Tidak ada seleksi univariabel ("masukkan yang p < 0,25") dan tidak ada stepwise. Keduanya membuat model terlalu optimistis. Prediktor kontinu tidak dipotong menjadi kategori karena informasinya hilang.

    Data hilang. Kuesioner diperiksa di tempat sehingga prediktor lengkap. Bila ada yang hilang, pakai imputasi ganda (multiple imputation) dengan outcome ikut di model imputasi. Jangan membuang subjek atau mengisi dengan rerata.

    Besar sampel. Aturan lama "10 kejadian per variabel" (EPV) tidak lagi dianjurkan, karena tidak memperhitungkan proporsi outcome dan kekuatan model. Riley dkk. (2020) memakai empat kriteria; yang paling menentukan biasanya kriteria penyusutan: sampel harus cukup agar koefisien perlu "dikecilkan" paling banyak 10% (faktor penyusutan S ≥ 0,9).

    n = P / [(S − 1) · ln(1 − R²CS / S)] = 6 / [(−0,1) · ln(1 − 0,0977 / 0,9)] = 523P = 6 parameter prediktor. Proporsi outcome φ = 0,22 (insidens di Bab 25: 21,9%), sehingga R²CS maksimum = 1 − [φφ(1 − φ)1−φ]² = 0,65. Secara konservatif model dianggap menjelaskan 15% dari maksimum itu: R²CS = 0,15 × 0,65 = 0,0977. Kriteria lain: presisi risiko keseluruhan 264; galat prediksi rerata ≤ 0,05 sebanyak 248; optimisme R² ≤ 0,05 sebanyak 172. Yang terbesar, 523 siswa (115 kasus, 19 per parameter), ditambah 10% cadangan = 582. Kelima sekolah punya 720 siswa yang memenuhi syarat, dan semuanya diundang.

    Etika. Sama dengan kohort Bab 25: telaah KEPK (Bab 7A), persetujuan orang tua dan assent siswa, penanganan efek tetes sikloplegik, dan rujukan untuk setiap siswa yang menjadi miopia. Selama penelitian semua siswa mendapat edukasi kesehatan mata yang sama.

    Langkah 4 · Analisis

    Analyze▸Regression▸Binary Logistic

    Dependent = miopia_24; Covariates = semua prediktor, Method = Enter. Categorical: ortu_miopia (Indicator, Reference: First). Save: Probabilities. AUC dihitung dari probabilitas itu seperti di Bab 37. Linearitas prediktor kontinu diperiksa dengan menambahkan suku kuadrat: tidak ada penyimpangan (χ² = 1,95; df = 3; p = 0,583).

    Validasi internal dengan bootstrap. Model selalu tampak lebih baik pada data yang dipakai membuatnya. Selisihnya disebut optimisme, dan diperkirakan begini (Steyerberg, 2019):

    1. Ambil sampel bootstrap: 674 siswa diambil acak dengan pengembalian.

    2. Kembangkan model yang sama di sampel itu, lalu hitung AUC dan kemiringan kalibrasinya di sampel itu (kinerja semu).

    3. Terapkan model itu ke data asli dan hitung lagi (kinerja uji). Selisih keduanya adalah optimisme.

    4. Ulangi 500 kali. Rerata optimisme dikurangkan dari kinerja model asli.

    SPSS belum menyediakan langkah ini. Dikerjakan di R, misalnya paket rms (fungsi validate dan calibrate). Kemiringan terkoreksi dipakai sebagai faktor penyusutan: semua koefisien dikalikan dengannya, lalu intersep diestimasi ulang agar rerata risiko sama dengan insidens teramati.

    Langkah 5 · Hasil

    Dari 720 siswa, 46 (6,4%) hilang sebelum bulan ke-24 (pindah kota atau menarik diri), sehingga dianalisis 674 siswa. Sebanyak 151 siswa menjadi miopia (22,4%; IK95% 19,4–25,7%), atau 25 kasus per parameter, di atas kebutuhan 19. Insidens 15,7% bila tidak ada orang tua yang miopia, 26,9% bila satu, dan 35,7% bila keduanya.

    Tabel 47.3 — Model regresi logistik miopia 2 tahun (n = 674; 151 kasus; data simulasi)
    PrediktorBOR (IK95%)pB setelah penyusutan
    Konstanta−0,788—0,040−0,798
    Satu orang tua miopia0,7462,11 (1,35–3,30)0,0010,707
    Kedua orang tua miopia1,1383,12 (1,71–5,69)< 0,0011,078
    Refraksi awal (per 1 D)−2,5610,08 (0,04–0,14)< 0,001−2,426
    Kerja dekat dan layar (per jam/hari)0,1921,21 (1,09–1,35)< 0,0010,181
    Waktu di luar ruang (per jam/hari)−0,5520,58 (0,42–0,79)< 0,001−0,523
    Perempuan0,0821,09 (0,72–1,64)0,6950,078

    Refraksi awal lebih rendah (lebih dekat ke batas miopia) berarti risiko lebih tinggi: setiap 0,25 D lebih rendah, odds miopia 1,90 kali. Jenis kelamin tidak bermakna, tetapi tetap di dalam model karena ditetapkan sejak awal. Faktor penyusutan = 0,947.

    Tabel 47.4 — Kinerja model dan validasi internal (bootstrap 500 kali)
    UkuranSemuOptimismeTerkoreksi
    AUC (IK95%)0,787 (0,747–0,827)0,0110,776
    Kemiringan kalibrasi (ideal 1)1,0000,0530,947
    Kalibrasi keseluruhan, CITL (ideal 0)0,000—−0,002
    R² Nagelkerke · skor Brier0,274 · 0,139——

    IK95% AUC dengan metode DeLong. CITL (calibration-in-the-large) membandingkan rerata risiko terprediksi dengan insidens teramati. Kemiringan < 1 berarti prediksi terlalu ekstrem: risiko tinggi diramalkan terlalu tinggi dan risiko rendah terlalu rendah.

    Gambar 47.1 — Plot kalibrasi model akhir

    Siswa dibagi menjadi 10 kelompok menurut risiko terprediksi. Garis tegak = IK95% kejadian teramati (data simulasi).
    0%0%20%20%40%40%60%60%80%80% Risiko terprediksi (rerata per desil) Kejadian teramati kalibrasi sempurna Desil 1: terprediksi 2,5%, teramati 1,5% (1/68)Desil 2: terprediksi 5,6%, teramati 4,4% (3/68)Desil 3: terprediksi 8,3%, teramati 13,2% (9/68)Desil 4: terprediksi 11,6%, teramati 11,8% (8/68)Desil 5: terprediksi 15,2%, teramati 9,0% (6/67)Desil 6: terprediksi 19,9%, teramati 17,9% (12/67)Desil 7: terprediksi 25,4%, teramati 28,4% (19/67)Desil 8: terprediksi 32,5%, teramati 35,8% (24/67)Desil 9: terprediksi 42,6%, teramati 37,3% (25/67)Desil 10: terprediksi 61,5%, teramati 65,7% (44/67) AUC terkoreksi 0,78Kemiringan terkoreksi 0,95

    Kalibrasi sering menjadi titik lemah model prediksi, padahal wajib dilaporkan di samping AUC (Van Calster dkk., 2019). Di sini titik-titik mengikuti garis diagonal: bila model meramalkan risiko 30%, sekitar 30% siswa di kelompok itu memang menjadi miopia.

    logit(p) = −0,798 + 0,707·(satu ortu) + 1,078·(dua ortu) − 2,426·refraksi + 0,181·kerja dekat − 0,523·luar ruang + 0,078·perempuanp = 1 / (1 + e−logit). Contoh: siswa laki-laki, satu orang tua miopia, refraksi awal +0,25 D, kerja dekat dan layar 6 jam/hari, di luar ruang 0,5 jam/hari. logit = −0,798 + 0,707 − 0,607 + 1,089 − 0,262 = 0,129, sehingga p = 53,2%, lebih dari dua kali insidens rerata.

    Skor poin untuk dipakai di sekolah

    Rumus di atas sulit dihitung di lapangan. Koefisien diubah menjadi poin bulat dengan metode Sullivan dkk. (2004): 1 poin setara 0,35 satuan logit.

    Tabel 47.5 — Kartu skor risiko miopia 2 tahun
    PrediktorKategori dan poin
    Orang tua miopiatidak ada 0 · satu 2 · keduanya 3
    Refraksi awal≥ +1,00 D 0 · +0,50 s.d. +0,75 D 4 · +0,25 D 7 · 0,00 D 9 · −0,25 D 10
    Kerja dekat dan layar per hari< 3 jam 0 · 3 s.d. < 5 jam 1 · 5 s.d. < 7 jam 2 · ≥ 7 jam 3
    Di luar ruang per hari≥ 2 jam 0 · 1 s.d. < 2 jam 1 · < 1 jam 3
    Jenis kelamin0 (koefisiennya terlalu kecil)

    Gambar 47.2 — Risiko miopia 2 tahun menurut total poin

    0–7 poin: rendah; 8–11 poin: sedang; ≥ 12 poin: tinggi (data simulasi).
    0%10%30%50%70%90%024681012141618 Total poin Risiko menurut total poin 0 poin: risiko 0,8%1 poin: risiko 1,2%2 poin: risiko 1,7%3 poin: risiko 2,4%4 poin: risiko 3,3%5 poin: risiko 4,6%6 poin: risiko 6,4%7 poin: risiko 8,9%8 poin: risiko 12,2%9 poin: risiko 16,4%10 poin: risiko 21,8%11 poin: risiko 28,4%12 poin: risiko 36,0%13 poin: risiko 44,4%14 poin: risiko 53,1%15 poin: risiko 61,6%16 poin: risiko 69,5%17 poin: risiko 76,4%18 poin: risiko 82,1%19 poin: risiko 86,7% Tinggi (≥ 30%)Sedang (10–<30%)Rendah (< 10%)

    Contoh siswa di atas mendapat 2 + 7 + 2 + 3 + 0 = 14 poin, dengan risiko 53%, sama dengan rumus lengkap. AUC skor poin 0,78, hampir sama dengan model lengkap (0,79). Menurut model lengkap, 211 siswa (31,3%) berisiko rendah (< 10%) dengan kejadian teramati 6,6%; 270 siswa (40,1%) sedang (10–<30%) dengan kejadian 17,0%; dan 193 siswa (28,6%) tinggi (≥ 30%) dengan kejadian 47,2%.

    Coba sendiri: kalkulator risiko miopia

    Masukkan data seorang siswa kelas VII yang belum miopia. Kalkulator memakai model akhir (setelah penyusutan) dan kartu skor Tabel 47.5.

    Langkah 6 · Pembahasan dan kesimpulan

    Model lima prediktor membedakan siswa yang akan menjadi miopia dengan cukup baik (AUC terkoreksi 0,78) dan terkalibrasi baik (kemiringan terkoreksi 0,95). Refraksi awal adalah prediktor terkuat. Temuan ini sejalan dengan studi CLEERE, yang menemukan refraksi awal sebagai prediktor tunggal terbaik (Zadnik dkk., 2015), serta dengan peran riwayat orang tua dan waktu di luar ruang (Morgan dkk., 2012; He dkk., 2015). Menurut peneliti, skor poin dapat dipakai untuk menjadwalkan pemeriksaan mata lebih sering bagi siswa berisiko tinggi, tetapi baru setelah divalidasi eksternal, misalnya pada kohort Bab 25. Keterbatasan: satu kota; kerja dekat dan waktu luar ruang dilaporkan sendiri; refraksi awal memerlukan pemeriksaan sikloplegik; 46 siswa hilang; dan koefisien model prediksi tidak boleh dibaca sebagai efek sebab–akibat.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Insidens miopia 2 tahun pada siswa kelas VII yang awalnya bebas miopia adalah 22,4%.

    2. Model dengan riwayat miopia orang tua, refraksi awal, kerja dekat dan layar, waktu di luar ruang, dan jenis kelamin memiliki AUC 0,79 (terkoreksi 0,78).

    3. Model terkalibrasi baik, dengan kemiringan terkoreksi 0,95 dan faktor penyusutan yang sama.

    4. Model membagi siswa menjadi risiko rendah (< 10%), sedang, dan tinggi (≥ 30%), dengan kejadian teramati 6,6%, 17,0%, dan 47,2%. Skor poin 0–19 yang lebih mudah dipakai hampir sama baiknya (AUC 0,78).

    Awas, keliru!
    • Memilih prediktor dengan uji univariabel atau stepwise. Model menjadi tidak stabil dan terlalu optimistis.
    • Memotong prediktor kontinu, misalnya refraksi "positif/negatif". Informasi hilang.
    • Hanya melaporkan AUC tanpa kalibrasi, atau hanya uji Hosmer–Lemeshow.
    • Melaporkan kinerja semu seolah itu kinerja pada siswa baru.
    • Membaca OR model prediksi sebagai efek: "tambah 1 jam di luar ruang menurunkan odds 42%". Itu pertanyaan etiologik.
    • Memakai model dari kota lain tanpa validasi eksternal.
    Pojok S2–S3
    • Kegunaan klinis: analisis kurva keputusan (Vickers dan Elkin, 2006) menghitung net benefit pada ambang risiko tertentu. Pada ambang 20%, net benefit model 0,110, sedangkan "periksa ulang semua siswa" hanya 0,030. Artinya, model setara dengan menemukan 11 kasus per 100 siswa tanpa positif palsu.
    • Risiko bias dinilai dengan PROBAST pada empat domain: partisipan, prediktor, outcome, dan analisis (Wolff dkk., 2019). Kesalahan domain analisis paling sering: sampel kecil, seleksi univariabel, dan tidak ada validasi.
    • Penyusutan lain: regresi terpenalti (ridge, lasso) mengecilkan koefisien saat estimasi. Pada data kecil, faktor penyusutannya sendiri tidak stabil.
    • Waktu sampai kejadian: bila banyak subjek hilang, regresi Cox memakai data mereka sampai hilang.
    • Machine learning dilaporkan dengan TRIPOD+AI (Collins dkk., 2024) dan biasanya butuh sampel jauh lebih besar.
    • Validasi eksternal dapat berujung pada pembaruan model: kalibrasi ulang intersep, kemiringan, atau penambahan prediktor.
    Intinya
    • Model prediksi meramalkan risiko tiap orang; koefisiennya bukan efek sebab–akibat. Pilih prediktor sebelum melihat data, tanpa seleksi univariabel, dan biarkan prediktor kontinu tetap kontinu.
    • Hitung besar sampel dengan kriteria Riley, bukan aturan EPV 10. Laporkan diskriminasi (AUC) dan kalibrasi (plot, kemiringan, CITL).
    • Validasi internal dengan bootstrap mengoreksi optimisme dan memberi faktor penyusutan. Sebelum dipakai luas, model perlu validasi eksternal. Laporkan dengan TRIPOD dan nilai risiko biasnya dengan PROBAST.
    Coba sendiri: kuis model prediksi klinis
    Bab 48

    Contoh Lengkap Evaluasi Ekonomi Kesehatan

    Evaluasi ekonomi membandingkan biaya dan konsekuensi dua pilihan atau lebih (Drummond dkk., 2015). Pertanyaannya bukan hanya "mana yang lebih efektif?", melainkan "apakah tambahan manfaatnya sepadan dengan tambahan biayanya?". Jawabannya membantu pengambil keputusan membagi anggaran yang selalu terbatas.

    S2–S3

    Empat jenis evaluasi ekonomi

    Di Bab 37 uji tajam penglihatan oleh guru UKS terbukti cukup akurat. Dinas Kesehatan kini bertanya: lebih baik skrining miopia di SMP dikerjakan guru UKS yang murah, atau tenaga puskesmas yang lebih akurat tetapi lebih mahal? Rara mengerjakannya bersama Fajar, rekan S3-nya yang mendalami ekonomi kesehatan. Jenis evaluasinya ditentukan oleh cara mengukur outcome.

    Tabel 48.1 — Jenis evaluasi ekonomi penuh
    JenisSatuan outcomeKapan dipakai
    Minimalisasi biayaTidak diukur ulangOutcome kedua pilihan sudah terbukti setara; pilih yang termurah
    Efektivitas biaya (bab ini)Satuan alami: anak terkoreksi, kasus terdeteksiOutcome kedua pilihan sejenis
    Utilitas biayaQALY atau DALYMembandingkan program dengan outcome berbeda, misalnya skrining mata dan program gizi
    Manfaat biayaRupiahManfaat dapat dinilai dengan uang, misalnya produktivitas

    Menghitung biaya satu program saja, tanpa pembanding, baru disebut analisis biaya, bukan evaluasi ekonomi penuh.

    Langkah 1 · Judul

    Analisis Efektivitas Biaya Skrining Miopia oleh Guru UKS Dibandingkan Tenaga Kesehatan Puskesmas pada Siswa SMP
    Jenis evaluasiIntervensiPembandingPopulasi
    Tanpa pembanding, tidak ada "efektif-biaya"

    Sebuah program tidak efektif-biaya dengan sendirinya. Ia efektif-biaya dibandingkan dengan pilihan lain, pada harga dan ambang tertentu. Karena itu CHEERS 2022 meminta judul menyebut jenis evaluasi dan pilihan yang dibandingkan (Husereau dkk., 2022).

    Langkah 2 · Pertanyaan, perspektif, dan horizon waktu

    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Berapa biaya tiap strategi skrining?
    Menghitung biaya per 1.000 siswa
    Penghitungan biaya mikro
    Rp 37,95 juta dan Rp 51,97 juta
    2
    Berapa anak miopia yang terkoreksi?
    Menghitung efektivitas
    Pohon keputusan
    147 dan 162,75 anak
    3
    Berapa biaya tambahan per tambahan anak terkoreksi?
    Menghitung ICER
    ΔC / ΔE
    Rp 890.317
    4
    Seberapa kokoh hasil itu?
    Menilai ketidakpastian
    Analisis sensitivitas
    Paling peka terhadap sensitivitas skrining

    Populasi dan pilihan

    Siswa SMP kelas VII–IX. A: guru UKS terlatih memakai kartu Snellen. B: refraksionis puskesmas datang ke sekolah. Semua yang positif dirujuk ke puskesmas untuk pemeriksaan lanjutan dan kacamata gratis.

    Outcome

    Anak terkoreksi: siswa miopia yang terdeteksi, datang ke pemeriksaan lanjutan, dan menerima kacamata. Deteksi saja tidak cukup; yang menolong anak adalah kacamatanya.

    Perspektif

    Penyedia layanan (Dinas Kesehatan). Ongkos keluarga, seperti transportasi dan waktu orang tua, tidak dihitung. Perspektif masyarakat akan memasukkannya.

    Horizon waktu

    Satu tahun ajaran, satu putaran skrining, sehingga tidak perlu diskonto. Bila lebih dari setahun, biaya dan outcome tahun-tahun berikutnya didiskonto sesuai pedoman yang dipakai.

    Langkah 3 · Model keputusan

    Tidak ada uji coba baru. Fajar menyusun pohon keputusan: jalur yang mungkin dilalui setiap siswa, dengan peluang di tiap cabang dan biaya di tiap ujung (Briggs dkk., 2006). Angka akurasi guru UKS diambil dari Bab 37.

    A · Guru UKSB · Tenaga puskesmasMiopia 0,25Tidak miopia 0,75Positif 0,84Negatif 0,16Positif 0,12Negatif 0,88Datang 0,70Tidak 0,30Datang 0,70Tidak 0,30 Terkoreksi (147)S + K + kacamataTidak terkoreksi (63)STerlewat (40)SPositif palsu (63)S + KPositif palsu (27)SNegatif benar (660)S Struktur sama dengan A: Se 0,93; Sp 0,95;biaya skrining Rp 20.000 per siswa S = skrining · K = pemeriksaan lanjutan · (angka) = jumlah per 1.000 siswa pada strategi A
    Gambar 48.1 — Pohon keputusan skrining miopia. Kotak = keputusan; lingkaran = peluang; segitiga = hasil akhir. Cabang B memiliki struktur yang sama dengan nilai Se, Sp, dan biaya B.
    Tabel 48.2 — Parameter model (data simulasi)
    ParameterNilai dasarRentang ujiSumber
    Prevalensi miopia25%15–35%Bab 37
    Sensitivitas / spesifisitas guru UKS84% / 88%77,3–89,0% / 84,7–90,7%Bab 37 (IK95%)
    Sensitivitas / spesifisitas puskesmas93% / 95%88–97% / 92–98%Studi pendahuluan
    Kepatuhan rujukan (datang dan menerima kacamata)70%50–90%Catatan UKS
    Biaya skrining per siswa A / BRp 7.500 / 20.0005–10 rb / 15–25 rbTabel 48.3
    Pemeriksaan lanjutan / kacamataRp 40.000 / 150.00030–60 rb / 100–200 rbTarif puskesmas, harga pengadaan

    Langkah 4 · Mengukur biaya

    Biaya dihitung dari bawah (micro-costing): jumlah sumber daya yang dipakai dikalikan harga satuannya, dalam Rupiah tahun 2026. Semua angka di bab ini adalah simulasi untuk latihan.

    Tabel 48.3 — Biaya skrining per 1.000 siswa (Rp; data simulasi)
    KomponenA · Guru UKSB · Puskesmas
    Pelatihan 3 guru UKS3.000.000—
    Kartu Snellen, meteran, formulir1.000.0003.000.000
    Waktu pemeriksa (biaya peluang)3.500.00012.000.000
    Transportasi tim ke sekolah—5.000.000
    Total (per siswa)7.500.000 (7.500)20.000.000 (20.000)

    Waktu guru tetap dihitung walaupun guru tidak dibayar tambahan: jam itu seharusnya dipakai untuk kegiatan lain. Biaya pemeriksaan lanjutan dan kacamata bergantung pada jumlah anak yang dirujuk dan datang, sehingga dihitung di pohon keputusan.

    Etika. Model memakai data agregat dari penelitian Bab 37 yang sudah mendapat persetujuan etik, ditambah data biaya dari Dinas Kesehatan. Bila data biaya dikumpulkan dengan mewawancarai guru dan petugas, mereka tetap perlu memberi persetujuan (Bab 7A).

    Langkah 5 · Hasil: ICER

    Tabel 48.4 — Hasil kasus dasar per 1.000 siswa (data simulasi)
    HasilA · Guru UKSB · PuskesmasSelisih B − A
    Dirujuk (positif skrining)300270−30
    Positif benar (nilai prediksi positif)210 (70,0%)232,5 (86,1%)22,5
    Anak terkoreksi (E)147162,7515,75
    Biaya skrining7.500.00020.000.00012.500.000
    Biaya pemeriksaan lanjutan8.400.0007.560.000−840.000
    Biaya kacamata22.050.00024.412.5002.362.500
    Total biaya (C)37.950.00051.972.50014.022.500
    Biaya rerata per anak terkoreksi258.163319.339—

    Angka desimal adalah nilai harapan per 1.000 siswa. Contoh: anak terkoreksi A = 1.000 × 0,25 × 0,84 × 0,70 = 147. Positif palsu B lebih sedikit (37,5 lawan 90), sehingga biaya pemeriksaan lanjutannya lebih kecil.

    ICER = ΔC / ΔE = 14.022.500 / 15,75 = Rp 890.317 per tambahan anak terkoreksiICER (incremental cost-effectiveness ratio) membandingkan tambahan biaya dengan tambahan manfaat. Jangan membandingkan biaya rerata (Rp 258.163 lawan Rp 319.339): biaya rerata menyembunyikan bahwa 15,75 anak tambahan dari strategi B dibeli dengan harga jauh lebih mahal.

    Posisi B terhadap A dibaca pada bidang efektivitas-biaya:

    • Lebih efektif dan lebih murah: B dominan. Pilih B tanpa perlu ICER.
    • Kurang efektif dan lebih mahal: B didominasi. Tolak B.
    • Lebih efektif dan lebih mahal (kasus kita): hitung ICER, lalu bandingkan dengan kesediaan membayar.
    • Kurang efektif dan lebih murah: pertimbangkan apakah penghematannya sepadan dengan manfaat yang hilang.
    Berapa yang pantas dibayar?

    Tidak ada satu angka resmi untuk "harga wajar satu anak terkoreksi". Patokan 1–3 kali PDB per kapita per DALY yang dulu populer berlaku untuk DALY atau QALY, bukan untuk outcome seperti ini, dan para penulis dari WHO sendiri mengingatkan agar ambang itu tidak dipakai sebagai satu-satunya dasar keputusan (Bertram dkk., 2016). Jadi Dinas Kesehatan yang menilai: bila bersedia membayar lebih dari Rp 890 ribu untuk setiap tambahan anak berkacamata, pilih B; bila tidak, pilih A. Pertimbangkan juga anggarannya: untuk 30.000 siswa SMP, B memerlukan tambahan sekitar Rp 420,7 juta per tahun untuk sekitar 473 anak tambahan.

    Coba sendiri: kalkulator ICER

    Nilai awal adalah kasus dasar. Spesifisitas (88% dan 95%), biaya pemeriksaan lanjutan, dan harga kacamata tetap seperti Tabel 48.2. Coba naikkan sensitivitas guru mendekati puskesmas, atau turunkan biaya puskesmas.

    Langkah 6 · Analisis sensitivitas

    Setiap parameter adalah perkiraan. Analisis sensitivitas satu arah mengubah satu parameter dari batas bawah ke batas atasnya, sementara yang lain tetap, lalu melihat perubahan ICER. Hasilnya disajikan sebagai diagram tornado: batang terpanjang di atas.

    Gambar 48.2 — Diagram tornado ICER

    Garis putus-putus = kasus dasar Rp 0,89 juta. Arahkan kursor ke batang untuk melihat nilainya (data simulasi).
    0,60,91,21,51,8 ICER (juta Rp per tambahan anak terkoreksi) nilai rendahnilai tinggi parameter Se guru UKS 77,3%: ICER Rp 591.456Se guru UKS 89,0%: ICER Rp 1.765.714Se puskesmas 88,0%: ICER Rp 1.765.714Se puskesmas 97,0%: ICER Rp 674.835Prevalensi 15,0%: ICER Rp 1.336.455Prevalensi 35,0%: ICER Rp 699.116Biaya puskesmas Rp 15.000: ICER Rp 572.857Biaya puskesmas Rp 25.000: ICER Rp 1.207.778Kepatuhan rujukan 50,0%: ICER Rp 1.207.778Kepatuhan rujukan 90,0%: ICER Rp 713.951Biaya guru UKS Rp 5.000: ICER Rp 1.049.048Biaya guru UKS Rp 10.000: ICER Rp 731.587Harga kacamata Rp 100.000: ICER Rp 840.317Harga kacamata Rp 200.000: ICER Rp 940.317Sp guru UKS 84,7%: ICER Rp 846.317Sp guru UKS 90,7%: ICER Rp 926.317Sp puskesmas 92,0%: ICER Rp 930.317Sp puskesmas 98,0%: ICER Rp 850.317Biaya konfirmasi Rp 30.000: ICER Rp 903.651Biaya konfirmasi Rp 60.000: ICER Rp 863.651 Se guru UKS77–89%Se puskesmas88–97%Prevalensi15–35%Biaya puskesmasRp 15–25 rbKepatuhan rujukan50–90%Biaya guru UKSRp 5–10 rbHarga kacamataRp 100–200 rbSp guru UKS85–91%Sp puskesmas92–98%Biaya konfirmasiRp 30–60 rb dasar 0,89

    ICER paling peka terhadap selisih sensitivitas kedua strategi. Bila sensitivitas guru naik ke 89%, selisih manfaat B mengecil dan ICER melonjak menjadi Rp 1,77 juta; pada sensitivitas guru sekitar 89,5%, ICER mencapai Rp 2 juta. Prevalensi juga penting: di bawah sekitar 21,5%, ICER melewati Rp 1 juta. Harga kacamata, spesifisitas, dan biaya pemeriksaan lanjutan hampir tidak mengubah keputusan.

    Kepatuhan rujukan membuka pilihan lain. Bila kepatuhan pada strategi guru UKS naik dari 70% menjadi 90%, strategi itu mengoreksi 189 anak dengan biaya Rp 46,65 juta per 1.000 siswa, lebih banyak dan lebih murah daripada strategi puskesmas (162,75 anak; Rp 51,97 juta). Biaya upaya menaikkan kepatuhan, misalnya pengingat kepada orang tua, belum termasuk.

    Langkah 7 · Pembahasan, kesimpulan, dan pelaporan

    Dibandingkan guru UKS, skrining oleh tenaga puskesmas mengoreksi 15,75 anak lebih banyak per 1.000 siswa dengan tambahan biaya Rp 14,0 juta, sehingga ICER-nya Rp 890.317 per tambahan anak terkoreksi. Sesuai kerangka Drummond dkk. (2015), keputusan bergantung pada kesediaan membayar dan ketidakpastian parameter, yang di sini terutama berasal dari sensitivitas kedua strategi. Menurut peneliti, bila anggaran terbatas, skrining oleh guru UKS yang dilatih ulang secara berkala adalah pilihan yang masuk akal; upaya menaikkan kepatuhan rujukan kemungkinan lebih menguntungkan daripada mengganti pemeriksa. Keterbatasan: semua biaya adalah simulasi; sensitivitas puskesmas belum diukur pada baku emas yang sama; biaya keluarga dan manfaat jangka panjang (prestasi belajar, kualitas hidup) tidak dihitung.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Per 1.000 siswa, biaya skrining oleh guru UKS Rp 37.950.000 dan oleh tenaga puskesmas Rp 51.972.500.

    2. Strategi guru UKS mengoreksi 147 anak miopia, sedangkan strategi puskesmas 162,75 anak.

    3. ICER strategi puskesmas dibandingkan guru UKS adalah Rp 890.317 per tambahan anak terkoreksi.

    4. Hasil paling peka terhadap sensitivitas kedua strategi, prevalensi, biaya skrining puskesmas, dan kepatuhan rujukan.

    Pelaporan mengikuti CHEERS 2022, yang berisi 28 butir, antara lain perspektif, pembanding, horizon waktu, sumber setiap parameter, cara menghitung biaya, analisis ketidakpastian, dan keterlibatan pemangku kepentingan (Husereau dkk., 2022). Model dan asumsinya sebaiknya dibagikan agar dapat diperiksa ulang. Evaluasi pelaksanaan program UKS sendiri dibahas di Bab 54.

    Awas, keliru!
    • Menyebut program "efektif-biaya" tanpa pembanding atau tanpa menyebut ambangnya.
    • Membandingkan biaya rerata dan bukan biaya tambahan (ICER).
    • Menghitung ICER untuk pilihan yang dominan atau didominasi. ICER negatif tidak bisa dibaca begitu saja.
    • Lupa menyebut perspektif, sehingga tidak jelas biaya siapa yang dihitung.
    • Mengabaikan biaya waktu tenaga yang "sudah digaji".
    • Memakai outcome antara (kasus terdeteksi) padahal yang penting outcome akhir (anak berkacamata).
    Pojok S2–S3
    • Analisis sensitivitas probabilistik: semua parameter diberi distribusi (beta untuk peluang, gamma untuk biaya) lalu diambil acak serentak 5.000 kali. Di sini 98,8% simulasi berada di kuadran "lebih efektif, lebih mahal".
    • Kurva penerimaan efektivitas-biaya (Fenwick dkk., 2001) memplot peluang B efektif-biaya pada tiap kesediaan membayar: 10% pada Rp 500 ribu, 60% pada Rp 1 juta, 83% pada Rp 1,5 juta, dan 91% pada Rp 2 juta.
    • Utilitas biaya: untuk membandingkan dengan program lain, ubah outcome menjadi QALY atau DALY dengan model Markov jangka panjang dan diskonto.
    • Analisis dampak anggaran terpisah dari ICER: berapa rupiah yang dibutuhkan tiap tahun bila program diterapkan di seluruh kota.
    • Pilihan ketiga, misalnya "tanpa skrining" atau "guru UKS lalu dikonfirmasi puskesmas", sebaiknya ikut dimodelkan. Dengan tiga pilihan atau lebih, periksa dominansi dan dominansi diperluas sebelum menghitung ICER.
    • Nilai informasi (value of information) menilai apakah layak membiayai penelitian baru, misalnya uji akurasi puskesmas, untuk mengurangi ketidakpastian.
    Intinya
    • Evaluasi ekonomi selalu membandingkan pilihan. Tetapkan jenisnya (minimalisasi, efektivitas, utilitas, atau manfaat biaya), perspektif, horizon waktu, dan outcome sejak awal.
    • Keputusan memakai ICER = ΔC / ΔE, bukan biaya rerata. Periksa dulu dominansi, lalu bandingkan ICER dengan kesediaan membayar yang dinyatakan terbuka.
    • Uji ketidakpastian dengan analisis sensitivitas satu arah (tornado) dan probabilistik (kurva penerimaan), lalu laporkan dengan CHEERS 2022.
    Coba sendiri: kuis evaluasi ekonomi
    Bagian X

    Kualitatif, Tinjauan, dan Evaluasi: Contoh Lengkap

    Tujuh contoh berikut menjawab pertanyaan yang tidak cukup dijawab dengan satu uji statistik: apa yang dibutuhkan orang, apa isi media, apa kesepakatan para ahli, seberapa luas bukti yang sudah ada, bagaimana peta sebuah bidang ilmu, apakah sebuah program berjalan baik, dan bagaimana masyarakat meneliti serta mengubah lingkungannya sendiri.

    1. Bab 49 Kualitatif deskriptif: variasi maksimum, saturasi, peran ganda dan protokol distres, analisis isi kualitatif (unit makna → kategori → tema), COREQ
    2. Bab 50 Analisis isi kuantitatif media: unit analisis, sampel isi, buku kode, reliabilitas antarpengode (κ dan α Krippendorff), PEMAT-A/V, chi-square, Mann–Whitney, etika unggahan publik
    3. Bab 51 Studi Delphi modifikasi: panel ahli, putaran, definisi konsensus, stabilitas, dan CREDES
    4. Bab 52 Scoping review: PCC, protokol OSF, pencarian tiga langkah, PRISMA-ScR, charting data, dan peta bukti
    5. Bab 53 Analisis bibliometrik: string Scopus, pembersihan data, CAGR, sitasi, VOSviewer, dan klaster kata kunci
    6. Bab 54 Evaluasi program model CIPP: program UKS, kriteria sebelum data, matriks evaluasi, ketercapaian per komponen, rekomendasi
    7. Bab 55 Participatory action research dan photovoice: remaja sebagai peneliti bersama, SHOWeD, pameran, aksi kawasan tanpa rokok desa
    Bab 49

    Contoh Lengkap Kualitatif Deskriptif dengan Analisis Isi Kualitatif

    Kualitatif deskriptif menyajikan ringkasan lengkap suatu pengalaman atau kebutuhan dalam bahasa sehari-hari partisipan, dengan tafsiran yang tetap dekat dengan data (Sandelowski, 2000). Pendekatan ini banyak dipakai di keperawatan dan kesehatan untuk pertanyaan praktis, dan biasanya dianalisis dengan analisis isi kualitatif.

    S1S2–S3

    Kualitatif deskriptif atau pendekatan lain?

    Ners Rina, perawat di unit stroke RSUD X Palembang dan teman kuliah Rara di S2, sering menerima telepon keluarga pasien beberapa hari setelah pasien pulang: "Obat yang mana diminum malam?", "Bapak batuk tiap minum, bahaya tidak?". Ia ingin tahu informasi apa yang sebenarnya dibutuhkan keluarga, agar edukasi pulang bisa diperbaiki. Pertanyaannya praktis, dan jawabannya ingin disajikan dengan kata-kata keluarga sendiri.

    Tabel 49.1 — Kualitatif deskriptif dibanding pendekatan kualitatif lain
    PendekatanFokusTingkat tafsiranHasil
    Kualitatif deskriptif (bab ini)Apa yang dialami atau dibutuhkan, menurut partisipanRendah: dekat dengan kata partisipanKategori yang langsung dapat dipakai praktik
    Fenomenologi (Bab 14–19)Esensi pengalaman hidupTinggi: makna esensialDeskripsi esensi pengalaman
    Grounded theory (Bab 32)Proses sosialTinggi: abstraksi konsepModel teori
    Etnografi (Bab 30)Pola budaya kelompokTinggi: tafsiran budayaDeskripsi budaya

    Kualitatif deskriptif bukan pendekatan "kelas dua". Menurut Sandelowski (2000), banyak peneliti mengaku memakai fenomenologi atau grounded theory padahal yang mereka kerjakan adalah deskripsi. Lebih jujur menyebut pendekatan yang benar-benar dipakai.

    Langkah 1 · Judul

    Kebutuhan Informasi Keluarga dalam Merawat Pasien Pascastroke di Rumah: Studi Kualitatif Deskriptif
    FenomenaPartisipan & konteksPendekatan

    Langkah 2 · Pertanyaan dan tujuan

    Pertanyaan utama: informasi apa yang dibutuhkan keluarga dalam merawat pasien pascastroke di rumah? Tidak ada hipotesis.

    Subpertanyaan
    Tujuan khusus
    Digali dengan
    Kategori yang menjawab
    1
    Informasi apa yang dibutuhkan keluarga untuk merawat pasien?
    Mengeksplorasi jenis informasi yang dibutuhkan.
    Pertanyaan pembuka dan 1
    K1 dan K2
    2
    Bagaimana keluarga memperoleh dan memahami informasi?
    Mendeskripsikan pengalaman keluarga memperoleh informasi.
    Pertanyaan 2, 3, dan penutup
    K3
    3
    Informasi apa yang dibutuhkan keluarga untuk dirinya sendiri?
    Mengeksplorasi kebutuhan informasi keluarga sebagai perawat.
    Pertanyaan 4
    K4

    Langkah 3 · Partisipan dan saturasi

    • Kriteria inklusi: anggota keluarga yang paling banyak merawat pasien stroke pertama, yang dipulangkan dari unit stroke 2–24 minggu sebelumnya; usia ≥ 18 tahun; merawat minimal 4 jam per hari. Eksklusi: perawat berbayar dan keluarga yang pasiennya sedang dirawat ulang.
    • Purposif dengan variasi maksimum (Bab 16): hubungan dengan pasien, jenis kelamin, usia, pendidikan, lama merawat, dan tingkat ketergantungan pasien. Tujuannya menemukan kebutuhan bersama di tengah keragaman.
    • Jumlah: tujuannya sempit dan partisipannya spesifik, sehingga diperkirakan cukup 12–16 orang (information power; Malterud dkk., 2016). Kriteria henti: 10 wawancara awal, lalu berhenti bila tiga wawancara berturut-turut tidak memunculkan kode baru (Francis dkk., 2010).

    Kode baru per wawancara berturut-turut: 19, 12, 8, 6, 5, 3, 3, 2, 1, 1, 1, 0, 0, 0. Sebanyak 82,0% dari 61 kode sudah muncul pada lima wawancara pertama, dan P12–P14 tidak memunculkan kode baru. Pengumpulan data berhenti pada 14 partisipan.

    Tabel 49.2 — Karakteristik partisipan (n = 14; data simulasi)
    KarakteristikSebaran
    Jenis kelaminPerempuan 10, laki-laki 4
    Usia27–66 tahun (median 44)
    Hubungan dengan pasienPasangan 6, anak 6, menantu atau adik 2
    PendidikanSD–SMP 4, SMA 6, D3–S1 4
    Lama merawat di rumah3–20 minggu (median 7,5)
    Ketergantungan pasien saat pulangRingan 2, sedang 6, berat 6
    Durasi wawancara37–71 menit (median 50,5)

    Langkah 4 · Pedoman wawancara dan pengumpulan data

    Wawancara semi-terstruktur dilakukan di rumah partisipan pada waktu pilihan mereka, direkam dengan izin, dan dilengkapi catatan lapangan (Bab 17). Transkrip verbatim diketik dalam 48 jam dan langsung dianalisis, agar saturasi bisa dipantau. Ungkapan bahasa Palembang ditulis aslinya beserta terjemahannya.

    Tabel 49.3 — Pedoman wawancara
    No.Pertanyaan utamaProbe
    PembukaCeritakan hari-hari pertama Bapak/Ibu merawat [pasien] setelah pulang dari rumah sakit.Apa yang paling sulit?
    1Informasi apa saja yang Bapak/Ibu butuhkan saat itu?Obat, makan-minum, memindahkan, latihan, tanda bahaya? Pernah bingung atau khawatir?
    2Informasi apa yang Bapak/Ibu terima sebelum pulang?Kapan, dari siapa, lisan atau tertulis? Apa yang masih diingat?
    3Setelah di rumah, dari mana Bapak/Ibu mencari informasi?Petugas, keluarga, internet, grup WhatsApp? Mana yang dipercaya?
    4Bagaimana keadaan Bapak/Ibu sendiri selama merawat?Informasi apa yang akan membantu Bapak/Ibu sendiri?
    PenutupMenurut Bapak/Ibu, bagaimana sebaiknya rumah sakit memberi informasi kepada keluarga?Ada hal lain yang ingin diceritakan?

    Langkah 5 · Etika: peran ganda dan protokol distres

    • Izin: KEPK RSUD X Palembang dan direktur rumah sakit (Bab 7A); persetujuan tertulis, termasuk izin merekam; nama diganti kode P1–P14.
    • Peran ganda: Rina perawat di unit yang sama. Undangan disampaikan staf poliklinik, bukan Rina, agar keluarga tidak merasa wajib ikut. Dijelaskan bahwa menolak tidak memengaruhi perawatan. Pertanyaan klinis dijawab setelah rekaman berhenti, atau dirujuk ke poliklinik stroke. Bila ditemukan tanda bahaya pada pasien, keselamatan pasien didahulukan.
    • Protokol distres (Draucker dkk., 2009): bila partisipan menangis atau terdiam lama, rekaman dihentikan, jeda ditawarkan, lalu partisipan memilih melanjutkan, berhenti, atau menjadwal ulang. Kontak psikolog dan pekerja sosial rumah sakit diberikan, dan Rina menelepon keesokan harinya. Dua partisipan meminta jeda; keduanya memilih melanjutkan.
    • Peneliti juga dijaga: cerita yang berat dibahas dalam sesi debriefing dengan pembimbing.

    Langkah 6 · Analisis isi kualitatif

    Tabel 49.4 — Tiga ragam analisis isi kualitatif (Hsieh & Shannon, 2005)
    RagamAsal kodeKapan dipakai
    Konvensional (dipakai di sini)Langsung dari data (induktif)Teori atau penelitian tentang fenomena di konteks ini masih sedikit
    Terarah (directed)Kode awal dari teori, lalu ditambah kode baruMenguji atau memperluas kerangka yang sudah ada, misalnya kerangka "Timing It Right" (Cameron & Gignac, 2008)
    SumatifKata kunci dihitung, lalu konteksnya ditafsirkanDokumen atau teks, misalnya catatan edukasi pulang

    Langkahnya mengikuti Graneheim dan Lundman (2004), dalam tiga fase persiapan, pengorganisasian, dan pelaporan (Elo & Kyngäs, 2008):

    1. Membaca utuh. Setiap transkrip dibaca berulang untuk menangkap keseluruhan. Unit analisisnya satu transkrip wawancara.

    2. Unit makna: kata, kalimat, atau paragraf yang isinya saling berkaitan. Terlalu panjang membuat unit berisi beberapa makna; terlalu pendek membuat konteks hilang.

    3. Kondensasi dan kode: unit makna diringkas tanpa membuang intinya, lalu diberi label.

    4. Subkategori dan kategori: kode dibandingkan dan dikelompokkan. Satu data tidak boleh masuk dua kategori, dan tidak boleh ada data yang "jatuh" di antara kategori.

    5. Tema: benang merah makna laten yang melintasi kategori. Tema bersifat opsional dalam kualitatif deskriptif, dan dipakai bila memang ada.

    Unit maknaKondensasiKodeSubkategoriKategoriTemakutipanaslidiringkas,inti tetaplabelsingkatkode yangsejenismenjawab“apa”makna laten,“bagaimana”dekat dengan teks (konten manifes)makin abstrak (konten laten)
    Gambar 49.1 — Tangga abstraksi analisis isi kualitatif. Kategori menjawab "apa" (konten manifes), tema menjawab "bagaimana" (konten laten).

    Rina dan seorang dosen keperawatan mengode empat transkrip pertama secara terpisah, lalu membandingkan dan menyepakati buku kode. Rara menjadi rekan diskusi (peer debriefing). Tabel analisis dikerjakan di lembar kerja.

    Tabel 49.5 — Dari unit makna ke kategori (data simulasi)
    Unit maknaUnit makna terkondensasiKodeSubkategoriKategori
    "Saya takut ngangkat Bapak dari kasur ke kursi roda. Di rumah sakit ada perawat, di rumah cuma saya." (P2)Takut memindahkan ayah sendirian di rumahTakut memindahkan pasienMemindahkan dan mengatur posisiK1
    "Ibu batuk-batuk tiap minum air. Saya nggak tahu itu bahaya atau biasa." (P9)Tidak tahu arti batuk saat minumRagu makna tersedakMakan, minum, dan risiko tersedakK1
    "Kalau mulutnya mencong lagi, saya bawa ke mana? Puskesmas atau langsung rumah sakit?" (P6)Tidak tahu tujuan bila gejala muncul lagiBingung tujuan saat gejala berulangKapan dan ke mana harus pergiK2
    "Penjelasannya pas mau pulang, saya lagi ngurus administrasi. Kepala sudah penuh." (P11)Edukasi diberikan saat keluarga sibuk mengurus kepulanganEdukasi di waktu yang salahPenjelasan terburu-buru di hari pulangK3
    "Di grup WA keluarga ada video, katanya stroke sembuh pakai ramuan. Saya jadi ragu sama obat dokter." (P7)Informasi grup keluarga bertentangan dengan anjuran dokterInformasi bertentanganInformasi yang saling bertentanganK3
    "Yang paling saya ingin tahu, Bapak bisa jalan lagi atau tidak. Belum ada yang berani jawab." (P1)Ingin tahu peluang pulih, belum mendapat jawabanKetidakpastian pemulihanPemulihan dan masa depanK4
    "Sudah tiga bulan saya tidak tidur nyenyak. Tapi siapa yang tanya keadaan saya?" (P13)Kelelahan pengasuh tidak diperhatikanKelelahan pengasuhKelelahan dan perasaan sendiriK4
    Coba sendiri: masukkan unit makna ke kategori

    K1 Bekal merawat sehari-hari · K2 Tanda bahaya dan jalan mencari bantuan · K3 Informasi yang datang terlambat dan berserakan · K4 Informasi untuk bertahan sebagai perawat keluarga.

    "Saya belajar cara ganti popok Ibu dari video, soalnya malu mau tanya perawat." (P5)

    K1: yang dibutuhkan adalah keterampilan merawat sehari-hari. Sumbernya video, tetapi isinya tentang cara merawat.

    "Tolong kasih nomor yang bisa ditelepon kalau malam-malam Bapak tiba-tiba lemas." (P8)

    K2: siapa yang bisa dihubungi saat keadaan memburuk.

    "Lembar edukasinya tulisannya kecil dan penuh istilah, jadi saya simpan saja di laci." (P12)

    K3: masalahnya cara informasi disampaikan, bukan isinya.

    "Kalau saya yang jatuh sakit, siapa yang gantikan jaga Ibu? Itu yang bikin saya cemas." (P9)

    K4: kebutuhan keluarga untuk dirinya sendiri sebagai perawat.

    "Tensinya 180. Saya harus tunggu besok atau langsung ke rumah sakit?" (P14)

    K2: kapan keadaan dianggap berbahaya dan ke mana harus pergi.

    "Makanannya harus dihaluskan atau tidak? Saya takut Bapak keselek." (P10)

    K1: cara menyiapkan makanan adalah bekal merawat sehari-hari (subkategori makan, minum, dan risiko tersedak).

    Pilih kategori untuk keenam unit makna.

    Langkah 7 · Hasil

    Tabel 49.6 — Tema, kategori, dan subkategori (data simulasi)
    KategoriSubkategori
    Tema: "Ingin dibekali, bukan sekadar dipulangkan"
    K1 Bekal merawat sehari-hariMemindahkan dan mengatur posisi · makan, minum, dan risiko tersedak · obat dan jadwalnya · latihan gerak di rumah
    K2 Tanda bahaya dan jalan mencari bantuanMengenali tanda serangan ulang · kapan dan ke mana harus pergi · siapa yang bisa dihubungi
    K3 Informasi yang datang terlambat dan berserakanPenjelasan terburu-buru di hari pulang · istilah medis yang tidak dipahami · informasi yang saling bertentangan
    K4 Informasi untuk bertahan sebagai perawat keluargaPemulihan dan masa depan · kelelahan dan perasaan sendiri · biaya, kontrol, dan rujukan
    K1 · Bekal merawat sehari-hari

    Keluarga membutuhkan cara, bukan hanya nasihat: bagaimana memindahkan pasien, menyiapkan makanan yang aman ditelan, dan mengatur obat. "Obatnya ada enam macam. Saya tulis di kardus, tapi tetap takut salah." (P10, istri, 63 tahun)

    K2 · Tanda bahaya dan jalan mencari bantuan

    Pengetahuan keluarga tentang tanda stroke terbatas pada gejala yang pernah mereka lihat, dan mereka tidak tahu harus ke mana. "Saya cuma tahu stroke itu kalau mulut mencong. Ternyata ada tanda lain, ya?" (P3, suami, 61 tahun)

    K3 · Informasi yang datang terlambat dan berserakan

    Edukasi terpusat di hari pulang, saat keluarga lelah dan sibuk. Setelah di rumah, informasi datang dari banyak arah dan sering bertentangan. "Istilahnya susah-susah. Saya mengangguk saja biar cepat selesai." (P4, anak laki-laki, 29 tahun)

    K4 · Informasi untuk bertahan sebagai perawat keluarga

    Keluarga ingin tahu masa depan pasien dan cara menjaga dirinya sendiri, tetapi jarang ditanya. "Sudah tiga bulan saya tidak tidur nyenyak. Tapi siapa yang tanya keadaan saya?" (P13, istri, 55 tahun)

    Tema · Ingin dibekali, bukan sekadar dipulangkan

    Di balik keempat kategori, keluarga merasa "dilepas" pada hari pulang, padahal saat itulah peran mereka sebagai perawat utama dimulai. "Rasanya kami dilepas begitu saja." (P6, istri, 52 tahun)

    Langkah 8 · Keabsahan dan pelaporan

    Tabel 49.7 — Menjaga keabsahan (Lincoln & Guba, 1985; lihat Bab 19)
    KriteriaYang dilakukan Rina
    KredibilitasDua pengode untuk empat transkrip awal; peer debriefing; ringkasan kategori dikonfirmasi kepada 5 partisipan; kutipan dari banyak partisipan
    DependabilitasPedoman wawancara yang sama; jejak audit berupa tabel analisis, versi buku kode, dan memo
    KonfirmabilitasJurnal refleksi: sebagai perawat unit, Rina cenderung membela edukasi yang biasa ia berikan, sehingga kritik keluarga sengaja ditelusuri lebih dalam
    TransferabilitasDeskripsi rumah sakit, unit stroke, alur pemulangan, dan karakteristik partisipan

    Laporan disusun mengikuti COREQ, 32 butir tentang tim peneliti, desain, serta analisis dan temuan (Tong dkk., 2007).

    Langkah 9 · Pembahasan dan kesimpulan

    Keluarga membutuhkan bekal praktis dan jalan mencari bantuan, tetapi informasi datang terlambat, berserakan, dan jarang menyentuh kebutuhan mereka sendiri. Temuan ini sejalan dengan kerangka "Timing It Right", yang menyatakan bahwa kebutuhan dukungan keluarga pasien stroke berubah di setiap fase, dari kejadian stroke sampai adaptasi di rumah (Cameron & Gignac, 2008). Informasi yang tepat pada fase yang salah tidak tertangkap. Menurut peneliti, edukasi sebaiknya dimulai sejak awal rawat inap, bertahap, dengan praktik langsung oleh keluarga, lembar ringkas bergambar, satu nomor kontak, dan telepon tindak lanjut pada minggu pertama. Keterbatasan: satu rumah sakit; sebagian besar partisipan perempuan; peneliti bekerja di unit yang sama.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap subpertanyaan):

    1. Keluarga membutuhkan bekal merawat sehari-hari (memindahkan, makan-minum, obat, latihan) serta pengetahuan tentang tanda bahaya dan ke mana mencari bantuan.

    2. Informasi diterima terlambat dan berserakan: terpusat di hari pulang, penuh istilah medis, dan bersaing dengan informasi yang bertentangan dari keluarga dan media sosial.

    3. Keluarga juga membutuhkan informasi untuk dirinya sendiri: prospek pemulihan, cara menjaga diri dari kelelahan, serta urusan biaya, kontrol, dan rujukan.

    Saran penelitian: program edukasi bertahap ini dapat diuji dengan desain kuasi-eksperimen (Bab 24).

    Awas, keliru!
    • Menyebut "fenomenologi" padahal analisisnya deskriptif dan tidak memakai filsafat fenomenologi.
    • Kategori sama dengan pertanyaan wawancara ("Kategori 1: informasi sebelum pulang"). Itu topik, bukan hasil analisis.
    • Menghitung kode lalu menyebutnya analisis isi konvensional. Menghitung adalah ciri analisis isi sumatif, dan kode yang sering muncul belum tentu paling penting.
    • Menafsir terlalu jauh: tema laten yang tidak bisa ditelusuri kembali ke unit makna.
    • Perawat mewawancarai keluarga pasiennya sendiri tanpa mengelola relasi kuasa dan peran ganda.
    Pojok S2–S3
    • Induktif dan deduktif: analisis deduktif memakai matriks kategorisasi dari teori; matriks tidak terstruktur memberi ruang kategori baru di luar teori (Elo & Kyngäs, 2008).
    • Tingkat tafsiran harus konsisten dengan pendekatan. Deskripsi tetap memuat tafsiran, tetapi tafsiran itu rendah dan dekat dengan data (Sandelowski, 2000).
    • Kesepakatan pengode dalam analisis isi kualitatif dicapai lewat diskusi. Menghitung kappa lebih cocok untuk analisis isi kuantitatif dengan buku kode tetap (Bab 50).
    • Kualitatif deskriptif dalam mixed methods sering menjadi fase kualitatif untuk menyusun intervensi atau instrumen (Bab 31).
    Intinya
    • Kualitatif deskriptif menyajikan ringkasan lengkap pengalaman atau kebutuhan dalam bahasa partisipan, dengan tafsiran yang dekat dengan data. Pakai untuk pertanyaan praktis, dan sebut namanya dengan jujur.
    • Analisis isi kualitatif berjalan dari unit makna, kondensasi, kode, subkategori, kategori, sampai tema. Ragamnya konvensional (induktif), terarah (dari teori), dan sumatif (menghitung lalu menafsirkan).
    • Sampel purposif dengan variasi maksimum dan kriteria henti saturasi; etika mencakup peran ganda peneliti dan protokol distres; laporan mengikuti COREQ.
    Coba sendiri: kuis kualitatif deskriptif
    Bab 50

    Contoh Lengkap Analisis Isi Kuantitatif Media

    Analisis isi kuantitatif mengode isi pesan (teks, gambar, video) secara sistematis dengan buku kode yang sama untuk setiap unit, lalu menghitung dan menguji pola kategorinya (Krippendorff, 2019; Neuendorf, 2017). Syarat utamanya: dua pengode yang bekerja terpisah harus sampai pada kode yang sama.

    SMP–SMAS1S2–S3

    Menghitung isi, memahami isi, atau membongkar wacana?

    Bayu, mahasiswa Ilmu Komunikasi dan teman Dimas, melihat adik-adiknya belajar soal tidur dari video pendek di media sosial. Ia bertanya: seberapa akurat informasi itu, siapa pembuatnya, dan video mana yang paling disukai?

    Tabel 50.1 — Tiga cara meneliti isi media
    CaraPertanyaan khasHasil
    Analisis isi kuantitatif (bab ini)Berapa banyak video yang tidak akurat, dan apakah berbeda menurut pembuatnya?Frekuensi, uji statistik, reliabilitas antarpengode
    Analisis isi kualitatif (Bab 49)Apa saja kategori makna dalam teks?Kategori dan tema
    Analisis wacana kritis (Bab 59)Bagaimana bahasa membentuk dan melanggengkan cara pandang tertentu?Tafsiran kritis tentang kuasa dan ideologi

    Langkah 1 · Judul

    Akurasi dan Kualitas Informasi tentang Tidur Remaja dalam Video Pendek Berbahasa Indonesia di Media Sosial: Analisis Isi
    Variabel yang dikodeTopikPopulasi isiPendekatan

    Langkah 2 · Rumusan, hipotesis, dan uji

    Rumusan
    Hipotesis
    Uji
    Kesimpulan
    1
    Bagaimana topik, pembuat, akurasi, dan keterpahaman video?
    Tanpa hipotesis (deskriptif)
    Frekuensi dan persentase
    35,6% tidak akurat; 28,9% memuat klaim menyesatkan
    2
    Apakah ada hubungan antara jenis pembuat dan akurasi?
    H1: akurasi berbeda menurut jenis pembuat
    Chi-square, Cramér's V
    H1 diterima (V = 0,37)
    3
    Apakah jumlah suka berbeda menurut jenis pembuat?
    H2: jumlah suka berbeda
    Mann–Whitney, r
    H2 diterima (r = 0,25)

    Analisis isi menggambarkan isi, bukan dampaknya pada penonton. Karena itu kesimpulannya memakai kata "hubungan" dan "perbedaan", bukan "pengaruh video terhadap tidur remaja" (Bab 1).

    Langkah 3 · Unit analisis dan sampel isi

    • Unit analisis: satu video. Yang dikode adalah isi video, keterangan, dan teks di layar; komentar penonton tidak dikode.
    • Kerangka sampel: hasil pencarian di satu platform video pendek dengan enam kata kunci (misalnya "tidur remaja", "susah tidur", "begadang", "jam tidur ideal"). Pencarian memakai akun baru tanpa riwayat, pada satu hari yang sama, dan diambil 50 video teratas menurut urutan relevansi bawaan. Langkah ini mengurangi pengaruh personalisasi algoritma, tetapi tidak menghilangkannya.
    • Inklusi: berbahasa Indonesia; membahas tidur remaja atau tidur secara umum; durasi ≤ 3 menit. Eksklusi: duplikat, tidak membahas tidur, bukan berbahasa Indonesia.
    1. 6 kata kunci × 50 video = 300 video ditemukan.

    2. 72 duplikat dikeluarkan → 228 video unik.

    3. 31 tidak membahas tidur, 10 bukan berbahasa Indonesia, dan 7 lebih dari 3 menit dikeluarkan → 180 video dianalisis.

    Sampel ini bukan sampel acak, melainkan semua video yang memenuhi kriteria dari hasil pencarian teratas, yaitu video yang paling mungkin dilihat pengguna. Tautan dan jumlah suka dicatat pada hari yang sama, karena isi media sosial bisa dihapus atau berubah.

    Langkah 4 · Buku kode dan instrumen mutu

    Tabel 50.2 — Petikan buku kode (versi akhir)
    VariabelDefinisi operasionalKategori
    Jenis pembuatTenaga kesehatan bila profesi kesehatan (dokter, perawat, bidan, psikolog, ahli gizi) disebut di video atau profilTenaga kesehatan · bukan
    Topik utamaTopik yang paling lama dibahas6 kategori (Tabel 50.4)
    AkurasiKlaim utama dibandingkan dengan rujukan di buku kode, misalnya remaja 13–18 tahun dianjurkan tidur 8–10 jam per 24 jam (Paruthi dkk., 2016)Akurat · sebagian akurat · tidak akurat (ordinal)
    Klaim menyesatkanAnjuran yang bila diikuti dapat merugikan, misalnya "tidur 4 jam cukup asal nyenyak" atau obat tidur tanpa resep. Informasi yang sekadar kurang lengkap tidak termasukYa · tidak
    Ajakan bertindakAjakan melakukan sesuatu yang spesifik, misalnya "letakkan HP di luar kamar malam ini"Ya · tidak
    Keterpahaman13 butir keterpahaman PEMAT-A/V (setuju = 1, tidak = 0, butir yang tidak berlaku dikeluarkan)Persentase; memadai bila ≥ 70%
    KeterlibatanJumlah suka pada hari pengambilan dataAngka

    PEMAT-A/V menilai materi audiovisual dari sisi keterpahaman dan keteraplikasian; batas ≥ 70% lazim dipakai sejak pengembangannya (Shoemaker dkk., 2014). DISCERN, dengan 15 pertanyaan ditambah satu penilaian keseluruhan, dirancang untuk informasi tertulis tentang pilihan pengobatan (Charnock dkk., 1999), sehingga kurang cocok untuk video tips tidur.

    Langkah 5 · Pelatihan pengode dan reliabilitas antarpengode

    1. Pelatihan: Bayu dan pengode kedua (mahasiswa kesehatan masyarakat) membahas buku kode dengan 10 video contoh di luar sampel.

    2. Pilot: 20 video lain di luar sampel dikode terpisah. Kesepakatan "klaim menyesatkan" hanya κ = 0,43. Penyebabnya, pengode kedua menganggap informasi yang kurang lengkap sebagai menyesatkan. Definisi diperjelas dan diberi contoh.

    3. Uji reliabilitas: 36 video (20% sampel) dipilih acak dan dikode terpisah tanpa diskusi. Koefisien dihitung sebelum ketidaksepakatan dibahas. Setelah lulus, Bayu mengode sisa video.

    Kesepakatan persen (Po) terlalu optimis, karena dua pengode bisa sepakat secara kebetulan. Cohen's κ mengoreksinya (Cohen, 1960):

    κ = (Po − Pe) / (1 − Pe)Pilot "klaim menyesatkan" (20 video): a = 4 (keduanya ya), b = 3 (A ya, B tidak), c = 2 (A tidak, B ya), d = 11 (keduanya tidak). Po = (4 + 11)/20 = 0,750. A menjawab ya 7/20 = 0,35; B 6/20 = 0,30. Pe = 0,35 × 0,30 + 0,65 × 0,70 = 0,560. κ = (0,750 − 0,560)/(1 − 0,560) = 0,43, kategori sedang.

    Kategori κ menurut Landis dan Koch (1977): < 0 buruk; 0,00–0,20 sangat rendah; 0,21–0,40 cukup; 0,41–0,60 sedang; 0,61–0,80 substansial; 0,81–1,00 hampir sempurna. Krippendorff's α dianjurkan sebagai ukuran baku karena bisa dipakai untuk berapa pun pengode, tingkat pengukuran, dan data hilang (Hayes & Krippendorff, 2007). Patokannya: α ≥ 0,800 dapat diandalkan; 0,667–0,800 hanya untuk kesimpulan sementara (Krippendorff, 2019).

    Coba sendiri: kalkulator kappa dua pengode

    Isi tabel kesepakatan untuk satu variabel ya/tidak. Nilai awal adalah data pilot di atas.

    Tabel 50.3 — Reliabilitas antarpengode pada 36 video (data simulasi)
    VariabelPoκαKeputusan
    Jenis pembuat97,2%0,920,92Andal
    Topik utama (6 kategori)88,9%0,860,87Andal
    Akurasi (3 kategori berurutan)83,3%0,750,88ᵃAndal
    Klaim menyesatkan (setelah revisi)94,4%0,860,86Andal
    Ajakan bertindak94,4%0,880,88Andal
    Keterpahaman PEMAT-A/V (%)——0,91ᵇAndal

    ᵃ α ordinal, sesuai tingkat pengukuran yang ditetapkan di buku kode; dengan metrik nominal α = 0,75. Metrik ordinal memberi "nilai sebagian" pada ketidaksepakatan antarkategori yang bertetangga (misalnya akurat vs sebagian akurat). ᵇ α interval. κ dihitung di SPSS (Crosstabs ▸ Statistics ▸ Kappa); α dengan makro KALPHA (Hayes & Krippendorff, 2007).

    Langkah 6 · Hasil

    Tabel 50.4 — Karakteristik 180 video (data simulasi)
    Karakteristikn%
    Pembuat: tenaga kesehatan5228,9
    Bukan tenaga kesehatan12871,1
    Topik: kebiasaan sebelum tidur4525,0
    Gawai dan tidur3821,1
    Durasi tidur3318,3
    Begadang dan dampaknya2815,6
    Produk atau trik instan2312,8
    Lainnya137,2
    Akurasi: akurat5932,8
    Sebagian akurat5731,7
    Tidak akurat6435,6
    Memuat klaim menyesatkan5228,9
    Ada ajakan bertindak7943,9
    Keterpahaman ≥ 70%7139,4

    Persentase akurasi berjumlah 100,1% karena pembulatan.

    A. Akurasi menurut jenis pembuat

    Analyze▸Descriptive Statistics▸Crosstabs

    Row = pembuat; Column = akurasi. Statistics: Chi-square Phi and Cramer's V. Cells: Row percentages.

    Tabel 50.5 — Akurasi menurut jenis pembuat (data simulasi)
    PembuatAkuratSebagian akuratTidak akuratTotal
    Tenaga kesehatan30 (57,7%)15 (28,8%)7 (13,5%)52
    Bukan tenaga kesehatan29 (22,7%)42 (32,8%)57 (44,5%)128
    Output — Chi-Square Tests dan Symmetric Measures
    ValuedfAsymptotic Significance (2-sided)
    Pearson Chi-Square24,071ᵃ2,000
    Cramer's V,366,000
    N of Valid Cases180

    a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 16,47.

    Video tenaga kesehatan lebih sering akurat (57,7% vs 22,7%) dan lebih jarang tidak akurat (13,5% vs 44,5%). V = 0,37 menunjukkan hubungan sedang (Cohen, 1988; untuk tabel dengan df terkecil 1, patokannya 0,10 kecil, 0,30 sedang, 0,50 besar). Klaim menyesatkan juga lebih jarang pada video tenaga kesehatan: 6 dari 52 (11,5%) vs 46 dari 128 (35,9%); χ²(1) = 10,72; p = 0,001; φ = 0,24. Video tenaga kesehatan juga lebih sering mudah dipahami (71,2% vs 26,6%; χ²(1) = 30,78; p < 0,001; φ = 0,41), sedangkan ajakan bertindak tidak berbeda (48,1% vs 42,2%; p = 0,470).

    Gambar 50.1 — Mutu informasi menurut jenis pembuat

    Persentase video pada tiap kelompok (n = 52 dan 128; data simulasi)
    Tenaga kesehatanBukan tenaga kesehatan
    Akurat penuhMemuat klaim menyesatkanMudah dipahami (PEMAT ≥ 70%)Akurat penuh · Tenaga kesehatan: 30 dari 52 (57,7%)Akurat penuh · Bukan tenaga kesehatan: 29 dari 128 (22,7%)Memuat klaim menyesatkan · Tenaga kesehatan: 6 dari 52 (11,5%)Memuat klaim menyesatkan · Bukan tenaga kesehatan: 46 dari 128 (35,9%)Mudah dipahami (PEMAT ≥ 70%) · Tenaga kesehatan: 37 dari 52 (71,2%)Mudah dipahami (PEMAT ≥ 70%) · Bukan tenaga kesehatan: 34 dari 128 (26,6%)57,7%22,7%11,5%35,9%71,2%26,6%0%25%50%75%100%

    B. Jumlah suka menurut jenis pembuat

    Jumlah suka sangat menceng: sedikit video mendapat puluhan ribu suka, sebagian besar hanya ratusan sampai ribuan. Karena itu dipakai uji Mann–Whitney (Bab 9) dan median, bukan uji t dan rerata.

    Analyze▸Nonparametric Tests▸Legacy Dialogs▸2 Independent Samples
    Output — Mann-Whitney Test
    pembuatNMean RankSum of Ranks
    Tenaga kesehatan5269,873633,00
    Bukan tenaga kesehatan12898,8812657,00
    suka
    Mann-Whitney U2255,000
    Z−3,386
    Asymp. Sig. (2-tailed),001

    Median suka video tenaga kesehatan 1.897 (rentang antarkuartil 695–5.795), sedangkan video bukan tenaga kesehatan 4.844 (1.821–8.941). U = 2.255; Z = −3,39; p < 0,001. Besar efek r = |Z|/√N = 3,386/√180 = 0,25, tergolong kecil (Fritz dkk., 2012). Sebagai analisis tambahan, jumlah suka video akurat dan tidak akurat tidak berbeda bermakna (median 3.161 vs 4.874; p = 0,391).

    Kalimat hasil Bayu

    "Dari 180 video, 35,6% tidak akurat dan 28,9% memuat klaim menyesatkan. Akurasi berhubungan dengan jenis pembuat (χ²(2) = 24,07; p < 0,001; V = 0,37): video tenaga kesehatan lebih sering akurat (57,7% vs 22,7%). Namun video bukan tenaga kesehatan mendapat lebih banyak suka (median 4.844 vs 1.897; p < 0,001; r = 0,25)."

    Langkah 7 · Etika meneliti unggahan publik

    • Publik tidak otomatis bebas dipakai (Bab 7B; pedoman AoIR, franzke dkk., 2020). Protokol tetap diajukan ke komisi etik, yang memutuskan apakah penelitian dikecualikan dari telaah penuh.
    • Tanpa identitas pembuat: nama akun, wajah, dan tangkapan layar tidak ditampilkan. Kutipan diparafrasekan, karena kalimat asli mudah dilacak lewat mesin pencari.
    • Pola, bukan orang: hasil dilaporkan per kelompok. Tidak ada pembuat yang disebut atau "dipermalukan", termasuk yang videonya tidak akurat.
    • Pembuat di bawah umur diperlakukan lebih hati-hati: videonya tetap dikode, tetapi tidak pernah dikutip.
    • Data dikumpulkan manual sesuai ketentuan layanan platform, dan daftar tautan disimpan terenkripsi.

    Langkah 8 · Pembahasan dan kesimpulan

    Sepertiga video tentang tidur tidak akurat. Video tenaga kesehatan lebih akurat dan lebih mudah dipahami, tetapi video bukan tenaga kesehatan lebih banyak disukai, dan jumlah suka tidak membedakan video akurat dari yang tidak. Rujukan yang jelas di buku kode, misalnya anjuran tidur 8–10 jam bagi remaja (Paruthi dkk., 2016), membuat "akurat" dapat diukur dan dapat diulang. Reliabilitas yang tinggi menunjukkan bahwa kategori itu tidak bergantung pada selera satu pengode. Menurut peneliti, tenaga kesehatan perlu belajar membuat video yang sama menariknya, dan remaja perlu diajari memeriksa siapa pembuat video. Keterbatasan: satu platform dan satu hari pengambilan; urutan hasil pencarian dipengaruhi algoritma; jumlah suka bisa dipengaruhi faktor di luar isi; analisis isi tidak mengukur dampak pada penonton.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Topik terbanyak adalah kebiasaan sebelum tidur (25,0%); 35,6% video tidak akurat, 28,9% memuat klaim menyesatkan, dan hanya 39,4% mudah dipahami.

    2. Terdapat hubungan sedang antara jenis pembuat dan akurasi (χ²(2) = 24,07; p < 0,001; V = 0,37).

    3. Jumlah suka berbeda menurut jenis pembuat; video bukan tenaga kesehatan lebih banyak disukai (p < 0,001; r = 0,25).

    Proyek KIR: menilai 20 video tidur
    1. Buat buku kode mini dengan tiga pertanyaan ya/tidak, misalnya "Apakah pembuatnya tenaga kesehatan?" dan "Apakah video menyebut remaja perlu tidur 8–10 jam?".
    2. Kamu dan seorang teman menilai 20 video yang sama secara terpisah. Jangan saling melihat jawaban.
    3. Hitung kesepakatan dan κ dengan kalkulator di atas. Bila κ < 0,60, perjelas definisinya lalu ulangi.
    4. Di poster, jangan tampilkan nama akun atau wajah pembuat video.
    Awas, keliru!
    • Mengode sendirian tanpa pengode kedua dan tanpa uji reliabilitas.
    • Hanya melaporkan kesepakatan persen. Laporkan κ atau α, beserta jumlah unit yang diuji.
    • Menghitung reliabilitas setelah kedua pengode berdiskusi. Koefisien harus dari pengodean terpisah.
    • Memilih video setelah melihat isinya, misalnya hanya yang tampak menyesatkan.
    • Menyimpulkan dampak ("video ini membuat remaja kurang tidur") dari analisis isi saja.
    • Menampilkan tangkapan layar dengan wajah atau nama akun pembuat.
    Pojok S2–S3
    • Paradoks kappa: bila satu kategori sangat dominan, Pe tinggi sehingga κ rendah walau kesepakatan tinggi. Contoh: 34 dari 36 sepakat (94,4%), tetapi κ = 0,47. Laporkan juga Po dan sebaran kategori.
    • Lebih dari dua pengode atau ada data hilang: pakai Krippendorff's α dengan metrik yang sesuai (nominal, ordinal, interval).
    • Analisis isi otomatis (kamus kata atau pembelajaran mesin) tetap membutuhkan sampel yang dikode manusia sebagai pembanding, dan reliabilitas mesin dilaporkan seperti pengode manusia.
    • Replikasi: simpan buku kode, daftar kata kunci, tanggal, dan pengaturan pencarian, karena hasil pencarian media sosial berubah dari waktu ke waktu.
    Intinya
    • Analisis isi kuantitatif butuh unit analisis yang jelas, sampel isi yang prosedurnya dapat diulang, dan buku kode dengan definisi operasional serta rujukan.
    • Reliabilitas antarpengode diuji pada sebagian sampel (misalnya 20%) yang dikode terpisah: laporkan Po, κ (Landis & Koch), dan α Krippendorff (≥ 0,800 andal; 0,667–0,800 sementara).
    • Hasil diolah seperti data survei: frekuensi, chi-square dengan Cramér's V, Mann–Whitney dengan r. Analisis isi menggambarkan isi, bukan dampaknya, dan identitas pembuat tetap dilindungi.
    Coba sendiri: kuis analisis isi media
    Bab 51

    Contoh Lengkap Studi Delphi

    Studi Delphi mengumpulkan penilaian sekelompok ahli melalui beberapa putaran kuesioner. Jawaban setiap ahli dirahasiakan dari panelis lain, dan di antara putaran setiap panelis menerima ringkasan jawaban kelompok, sampai tercapai konsensus yang definisinya ditetapkan sejak awal (Dalkey & Helmer, 1963; Hasson dkk., 2000). Delphi dipakai ketika bukti penelitian belum cukup untuk memutuskan, misalnya saat menyusun indikator, prioritas, atau pedoman.

    S2–S3

    Delphi, teknik kelompok nominal, atau diskusi panel?

    Ketiganya adalah metode konsensus: cara sistematis untuk mengubah pendapat banyak orang menjadi kesepakatan kelompok (McMillan dkk., 2016). Delphi punya empat ciri: anonimitas (panelis tidak tahu siapa menilai apa), iterasi (beberapa putaran), umpan balik terkendali (peneliti meringkas jawaban kelompok), dan agregasi statistik (keputusan diambil dari angka, misalnya persentase dan median).

    Tabel 51.1 — Memilih metode konsensus
    MetodeCara kerjaAnonim?Cocok bila
    DelphiKuesioner beberapa putaran dengan ringkasan jawaban kelompok di antaranyaYa, antarpanelisPanelis tersebar dan berbeda profesi; ada risiko tokoh senior mendominasi
    Teknik kelompok nominal (NGT)Pertemuan kecil: menulis ide sendiri, menyampaikan bergiliran, klarifikasi, lalu memeringkatHanya saat memilihButuh ide dan prioritas cepat dalam satu pertemuan
    Diskusi panel atau konferensi konsensusPara ahli berdiskusi terbuka sampai sepakatTidakMerumuskan pernyataan akhir; rawan didominasi suara paling keras
    FGD (Bab 17)Diskusi terarah untuk menggali pandangan dan pengalamanTidakMemahami alasan, bukan mencari kesepakatan

    Delphi klasik

    Putaran 1 berisi pertanyaan terbuka. Jawaban panel dianalisis menjadi daftar butir, lalu putaran berikutnya menilai butir-butir itu.

    Delphi modifikasi

    Daftar butir awal disusun dari tinjauan pustaka, sehingga panel langsung menilai sejak putaran 1, dengan ruang untuk mengusulkan butir baru. Istilah "modifikasi" dipakai beragam, jadi jelaskan apa yang dimodifikasi (Jünger dkk., 2017).

    Delphi tidak dipakai untuk pertanyaan yang bisa dijawab dengan data, seperti prevalensi (Bab 27) atau efektivitas program (Bab 36); pendapat ahli berada di dasar hierarki bukti (Bab 4). Penilaian ahli satu putaran, seperti CVI (Bab 31), juga bukan Delphi.

    Langkah 1 · Judul

    Scoping review di Bab 52 menunjukkan banyak jenis intervensi sekolah, tetapi belum ada daftar baku tentang ciri sekolah yang mendukung tidur remaja. Sebelum menyusun instrumen dan program untuk disertasinya, Rara bersama Prof. Nuni memutuskan untuk meminta kesepakatan para ahli.

    Konsensus Indikator Sekolah Ramah Tidur Sehat bagi Remaja: Studi Delphi Modifikasi
    Kata kunciYang disepakatiSasaranDesain
    • Sekolah ramah tidur sehat: sekolah yang kebijakan, jadwal, pembelajaran, layanan, dan kemitraannya mendukung remaja tidur cukup dan berkualitas.
    • Indikator: pernyataan yang dapat diamati untuk menilai apakah sekolah memenuhi ciri itu, misalnya "Sekolah memiliki kebijakan tertulis tentang tidur sehat siswa".
    Konsensus bukan bukti efektivitas

    Delphi menghasilkan kesepakatan tentang apa yang dianggap penting oleh ahli. Indikator yang disepakati belum tentu terbukti memperbaiki tidur siswa. Karena itu judulnya memakai kata "konsensus", bukan "pengaruh" atau "hubungan" (Bab 1). Keefektifannya diuji kemudian dengan eksperimen atau kuasi-eksperimen (Bab 24).

    Langkah 2 · Rumusan, tujuan, dan definisi konsensus

    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Indikator apa saja yang disepakati panel ahli sebagai indikator sekolah ramah tidur sehat bagi remaja?
    Menyusun daftar indikator yang disepakati.
    % skor 7–9 dan median per butir, tiga putaran
    22 dari 34 butir disepakati
    2
    Bagaimana indikator itu dikelompokkan?
    Mengelompokkan indikator ke dalam domain.
    Pengelompokan isi oleh tim, dikonfirmasi panel
    Lima domain
    3
    Butir mana yang tidak mencapai konsensus, dan mengapa?
    Mengidentifikasi butir tanpa konsensus beserta alasannya.
    Stabilitas antarputaran dan analisis isi komentar
    4 butir stabil tanpa konsensus; 8 dikeluarkan

    Tidak ada hipotesis statistik, karena Delphi tidak menguji hubungan atau perbedaan. Pengganti hipotesisnya adalah definisi konsensus yang ditulis di protokol sebelum putaran 1. Setiap butir dinilai dengan skala 1–9: 1–3 tidak penting, 4–6 penting tetapi tidak kritis, 7–9 sangat penting. Skala ini juga dipakai dalam penyusunan core outcome set (Williamson dkk., 2017).

    Diterima bila ≥ 75% panelis memberi skor 7–9 dan median ≥ 7Dari 100 studi Delphi yang ditinjau Diamond dkk. (2014), definisi konsensus yang paling sering dipakai adalah persentase kesepakatan, dengan ambang tengah 75%. Tinjauan yang sama menemukan hanya 42 dari 86 studi yang menyatakan "konsensus tercapai" pernah menetapkan ambangnya di awal.
    Tabel 51.2 — Aturan keputusan dan aturan berhenti (ditulis di protokol)
    Kondisi pada satu putaranKeputusan
    ≥ 75% skor 7–9 dan median ≥ 7Diterima (konsensus masuk)
    ≥ 75% skor 1–3Ditolak (konsensus tidak penting)
    Putaran 2 atau 3, < 50% skor 7–9Dikeluarkan (dukungan rendah)
    Selain ituDinilai ulang pada putaran berikutnya dengan umpan balik
    Putaran 3 dan belum diterimaTidak mencapai konsensus; tidak masuk daftar akhir, tetapi dilaporkan

    Aturan berhenti: paling banyak tiga putaran, atau lebih awal bila semua butir sudah diputuskan. Butir tanpa konsensus disebut stabil bila persentase skor 7–9 berubah kurang dari 15 poin antara dua putaran terakhir; putaran tambahan untuk butir seperti ini tidak mungkin menghasilkan konsensus dan hanya melelahkan panel.

    Langkah 3 · Panel ahli, instrumen, dan etik

    Panel dipilih secara purposif agar mewakili semua pihak yang akan menjalankan atau merasakan indikator; orang tua masuk sebagai "ahli berdasarkan pengalaman". Delphi tidak memakai rumus besar sampel. Ukuran panel ditentukan oleh keragaman keahlian dan perkiraan panelis yang mundur (Hasson dkk., 2000). Rara menargetkan minimal tiga orang per kelompok sampai putaran terakhir.

    Tabel 51.3 — Komposisi panel dan jumlah panelis per putaran
    KelompokKriteria inklusiDiundangP1P2P3
    Dokter spesialis anak≥ 5 tahun praktik, menangani remaja5444
    Psikolog klinis atau pendidikan≥ 5 tahun menangani remaja4333
    Guru BK SMP/SMA≥ 5 tahun bertugas5444
    Kepala sekolah SMP/SMA≥ 3 tahun menjabat4322
    Dinas pendidikanMenangani program UKS atau kurikulum3333
    Orang tua siswaAnak berusia 12–18 tahun; aktif di komite sekolah6543
    TotalTingkat respons dari putaran sebelumnya272220 (90,9%)19 (95,0%)

    Dari 27 orang yang diundang, 22 bersedia (81,5%). Retensi dari putaran 1 ke putaran 3 adalah 19/22 = 86,4%. Dua dari tiga panelis yang mundur adalah orang tua; ini dilaporkan sebagai keterbatasan karena suara orang tua berkurang.

    • Daftar butir awal: 30 butir dalam lima domain, dari komponen intervensi yang dipetakan di Bab 52. Dua guru di luar panel memeriksa agar tiap butir jelas dan hanya berisi satu gagasan.
    • Formulir daring: skor 1–9 dan kolom komentar per butir; putaran 1 ditutup dengan pertanyaan "Indikator apa lagi yang perlu ditambahkan?"
    • Pelaksanaan: September–November 2027; tiap putaran dua minggu dengan dua kali pengingat.

    Contoh umpan balik terkendali sebelum putaran 2 (butir C3)

    Butir: "Ada batas waktu pengerjaan PR per hari." Hasil putaran 1: 45,5% panelis memberi skor 7–9; median 6 (Q1–Q3: 5–7). Skor Anda: 5. Komentar panelis (anonim): "PR yang menumpuk membuat siswa tidur larut." · "Sulit diterapkan karena tiap guru memberi PR sendiri-sendiri." Silakan nilai ulang; Anda boleh tetap pada skor semula.

    Etik: protokol disetujui komisi etik (Bab 7A) meskipun risikonya minimal, dan setiap panelis memberi persetujuan daring. Anonimitasnya kuasi-anonim: hanya Rara yang tahu identitas dan skor tiap panelis. Skor individual tidak pernah dibagikan, komentar disunting agar tidak mengungkap identitas, panelis boleh mundur kapan saja, dan potensi konflik kepentingan dicatat.

    Langkah 4 · Analisis setiap putaran

    Tiap butir diringkas dengan jumlah penilai, persentase skor 7–9 dan 1–3, median, serta kuartil pertama dan ketiga (Q1–Q3). Data disusun satu baris per panelis dan satu kolom per butir per putaran, misalnya C7_p3. Usulan terbuka dianalisis isinya: 11 usulan dari 8 panelis menjadi 4 butir baru; 5 digabung dengan butir lama dan 2 di luar lingkup sekolah.

    Transform▸Recode into Different Variables

    Ubah skor 1–3 = 1, 4–6 = 2, 7–9 = 3 menjadi variabel baru, misalnya C7_p3k. Lalu:

    Analyze▸Descriptive Statistics▸Frequencies

    Masukkan C7_p3 dan C7_p3k. Tombol Statistics: Quartiles Median.

    Output — Frequencies: C7 putaran 3
    Statistics: C7_p3
    NValid19
    Missing3
    Median7,00
    Percentiles256,00
    507,00
    758,00
    C7_p3kFrequencyPercentValid Percent
    Valid4–6522,726,3
    7–91463,673,7
    Total1986,4100,0
    MissingSystem313,6
    Total22100,0

    Pakai Valid Percent (73,7%), bukan Percent (63,6%): tiga panelis yang sudah mundur tercatat sebagai data hilang.

    Kuartil SPSS memakai posisi p(n + 1), sama dengan QUARTILE.EXC di Excel; QUARTILE.INC bisa memberi Q1–Q3 sedikit berbeda, jadi sebutkan metodenya. Persentase setuju di Excel: =COUNTIF(B2:B23;">=7")/COUNT(B2:B23).

    Langkah 5 · Hasil

    Tabel 51.4 — Ringkasan tiap putaran (data simulasi)
    PutaranPanelisButir dinilaiDiterimaDikeluarkanSisa
    1223014016 dinilai ulang
    22020 (16 + 4 baru)686 dinilai ulang
    3196204 tanpa konsensus
    Total342284 tanpa konsensus

    Tidak ada butir yang ditolak karena ≥ 75% memberi skor 1–3. Delapan butir dikeluarkan pada putaran 2, antara lain pemeriksaan isi HP oleh guru (A6) dan data jam pintar dikirim ke sekolah (E6); komentar panel untuk keduanya banyak menyebut privasi siswa.

    Gambar 51.1 — Persentase skor 7–9 dari putaran ke putaran

    Lima butir yang dinilai sampai putaran 3; C7 baru masuk pada putaran 2 (data simulasi)
    Diterima pada putaran 3Tidak mencapai konsensus
    40% 60% 80% 100% batas 75% Putaran 1n = 22 Putaran 2n = 20 Putaran 3n = 19 A4 · P1: 50,0% (11/22) A4 · P2: 65,0% (13/20) A4 · P3: 89,5% (17/19) B5 · P1: 40,9% (9/22) B5 · P2: 60,0% (12/20) B5 · P3: 84,2% (16/19) C7 · P2: 60,0% (12/20) C7 · P3: 73,7% (14/19) C3 · P1: 45,5% (10/22) C3 · P2: 70,0% (14/20) C3 · P3: 57,9% (11/19) B4 · P1: 45,5% (10/22) B4 · P2: 55,0% (11/20) B4 · P3: 52,6% (10/19) A4 · Tanpa kegiatan malam B5 · Duta tidur sebaya C7 · Tidur saat menginap C3 · Batas PR harian B4 · Poster & medsos
    • Konvergensi: A4 dan B5 naik setelah umpan balik, dari 50,0% dan 40,9% menjadi 89,5% dan 84,2%.
    • Hampir, tetapi belum: C7 berhenti di 73,7% (14 dari 19), jadi tidak diterima.
    • Panel terbelah: C3 (batas PR harian) naik ke 70,0% lalu turun ke 57,9%. Pada putaran 3, 6 dari 7 dokter dan psikolog memberi skor 7–9, tetapi hanya 4 dari 9 guru BK, kepala sekolah, dan staf dinas.
    • Stabil: dari putaran 2 ke 3, keempat butir tanpa konsensus berubah −12,1 (C3), −2,4 (B4), +7,9 (E5), dan +13,7 (C7) poin; semuanya di bawah 15 poin, sehingga studi berhenti di putaran 3.
    Tabel 51.5 — Indikator sekolah ramah tidur sehat hasil konsensus (22 indikator; data simulasi)
    KodeIndikatorDiterima · skor 7–9 · median
    A · Kebijakan dan aturan sekolah (6 indikator)
    A1Sekolah memiliki kebijakan tertulis tentang tidur sehat siswaP1 · 90,9% · 8
    A2HP siswa disimpan selama jam pelajaranP1 · 86,4% · 8
    A3Grup pesan kelas atau sekolah tidak mengirim tugas dan pengumuman setelah pukul sembilan malamP1 · 81,8% · 7
    A4Tidak ada kegiatan sekolah (les, latihan, rapat siswa) setelah pukul delapan malamP3 · 89,5% · 8
    A5Tidur sehat masuk rencana kerja sekolah dan dievaluasi setiap tahunP1 · 86,4% · 8
    A7Batas pengumpulan tugas daring paling lambat pukul sembilan malam ᵇP2 · 90,0% · 7,5
    B · Edukasi tidur sehat (5 indikator)
    B1Materi tidur sehat masuk pembelajaran minimal sekali per semesterP1 · 95,5% · 8
    B2Edukasi higiene tidur dan penggunaan gawai sebelum tidur untuk siswaP1 · 90,9% · 8
    B3Guru dan wali kelas dilatih mengenali tanda kurang tidurP1 · 86,4% · 8
    B5Duta tidur sehat atau konselor sebaya di setiap angkatanP3 · 84,2% · 7
    B6Edukasi tentang kafein dan minuman energiP1 · 77,3% · 7,5
    C · Jadwal dan beban belajar (2 indikator)
    C1Jam masuk sekolah tidak lebih awal dari pukul tujuh pagiP2 · 80,0% · 7
    C2Jadwal ulangan antarmata pelajaran dikoordinasikan agar tidak menumpukP1 · 95,5% · 8
    D · Lingkungan dan layanan sekolah (6 indikator)
    D1Skrining masalah tidur siswa oleh UKS/BK setiap tahunP1 · 86,4% · 8
    D2Alur rujukan siswa dengan masalah tidur ke puskesmas atau psikologP1 · 86,4% · 8
    D3Konseling individual oleh guru BK untuk siswa dengan masalah tidurP2 · 85,0% · 8
    D4Kegiatan fisik terjadwal di luar ruangan pada pagi hariP2 · 90,0% · 7,5
    D5Kantin sekolah tidak menjual minuman energiP1 · 95,5% · 8
    D7Wali kelas menghubungi orang tua bila siswa berulang kali tertidur di kelas ᵇP2 · 90,0% · 8
    E · Kemitraan dengan orang tua dan puskesmas (3 indikator)
    E1Sosialisasi tidur sehat untuk orang tua minimal sekali per semesterP1 · 81,8% · 8
    E2Kesepakatan sekolah dan orang tua: HP di luar kamar tidur pada malam hariP2 · 95,0% · 7,5
    E4Kerja sama dengan puskesmas untuk edukasi dan rujukanP1 · 90,9% · 8,5

    P = putaran. ᵇ Butir usulan panel pada putaran 1. Nama domain disusun tim peneliti dari draf awal, lalu dikonfirmasi panel lewat kolom komentar putaran 3.

    Coba sendiri: pemeriksa konsensus

    Pilih butir untuk melihat sebaran skor panel di setiap putaran. Ganti batas konsensus untuk melihat bagaimana definisi mengubah hasil. Coba D3 (median 8 tetapi belum konsensus) dan C7.

    Kalimat hasil Rara

    "Setelah tiga putaran (22, 20, dan 19 panelis; retensi 86,4%), panel menyepakati 22 dari 34 butir sebagai indikator sekolah ramah tidur sehat, yang terbagi dalam lima domain. Delapan butir dikeluarkan karena didukung kurang dari 50% panelis, dan empat butir tidak mencapai konsensus meskipun penilaiannya sudah stabil."

    Langkah 6 · Pelaporan, pembahasan, dan kesimpulan

    Laporan mengikuti CREDES (Jünger dkk., 2017): alasan memilih Delphi, pemilihan panel, sumber butir, definisi konsensus dan aturan berhenti, isi umpan balik, alur panelis dan butir per putaran, hasil tiap putaran termasuk butir yang gagal, serta keterbatasan. Nama panelis boleh ditulis di ucapan terima kasih bila mereka setuju, tetapi tidak pernah dikaitkan dengan skornya.

    Panel lintas profesi menyepakati 22 indikator dalam lima domain. Kesepakatan tertinggi (≥ 95%) ada pada materi tidur sehat dalam pembelajaran, koordinasi jadwal ulangan, kantin tanpa minuman energi, dan HP di luar kamar tidur, sedangkan batas PR memecah panel. Pola ini sejalan dengan pemetaan di Bab 52: edukasi paling sering diteliti, sedangkan kebijakan sekolah jarang dievaluasi. Butir yang menyentuh privasi siswa tidak didukung panel. Menurut peneliti, butir yang memecah panel, seperti batas PR, perlu dikaji lewat wawancara dengan guru sebelum dijadikan indikator. Keterbatasan: panel dari satu provinsi; suara orang tua berkurang karena dua dari tiga panelis yang mundur adalah orang tua; siswa tidak dilibatkan sebagai panelis; dan konsensus mencerminkan pendapat, bukan bukti efektivitas.

    TemuanPembandingOpiniKeterbatasan
    1. Panel ahli menyepakati 22 dari 34 butir sebagai indikator sekolah ramah tidur sehat bagi remaja.

    2. Indikator terbagi dalam lima domain: kebijakan dan aturan sekolah (6), edukasi tidur sehat (5), jadwal dan beban belajar (2), lingkungan dan layanan sekolah (6), serta kemitraan dengan orang tua dan puskesmas (3).

    3. Empat butir tidak mencapai konsensus meskipun stabil, terutama karena perbedaan pandangan antara tenaga kesehatan dan pihak sekolah; delapan butir dikeluarkan karena dukungan rendah.

    Daftar ini menjadi dasar instrumen penilaian sekolah dalam disertasi Rara dan kelak dapat dipakai dalam evaluasi program (Bab 54).

    Awas, keliru!
    • Menyebut survei satu kali kepada ahli sebagai "Delphi". Tanpa putaran dan umpan balik, itu survei ahli biasa.
    • Menetapkan batas konsensus setelah melihat hasil, misalnya menurunkan batas menjadi 70% agar butir favorit lolos.
    • Hanya memakai median. Median 8 dengan sebaran 6–9 (butir D3 putaran 1) belum menunjukkan kesepakatan.
    • Tidak melaporkan panelis yang mundur dan dari kelompok mana mereka berasal.
    • Menekan panel agar seragam, misalnya dengan menulis "sebagian besar ahli sudah setuju, mohon menyesuaikan".
    • Menyajikan hasil Delphi sebagai bukti efektivitas.
    Pojok S2–S3
    • Pedoman pelaporan: CREDES untuk Delphi (Jünger dkk., 2017) dan ACCORD, 35 butir untuk semua metode konsensus di biomedis (Gattrell dkk., 2024).
    • Metode RAND/UCLA menggabungkan penilaian individual dengan skala 1–9 dan satu pertemuan panel sebelum penilaian ulang (Fitch dkk., 2001).
    • Definisi konsensus lain: ≥ 70% skor 7–9 dan < 15% skor 1–3 lazim pada core outcome set (Williamson dkk., 2017). Apa pun pilihannya, tetapkan sebelum putaran 1 dan uji kepekaannya (lihat widget: 70% → 24 indikator; 80% → 21).
    • Perbedaan antarkelompok: laporkan persentase setuju per kelompok, seperti pada C3. Angka total bisa menyembunyikan satu kelompok yang tidak setuju.
    • Langkah berikutnya: uji keterlaksanaan indikator di sekolah, lalu uji validitas instrumen yang disusun darinya (Bab 31).
    Intinya
    • Delphi mencari kesepakatan ahli lewat beberapa putaran kuesioner yang anonim, dengan umpan balik ringkasan kelompok di antara putaran.
    • Definisi konsensus, aturan keputusan, dan aturan berhenti ditetapkan di protokol sebelum putaran 1, karena batas yang berbeda memberi hasil yang berbeda.
    • Laporkan jumlah panelis dan butir per putaran, butir yang gagal beserta alasannya, dan stabilitasnya; ikuti CREDES atau ACCORD.
    • Hasil Delphi adalah pendapat ahli yang disepakati, bukan bukti efektivitas.
    Coba sendiri: kuis studi Delphi
    Bab 52

    Contoh Lengkap Scoping Review

    Scoping review memetakan luas, jenis, dan sebaran bukti tentang suatu topik, menjelaskan konsep kuncinya, dan menemukan celah penelitian (Arksey & O'Malley, 2005; Munn dkk., 2018). Berbeda dengan tinjauan sistematis (Bab 36), scoping review tidak menjawab "seberapa efektif", sehingga umumnya tidak menilai mutu studi dan tidak menggabungkan hasilnya.

    S1S2–S3

    Tinjauan naratif, scoping review, tinjauan sistematis, dan "studi literatur"

    Ada belasan jenis tinjauan pustaka, dan namanya sering tertukar (Grant & Booth, 2009). Tiga yang paling sering dipakai di skripsi dan tesis:

    Tabel 52.1 — Membedakan jenis tinjauan
    JenisPertanyaan khasPencarian dan seleksiMenilai mutu?HasilPedoman
    Tinjauan naratifApa yang diketahui tentang topik ini?Dipilih penulis; cara mencari sering tidak dijelaskanTidakUraian tematik—
    Scoping reviewBukti apa saja yang ada, di mana, dengan cara apa, dan apa celahnya?Menyeluruh, tercatat, dua peninjauOpsionalTabel frekuensi, peta buktiPRISMA-ScR
    Tinjauan sistematis (Bab 36)Seberapa efektif X terhadap Y?Menyeluruh, tercatat, dua peninjauWajib (risiko bias)Sintesis, meta-analisis, GRADEPRISMA 2020

    Scoping review tepat bila tujuannya memetakan jenis bukti, menjelaskan konsep atau definisi, melihat bagaimana penelitian dilakukan, menemukan celah, atau menjajaki apakah tinjauan sistematis layak dikerjakan (Munn dkk., 2018). Scoping review tidak tepat bila yang dibutuhkan adalah besar efek atau rekomendasi praktik.

    "Studi literatur" di skripsi: boleh, asal jelas jenisnya

    Label "studi literatur" atau "literature review" sering dipakai untuk skripsi yang seluruh datanya berasal dari artikel. Label ini bukan nama desain, dan berbeda dengan kajian pustaka di Bab II proposal. Agar sah sebagai penelitian:

    1. Pilih jenisnya (naratif terstruktur, scoping review, atau tinjauan sistematis) dan tulis di judul.
    2. Rumuskan pertanyaan dengan PCC atau PICO, lalu tulis protokol sebelum mencari.
    3. Cari di minimal dua database dengan string yang dilampirkan dan tanggal pencarian yang dicatat.
    4. Seleksi dengan kriteria tertulis, idealnya oleh dua orang, dan buat diagram alur.
    5. Ekstraksi dengan formulir, sintesis sesuai tujuan, dan laporkan dengan pedoman (PRISMA-ScR atau PRISMA 2020).

    Penelitian kepustakaan di humaniora, misalnya kajian pemikiran tokoh, punya logika lain dan dibahas di Bab 58.

    Langkah 1 · Judul dan pertanyaan PCC

    Sebelum menyusun indikator sekolah ramah tidur (Bab 51), Rara bersama seorang rekan sesama mahasiswa S3 ingin tahu intervensi sekolah apa saja yang pernah diteliti untuk mengurangi waktu layar remaja, dan apa yang diukur. Ini pertanyaan memetakan, bukan menilai efektivitas.

    Intervensi Berbasis Sekolah untuk Mengurangi Waktu Layar pada Remaja: Scoping Review
    KonsepKonteksPopulasiDesain
    Tabel 52.2 — Kerangka PCC (Peters dkk., 2020)
    PopulationRemaja 10–19 tahun (SMP, SMA, dan sederajat)
    ConceptIntervensi yang salah satu tujuannya mengurangi waktu layar rekreasional; semua jenis outcome dicatat
    ContextDilaksanakan di atau melalui sekolah; semua negara
    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Bagaimana karakteristik studinya (tahun, wilayah, desain, jenjang)?
    Memetakan karakteristik studi.
    Frekuensi dan persentase
    65,6% dari Amerika Utara, Eropa, dan Oseania; 2 dari Indonesia
    2
    Jenis intervensi apa yang sudah diteliti?
    Memetakan jenis dan komponen intervensi.
    Pengelompokan isi, frekuensi
    Edukasi kelas terbanyak (34,4%)
    3
    Outcome apa yang diukur, dan dengan cara apa?
    Memetakan outcome dan cara ukurnya.
    Peta bukti intervensi × outcome
    90,6% laporan diri; tidur hanya 21,9%
    4
    Di mana celah buktinya?
    Menemukan celah untuk penelitian berikutnya.
    Sel kosong dan ringkasan naratif
    10 dari 35 sel kosong; kebijakan sekolah tanpa RCT

    Langkah 2 · Protokol dan strategi pencarian

    Kerangka kerjanya menggabungkan lima tahap Arksey dan O'Malley (2005) dengan penguatan dari Levac dkk. (2010) dan panduan JBI (Peters dkk., 2020): merumuskan pertanyaan, mencari, memilih, charting data, lalu menyusun dan melaporkan, ditambah konsultasi dengan pemangku kepentingan.

    • Protokol didaftarkan di Open Science Framework (OSF) pada April 2027. PROSPERO, registri di Bab 36, tidak menerima scoping review.
    • Kriteria sumber: studi primer semua desain, termasuk metode campuran dan evaluasi proses, serta literatur kelabu (tesis dan laporan); bahasa Inggris dan Indonesia; terbit 2010 sampai tanggal pencarian (3 Mei 2027). Eksklusi: terapi klinis perorangan dan protokol tanpa hasil.
    • Pencarian tiga langkah (Peters dkk., 2020): pencarian awal terbatas di PubMed dan ERIC untuk mengumpulkan kata di judul, abstrak, dan istilah MeSH; pencarian lengkap di semua database bersama pustakawan; lalu penelusuran daftar pustaka studi yang terpilih.
    Tabel 52.3 — Sumber pencarian (3 Mei 2027; data simulasi)
    SumberAlasan dipilihRekaman
    PubMedKesehatan dan kedokteran; memakai istilah MeSH486
    ScopusLintas bidang, cakupan jurnal luas702
    ERICKhusus pendidikan214
    GarudaJurnal Indonesia; kata kunci bahasa Indonesia dicari per kombinasi, lalu digabung96
    Daftar pustaka dan literatur kelabuMenangkap studi yang lolos dari database9
    PubMed:
    ("screen time"[tiab] OR "screen use"[tiab] OR television[tiab] OR "video gam*"[tiab]
      OR smartphone*[tiab] OR "social media"[tiab] OR "Screen Time"[Mesh])
    AND (school*[tiab] OR classroom*[tiab] OR curricul*[tiab] OR teacher*[tiab]
      OR "School Health Services"[Mesh])
    AND (intervention*[tiab] OR program*[tiab] OR trial[tiab] OR polic*[tiab])
    AND (adolescen*[tiab] OR teen*[tiab] OR youth[tiab] OR "Adolescent"[Mesh])

    [tiab] = dicari di judul dan abstrak; [Mesh] = istilah baku PubMed. String untuk database lain disesuaikan sintaksisnya dan dilampirkan seluruhnya.

    Langkah 3 · Seleksi studi

    Rekaman dimasukkan ke Rayyan (Ouzzani dkk., 2016). Rara dan rekannya menyaring secara terpisah setelah uji coba bersama pada 50 rekaman. Kesepakatannya kappa 0,79 pada tahap judul-abstrak dan 0,85 pada teks lengkap; perbedaan diselesaikan lewat diskusi, lalu oleh Prof. Nuni bila perlu. Kriteria sempat diperjelas setelah uji coba (misalnya "berbasis sekolah" mencakup program yang dijalankan guru di luar jam pelajaran), dan perubahan itu dicatat di OSF, sesuai anjuran pendekatan iteratif (Levac dkk., 2010).

    Rekaman dari database: 1.498 Judul-abstrak disaring: 1.086 Teks lengkap dicari: 138 Teks lengkap dinilai: 134 Memenuhi kriteria: 27 Studi dalam scoping review: 32 PubMed 486 · Scopus 702ERIC 214 · Garuda 96 27 dari database · 5 dari sumber lain Duplikat dihapus: 412 Dikeluarkan: 948 Tidak diperoleh: 4 Dikeluarkan: 107 bukan remaja 10–19 tahun: 31 bukan berbasis sekolah: 28 tidak menyasar waktu layar: 24 bukan studi primer: 14 protokol tanpa hasil: 10 Daftar pustaka dan literatur kelabu: 9memenuhi kriteria: 5
    Gambar 52.1 — Diagram alur PRISMA-ScR (Tricco dkk., 2018; data simulasi).

    Langkah 4 · Charting data

    Dalam scoping review, ekstraksi data disebut charting. Formulirnya hanya memuat hal yang menjawab rumusan, bukan semua isi artikel (Pollock dkk., 2023). Dua peninjau menguji formulir pada 5 studi, lalu memperbaruinya bila ada kategori baru.

    Tabel 52.4 — Formulir charting data
    ButirIsi yang dicatat
    IdentitasPenulis, tahun, negara
    Desain dan pesertaDesain, jumlah sekolah dan siswa, jenjang
    IntervensiKomponen, pelaksana, dosis, dan lama, mengikuti TIDieR (Hoffmann dkk., 2014); jenis utama
    PembandingTanpa intervensi, pembelajaran biasa, atau tidak ada
    OutcomeSemua outcome dan cara ukurnya (laporan diri atau objektif); waktu pengukuran
    Temuan menurut penulisDicatat apa adanya, tidak disintesis menjadi kesimpulan efektivitas

    Penilaian mutu tidak wajib. Tujuannya memetakan bukti yang ada, bukan menarik kesimpulan dari bukti terbaik, sehingga PRISMA-ScR menempatkan penilaian kritis sebagai butir opsional (Tricco dkk., 2018). Rara mencatat desain setiap studi sebagai gambaran kekuatan bukti, tetapi tidak mengeluarkan studi karena mutunya.

    Langkah 5 · Hasil: karakteristik dan peta bukti

    Tabel 52.5 — Karakteristik 32 studi (Studi 1–32 adalah studi rekaan; data simulasi)
    Aspekn (%)
    Tahun terbit2010–2014: 6 (18,8%) · 2015–2019: 11 (34,4%) · 2020–2027: 15 (46,9%)
    WilayahAmerika Utara: 9 (28,1%) · Eropa: 8 (25,0%) · Asia Timur: 5 (15,6%) · Asia Tenggara (Indonesia 2): 4 (12,5%) · Oseania: 4 (12,5%) · Lainnya: 2 (6,3%)
    DesainRCT klaster: 10 (31,3%) · Kuasi-eksperimen: 10 (31,3%) · Pra–pasca: 9 (28,1%) · Metode campuran: 3 (9,4%)
    JenjangSMP: 15 (46,9%) · SMA: 9 (28,1%) · SMP dan SMA: 8 (25,0%)
    Lama intervensi≤ 3 bulan: 14 (43,8%) · 4–12 bulan: 13 (40,6%) · > 12 bulan: 5 (15,6%)
    Jenis intervensi utamaEdukasi kelas: 11 (34,4%) · Libatkan orang tua: 8 (25,0%) · Kebijakan sekolah: 5 (15,6%) · Aktivitas pengganti: 4 (12,5%) · Teknologi/aplikasi: 4 (12,5%)

    Persentase desain berjumlah 100,1% karena pembulatan. Pada naskah sungguhan, setiap studi ditulis dengan nama penulis dan tahun serta masuk daftar pustaka.

    Gambar 52.2 — Peta bukti: jenis intervensi × outcome

    Angka = jumlah studi; satu studi bisa mengukur beberapa outcome. Makin pekat makin banyak; kotak putus-putus = belum ada studi. Ketuk sel untuk melihat studinya (data simulasi).

    Hampir semua studi mengukur waktu layar dengan laporan diri (29 studi; 90,6%). Outcome lain yang sering diukur adalah aktivitas fisik (15; 46,9%) dan IMT (9; 28,1%), sedangkan tidur (7; 21,9%), kesehatan mental (6; 18,8%), waktu layar objektif (4; 12,5%), dan prestasi belajar (3; 9,4%) jarang. Celah utama:

    • Tidur jarang diukur, dan hanya satu studi yang khusus pada siswa SMA.
    • Waktu layar objektif (aplikasi pemantau di ponsel) baru muncul sejak 2021, pada 4 studi.
    • Kebijakan sekolah: 5 studi, tanpa satu pun RCT dan tanpa ukuran objektif.
    • Asia: 9 studi, hanya 3 RCT klaster dan semuanya edukasi kelas. Dua studi dari Indonesia (Studi 24 dan 32) sama-sama edukasi kelas dengan desain pra–pasca tanpa pembanding.
    • Lama intervensi lebih dari 12 bulan hanya pada 5 studi (15,6%).
    Kalimat hasil Rara

    "Dari 32 studi yang dipetakan, sebagian besar berasal dari Amerika Utara, Eropa, dan Oseania (65,6%) dan menguji edukasi kelas atau keterlibatan orang tua (59,4%). Hampir semua studi mengukur waktu layar dengan laporan diri (90,6%), sedangkan tidur (21,9%) dan waktu layar objektif (12,5%) jarang diukur. Kebijakan sekolah baru diteliti dalam lima studi tanpa RCT, dan hanya dua studi berasal dari Indonesia."

    Langkah 6 · Konsultasi, pembahasan, dan kesimpulan

    Konsultasi. Peta awal dibahas dalam satu pertemuan daring dengan dua guru BK, seorang kepala sekolah, seorang dokter anak, dan dua siswa SMA. Levac dkk. (2010) menganjurkan tahap ini sebagai bagian wajib untuk menerjemahkan temuan. Masukannya: peta belum membedakan sekolah umum dan pesantren berasrama, dan jam masuk sekolah serta pesan grup kelas pada malam hari juga memengaruhi tidur; keduanya menjadi calon butir Delphi di Bab 51. Karena melibatkan manusia, tahap ini mendapat persetujuan etik; siswa ikut dengan izin orang tua dan persetujuan sendiri (Bab 7B).

    Bukti tentang intervensi sekolah untuk mengurangi waktu layar remaja didominasi edukasi kelas dan keterlibatan orang tua dari negara Barat, dengan ukuran laporan diri. Kebijakan sekolah, tidur, dan ukuran objektif jarang diteliti. Pola ini sesuai dengan tujuan scoping review untuk menemukan celah (Munn dkk., 2018), dan sejalan dengan hasil tinjauan sistematis di Bab 36 yang menemukan sebagian besar studi layar dan tidur memakai laporan diri. Menurut peneliti, edukasi kelas dan keterlibatan orang tua sudah cukup banyak diuji dengan RCT untuk ditinjau secara sistematis, sedangkan kebijakan sekolah di Indonesia perlu dievaluasi lebih dulu. Keterbatasan: hanya dua bahasa; literatur kelabu sulit dicari secara menyeluruh; pengelompokan jenis intervensi memakai komponen utama saja; dan tanpa penilaian mutu, peta ini tidak menunjukkan intervensi mana yang efektif.

    TemuanPembandingOpiniKeterbatasan
    1. Tiga puluh dua studi memenuhi kriteria; 65,6% dari Amerika Utara, Eropa, dan Oseania, dan dua dari Indonesia.

    2. Jenis intervensi terbanyak adalah edukasi kelas (34,4%), diikuti keterlibatan orang tua (25,0%) dan kebijakan sekolah (15,6%).

    3. Waktu layar hampir selalu diukur dengan laporan diri (90,6%); tidur hanya diukur pada 21,9% studi.

    4. Celah utamanya adalah evaluasi kebijakan sekolah dengan desain kuat, pengukuran tidur dan waktu layar objektif, serta studi di Indonesia.

    Tindak lanjutnya: tinjauan sistematis dengan meta-analisis untuk edukasi kelas (Bab 36), evaluasi kebijakan dengan deret waktu terputus (Bab 45), dan konsensus indikator sekolah (Bab 51).

    Awas, keliru!
    • Menyimpulkan efektivitas, misalnya "18 dari 32 studi berhasil, jadi intervensi sekolah efektif". Menghitung studi yang "berhasil" (vote counting) mengabaikan besar efek, mutu, dan ukuran sampel.
    • Membaca sel kosong sebagai "tidak efektif". Sel kosong berarti belum diteliti.
    • Memilih scoping review hanya karena tidak ingin menilai mutu. Alasannya harus berasal dari pertanyaan penelitian.
    • Mencari di Google Scholar saja, tanpa string, tanggal, dan diagram alur.
    • Charting semua isi artikel tanpa kaitan dengan rumusan.
    Pojok S2–S3
    • Pelaporan: PRISMA-ScR berisi 20 butir wajib dan 2 butir opsional, termasuk penilaian kritis (Tricco dkk., 2018). Metodenya mengikuti panduan JBI (Peters dkk., 2020).
    • Analisis: ringkasan angka ditambah analisis isi kualitatif dasar untuk mengelompokkan komponen intervensi; hindari sintesis efek (Pollock dkk., 2023).
    • Peta bukti (evidence map) adalah pencarian sistematis bidang yang luas untuk menemukan celah, disajikan dalam gambar atau database yang mudah dipakai (Miake-Lye dkk., 2016).
    • Pendahulu tinjauan sistematis: scoping review membantu memastikan kriteria inklusi dan pertanyaan yang relevan sebelum tinjauan sistematis dimulai (Munn dkk., 2018).
    • Pembaruan: bila jarak pencarian dan terbit lebih dari setahun, ulangi pencarian dengan string yang sama.
    Intinya
    • Scoping review memetakan bukti dan celah; tinjauan sistematis menjawab seberapa efektif. Pilih dari pertanyaannya.
    • Langkahnya tetap sistematis: PCC, protokol terdaftar, pencarian tercatat, seleksi dua peninjau, diagram alur PRISMA-ScR, dan formulir charting.
    • Penilaian mutu opsional, sehingga hasilnya tidak boleh dipakai untuk menyimpulkan efektivitas.
    • "Studi literatur" di skripsi harus menyebut jenis tinjauannya dan menjalankan langkah-langkahnya.
    Coba sendiri: kuis scoping review
    Bab 53

    Contoh Lengkap Analisis Bibliometrik

    Analisis bibliometrik memakai data terbitan, seperti jumlah artikel, sitasi, penulis, jurnal, negara, dan kata kunci, untuk mengukur kinerja dan memetakan struktur suatu bidang ilmu secara kuantitatif (Donthu dkk., 2021). Ia menjawab "siapa meneliti apa, di mana, dan bagaimana perkembangannya", bukan "apa hasil penelitiannya".

    SMP–SMAS1S2–S3

    Apa yang bisa dan tidak bisa dijawab bibliometrik

    Bibliometrik punya dua keluarga analisis (Donthu dkk., 2021). Analisis kinerja menghitung produktivitas dan pengaruh. Pemetaan sains melihat hubungan antarunsur: siapa bekerja sama dengan siapa, kata kunci apa yang sering muncul bersama, dan artikel mana yang sering dikutip bersama (Zupic & Čater, 2015). Metode ini cocok untuk korpus besar, dari ratusan sampai ribuan dokumen, yang terlalu banyak untuk dibaca satu per satu.

    Tabel 53.1 — Bibliometrik dibanding scoping review dan tinjauan sistematis
    Analisis bibliometrikScoping review (Bab 52)Tinjauan sistematis (Bab 36)
    Yang dianalisisMetadata: judul, penulis, kata kunci, sitasiIsi artikel (karakteristik studi)Isi dan hasil artikel
    Jumlah dokumenRatusan sampai ribuanPuluhanPuluhan
    Contoh jawabanTren publikasi, negara produktif, klaster temaJenis intervensi dan celah buktiBesar efek dan kepastian bukti
    Menilai mutu studi?TidakOpsionalWajib

    Sitasi mengukur perhatian, bukan mutu. Peta kata kunci menunjukkan apa yang sering diteliti, bukan apa yang benar. Jadi bibliometrik tidak bisa menyimpulkan bahwa "gawai memperburuk tidur"; untuk itu diperlukan tinjauan sistematis.

    Langkah 1 · Judul dan rumusan

    Saat menyiapkan proposal untuk mendaftar S3, Rara ingin melihat peta besar bidangnya sebelum memilih topik disertasi. Bima, yang melihat gambar jaringan warna-warni di laptop kakaknya, penasaran dengan "peta kata kunci" itu.

    Analisis Bibliometrik Publikasi tentang Kualitas Tidur Remaja Tahun 2015–2024
    Jenis analisisTopik korpusRentang waktu
    Rumusan
    Tujuan
    Analisis
    Kesimpulan
    1
    Bagaimana tren jumlah publikasi tahun 2015–2024?
    Menghitung publikasi per tahun dan laju pertumbuhannya.
    Kinerja: jumlah per tahun, CAGR
    251 → 712 dokumen; CAGR 12,3%
    2
    Negara, jurnal, dan penulis mana yang paling produktif?
    Mengidentifikasi aktor paling produktif dan berpengaruh.
    Jumlah dokumen, sitasi, h-index
    Tiongkok dan Amerika Serikat; Indonesia peringkat 18
    3
    Tema apa yang membentuk bidang ini?
    Memetakan struktur tema.
    Ko-kemunculan kata kunci penulis
    Empat klaster tema
    4
    Bagaimana pola kolaborasi internasionalnya?
    Menggambarkan kolaborasi antarnegara.
    Proporsi dokumen berpenulis lintas negara
    26,7% dokumen

    Langkahnya mengikuti empat tahap Donthu dkk. (2021): menetapkan tujuan dan cakupan, memilih teknik analisis, mengumpulkan data, lalu menjalankan analisis dan melaporkan hasilnya.

    Langkah 2 · Database dan string pencarian

    Rara memakai Scopus karena cakupannya luas dan metadatanya bisa diekspor lengkap. Web of Science adalah pilihan lain. Keduanya tumpang tindih tetapi tidak sama, dan sama-sama kurang mencakup jurnal non-Inggris dan ilmu sosial (Mongeon & Paul-Hus, 2016). Banyak jurnal Indonesia tidak terindeks di keduanya. Google Scholar tidak dipakai karena tidak menyediakan ekspor massal dan hasilnya berubah-ubah.

    TITLE-ABS-KEY ( ( "sleep quality" OR "poor sleep" OR "sleep disturbance*" OR insomnia )
      AND ( adolescen* OR teen* OR youth OR "high school student*" ) )
    AND PUBYEAR > 2014 AND PUBYEAR < 2025
    AND ( LIMIT-TO ( DOCTYPE , "ar" ) OR LIMIT-TO ( DOCTYPE , "re" ) )
    AND ( LIMIT-TO ( LANGUAGE , "English" ) )
    Tabel 53.2 — Alur pencarian dan penyaringan (8 Januari 2025; data simulasi)
    TahapDokumen
    Hasil string di judul, abstrak, dan kata kunci (semua tahun)9.214
    Terbit 2015–20245.402
    Artikel dan review4.713
    Berbahasa Inggris4.529
    Dikeluarkan saat pembersihan: 12 duplikat, 9 erratum atau artikel ditarik−21
    Korpus akhir (4.109 artikel dan 399 review)4.508

    Rentang dibatasi pada tahun yang sudah lengkap terindeks. Ketepatan string diuji dengan membaca 200 rekaman acak: 186 (93,0%) memang membahas tidur remaja. Tanggal pencarian dicatat karena isi Scopus terus bertambah.

    Langkah 3 · Ekspor dan pembersihan data

    1. Ekspor: Scopus ▸ Export ▸ CSV atau BibTeX, dengan Citation information Bibliographical information Abstract & keywords Include references. Referensi diperlukan untuk analisis ko-sitasi.

    2. Duplikat: dicari dari DOI dan judul, misalnya versi in press dan versi final dari artikel yang sama.

    3. Nama penulis: "Wang Y." bisa berarti banyak orang, sedangkan satu orang bisa tercatat dengan dua ejaan. Gunakan ID penulis Scopus, lalu periksa manual untuk penulis teratas.

    4. Kata kunci: pakai author keywords. Index keywords memuat istilah umum seperti "human", "female", dan "article" yang mengacaukan peta. Sinonim disatukan dengan file tesaurus.

    label                  replace by
    adolescent
    adolescents
    quality of sleep       sleep quality
    covid 19               covid-19
    sars-cov-2             covid-19
    smartphone addiction   problematic smartphone use
    depressive symptoms    depression

    File tesaurus VOSviewer (kolom dipisah tab). Baris dengan kolom "replace by" kosong berarti istilah itu diabaikan; "adolescent" dibuang karena ada di hampir semua dokumen. Setiap keputusan penggabungan dicatat di lampiran.

    Langkah 4 · Analisis dengan VOSviewer dan bibliometrix

    VOSviewer (van Eck & Waltman, 2010) adalah program gratis untuk membuat dan menampilkan peta jaringan.

    Create▸Map based on bibliographic data▸Scopus▸Co-occurrence · Author keywords · Full counting

    Pilih file tesaurus di langkah pemilihan file. Ambang kemunculan minimal 80 menyisakan 29 dari 3.764 kata kunci penulis. Ukuran simpul menunjukkan jumlah kemunculan, tebal garis menunjukkan seberapa sering dua kata muncul di dokumen yang sama, dan warna atau letak menunjukkan klaster. Ambang dan resolusi klaster memengaruhi bentuk peta, jadi laporkan keduanya.

    bibliometrix (Aria & Cuccurullo, 2017) adalah paket R untuk analisis kinerja dan pemetaan. Antarmuka webnya, biblioshiny, bisa dipakai tanpa menulis kode.

    library(bibliometrix)
    M <- convert2df("scopus.bib", dbsource = "scopus", format = "bibtex")
    hasil <- biblioAnalysis(M, sep = ";")
    summary(hasil, k = 10)   # dokumen, sitasi, penulis, negara, sumber teratas
    biblioshiny()            # antarmuka web

    Etik: data berupa metadata terbitan tanpa subjek manusia, sehingga biasanya tidak memerlukan klirens etik (periksa aturan institusimu; Bab 7B). Hormati lisensi database: bagikan string dan daftar DOI, bukan file ekspor mentah.

    Langkah 5 · Hasil

    A. Tren publikasi

    Gambar 53.1 — Jumlah publikasi per tahun

    Artikel dan review di Scopus tentang kualitas tidur remaja, n = 4.508 (data simulasi)
    200 400 600 800 2015: 251 dokumen 2016: 273 dokumen 2017: 301 dokumen 2018: 338 dokumen 2019: 369 dokumen 2020: 447 dokumen 2021: 559 dokumen 2022: 603 dokumen 2023: 655 dokumen 2024: 712 dokumen 251 2015 ’16 ’17 ’18 ’19 447 ’20 ’21 ’22 ’23 712 2024 CAGR 2015–2024 = 12,3% per tahun
    CAGR = (Nakhir / Nawal)1/(takhir − tawal) − 1 = (712 / 251)1/9 − 1 = 12,3% per tahunDari 2015 ke 2024 ada 9 selang tahun, bukan 10. Pembagi 10 memberi 11,0%, angka yang keliru. Dengan laju 12,3%, jumlah publikasi berlipat dua kira-kira setiap ln 2 / ln 1,123 = 6,0 tahun. Kenaikan terbesar terjadi pada 2020–2021 (+25,1%). Pertumbuhan ini sebaiknya dibandingkan dengan pertumbuhan seluruh isi database pada periode yang sama.

    B. Kinerja: dokumen, sitasi, negara, jurnal, dan penulis

    Tabel 53.3 — Negara penulis korespondensi paling produktif (data simulasi; angka tidak mencerminkan Scopus sebenarnya)
    Peringkat · negaraDokumen (%)Kolaborasi internasionalSitasi per dokumen
    1 · Tiongkok967 (21,5%)14,8%19,8
    2 · Amerika Serikat764 (16,9%)30,9%19,7
    3 · Australia255 (5,7%)46,3%18,6
    4 · Korea Selatan238 (5,3%)17,6%18,7
    5 · Jepang224 (5,0%)14,3%20,3
    6 · Inggris188 (4,2%)42,6%19,5
    18 · Indonesia48 (1,1%)33,3%22,9
    • Sitasi: 86.083 sitasi, rata-rata 19,1 per dokumen; h-index korpus 97 (Hirsch, 2005). Rata-rata sitasi dokumen terbitan 2015 adalah 45,8, sedangkan terbitan 2024 baru 3,0, karena artikel baru belum sempat dikutip.
    • Jurnal: 861 sumber. Lima teratas (Jurnal A–E) menerbitkan 177, 133, 107, 101, dan 100 dokumen. Jurnal C lebih produktif daripada D dan E, tetapi sitasinya paling sedikit (1.689 lawan 1.795 dan 1.830): produktif tidak sama dengan berpengaruh.
    • Penulis: 15.370 penulis, rata-rata 5,1 penulis per dokumen, dan hanya 72 dokumen (1,6%) ditulis satu orang. Penulis A paling produktif dengan 57 dokumen.
    • Kolaborasi: 26,7% dokumen berpenulis lintas negara. Australia dan Inggris paling banyak berkolaborasi, sedangkan Tiongkok dan Jepang paling sedikit.

    C. Peta kata kunci

    Gambar 53.2 — Peta ko-kemunculan 29 kata kunci penulis (kemunculan ≥ 80). Ukuran simpul = jumlah dokumen; garis = dua kata kunci terkuat bagi setiap simpul; simpul jingga = kata pencarian. Ketuk tombol atau simpul (data simulasi).
    • Klaster 1 · Gawai dan media digital: smartphone, screen time, social media, internet addiction, gaming, problematic smartphone use, bedtime procrastination.
    • Klaster 2 · Kesehatan mental: depression, insomnia, anxiety, mental health, stress, suicidal ideation, covid-19, loneliness.
    • Klaster 3 · Gaya hidup: physical activity, sedentary behavior, obesity, body mass index, caffeine, diet.
    • Klaster 4 · Ritme dan jadwal sekolah: sleep quality, sleep duration, daytime sleepiness, academic performance, chronotype, circadian rhythm, sleep hygiene, school start time.

    Tampilan overlay mewarnai simpul menurut rata-rata tahun terbit. Kata kunci terbaru adalah bedtime procrastination dan covid-19 (rata-rata 2022,2), disusul loneliness (2021,9): inilah tema yang sedang tumbuh.

    Kalimat hasil Rara

    "Publikasi tentang kualitas tidur remaja di Scopus meningkat dari 251 dokumen pada 2015 menjadi 712 pada 2024 (CAGR 12,3%). Tiongkok dan Amerika Serikat menyumbang 38,4% dokumen, sedangkan Indonesia berada di peringkat 18 dengan 48 dokumen. Peta ko-kemunculan kata kunci membentuk empat klaster: gawai dan media digital, kesehatan mental, gaya hidup, serta ritme dan jadwal sekolah; bedtime procrastination adalah tema terbaru."

    Langkah 6 · Pembahasan dan kesimpulan

    Bidang ini tumbuh sekitar 12% per tahun, didominasi Tiongkok dan Amerika Serikat, dan terbagi dalam empat tema besar. Tema gawai dan kesehatan mental paling padat, sedangkan bedtime procrastination dan covid-19 adalah tema termuda. Pola jurnal inti yang sedikit dan penulis yang sebagian besar hanya menulis sekali sesuai dengan hukum Bradford dan Lotka (lihat Pojok S2–S3). Menurut peneliti, kontribusi Indonesia yang kecil dan kaitan tema gawai dengan jadwal sekolah yang masih longgar membuka peluang disertasi tentang lingkungan sekolah dan tidur remaja. Keterbatasan: satu database; hanya bahasa Inggris; string pencarian bisa melewatkan istilah lain; metadata dan nama penulis tidak sepenuhnya bersih; dan bibliometrik tidak menilai mutu ataupun hasil studi.

    TemuanPembandingOpiniKeterbatasan
    1. Publikasi tentang kualitas tidur remaja meningkat dari 251 menjadi 712 dokumen per tahun pada 2015–2024, dengan CAGR 12,3%.

    2. Tiongkok (967 dokumen) dan Amerika Serikat (764) paling produktif; Indonesia berada di peringkat 18 (48 dokumen).

    3. Kata kunci membentuk empat klaster: gawai dan media digital, kesehatan mental, gaya hidup, serta ritme dan jadwal sekolah.

    4. Sebanyak 26,7% dokumen merupakan kolaborasi internasional.

    Temuan ini mengarahkan Rara ke langkah berikutnya: scoping review tentang intervensi sekolah (Bab 52) dan tinjauan sistematis tentang hubungan layar dan tidur (Bab 36).

    Proyek KIR: peta kata kunci buatan sendiri
    1. Cari 20 artikel di Garuda dengan kata "tidur remaja". Catat kata kunci setiap artikel.
    2. Hitung berapa kali setiap kata kunci muncul dengan tabel turus.
    3. Gambar lingkaran untuk setiap kata kunci: makin sering muncul, makin besar.
    4. Tarik garis antara dua kata kunci yang muncul di artikel yang sama. Kata yang sering bersama diletakkan berdekatan: itulah klaster.
    5. Ingat: peta ini menunjukkan apa yang sering diteliti, bukan apa yang benar.
    Awas, keliru!
    • Menghitung CAGR dengan pembagi 10 untuk rentang 2015–2024. Yang benar 9 selang, sehingga 12,3%, bukan 11,0%.
    • Menyamakan sitasi dengan mutu, atau membandingkan sitasi artikel lama dan baru tanpa memperhitungkan umur artikel.
    • Menarik kesimpulan isi dari peta kata kunci, misalnya "tidur buruk menyebabkan depresi" karena keduanya berdekatan.
    • Memakai index keywords mentah sehingga "human" dan "female" muncul sebagai tema.
    • Menggabungkan Scopus dan Web of Science tanpa menyamakan format dan menghapus duplikat.
    • Tidak mencatat string, filter, tanggal pencarian, dan ambang, sehingga peta tidak bisa diulang.
    Pojok S2–S3
    • Hukum Bradford: bila jurnal diurutkan dari yang paling produktif lalu dibagi tiga zona yang masing-masing menerbitkan sepertiga dokumen, jumlah jurnalnya kira-kira 1 : n : n² (Bradford, 1934). Di korpus ini 20 : 110 : 731 jurnal; 20 jurnal inti menerbitkan 1.515 dokumen.
    • Hukum Lotka: jumlah penulis dengan n karya kira-kira sebanding dengan 1/n², sehingga sekitar 61% penulis hanya menulis satu karya (Lotka, 1926). Di korpus ini 75,0%.
    • Lima teknik pemetaan: sitasi, ko-sitasi, kopling bibliografis, ko-kepengarangan, dan ko-kata (Zupic & Čater, 2015). Ko-sitasi melihat akar intelektual; kopling bibliografis melihat penelitian terkini.
    • Normalisasi: bandingkan sitasi per tahun atau indikator yang dinormalisasi menurut bidang dan tahun. h-index sangat bergantung pada umur korpus dan bidang.
    • Gabungkan dengan tinjauan: bibliometrik untuk memetakan, lalu scoping review atau tinjauan sistematis untuk membaca isinya.
    Intinya
    • Bibliometrik mengukur kinerja (jumlah, sitasi, h-index) dan memetakan struktur (ko-kemunculan, ko-kepengarangan) dari metadata ratusan sampai ribuan dokumen.
    • Hasilnya bergantung pada database, string, filter, pembersihan data, tesaurus, dan ambang; semuanya harus dilaporkan agar bisa diulang.
    • CAGR memakai jumlah selang tahun (2015–2024 = 9), dan sitasi harus dibaca bersama umur artikel.
    • Bibliometrik tidak menilai mutu atau hasil studi; untuk itu gunakan scoping review atau tinjauan sistematis.
    Coba sendiri: kuis analisis bibliometrik
    Bab 54

    Contoh Lengkap Evaluasi Program Model CIPP

    Penelitian evaluasi menilai mutu (merit) dan nilai guna (worth) sebuah program berdasarkan kriteria yang ditetapkan sebelum data dikumpulkan, agar pengambil keputusan tahu apakah program perlu dilanjutkan, diperbaiki, atau dihentikan (Scriven, 1991; Stufflebeam & Coryn, 2014). Model CIPP menilai program dari empat sisi: konteks, input, proses, dan produk.

    S1S2–S3

    Penelitian evaluasi atau penelitian biasa?

    Tabel 54.1 — Penelitian dasar dan penelitian evaluasi
    Penelitian dasarPenelitian evaluasi
    TujuanMenambah pengetahuan, menguji teori, menggeneralisasiMenilai mutu dan nilai guna satu program untuk keputusan
    Asal pertanyaanPeneliti dan celah teoriPemangku kepentingan: sekolah, dinas, puskesmas, penyandang dana
    Kriteria penilaianTidak selalu adaWajib, ditetapkan sebelum data dikumpulkan
    Hasil akhirTemuan dan teoriPenilaian dan rekomendasi: lanjutkan, perbaiki, atau hentikan

    Metodenya sama ketatnya; bedanya, penelitian evaluasi selalu berakhir dengan penilaian terhadap standar. Mutu menanyakan apakah program dijalankan dengan baik. Nilai guna menanyakan apakah program itu bermanfaat bagi sekolah ini dan sepadan dengan sumber dayanya (Scriven, 1991).

    Memilih model evaluasi

    Tabel 54.2 — Empat model evaluasi yang sering dipakai
    ModelIntinyaCocok untuk
    CIPP (Stufflebeam & Coryn, 2014)Konteks, input, proses, produk; tiap komponen melayani satu jenis keputusanProgram berjalan yang perlu diperbaiki menyeluruh
    Empat level (Kirkpatrick & Kirkpatrick, 2006)Reaksi, pembelajaran, perilaku, hasilPelatihan dan diklat
    Kesenjangan (Provus, 1971)Membandingkan kinerja dengan standarProgram dengan standar baku
    Model logika (W.K. Kellogg Foundation, 2004)Rantai input → kegiatan → output → outcome → dampakMerancang program dan indikatornya

    Sari, mahasiswi S2 Manajemen Pendidikan, memilih CIPP karena UKS sudah berjalan, terdiri atas banyak kegiatan, dan sekolah ingin tahu bagian mana yang perlu diperbaiki. Bila hasilnya kurang, sekolah perlu tahu apakah masalahnya di tujuan, sumber daya, atau pelaksanaan. Menurut Stufflebeam, evaluasi terutama bertujuan memperbaiki, bukan sekadar membuktikan (Stufflebeam & Coryn, 2014).

    Langkah 1 · Judul dan program yang dievaluasi

    Evaluasi Program Usaha Kesehatan Sekolah (UKS) di SMP Negeri Y Menggunakan Model CIPP
    Kata kunciProgram yang dievaluasiTempatModel

    SMP Negeri Y (sekolah Bima di Bab 24) memiliki 768 siswa dalam 24 rombongan belajar. Menurut Peraturan Bersama empat menteri tahun 2014 tentang Pembinaan dan Pengembangan Usaha Kesehatan Sekolah/Madrasah, kegiatan pokok UKS dijalankan melalui Trias UKS: pendidikan kesehatan, pelayanan kesehatan, dan pembinaan lingkungan sekolah sehat. Aspek pendukungnya antara lain ketenagaan, pendanaan, sarana prasarana, dan manajemen. Pembina UKS di sekolah ini adalah Bu Wulan, guru IPA dari Bab 39. Periode yang dievaluasi: Juli 2027–Mei 2028 (36 minggu efektif).

    Langkah 2 · Pertanyaan evaluasi dan keputusan yang dilayani

    Setiap komponen menjawab satu pertanyaan dan melayani satu jenis keputusan:

    Pertanyaan evaluasi
    Keputusan yang dilayani
    Data utama
    Penilaian
    C
    Konteks: sejauh mana tujuan dan kegiatan UKS sesuai dengan kebutuhan kesehatan siswa dan Trias UKS?
    Perencanaan: tujuan dan prioritas
    Dokumen, data penjaringan, angket
    66,7% · cukup
    I
    Input: sejauh mana tenaga, dana, sarana, dan rencana kerja memadai?
    Penataan: sumber daya dan rancangan
    SK, RKAS, daftar tilik, wawancara
    75,0% · cukup
    P
    Proses: sejauh mana kegiatan Trias UKS terlaksana sesuai rencana?
    Pelaksanaan: apa yang diperbaiki sambil berjalan
    Notulen, buku kunjungan, observasi, FGD
    50,0% · kurang
    P
    Produk: sejauh mana hasil yang ditargetkan tercapai?
    Daur ulang: lanjutkan, perbaiki, hentikan
    Angket, observasi, arsip rujukan
    62,5% · cukup

    Langkah 3 · Kriteria, instrumen, sampel, dan etika

    Rencana kerja UKS ternyata tidak memuat target angka. Karena itu Sari menyusun kriteria dari peraturan dan pedoman UKS, rencana kerja sekolah, dan target program puskesmas. Kriteria dan batas kategorinya disepakati bersama kepala sekolah, tim pelaksana UKS, dan puskesmas pembina, lalu ditandatangani sebelum data dikumpulkan, agar penilaian tidak bisa disesuaikan setelah hasil terlihat.

    Tabel 54.3 — Matriks evaluasi
    KomponenAspekKriteriaSumber data dan instrumen
    KonteksKebutuhan siswa, tujuan, kesesuaian dengan Trias UKS6Telaah dokumen; wawancara kepala sekolah dan pembina UKS; angket siswa
    InputKetenagaan, pendanaan, sarana prasarana, manajemen8SK dan RKAS; daftar tilik ruang UKS (10 butir); wawancara puskesmas
    ProsesKeterlaksanaan ketiga unsur Trias UKS10Rekap notulen, buku kunjungan, dan distribusi TTD; observasi; FGD kader
    ProdukPengetahuan, perilaku, tindak lanjut layanan, lingkungan, kepuasan8Angket dan tes 20 soal; observasi cuci tangan; arsip rujukan; inspeksi lingkungan (25 butir)
    Ketercapaian komponen = kriteria terpenuhi / jumlah kriteria × 100%Setiap kriteria dinilai terpenuhi (1) atau belum (0) terhadap standarnya; yang terpenuhi sebagian dihitung 0 tetapi dicatat sebagai temuan. Kategori: ≥ 80% baik (lanjutkan); 60–79,9% cukup (lanjutkan dengan perbaikan); 40–59,9% kurang (perbaiki menyeluruh); < 40% sangat kurang (pertimbangkan hentikan atau rancang ulang).

    Angket siswa. Populasi 768 siswa diketahui, sehingga besar sampel dihitung dengan rumus Lemeshow dengan koreksi populasi terbatas (Lemeshow dkk., 1990). Proporsi yang diharapkan dibuat 0,5 karena angket memuat banyak indikator yang belum diketahui besarnya; nilai ini menghasilkan sampel terbesar.

    n = N · Z² · p · q / [ d² (N − 1) + Z² · p · q ]
      = 768 × 1,96² × 0,5 × 0,5 / [ 0,07² × 767 + 1,96² × 0,5 × 0,5 ]
      = 737,6 / 4,719 = 156,3 → 157 → cadangan 10%: 157 / 0,9 = 175 siswa
    Diambil acak berstrata proporsional menurut jenjang (kelas VII 59, VIII 58, IX 58). Angket kembali lengkap dari 168 siswa (96,0%): 86 siswi dan 82 siswa.

    Etika (Bab 7B):

    • Izin dinas pendidikan dan kepala sekolah; klirens etik universitas (risiko rendah).
    • Angket tanpa nama; assent siswa; orang tua menerima surat informasi dan boleh menolak, sesuai persetujuan komisi etik.
    • Guru dan petugas memberi persetujuan tertulis; kutipan tanpa nama. Pembina UKS hanya satu orang sehingga mudah dikenali, jadi Bu Wulan diberi tahu risiko ini dan membaca kutipannya sebelum laporan final.
    • Kepala sekolah sepakat tertulis bahwa hasil evaluasi tidak dipakai untuk menilai kinerja individu guru. Temuan ditulis sebagai masalah sistem.
    • Evaluasi mengikuti atribut mutu evaluasi program: bermanfaat, layak, patut secara etis, akurat, dan akuntabel (Yarbrough dkk., 2011).

    Langkah 4 · Analisis data dan triangulasi

    1. Kuantitatif: persentase setiap indikator, misalnya siswa yang puas = 136/168 = 81,0%, dibandingkan dengan standarnya.

    2. Kualitatif: transkrip wawancara, FGD, dan catatan observasi dikondensasi, disajikan dalam matriks per kriteria, lalu disimpulkan (Miles dkk., 2014).

    3. Triangulasi: kriteria baru diputuskan bila minimal dua sumber sejalan. Contoh penyuluhan: rencana kerja memuat 10, daftar hadir hanya 6, FGD kader menyebut "dua kali batal karena ujian", dan Bu Wulan membenarkannya. Kriteria dinilai belum terpenuhi.

    4. Penilaian per komponen dengan rumus ketercapaian, lalu rekomendasi untuk setiap kriteria yang belum terpenuhi.

    Langkah 5 · Hasil per komponen

    Jelajahi hasil: pilih komponen CIPP
    Kriteria (standar)TemuanHasil
    Analisis kebutuhan kesehatan siswa dibuat sebelum program disusunData penjaringan ada, tetapi tidak diolah✗
    Tujuan program tertulis dan terukurTujuan umum, tanpa target angka✗
    Program mencakup ketiga unsur Trias UKSKetiganya ada di rencana kerja✓
    Kegiatan menjawab ≥ 3 dari 5 masalah kesehatan prioritas siswaAnemia, kebersihan diri, DBD; belum: kesehatan jiwa, merokok✓
    Tim pelaksana ber-SK, melibatkan puskesmas dan komiteSK 2027 memuat unsur sekolah, puskesmas, komite✓
    ≥ 70% siswa menilai kegiatan UKS sesuai kebutuhannya131/168 = 78,0%✓

    Konteks: 4/6 = 66,7% · cukup. Program relevan, tetapi disusun tanpa analisis kebutuhan dan tanpa target.

    Tabel 54.4 — Ringkasan penilaian per komponen (data simulasi)
    KomponenTerpenuhiKetercapaianKategori
    Konteks4/666,7%Cukup
    Input6/875,0%Cukup
    Proses5/1050,0%Kurang
    Produk5/862,5%Cukup
    Total (hanya ringkasan)20/3262,5%Cukup

    Gambar 54.1 — Ketercapaian kriteria per komponen CIPP

    Persentase kriteria yang terpenuhi (data simulasi). Garis merah putus-putus = batas kategori cukup dan baik.
    Konteks: 4 dari 6 kriteria terpenuhi = 66,7% (Cukup) Input: 6 dari 8 kriteria terpenuhi = 75,0% (Cukup) Proses: 5 dari 10 kriteria terpenuhi = 50,0% (Kurang) Produk: 5 dari 8 kriteria terpenuhi = 62,5% (Cukup) Total: 20 dari 32 kriteria terpenuhi = 62,5% (Cukup) cukup ≥ 60% baik ≥ 80% 66,7% 75,0% 50,0% 62,5% 62,5% Konteks4/6 · Cukup Input6/8 · Cukup Proses5/10 · Kurang Produk5/8 · Cukup Total20/32 · Cukup 0%20%40%60%80%100%

    Grafik memperlihatkan bahwa proses adalah titik terlemah. Temuan ini penting: produk yang kurang, seperti tindak lanjut rujukan 55,3%, bersumber dari proses yang tidak melacak rujukan. Contoh lain, TTD dibagikan pada 83,3% minggu (proses terpenuhi), tetapi hanya 53,5% siswi yang meminumnya setiap minggu (produk belum terpenuhi). Dibagikan tidak sama dengan diminum, seperti temuan Bab 35.

    Petikan data kualitatif

    "Saya mengajar 24 jam. UKS saya pegang sambil jalan. Kalau ada rapat atau ujian, penyuluhan yang pertama dikorbankan." (pembina UKS)

    "Kami kirim surat rujukan, tapi tidak pernah tahu anaknya jadi periksa atau tidak." (petugas puskesmas pembina)

    "Sabunnya sering habis, jadi kami cuci tangan pakai air saja." (FGD kader kesehatan, kelas VIII)

    Membaca dengan kritis. Kasus merokok yang tercatat BK turun dari 11 menjadi 7, tetapi observasi menemukan puntung pada 3 dari 4 kunjungan. Penurunan catatan BK bisa jadi karena pengawasan yang lemah, bukan karena siswa berhenti merokok. Sari menuliskan kemungkinan ini di laporan.

    Langkah 6 · Penilaian, rekomendasi, dan kesimpulan

    Program UKS SMP Negeri Y relevan dan didukung sumber daya dasar, tetapi pelaksanaannya kurang (50,0%) dan hasil perilakunya belum mencapai target. Pola ini sesuai logika CIPP: produk yang lemah dapat ditelusuri ke proses dan konteks, yaitu program tanpa target terukur dan kegiatan tanpa pelacakan (Stufflebeam & Coryn, 2014). Menurut evaluator, program layak dilanjutkan dengan perbaikan yang terfokus pada proses. Keterbatasan: satu sekolah; perilaku minum TTD dilaporkan sendiri; observasi cuci tangan hanya 4 hari; kriteria biner tidak membedakan "hampir terpenuhi" dari "jauh dari target".

    TemuanTeori & pembandingPenilaianKeterbatasan
    Tabel 54.5 — Rekomendasi yang dapat ditindaklanjuti
    TemuanRekomendasiPenanggung jawab
    Tanpa analisis kebutuhan dan targetSetiap Juli, olah data penjaringan dan angket menjadi 3–5 prioritas bertarget angkaTim pelaksana UKS
    Pembina belum dilatih; obat kedaluwarsaPelatihan UKS; kartu stok obat diperiksa kader tiap bulanKepala sekolah, pembina UKS
    Penyuluhan hanya 60%Kunci jadwal penyuluhan di kalender akademikWakasek kurikulum
    Rujukan tidak dilacak (55,3%)Lembar rujukan balik; wali kelas menghubungi orang tua dua minggu kemudianWali kelas, puskesmas
    TTD diminum 53,5%Minum TTD bersama di kelas setelah makan pada hari tetapPembina UKS, wali kelas
    Cuci tangan 57,9%; kawasan tanpa rokok lemahAnggaran sabun tetap; tanda di semua pintu masuk; patroli kader dan guruKepala sekolah, komite

    Keputusan yang direkomendasikan: program dilanjutkan dengan perbaikan, lalu komponen proses dievaluasi ulang pada akhir semester berikutnya.

    1. Konteks (66,7%, cukup): program sesuai Trias UKS dan dinilai relevan oleh 78,0% siswa, tetapi tanpa analisis kebutuhan dan target terukur.

    2. Input (75,0%, cukup): tenaga, anggaran, ruang, dan kader tersedia; pembina belum dilatih dan sebagian obat kedaluwarsa.

    3. Proses (50,0%, kurang): kegiatan rutin berjalan; penyuluhan, pemeriksaan berkala, pelacakan rujukan, dan pengawasan tertinggal.

    4. Produk (62,5%, cukup): pengetahuan, kepuasan, dan lingkungan mencapai target; cuci tangan, minum TTD, dan tindak lanjut rujukan belum.

    Coba sendiri: dari kriteria terpenuhi ke keputusan

    Pilih komponen atau geser sendiri. Kategorinya mengikuti aturan di Langkah 3.

    Awas, keliru!
    • Kriteria disusun setelah melihat data, sehingga penilaian bisa diatur agar program tampak baik.
    • Hanya menilai produk. Bila hasilnya kurang, sekolah tidak tahu harus memperbaiki apa.
    • Menulis "pengaruh program UKS terhadap …" tanpa kelompok pembanding. Evaluasi ini menilai ketercapaian terhadap standar, bukan membuktikan sebab–akibat (Bab 1).
    • Menyamakan output dengan outcome: TTD dibagikan belum berarti diminum.
    • Hanya melaporkan skor total. Total 62,5% menyembunyikan proses yang hanya 50,0%.
    Pojok S2–S3
    • Formatif dan sumatif: yang pertama memperbaiki program yang berjalan, yang kedua menilai untuk keputusan akhir (Scriven, 1991). CIPP melayani keduanya.
    • Pembobotan kriteria: tidak semua kriteria sama penting. Bila memakai bobot, sepakati sebelum data dikumpulkan dan laporkan hasil dengan dan tanpa bobot.
    • Memecah produk: Stufflebeam membagi evaluasi produk menjadi dampak, efektivitas, keberlanjutan, dan keterterapan di tempat lain (Stufflebeam & Coryn, 2014).
    • Bila ingin menilai dampak kausal, misalnya apakah UKS menurunkan absensi karena sakit, perlu desain kuasi-eksperimen atau deret waktu terputus (Bab 24, Bab 45).
    • Metaevaluasi: mutu evaluasi itu sendiri dapat dinilai dengan standar evaluasi program (Yarbrough dkk., 2011).
    Intinya
    • Penelitian evaluasi menilai mutu dan nilai guna sebuah program terhadap kriteria yang ditetapkan sebelum data dikumpulkan, lalu berakhir dengan keputusan: lanjutkan, perbaiki, atau hentikan.
    • Model CIPP menilai konteks, input, proses, dan produk. Setiap komponen punya pertanyaan, kriteria, sumber data, dan jenis keputusannya sendiri, sehingga hasil yang lemah dapat ditelusuri penyebabnya.
    • Aturan skor dan kategori harus eksplisit, data ditriangulasi, penilaian dibuat per komponen, dan etika dijaga: izin sekolah, anonimitas guru dan siswa, serta hasil yang tidak dipakai untuk menghakimi individu.
    Coba sendiri: kuis evaluasi program
    Bab 55

    Contoh Lengkap Participatory Action Research dengan Photovoice

    Participatory action research (PAR) adalah penelitian yang dikerjakan bersama komunitas, bukan tentang komunitas: warga ikut merumuskan masalah, mengumpulkan dan menafsirkan data, lalu bertindak, dalam siklus yang berulang (Israel dkk., 1998; Kemmis dkk., 2014). Photovoice adalah salah satu tekniknya: warga memotret kehidupannya sendiri, mendiskusikan foto itu, lalu menyampaikannya kepada pengambil keputusan (Wang & Burris, 1997).

    SMP–SMAS1S2–S3

    PAR, PTK, dan penelitian konvensional

    Tabel 55.1 — Tiga cara meneliti masalah nyata
    Penelitian konvensionalPTK (Bab 39)PAR (bab ini)
    Yang menelitiPenelitiGuru di kelasnya sendiriWarga sebagai peneliti bersama, didampingi fasilitator
    Asal masalahTeori atau penelitiPembelajaran di kelasKomunitas
    TujuanPengetahuanMemperbaiki pembelajaranPengetahuan, aksi, dan pemberdayaan
    Pemilik data dan hasilPenelitiGuru dan sekolahBersama, disepakati tertulis
    SiklusUmumnya tidakRencana, tindakan, observasi, refleksiSama, atau lihat–pikir–bertindak (Stringer, 2014)

    Israel dkk. (1998) merangkum delapan prinsip penelitian berbasis komunitas (community-based participatory research, CBPR). Dalam proyek ini prinsip itu tampak sebagai berikut:

    Tabel 55.2 — Prinsip CBPR dan wujudnya di Desa X
    PrinsipWujud di Desa X
    Komunitas sebagai unit identitasRemaja Desa X melalui Karang Taruna dan posyandu remaja
    Membangun dari kekuatan komunitasMemakai forum yang sudah ada: posyandu, pengajian, musyawarah desa
    Kemitraan di semua tahapRemaja ikut memilih tema, memotret, menafsirkan, dan merancang aksi
    Memadukan pengetahuan dan aksiTemuan langsung menjadi usulan aturan desa
    Saling belajar, memperhatikan ketimpanganRemaja belajar meneliti; Dimas belajar dari pengetahuan lokal; suara remaja didahulukan
    Siklus dan berulangTiga siklus dalam sepuluh bulan
    Kesehatan dari sudut pandang positif dan ekologisMemotret masalah dan kekuatan; melihat rumah, warung, dan tempat umum
    Hasil disebarkan kepada semua mitraPameran di balai desa; laporan desa ditulis bersama

    Langkah 1 · Kemitraan dan judul

    Setelah etnografinya selesai (Bab 30), Dimas kembali ke Desa X untuk tesis S2. Ia tidak datang membawa topik. Dalam musyawarah dengan Karang Taruna, bidan desa, dan kader posyandu remaja, para remaja sendiri yang memilih masalahnya: asap rokok di tempat mereka dan adik-adik mereka berkumpul. Temuan Bab 26 tentang asap rokok dan pneumonia balita ikut dibahas sebagai latar.

    Photovoice Remaja untuk Desa Bebas Asap Rokok: Participatory Action Research di Desa X
    Pelaku & teknikTujuan aksiPendekatanKomunitas
    • Peneliti bersama: 12 remaja berusia 13–17 tahun (7 perempuan, 5 laki-laki) dan 2 pendamping Karang Taruna berusia 20 dan 22 tahun. Dimas berperan sebagai fasilitator.
    • Kesepakatan kemitraan tertulis mengatur peran, jadwal, kepemilikan foto dan data, serta cara hasil dipublikasikan.

    Langkah 2 · Pertanyaan bersama dan siklus

    Pertanyaan bersama
    Tujuan
    Data
    Jawaban
    1
    Di mana dan bagaimana asap rokok menyentuh hidup remaja dan anak di Desa X?
    Memetakan paparan dari sudut pandang remaja.
    Foto, diskusi SHOWeD
    Empat tema
    2
    Aksi apa yang disepakati warga dan pengambil keputusan?
    Merumuskan aksi bersama.
    Pameran, notulen musyawarah
    Lima aksi
    3
    Apa yang berubah setelah aksi, dan apa yang belum?
    Menilai perubahan dan merencanakan siklus berikutnya.
    Observasi, foto tema 2, refleksi
    Tabel 55.4
    Siklus 1 · Feb–Apr 2028 Melihat Rencana kesepakatan dan izin etik Tindakan pelatihan, foto tema 1 Amati 214 foto, 5 diskusi SHOWeD Refleksi 4 tema; sasaran: posyandu Siklus 2 · Mei–Jul 2028 Menyuarakan Rencana pilih 18 foto, undang desa Tindakan pameran di balai desa Amati 86 pengunjung, musyawarah Refleksi usulan aturan desa KTR Siklus 3 · Agu–Nov 2028 Bertindak Rencana SK kepala desa, warung Tindakan 14 tanda KTR, 9 warung Amati observasi 4 lokasi, foto 2 Refleksi lapangan belum berubah
    Gambar 55.1 — Tiga siklus PAR di Desa X (data simulasi). Setiap siklus memuat rencana, tindakan, pengamatan, dan refleksi; hasil refleksi menjadi rencana siklus berikutnya.

    Langkah 3 · Etika photovoice bersama anak

    Protokol ditelaah komisi etik sosial-humaniora (Bab 7B) dengan perhatian khusus karena melibatkan anak dan foto. Wang dan Redwood-Jones (2001) mengingatkan empat risiko privasi dalam photovoice: masuk ke ruang pribadi orang, membuka hal yang memalukan, menampilkan orang secara keliru, dan memakai wajah orang untuk keuntungan komersial.

    • Persetujuan berlapis: izin kepala desa dan Karang Taruna; persetujuan orang tua dan assent remaja; pendamping dewasa memberi persetujuan sendiri.
    • Tanpa wajah anak yang dapat dikenali. Orang dewasa hanya dipotret dengan lembar izin dipotret. Perokok tidak dipotret wajahnya agar tidak dipermalukan; yang dipotret adalah benda, tempat, dan jejak: puntung, asbak, etalase.
    • Foto milik pemotretnya. Remaja memilih foto yang dipamerkan, menulis keterangannya, dan boleh menarik foto kapan saja sebelum pameran. Pemakaian untuk tesis dan artikel butuh izin terpisah.
    • Keamanan data: foto diambil dengan HP remaja di folder khusus, sinkronisasi awan dimatikan, lalu disalin ke laptop proyek yang terenkripsi.
    • Relasi kuasa: Dimas orang luar, lebih tua, dan berstatus mahasiswa. Diskusi dipimpin remaja secara bergilir dan Dimas berbicara terakhir. Remaja yang khawatir berselisih dengan orang tua atau pemilik warung boleh diwakili pendamping saat pameran.
    • Keselamatan: tidak memotret dalam situasi yang memancing pertengkaran dan tidak masuk rumah orang tanpa izin.

    Langkah 4 · Photovoice: memotret dan berdiskusi

    1. Kenali sasaran sejak awal: siapa yang bisa mengubah keadaan (kepala desa, BPD, takmir masjid, bidan desa).

    2. Pelatihan dua pertemuan: teknik foto dasar, etika dan izin, serta bercerita lewat foto.

    3. Penugasan foto selama dua minggu dengan tema "Di mana asap rokok menyentuh hidup kami?". Terkumpul 214 foto.

    4. Diskusi kelompok lima kali dengan pertanyaan SHOWeD. Dari sembilan pertemuan siklus 1, kehadiran remaja mencapai 99 dari 108 (91,7%).

    Pertanyaan SHOWeD membantu diskusi bergerak dari yang terlihat ke akar masalah dan aksi (Wang, 1999): S · Apa yang kamu lihat di sini? H · Apa yang sebenarnya terjadi? O · Apa kaitannya dengan hidup kita? W · Mengapa masalah atau kekuatan ini ada? D · Apa yang dapat kita lakukan?

    Coba sendiri: kalimat ini menjawab pertanyaan SHOWeD yang mana?

    Semua kalimat berasal dari diskusi tentang satu foto: asbak penuh puntung di meja pendaftaran posyandu.

    "Ada asbak dari kaleng bekas, penuh puntung, di sebelah timbangan bayi."

    S (lihat): menggambarkan apa yang tampak di foto.

    "Bapak-bapak yang mengantar anaknya merokok sambil antre, dan tidak ada yang menegur."

    H (sebenarnya terjadi): kejadian di balik gambar.

    "Adikku ditimbang di situ setiap bulan dan ikut menghirup asapnya."

    O (hidup kita): menghubungkan foto dengan pengalaman pemotret.

    "Kader segan menegur orang yang lebih tua, dan belum ada aturan desa yang melarang."

    W (mengapa): akar masalahnya norma sosial dan tidak adanya aturan.

    "Kita buat tanda kawasan tanpa rokok dan minta Pak Kades menetapkan posyandu bebas asap."

    D (lakukan): usulan aksi.

    "Asbak itu ada karena pengurus sendiri menyediakannya, supaya puntung tidak dibuang ke lantai."

    W (mengapa): menjelaskan mengapa keadaan itu ada. Niat baik yang keliru ikut melanggengkan kebiasaan merokok di posyandu.

    Pilih S, H, O, W, atau D untuk keenam kalimat.

    Langkah 5 · Analisis partisipatif dan temuan

    Analisis dilakukan bersama dalam tiga tahap (Wang & Burris, 1997): memilih foto yang paling mewakili (46 dari 214 foto), memberi konteks dengan bercerita tentang makna foto, dan mengodifikasi, yaitu mengelompokkan isu yang muncul menjadi tema di atas kertas plano. Dimas lalu menganalisis transkrip diskusi secara tematik (Braun & Clarke, 2006) dan membawa hasilnya kembali kepada remaja untuk diperiksa. Foto tidak ditampilkan di buku ini; setiap foto dideskripsikan dengan kata-kata. Semua nama adalah nama samaran.

    Tema 1 · Asap di tempat yang seharusnya aman

    Foto: asbak kaleng penuh puntung di meja pendaftaran posyandu, di samping buku KIA dan timbangan bayi. Judul dari pemotret: "Menimbang bayi, menimbang asap". "Bapak-bapak yang mengantar merokok sambil antre. Yang ditimbang bayi, yang dihirup asap." (Nisa, 15 tahun)

    Tema 2 · Anak menjadi kurir rokok

    Foto: tangan kecil menyodorkan uang lusuh ke etalase warung berisi rokok batangan; wajah anak dan nama warung tidak tampak. "Dari kelas 2 SD aku sudah disuruh beli rokok. Penjualnya tidak pernah tanya umur." (Raka, 14 tahun)

    Tema 3 · Rokok sebagai tanda hormat

    Foto: nampan berisi kopi dan sebungkus rokok yang disuguhkan kepada tamu hajatan (bandingkan dengan hajatan di Bab 30). "Kalau tuan rumah tidak menyuguhkan rokok, katanya tidak menghargai tamu." (Dewi, 17 tahun)

    Tema 4 · Sudah ada yang memulai

    Foto: tulisan tangan di pintu rumah, "Rumah ini bebas asap rokok, silakan merokok di luar", dengan kursi plastik di halaman. "Kakekku sendiri yang memasangnya. Dia merokok di luar supaya cucunya tidak batuk." (Bagas, 13 tahun). Photovoice juga memotret kekuatan komunitas, bukan hanya masalahnya.

    Langkah 6 · Aksi dan apa yang berubah

    Pada Juni 2028 remaja menggelar pameran "Napas Desa Kami" di balai desa: 18 foto beserta keterangannya, dikunjungi 86 orang, termasuk kepala desa, anggota BPD, bidan desa, takmir masjid, kader posyandu, dan pemilik warung. Setelah pameran, musyawarah menyepakati lima aksi. Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan sudah menetapkan antara lain fasilitas pelayanan kesehatan, tempat anak bermain, tempat ibadah, dan tempat umum sebagai kawasan tanpa rokok; aksi desa ini membuat aturan itu berjalan di tingkat desa (lihat juga Bab 45).

    Tabel 55.3 — Aksi yang disepakati dan hasilnya sampai November 2028 (data simulasi)
    AksiPelaksanaHasilBukti
    Posyandu, balai desa, dan PAUD sebagai kawasan tanpa rokokKepala desaSK kepala desa ditetapkan Agustus 2028Salinan SK
    Peraturan desa tentang kawasan tanpa rokokPemerintah desa dan BPDRancangan masuk pembahasan BPD; belum ditetapkanNotulen BPD
    Tanda kawasan tanpa rokok buatan remajaRemaja, Karang Taruna14 tanda di 6 lokasiFoto tema 2
    Serambi dan halaman masjid bebas asap saat kegiatanTakmir masjidDiumumkan setiap JumatCatatan pengumuman
    Tidak menjual rokok kepada anak dan tidak menyuruh anak membeli rokokPemilik warung, orang tua9 dari 15 warung (60,0%) menandatangani kesepakatanDaftar tanda tangan
    Tabel 55.4 — Rerata orang yang terlihat merokok per pengamatan 15 menit (data simulasi)
    LokasiSebelum (Mei)Sesudah (Oktober)Tercakup aksi?
    Posyandu, hari buka4,00,3Ya, SK kepala desa
    Halaman masjid, sesudah salat Jumat6,02,0Ya, kesepakatan takmir
    Balai desa, hari pelayanan3,00,3Ya, SK kepala desa
    Lapangan voli, sore7,06,0Tidak

    Setiap lokasi diamati 3 kali sebelum dan 3 kali sesudah aksi oleh pasangan remaja dengan lembar tilik yang sama. Angka ini deskriptif: tanpa pembanding, pengamat tahu tujuan proyek, dan waktu pengamatan berbeda musim.

    Refleksi siklus 3. Perubahan tampak di tempat yang tercakup aksi, sedangkan lapangan voli hampir tidak berubah. Rumah, tempat paparan paling lama, belum tersentuh. Remaja juga mencatat perubahan pada diri mereka: "Dulu aku takut bicara di depan Pak Kades. Sekarang aku yang menjelaskan foto kami." (Dewi, 17 tahun). Siklus 4 pada 2029 direncanakan untuk lapangan voli dan gerakan rumah bebas asap bersama PKK.

    Langkah 7 · Pembahasan dan kesimpulan

    Remaja Desa X memperlihatkan bahwa asap rokok hadir di tempat yang seharusnya aman bagi anak, dipertahankan oleh norma keramahan dan kebiasaan menyuruh anak membeli rokok. Pameran foto mereka mendorong lima aksi, dan perokok yang terlihat berkurang di tempat yang tercakup aksi. Hasil ini sejalan dengan tujuan photovoice untuk mencatat kekuatan dan masalah komunitas, memicu dialog kritis, dan menjangkau pengambil keputusan (Wang & Burris, 1997). Tinjauan pustaka menemukan bahwa mutu partisipasi dalam proyek photovoice berkaitan dengan lamanya proyek dan dengan tercapainya aksi (Catalani & Minkler, 2010). Menurut fasilitator, kekuatan utama proyek ini adalah remaja yang berbicara langsung kepada pengambil keputusan. Keterbatasan: satu desa; pengamatan deskriptif tanpa pembanding; remaja yang ikut mungkin lebih peduli daripada teman sebayanya; paparan di rumah belum diukur.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Asap rokok menyentuh hidup remaja dan anak Desa X di posyandu, warung, hajatan, dan tempat umum; komunitas juga sudah punya kekuatan berupa rumah yang memulai aturan bebas asap.

    2. Warga dan pengambil keputusan menyepakati lima aksi: SK kawasan tanpa rokok, rancangan peraturan desa, tanda buatan remaja, aturan masjid, dan kesepakatan warung.

    3. Setelah aksi, perokok yang terlihat berkurang di posyandu, masjid, dan balai desa, tetapi belum di lapangan voli dan rumah; kedua tempat itu menjadi sasaran siklus berikutnya.

    Proyek OSIS: photovoice di sekolahmu

    Bima ingin mencoba photovoice bersama teman OSIS dengan tema "Sudut sehat dan tidak sehat di sekolahku".

    1. Minta izin guru pembina dan kepala sekolah. Sepakati aturan: tanpa wajah orang, tidak memotret toilet yang sedang dipakai, dan foto tetap milik pemotretnya.
    2. Setiap anggota memotret 3 foto dalam seminggu.
    3. Diskusikan setiap foto dengan lima pertanyaan SHOWeD dan tulis jawabannya.
    4. Pilih foto terbaik bersama, lalu presentasikan kepada kepala sekolah beserta satu usulan aksi yang bisa dikerjakan.
    Awas, keliru!
    • Menyebut "PAR" padahal warga hanya menjadi responden dan semua keputusan tetap di tangan peneliti.
    • Peneliti yang memilih foto dan menafsirkannya sendiri. Dalam photovoice, pemotretlah yang memberi makna.
    • Memamerkan foto berisi wajah anak atau wajah perokok yang dapat dikenali.
    • Berhenti di pameran tanpa aksi, evaluasi, dan siklus berikutnya.
    • Mengklaim "photovoice menurunkan jumlah perokok" dari data sebelum–sesudah tanpa pembanding.
    Pojok S2–S3
    • Tingkat partisipasi berbeda-beda, dari sekadar dikonsultasi sampai dikendalikan komunitas. Nyatakan dengan jujur tahap mana yang dipimpin warga dan mana yang dipimpin peneliti.
    • PAR kritis memandang penelitian sebagai ruang publik tempat warga bersama-sama memeriksa praktik dan ketidakadilan yang mereka alami (Kemmis dkk., 2014).
    • Menguatkan bukti perubahan dengan desain yang lebih kuat, misalnya deret waktu terputus bila desa punya data rutin (Bab 45), tanpa mengorbankan kendali komunitas.
    • Menulis bersama: konsultasikan naskah dengan mitra sebelum publikasi, akui kontribusi mereka, dan pertimbangkan kepengarangan bersama (Israel dkk., 1998).
    Intinya
    • PAR meneliti bersama komunitas: warga menjadi peneliti bersama, pengetahuan dipadukan dengan aksi, dan kegiatan berjalan dalam siklus rencana–tindakan–amati–refleksi. Berbeda dengan PTK, pelakunya komunitas, bukan guru di kelasnya.
    • Photovoice berjalan dari pelatihan, penugasan foto, diskusi SHOWeD, dan analisis partisipatif (memilih, memberi konteks, mengodifikasi) sampai pameran kepada pengambil keputusan dan aksi.
    • Etikanya khas: persetujuan orang tua dan assent anak, izin orang yang difoto, tanpa wajah anak yang dapat dikenali, foto milik pemotret, dan perhatian pada relasi kuasa (Bab 7B).
    Coba sendiri: kuis PAR dan photovoice
    Bagian XI

    Humaniora, Hukum, dan Sosial: Contoh Lengkap

    Tidak semua penelitian berangkat dari data lapangan. Penelitian hukum menganalisis norma, penelitian sejarah menyusun ulang masa lalu dari sumber, studi pustaka menafsirkan pemikiran tokoh, dan analisis wacana membongkar makna di balik bahasa media. Metode keempatnya sama ketatnya dengan penelitian kuantitatif: ada pertanyaan yang jelas, sumber yang dipilih dengan kriteria, analisis yang dapat ditelusuri, dan kesimpulan yang menjawab pertanyaan.

    1. Bab 56 Penelitian hukum normatif: isu hukum, lima pendekatan, bahan hukum, penafsiran, asas preferensi, pelindungan data pasien dalam RME
    2. Bab 56A Penelitian hukum empiris: law in action, pasal menjadi indikator, lima faktor Soekanto, sistem hukum Friedman, kepatuhan KTR di sekolah
    3. Bab 57 Penelitian sejarah: heuristik, sumber primer dan sekunder, sejarah lisan, kritik ekstern dan intern, interpretasi, historiografi
    4. Bab 58 Studi pustaka pemikiran tokoh: sumber primer dan sekunder, kartu data, analisis isi, hermeneutika, konsep pendidikan Ki Hadjar Dewantara
    5. Bab 58A Penelitian filsafat: analisis konsep, bentuk baku argumen, validitas, kontraeksemplar, keberatan–balasan, ekuilibrium reflektif, assent remaja
    6. Bab 59 Analisis wacana kritis model Fairclough: teks, praktik wacana, praktik sosiokultural, representasi remaja dan gawai di berita daring
    7. Bab 59A Semiotika: Saussure, Peirce, dan Barthes; denotasi, konotasi, dan mitos dalam iklan minuman energi untuk remaja; unit adegan, bacaan alternatif, hak cipta iklan
    Bab 56

    Contoh Lengkap Penelitian Hukum Normatif

    Penelitian hukum normatif (doktrinal) meneliti norma hukum: peraturan perundang-undangan, asas, doktrin, dan putusan pengadilan. Sumbernya bahan pustaka, bukan responden (Soekanto & Mamudji, 2011). Hasilnya bukan angka, melainkan argumentasi tentang bagaimana hukum seharusnya dibaca dan diterapkan. Karena itu sifatnya preskriptif (Marzuki, 2017).

    S1S2–S3

    Normatif atau empiris?

    Laras, teman SMA Rara, kini menempuh program magister di Fakultas Hukum Universitas X. Sejak Permenkes 24/2022 mewajibkan setiap fasilitas pelayanan kesehatan menyelenggarakan rekam medis elektronik (RME) paling lambat 31 Desember 2023, data pasien makin banyak tersimpan di server dan komputasi awan. Pada tahun yang sama, UU 27/2022 tentang Pelindungan Data Pribadi (UU PDP) menggolongkan data dan informasi kesehatan sebagai data pribadi yang bersifat spesifik. Setahun kemudian, UU 17/2023 tentang Kesehatan mengatur ulang rekam medis dan rahasia kesehatan pasien. Satu objek, banyak aturan. Pertanyaan Laras bukan "berapa rumah sakit yang patuh", tetapi "bagaimana norma-norma itu seharusnya dibaca bersama".

    Tabel 56.1 — Penelitian hukum normatif dan empiris
    AspekHukum normatif (doktrinal)Hukum empiris (sosiologis)
    ObjekNorma: hukum sebagaimana tertulis (law in books)Bekerjanya hukum di masyarakat (law in action)
    Contoh pertanyaanBagaimana pengaturan pelindungan data pasien dalam RME, dan apakah norma-normanya selaras?Bagaimana rumah sakit di Palembang melindungi data pasien dalam RME, dan apa kendalanya?
    SumberBahan hukum primer, sekunder, dan tersierData lapangan: wawancara, observasi, survei, dokumen
    AnalisisPenafsiran, sistematisasi, dan argumentasi hukumAnalisis kualitatif atau statistik
    HasilPreskripsi: apa yang seharusnyaDeskripsi dan penjelasan: apa yang terjadi
    Contoh di buku iniBab 56Contoh lengkap: Bab 56A; lihat juga studi kasus (Bab 33) dan cross-sectional (Bab 27)

    Keduanya sah dan bisa saling melengkapi. Soekanto dan Mamudji (2011) membedakan penelitian hukum normatif (kepustakaan) dari penelitian hukum sosiologis. Marzuki (2017) menegaskan bahwa ilmu hukum bersifat preskriptif; menurut pandangan ini, kajian tentang bekerjanya hukum di masyarakat lebih dekat ke ilmu sosial (sosio-legal). Ikuti istilah yang dipakai pedoman fakultasmu.

    Langkah 1 · Isu hukum dan judul

    Penelitian hukum berangkat dari isu hukum, bukan dari variabel. Isu hukum lazim dikelompokkan menjadi tiga.

    Tabel 56.2 — Tiga jenis isu hukum dan contohnya dalam topik Laras
    JenisArtinyaContoh
    Kekosongan normaBelum ada aturan, atau aturan pelaksana yang diperintahkan belum terbitUU PDP memerintahkan ketentuan lebih lanjut tentang penilaian dampak pelindungan data diatur dengan peraturan pemerintah (Pasal 34 ayat (3)). Laras memeriksa apakah aturan itu sudah terbit saat ia menulis.
    Kekaburan normaRumusan aturan dapat ditafsirkan lebih dari satu caraPermenkes 24/2022 membolehkan isi rekam medis dibuka untuk pendidikan dan penelitian tanpa persetujuan pasien, asalkan "tanpa membuka identitas pasien" (Pasal 35). Seberapa jauh data harus disamarkan?
    Konflik normaDua aturan mengatur hal yang sama secara berbedaPersetujuan pembukaan isi rekam medis untuk administrasi dan asuransi diberikan saat registrasi (Permenkes 24/2022 Pasal 34 ayat (7)). UU PDP meminta persetujuan yang sah secara eksplisit untuk tujuan tertentu (Pasal 20 ayat (2) huruf a). Apakah keduanya bertentangan?

    Contoh disusun untuk latihan metodologi, bukan pendapat hukum. Nomor pasal diperiksa dari salinan resmi di basis data peraturan pemerintah (JDIH).

    Pelindungan Hukum Data Pribadi Pasien dalam Penyelenggaraan Rekam Medis Elektronik di Fasilitas Pelayanan Kesehatan: Kajian Hukum Normatif
    Isu (apa yang dilindungi)Objek pengaturanRuang lingkupJenis penelitian
    • Tidak ada kata "hubungan" atau "pengaruh", karena tidak ada variabel yang diukur (Bab 1).
    • "Pelindungan", bukan "perlindungan": Laras mengikuti istilah resmi UU PDP. Dalam penelitian hukum, kata dalam peraturan adalah data.
    • Ruang lingkupnya tata hukum Indonesia, bukan satu rumah sakit. Karena itu tidak ada populasi dan sampel.

    Langkah 2 · Rumusan masalah, tujuan, dan pendekatan

    Rumusan masalah
    Tujuan
    Pendekatan & bahan utama
    Jawaban di kesimpulan
    1
    Bagaimana pengaturan pelindungan data pribadi pasien dalam penyelenggaraan RME menurut peraturan perundang-undangan Indonesia?
    Menginventarisasi dan menganalisis pengaturannya.
    Perundang-undangan; UU PDP, UU Kesehatan, Permenkes 24/2022
    Diatur berlapis dari UUD 1945 sampai Permenkes
    2
    Bagaimana keselarasan norma-norma tersebut, dan bagaimana tumpang tindihnya diselesaikan?
    Menilai sinkronisasi vertikal dan horizontal.
    Perundang-undangan dan konseptual; asas preferensi, putusan MK
    Sebagian besar selaras; dua titik kabur yang dapat diselaraskan
    3
    Bagaimana seharusnya pelindungan data pasien dalam RME diatur ke depan?
    Merumuskan rekomendasi pengaturan.
    Perbandingan (GDPR Uni Eropa) dan konseptual
    Standar penyamaran data dan persetujuan per tujuan
    Di mana hipotesisnya?

    Penelitian hukum normatif tidak menguji hipotesis statistik. Yang disusun adalah argumen sementara, misalnya "norma-norma itu sebagian besar selaras, tetapi ada kekaburan tentang persetujuan dan penyamaran identitas". Argumen ini diuji dengan bahan hukum, bukan dengan nilai p. Benang merahnya tetap sama: satu rumusan, satu tujuan, satu bagian pembahasan, satu kesimpulan.

    Marzuki (2017) mengenal lima pendekatan penelitian hukum. Laras memakai empat secara utama dan satu sebagai pelengkap:

    • Perundang-undangan: menelaah semua peraturan yang terkait isu, termasuk hierarki dan alasan pembentukannya (ratio legis).
    • Konseptual: membangun pengertian dari doktrin, misalnya hak atas privasi (Warren & Brandeis, 1890) dan pelindungan hukum preventif serta represif (Hadjon, 1987).
    • Kasus: menelaah alasan hukum (ratio decidendi) putusan. Putusan MK Nomor 151/PUU-XXII/2024 memaknai kata "dan" pada Pasal 53 ayat (1) huruf b UU PDP sebagai "dan/atau", sehingga satu kriteria saja sudah mewajibkan penunjukan pejabat pelindungan data.
    • Perbandingan: GDPR Uni Eropa menggolongkan data kesehatan sebagai kategori data khusus (Pasal 9), mirip data spesifik dalam UU PDP. Yang dibandingkan fungsi aturannya, bukan hanya bunyinya.
    • Historis (pelengkap): Permenkes 24/2022 mencabut Permenkes 269/2008 tentang Rekam Medis, lalu UU Kesehatan 2023 mencabut antara lain UU 36/2009 tentang Kesehatan, UU 29/2004 tentang Praktik Kedokteran, dan UU 44/2009 tentang Rumah Sakit.

    Langkah 3 · Bahan hukum dan studi kepustakaan

    Tabel 56.3 — Matriks bahan hukum menurut pendekatan
    Bahan hukumJenisPerundang-undanganKonseptualKasusPerbandinganHistoris
    UUD 1945, Pasal 28G ayat (1)Primer●○
    UU 27/2022 tentang Pelindungan Data PribadiPrimer●○○
    UU 17/2023 tentang KesehatanPrimer●○
    UU 12/2011 tentang Pembentukan Peraturan Perundang-undanganPrimer●
    PP 28/2024 (pelaksanaan UU Kesehatan)Primer●
    Permenkes 24/2022 tentang Rekam MedisPrimer●○
    Permenkes 269/2008 tentang Rekam Medis (sudah dicabut)Primer●
    Putusan MK Nomor 151/PUU-XXII/2024Primer○●
    GDPR Uni Eropa (Regulation (EU) 2016/679)Primer (asing)●
    Buku teks, artikel jurnal hukum, dan teori (Hadjon, 1987; Warren & Brandeis, 1890)Sekunder●○
    KBBI, kamus hukum, ensiklopediaTersier○○

    ● bahan utama; ○ bahan pendukung. Primer bersifat mengikat (peraturan, putusan); sekunder menjelaskan bahan primer (buku, jurnal, pendapat ahli); tersier memberi petunjuk tentang keduanya (kamus, ensiklopedia) (Soekanto & Mamudji, 2011).

    Coba sendiri: primer, sekunder, atau tersier?

    UU 27/2022 tentang Pelindungan Data Pribadi

    Primer: peraturan perundang-undangan mengikat.

    Buku teks metode penelitian hukum karya seorang guru besar

    Sekunder: pendapat ahli yang menjelaskan hukum, tidak mengikat.

    Kamus Besar Bahasa Indonesia (KBBI)

    Tersier: memberi petunjuk makna kata, dipakai untuk penafsiran gramatikal.

    Putusan Mahkamah Konstitusi Nomor 151/PUU-XXII/2024

    Primer: putusan pengadilan mengikat.

    Artikel jurnal hukum tentang keamanan RME di Indonesia

    Sekunder: hasil kajian yang menjelaskan dan mengkritik bahan primer.

    Ensiklopedia hukum yang memuat entri "rekam medis"

    Tersier: rujukan umum yang menunjukkan jalan ke bahan lain.

    Pilih jenis bahan hukum untuk keenam sumber.

    Studi kepustakaan Laras berjalan dalam tiga langkah:

    1. Inventarisasi: peraturan ditelusuri di basis data peraturan resmi (JDIH), putusan di laman resmi pengadilan dan MK, buku dan jurnal di perpustakaan.

    2. Periksa status: berlaku, diubah, dicabut, atau pernah diuji di MK. Contoh: Permenkes 24/2022 dibentuk ketika UU 36/2009 dan PP 46/2014 tentang Sistem Informasi Kesehatan masih berlaku. Keduanya kemudian dicabut oleh UU 17/2023 dan PP 28/2024. Laras memeriksa ketentuan peralihan kedua peraturan baru itu dan status Permenkes 24/2022 di JDIH (tercatat berlaku saat diperiksa pada 2026).

    3. Pakai salinan resmi dan klasifikasikan: kutip dari naskah resmi (dengan nomor Lembaran Negara atau Berita Negara), lalu catat setiap bahan menurut rumusan masalah dan pendekatan (Tabel 56.3).

    Etik: penelitian ini hanya memakai dokumen publik tanpa partisipan manusia, sehingga umumnya masuk kategori tidak berisiko. Keputusannya tetap di komisi etik (Bab 7B). Bila Laras menambah wawancara dengan petugas rekam medis, protokolnya harus ditelaah. Integritas akademik tetap berlaku: setiap kutipan bersumber, dan parafrase tidak mengubah makna pasal.

    Langkah 4 · Analisis: penafsiran dan asas preferensi

    A. Menafsirkan norma yang kabur

    Frasa "tanpa membuka identitas pasien" dalam Pasal 35 ayat (2) Permenkes 24/2022 dibaca dengan beberapa metode penafsiran (Mertokusumo, 2010).

    Tabel 56.4 — Metode penafsiran diterapkan pada satu frasa
    MetodePertanyaanPenerapan
    GramatikalApa arti kata menurut bahasa?KBBI mengartikan identitas sebagai jati diri. Bila dibaca sempit, cukup menghapus nama dan nomor rekam medis.
    SistematisApa artinya bila dibaca bersama aturan lain?UU PDP mendefinisikan data pribadi sebagai data orang yang dapat diidentifikasi, sendiri atau dikombinasi dengan informasi lain (Pasal 1 angka 1), dan memasukkan data yang dikombinasikan untuk mengidentifikasi seseorang (Pasal 4 ayat (3) huruf f). Tanggal lahir, kecamatan, dan diagnosis langka bersama-sama pun dapat membuka identitas.
    HistorisApa maksud pembentuk aturan?Menelusuri naskah akademik dan risalah pembahasan bila tersedia, serta aturan lama yang digantikan.
    Teleologis (sosiologis)Apa tujuan aturan itu?Permenkes 24/2022 bertujuan menjamin keamanan dan kerahasiaan data rekam medis (Pasal 2 huruf c). UU PDP memandang pelindungan data pribadi sebagai bagian dari hak asasi (konsiderans huruf a).
    KomparatifBagaimana aturan lain mengaturnya?GDPR membedakan data anonim dari data yang hanya disamarkan (pseudonim). Data pseudonim tetap dianggap data pribadi.
    Argumen Laras (contoh latihan)

    "Dibaca secara sistematis dan teleologis, frasa 'tanpa membuka identitas pasien' semestinya ditafsirkan secara ekstensif: identitas tidak boleh terbuka, baik secara langsung maupun lewat kombinasi data. Menghapus nama saja belum cukup." Ini tafsiran peneliti dalam contoh, bukan tafsiran resmi dan bukan nasihat hukum.

    B. Menyelesaikan tumpang tindih: asas preferensi

    Tabel 56.5 — Tiga asas preferensi dan penerapannya
    AsasArtinyaDalam topik Laras
    Lex superior derogat legi inferioriAturan yang lebih tinggi mengalahkan yang lebih rendahKekuatan hukum mengikuti hierarki (UU 12/2011 Pasal 7). Peraturan menteri diakui sepanjang diperintahkan peraturan yang lebih tinggi atau dibentuk berdasarkan kewenangan (Pasal 8). UU PDP sendiri menyatakan aturan lama tentang pelindungan data tetap berlaku sepanjang tidak bertentangan dengannya (Pasal 75).
    Lex specialis derogat legi generaliAturan khusus mengalahkan aturan umumUU Kesehatan khusus untuk sektor kesehatan; UU PDP khusus untuk data pribadi. Keduanya "khusus" dari sudut yang berbeda.
    Lex posterior derogat legi prioriAturan baru mengalahkan aturan lama yang setingkatUU Kesehatan (2023) lebih baru daripada UU PDP (2022). Namun, aturan umum yang baru lazimnya tidak dipakai untuk menyingkirkan aturan khusus yang lama.

    Asas preferensi tidak bekerja seperti mesin. Laras lebih dulu mencari penyelarasan, karena banyak pertentangan ternyata hanya konflik semu. Contohnya soal persetujuan pembukaan isi rekam medis saat registrasi:

    1. Pastikan objeknya sama. Kedua aturan mengatur pembukaan data kesehatan pasien untuk administrasi dan pembayaran asuransi.

    2. Cari penyelarasan. UU PDP tidak hanya mengenal persetujuan. Ada dasar pemrosesan lain, antara lain pemenuhan kewajiban perjanjian dan pemenuhan kewajiban hukum (Pasal 20 ayat (2) huruf b dan c). Jadi pembukaan untuk klaim asuransi tidak otomatis bertentangan.

    3. Uji syaratnya. Bila dasar yang dipakai adalah persetujuan, persetujuan saat registrasi harus memenuhi syarat UU PDP: eksplisit dan untuk tujuan tertentu yang disampaikan. Formulir umum yang samar berisiko tidak memenuhinya.

    4. Simpulkan. Kedua aturan dapat dibaca secara kumulatif: fasilitas kesehatan memenuhi Permenkes dan standar UU PDP. Ini konflik semu, sehingga asas preferensi tidak perlu dipakai untuk menyingkirkan salah satunya.

    lex superior: makin ke atas makin kuat Dasar konstitusional UUD 1945 · Pasal 28G ayat (1) hak atas pelindungan diri pribadi Undang-undang umum tentang data pribadi UU 27/2022 (UU PDP) semua data pribadi; data kesehatan = data spesifik Undang-undang sektor kesehatan UU 17/2023 (UU Kesehatan) sektor kesehatan: rekam medis dan rahasia kesehatan pasien Sesama undang-undang: lex specialis atau lex posterior? Selaraskan dulu. Peraturan pemerintah PP 28/2024 pelaksanaan UU Kesehatan Pasal 75 UU PDP: tetapberlaku bila tidakbertentangan Peraturan menteri Permenkes 24/2022 tentang Rekam Medis wajib RME, kerahasiaan, pembukaan isi rekam medis
    Gambar 56.1 — Lapisan norma pelindungan data pasien dalam RME. Garis putus-putus menandai hubungan yang statusnya perlu diperiksa lewat ketentuan peralihan, karena Permenkes 24/2022 dibentuk sebelum UU Kesehatan 2023 dan PP 28/2024.

    Langkah 5 · Hasil: peta norma dan pembahasan

    Tabel 56.6 — Inventarisasi norma yang terkait (bahan hukum primer)
    PeraturanKetentuan yang relevan
    UUD 1945Pasal 28G ayat (1): hak atas pelindungan diri pribadi; dirujuk dalam dasar "Mengingat" UU PDP.
    UU 27/2022 (UU PDP)Data dan informasi kesehatan termasuk data spesifik (Pasal 4 ayat (2) huruf a); dasar pemrosesan (Pasal 20); penilaian dampak untuk pemrosesan berisiko tinggi, termasuk data spesifik (Pasal 34); pemberitahuan tertulis paling lambat 3 × 24 jam bila terjadi kegagalan pelindungan (Pasal 46); pejabat pelindungan data (Pasal 53, lihat Putusan MK 151/PUU-XXII/2024); masa penyesuaian 2 tahun (Pasal 74); aturan lama tetap berlaku sepanjang tidak bertentangan (Pasal 75).
    UU 17/2023 (UU Kesehatan)Ketentuan tentang rekam medis dan rahasia kesehatan pasien; mencabut antara lain UU 36/2009, UU 29/2004, dan UU 44/2009.
    PP 28/2024Peraturan pelaksanaan UU Kesehatan, termasuk sistem informasi kesehatan; mencabut antara lain PP 46/2014.
    Permenkes 24/2022Wajib RME (Pasal 3); penyimpanan yang menjamin keamanan, keutuhan, kerahasiaan, dan ketersediaan, dengan cadangan data (Pasal 20); isi rekam medis milik pasien (Pasal 26); prinsip kerahasiaan, integritas, dan ketersediaan (Pasal 29); kerahasiaan tetap dijaga walaupun pasien meninggal (Pasal 32); pembukaan isi rekam medis (Pasal 33–37); batas penerapan RME 31 Desember 2023 (Pasal 45).

    Nomor pasal UU Kesehatan dan PP 28/2024 dikutip Laras langsung dari naskah resminya di tesis. Status setiap peraturan diperiksa ulang sebelum naskah dikumpulkan.

    Pembahasan dalam tesis hukum menggabungkan norma, tafsiran, dan pendapat peneliti. Contoh satu paragraf:

    Permenkes 24/2022 mewajibkan isi rekam medis dijaga kerahasiaannya oleh semua pihak, bahkan setelah pasien meninggal (Pasal 32). UU PDP menggolongkan data kesehatan sebagai data spesifik yang pemrosesannya berisiko tinggi, sehingga memerlukan penilaian dampak (Pasal 4 dan Pasal 34). Dalam kerangka pelindungan hukum preventif (Hadjon, 1987), kedua aturan itu saling menguatkan: yang satu menetapkan kewajiban kerahasiaan, yang lain menetapkan cara menilai dan menekan risikonya. Menurut peneliti, yang masih kurang adalah pedoman teknis penyamaran data untuk pendidikan dan penelitian, serta standar persetujuan per tujuan. Keterbatasan: kajian ini menilai norma, bukan pelaksanaannya di rumah sakit, dan peraturan pelaksana dapat berubah setelah naskah ditulis.

    NormaTafsiran & teoriPendapat penelitiKeterbatasan

    Langkah 6 · Sistematika tesis hukum

    Tabel 56.7 — Susunan bab tesis Laras
    BabIsi
    I PendahuluanLatar belakang (isu hukum), rumusan masalah, tujuan, manfaat, orisinalitas, kerangka teori dan konseptual, metode penelitian (jenis, pendekatan, bahan hukum, teknik pengumpulan, analisis), sistematika penulisan
    II Tinjauan pustakaTeori pelindungan hukum, konsep privasi dan data pribadi, rekam medis elektronik
    III Pembahasan rumusan 1Pengaturan pelindungan data pasien dalam RME
    IV Pembahasan rumusan 2Keselarasan norma dan penyelesaian tumpang tindih
    V Pembahasan rumusan 3Pengaturan yang seharusnya, dengan perbandingan
    VI PenutupKesimpulan dan saran

    Perhatikan dua ciri khasnya. Tidak ada bab "Hasil" yang terpisah dari "Pembahasan": setiap rumusan masalah dibahas dalam babnya sendiri. Metode penelitian sering ditulis di Bab I, bukan bab tersendiri. Ikuti pedoman kampus.

    Langkah 7 · Kesimpulan dan saran

    Kesimpulan (satu untuk setiap rumusan masalah; contoh latihan):

    1. Pelindungan data pasien dalam RME diatur berlapis: UUD 1945 (hak atas pelindungan diri pribadi), UU PDP (data kesehatan sebagai data spesifik, dasar pemrosesan, penilaian dampak, pemberitahuan kegagalan), UU Kesehatan 2023 dan peraturan pelaksananya (rekam medis dan rahasia pasien), serta Permenkes 24/2022 (kewajiban RME, kerahasiaan, dan pembukaan isi).

    2. Norma-norma itu sebagian besar selaras. Ada dua titik kabur: syarat persetujuan pembukaan isi rekam medis saat registrasi dan makna "tanpa membuka identitas pasien". Keduanya konflik semu yang dapat diselaraskan dengan penafsiran sistematis dan teleologis.

    3. Pengaturan ke depan perlu menegaskan standar penyamaran data dan persetujuan per tujuan dalam aturan sektor kesehatan, dengan belajar dari pembedaan data anonim dan data pseudonim dalam GDPR.

    Saran lahir dari kesimpulan (Bab 12): Kementerian Kesehatan menyusun pedoman teknis penyamaran data rekam medis untuk pendidikan dan penelitian; fasilitas kesehatan melakukan penilaian dampak dan menunjuk pejabat pelindungan data; peneliti berikutnya meneliti pelaksanaannya di rumah sakit secara empiris, misalnya dengan studi kasus (Bab 33).

    Awas, keliru!
    • Menyebar kuesioner lalu menyebutnya penelitian normatif. Bila datanya dari lapangan, itu penelitian empiris.
    • Mengutip pasal yang sudah dicabut, diubah, atau dimaknai ulang oleh MK. Selalu periksa status peraturan.
    • Hanya menyalin bunyi pasal tanpa penafsiran dan argumentasi. Tabel inventarisasi baru bahan, belum analisis.
    • Langsung menyatakan "konflik norma" sebelum mencoba menyelaraskan. Banyak pertentangan hanya konflik semu.
    • Mengutip pasal dari blog atau ringkasan, bukan dari salinan resmi.
    • Saran yang tidak lahir dari kesimpulan, misalnya saran teknis tentang perangkat lunak yang tidak pernah dibahas.
    Pojok S2–S3
    • Ruang lingkup penelitian normatif menurut Soekanto dan Mamudji (2011) mencakup asas hukum, sistematik hukum, taraf sinkronisasi vertikal dan horizontal, perbandingan hukum, dan sejarah hukum. Rumusan 2 Laras adalah penelitian sinkronisasi.
    • Ius constitutum dan ius constituendum: rumusan 1 dan 2 membahas hukum yang berlaku, rumusan 3 membahas hukum yang dicita-citakan. Pisahkan keduanya dalam bab dan kesimpulan.
    • Kebaruan disertasi hukum biasanya berupa konsep, asas, atau model pengaturan baru, misalnya model persetujuan berlapis per tujuan untuk data kesehatan, yang dipertahankan dengan argumentasi.
    • Penelitian hukum campuran: kajian normatif dapat dilanjutkan dengan kajian empiris tentang kepatuhan. Keduanya perlu metode dan etik masing-masing.
    Intinya
    • Penelitian hukum normatif meneliti norma dengan bahan hukum primer, sekunder, dan tersier; tidak ada populasi, sampel, atau uji statistik.
    • Analisisnya berupa penafsiran (gramatikal, sistematis, historis, teleologis, komparatif) dan asas preferensi, dengan penyelarasan lebih dulu.
    • Hasilnya preskriptif: setiap rumusan dijawab dalam bab pembahasan, kesimpulan, dan saran, dengan pasal yang dikutip dari salinan resmi dan statusnya sudah diperiksa.
    Coba sendiri: kuis penelitian hukum normatif
    Bab 56A

    Contoh Lengkap Penelitian Hukum Empiris

    Penelitian hukum empiris (sosiologis, sosio-legal) meneliti bekerjanya hukum di masyarakat: apakah aturan diketahui, dipatuhi, ditegakkan, dan mencapai tujuannya. Datanya diambil dari lapangan lewat dokumen, observasi, survei, dan wawancara (Soekanto & Mamudji, 2011; Fajar & Achmad, 2010). Bab ini adalah pasangan empiris dari penelitian normatif di Bab 56.

    S1S2–S3

    Dari hukum di atas kertas ke hukum di lapangan

    Fadli, mahasiswa S1 Ilmu Hukum Universitas X, membaca hasil Bab 45: setelah Peraturan Daerah (Perda) Kawasan Tanpa Rokok (KTR) Kota X ditegakkan mulai 1 Januari 2025, kunjungan asma dan ISPA anak turun. Namun ia masih sering melihat puntung di dekat gerbang sekolah. Pertanyaannya: apakah Perda itu benar-benar dijalankan di sekolah? Pasal memberi tahu apa yang seharusnya terjadi. Hanya lapangan yang memperlihatkan apa yang benar-benar terjadi.

    Tabel 56A.1 — Satu isu, dua jenis penelitian hukum
    AspekNormatif (Bab 56)Empiris (bab ini)
    Pertanyaan tentang KTRBagaimana KTR di sekolah diatur, dan apakah Perda Kota X selaras dengan UU 17/2023 dan PP 28/2024?Seberapa patuh sekolah di Kota X, bagaimana aturan ditegakkan, dan apa penghambatnya?
    ObjekNorma: hukum sebagaimana tertulis (law in books)Perilaku orang dan kerja lembaga (law in action)
    Data dan sampelBahan hukum primer, sekunder, tersier; tanpa sampelDokumen, observasi, survei, wawancara; sampel sekolah dan informan
    Teori dan analisisAsas dan doktrin; penafsiran dan argumentasiEfektivitas, sistem hukum, kesadaran hukum; statistik deskriptif dan analisis kualitatif
    KesimpulanPreskriptif: apa yang seharusnyaDeskriptif-evaluatif: seberapa efektif, dan mengapa

    Penelitian empiris tetap berangkat dari norma. Langkah pertamanya justru membaca aturan dengan cermat, lalu menerjemahkannya menjadi hal yang dapat diamati.

    Langkah 1 · Norma yang diuji dan judul

    Tabel 56A.2 — Dari pasal ke indikator lapangan
    KetentuanIsi singkatYang diamati atau ditanyakan
    UU 17/2023 Pasal 151 ayat (1) huruf b dan ayat (2)Tempat proses belajar mengajar adalah KTR; pemerintah daerah wajib menetapkan dan mengimplementasikan KTRTidak ada orang merokok, puntung, atau bau asap di sekolah
    UU 17/2023 Pasal 437 ayat (2)Pelanggar KTR dipidana denda paling banyak Rp50 jutaCatatan penindakan Satpol PP dan sidang tindak pidana ringan
    PP 28/2024 Pasal 442 ayat (1) dan Pasal 443KTR dilarang untuk merokok serta untuk menjual, mengiklankan, dan mempromosikan produk tembakau dan rokok elektronik; ditetapkan dengan Perda. Tempat khusus merokok hanya diwajibkan di tempat kerja, tempat umum, dan tempat lain, bukan di tempat belajarTidak ada asbak atau "pojok merokok"; rokok elektronik ikut diamati
    PP 28/2024 Pasal 434 ayat (1) huruf b dan eDilarang menjual rokok kepada orang di bawah 21 tahun dan dalam radius 200 meter dari satuan pendidikanWarung yang memajang rokok di sekitar sekolah
    Permendikbud 64/2015 Pasal 4Sekolah memuat larangan dalam tata tertib, menolak sponsor dan iklan rokok, melarang penjualan di kantin, dan memasang tanda KTRTata tertib, tanda di pintu masuk, kantin, spanduk kegiatan
    Permendikbud 64/2015 Pasal 5Kepala sekolah wajib menegur atau mengambil tindakan; warga sekolah dapat menegur atau melapor; dinas pendidikan dapat menegur kepala sekolahBuku catatan teguran, wawancara
    Perda KTR Kota X (simulasi)Disahkan 2023; sanksi ditegakkan mulai 1 Januari 2025; belum menyebut rokok elektronikDokumen dan wawancara

    Nomor pasal diperiksa dari salinan resmi. PP 28/2024 mencabut PP 109/2012 tentang pengamanan produk tembakau, jadi rujukan lama tidak dipakai lagi. Perda Kota X adalah simulasi.

    Efektivitas Penerapan Kawasan Tanpa Rokok di Lingkungan Sekolah Berdasarkan Perda KTR Kota X: Penelitian Hukum Empiris
    Yang dinilaiNorma yang diterapkanTempat berlakunyaDasar hukum & wilayahJenis penelitian
    • "Efektivitas" berarti menilai, sehingga kriteria efektif harus ditetapkan sebelum data dikumpulkan (Langkah 2).
    • Tidak ada kata "pengaruh": Fadli tidak memberi perlakuan apa pun (Bab 1).
    • Ruang lingkupnya satu kota dan satu jenis tempat, berbeda dengan Bab 56 yang lingkupnya tata hukum nasional.

    Langkah 2 · Rumusan, teori, dan kriteria efektivitas

    Rumusan masalah
    Tujuan
    Data & teori
    Jawaban di kesimpulan
    1
    Bagaimana kepatuhan sekolah di Kota X terhadap ketentuan KTR?
    Mengukur kepatuhan per indikator dan jenjang.
    Observasi 36 sekolah; survei siswa dan guru
    Belum efektif: perkiraan kota 46,8% sekolah patuh penuh
    2
    Bagaimana ketentuan KTR ditegakkan oleh sekolah dan pemerintah kota?
    Menggambarkan penegakannya.
    Dokumen dan wawancara
    Teguran hampir hanya untuk siswa; denda belum pernah dijatuhkan di sekolah
    3
    Faktor apa yang mendukung dan menghambat efektivitasnya?
    Menjelaskan tingkat efektivitas.
    Wawancara dan survei; teori Soekanto dan Friedman
    Hambatan terbesar: penegak hukum, masyarakat, kebudayaan

    Tiga teori dipakai sejak awal, bukan ditempel di Bab II:

    • Lima faktor penegakan hukum (Soekanto, 2019): hukumnya sendiri, penegak hukum, sarana atau fasilitas, masyarakat, dan kebudayaan. Kelimanya saling berkaitan dan menjadi tolok ukur efektivitas penegakan hukum. Dipakai sebagai buku kode wawancara.
    • Sistem hukum (Friedman, 1975): struktur (lembaga dan aparat), substansi (aturan), dan budaya hukum (sikap dan nilai orang terhadap hukum). Dipakai untuk mengelompokkan temuan.
    • Kesadaran hukum (Soekanto, 1982): pengetahuan tentang peraturan, pemahaman isinya, sikap, dan pola perilaku. Dipakai untuk menyusun kuesioner.
    Efektif: ≥ 80% sekolah patuh penuh · Cukup efektif: 50–79% · Belum efektif: < 50%Patuh penuh = kedelapan indikator terpenuhi pada dua kunjungan. Ambang disepakati bersama pembimbing di proposal, mengacu pada target program KTR kota (simulasi). Penegakan (rumusan 2) dinilai secara kualitatif. Ambang yang dipilih setelah melihat data sama dengan menggeser tiang gawang. Tidak ada hipotesis statistik; dugaan kerjanya: kepatuhan administratif tinggi, kepatuhan perilaku rendah.

    Langkah 3 · Metode: sekolah, orang, dan dokumen

    Tabel 56A.3 — Empat sumber data (data simulasi)
    SumberSampel dan caraInstrumenRumusan
    Observasi36 dari 334 sekolah (214 SD, 68 SMP, 52 SMA/SMK), diacak berstrata 12 per jenjang; dua kunjungan: jam istirahat dan jam pulangLembar observasi 8 indikator; dua pengamat1
    Survei432 dari 480 siswa kelas 8 dan 11 di 24 SMP dan SMA/SMK (90,0%); 171 dari 180 guru dan tenaga kependidikan di 36 sekolah (95,0%)Kuesioner anonim menurut empat indikator kesadaran hukum1, 3
    DokumenPerda, SK kepala sekolah, tata tertib, buku catatan teguran 2025, laporan Satpol PP 2025Lembar telaah dokumen2
    Wawancara16 informan kunci dipilih purposif setelah observasi: 6 kepala sekolah (3 sekolah patuh, 3 tidak), 4 guru BK, 2 petugas Satpol PP, 1 pejabat dinas kesehatan, 1 pejabat dinas pendidikan, 2 pengelola kantinPedoman wawancara menurut lima faktor2, 3
    n = z² · p(1 − p) / d² × deff = 1,96² × 0,5 × 0,5 / 0,07² × 2 = 392 → 436Besar sampel siswa dengan rumus proporsi (Lemeshow dkk., 1990): p = 0,5 karena proporsinya belum diketahui, presisi d = 0,07, dan efek desain 2 karena siswa dikelompokkan per sekolah (Bab 43). Setelah antisipasi 10% tidak merespons, 392 / 0,9 = 436. Fadli mengundang 20 siswa acak dari daftar kelas di setiap sekolah: 24 × 20 = 480.
    • Aturan penilaian: satu indikator dinyatakan terpenuhi hanya bila terpenuhi pada kedua kunjungan.
    • Reliabilitas pengamat: uji coba di 6 sekolah di luar sampel. Kedua pengamat sepakat pada 45 dari 48 penilaian (93,8%), kappa Cohen = 0,85.
    • Yang dicatat adalah peran orang yang merokok (siswa, guru, tamu), bukan identitasnya. Di luar pagar, pengamat mencatat warung yang memajang rokok dalam radius 200 meter.

    Etika. Protokol ditelaah komisi etik sosial-humaniora (Bab 7B). Karena melibatkan anak, penelitian ini masuk kategori berisiko tinggi (merah). Izin penelitian dari dinas pendidikan dan pemerintah daerah diurus terpisah.

    • Siswa: izin orang tua dan assent siswa (Bab 7A; dasar filosofisnya di Bab 58A). Kuesioner tanpa nama diisi tanpa kehadiran wali kelas; siswa boleh berhenti kapan saja.
    • Pelanggar tidak dikenali: tanpa nama dan foto wajah; sekolah dikode S01–S36 dan hanya menerima laporan tentang dirinya sendiri.
    • Tidak menjebak: pengamat tidak membeli rokok dan tidak pernah memakai anak untuk "uji beli". Fadli bukan aparat: temuan yang membahayakan siswa dilaporkan kepada kepala sekolah sesuai protokol.

    Langkah 4 · Analisis: angka, dokumen, dan cerita

    Kuantitatif. Persentase per indikator dan jenjang, skor kepatuhan 0–8 per sekolah, dan perkiraan untuk seluruh kota. Karena setiap jenjang diambil 12 sekolah padahal SD jauh lebih banyak, angka kota dihitung dengan bobot jumlah sekolah tiap jenjang (Bab 27A).

    Analyze▸Descriptive Statistics▸Crosstabs

    Rows = jenjang; Columns = patuh_penuh. Cells: Row percentages. Exact: Exact.

    Output — Crosstabs
    jenjang * patuh_penuhTidak: Count (% within jenjang)Ya: Count (% within jenjang)Total
    SD5 (41,7%)7 (58,3%)12
    SMP8 (66,7%)4 (33,3%)12
    SMA/SMK10 (83,3%)2 (16,7%)12
    Total23 (63,9%)13 (36,1%)36

    SPSS memberi catatan bahwa 3 dari 6 sel (50,0%) punya frekuensi harapan kurang dari 5 (minimum 4,33). Karena itu Fadli memakai uji eksak Fisher–Freeman–Halton: p = 0,132. Dengan 12 sekolah per jenjang, perbedaan antarjenjang ditulis sebagai kecenderungan, bukan kepastian.

    Kualitatif. Transkrip dikode secara deduktif dengan lima faktor Soekanto sebagai buku kode awal, lalu ditambah kode induktif yang muncul dari data, misalnya "rokok elektronik" dan "wilayah gerbang". Setiap kode diberi tanda mendukung atau menghambat. Integrasi: hasil angka dan wawancara dijejerkan dalam joint display (Bab 35).

    Coba sendiri: kode kutipan ke lima faktor Soekanto

    "Perda kita disahkan sebelum ramai vape. Anak-anak bilang vape tidak dilarang." (kepala SMA)

    Hukum: masalahnya ada pada isi aturan yang belum mencakup rokok elektronik.

    "Sekolah itu urusan kepala sekolah. Kami fokus ke tempat umum." (petugas Satpol PP)

    Penegak hukum: cara aparat memahami perannya menentukan apakah aturan ditegakkan.

    "Tandanya dipasang waktu peluncuran. Sekarang sudah pudar, tertutup spanduk lomba." (guru BK)

    Sarana atau fasilitas: perlengkapan penegakan ada, tetapi tidak dirawat.

    "Yang merokok di gerbang itu bapak-bapak yang menjemput anaknya." (kepala SD)

    Masyarakat: lingkungan tempat hukum berlaku, di sini orang tua dan pengantar.

    "Beliau lebih senior. Tidak pantas yang muda menegur yang tua." (guru)

    Kebudayaan: nilai sopan santun terhadap yang lebih tua melemahkan teguran.

    Pilih faktor untuk kelima kutipan.

    Langkah 5 · Hasil

    A. Kepatuhan sekolah

    Tabel 56A.4 — Sekolah yang memenuhi tiap indikator (data simulasi)
    IndikatorSDSMPSMA/SMKTotal (n = 36)
    Administratif
    Tanda KTR di pintu masuk1110930 (83,3%)
    Larangan dalam tata tertib10111233 (91,7%)
    Tanpa asbak atau pojok merokok1210931 (86,1%)
    Tanpa penjualan rokok12121135 (97,2%)
    Tanpa iklan atau sponsor rokok12121135 (97,2%)
    Perilaku
    Tanpa puntung rokok95317 (47,2%)
    Tanpa bau asap rokok118625 (69,4%)
    Tanpa orang merokok107522 (61,1%)
    Patuh penuh (8 dari 8)7 (58,3%)4 (33,3%)2 (16,7%)13 (36,1%)

    Angka per jenjang = jumlah sekolah dari 12. Perkiraan kota berbobot: (214 × 7/12 + 68 × 4/12 + 52 × 2/12) / 334 = 46,8% sekolah patuh penuh. Tanpa bobot angkanya 36,1%, terlalu rendah karena SMP dan SMA/SMK terwakili berlebihan. Rerata skor kepatuhan (0–8): SD 7,25; SMP 6,25; SMA/SMK 5,50.

    Gambar 56A.1 — Kepatuhan per indikator di 36 sekolah

    Persentase sekolah yang memenuhi indikator pada kedua kunjungan (data simulasi)
    0% 25% 50% 75% 100% Tanda KTR di pintu masuk Tanda KTR di pintu masuk: 30 dari 36 sekolah (83,3%) 83,3% Larangan dalam tata tertib Larangan dalam tata tertib: 33 dari 36 sekolah (91,7%) 91,7% Tanpa asbak atau pojok merokok Tanpa asbak atau pojok merokok: 31 dari 36 sekolah (86,1%) 86,1% Tanpa penjualan rokok Tanpa penjualan rokok: 35 dari 36 sekolah (97,2%) 97,2% Tanpa iklan atau sponsor rokok Tanpa iklan atau sponsor rokok: 35 dari 36 sekolah (97,2%) 97,2% Tanpa puntung rokok Tanpa puntung rokok: 17 dari 36 sekolah (47,2%) 47,2% Tanpa bau asap rokok Tanpa bau asap rokok: 25 dari 36 sekolah (69,4%) 69,4% Tanpa orang merokok Tanpa orang merokok: 22 dari 36 sekolah (61,1%) 61,1% Administratif Perilaku

    Polanya jelas. Indikator administratif terpenuhi pada 164 dari 180 penilaian (91,1%), indikator perilaku hanya 64 dari 108 (59,3%). Di 14 sekolah terlihat orang merokok. Dari 31 orang yang terlihat, 13 adalah orang tua, tamu, atau pengojek di area gerbang dalam pagar, 9 guru atau tenaga kependidikan, 6 siswa, dan 3 pedagang. Di satu SMA/SMK yang terlihat adalah rokok elektronik: tidak ada puntung, tetapi aromanya tercium. Di luar pagar, warung yang memajang rokok ditemukan dalam radius 200 meter dari 29 sekolah (80,6%).

    B. Penegakan menurut dokumen

    • SK kepala sekolah tentang KTR: ada di 21 dari 36 sekolah (58,3%). Kanal pelaporan (kotak atau nomor aduan): 5 sekolah (13,9%).
    • Teguran tertulis 2025: 27 teguran di 36 sekolah, yaitu 24 kepada siswa, 3 kepada guru atau tenaga kependidikan, dan tidak ada kepada tamu.
    • Satpol PP 2025: inspeksi mendadak KTR di 11 dari 334 sekolah; belum ada denda atau sidang tindak pidana ringan untuk pelanggaran di sekolah.
    • Dinas pendidikan: satu surat edaran KTR (Februari 2025); belum ada pemantauan rutin dan belum ada teguran kepada kepala sekolah.

    C. Kesadaran hukum siswa dan guru

    Tabel 56A.5 — Empat indikator kesadaran hukum (data simulasi)
    IndikatorButirSiswa (n = 432)Guru (n = 171)
    PengetahuanTahu sekolah termasuk KTR389 (90,0%)165 (96,5%)
    PemahamanTahu larangan juga berlaku untuk rokok elektronik229 (53,0%)104 (60,8%)
    Tahu ada ancaman denda121 (28,0%)79 (46,2%)
    SikapSetuju sekolah sepenuhnya bebas asap, termasuk bagi tamu380 (88,0%)142 (83,0%)
    Setuju guru yang merokok di sekolah ditegur350 (81,0%)111 (64,9%)
    PerilakuMelihat orang merokok di sekolah dalam 30 hari terakhir156 (36,1%)58 (33,9%)
    Pernah menegur atau melaporkan orang yang merokok di sekolah35 (8,1%)49 (28,7%)

    Tahu dan setuju belum berarti bertindak. Sebanyak 81,0% siswa setuju guru yang merokok ditegur, tetapi hanya 8,1% yang pernah menegur atau melapor.

    D. Menggabungkan: joint display

    Tabel 56A.6 — Lima faktor Soekanto dalam tiga komponen sistem hukum Friedman (data simulasi)
    Faktor (komponen)Angka dan dokumenWawancaraKesesuaianMakna
    Hukum (substansi)Larangan ada di 91,7% tata tertib, tetapi hanya 53,0% siswa tahu rokok elektronik ikut dilarangPerda disahkan sebelum ada aturan rokok elektronik; batas "lingkungan sekolah" di gerbang tidak jelasKonfirmasiPerda perlu diselaraskan dengan PP 28/2024
    Penegak hukum (struktur)24 dari 27 teguran untuk siswa; inspeksi di 11 dari 334 sekolah; tanpa dendaSatpol PP melimpahkan ke sekolah; kepala sekolah segan menegur guruKonfirmasiPenegakan berhenti di siswa
    Sarana (struktur)Tanda di 83,3% sekolah; kanal pelaporan hanya 13,9%Tanda pudar; tidak ada anggaran perawatanPerluasanTanda ada, jalur melapor tidak ada
    Masyarakat (budaya hukum)Puntung di 19 sekolah; 13 dari 31 perokok adalah orang tua, tamu, atau pengojek; warung dekat 29 sekolahPenjemput dan pengojek merokok di gerbang saat jam pulangPerluasanKelompok perokok terbesar datang dari luar warga sekolah
    Kebudayaan (budaya hukum)81,0% siswa setuju guru ditegur; hanya 8,1% pernah menegurSungkan menegur yang lebih senior; rokok sebagai tanda hormatDiskordansi sikap dan perilaku; wawancara menjelaskannyaPenegakan tidak boleh bergantung pada keberanian pribadi

    Faktor pendukung juga dicatat: di sekolah yang patuh penuh, kepala sekolah tidak merokok dan OSIS punya "duta KTR" yang ikut mengawasi saat jam pulang.

    Langkah 6 · Pembahasan, kesimpulan, dan saran

    Penerapan KTR di sekolah Kota X kuat pada kewajiban administratif (91,1% indikator terpenuhi) tetapi lemah pada perilaku (59,3%). Perkiraan kota hanya 46,8% sekolah patuh penuh, dan teguran hampir hanya menyasar siswa. Kelima faktor Soekanto (2019) saling berkaitan: substansi hukum sudah ada, tetapi struktur dan budaya hukum belum mendukungnya (Friedman, 1975). Jarak antara sikap dan perilaku menegur menunjukkan mengapa kesadaran hukum perlu diukur dengan beberapa indikator (Soekanto, 1982). Menurut peneliti, efektivitas tidak akan naik hanya dengan menambah tanda. Yang dibutuhkan adalah penegakan yang tidak bergantung pada keberanian guru muda, misalnya kanal pelaporan anonim dan pengawasan jam pulang. Keterbatasan: dua kunjungan per sekolah; pengamat terlihat sehingga orang bisa berubah perilaku saat diamati; survei berupa laporan diri; satu kota; 12 sekolah per jenjang.

    TemuanTeoriPendapat penelitiKeterbatasan

    Kesimpulan (satu untuk setiap rumusan, memakai kriteria Langkah 2):

    1. Kepatuhan sekolah terhadap ketentuan KTR di Kota X belum efektif: 13 dari 36 sekolah patuh penuh, dengan perkiraan kota 46,8%. Di SD cukup efektif (58,3%); di SMP (33,3%) dan SMA/SMK (16,7%) belum efektif. Kewajiban administratif hampir terpenuhi, larangan perilaku belum.

    2. Penegakan berjalan di tingkat sekolah tetapi timpang: teguran tertulis hampir seluruhnya untuk siswa, aparat kota jarang mengawasi sekolah, dan denda belum pernah dijatuhkan untuk pelanggaran di sekolah.

    3. Penghambat utama adalah faktor penegak hukum, masyarakat (perokok dari luar warga sekolah), dan kebudayaan (sungkan menegur yang lebih senior). Faktor hukum ikut menghambat karena Perda belum mengatur rokok elektronik dan wilayah gerbang. Pendukungnya adalah teladan kepala sekolah dan keterlibatan OSIS.

    Saran lahir dari kesimpulan (Bab 12): Pemerintah Kota X mengkaji penyelarasan Perda dengan PP 28/2024 secara normatif lebih dulu (Bab 56); dinas pendidikan memantau sekolah secara rutin; sekolah menyediakan kanal pelaporan anonim, teguran berjenjang tanpa kekerasan, dan pengawasan jam pulang; peneliti berikutnya mengulang observasi berkala (Bab 45).

    Awas, keliru!
    • "Perda KTR berpengaruh signifikan terhadap kepatuhan." Tidak ada perlakuan dan tidak ada uji pengaruh. Tulis "belum efektif menurut kriteria yang ditetapkan, terutama karena …".
    • Menulis "Perda seharusnya direvisi" sebagai kesimpulan. Itu saran, dan klaim tentang apa yang seharusnya memerlukan analisis normatif.
    • Hanya memeriksa kepatuhan administratif (ada tanda, ada SK), lalu menyimpulkan KTR sudah efektif.
    • Melaporkan rata-rata sampel sebagai angka kota padahal alokasi per jenjang sama besar.
    • Mencantumkan nama atau foto pelanggar, atau menguji warung dengan menyuruh anak membeli rokok.
    Pojok S2–S3
    • Jenis kepatuhan: Kelman (1958) membedakan compliance (patuh karena takut sanksi atau ingin imbalan), identifikasi (patuh karena ingin sama dengan panutan), dan internalisasi (patuh karena nilainya diyakini). Mengukurnya membantu memilih strategi: sanksi, teladan, atau pendidikan.
    • Evaluasi dampak: observasi berkala sebelum dan sesudah perubahan Perda dapat dianalisis dengan deret waktu terputus, idealnya dengan kota pembanding (Bab 45).
    • Empiris dan normatif dalam satu disertasi: temuan lapangan (Perda belum mengatur rokok elektronik) menjadi isu hukum yang kemudian dianalisis secara normatif.
    Intinya
    • Penelitian hukum empiris menilai bekerjanya hukum di lapangan: pasal diturunkan menjadi indikator, lalu diukur dengan dokumen, observasi, survei, dan wawancara.
    • Teori khasnya lima faktor penegakan hukum (Soekanto), tiga komponen sistem hukum (Friedman), dan indikator kesadaran hukum. Teori dipakai untuk menyusun instrumen dan mengode data.
    • Kesimpulannya deskriptif-evaluatif menurut kriteria yang ditetapkan lebih dulu. Etikanya menuntut perlindungan anak, kerahasiaan pelanggar, dan larangan menjebak.
    Coba sendiri: kuis penelitian hukum empiris
    Bab 57

    Contoh Lengkap Penelitian Sejarah

    Penelitian sejarah merekonstruksi masa lampau dari jejak yang ditinggalkannya. Metodenya adalah proses menguji dan menganalisis secara kritis rekaman dan peninggalan masa lampau (Gottschalk, 1985). Dalam tradisi Indonesia, langkahnya dirumuskan menjadi lima tahap: pemilihan topik, heuristik, verifikasi, interpretasi, dan historiografi (Kuntowijoyo, 2013).

    SMP–SMAS1S2–S3

    Lima tahap metode sejarah

    Tabel 57.1 — Tahap penelitian sejarah menurut Kuntowijoyo dan penerapannya
    TahapPertanyaan kunciDi bab ini
    1. Pemilihan topikApa yang diteliti, di mana, dan kapan?Langkah 1
    2. HeuristikSumber apa yang ada, dan di mana mencarinya?Langkah 2–3
    3. Verifikasi (kritik sumber)Apakah sumber ini asli? Apakah isinya dapat dipercaya?Langkah 4
    4. InterpretasiApa arti fakta-fakta ini bila diuraikan dan disatukan?Langkah 5
    5. HistoriografiBagaimana menuliskannya secara runtut dan dapat ditelusuri?Langkah 6

    Berbeda dengan penelitian lain, sejarawan tidak dapat mengamati peristiwanya secara langsung. Ia bekerja dengan sumber: dokumen, surat kabar, foto, benda, dan ingatan orang yang mengalaminya. Karena itu kerja terpenting sejarawan adalah menguji sumber sebelum memakainya.

    Langkah 1 · Memilih topik dan merumuskan masalah

    Lewat Rara, Rudi, mahasiswa Pendidikan Sejarah Universitas X, mendengar cerita nenek Bima tentang petugas berseragam yang menyemprot rumah-rumah ketika ia kecil. Kuntowijoyo (2013) menyarankan topik dipilih karena kedekatan emosional dan kedekatan intelektual, lalu diuji apakah sumbernya tersedia. Rudi menemukan bahwa arsip kota dan saksi yang masih hidup cukup untuk topik ini.

    Semprot DDT dari Rumah ke Rumah: Ingatan dan Arsip tentang Pemberantasan Malaria di Kota X, 1950–1970
    PeristiwaJenis sumberBatas tempatBatas waktu

    Judul sejarah selalu memuat batas tempat dan batas waktu. Kota X adalah kota di Jawa tempat nenek Bima tumbuh besar sebelum pindah ke Palembang. Tahun 1950 dipilih untuk melihat keadaan sebelum kampanye, dan 1970 agar masa sesudah kampanye masih terjangkau oleh ingatan saksi yang hidup.

    Rumusan masalah
    Tujuan
    Sumber utama
    Dijawab di
    1
    Bagaimana program pemberantasan malaria dijalankan di Kota X pada 1959–1970?
    Merekonstruksi pelaksanaan program.
    Laporan dinas, surat edaran, surat kabar
    Bab III–IV skripsi
    2
    Bagaimana warga mengalami dan mengingat penyemprotan DDT?
    Mendeskripsikan pengalaman dan ingatan warga.
    Sejarah lisan 5 narasumber, foto keluarga
    Bab V
    3
    Mengapa catatan resmi dan ingatan warga berbeda pada beberapa hal?
    Menjelaskan perbedaan sudut pandang sumber.
    Hasil kritik sumber
    Bab V–VI

    Langkah 2 · Heuristik: mencari dan menghimpun sumber

    Sumber primer berasal dari saksi atau pelaku sezaman: dokumen resmi, surat kabar terbitan saat itu, foto, dan kesaksian orang yang mengalaminya. Sumber sekunder ditulis kemudian oleh orang yang tidak menyaksikan peristiwanya, misalnya buku dan artikel sejarah. Semua sumber lokal di bab ini adalah ilustrasi (data simulasi), bukan arsip nyata.

    Tabel 57.2 — Sumber yang dihimpun Rudi (ilustrasi)
    SumberJenisDitemukan di
    Laporan tahunan dinas kesehatan kota, 1958–1968Primer, dokumen resmiArsip daerah
    Surat edaran pemerintah kota tentang jadwal penyemprotanPrimer, dokumen resmiArsip daerah
    Berita surat kabar lokal, 1959–1964Primer, pers sezamanPerpustakaan daerah (mikrofilm)
    Foto tim penyemprot, di baliknya tertulis "1962"Primer, visualAlbum keluarga narasumber
    Wawancara 5 narasumber berusia 72–88 tahun, termasuk nenek Bima dan seorang mantan juru semprotPrimer, lisanDirekam pada 2028
    Ulasan sebaran dan pengendalian malaria di Indonesia (Elyazar dkk., 2011); informasi resmi tentang Hari Kesehatan Nasional (Kementerian Kesehatan RI, 2014)SekunderJurnal, situs resmi

    Konteks nasional yang dapat diverifikasi. Pada 1959 dibentuk Dinas Pembasmian Malaria, yang pada Januari 1963 berganti nama menjadi Komando Operasi Pemberantasan Malaria (KOPEM). Pada 12 November 1959 Presiden Soekarno melakukan penyemprotan DDT secara simbolis di Desa Kalasan, Yogyakarta, dan penyemprotan rumah dilakukan di Jawa, Bali, dan Lampung. Menurut sumber resmi, lima tahun kemudian sekitar 63 juta penduduk telah terlindungi, dan 12 November 1964 diperingati sebagai Hari Kesehatan Nasional pertama (Kementerian Kesehatan RI, 2014).

    Coba sendiri: primer atau sekunder?

    Laporan tahunan dinas kesehatan Kota X tahun 1961 (ilustrasi).

    Primer: dibuat pelaksana program pada masa peristiwa.

    Rekaman wawancara tahun 2028 dengan nenek Bima, yang menyaksikan penyemprotan saat kecil.

    Primer: kesaksian langsung, walaupun direkam puluhan tahun kemudian. Kredibilitasnya tetap harus diuji.

    Artikel jurnal tahun 2011 yang mengulas pengendalian malaria di Indonesia.

    Sekunder: ditulis kemudian berdasarkan sumber lain.

    Foto tim penyemprot sekitar tahun 1962 dari album keluarga.

    Primer: jejak visual sezaman. Tahunnya perlu diuji lewat kritik ekstern.

    Skripsi tahun 2015 tentang sejarah kesehatan Kota X yang mengutip arsip.

    Sekunder: tafsiran penulis lain. Telusuri arsip yang dikutipnya sendiri.

    Berita surat kabar lokal November 1959 tentang dimulainya kampanye malaria.

    Primer: terbit pada saat peristiwa, walaupun wartawannya belum tentu saksi mata.

    Tentukan jenis keenam sumber.

    Langkah 3 · Sejarah lisan: mewawancarai saksi

    Sejarah lisan merekam ingatan orang tentang peristiwa yang mereka alami. Sumber ini memberi suara kepada orang biasa yang jarang tercatat di arsip, tetapi ingatan juga dibentuk oleh waktu dan cerita yang didengar kemudian (Thompson & Bornat, 2017).

    • Persiapan: Rudi membaca arsip lebih dulu agar bisa bertanya dengan spesifik, lalu menyiapkan panduan wawancara yang terbuka dan berurutan menurut waktu (Ritchie, 2015).
    • Persetujuan: tujuan dan penggunaan rekaman dijelaskan; persetujuan lisan direkam bagi yang sulit membaca, dengan keluarga hadir bila narasumber mau. Narasumber memilih disebut nama asli atau nama samaran, dan boleh menolak pertanyaan atau berhenti kapan saja.
    • Topik peka: kurun 1950–1970 mencakup peristiwa politik 1965–1966 yang bisa memunculkan ingatan menyakitkan. Topik itu tidak digali; bila muncul, narasumber boleh melewatinya dan bagian itu tidak dikutip tanpa izin khusus.
    • Teknik: dua sesi sekitar 60 menit; foto lama dipakai sebagai pemicu ingatan; pertanyaan tidak menggiring; narasumber tidak dikoreksi saat bercerita.
    • Sesudahnya: transkrip verbatim, salinan rekaman untuk keluarga, dan penyimpanan di arsip hanya dengan izin tertulis. Protokol ditelaah komisi etik sosial-humaniora (Bab 7B).

    RudiNenek masih ingat waktu petugas penyemprot datang?

    Nenek · 76 thIngat sekali. Umur saya kira-kira delapan. Orangnya dua, bajunya warna tanah, tabungnya digendong di punggung. Kami anak-anak disuruh keluar, piring dan tempayan ditutup kain.

    RudiSesudah disemprot, rumahnya bagaimana?

    Nenek · 76 thDindingnya ada bekas putih, baunya lama. Ibu saya kesal karena dinding yang baru dikapur jadi belang. Ada tetangga yang tidak mau, pintunya dikunci.

    RudiWaktu itu katanya untuk apa?

    Nenek · 76 thSupaya tidak kena demam berdarah. Itu kan zaman Bung Karno ikut menyemprot sendiri, ramai sekali.

    Langkah 4 · Verifikasi: kritik ekstern dan kritik intern

    Kritik ekstern menguji keaslian (autentisitas) sumber: siapa pembuatnya, kapan, dari bahan apa, asli atau salinan. Kritik intern menguji kredibilitas isinya: apakah pembuatnya mampu dan mau menyampaikan kebenaran, dan apakah isinya sejalan dengan sumber lain (Kuntowijoyo, 2013). Kritik ekstern didahulukan: sumber yang tidak asli tidak perlu dinilai isinya.

    Tabel 57.3 — Contoh kritik sumber (ilustrasi)
    SumberKritik ekstern (asli?)Kritik intern (dapat dipercaya?)Keputusan
    Laporan tahunan 1961Kertas dan ketikan sezaman, stempel, tercatat di daftar arsip, ejaan lama ("penjemprotan")Ditulis pelaksana untuk atasan; cakupan "98% rumah" mungkin dibesarkan. Tanggal kegiatan cocok dengan surat kabarDipakai; angka cakupan diuji silang
    Ketikan "laporan 1960" yang beredar di internetAsal-usul tidak jelas; memakai ejaan "penyemprotan" yang baru berlaku setelah EYD 1972Tidak dinilaiDitolak; hanya petunjuk untuk mencari aslinya
    Foto tim penyemprot "1962"Kertas foto tua, tetapi tinta tulisan tahunnya berbeda, mungkin ditambahkan kemudianAlat dan seragam cocok dengan laporan dan kesaksianDipakai dengan keterangan "sekitar 1962"
    Wawancara nenek BimaRekaman asli, identitas, waktu, dan persetujuan jelasSaksi mata, tetapi masih anak-anak dan 68 tahun berlalu. Detail rumah sejalan dengan sumber lain. "Demam berdarah" adalah anakronisme karena DBD baru dikenal di Indonesia pada 1968 (Karyanti & Hadinegoro, 2009). Kisah Bung Karno kemungkinan diketahui kemudianDipakai untuk pengalaman sehari-hari; klaim waktu diuji silang
    Berita surat kabar November 1959Mikrofilm koleksi perpustakaan; nama terbitan dan tanggal jelasSezaman, tetapi bernada mendukung pemerintah; menulis "rakyat menyambut gembira" tanpa buktiDipakai untuk tanggal; sambutan warga diuji dengan sejarah lisan
    Coba sendiri: kritik ekstern atau intern?

    Apakah kertas, ketikan, dan ejaan dokumen ini sesuai dengan tahun 1961?

    Ekstern: menguji keaslian fisik dokumen.

    Apakah pembuat laporan punya alasan untuk membesar-besarkan cakupan penyemprotan?

    Intern: menilai kemauan pembuat sumber untuk menyampaikan kebenaran.

    Apakah nenek melihat sendiri kejadian itu, atau mendengarnya dari orang lain kemudian?

    Intern: menilai kemampuan saksi mengetahui peristiwa.

    Apakah tulisan "1962" di balik foto dibuat saat itu atau ditambahkan belakangan?

    Ekstern: menguji asal-usul dan penanggalan sumber.

    Apakah isi berita surat kabar sejalan dengan laporan dinas dan kesaksian warga?

    Intern: kredibilitas isi diuji dengan membandingkan sumber (koroborasi).

    Pilih ekstern atau intern untuk kelima pertanyaan.

    Langkah 5 · Interpretasi

    Fakta yang lolos kritik belum menjadi sejarah sampai ditafsirkan. Kuntowijoyo (2013) membedakan analisis (menguraikan) dan sintesis (menyatukan). Rudi menyusun fakta pada linimasa, lalu mencari penjelasan.

    1959: Dinas Pembasmian Malaria; 12 Nov: semprot simbolis, Kalasan 1959: Dinas Pembasmian Malaria; 12 Nov: semprot simbolis, Kalasan Jan 1963: KOPEM Jan 1963: KOPEM 1964: HKN pertama 1964: HKN pertama 1968: DBD dikenal 1968: DBD dikenal 1950-an: malaria musiman 1950-an: malaria musiman 1960: tim semprot tiba 1960: tim semprot tiba 1961: laporan tahunan 1961: laporan tahunan 1962: foto keluarga 1962: foto keluarga 1970: akhir kajian 1970: akhir kajian
    Gambar 57.1 — Linimasa penelitian. Di atas garis: peristiwa nasional yang terverifikasi (biru). Di bawah garis: peristiwa lokal Kota X yang merupakan ilustrasi atau data simulasi (oranye).
    • Sebab yang majemuk: keberhasilan penyemprotan di Kota X tidak dijelaskan oleh satu sebab. Laporan menunjukkan organisasi sampai tingkat kampung, surat kabar menunjukkan dorongan politik nasional, dan sejarah lisan menunjukkan sebagian warga menerima sementara sebagian menolak.
    • Menjelaskan perbedaan sumber: laporan menulis cakupan 98%, sedangkan narasumber ingat ada rumah yang pintunya dikunci. Tafsiran Rudi: cakupan tinggi tetapi tidak merata, dan laporan ditulis untuk menunjukkan target tercapai.
    • Hindari anakronisme: jangan memakai istilah atau konsep yang belum ada pada masanya, seperti menyebut penyemprotan 1960 sebagai pencegahan DBD.
    • Hindari presentisme: jangan menilai pelaku masa lalu semata-mata dengan pengetahuan dan nilai masa kini. Kekhawatiran tentang dampak lingkungan DDT meluas kemudian; pertanyaan sejarahnya adalah mengapa DDT dipilih dengan pengetahuan saat itu.

    Langkah 6 · Historiografi dan kesimpulan

    Historiografi adalah penulisan hasil penelitian secara runtut, kronologis, dan dapat ditelusuri. Susunan skripsi Rudi memadukan urutan waktu dan tema: Bab I Pendahuluan (latar, rumusan, ruang lingkup, tinjauan pustaka, metode dan sumber); Bab II Kota X dan malaria, 1950–1958; Bab III Kampanye tiba di Kota X, 1959–1963; Bab IV Masa KOPEM dan sesudahnya, 1963–1970; Bab V Semprot DDT dalam ingatan warga; Bab VI Kesimpulan.

    Penulisan sejarah lazim memakai catatan kaki agar setiap fakta dapat ditelusuri ke sumbernya. Ikuti pedoman program studi. Contoh (ilustrasi):

    ¹ Laporan Tahunan Dinas Kesehatan Kota X Tahun 1961, hlm. 12. Arsip Daerah Kota X, [nomor inventaris].

    ² Wawancara dengan Ibu S. (76 tahun), Palembang, 14 Maret 2028.

    ³ Iqbal R. F. Elyazar, Simon I. Hay, dan J. Kevin Baird, "Malaria Distribution, Prevalence, Drug Resistance and Control in Indonesia," Advances in Parasitology 74 (2011): 41–175.

    Di Kota X, kampanye malaria tercatat di arsip sebagai program yang tertib dan hampir menyeluruh, sedangkan dalam ingatan warga ia hadir sebagai bau, dinding belang, anak-anak yang disuruh keluar, dan tetangga yang menolak. Sejarah lisan melengkapi arsip dengan pengalaman sehari-hari yang jarang tercatat (Thompson & Bornat, 2017), sementara kritik sumber menjaga agar ingatan dan laporan resmi sama-sama diuji (Kuntowijoyo, 2013). Menurut peneliti, sejarah program kesehatan perlu ditulis dari dua arah: dari meja dinas dan dari ambang pintu rumah warga. Keterbatasan: arsip tidak lengkap; lima narasumber semuanya lansia yang masih hidup; ingatan masa kanak-kanak; satu kota.

    TemuanTeori & pembandingOpiniKeterbatasan
    1. Program di Kota X dijalankan melalui penyemprotan rumah secara berkala oleh tim dinas yang diorganisasi sampai tingkat kampung, dengan laporan cakupan yang tinggi.

    2. Warga mengalami penyemprotan sebagai peristiwa rumah tangga yang berkesan, diterima sebagian besar warga tetapi juga ditolak sebagian.

    3. Perbedaan catatan resmi dan ingatan warga muncul karena tujuan penulisan laporan, jarak waktu, dan ingatan yang bercampur dengan cerita yang didengar kemudian.

    Proyek sejarah lisan: wawancarai kakek-nenekmu
    1. Jelaskan tujuanmu, lalu minta izin: boleh diwawancarai, boleh direkam, dan boleh dikutip namanya atau tidak.
    2. Pilih tempat yang tenang. Letakkan HP di meja dan tunjukkan kapan mulai merekam.
    3. Awali dengan pertanyaan terbuka: "Ceritakan rumah Nenek waktu kecil." Dengarkan, jangan memotong, dan jangan menggiring.
    4. Kalau ada cerita yang membuatnya sedih, tawarkan untuk berhenti atau melewatinya.
    5. Catat tanggal dan tempat, simpan salinan rekaman untuk keluarga, lalu cocokkan fakta pentingnya dengan buku atau arsip.
    Awas, keliru!
    • Memakai sumber internet tanpa kritik ekstern. Sumber yang asal-usulnya tidak jelas tidak bisa menjadi bukti.
    • Menganggap sumber primer pasti benar, atau sumber lisan pasti tidak dapat dipercaya. Keduanya harus diuji.
    • Pertanyaan menggiring dalam wawancara, misalnya "Pasti waktu itu menakutkan, ya?".
    • Menulis kronik tanpa interpretasi: daftar peristiwa berurutan tanpa penjelasan sebab dan makna.
    • Anakronisme dan presentisme dalam istilah maupun penilaian.
    • Fakta tanpa catatan kaki, sehingga pembaca tidak dapat menelusuri sumbernya.
    Pojok S2–S3
    • Pendekatan ilmu sosial: sejarah dapat dianalisis secara multidimensional dengan konsep sosiologi, ekonomi, antropologi, dan politik untuk menjelaskan struktur dan proses, bukan hanya urutan peristiwa (Kartodirdjo, 1992).
    • Ingatan sebagai objek kajian: sejarah lisan tidak hanya mencari "apa yang terjadi", tetapi juga bagaimana dan mengapa orang mengingatnya dengan cara tertentu (Thompson & Bornat, 2017).
    • Etika arsip: arsip kesehatan dapat memuat nama pasien. Samarkan identitas orang biasa walaupun peristiwanya sudah lama.
    • Sumber digital: kritik ekstern mencakup metadata dan jejak asal-usul berkas. Pindaian di internet tetap harus ditelusuri ke fisik aslinya.
    Intinya
    • Metode sejarah berjalan dalam lima tahap: pemilihan topik, heuristik, verifikasi, interpretasi, dan historiografi. Judulnya selalu memuat batas tempat dan batas waktu.
    • Sumber primer dan sekunder, termasuk kesaksian lisan, harus melewati kritik ekstern (asli?) lalu kritik intern (dapat dipercaya?), dengan membandingkan antarsumber.
    • Interpretasi mencari sebab yang majemuk sambil menghindari anakronisme dan presentisme. Hasilnya ditulis runtut dengan catatan kaki, dan wawancara sejarah lisan dilakukan dengan persetujuan serta kepekaan terhadap ingatan yang menyakitkan.
    Coba sendiri: kuis penelitian sejarah
    Bab 58

    Contoh Lengkap Studi Pustaka: Pemikiran Tokoh

    Studi pustaka (library research) memakai teks sebagai sumber data utama: buku, artikel, arsip, dan dokumen (Zed, 2004). Salah satu ragamnya yang sering dipakai di pendidikan, pendidikan agama Islam, dan filsafat adalah studi pemikiran tokoh: menelaah gagasan seorang tokoh dari tulisannya sendiri dan dari tulisan orang lain tentang dia, lalu menafsirkan maknanya bagi masa kini (Furchan & Maimun, 2005).

    SMP–SMAS1S2–S3

    Kapan memilih studi pustaka?

    Fikri, mahasiswa PGSD Universitas X, sering mendengar semboyan Ki Hadjar Dewantara (KHD) di upacara sekolah tempat ia praktik mengajar. Ia bertanya: apa sebenarnya gagasan pendidikan KHD, dan apa artinya bagi pendidikan karakter di sekolah hari ini? KHD (1889–1959), bernama kecil Raden Mas Soewardi Soerjaningrat, mendirikan Taman Siswa di Yogyakarta pada 3 Juli 1922. Tanggal lahirnya, 2 Mei, diperingati sebagai Hari Pendidikan Nasional. Pertanyaan tentang gagasan seseorang yang tertuang dalam tulisan dijawab dengan membaca, bukan dengan kuesioner.

    Tabel 58.1 — Studi pustaka dan penelitian berbasis teks lainnya
    JenisPertanyaan khasSumber utamaContoh
    Studi pemikiran tokohApa gagasan tokoh X, dan apa relevansinya kini?Tulisan tokoh (primer) dan kajian tentangnya (sekunder)Bab 58
    Tinjauan sistematisApa kata semua penelitian tentang efek suatu intervensi?Artikel penelitian yang dicari secara sistematisBab 36
    Penelitian sejarahApa yang terjadi di masa lalu, dan mengapa?Arsip, dokumen sezaman, sumber lisanBab 57
    Analisis wacanaBagaimana teks membentuk makna dan relasi kuasa?Teks media atau kebijakanBab 59
    Kajian pustaka (Bab II)Teori apa yang mendasari penelitianku?Buku dan artikelBagian dari semua penelitian, bukan penelitian mandiri

    Langkah 1 · Judul, fokus, dan alasan memilih tokoh

    Konsep Pendidikan Ki Hadjar Dewantara dan Relevansinya bagi Pendidikan Karakter di Sekolah: Studi Pustaka
    Pemikiran tokohArah relevansiKonteks penerapanJenis penelitian
    • Alasan memilih tokoh: gagasannya berpengaruh dalam pendidikan nasional, tulisan aslinya tersedia dan sudah dihimpun, dan masalah yang ia tanggapi (pendidikan yang memaksa) masih relevan.
    • Batasan: hanya tulisan tentang pendidikan dalam Karya Ki Hadjar Dewantara, Bagian Pertama: Pendidikan; tulisan tentang kebudayaan dan politik tidak dianalisis. Relevansi difokuskan pada sekolah dasar.
    • Jenis: kualitatif, studi pustaka. Tidak ada populasi, sampel, atau responden; "partisipannya" adalah teks.

    Langkah 2 · Rumusan, tujuan, dan benang merah

    Rumusan
    Tujuan
    Sumber utama
    Jawaban di kesimpulan
    1
    Bagaimana konsep pendidikan menurut Ki Hadjar Dewantara?
    Mendeskripsikan konsep-konsep intinya.
    Primer: tulisan KHD
    Pendidikan menuntun kodrat anak lewat sistem among
    2
    Bagaimana konsep itu dipahami dalam konteks zamannya?
    Menafsirkan konsep dalam konteks sejarahnya.
    Primer dan sekunder (sejarah, filsafat pendidikan)
    Jawaban atas pendidikan kolonial yang memaksa
    3
    Apa relevansinya bagi pendidikan karakter di sekolah saat ini?
    Merumuskan implikasi dan batasnya.
    Sintesis, dokumen kurikulum yang berlaku
    Keteladanan, kemerdekaan yang bertanggung jawab, kemitraan

    Tidak ada hipotesis. Benang merahnya tetap dijaga: setiap rumusan punya tujuan, sumber, bab pembahasan, dan kesimpulan sendiri.

    Langkah 3 · Sumber data primer dan sekunder

    Tabel 58.2 — Sumber data penelitian Fikri (data simulasi)
    JenisIsiDipakaiCatatan
    PrimerTulisan KHD tentang pendidikan dalam Karya Ki Hadjar Dewantara, Bagian Pertama (cetakan ke-3, 2004)18 tulisanEdisi dan cetakan dicatat, karena penyuntingan antarcetakan bisa berbeda
    Sekunder: bukuSejarah gerakan Taman Siswa (Tsuchiya, 1987) dan biografi6Untuk konteks sejarah
    Sekunder: artikel jurnalKajian filsafat pendidikan KHD, misalnya Suparlan (2015)9Hanya jurnal bereviu
    Sekunder: skripsi dan tesisStudi terdahulu tentang sistem among2Untuk memetakan celah, bukan otoritas utama
    PendukungKBBI dan kamus bahasa Jawa untuk istilah seperti among dan pamong2Bahan tersier
    Dokumen kebijakanDokumen kurikulum yang berlaku saat penelitian1 setTanggal akses dicatat, karena kebijakan kurikulum sering berubah

    Dari 26 sumber sekunder yang ditemukan, 17 dipakai (65,4%). Sembilan dikeluarkan: 5 artikel populer tanpa rujukan, 3 tidak relevan, dan 1 duplikat.

    Kriteria memilih sumber: (1) otoritas: siapa penulisnya dan bagaimana diterbitkan; (2) keaslian: tulisan tokoh sendiri lebih diutamakan daripada kutipan dari kutipan; (3) kedekatan: sumber sezaman dibedakan dari tafsiran yang jauh kemudian; (4) keragaman pandangan: kajian yang kritis ikut dibaca, bukan hanya yang memuji.

    Kutipan populer: telusuri dulu

    Rumusan "Tri-N" (niteni, nirokke, nambahi: mengamati, meniru, menambahi) banyak dikutip dalam artikel pendidikan sebagai ajaran KHD. Sebelum memakainya, Fikri menelusuri rumusan itu sampai ke tulisan KHD sendiri, lalu mencatat halaman dan konteksnya. Bila tidak ditemukan dalam sumber primer yang ia baca, ia menuliskannya sebagai rumusan yang dikaitkan dengan KHD oleh sumber sekunder tertentu, lengkap dengan sumbernya. Hal yang sama berlaku untuk kutipan di poster dan media sosial.

    Langkah 4 · Membaca dan mencatat

    1. Membaca orientasi: membaca cepat daftar isi dan semua tulisan untuk memilih yang relevan dengan rumusan.

    2. Membaca intensif dengan kartu data: satu kartu untuk satu gagasan. Parafrase dipisahkan dari tafsiran peneliti. Fikri membuat 142 kartu: 96 dari sumber primer dan 46 dari sumber sekunder (data simulasi).

    3. Mengode konsep: kode awal diturunkan dari rumusan (tujuan pendidikan, sistem among, peran pendidik, lingkungan pendidikan), lalu ditambah kode yang muncul dari teks.

    4. Menyusun matriks: setiap konsep dijejerkan dengan sumber primer, tafsiran sekunder, dan relevansinya (Tabel 58.4).

    Kartu data P-07 (contoh, disederhanakan)

    Sumber
    Dewantara (2004), tulisan tentang dasar-dasar pendidikan Taman Siswa, hlm. … (nomor halaman dicatat dari buku)
    Jenis
    Primer
    Parafrase
    Pendidik menuntun tumbuhnya kodrat anak tanpa paksaan; kemerdekaan anak dihormati.
    Kode konsep
    Sistem among: kodrat alam, kemerdekaan
    Konteks
    Masa kolonial, awal berdirinya Taman Siswa
    Catatan peneliti
    Bandingkan dengan cara guru menegakkan disiplin di kelas tempat saya praktik. (tafsiran awal, bukan isi sumber)

    Langkah 5 · Analisis: isi, hermeneutika, dan triangulasi

    Fikri memakai dua cara baca yang saling melengkapi. Analisis isi menemukan konsep, istilah, dan hubungan antarkonsep dalam teks secara sistematis (Krippendorff, 2019). Pembacaan hermeneutik menafsirkan teks dalam tiga lapis: apa yang dikatakan teks, dalam konteks apa penulis menulisnya, dan apa artinya bagi pembaca kini (Gadamer, 1989). Bakker dan Zubair (1990) menyebut sejumlah unsur metodis penelitian filsafat, antara lain interpretasi, koherensi intern (konsistensi antarkonsep sang tokoh), holistika (setiap konsep dibaca dalam keseluruhan pemikirannya), dan kesinambungan historis (pemikiran dibaca dalam perkembangan zamannya).

    Tabel 58.3 — Tiga lapis pembacaan hermeneutik: contoh sistem among
    LapisPertanyaanCatatan Fikri
    TeksApa yang dikatakan?Pendidik menuntun dan tidak memaksa; kemerdekaan dan kodrat anak menjadi dasar.
    Konteks penulisMengapa dikatakan saat itu?Sumber sekunder mencatat kritik KHD terhadap pendidikan kolonial yang bertumpu pada perintah, hukuman, dan ketertiban. Taman Siswa lahir sebagai sekolah kebangsaan (Tsuchiya, 1987).
    Pembaca kiniApa artinya bagi guru SD sekarang?Disiplin yang dibangun lewat keteladanan dan dialog, bukan hukuman yang mempermalukan. Batasnya: kelas kini jauh lebih besar dan beragam daripada kelas Taman Siswa awal.
    Tabel 58.4 — Matriks analisis data: konsep, sumber, tafsiran, relevansi
    KonsepSumber primer (parafrase)Tafsiran sekunderRelevansi bagi pendidikan karakter
    Tujuan pendidikanPendidikan adalah upaya memajukan budi pekerti, pikiran, dan tubuh anak sebagai satu kesatuan.Suparlan (2015) membacanya sebagai perpaduan progresivisme dan esensialisme yang berakar pada budaya sendiri.Karakter tidak diajarkan terpisah dari pelajaran lain dan kegiatan fisik.
    Sistem amongDua dasarnya kodrat alam dan kemerdekaan; pendidik menuntun, tidak memaksa.Ditempatkan dalam sejarah Taman Siswa sebagai jawaban atas sekolah kolonial (Tsuchiya, 1987).Guru sebagai pamong; disiplin tanpa hukuman yang mempermalukan.
    Tiga peran pendidikSemboyan ing ngarsa sung tuladha, ing madya mangun karsa, tut wuri handayani: di depan memberi teladan, di tengah membangun kemauan, di belakang memberi dorongan.Menjadi semboyan pendidikan nasional; bagian "tut wuri handayani" paling dikenal, dua bagian lainnya kurang sering dibahas.Keteladanan guru sebagai metode utama pendidikan karakter.
    Tri pusat pendidikanAlam keluarga, alam perguruan, dan alam pergerakan pemuda sama-sama mendidik.Dibaca sebagai dasar kemitraan sekolah, keluarga, dan masyarakat.Program karakter melibatkan orang tua dan kegiatan kepemudaan.
    Tri-NSedang ditelusuri: halaman dan konteksnya belum tercatat di kartu data.Banyak dikaitkan dengan KHD dalam artikel pembelajaran.Dipakai hati-hati, dengan menyebut sumber sekundernya.

    Isi kolom primer adalah parafrase Fikri dari sumber primer; kutipan langsung di skripsi ditulis lengkap dengan halaman. Baris Tri-N menunjukkan cara mencatat konsep yang sumber primernya belum dipastikan; ini contoh simulasi, bukan pernyataan tentang isi buku tersebut.

    Tujuan pendidikan Tujuan pendidikanbudi pekerti, pikiran,dan tubuh anak Sistem among Sistem amongdasar: kodrat alamdan kemerdekaan anak Gagasan pusat Pendidikan menuntunkodrat anak Tri pusat pendidikan Tri pusat pendidikanalam keluarga,alam perguruan, alampergerakan pemuda Tiga peran pendidik Tiga peran pendidikdepan: memberi teladantengah: membangun kemauanbelakang: memberi dorongan Relevansi masa kini Relevansi: pendidikan karakterketeladanan dan kemitraan sekolah
    Gambar 58.1 — Peta konsep hasil analisis (disusun dari parafrase sumber primer). Panah menunjukkan langkah tafsir dari konsep ke relevansi masa kini.

    Triangulasi sumber: setiap tafsiran dicek pada tulisan asli dan pada minimal dua sumber sekunder. Bila tafsiran sekunder berbeda, perbedaan itu dilaporkan, bukan dipilih yang paling cocok dengan harapan peneliti. Dua jebakan yang dijaga: hagiografi (tulisan yang hanya memuji tokoh) dan cherry-picking (mengambil kutipan yang mendukung dan membuang yang tidak). Fikri juga mencatat pertanyaan kritis, misalnya apakah contoh dan istilah yang berakar pada budaya Jawa dapat diterapkan di semua daerah.

    Coba sendiri: cocokkan pernyataan dengan konsepnya

    Semua pernyataan di bawah adalah parafrase, bukan kutipan. Pilih konsep yang paling tepat.

    Di depan memberi teladan, di tengah membangun kemauan, di belakang memberi dorongan.

    Peran pendidik: tiga posisi guru dalam semboyan KHD.

    Pendidik menuntun tumbuhnya anak sesuai kodratnya, tanpa paksaan, dan menghormati kemerdekaannya.

    Sistem among: dasarnya kodrat alam dan kemerdekaan.

    Keluarga, perguruan, dan pergerakan pemuda sama-sama menjadi tempat anak dididik.

    Tri pusat pendidikan: tiga lingkungan yang mendidik.

    Pendidikan memajukan budi pekerti, pikiran, dan tubuh anak sebagai satu kesatuan.

    Tujuan pendidikan: pengertian pendidikan menurut KHD.

    Seperti petani merawat tanaman: ia menyuburkan tumbuhnya, tetapi tidak dapat memaksa tanaman menjadi jenis lain.

    Sistem among: analogi petani sering dipakai untuk menjelaskan kodrat alam.

    Sekolah mengajak orang tua dan organisasi pemuda bekerja sama membentuk watak anak.

    Tri pusat pendidikan: diterapkan sebagai kemitraan tiga lingkungan.

    Pilih konsep untuk keenam pernyataan.

    Langkah 6 · Keabsahan dan etika

    • Kredibilitas: ketekunan membaca (setiap tulisan primer dibaca minimal dua kali) dan triangulasi sumber.
    • Jejak audit: 142 kartu data disimpan berurutan. Pembimbing mencocokkan 20 kartu acak dengan bukunya; 19 sesuai dan 1 salah nomor halaman lalu diperbaiki (data simulasi).
    • Refleksivitas: sebagai calon guru, Fikri mengagumi KHD. Ia menulis kekaguman itu di bab metode dan sengaja mencari kajian yang kritis.
    • Etika: penelitian yang hanya memakai karya terbit umumnya masuk kategori tidak berisiko; keputusan tetap di komisi etik (Bab 7B). Kewajiban utamanya integritas akademik: kutipan lengkap dengan halaman, parafrase yang tidak mengubah makna, dan kutipan langsung secukupnya.

    Langkah 7 · Sistematika skripsi

    Tabel 58.5 — Susunan bab skripsi studi tokoh
    BabIsi
    I PendahuluanLatar belakang, fokus, rumusan, tujuan, manfaat, kajian terdahulu, metode (jenis, sumber data, teknik pengumpulan, analisis, keabsahan)
    II Riwayat hidup dan konteks tokohBiografi intelektual KHD dan situasi pendidikan pada zamannya
    III Konsep pendidikan KHDJawaban rumusan 1 dan 2: konsep inti dan tafsirannya dalam konteks
    IV Relevansi bagi pendidikan karakterJawaban rumusan 3, termasuk batas relevansinya
    V PenutupKesimpulan dan saran

    Langkah 8 · Pembahasan dan kesimpulan

    Konsep pendidikan KHD berpusat pada gagasan menuntun kodrat anak: pendidikan memajukan budi pekerti, pikiran, dan tubuh, dijalankan dengan sistem among, lewat tiga peran pendidik, di tiga lingkungan pendidikan. Tafsiran ini sejalan dengan kajian yang membaca pemikiran KHD sebagai perpaduan gagasan pendidikan modern dan nilai budaya sendiri (Suparlan, 2015), dan dengan sejarah Taman Siswa sebagai sekolah kebangsaan (Tsuchiya, 1987). Menurut peneliti, sumbangan terpentingnya bagi pendidikan karakter kini adalah keteladanan guru dan kemitraan dengan keluarga, bukan hafalan semboyan. Keterbatasan: hanya tulisan tentang pendidikan yang dibaca, tafsiran relevansi bersifat argumentatif dan belum diuji di kelas, dan perbedaan konteks antara masa kolonial dan sekolah kini membatasi penerapan langsung.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap rumusan):

    1. Pendidikan menurut KHD adalah upaya menuntun kodrat anak agar budi pekerti, pikiran, dan tubuhnya tumbuh utuh, dengan sistem among yang berdasar kodrat alam dan kemerdekaan.

    2. Dalam konteks zamannya, konsep itu adalah jawaban atas pendidikan kolonial yang dinilai memaksa, dan menjadi dasar Taman Siswa sebagai sekolah kebangsaan.

    3. Bagi pendidikan karakter di sekolah kini, konsep itu relevan terutama sebagai keteladanan guru, kemerdekaan belajar yang bertanggung jawab, dan kemitraan sekolah, keluarga, dan masyarakat, dengan batas yang perlu diuji di lapangan.

    Saran: guru menjadikan keteladanan sebagai metode utama pendidikan karakter; penelitian berikutnya menguji tafsiran ini di sekolah, misalnya dengan studi kasus (Bab 33) atau penelitian tindakan kelas (Bab 39).

    Proyek kecil: lacak satu kutipan
    1. Pilih satu kutipan tokoh di poster sekolah atau media sosial.
    2. Cari sumber aslinya di perpustakaan: judul buku, tahun, halaman.
    3. Bandingkan bunyinya. Samakah kata-katanya? Samakah maksudnya?
    4. Tulis satu paragraf: apa artinya pada zamannya, dan apa artinya bagimu sekarang.
    Awas, keliru!
    • Hagiografi: skripsi berubah menjadi pujian tanpa sikap kritis.
    • Cherry-picking: hanya kutipan yang cocok dengan pendapat peneliti yang dipakai.
    • Kutipan dari kutipan tanpa ditandai, atau kutipan populer yang tidak pernah dicek ke sumber asli.
    • Anakronisme: menilai tulisan tahun 1920-an dengan ukuran masa kini, atau memaksakan istilah kebijakan terbaru ke teks lama.
    • Hanya merangkum: tidak ada analisis, perbandingan tafsiran, atau argumen relevansi.
    • Tidak mencatat edisi dan halaman, sehingga pembaca tidak dapat memeriksa kutipan.
    Pojok S2–S3
    • Peleburan cakrawala (Gadamer, 1989): pemahaman lahir dari pertemuan cakrawala teks dan cakrawala penafsir. Nyatakan prasangka awalmu, lalu uji dengan teks.
    • Kesinambungan historis (Bakker & Zubair, 1990): baca tokoh dalam jaringan pemikiran zamannya. Banyak sumber sekunder menyebut perhatian KHD pada gagasan Fröbel, Montessori, dan Tagore; periksa klaim ini pada sumber primer.
    • Studi komparatif tokoh: membandingkan dua tokoh menuntut kerangka pembanding yang jelas, bukan daftar persamaan dan perbedaan.
    • Menggabungkan dengan data lapangan: tafsiran relevansi dapat diuji dengan studi kasus di sekolah, sehingga studi pustaka menjadi fase pertama penelitian campuran.
    Intinya
    • Studi pemikiran tokoh memakai tulisan tokoh sebagai sumber primer dan kajian tentangnya sebagai sumber sekunder; edisi dan halaman selalu dicatat.
    • Analisisnya menggabungkan analisis isi dan pembacaan hermeneutik: teks, konteks penulis, dan pembaca kini, diperkuat triangulasi sumber.
    • Hindari hagiografi, cherry-picking, dan kutipan populer yang tidak ditelusuri; relevansi harus diargumentasikan beserta batasnya.
    Coba sendiri: kuis studi pustaka
    Bab 58A

    Contoh Lengkap Penelitian Filsafat: Analisis Konsep dan Argumen

    Penelitian filsafat menjawab pertanyaan tentang makna, dasar, dan nilai: apa arti sebuah konsep, apakah sebuah klaim dapat dibenarkan, dan apa yang seharusnya dilakukan. Pertanyaan seperti itu tidak selesai dengan mengumpulkan data lapangan saja. Bahannya teks, konsep, intuisi yang sudah dipertimbangkan, dan temuan ilmu lain; analisisnya berupa argumentasi yang sistematis dan reflektif (Bakker & Zubair, 1990).

    SMP–SMAS1S2–S3

    Studi tokoh atau penelitian masalah?

    Gilang, mahasiswa S1 Filsafat Universitas X, membantu Rara membagikan lembar persetujuan survei tidur di SMA (Bab 7A). Sinta, 17 tahun, ingin ikut dan memahami penjelasannya dengan baik, tetapi formulir orang tuanya tidak kembali, jadi ia tidak boleh ikut. Sebaliknya, siswa yang orang tuanya setuju tetap boleh menolak. Gilang bertanya: mengapa penolakan remaja mengikat, tetapi persetujuannya tidak cukup? Ini bukan pertanyaan tentang pemikiran satu tokoh seperti di Bab 58, melainkan masalah aktual yang dijawab dengan argumen.

    Tabel 58A.1 — Beberapa model penelitian filsafat (disederhanakan dari Bakker & Zubair, 1990)
    ModelPertanyaan khasContoh
    Historis-faktual mengenai tokohApa pemikiran tokoh X?Konsep pendidikan Ki Hadjar Dewantara (Bab 58)
    Historis-faktual mengenai naskah atau bukuApa isi dan makna satu karya?Satu buku klasik etika dibaca utuh
    Konsep sepanjang sejarahBagaimana arti satu konsep berkembang?"Otonomi" dari istilah politik menjadi istilah etika
    KomparatifApa persamaan dan perbedaan dua pemikiran?Otonomi dalam dua tradisi etika
    Sistematis-reflektif, masalah aktualBagaimana persoalan masa kini seharusnya dipahami dan dijawab?Bab ini: assent remaja dalam penelitian

    Untuk menjawabnya, Gilang memakai alat-alat filsafat analitik: analisis konsep, rekonstruksi argumen, kontraeksemplar, eksperimen pikiran, keberatan dan balasan, serta ekuilibrium reflektif (Rawls, 1971).

    Langkah 1 · Masalah, judul, dan batasan

    Otonomi Remaja dalam Persetujuan Ikut Penelitian: Analisis Filosofis tentang Assent
    Konsep intiKonteks masalahJenis penelitianFokus konsep
    • Tidak ada populasi dan sampel. "Data"-nya konsep, teks, dan argumen.
    • Batasan: remaja 12–17 tahun dan penelitian berisiko minimal tanpa manfaat terapi langsung, seperti survei dan wawancara. Argumen yang benar untuk survei belum tentu benar untuk uji obat.
    • Dua jenis klaim dibedakan: klaim etis (apa yang seharusnya secara moral) dan klaim hukum (apa yang berlaku). Skripsi ini terutama membuat klaim etis.

    Langkah 2 · Rumusan, tujuan, dan tesis

    Rumusan
    Tujuan
    Metode
    Jawaban (tesis)
    1
    Apa arti otonomi, kemampuan memutuskan, assent, dan consent, dan bagaimana hubungannya?
    Menjernihkan konsep.
    Analisis konsep, kontraeksemplar
    Bedanya pada remaja yang mampu terletak pada status hukum, bukan selalu pada kemampuan
    2
    Layakkah persetujuan remaja yang mampu memutuskan diperlakukan setara consent untuk penelitian berisiko minimal?
    Menyusun dan menguji argumen.
    Bentuk baku, uji validitas dan kebenaran premis
    Ya secara etis, dengan syarat; secara hukum tetap assent
    3
    Apa keberatan terkuat, dan posisi apa yang paling dapat dipertahankan?
    Menimbang keberatan.
    Keberatan–balasan, eksperimen pikiran, ekuilibrium reflektif
    "Otonomi bertahap": penolakan mengikat; bobot persetujuan naik seiring kemampuan
    Di mana hipotesisnya?

    Penelitian filsafat tidak menguji hipotesis statistik. Yang dibela adalah tesis, yaitu klaim yang dipertahankan dengan argumen. Ujiannya tiga pertanyaan: apakah argumennya valid, apakah premisnya benar, dan apakah ia tahan terhadap keberatan terkuat. Benang merahnya tetap sama: setiap rumusan punya bab dan kesimpulan sendiri.

    Langkah 3 · Bahan penelitian: apa yang dianggap data?

    Tabel 58A.2 — Bahan penelitian Gilang dan fungsinya
    Jenis bahanContohFungsi dalam argumen
    Teks etikaBeauchamp & Childress (2019) tentang menghormati otonomiPrinsip normatif dan definisi
    Pedoman etikCIOMS (2016) Pedoman 17 tentang penelitian dengan anak dan remaja; pedoman nasional (Bab 7A)Norma yang berlaku, sekaligus bahan kritik
    Hukum positifUU 35/2014: anak adalah orang yang belum berusia 18 tahunBatas hukum yang dibedakan dari klaim etis
    Temuan empirisWeithorn & Campbell (1982); Steinberg (2008)Premis faktual tentang kemampuan remaja
    Intuisi yang dipertimbangkan"Memaksa remaja yang menolak itu salah."Titik uji bagi prinsip
    Kasus dan eksperimen pikiranSiswi 17 tahun 11 bulan dan 18 tahun 1 bulanMenguji apakah sebuah pembeda relevan secara moral

    Gilang sengaja membaca tulisan yang menentang tesisnya dan mencatat edisi serta halaman setiap kutipan, seperti Fikri di Bab 58.

    Langkah 4 · Analisis konsep

    Analisis konsep mencari syarat perlu dan syarat cukup sebuah konsep, lalu mengujinya dengan contoh dan kontraeksemplar.

    Tabel 58A.3 — Rumusan kerja konsep-konsep kunci
    KonsepRumusan kerjaSumber
    Tindakan otonomDilakukan dengan sengaja, dengan pemahaman, dan tanpa pengaruh yang mengendalikanBeauchamp & Childress (2019)
    Kemampuan memutuskanEmpat kemampuan: menyatakan pilihan, memahami informasi, menghargai situasi dan akibatnya, dan menalar pilihan. Kecakapan (competence) sendiri adalah status hukumAppelbaum & Grisso (1988)
    ConsentPersetujuan sukarela setelah penjelasan dari orang yang mampu dan berwenang secara hukumBab 7A
    AssentKeterlibatan bermakna anak dalam keputusan sesuai kapasitasnya; sebuah proses, bukan sekadar tidak menolak. Assent saja tidak cukup tanpa izin orang tua atau wali, kecuali komisi etik mengecualikan izin itu dengan perlindungan khususCIOMS (2016)
    Penolakan yang disengajaPernyataan tidak setuju dari anak; harus dihormati walaupun orang tua mengizinkan, kecuali penelitian adalah pilihan pengobatan terbaik yang tidak tersedia di luar penelitianCIOMS (2016)
    1. Definisi awal: "Assent adalah tidak adanya penolakan."

    2. Kontraeksemplar: seorang siswa kelas 7 diam saja ketika wali kelas membagikan kuesioner, karena takut dianggap melawan. Ia tidak menolak, tetapi jelas belum setuju.

    3. Revisi: "Assent adalah persetujuan aktif setelah penjelasan yang sesuai usia." Revisi ini sejalan dengan CIOMS (2016).

    4. Uji lagi: bagaimana dengan anak yang setuju karena dijanjikan hadiah besar? Tambahkan syarat "tanpa bujukan berlebihan". Analisis konsep berjalan bolak-balik seperti ini sampai tidak ada kontraeksemplar yang tersisa.

    Langkah 5 · Merekonstruksi argumen dalam bentuk baku

    Bentuk baku menulis argumen sebagai premis bernomor yang berujung pada kesimpulan. Cara ini memaksa penulis menyatakan asumsi yang tersembunyi.

    Argumen otonomi (bentuk baku)

    P1. Jika seseorang mampu memutuskan secara otonom, dan keputusannya terutama menyangkut dirinya sendiri dengan risiko minimal, keputusan itu harus dihormati. (normatif)

    P2. Sinta (17 tahun) mampu memutuskan secara otonom untuk ikut survei tidur. (empiris)

    P3. Ikut survei tidur terutama menyangkut diri Sinta dan berisiko minimal. (faktual)

    K. Jadi, keputusan Sinta untuk ikut survei tidur harus dihormati.

    • Validitas: bentuknya "jika A dan B, maka C; A; B; jadi C" (modus ponens). Bila P1–P3 benar, K pasti benar.
    • Kebenaran premis: P1 bersandar pada prinsip menghormati otonomi (Beauchamp & Childress, 2019). P2 didukung data: remaja 14 tahun tidak berbeda dari orang dewasa dalam tugas keputusan pengobatan hipotetis (Weithorn & Campbell, 1982), dan sebagian besar anak mampu memahami penelitian sekitar usia 14 tahun (Wendler, 2006). Namun usia hanya petunjuk; kemampuan Sinta sendiri tetap perlu dinilai. P3 dapat dipersoalkan bila survei juga menanyakan keluarga.
    • Premis tersembunyi: K hanya berkata keputusan Sinta "harus dihormati". Untuk sampai ke "izin orang tua boleh dikecualikan" dibutuhkan premis tambahan: izin itu tidak melindungi kesejahteraan Sinta. Melompat tanpa premis ini adalah kesalahan paling umum.
    Tesis yang dibela Gilang Tesis persetujuan remaja yang mampu memutuskan setara consent secara etis (penelitian berisiko minimal) Premis normatif P1 · Normatif keputusan otonom tentang diri harus dihormati Keberatan terhadap P1 Kb1 · Hukum anak = belum berusia 18 tahun (UU 35/2014) Balasan terhadap Kb1 B1 · Balasan klaim etis ≠ klaim hukum; ada jalur pengecualian Premis empiris P2 · Empiris banyak remaja ±14 tahun mampu memahami penelitian Keberatan terhadap P2 Kb2 · Perkembangan remaja lebih berisiko di depan teman sebaya Balasan terhadap Kb2 B2 · Balasan keputusan dibuat “dingin”: waktu cukup, tanpa teman Premis faktual-konseptual P3 · Faktual survei berisiko minimal terutama menyangkut diri Keberatan terhadap P3 Kb3 · Keluarga orang tua bertanggung jawab atas anaknya Balasan terhadap Kb3 B3 · Balasan orang tua tetap dilibatkan sebagai co-consent mendukungmenyerang(keberatan atau balasan)
    Gambar 58A.1 — Peta argumen Gilang. Panah utuh: premis mendukung tesis. Panah putus-putus: keberatan menyerang premis, lalu balasan menyerang keberatan. Setiap kotak diringkas; isi lengkapnya ada di Tabel 58A.4.
    Coba sendiri: premis, kesimpulan, keberatan, atau balasan?

    Keputusan otonom tentang hal yang terutama menyangkut diri sendiri, dengan risiko minimal, harus dihormati.

    Premis normatif (P1): prinsip umum yang menjadi pijakan.

    Namun remaja lebih mudah mengambil risiko ketika bersama teman sebaya.

    Keberatan (Kb2): menyerang P2 dengan temuan perkembangan remaja.

    Jadi, persetujuan remaja yang mampu memutuskan layak diperlakukan setara consent secara etis.

    Kesimpulan (tesis): kata "jadi" menandainya.

    Persetujuan dapat diminta dalam suasana tenang: pribadi, tanpa teman, dan dengan waktu berpikir.

    Balasan (B2): menjawab keberatan tentang tekanan teman sebaya.

    Remaja 14 tahun tidak berbeda dari orang dewasa dalam tugas keputusan pengobatan hipotetis.

    Premis empiris (pendukung P2), dari Weithorn dan Campbell (1982).

    Tetapi hukum menyebut setiap orang yang belum berusia 18 tahun sebagai anak, jadi persetujuannya tidak sah.

    Keberatan (Kb1): kata "tetapi" menandai serangan terhadap tesis.

    Klaim etis berbeda dari klaim hukum: tesis ini tidak menyatakan assent remaja sah secara hukum.

    Balasan (B1): mempersempit tesis agar keberatan hukum tidak mengenainya.

    Pilih peran untuk ketujuh kalimat.

    Langkah 6 · Menguji argumen

    Tabel 58A.4 — Keberatan, balasan, dan perubahan pada tesis
    KeberatanBalasan GilangAkibat bagi tesis
    Kb1 · Hukum. Anak adalah orang yang belum berusia 18 tahun (UU 35/2014), jadi persetujuannya tidak sah.Tesisnya etis, bukan hukum. CIOMS (2016) sendiri menyebut persetujuan remaja menjelang dewasa dapat setara consent secara etis walaupun tidak secara hukum; izin orang tua lalu menjadi "co-consent".Dipertegas: "setara secara etis", bukan "sah secara hukum"
    Kb2 · Perkembangan. Pengambilan risiko naik pada masa remaja, terutama bersama teman sebaya, karena kendali diri matang lebih lambat (Steinberg, 2008).Keputusan ikut penelitian dapat dibuat "dingin": dijelaskan secara pribadi, diberi waktu, tanpa teman, tanpa hadiah besar. Risiko minimal membatasi akibat keputusan yang keliru.Ditambah syarat prosedur
    Kb3 · Keluarga. Orang tua bertanggung jawab atas anak dan paling mengenalnya.Orang tua tetap diberi tahu. Untuk topik yang dapat membahayakan anak bila diketahui orang tua, CIOMS membolehkan komisi etik mengecualikan izin orang tua dengan perlindungan khusus.Pengecualian hanya lewat komisi etik, bukan keputusan peneliti
    Kontraeksemplar untuk P1. Remaja 16 tahun ingin ikut penelitian biopsi karena imbalannya besar.Kasus ini justru menunjukkan pentingnya syarat "risiko minimal" dan "tanpa bujukan berlebihan" di P1.Ruang lingkup dijaga ketat

    Eksperimen pikiran. Sinta (17 tahun 11 bulan) dan Tari (18 tahun 1 bulan) sama-sama memahami penjelasan survei dengan baik. Tari boleh memutuskan sendiri, Sinta tidak. Apakah selisih dua bulan itu relevan secara moral? Intuisi kebanyakan orang: tidak. Namun hukum membutuhkan garis yang pasti. Gilang menyimpulkan bahwa batas usia sah sebagai aturan hukum, tetapi belum cukup sebagai alasan etis. Karena itu diperlukan jalur pengecualian yang menilai kemampuan.

    Tabel 58A.5 — Ekuilibrium reflektif: prinsip diuji dengan intuisi, dan sebaliknya
    PrinsipJ1: menolak harus dihormatiJ2: anak 8 tahun tidak memutuskan sendiri ikut uji obatJ3: menolak Sinta karena formulir hilang itu tidak adil
    Pr1: hanya yang berusia 18 tahun boleh setujucocokcocokbertentangan
    Pr2: siapa pun yang paham boleh memutuskan apa puncocokbertentangancocok
    Pr3: otonomi bertahap, yaitu bobot keputusan naik seiring kemampuan dan turun seiring risiko; penolakan dihormaticocokcocokcocok

    Rawls (1971) menyebut keadaan ketika prinsip dan penilaian yang dipertimbangkan sudah saling menyesuaikan sebagai ekuilibrium reflektif. Bila sebuah intuisi bertentangan dengan prinsip yang sangat kuat, intuisilah yang bisa direvisi.

    Uji validitas bentuk. Argumen bisa gagal karena bentuknya, bukan hanya karena premisnya. Coba enam bentuk berikut, semuanya dengan contoh dari topik Gilang.

    Coba sendiri: pemeriksa validitas

    Tabel kebenaran memeriksa semua kemungkinan benar (B) dan salah (S). Bila ada satu baris dengan semua premis benar tetapi kesimpulan salah, bentuk itu tidak valid.

    Tabel 58A.6 — Kriteria argumen filsafat yang baik
    KriteriaPertanyaan uji
    KejelasanApakah istilah kunci didefinisikan dan dipakai dalam arti yang sama dari awal sampai akhir?
    ValiditasBila semua premis benar, mungkinkah kesimpulan salah?
    Premis yang dapat dipertahankanApa dukungan setiap premis: prinsip, data, atau intuisi? Argumen valid dengan premis benar disebut kokoh (sound).
    Kemurahan hati (charity)Apakah posisi lawan direkonstruksi dalam versi terkuatnya?
    Keberatan terkuatSudahkah keberatan paling berat dijawab, bukan yang paling mudah?
    Koherensi dan ruang lingkupApakah semua klaim saling konsisten, dan apakah batas berlakunya dinyatakan jujur?

    Di bab metode, Gilang menyebut unsur metodis yang ia pakai dari daftar Bakker dan Zubair (1990): interpretasi (membaca pedoman dan teks etika), koherensi intern (menjaga agar konsep dan premis tidak saling bertentangan), holistika (membaca assent dalam keseluruhan etika penelitian), komparasi (membandingkan pedoman dan posisi), heuristika (menemukan jalan baru, yaitu jalur pengecualian berbasis kemampuan), dan deskripsi.

    Langkah 7 · Sistematika, pembahasan, dan kesimpulan

    Tabel 58A.7 — Susunan skripsi filsafat Gilang
    BabIsi
    I PendahuluanLatar belakang masalah, rumusan, keaslian penelitian, manfaat, tinjauan pustaka, landasan teori, metode (bahan, langkah kerja, unsur metodis)
    II Otonomi dan persetujuanAnalisis konsep (rumusan 1)
    III Assent dalam pedoman etik dan hukumDeskripsi dan interpretasi CIOMS, pedoman nasional, dan UU 35/2014
    IV Argumen dan keberatanBentuk baku, keberatan–balasan, ekuilibrium reflektif (rumusan 2 dan 3)
    V PenutupKesimpulan dan saran

    Assent dan consent pada remaja yang mampu memutuskan terutama berbeda pada status hukumnya; syarat tindakan otonom dapat mereka penuhi. Ini sejalan dengan CIOMS (2016), yang menyebut persetujuan remaja menjelang dewasa dapat setara consent secara etis, dan dengan temuan bahwa remaja 14 tahun setara orang dewasa dalam tugas keputusan hipotetis (Weithorn & Campbell, 1982). Menurut peneliti, posisi yang paling dapat dipertahankan adalah otonomi bertahap: penolakan dihormati, dan komisi etik lebih terbuka mengecualikan izin orang tua bagi remaja yang mampu, dengan perlindungan pengganti. Keterbatasan: argumen hanya berlaku untuk penelitian berisiko minimal; data kemampuan berasal dari tugas hipotetis dan sebagian besar dari negara Barat; peran keluarga dalam budaya Indonesia belum dianalisis mendalam.

    Temuan analisisPembandingPendapat penelitiKeterbatasan

    Kesimpulan ditulis sebagai tesis yang dibela, dengan menyebut premis mana yang harus ditolak oleh pihak yang tidak setuju:

    1. Assent adalah keterlibatan aktif anak dalam keputusan sesuai kemampuannya; consent menuntut kemampuan dan wewenang hukum. Pada remaja yang mampu, perbedaannya terletak pada status hukum, bukan selalu pada kemampuan.

    2. Argumen otonomi valid, dan premisnya dapat dipertahankan untuk remaja yang mampu dan penelitian berisiko minimal. Maka persetujuan mereka layak diperlakukan setara consent secara etis, walaupun secara hukum tetap assent. Pihak yang menolak kesimpulan ini harus menunjukkan premis mana yang salah.

    3. Tiga keberatan terkuat tidak meruntuhkan tesis, tetapi mempersempitnya: keputusan dibuat dalam suasana tenang, orang tua tetap dilibatkan, dan pengecualian izin orang tua hanya lewat komisi etik. Posisi akhirnya: otonomi bertahap.

    Saran: komisi etik menyusun prosedur penilaian kemampuan dan pengecualian untuk penelitian berisiko minimal; peneliti menulis penjelasan untuk remaja yang sungguh melibatkan mereka (Bab 7A); penelitian berikutnya menguji secara empiris pemahaman remaja Indonesia atas lembar penjelasan, misalnya dengan wawancara kognitif (Bab 46).

    Latihan: tulis argumenmu dalam bentuk baku
    1. Pilih satu pendapatmu, misalnya "Siswa boleh membawa HP ke sekolah". Tulis sebagai kesimpulan.
    2. Tulis dua atau tiga premis bernomor yang mendukungnya.
    3. Cari premis tersembunyi: apa yang harus benar agar kesimpulanmu mengikuti?
    4. Minta temanmu menulis keberatan terkuat, lalu jawab dengan satu balasan.
    Awas, keliru!
    • Hanya merangkum pendapat para ahli tanpa argumen sendiri.
    • Orang-orangan sawah (straw man): melawan versi terlemah posisi lawan.
    • Menyimpulkan lebih dari premis, misalnya dari "harus dihormati" langsung ke "orang tua tidak perlu tahu".
    • Mencampur klaim hukum dan klaim etis: "dilarang hukum, jadi salah secara moral", atau sebaliknya.
    • Ekuivokasi: memakai "kompeten" sebagai status hukum di satu premis dan sebagai kemampuan psikologis di premis lain.
    • Menganggap argumen valid pasti benar. Validitas hanya menjamin bentuk.
    Pojok S2–S3
    • Ekuilibrium reflektif luas: prinsip dan intuisi juga diuji terhadap teori latar dan argumen filsafat yang relevan, bukan hanya terhadap satu sama lain (Rawls, 1971).
    • Otonomi relasional: otonomi dibentuk dalam hubungan sosial, bukan milik individu yang terisolasi (Mackenzie & Stoljar, 2000). Kerangka ini cocok untuk menimbang peran keluarga di Indonesia.
    • Ketegangan dalam literatur: Wendler (2006) mengusulkan usia sekitar 14 tahun sebagai ambang praktis assent dan menghormati penolakan yang menetap dalam semua kasus, sedangkan CIOMS (2016) memberi pengecualian bila penelitian adalah pilihan pengobatan terbaik. Disertasi dapat berangkat dari ketegangan seperti ini.
    • Filsafat eksperimental menguji intuisi dengan survei. Bila respondennya remaja, protokolnya perlu telaah etik (Bab 7B).
    Intinya
    • Penelitian filsafat menjawab pertanyaan tentang makna, dasar, dan nilai. Datanya konsep, teks, intuisi yang dipertimbangkan, dan temuan ilmu lain.
    • Alat analisisnya: analisis konsep, bentuk baku argumen, uji validitas dan kebenaran premis, kontraeksemplar dan eksperimen pikiran, keberatan–balasan, serta ekuilibrium reflektif.
    • Argumen yang baik jelas, valid, premisnya dapat dipertahankan, adil terhadap lawan, dan jujur tentang ruang lingkupnya. Kesimpulannya berupa tesis yang dibela, bukan hasil uji statistik.
    Coba sendiri: kuis penelitian filsafat
    Bab 59

    Contoh Lengkap Analisis Wacana Kritis (Model Fairclough)

    Analisis wacana kritis (AWK) memandang bahasa sebagai praktik sosial. Cara sebuah teks memilih kata, menyusun kalimat, dan memberi suara kepada pihak tertentu ikut membentuk, dan dibentuk oleh, relasi kuasa dan ideologi (Fairclough, 2010). Model Fairclough membaca satu peristiwa komunikasi pada tiga dimensi: teks, praktik wacana, dan praktik sosiokultural (Fairclough, 1995).

    S1S2–S3

    Wacana, isi, atau tanda?

    Maya, mahasiswi S2 Ilmu Komunikasi Universitas X, memperhatikan berita daring tentang remaja dan gawai. Banyak penelitian di buku ini, termasuk penelitian Rara, mengukur hubungan gawai dengan tidur remaja. Maya bertanya hal lain: bagaimana media membicarakan remaja dan gawai, siapa yang diberi suara, dan mengapa begitu? Pertanyaan tentang makna dan kuasa dalam teks adalah wilayah analisis wacana.

    Tabel 59.1 — Tiga cara meneliti teks media
    AspekAnalisis isi kuantitatifAnalisis wacana kritisSemiotika
    PertanyaanSeberapa sering sesuatu muncul?Bagaimana bahasa membentuk makna dan relasi kuasa?Bagaimana tanda menghasilkan makna?
    DataBanyak teks, dipilih secara acak atau sensusSedikit teks yang kaya, dipilih secara purposifSatu atau beberapa teks, sering gambar
    CaraBuku kode, pengodean, reliabilitas antarpengodeAnalisis linguistik, dikaitkan dengan produksi teks dan konteks sosialDenotasi, konotasi, mitos
    HasilFrekuensi dan uji statistikTafsiran kritis yang didukung bukti teksTafsiran makna tanda
    ContohBab 50Bab 59Kotak pembanding di bab ini; contoh lengkap: Bab 59A
    Dimensi 3: praktik sosiokultural Praktik sosiokultural situasional · institusional · sosial Dimensi 2: praktik wacana Praktik wacana produksi · distribusi · konsumsi teks Dimensi 1: teks Teks kosakata · tata bahasa · struktur representasi · relasi · identitas contoh: “generasi menunduk” Eksplanasimengapa begitu? Interpretasibagaimana dibuatdan dibaca? Deskripsiapa yang tertulis?
    Gambar 59.1 — Model tiga dimensi Fairclough. Teks dideskripsikan, praktik wacana diinterpretasikan, dan praktik sosiokultural dipakai untuk menjelaskan (Fairclough, 2010; Eriyanto, 2001).

    Langkah 1 · Judul

    Representasi Remaja dan Gawai dalam Pemberitaan Media Daring: Analisis Wacana Kritis Model Fairclough
    Fenomena wacanaTeks dan medianyaPendekatan dan model

    Representasi adalah cara teks menampilkan seseorang, kelompok, atau peristiwa: siapa digambarkan aktif atau pasif, sebagai korban atau masalah, dengan kata-kata apa. Menyebut model di judul penting, karena setiap model AWK punya alat analisis yang berbeda.

    Langkah 2 · Rumusan, tujuan, dan dimensi analisis

    Rumusan
    Tujuan
    Dimensi dan data
    Temuan utama
    1
    Bagaimana remaja dan gawai direpresentasikan dalam teks berita?
    Menganalisis kosakata, tata bahasa, struktur, dan narasumber.
    Teks: 12 berita
    Remaja pasif atau bermasalah; gawai sebagai kekuatan yang menelan
    2
    Bagaimana teks itu diproduksi dan dikonsumsi?
    Menafsirkan rutinitas produksi dan pembaca sasaran.
    Praktik wacana: asal berita, judul, wawancara redaktur
    Rilis resmi dan kasus viral; judul lebih pasti daripada isi
    3
    Konteks sosiokultural apa yang menjelaskan representasi itu?
    Menjelaskan kaitan teks dengan konteks yang lebih luas.
    Praktik sosiokultural: literatur, peristiwa sekitar periode
    Kepanikan moral atas teknologi dan cara pandang dewasa-sentris

    Langkah 3 · Korpus dan pemilihan teks

    • Sumber: tiga portal berita daring nasional, disamarkan menjadi Portal A, B, dan C. Semua berita dan kutipan di bab ini adalah rekaan untuk latihan.
    • Periode: Januari–Juni 2026. Kata kunci: "remaja" bersama "gawai", "ponsel", "HP", atau "media sosial".
    • Kriteria: berita (bukan opini atau advertorial), tentang remaja 13–18 tahun, teks lengkap tersedia, bukan salinan sindikasi dari portal lain.
    • Alur: 87 berita ditemukan, 31 memenuhi kriteria, lalu 12 dipilih purposif (4 per portal) agar mewakili ragam rubrik dan mencakup berita yang bernada berbeda. AWK mengutamakan kedalaman, bukan jumlah teks.
    Tabel 59.2 — Korpus penelitian (berita rekaan; data simulasi)
    KodeBulanRubrikTopikNarasumber yang dikutip (jumlah kutipan)
    A1JanGaya hidup“Generasi menunduk”psikolog 2, orang tua 1
    A2FebKesehatanMata dan jam tidurdokter 2, peneliti 1
    A3MarPendidikanLarangan HP di sekolahpejabat 2, guru 1
    A4MeiKriminalTawuran dipicu tantangan daringpolisi 2, guru 1
    B1JanPendidikanProyek video tugas sekolahguru 1, remaja 2, orang tua 1
    B2MarNasional“Ancaman masa depan bangsa”pejabat 2, psikolog 1
    B3AprKeluargaTips orang tua membatasi gawaipsikolog 2, orang tua 2
    B4JunKesehatanImbauan pengawasan orang tuadokter 1, pejabat 1
    C1FebKriminalPelajar diamankanpolisi 2
    C2AprKesehatan“Main HP tiga jam bikin depresi”psikolog 2
    C3MeiPendidikanNilai rapor turunguru 2, orang tua 1, pejabat 1
    C4JunTeknologiRemaja kreator konten edukasiremaja 1, peneliti 1, orang tua 1

    Langkah 4 · Dimensi teks: kata, kalimat, dan suara

    Berikut petikan dari korpus beserta kode analisisnya. Satu petikan bisa memuat lebih dari satu perangkat bahasa.

    A1 · judulGenerasi Menunduk: Remaja Kian Tenggelam dalam Layar

    B2 · terasKecanduan gawai kini menjadi ancaman serius bagi masa depan bangsa.

    C1 · terasSeorang pelajar SMP diamankan setelah terlibat tawuran yang dipicu tantangan di media sosial.

    A3 · isi“Anak-anak sekarang tidak bisa lepas dari HP,” kata Kepala Dinas X.

    B4 · terasOrang tua diimbau memperketat pengawasan penggunaan gawai anak.

    C2 · judul dan isiJudul: “Main HP Tiga Jam Sehari Bikin Remaja Depresi”. Isi: menurut psikolog, remaja itu berisiko mengalami gangguan suasana hati.

    B1 · paragraf terakhirRaka (16) mengaku memakai ponsel untuk belajar kelompok dan menyunting video tugas sekolah.

    Tabel 59.3 — Perangkat analisis teks dan temuannya (data simulasi)
    PerangkatPertanyaan analisisTemuan
    Kosakata dan metaforaKata apa yang dipilih untuk remaja dan gawai?"Menunduk", "tenggelam", "layar menelan jam tidur": remaja pasif, gawai sebagai kekuatan yang menelan. Kata "kecanduan" muncul di 8 dari 12 berita, hampir selalu tanpa kriteria klinis.
    NominalisasiProses apa yang dijadikan kata benda, sehingga pelaku, ukuran, dan sebabnya kabur?"Kecanduan gawai mengancam": siapa yang kecanduan, menurut ukuran apa, dan mengapa, tidak dijelaskan.
    Kalimat pasifPelaku siapa yang disembunyikan?"Diamankan", "diimbau": aparat dan pemerintah bertindak tanpa disebut; remaja dan orang tua menjadi sasaran tindakan.
    ModalitasSeberapa pasti klaim dibuat?Pada 4 dari 12 berita, judul lebih pasti daripada isinya ("bikin" di judul, "berisiko" di isi).
    NarasumberSiapa yang diberi suara, dan siapa yang dibicarakan?33 dari 36 kutipan langsung (91,7%) berasal dari orang dewasa. Remaja dikutip 3 kali, hanya di 2 berita (Gambar 59.2).
    Struktur teksDi mana suara yang berbeda ditempatkan?Kutipan remaja di B1 berada di paragraf terakhir, bagian yang paling mungkin tidak dibaca.

    Gambar 59.2 — Siapa yang dikutip?

    Jumlah kutipan langsung menurut jenis narasumber dalam 12 berita (data simulasi)
    Psikolog Psikolog: 7 dari 36 kutipan (19,4%) 7 (19,4%) Orang tua Orang tua: 6 dari 36 kutipan (16,7%) 6 (16,7%) Pejabat Pejabat: 6 dari 36 kutipan (16,7%) 6 (16,7%) Guru Guru: 5 dari 36 kutipan (13,9%) 5 (13,9%) Polisi Polisi: 4 dari 36 kutipan (11,1%) 4 (11,1%) Dokter Dokter: 3 dari 36 kutipan (8,3%) 3 (8,3%) Remaja Remaja: 3 dari 36 kutipan (8,3%) 3 (8,3%) Peneliti Peneliti: 2 dari 36 kutipan (5,6%) 2 (5,6%) Total 36 kutipan langsung; 33 dari orang dewasa (91,7%)

    Dirangkum dengan tiga fungsi teks menurut Fairclough (1995): representasi menampilkan remaja sebagai pihak pasif atau bermasalah; relasi menempatkan orang dewasa (ahli, aparat, orang tua) sebagai pihak yang berbicara tentang remaja; identitas media tampil sebagai pemberi peringatan kepada orang tua.

    Coba sendiri: perangkat bahasa apa ini?

    "Generasi menunduk"

    Metafora: satu generasi digambarkan dengan satu postur tubuh.

    "Kecanduan gawai mengancam masa depan bangsa."

    Nominalisasi: proses menjadi kata benda yang seolah bertindak sendiri.

    "Seorang pelajar SMP diamankan setelah terlibat tawuran."

    Pasif: siapa yang mengamankan tidak disebut.

    Berita memuat pendapat psikolog, polisi, dan kepala sekolah, tanpa satu pun remaja.

    Pemilihan narasumber: remaja dibicarakan, tetapi tidak diajak bicara.

    "Orang tua diimbau memperketat pengawasan."

    Pasif: pihak yang mengimbau tidak disebut.

    "Layar menelan jam tidur remaja."

    Metafora: layar digambarkan seperti makhluk yang menelan.

    Pilih perangkat bahasa untuk keenam petikan.

    Langkah 5 · Dimensi praktik wacana: bagaimana berita dibuat dan dibaca

    Tabel 59.4 — Produksi dan bentuk berita (n = 12; data simulasi)
    IndikatorBerita%
    Asal: rilis atau acara resmi541,7
    Asal: kasus viral di media sosial325,0
    Asal: liputan sendiri325,0
    Asal: hasil survei lembaga18,3
    Judul bernada negatif975,0
    Judul lebih pasti daripada isi433,3
    Solusi: pengawasan atau pembatasan oleh orang dewasa866,7
    Solusi: literasi digital bersama remaja216,7
    Tanpa solusi216,7

    Angka di sini hanya bukti pendukung tafsiran. AWK tidak menguji hipotesis statistik.

    Untuk dimensi ini Maya juga mewawancarai tiga redaktur (satu dari tiap portal) secara anonim. Tiga pola muncul: (1) target jumlah artikel harian mendorong pemakaian rilis dan kasus viral; (2) judul disusun agar mudah dicari dan diklik; (3) remaja jarang diwawancarai karena perlu izin orang tua dan redaksi khawatir melanggar pedoman peliputan anak. Pola ketiga penting: sebagian "bungkamnya" remaja lahir dari rutinitas dan aturan perlindungan anak, bukan semata sikap redaksi. Nilai berita seperti negativitas dan personalisasi juga menjelaskan mengapa kasus tawuran lebih mudah menjadi berita daripada proyek video sekolah (Galtung & Ruge, 1965). Dari sisi konsumsi, pembaca sasaran berita-berita ini adalah orang tua, bukan remaja.

    Langkah 6 · Dimensi praktik sosiokultural: mengapa begitu?

    • Situasional: pada periode yang sama, satu kasus tawuran yang dikaitkan dengan tantangan di media sosial ramai dibicarakan. Berita lain ikut merujuknya.
    • Institusional: model bisnis media daring yang bertumpu pada klik, dan ketergantungan pada rilis lembaga pemerintah.
    • Sosial: pola kepanikan moral, yaitu reaksi berlebihan masyarakat terhadap kelompok atau gejala yang dianggap mengancam nilai bersama (Cohen, 1972). Kekhawatiran terhadap teknologi baru, dari novel dan radio sampai ponsel, cenderung berulang dalam siklus (Orben, 2020). Ditambah cara pandang dewasa-sentris: remaja dilihat sebagai objek perlindungan, bukan warga yang punya pengalaman sendiri.

    AWK tidak menyatakan kekhawatiran tentang gawai itu keliru. Kekhawatiran tentang gawai dan tidur remaja punya dasar penelitian (Carter dkk., 2016), seperti penelitian Rara di Bagian I buku ini (Bab 1). Yang dikritisi adalah cara teks menyederhanakan sebab-akibat dan siapa yang tidak diberi suara.

    van Dijk

    Menambahkan kognisi sosial. Teks dibaca pada struktur makro (tema), superstruktur (skema berita), dan struktur mikro (kata, kalimat, gaya) (van Dijk, 1988; Eriyanto, 2001).

    Sara Mills

    Berakar pada kajian feminis. Menanyakan siapa yang menjadi subjek pencerita dan siapa objek yang diceritakan, serta posisi pembaca yang dibentuk teks (Mills, 1995; Eriyanto, 2001).

    Semiotika Barthes

    Foto remaja menunduk di kamar gelap. Denotasi: remaja memegang ponsel. Konotasi: kesepian, kecanduan. Mitos: "teknologi merusak generasi muda" terasa wajar (Barthes, 1972). Contoh lengkap analisis semiotika: Bab 59A.

    Framing

    Bingkai berita mendefinisikan masalah, mendiagnosis sebab, memberi penilaian moral, dan menawarkan penyelesaian (Entman, 1993). Bingkai dominan di korpus: gawai sebagai penyakit, orang tua sebagai penjaga.

    Langkah 7 · Keabsahan, refleksivitas, dan etika

    • Transparansi: setiap tafsiran disertai petikan teksnya, sehingga pembaca dapat menilai sendiri.
    • Contoh tandingan: berita B1 dan C4 yang menampilkan remaja aktif dianalisis, bukan dibuang.
    • Konsistensi korpus: sebuah pola baru disebut temuan bila muncul di ketiga portal.
    • Diskusi sejawat: pembimbing dan satu rekan membaca ulang 4 berita secara terpisah; perbedaan tafsiran dibahas dan dicatat.
    • Refleksivitas: Maya pernah tiga tahun menjadi jurnalis daring. Ia memahami rutinitas redaksi, tetapi bisa terlalu membela atau terlalu keras terhadapnya. Memo reflektif ditulis sepanjang analisis. AWK memang terbuka memihak kelompok yang kurang bersuara; keberpihakan itu dinyatakan, bukan disembunyikan.
    • Etika: analisis teks publik umumnya masuk kategori tidak berisiko, sedangkan wawancara redaktur memerlukan persetujuan dan telaah komisi etik (Bab 7B). Nama portal dan wartawan disamarkan; kritik diarahkan pada praktik, bukan pribadi. Identitas remaja yang muncul dalam berita tidak dikutip ulang. Kutipan dibatasi seperlunya (franzke dkk., 2020).

    Langkah 8 · Sistematika tesis

    Tabel 59.5 — Susunan bab tesis Maya
    BabIsi
    I PendahuluanLatar belakang, rumusan, tujuan, manfaat
    II Tinjauan pustakaWacana dan representasi, model Fairclough, kepanikan moral, penelitian terdahulu
    III MetodeParadigma kritis, korpus dan kriteria, unit analisis, wawancara redaktur, keabsahan, etika
    IV HasilAnalisis teks, praktik wacana, dan praktik sosiokultural (satu subbab per dimensi)
    V Pembahasan dan penutupKaitan dengan teori, kesimpulan, saran, keterbatasan

    Langkah 9 · Pembahasan dan kesimpulan

    Berita daring dalam korpus menampilkan remaja sebagai pihak pasif atau bermasalah dan gawai sebagai kekuatan yang menelan, dengan suara yang hampir seluruhnya milik orang dewasa. Pola ini sejalan dengan gagasan kepanikan moral (Cohen, 1972) dan siklus kekhawatiran terhadap teknologi baru (Orben, 2020), serta dengan pandangan Fairclough (1995) bahwa rutinitas produksi media ikut membentuk representasi. Menurut peneliti, media dapat melaporkan risiko gawai tanpa menghapus suara remaja, misalnya dengan mewawancarai remaja secara etis dan menulis judul yang setia pada isi. Keterbatasan: 12 berita dari tiga portal dalam enam bulan, tafsiran bergantung pada posisi peneliti, dan penelitian ini tidak meneliti bagaimana pembaca sebenarnya memaknai berita.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap rumusan):

    1. Dalam teks, remaja direpresentasikan pasif atau bermasalah melalui metafora, nominalisasi, kalimat pasif, dan pemilihan narasumber; 33 dari 36 kutipan berasal dari orang dewasa.

    2. Dalam praktik wacana, berita banyak bersumber dari rilis resmi dan kasus viral, judul sering lebih pasti daripada isinya, dan pembaca sasarannya orang tua.

    3. Secara sosiokultural, representasi itu dijelaskan oleh pola kepanikan moral atas teknologi, ekonomi klik, dan cara pandang dewasa-sentris terhadap remaja.

    Saran: redaksi menyusun pedoman peliputan remaja yang memberi ruang suara remaja secara aman; peneliti berikutnya menguji pola ini pada korpus yang lebih besar dengan analisis isi kuantitatif (Bab 50), atau meneliti cara remaja sendiri membaca berita tersebut.

    Awas, keliru!
    • Hanya menghitung kata lalu menyebutnya AWK. Tanpa analisis linguistik dan konteks, itu analisis isi.
    • Tafsiran tanpa bukti teks, misalnya menyatakan media "menyudutkan remaja" tanpa menunjukkan petikan dan perangkat bahasanya.
    • Memilih petikan yang cocok saja dan membuang contoh tandingan.
    • Menyimpulkan niat jahat redaksi dari teks saja. Rutinitas produksi dan aturan perlindungan anak juga membentuk teks.
    • Mencampur model tanpa alasan, misalnya memakai istilah Fairclough dan van Dijk bergantian tanpa kerangka yang jelas.
    • Menyerang wartawan secara pribadi atau menampilkan identitas remaja dalam berita.
    Pojok S2–S3
    • Interdiskursivitas: telusuri wacana apa yang dipinjam teks, misalnya bahasa medis ("kecanduan", "gangguan") dalam berita gaya hidup (Fairclough, 2010).
    • AWK berbantuan korpus: untuk ribuan berita, kata kunci dan kolokasi dihitung dengan perangkat lunak linguistik korpus, lalu petikan terpilih dianalisis secara kualitatif.
    • Multimodal: berita daring memuat foto, video, dan grafik. Analisis bahasa saja bisa melewatkan makna visualnya.
    • Resepsi: AWK membaca teks, bukan pembacanya. Studi resepsi atau FGD dengan remaja dapat melengkapi.
    • Posisi normatif: AWK bertujuan mengkritik ketimpangan, sehingga standar mutunya adalah kejelasan argumen, transparansi bukti, dan refleksivitas, bukan objektivitas netral.
    Intinya
    • AWK membaca bahasa sebagai praktik sosial: pilihan kata, kalimat, dan narasumber ikut membentuk relasi kuasa.
    • Model Fairclough menganalisis tiga dimensi berurutan: teks (deskripsi), praktik wacana (interpretasi), dan praktik sosiokultural (eksplanasi).
    • Mutu AWK bertumpu pada bukti teks yang ditampilkan, contoh tandingan, refleksivitas, dan etika yang melindungi jurnalis serta remaja dalam berita.
    Coba sendiri: kuis analisis wacana kritis
    Bab 59A

    Contoh Lengkap Analisis Semiotika (Model Roland Barthes)

    Semiotika adalah ilmu tentang tanda: apa saja yang dimaknai sebagai mewakili hal lain, seperti kata, gambar, warna, bunyi, dan gerak (Chandler, 2017). Dalam ilmu komunikasi, semiotika dipakai untuk membaca bagaimana iklan, film, dan foto menghasilkan makna, termasuk makna ideologis yang terasa wajar sehingga jarang dipertanyakan (Barthes, 1972; Sobur, 2003).

    SMP–SMAS1S2–S3

    Semiotika: tiga tradisi yang sering dipakai

    Citra, mahasiswi S1 Ilmu Komunikasi Universitas X dan adik tingkat Maya (Bab 59), memperhatikan iklan minuman energi yang tayang di sela video gim dan siaran futsal. Tokohnya remaja, latarnya sering malam hari. Penelitian Rara mengukur tidur remaja. Citra bertanya hal lain: makna apa yang ditawarkan iklan kepada remaja tentang lelah, malam, dan tidur? Pertanyaannya tentang makna tanda dalam sedikit teks yang kaya, bukan frekuensi isi (Bab 50) atau relasi kuasa dalam produksi berita (Bab 59). Skripsi di Indonesia umumnya memakai salah satu dari tiga tradisi berikut.

    Tabel 59A.1 — Tiga tradisi semiotika dan kapan dipakai
    AspekSaussurePeirceBarthes
    Model tandaDua unsur: penanda (bentuk) dan petanda (konsep); hubungannya arbitrerTiga unsur: representamen (bentuk tanda), objek (yang diwakili), interpretan (makna yang timbul)Dua tatanan penandaan: denotasi, lalu konotasi dan mitos
    Alat analisisRelasi sintagmatik (urutan tanda) dan paradigmatik (pilihan di antara alternatif)Ikon (kemiripan), indeks (hubungan sebab atau fisik), simbol (kesepakatan)Tanda denotatif menjadi penanda bagi makna kedua; teks menjangkarkan makna gambar
    Contoh pada iklanSlogan memilih kata “fokus”, bukan “tenang”; urutan adegan lelah → minum → berhasilFoto kaleng = ikon; keringat = indeks kerja keras; logo merek = simbolKaleng dibuka, tokoh segar (denotasi) → semangat (konotasi) → “lelah bisa dibeli” (mitos)
    Cocok untukStruktur teks, oposisi (malam/siang, kuat/lemah), pilihan kataJenis tanda: logo, rambu, ikon aplikasi, emojiMakna budaya dan ideologi dalam iklan, film, foto
    RujukanSaussure (1959)Peirce (1932)Barthes (1967, 1972)

    Citra memilih Barthes karena pertanyaannya tentang makna budaya dan anggapan yang dibuat terasa wajar. Barthes membangun modelnya di atas Saussure, sehingga konsep sintagmatik dan paradigmatik boleh dipakai sebagai alat bantu, asalkan disebut dan dijelaskan di bab metode. Istilah Peirce tidak dipakai, agar satu tabel analisis tidak mencampur dua kerangka.

    Langkah 1 · Judul

    Denotasi, Konotasi, dan Mitos dalam Iklan Minuman Energi yang Menyasar Remaja: Analisis Semiotika Roland Barthes
    Lapis makna yang dianalisisTeks dan sasarannyaPendekatan dan model

    Judul awal Citra, “Makna Tanda dalam Iklan ...”, terlalu umum. Menyebut tiga lapis makna membuat judul sejajar dengan tiga rumusan. Kata menyasar didefinisikan dari penanda di dalam iklan (tokoh berusia sekolah, latar kegiatan remaja, bahasa gaul), bukan dari dokumen strategi pemasaran yang tidak dimiliki peneliti.

    Langkah 2 · Rumusan, tujuan, dan lapis analisis

    Rumusan
    Tujuan
    Lapis dan data
    Temuan utama
    1
    Makna denotatif apa yang ditampilkan tanda visual, audio, dan verbal dalam tiga iklan?
    Mendeskripsikan tanda per adegan.
    Denotasi: 24 adegan
    Remaja lelah di malam hari, minum, lalu berhasil
    2
    Makna konotatif apa yang dibangun tanda-tanda itu?
    Menafsirkan kode warna, kamera, musik, dan bahasa.
    Konotasi: adegan kunci
    Produk sebagai titik balik: lelah menjadi fokus, kuat, menang
    3
    Mitos apa yang dinaturalisasi, dan bagaimana kaitannya dengan pesan kesehatan tentang tidur?
    Menjelaskan mitos dan membandingkannya dengan bukti kesehatan.
    Mitos: sintesis tiga iklan dan pustaka
    Begadang itu produktif; laki-laki kuat tidak boleh lelah; tidur berarti kalah

    Langkah 3 · Korpus dan unit analisis

    • Sumber: iklan minuman energi yang tayang di televisi nasional dan kanal video resmi merek, Januari 2025–Juni 2026. Semua iklan dan merek di bab ini adalah rekaan untuk latihan.
    • Kriteria: menampilkan tokoh usia sekolah atau latar kegiatan remaja (belajar, olahraga sekolah, bermain gim), berbahasa Indonesia, durasi 15–60 detik, versi lengkap tersedia. Versi potongan dari iklan yang sama dikeluarkan.
    • Alur: 19 iklan ditemukan, 7 memenuhi kriteria, lalu 3 dipilih purposif dengan prinsip variasi maksimum: kegiatan berbeda, tokoh perempuan dan laki-laki, tiga merek berbeda.
    Tabel 59A.2 — Korpus penelitian (iklan rekaan; data simulasi)
    KodeDurasiAdeganTokohAlur singkatSlogan
    A45 detik8Siswi kelas XIIBelajar dini hari menjelang ujian, mengantuk, minum, segar, peringkat pertama“Fokus sampai subuh.”
    B30 detik6Tim futsal sekolah (laki-laki)Pertandingan malam, tertinggal 0–2, minum, bangkit, menang 3–2“Buktikan kamu kuat.”
    C60 detik10Remaja laki-laki pemain gimBermain pukul dua dini hari, ibu menyuruh tidur, hampir kalah, minum, menang, pagi tetap segar“Jangan kasih kendor.”

    Unit analisis adalah adegan, yaitu rangkaian gambar dalam satu latar dan waktu. Setiap adegan diberi kode waktu, lalu tandanya dicatat per saluran: visual (tokoh, ekspresi, gestur, objek, latar, warna), kamera (ukuran bidikan, sudut, gerak), audio (musik, efek bunyi, suara narator), dan verbal (dialog, slogan, teks di layar). Iklan ditonton utuh tiga kali, lalu diputar ulang bingkai demi bingkai. Hasilnya adalah deskripsi tebal per adegan, yang menjadi kolom penanda pada Tabel 59A.3.

    Langkah 4 · Analisis dua tatanan penandaan

    Pada tatanan pertama, penanda dan petanda membentuk tanda dengan makna harfiah (denotasi). Pada tatanan kedua, tanda itu menjadi penanda baru yang membawa makna tambahan (konotasi). Konotasi yang sudah begitu biasa sehingga terasa alamiah, bukan buatan, disebut mitos (Barthes, 1967, 1972).

    Contoh: Iklan A, adegan 3 (00:12–00:18) Tatanan pertama: penanda 1 · Penanda kaleng dibuka; warna jadi jingga Tatanan pertama: petanda 2 · Petanda minuman dingin; suasana berubah Tanda denotatif yang sekaligus menjadi penanda tatanan kedua 3 · Tanda = I · PENANDA siswi mengantuk minum, lalu tampak segar Tatanan kedua: petanda konotatif II · PETANDA fokus, semangat; lelah teratasi Tatanan kedua: tanda konotatif yang menjadi mitos III · TANDA: konotasi menjadi mitos “Lelah cukup diatasi dengan minuman; begadang demi prestasi itu wajar.” Tatananpertama(denotasi) Tatanankedua(konotasidan mitos)
    Gambar 59A.1 — Dua tatanan penandaan Barthes. Tanda pada tatanan pertama menjadi penanda pada tatanan kedua (Barthes, 1972; Chandler, 2017).
    1. Denotasi: catat apa yang tampak dan terdengar, tanpa tafsiran. Ujinya: akankah dua penonton setuju dengan kalimat itu?

    2. Konotasi: tafsirkan tanda dengan kode yang bisa ditunjukkan (warna, sudut kamera, musik, bahasa, konvensi iklan), didukung pustaka bila kodenya tidak umum.

    3. Mitos: tanyakan anggapan apa yang dibuat terasa wajar, dan untuk kepentingan siapa. Mitos mengubah sesuatu yang dibuat manusia menjadi seolah-olah alamiah (Barthes, 1972).

    4. Sintesis: bandingkan antariklan, termasuk tanda yang tidak dipilih. Dalam analisis paradigmatik, makna juga lahir dari alternatif yang tidak diambil (Chandler, 2017).

    Jelajahi: satu adegan, empat lapis

    Iklan B, adegan 4 (00:14–00:20), beberapa detik setelah tokoh minum.

    Visual: siswa berkaus tim sekolah menggiring bola; dua lawan tampak kecil di tepi bingkai. Kamera: sudut rendah (low angle), gerak lambat. Audio: dentum drum; narator laki-laki bersuara berat. Verbal: “Buktikan kamu kuat.”

    Tabel 59A.3 — Analisis tanda pada adegan kunci (iklan rekaan; data simulasi)
    AdeganPenandaPetandaDenotasiKonotasiMitos
    A1
    00:00–00:05
    Jam digital 01:30; lampu meja; kartu ujianDini hari; masa ujianSiswi masih belajar pukul setengah dua dini hariKesungguhan dan pengorbanan demi ujianBegadang adalah tanda pelajar yang serius
    A3
    00:12–00:18
    Bunyi “psst”; biru pucat menjadi jingga; musik makin cepatMinuman dibuka; suasana berubahSiswi minum, lalu tampak segarProduk sebagai “tombol” yang mengubah lelah menjadi semangatLelah diatasi dengan minuman, bukan dengan tidur
    B5
    00:20–00:25
    Pemain yang tidak minum duduk kelelahan di bangku; teman tertawaPemain yang tertinggalSatu pemain duduk, yang lain merayakan golLelah itu memalukan dan membuat tersisihLaki-laki yang lelah bukan laki-laki kuat
    B6
    00:25–00:30
    Slogan besar selama 5 detik; peringatan kecil pucat “tidak dianjurkan untuk anak-anak” selama 2 detikSlogan; peringatanIklan ditutup dengan slogan dan peringatan konsumsiSlogan menonjol, peringatan nyaris tak terbaca; tokoh berusia sekolah, peringatan menyebut “anak-anak”Risiko hanyalah formalitas, bukan bagian cerita
    C9
    00:48–00:55
    Pagi cerah; tokoh berangkat sekolah sambil tersenyum, tidak menguapPagi yang segarRemaja berangkat sekolah setelah bermain sampai pukul empat lewatBegadang tanpa akibatTubuh remaja bisa terus dipacu tanpa harga

    Tabel analisis lengkap (24 adegan) ditaruh di lampiran; bab hasil menampilkan adegan kunci dan narasinya.

    Coba sendiri: denotasi, konotasi, atau mitos?

    Semua pernyataan tentang Iklan C. Pilih lapis maknanya.

    Jam digital di samping monitor menunjukkan 02:00.

    Denotasi: mencatat apa yang tampak, tanpa tafsiran.

    Lampu LED ungu-hijau membuat kamar terasa seperti arena turnamen.

    Konotasi: makna tambahan yang dibangun kode warna dan cahaya.

    Remaja masa kini memang hidup di malam hari; tidur cepat itu kuno.

    Mitos: anggapan tentang satu generasi yang dibuat terasa alamiah.

    Ibu mengetuk pintu dan berkata, “Tidur, Nak!”, lalu tokoh menjawab, “Sebentar lagi, Bu.”

    Denotasi: dialog dicatat apa adanya.

    Kesetiaan kepada teman diukur dari kesediaan begadang bersama.

    Mitos: nilai sosial yang tampil sebagai kewajaran.

    Suara ibu ditempatkan sebagai gangguan yang menghalangi kemenangan.

    Konotasi: tafsiran atas posisi tanda dalam alur cerita.

    Pilih lapis makna untuk keenam pernyataan.

    Langkah 5 · Hasil: dari tanda ke mitos

    Tabel 59A.4 — Struktur cerita dan mitos tiga iklan (iklan rekaan; data simulasi)
    IklanAwal: masalahTitik balikAkhirSlogan (penjangkar)Mitos utama
    AMengantuk dini hari menjelang ujianKaleng dibuka (00:12)Peringkat pertama“Fokus sampai subuh.”Begadang itu produktif
    BTertinggal 0–2, pemain kelelahanKaleng dari teman (00:09)Menang 3–2“Buktikan kamu kuat.”Laki-laki kuat tidak boleh lelah
    CHampir kalah; ibu menyuruh tidurKaleng dibuka (00:23)Naik peringkat; pagi tetap segar“Jangan kasih kendor.”Tidur berarti kalah

    Ketiga iklan memakai struktur yang sama: masalah, minum, berhasil. Titik baliknya selalu saat produk diminum, sehingga produk tampil sebagai satu-satunya sebab keberhasilan. Iklan bekerja dengan memindahkan makna dari satu hal (prestasi, kekuatan, kemenangan) ke produk (Williamson, 1978). Slogan menjangkarkan makna gambar: dari banyak kemungkinan tafsiran, pembaca diarahkan ke satu tafsiran yang dikehendaki (Barthes, 1977).

    Yang tidak ditampilkan sama pentingnya. Latar malam atau dini hari muncul di 18 dari 24 adegan (75,0%). Tidak satu adegan pun menampilkan tidur. Kata “tidur” hanya muncul sekali, sebagai perintah ibu yang diabaikan (C2). Iklan A bisa saja menampilkan siswi yang tidur cukup lalu segar saat ujian; pilihan paradigmatik yang diambil justru begadang.

    Kaitan dengan kesehatan. Mitos itu berlawanan dengan bukti. Remaja 13–18 tahun dianjurkan tidur 8–10 jam per 24 jam (Paruthi dkk., 2016). Kafein 400 mg yang diminum 6 jam sebelum tidur memangkas waktu tidur lebih dari 1 jam pada orang dewasa sehat (Drake dkk., 2013), dan pada remaja konsumsi kafein berhubungan dengan waktu tidur total yang lebih pendek (Bonnar & Gradisar, 2015). Kajian Owens dkk. (2014) mencatat bahwa remaja sering meminum minuman energi karena menganggapnya mengusir lelah serta memperbaiki suasana hati dan performa, persis anggapan yang ditawarkan korpus ini. Panel Delphi di Bab 51 pun menyepakati kantin sekolah tanpa minuman energi. Namun semiotika tidak membuktikan bahwa iklan membuat remaja begadang. Pertanyaan tentang efek dijawab dengan desain lain, misalnya survei (Bab 27) atau eksperimen (Bab 22).

    Langkah 6 · Keabsahan tafsiran

    Tafsiran semiotika tidak diukur dengan koefisien, tetapi harus dapat dipertanggungjawabkan kepada pembaca lain (kriteria umum: Bab 19).

    • Intersubjektivitas lewat diskusi sejawat: dua teman seangkatan menganalisis ketiga iklan secara terpisah dengan lembar yang sama; tafsiran dibandingkan bersama pembimbing, dan perbedaannya dicatat (Lincoln & Guba, 1985).
    • Deskripsi tebal konteks: kanal dan jam tayang, musim ujian, budaya peringkat di sekolah, dan populernya turnamen gim, agar pembaca dapat menilai tafsiran (Geertz, 1973).
    • Bacaan alternatif: seorang teman membaca Iklan A sebagai kisah siswi yang berdaya dan berprestasi, dan Iklan B sebagai kisah kebersamaan tim. Bacaan ini dilaporkan di samping bacaan dominan, beserta alasan mengapa slogan mengarahkan pembaca ke bacaan dominan.
    • Uji komutasi: satu penanda diganti dalam pikiran untuk melihat apakah makna berubah (Chandler, 2017). Bila jam di A1 menunjukkan pukul empat sore, makna “pengorbanan” hilang; jadi jam itu penanda yang bermakna, bukan hiasan.
    • Refleksivitas: Citra terbiasa minum kopi saat mengerjakan tugas malam dan menyukai gim daring. Memo reflektif menjaga agar ia tidak terlalu membela atau terlalu keras menilai iklan.
    • Triangulasi dengan khalayak: semiotika membaca teks, bukan penontonnya. Menurut model encoding/decoding, penonton bisa mengambil posisi dominan, negosiasi, atau oposisi terhadap makna yang disandikan (Hall, 1980). Analisis resepsi dengan FGD remaja (Bab 17) diusulkan sebagai penelitian lanjutan.

    Langkah 7 · Etika dan hak cipta

    • Iklan adalah ciptaan yang dilindungi. UU No. 28 Tahun 2014 tentang Hak Cipta membolehkan penggunaan ciptaan untuk pendidikan, penelitian, dan kritik bila sumbernya disebut lengkap dan kepentingan wajar pencipta tidak dirugikan. Karena itu iklan dideskripsikan dengan kata dan kode waktu. Bila perlu, pakai sedikit tangkapan layar beresolusi rendah dengan sumber (merek, judul, kanal, tanggal akses); video utuh tidak diunggah ulang.
    • Pemeran bukan sasaran kritik. Yang dianalisis adalah konstruksi tanda. Nama pemeran tidak disebut, penampilan pribadinya tidak dikomentari, bahasa mengejek dihindari, dan wajah pemeran usia anak pada tangkapan layar disamarkan.
    • Merek disebut secara netral. Untuk iklan nyata, kalimat dibatasi pada temuan, misalnya “iklan ini mengonstruksi begadang sebagai prestasi”, bukan tuduhan tentang niat perusahaan.
    • Komisi etik: analisis iklan yang tayang untuk publik umumnya tidak berisiko; keputusannya tetap di komisi etik. Bila ditambah FGD dengan remaja, diperlukan persetujuan orang tua dan assent remaja (Bab 7B).

    Langkah 8 · Sistematika skripsi

    Tabel 59A.5 — Susunan bab skripsi Citra
    BabIsi
    I PendahuluanLatar belakang, rumusan, tujuan, manfaat, definisi istilah (termasuk “menyasar remaja”)
    II Tinjauan pustakaSemiotika Barthes, iklan dan remaja, minuman berkafein dan tidur, penelitian terdahulu, kerangka pemikiran
    III MetodeParadigma dan alasan memilih Barthes, korpus dan kriteria, unit analisis, lembar analisis, keabsahan, etika dan hak cipta
    IV Hasil dan pembahasanDenotasi, konotasi, dan mitos per iklan; sintesis antariklan; kaitan dengan bukti kesehatan
    V PenutupKesimpulan per rumusan, saran, keterbatasan

    Langkah 9 · Pembahasan dan kesimpulan

    Ketiga iklan menampilkan kelelahan remaja sebagai masalah yang selesai dalam satu tegukan, dengan malam sebagai waktu berprestasi dan tidur yang tidak pernah hadir. Pola ini sejalan dengan gagasan Barthes (1972) bahwa mitos membuat hal yang dikonstruksi terasa alamiah, dan dengan Williamson (1978) tentang iklan yang memindahkan makna ke produk; mitos itu berlawanan dengan anjuran tidur remaja (Paruthi dkk., 2016). Menurut peneliti, literasi iklan perlu masuk ke pendidikan kesehatan di sekolah, dengan mengajak remaja membongkar sendiri tanda-tanda dalam iklan. Keterbatasan: tiga iklan dari satu kategori produk, tafsiran dipengaruhi posisi peneliti, dan penelitian ini tidak meneliti bagaimana remaja sebenarnya memaknai iklan tersebut.

    TemuanTeori & pembandingOpiniKeterbatasan

    Kesimpulan (satu untuk setiap rumusan):

    1. Secara denotatif, ketiga iklan menampilkan remaja yang lelah atau tertinggal pada malam hari, meminum produk, lalu berhasil; 18 dari 24 adegan berlatar malam atau dini hari dan tidak ada adegan tidur.

    2. Secara konotatif, warna, musik, sudut kamera, dan slogan menandai produk sebagai titik balik yang mengubah lelah menjadi fokus, kekuatan, dan kemenangan.

    3. Pada tatanan mitos, iklan menaturalisasi gagasan bahwa begadang itu produktif, laki-laki kuat tidak boleh lelah, dan tidur berarti kalah; ketiganya berlawanan dengan pesan kesehatan tentang tidur remaja.

    Saran: guru dan tim UKS (Bab 54) memakai iklan sebagai bahan latihan literasi media; peneliti berikutnya melakukan analisis resepsi dengan remaja, menghitung pola yang sama pada korpus besar dengan analisis isi kuantitatif (Bab 50), atau menelaah produksi dan regulasi iklan dengan analisis wacana kritis (Bab 59).

    Proyek kecil: bongkar satu iklan
    1. Pilih satu iklan minuman atau camilan yang sering kamu lihat. Tonton tiga kali.
    2. Tulis apa yang benar-benar tampak dan terdengar: tokoh, jam, warna, musik, kata-kata (denotasi).
    3. Tanyakan: perasaan atau gagasan apa yang ingin ditimbulkan (konotasi)?
    4. Tanyakan: anggapan apa yang dibuat terasa wajar (mitos)? Apa yang tidak ditampilkan?
    5. Bandingkan dengan tafsiran temanmu. Kalau berbeda, diskusikan alasannya.
    Awas, keliru!
    • Mendaftar tanda tanpa menafsirkan: tabel penuh penanda, tetapi kolom konotasi dan mitos kosong atau satu kata.
    • Berhenti di denotasi dan menyebut deskripsi adegan sebagai analisis.
    • Mencampur model tanpa alasan, misalnya kolom ikon–indeks–simbol dan denotasi–konotasi–mitos dalam satu tabel tanpa penjelasan hubungannya.
    • Mengklaim efek pada penonton (“iklan ini membuat remaja begadang”) dari analisis teks saja.
    • Menganggap mitos sama dengan hoaks. Mitos Barthes adalah makna yang dibuat terasa alamiah, bukan sekadar informasi keliru.
    • Mengolok-olok pemeran atau memuat ulang video iklan secara utuh.
    Pojok S2–S3
    • Semiotika sosial multimodal: Kress dan van Leeuwen (2006) membaca gambar dengan tiga jenis makna: representasional (siapa melakukan apa), interaktif (tatapan, jarak bidikan, sudut), dan komposisional (posisi kiri–kanan dan atas–bawah, penonjolan, pembingkaian).
    • Semiotika film: iklan video dibaca sebagai rangkaian sintagma, bukan kumpulan bingkai lepas; montase, ritme potongan, dan suara ikut membentuk makna (Metz, 1974).
    • Menggabungkan dengan AWK (Bab 59): Barthes membaca makna tanda; Fairclough menambahkan praktik produksi, distribusi, regulasi, dan konteks sosial. Gabungan ini sah bila pembagian tugas kedua model dijelaskan.
    • Desain campuran: analisis isi memetakan ratusan iklan, beberapa kasus kaya dibaca secara semiotik, lalu resepsi remaja diteliti dengan FGD (Hall, 1980).
    Intinya
    • Semiotika mempelajari cara tanda menghasilkan makna. Pilih satu model sesuai pertanyaan dan jelaskan alasannya: Saussure (penanda–petanda, sintagmatik–paradigmatik), Peirce (ikon, indeks, simbol), atau Barthes (denotasi, konotasi, mitos).
    • Model Barthes membaca dua tatanan: tanda denotatif menjadi penanda bagi konotasi, dan konotasi yang terasa alamiah menjadi mitos. Kerjakan per adegan dengan kode waktu, lalu sintesis antarteks, termasuk yang tidak ditampilkan.
    • Mutu tafsiran bertumpu pada deskripsi tebal, diskusi sejawat, bacaan alternatif, refleksivitas, dan klaim yang tidak melampaui teks. Iklan dideskripsikan, bukan disalin, dan pemeran tidak dijadikan sasaran kritik.
    Coba sendiri: kuis semiotika
    Bab 60

    Peta Semua Jenis Penelitian

    Buku ini memuat 81 bab, dan sebagian besar di antaranya adalah contoh penelitian lengkap. Bab ini membantu memilih contoh yang paling dekat dengan rencana penelitianmu. Mulailah dari pertanyaan yang ingin dijawab, lalu saring berdasarkan pendekatan dan jenjang.

    SMP–SMAS1S2–S3

    Langkah 1 · Mulai dari pertanyaan, bukan dari metode

    Kesalahan paling umum adalah memilih metode lebih dulu ("saya mau pakai SEM", "saya mau kualitatif saja karena tidak suka statistik"), lalu mencari pertanyaan yang cocok. Urutannya harus terbalik. Pertanyaan menentukan jenis penelitian, jenis penelitian menentukan data, dan data menentukan analisis (Bab 4).

    Tabel 60.1 — Dari bentuk pertanyaan ke jenis penelitian
    Bentuk pertanyaanJenis penelitianContoh lengkap
    Seperti apa keadaannya?Survei deskriptif; case report; case seriesBab 43, 28, 29
    Adakah hubungan antara X dan Y?Korelasional; cross-sectional analitik; case-control; kohort; regresi; SEM; nested case-controlBab 41, 27, 26, 25, 38, 9B, 26A
    Melalui apa X berhubungan dengan Y, dan untuk siapa hubungan itu lebih kuat?Mediasi dan moderasiBab 41A
    Datanya sudah tersedia dari survei nasional yang besar?Analisis data sekunder dengan desain survei kompleksBab 27A
    Apakah kelompok yang sudah ada berbeda?Komparatif (ex post facto)Bab 42
    Apakah perlakuan ini menyebabkan perubahan?RCT; eksperimen laboratorium; uji acak klaster; uji silang; rancangan acak lengkap; rancangan acak kelompok; faktorial dalam RAK; uji organoleptik; pra-eksperimen; kuasi-eksperimen; faktorial; uji non-inferioritasBab 22, 23, 23A, 23B, 23C, 23D, 23E, 23F, 24, 24A, 44, 23G
    Apa dampak kebijakan yang mulai pada waktu tertentu?Deret waktu terputus; studi ekologisBab 45
    Seberapa tepat tes atau alat ukur ini?Uji diagnostik; pengembangan skala; adaptasi lintas budayaBab 37, 31, 46
    Siapa yang berisiko di masa depan?Model prediksiBab 47
    Apakah hasilnya sepadan dengan biayanya?Evaluasi ekonomiBab 48
    Bagaimana orang mengalami dan memaknai sesuatu?Fenomenologi; naratif; etnografi; grounded theory; studi kasus; kualitatif deskriptif; fenomenologi interpretatif (IPA); etnometodologiBab 14–19, 34, 30, 32, 33, 49, 19A, 30A
    Apa isi dan makna teks atau media?Analisis isi; analisis wacana kritis; studi pustaka; semiotikaBab 50, 59, 58, 59A
    Apa kata semua penelitian yang sudah ada?Tinjauan sistematis dan meta-analisis; scoping review; bibliometrik; umbrella review; rapid reviewBab 36, 52, 53, 36A, 36B
    Apa kesepakatan para ahli?DelphiBab 51
    Apakah program ini berjalan dan berhasil?Evaluasi programBab 54
    Bagaimana memperbaiki praktik atau menghasilkan produk?PTK; R&D; participatory action researchBab 39, 40, 55
    Bagaimana hukumnya mengatur hal ini?Penelitian hukum normatifBab 56
    Bagaimana hukum itu dijalankan dan dipatuhi di masyarakat?Penelitian hukum empirisBab 56A
    Apa arti sebuah konsep, dan bagaimana seharusnya kita bertindak?Penelitian filsafatBab 58A
    Apa yang terjadi di masa lalu, dan mengapa?Penelitian sejarahBab 57
    Butuh angka sekaligus cerita?Mixed methods: eksplanatori, eksploratori, konvergenBab 20–21, 31, 35

    Langkah 2 · Cari contoh yang paling dekat

    Pilih tujuan, pendekatan, dan jenjang, atau ketik kata kunci (misalnya "sekolah", "rumah sakit", "media"). Setiap kartu menunjukkan kata kunci judul yang lazim, analisis utamanya, dan bab contohnya. Kartu bertanda kerabat adalah jenis yang tidak punya bab sendiri; pelajari bab terdekat yang disebut.

    Pencari jenis penelitian

    Langkah 3 · Periksa kecocokan sebelum menulis proposal

    1. Tujuan dan kata kunci judul sejalan. "Gambaran" untuk deskriptif, "hubungan" untuk korelasional dan observasional analitik, "perbedaan" untuk komparatif, "pengaruh" atau "efektivitas" hanya bila ada perlakuan (Bab 1).

    2. Benang merah utuh. Rumusan, tujuan, hipotesis, analisis, dan kesimpulan menjawab hal yang sama (Bab 3).

    3. Data yang dibutuhkan memang bisa didapat dalam waktu, biaya, dan izin yang tersedia, termasuk izin etik (Bab 7A, 7B).

    4. Analisisnya dikuasai, atau ada pembimbing dan waktu untuk mempelajarinya. Pilih desain sesederhana mungkin yang tetap menjawab pertanyaan.

    5. Pedoman pelaporannya diketahui sejak awal: STROBE, CONSORT, COREQ, PRISMA, STARD, TRIPOD, CHEERS, dan seterusnya. Pedoman itu sekaligus daftar periksa desain.

    6. Rencanakan publikasinya. Cara mengubah skripsi, tesis, atau disertasi menjadi artikel jurnal ada di Bab 13A.

    Awas, keliru!
    • Menyebut penelitian "deskriptif kuantitatif" padahal menguji hubungan dengan nilai p. Itu penelitian analitik.
    • Menulis "pengaruh" pada survei sekali waktu tanpa perlakuan.
    • Menyebut tinjauan tanpa metode sebagai "studi literatur sistematis". Tanpa protokol, pencarian tercatat, dan seleksi yang dapat diulang, itu tinjauan naratif.
    • Menyebut "mixed methods" hanya karena kuesioner memuat satu pertanyaan terbuka.
    • Menyebut "R&D" tanpa uji kevalidan, kepraktisan, dan keefektifan produk.
    • Menyebut "PTK" tanpa siklus dan refleksi yang nyata.
    • Memilih desain karena ikut-ikutan ("kakak tingkat pakai SEM"), bukan karena pertanyaannya.
    Pojok S2–S3: merangkai beberapa desain
    • Disertasi berangkai: scoping review (Bab 52) → Delphi (Bab 51) → pengembangan instrumen (Bab 31) → uji coba terkontrol (Bab 22).
    • Kohort dengan sisipan kualitatif: wawancara pada sebagian peserta kohort untuk menjelaskan temuan yang tak terduga (mixed eksplanatori, Bab 20–21).
    • R&D dengan uji kuasi-eksperimen: tahap implementasi ADDIE memakai desain kelompok pembanding (Bab 40, 24).
    • Evaluasi program dengan analisis biaya: CIPP menilai proses dan hasil, evaluasi ekonomi menilai efisiensinya (Bab 54, 48).
    Intinya
    • Pertanyaan penelitian yang memilih jenis penelitian, bukan sebaliknya.
    • Kata kunci judul, rumusan, tujuan, analisis, dan kesimpulan harus sejalan dengan jenis penelitian yang dipilih.
    • Pakai pencari di bab ini untuk menemukan contoh terdekat, lalu ikuti langkah-langkah di bab contohnya dari judul sampai daftar pustaka.
    Coba sendiri: kuis memilih jenis penelitian
    Epilog

    Hari Sidang

    Dua tahun kemudian. Satu benang merah, dari pertanyaan pukul satu dini hari sampai meta-inferensi di ruang sidang tesis.

    Daftar periksa akhir penelitianmu

    Gunakan daftar ini sebelum seminar proposal, sebelum sidang, dan sebelum mengirim artikel ke jurnal. Pilih jenis penelitianmu. Tanda centang tersimpan di perangkatmu.

    0 dari 18 butir terpenuhi.

    Lampiran A

    Kerangka Proposal Siap Pakai

    Salin kerangka sesuai jenis penelitianmu, lalu isi setiap bagian dengan bantuan bab yang dirujuk. Sesuaikan penomoran dengan pedoman kampusmu.

    JUDUL: [Hubungan/Pengaruh] [Variabel X] dengan/terhadap [Variabel Y] pada [Populasi] di [Tempat] Tahun [Tahun]   (Bab 1)
    
    BAB I PENDAHULUAN
    1.1 Latar Belakang: masalah umum → masalah di lokasi → celah → alasan meneliti   (Bab 2)
    1.2 Rumusan Masalah: 1) …  2) …  3) …   (Bab 2)
    1.3 Tujuan Penelitian   (Bab 3)
        1.3.1 Tujuan umum
        1.3.2 Tujuan khusus (jumlah = jumlah rumusan)
    1.4 Hipotesis: H0 dan Ha (untuk penelitian analitik)   (Bab 3)
    1.5 Manfaat Penelitian: ilmu, institusi, masyarakat, peneliti   (Bab 3)
    
    BAB II TINJAUAN PUSTAKA
    2.1 Konsep variabel dependen (Y)
    2.2 Konsep variabel independen (X)
    2.3 Hubungan X dan Y (mekanisme)
    2.4 Penelitian terdahulu
    2.5 Kerangka teori
    2.6 Kerangka konsep   (Bab 6)
    
    BAB III METODE PENELITIAN
    3.1 Desain penelitian   (Bab 4; contoh kohort: Bab 25; case-control: Bab 26; cross-sectional: Bab 27; case report dan case series: Bab 28–29; tinjauan sistematis: Bab 36; uji diagnostik: Bab 37; regresi survei: Bab 38; korelasional: Bab 41; analisis data sekunder: Bab 27A; mediasi dan moderasi: Bab 41A)
    3.1c Jenis lanjutan   (komparatif: Bab 42; survei deskriptif: Bab 43; eksperimen faktorial: Bab 44; deret waktu terputus dan studi ekologis: Bab 45; adaptasi instrumen: Bab 46; model prediksi klinis: Bab 47; evaluasi ekonomi: Bab 48; kualitatif deskriptif: Bab 49; analisis isi media: Bab 50; Delphi: Bab 51; scoping review: Bab 52; bibliometrik: Bab 53; evaluasi program CIPP: Bab 54; PAR dan photovoice: Bab 55; hukum normatif: Bab 56; penelitian sejarah: Bab 57; studi pustaka: Bab 58; analisis wacana kritis: Bab 59; peta semua jenis penelitian: Bab 60)
    3.1d Jenis khusus   (fenomenologi interpretatif/IPA: Bab 19A; uji non-inferioritas: Bab 23G; nested case-control: Bab 26A; etnometodologi dan analisis percakapan: Bab 30A; umbrella review: Bab 36A; rapid review: Bab 36B; hukum empiris: Bab 56A; penelitian filsafat: Bab 58A; semiotika: Bab 59A)
    3.2 Tempat dan waktu penelitian   (Bab 5)
    3.3 Populasi dan sampel: target, terjangkau, kriteria inklusi–eksklusi, besar sampel, teknik sampling   (Bab 5)
    3.4 Variabel penelitian   (Bab 6)
    3.5 Definisi operasional (tabel)   (Bab 6)
    3.6 Instrumen penelitian, uji validitas dan reliabilitas   (Bab 6)
    3.7 Cara kerja/alur penelitian   (Bab 6)
    3.8 Pengolahan data (editing, coding, entry, cleaning) dan analisis data (univariat, bivariat, multivariat/SEM)   (Bab 8, 9, 9B)
        Untuk kohort: insidens, RR, Kaplan–Meier + log-rank, regresi Cox, analisis sensitivitas loss to follow-up   (Bab 25)
        Untuk case-control: OR, persentase per kolom, Mantel–Haenszel, regresi logistik; data berpasangan: McNemar/logistik kondisional   (Bab 26)
        Untuk cross-sectional: prevalensi + IK95%, PR dengan persentase per baris, regresi Poisson robust untuk PR terkoreksi   (Bab 27)
    3.9 Etika penelitian   (Bab 7A/7B)
    3.10 Jadwal penelitian
    
    DAFTAR PUSTAKA   (Bab 13)
    Setelah sidang: artikel jurnal   (Bab 13A)
    LAMPIRAN: PSP, formulir persetujuan, kuesioner, surat izin, keterangan layak etik
    Lampiran B

    Glosarium dan Rujukan

    Glosarium

    Abstrak terstruktur
    Abstrak dengan subjudul tetap, misalnya latar belakang, tujuan, metode, hasil, dan kesimpulan, sehingga setiap unsur penting pasti muncul.
    Adaptasi lintas budaya
    Proses menyiapkan instrumen dari bahasa dan budaya lain agar setara makna dan fungsinya di budaya sasaran, bukan sekadar diterjemahkan.
    ADDIE
    Model pengembangan: Analysis, Design, Development, Implementation, Evaluation.
    Aiken's V
    Indeks kesepakatan ahli: V = Σ(r − 1)/[n(c − 1)].
    Aktigrafi
    Pengukuran pola tidur dan bangun dengan sensor gerak yang dipakai di pergelangan tangan selama beberapa hari atau minggu.
    Alokasi sama
    Pembagian sampel berstrata dengan jumlah yang sama untuk setiap strata, dipakai bila tujuan utamanya membandingkan strata.
    AMSTAR 2
    Alat 16 butir (7 domain kritis) untuk menilai tingkat kepercayaan terhadap hasil tinjauan sistematis: tinggi, sedang, rendah, atau sangat rendah.
    Anakronisme
    Kekeliruan menempatkan istilah, benda, atau konsep pada masa yang belum mengenalnya.
    Analisis bibliometrik
    Analisis kuantitatif metadata terbitan (jumlah, sitasi, penulis, sumber, kata kunci) untuk mengukur kinerja dan memetakan struktur suatu bidang ilmu.
    Analisis bivariat
    Analisis hubungan dua variabel, misalnya chi-square atau uji t.
    Analisis data sekunder
    Analisis data yang dikumpulkan pihak lain untuk tujuan lain, misalnya survei nasional atau rekam medis, untuk menjawab pertanyaan penelitian baru.
    Analisis domain
    Mengelompokkan istilah dan kode ke dalam kategori budaya menurut cara pandang warga (Spradley).
    Analisis isi kualitatif
    Analisis teks yang memadatkan dan mengode unit makna, lalu mengelompokkannya menjadi kategori dan tema; ragamnya konvensional, terarah, dan sumatif.
    Analisis isi kuantitatif
    Metode yang mengode isi pesan (teks, gambar, video) secara sistematis dengan buku kode, lalu menghitung dan menguji pola kategorinya.
    Analisis kinerja
    Bagian bibliometrik yang menghitung produktivitas dan pengaruh, misalnya jumlah publikasi, sitasi, dan h-index.
    Analisis konsep
    Upaya merumuskan syarat perlu dan syarat cukup sebuah konsep, lalu mengujinya dengan contoh dan kontraeksemplar.
    Analisis multivariat
    Analisis beberapa variabel independen sekaligus terhadap outcome.
    Analisis partisipatif
    Analisis yang dilakukan bersama partisipan; dalam photovoice terdiri atas memilih foto, memberi konteks, dan mengodifikasi tema.
    Analisis per protokol
    Analisis yang hanya memakai peserta yang menjalani perlakuan sesuai protokol, misalnya cukup patuh, datanya lengkap, dan tanpa penyimpangan penting.
    Analisis percakapan (AP)
    Metode yang membedah rekaman interaksi alami giliran demi giliran untuk menunjukkan bagaimana tindakan disusun bersama.
    Analisis resepsi
    Penelitian tentang cara khalayak memaknai teks media; khalayak dapat mengambil posisi dominan, negosiasi, atau oposisi.
    Analisis sensitivitas
    Pengujian seberapa besar hasil berubah bila parameter diubah, satu per satu (diagram tornado) atau serentak (probabilistik).
    Analisis subpopulasi
    Analisis sebagian sampel, misalnya balita dengan data lengkap, dengan tetap menyertakan seluruh data desain, bukan menghapus kasus lain.
    Analisis tematik
    Analisis kualitatif yang mengelompokkan kode menjadi tema dalam enam fase.
    Analisis univariat
    Analisis satu variabel: frekuensi, persentase, rerata, median.
    Analisis wacana kritis (AWK)
    Pendekatan yang menganalisis bagaimana bahasa dalam teks membentuk dan dibentuk oleh relasi kuasa dan ideologi.
    Ancaman validitas internal
    Hal selain perlakuan yang bisa menjelaskan perubahan: seleksi, sejarah, pematangan, efek pengujian, instrumentasi, regresi ke rerata, atrisi, kontaminasi.
    ANCOVA
    Analisis kovarians: membandingkan kelompok sambil mengoreksi nilai awal (kovariat).
    Angka Bebas Jentik (ABJ)
    Persentase rumah atau bangunan yang tidak ditemukan jentik dari seluruh yang diperiksa; target program ≥ 95%.
    Argumen valid dan kokoh (sound)
    Valid: kesimpulan pasti benar bila semua premis benar. Kokoh: valid dan semua premisnya memang benar.
    Asas preferensi
    Asas untuk menyelesaikan pertentangan norma: lex superior, lex specialis, dan lex posterior.
    Assent
    Persetujuan dari anak untuk ikut penelitian, melengkapi izin orang tua/wali.
    Asumsi konstansi
    Anggapan bahwa efek perlakuan standar dalam uji yang sedang berjalan sama dengan efeknya pada uji-uji terdahulu yang dipakai untuk menetapkan margin.
    Autokorelasi
    Kemiripan residual pada waktu yang berdekatan; membuat galat baku regresi biasa terlalu kecil sehingga perlu dikoreksi.
    AVE
    Average Variance Extracted: rata-rata varians indikator yang dijelaskan konstruknya; ≥ 0,50 menandakan validitas konvergen.
    Bahan hukum primer, sekunder, tersier
    Primer bersifat mengikat (peraturan, putusan); sekunder menjelaskan bahan primer (buku, jurnal); tersier memberi petunjuk (kamus, ensiklopedia).
    Baku emas
    Pemeriksaan terbaik yang tersedia untuk menentukan ada tidaknya kondisi; pembanding bagi uji indeks.
    Benang merah
    Keterkaitan konsisten dari judul, rumusan, tujuan, metode, hasil, sampai kesimpulan.
    Bentuk baku argumen
    Penulisan argumen sebagai premis bernomor yang berujung pada kesimpulan, sehingga asumsi tersembunyi tampak.
    Bentuk paralel
    Dua versi tes yang disusun dari kisi-kisi yang sama dengan tingkat kesulitan setara, dipakai bergantian untuk mengurangi efek pengujian.
    Berkson's bias
    Bias seleksi ketika kontrol rumah sakit dirawat karena penyakit yang juga berhubungan dengan paparan.
    Bias
    Kesalahan sistematis yang membuat hasil menyimpang dari kebenaran.
    Bias identifikasi (rekrutmen)
    Bias pada uji klaster ketika individu dipilih atau direkrut setelah alokasi klaster diketahui, sehingga peserta di kedua lengan tidak sebanding.
    Bias kelebihan signifikansi
    Keadaan ketika jumlah studi yang bermakna lebih banyak daripada yang diharapkan dari daya studi-studinya.
    Bias prevalensi–insidens
    Bias pada cross-sectional karena kasus yang singkat, cepat sembuh, atau meninggal tidak tertangkap saat pengukuran.
    Bias publikasi
    Kecenderungan studi dengan hasil bermakna lebih mudah terbit; diperiksa dengan funnel plot dan uji Egger.
    Biobank
    Kumpulan sampel biologis dan data terkait yang disimpan secara terorganisasi untuk penelitian, dengan tata kelola persetujuan dan akses.
    Biocreep
    Pergeseran bertahap ke perlakuan yang makin kurang efektif ketika serangkaian uji non-inferioritas memakai pembanding yang sedikit lebih buruk daripada standar sebelumnya.
    BNT, BNJ, dan DMRT
    Uji lanjut setelah sidik ragam: beda nyata terkecil (LSD), beda nyata jujur (Tukey HSD), dan uji jarak berganda Duncan; hasilnya ditulis sebagai notasi huruf.
    Bobot sampel
    Kebalikan dari peluang responden terpilih, disesuaikan dengan non-respons; menunjukkan berapa orang di populasi yang diwakili satu responden.
    Bootstrapping
    Pengambilan sampel ulang berkali-kali dari data untuk memperoleh nilai p dan interval kepercayaan (dipakai di PLS-SEM).
    Bracketing (pengurungan)
    Upaya menyadari lalu menangguhkan prasangka peneliti agar pengalaman partisipan tampak sebagaimana adanya.
    Buku kode (codebook)
    Daftar kode beserta definisi dan contoh datanya.
    CAGR
    Laju pertumbuhan tahunan majemuk: (nilai akhir / nilai awal) pangkat 1/jumlah selang tahun, dikurangi 1.
    CARE
    Pedoman pelaporan case report: judul, kata kunci, abstrak, informasi pasien, temuan klinis, linimasa, diagnosis, intervensi, luaran, pembahasan, perspektif pasien, dan persetujuan.
    Case report / series
    Laporan satu kasus / beberapa kasus dengan kondisi yang sama.
    Case-cohort
    Desain yang mengukur paparan pada semua kasus dan satu subkohort acak yang dipilih di awal, lalu dianalisis dengan regresi Cox berbobot.
    Case-control
    Desain yang mulai dari kelompok kasus dan kontrol, lalu menelusuri paparan ke belakang.
    Catatan eksploratori
    Catatan di margin transkrip IPA yang berjenis deskriptif (isi), linguistik (cara bertutur), dan konseptual (pertanyaan tafsiran).
    Catatan lapangan
    Catatan rinci tentang apa yang dilihat dan didengar di lapangan, ditulis segera, dengan deskripsi dipisahkan dari refleksi peneliti.
    CBPR
    Community-based participatory research: penelitian kesehatan berbasis kemitraan setara antara komunitas dan peneliti di semua tahap.
    Charting data
    Ekstraksi data pada scoping review dengan formulir yang hanya memuat hal yang menjawab rumusan.
    CHEERS 2022
    Pedoman 28 butir untuk melaporkan evaluasi ekonomi kesehatan.
    Chi-square
    Uji hubungan dua variabel kategorik.
    Cluster sampling dua tahap
    Pengambilan sampel dengan memilih klaster lebih dulu (misalnya RT), lalu memilih unit di dalam setiap klaster terpilih (misalnya rumah).
    Coding (pengodean)
    Memberi label singkat pada potongan data kualitatif yang bermakna.
    Cohen's d
    Besar efek beda rerata: 0,2 kecil, 0,5 sedang, 0,8 besar.
    Cohen's kappa (κ)
    Kesepakatan dua penilai untuk data kategorik setelah dikurangi kesepakatan yang diharapkan terjadi secara kebetulan.
    Cohort
    Desain yang mulai dari kelompok terpapar dan tidak terpapar, lalu mengikuti ke depan.
    Composite reliability (CR)
    Ukuran konsistensi internal konstruk dalam SEM; patokan 0,70–0,95.
    CONSORT / ARRIVE
    Pedoman pelaporan uji acak terkendali / eksperimen hewan coba.
    Convenience sampling
    Mengambil subjek yang paling mudah dijangkau; hasilnya tidak bisa digeneralisasi ke populasi.
    Corrected covered area (CCA)
    Ukuran tumpang tindih studi primer antartinjauan: (N − r)/(r × c − r); di atas 15% berarti sangat tinggi.
    CRediT
    Taksonomi 14 peran kontributor, misalnya konseptualisasi, analisis formal, dan penulisan draf awal, untuk merinci sumbangan setiap penulis.
    Cross-sectional
    Desain potong lintang: paparan dan outcome diukur pada saat yang sama.
    CVI (content validity index)
    Proporsi ahli yang menilai butir relevan. I-CVI per butir; S-CVI/Ave untuk seluruh skala.
    Daya terima
    Persentase panelis yang memberi skor suka atau sangat suka pada suatu formula; batas diterima ditetapkan peneliti sebelum data diambil.
    Debriefing
    Penjelasan jujur kepada partisipan setelah penelitian yang memakai penyamaran.
    Definisi konsensus
    Aturan yang ditetapkan sebelum putaran pertama untuk memutuskan kapan panel dianggap sepakat, misalnya ≥ 75% panelis memberi skor 7–9 dan median ≥ 7.
    Definisi operasional
    Petunjuk teknis pengukuran variabel: definisi, alat, cara, hasil ukur, skala.
    Denotasi, konotasi, mitos
    Tiga lapis makna tanda menurut Barthes: makna harfiah, makna tambahan, dan makna ideologis yang terasa wajar.
    Densitas insidens
    Jumlah kasus baru dibagi total orang-waktu pengamatan, misalnya per 100 orang-tahun.
    Deret waktu terputus (ITS)
    Desain kuasi-eksperimen yang membandingkan banyak titik data berkala sesudah suatu intervensi dengan tren sebelum intervensi.
    Desain faktorial
    Desain eksperimen yang menguji dua faktor atau lebih sekaligus, sehingga efek utama setiap faktor dan interaksinya dapat diuji.
    Desain konvergen
    Mixed methods dengan data kuantitatif dan kualitatif dikumpulkan bersamaan lalu digabung.
    Desain stepped-wedge
    Uji acak klaster yang memindahkan klaster dari kondisi kontrol ke intervensi secara bertahap menurut urutan yang diundi, sampai semua klaster menerima intervensi.
    Design effect
    Faktor pengali besar sampel bila subjek berkelompok (kelas, desa): 1 + (m − 1) × ICC.
    Deskripsi tebal (thick description)
    Uraian yang menjelaskan tindakan beserta konteks dan maknanya bagi pelaku.
    Diagnosis banding
    Daftar kemungkinan penyakit lain dengan gejala mirip yang harus disingkirkan.
    Diagram pencar (scatter plot)
    Grafik titik dua variabel numerik untuk melihat arah, bentuk (lurus atau lengkung), dan pencilan sebelum menghitung korelasi.
    Diskordansi
    Hasil kuantitatif dan kualitatif yang tidak sejalan; ditafsirkan untuk menghasilkan wawasan baru.
    Dominansi
    Keadaan ketika satu pilihan lebih efektif dan tidak lebih mahal (dominan), atau kurang efektif dan tidak lebih murah (didominasi).
    Duplo dan triplo
    Pengukuran dua atau tiga kali pada sampel dari satuan percobaan yang sama; merupakan ulangan analisis untuk memeriksa ketelitian, bukan ulangan percobaan.
    EFA dan CFA
    Analisis faktor eksploratori mencari struktur faktor; analisis faktor konfirmatori menguji struktur itu pada sampel lain.
    Efek batch
    Perbedaan hasil laboratorium yang disebabkan oleh putaran pemeriksaan, reagen, atau waktu analisis, bukan oleh perbedaan nyata antarsampel.
    Efek Hawthorne
    Perubahan perilaku subjek karena menyadari sedang diteliti atau diamati, bukan karena perlakuan.
    Efek interaksi
    Keadaan ketika efek satu faktor berbeda menurut level faktor lain; tampak sebagai garis yang tidak sejajar pada plot interaksi.
    Efek langsung dan efek total
    Efek langsung (c′) adalah hubungan X dengan Y setelah M dikendalikan; efek total (c) adalah jumlah efek langsung dan tidak langsung, c = c′ + a × b.
    Efek lantai dan plafon
    Banyaknya responden yang mendapat skor terendah atau tertinggi; bila lebih dari 15%, instrumen sulit membedakan orang di ujung skala.
    Efek pengujian
    Perubahan skor karena subjek sudah pernah mengerjakan tes sebelumnya, misalnya karena mengingat soal pretest.
    Efek periode
    Perubahan outcome dari satu periode ke periode berikutnya yang tidak disebabkan oleh perlakuan, misalnya karena waktu atau musim.
    Efek sederhana (simple effect)
    Efek satu faktor pada satu level faktor lain, diuji setelah interaksi bermakna.
    Efek sisa (carryover)
    Efek perlakuan periode sebelumnya yang masih terbawa ke periode berikutnya; membuat estimasi bias dan dicegah dengan masa jeda yang cukup.
    Efek tidak langsung (a × b)
    Bagian hubungan X dengan Y yang berjalan melalui mediator M; hasil kali jalur a (X ke M) dan jalur b (M ke Y dengan X dikendalikan).
    Efek utama
    Perbedaan rerata antarlevel satu faktor, dengan level faktor lain dirata-ratakan.
    Efektivitas hukum
    Sejauh mana perilaku sasaran dan penegakan sesuai dengan yang dikehendaki norma, dinilai dengan kriteria yang ditetapkan lebih dulu.
    Efikasi diri
    Keyakinan seseorang bahwa ia mampu melakukan tindakan yang diperlukan untuk mencapai hasil tertentu (Bandura).
    Efisiensi relatif (RE)
    Perbandingan ketelitian dua rancangan; RE RAK terhadap RAL = [(r − 1)KTK + r(t − 1)KTG] / [(rt − 1)KTG], dan RE lebih dari 1 berarti pengelompokan menguntungkan.
    Eksogen / endogen
    Variabel laten yang tidak dipengaruhi / dipengaruhi variabel lain dalam model SEM.
    Eksperimen pelanggaran (breaching)
    Sengaja melanggar harapan sehari-hari untuk memperlihatkan aturan tak tertulis; kini dibatasi ketat karena memuat penipuan dan tidak dilakukan pada anak.
    Eksperimen pikiran
    Kasus rekaan yang dirancang untuk menguji apakah sebuah pembeda atau prinsip relevan secara moral atau konseptual.
    Ekuilibrium reflektif
    Metode menyesuaikan prinsip dan penilaian yang dipertimbangkan secara bolak-balik sampai keduanya koheren (Rawls).
    Ekuivalensi lintas budaya
    Kesetaraan butir versi asli dan versi adaptasi dari sisi semantik, idiomatik, pengalaman, dan konseptual.
    Emik dan etik
    Emik: sudut pandang orang yang diteliti. Etik: kerangka analisis peneliti.
    Epifani (titik balik)
    Peristiwa dalam kisah yang mengubah makna hidup partisipan.
    Eta kuadrat (η²)
    Besar efek ANOVA: proporsi variasi total yang berkaitan dengan pengelompokan; 0,01 kecil, 0,06 sedang, 0,14 besar.
    Ethical clearance
    Pernyataan komisi etik bahwa protokol penelitian layak etik (disebut juga klirens etik).
    Etnografi
    Pendekatan kualitatif untuk memahami pola budaya suatu kelompok.
    Etnometodologi
    Kajian tentang metode sehari-hari yang dipakai anggota masyarakat untuk menghasilkan dan memahami keteraturan sosial dalam tindakan mereka.
    Evaluasi ekonomi
    Perbandingan biaya dan konsekuensi dua pilihan atau lebih; jenisnya minimalisasi biaya, efektivitas biaya, utilitas biaya, dan manfaat biaya.
    Evaluasi formatif dan sumatif
    Evaluasi formatif memperbaiki program yang sedang berjalan; evaluasi sumatif menilai program untuk keputusan akhir.
    Evaluasi program
    Penelitian untuk menilai mutu dan nilai guna sebuah program terhadap kriteria yang ditetapkan sebelumnya, sebagai dasar keputusan melanjutkan, memperbaiki, atau menghentikannya.
    Faktor penyusutan (shrinkage)
    Angka di bawah 1 yang dipakai untuk mengecilkan koefisien agar prediksi tidak terlalu ekstrem pada data baru.
    Faktorial dalam RAK
    Percobaan dua faktor atau lebih yang semua kombinasi tarafnya diacak ulang di dalam setiap kelompok, sehingga keragaman kelompok, efek utama, dan interaksi dapat dipisahkan.
    Fenomenologi
    Pendekatan kualitatif untuk memahami esensi pengalaman hidup.
    FGD
    Diskusi kelompok terarah, 6–10 peserta dengan moderator.
    File tesaurus
    Daftar yang menyatukan sinonim atau membuang istilah umum sebelum peta bibliometrik dibuat.
    Forest plot
    Grafik efek setiap studi beserta IK95% dan estimasi gabungannya.
    Gatekeeper
    Orang yang menentukan akses peneliti ke komunitas, misalnya kepala desa atau tokoh adat.
    Generalisasi analitik
    Menggeneralisasi temuan kasus ke teori atau kerangka, bukan ke populasi.
    GRADE
    Sistem penilaian kepastian bukti: tinggi, sedang, rendah, atau sangat rendah.
    Grounded theory
    Pendekatan kualitatif untuk membangun teori dari data.
    h-index
    Nilai h terbesar sehingga ada h dokumen yang masing-masing dikutip minimal h kali.
    Hagiografi
    Tulisan tentang tokoh yang hanya memuji dan mengabaikan kritik atau keterbatasannya.
    HAZ (z-skor TB/U)
    Selisih panjang atau tinggi badan anak dari median standar WHO untuk umur dan jenis kelamin yang sama, dalam satuan simpangan baku.
    Hazard ratio (HR)
    Rasio laju kejadian outcome antara dua kelompok, dihasilkan regresi Cox; dibaca mirip RR.
    Hermeneutika
    Cara menafsirkan teks dengan memperhatikan isi teks, konteks penulisnya, dan cakrawala pembaca masa kini.
    Hermeneutika ganda
    Peneliti berusaha memaknai partisipan yang sedang berusaha memaknai pengalamannya sendiri.
    Heterogenitas (I²)
    Persentase variasi antarstudi yang disebabkan perbedaan nyata, bukan kebetulan; 25/50/75% berarti rendah/sedang/tinggi.
    Heuristik
    Tahap mencari dan menghimpun sumber sejarah.
    Hipotesis
    Jawaban sementara atas rumusan masalah analitik (H0 dan Ha).
    Historiografi
    Penulisan hasil penelitian sejarah secara runtut, kronologis, dan dapat ditelusuri ke sumbernya.
    HTMT
    Heterotrait-monotrait ratio: ukuran validitas diskriminan; < 0,85 dianggap baik.
    ICC (intraclass correlation)
    Ukuran kesesuaian skor pada pengukuran berulang (uji ulang) atau antarpenilai.
    ICER
    Incremental cost-effectiveness ratio: selisih biaya dibagi selisih efek dua pilihan (ΔC/ΔE), misalnya rupiah per tambahan anak terkoreksi.
    Idiografi
    Komitmen pada yang khusus: setiap kasus dianalisis rinci sebagai satu kesatuan sebelum dibandingkan dengan kasus lain.
    IK bootstrap persentil
    Interval kepercayaan yang batasnya diambil dari persentil 2,5 dan 97,5 ribuan taksiran hasil sampel ulang dengan pengembalian; dipakai untuk menguji a × b tanpa menganggap sebarannya normal.
    IK95%
    Interval kepercayaan 95%: rentang nilai yang mungkin untuk parameter populasi.
    Ikon, indeks, simbol
    Tiga jenis tanda menurut Peirce: ikon mirip objeknya, indeks berhubungan sebab atau fisik dengan objeknya, simbol bermakna karena kesepakatan.
    IMRAD
    Struktur baku artikel penelitian empiris: Introduction, Methods, Results, and Discussion (Pendahuluan, Metode, Hasil, dan Pembahasan).
    Income over feed cost (IOFC)
    Selisih nilai jual pertambahan bobot badan dengan biaya ransum yang dikonsumsi, dihitung per ekor.
    Indeks mediasi termoderasi
    Taksiran seberapa besar efek tidak langsung berubah untuk setiap kenaikan satu satuan moderator; diuji dengan IK bootstrap.
    Indikator reflektif / formatif
    Indikator yang mencerminkan konstruk / indikator yang membentuk konstruk.
    Informan kunci
    Informan yang sangat memahami kelompok yang diteliti dan ditemui berulang kali.
    Insidens kumulatif
    Proporsi subjek yang bebas outcome di awal lalu mengalami outcome selama periode tertentu; disebut juga risiko.
    Integrasi
    Proses menghubungkan data kuantitatif dan kualitatif dalam mixed methods.
    Intention-to-treat (ITT)
    Semua subjek yang diacak dianalisis sesuai kelompok alokasinya.
    Interpretative phenomenological analysis (IPA)
    Pendekatan kualitatif yang menelaah secara rinci bagaimana orang memaknai pengalaman penting, dengan menuntaskan analisis setiap kasus sebelum membandingkan antarkasus.
    Interval prediksi
    Rentang efek yang mungkin ditemukan pada studi baru dalam meta-analisis efek acak.
    Isu hukum
    Masalah yang diteliti dalam penelitian hukum, lazimnya berupa kekosongan, kekaburan, atau konflik norma.
    Ius constitutum / ius constituendum
    Hukum yang berlaku saat ini / hukum yang dicita-citakan untuk masa depan.
    Joint display
    Tabel atau gambar yang menyandingkan temuan kuantitatif dan kualitatif.
    Jurnal bajakan (hijacked journal)
    Situs palsu yang meniru judul, ISSN, dan tampilan jurnal asli untuk menarik naskah dan biaya dari penulis.
    Jurnal predator
    Jurnal yang mengutamakan keuntungan dengan mengorbankan mutu ilmiah, antara lain lewat informasi palsu, telaah yang tidak sungguh-sungguh, dan biaya yang tidak transparan.
    Kalibrasi
    Kesesuaian antara risiko yang diramalkan model dan kejadian yang teramati; dinilai dengan plot kalibrasi, kemiringan kalibrasi, dan CITL.
    Kaplan–Meier
    Metode menghitung peluang bebas outcome dari waktu ke waktu dengan memperhitungkan sensor; kurva antarkelompok dibandingkan dengan uji log-rank.
    Kartu data
    Catatan satu gagasan dari satu sumber: identitas sumber dan halaman, parafrase atau kutipan, kode konsep, dan catatan peneliti yang dipisahkan.
    Kasus insiden
    Kasus yang baru didiagnosis selama periode penelitian; lebih dianjurkan daripada kasus lama pada case-control.
    Kategori Bloom
    Titik potong yang lazim pada survei PSP: baik ≥ 80%, cukup 60–79%, kurang < 60% dari skor maksimum; bersifat kesepakatan, bukan hasil validasi.
    Kategori inti
    Konsep pusat grounded theory yang menghubungkan semua kategori dan menjelaskan variasi data.
    Keabsahan data
    Kepercayaan terhadap temuan kualitatif: kredibilitas, transferabilitas, dependabilitas, konfirmabilitas.
    Kekeliruan ekologis
    Kesalahan menyimpulkan hubungan pada individu dari hubungan yang ditemukan pada tingkat kelompok.
    Kelas kredibilitas bukti
    Penggolongan kekuatan bukti suatu hubungan (I meyakinkan sampai IV lemah) menurut jumlah kasus, nilai p, heterogenitas, interval prediksi, dan tanda bias.
    Kelompok (blok)
    Sekumpulan satuan percobaan yang dibuat seragam menurut sumber keragaman yang diketahui, misalnya bobot awal; pada RAK setiap kelompok berisi semua perlakuan tepat satu kali.
    Kelompok berisiko (risk set)
    Semua anggota kohort yang masih diamati dan belum mengalami outcome pada suatu saat tertentu.
    Kendall's W
    Koefisien kesepakatan 0 sampai 1 yang dihitung dari statistik Friedman, W = χ² / [n(k − 1)]; dipakai sebagai besar efek.
    Kepanikan moral
    Reaksi berlebihan masyarakat terhadap kelompok atau gejala yang dianggap mengancam nilai bersama.
    Kesadaran hukum
    Kesadaran terhadap hukum yang diukur dari pengetahuan tentang peraturan, pemahaman isinya, sikap, dan pola perilaku (Soekanto).
    Kesediaan membayar (WTP)
    Batas biaya tambahan per satuan manfaat yang dianggap layak oleh pengambil keputusan; dipakai untuk menilai ICER.
    Ketidaklangsungan (indirectness)
    Domain GRADE ketika populasi, intervensi, atau outcome dalam bukti berbeda dari yang ditanyakan.
    Ketuntasan klasikal
    Persentase siswa dalam satu kelas yang mencapai kriteria ketuntasan (KKTP).
    Ko-kemunculan kata kunci
    Seberapa sering dua kata kunci muncul di dokumen yang sama; dasar peta tema.
    Koefisien keragaman (KK)
    Akar kuadrat tengah galat dibagi rerata umum dikali 100%; menggambarkan ketelitian percobaan.
    Koefisien korelasi (r)
    Angka −1 sampai +1 yang menunjukkan arah (tanda) dan kekuatan (besar angka) hubungan linear dua variabel numerik.
    Koefisien terstandar (Beta)
    Koefisien regresi dalam satuan simpangan baku; dipakai untuk membandingkan kekuatan variabel independen.
    Kohort retrospektif
    Kohort yang paparan dan outcome-nya diambil dari catatan masa lalu, tetapi tetap dibaca dari paparan ke outcome.
    Kontaminasi
    Bocornya perlakuan ke kelompok kontrol, misalnya lewat teman sekelas, sehingga selisih antarkelompok mengecil dan efek perlakuan diremehkan.
    Konten manifes dan laten
    Konten manifes adalah apa yang tampak dikatakan teks; konten laten adalah makna di baliknya yang ditafsirkan peneliti.
    Kontraeksemplar
    Contoh yang memenuhi semua premis atau definisi tetapi tidak memenuhi kesimpulan atau konsep yang dimaksud, sehingga menggugurkannya.
    Kontrafaktual
    Keadaan yang diperkirakan terjadi seandainya intervensi tidak ada; pada ITS diramalkan dari tren sebelum intervensi.
    Kontrol daftar tunggu (waiting list)
    Kelompok kontrol yang baru menerima intervensi setelah pengukuran akhir penelitian selesai.
    Konversi ransum (FCR)
    Jumlah ransum yang dikonsumsi dibagi pertambahan bobot badan pada periode yang sama; makin kecil makin efisien.
    Koreksi populasi terbatas
    Penyesuaian rumus besar sampel bila ukuran populasi (N) diketahui dan tidak terlalu besar; sampel yang dibutuhkan menjadi lebih kecil.
    Korelasi parsial
    Korelasi dua variabel setelah pengaruh satu atau lebih variabel ketiga dikendalikan.
    Korelasi Pearson / Spearman
    Pearson untuk dua variabel numerik yang normal dan linear; Spearman memakai peringkat, untuk data tidak normal, ordinal, atau berpencilan.
    KR-20
    Kuder-Richardson 20: ukuran reliabilitas untuk butir dikotomi (benar/salah), padanan Cronbach's alpha.
    Krippendorff's alpha
    Koefisien reliabilitas antarpengode yang dapat dipakai untuk berapa pun pengode, tingkat pengukuran, dan data hilang; ≥ 0,800 dianggap andal.
    Kriteria Bradford Hill
    Pertimbangan untuk menilai apakah suatu hubungan kemungkinan kausal: temporalitas, kekuatan, dosis–respons, konsistensi, masuk akal biologis, dan lainnya.
    Kriteria evaluasi
    Standar yang disepakati sebelum data dikumpulkan untuk menilai apakah suatu aspek program sudah memadai.
    Kriteria inklusi/eksklusi
    Syarat masuk dan alasan dikeluarkan dari sampel.
    Kritik ekstern
    Pengujian keaslian sumber: siapa pembuatnya, kapan dibuat, dari bahan apa, dan asli atau salinan.
    Kritik intern
    Pengujian kredibilitas isi sumber: kemampuan dan kejujuran pembuatnya serta kesesuaiannya dengan sumber lain.
    Kualitatif deskriptif
    Pendekatan kualitatif yang menyajikan ringkasan lengkap suatu pengalaman atau kebutuhan dalam bahasa sehari-hari partisipan, dengan tafsiran yang tetap dekat dengan data.
    Kuasi-anonim
    Panelis tidak mengetahui identitas dan skor panelis lain, tetapi peneliti mengetahuinya dan wajib merahasiakannya.
    Kuasi-eksperimen
    Eksperimen dengan perlakuan dan kelompok pembanding, tetapi tanpa pengacakan subjek.
    Kuesioner
    Serangkaian pertanyaan tertulis untuk memperoleh informasi dari responden.
    Kurva ROC dan AUC
    Grafik sensitivitas terhadap 1 − spesifisitas pada berbagai titik potong; AUC merangkum kemampuan tes membedakan.
    Latensi tidur
    Lama waktu sejak berbaring atau lampu dimatikan sampai tertidur, biasanya dalam menit.
    Law in books / law in action
    Hukum sebagaimana tertulis dalam peraturan / hukum sebagaimana benar-benar dijalankan dan dipatuhi di masyarakat.
    Lima faktor penegakan hukum
    Faktor hukumnya sendiri, penegak hukum, sarana atau fasilitas, masyarakat, dan kebudayaan (Soekanto) yang menjadi tolok ukur efektivitas penegakan hukum.
    Line listing
    Tabel data per pasien, satu baris untuk setiap pasien; khas pada case series.
    Literatur kelabu
    Karya yang tidak terbit di jurnal berindeks, seperti tesis, laporan lembaga, dan prosiding.
    Living review
    Tinjauan sistematis yang terus diperbarui begitu bukti baru terbit.
    Loading
    Kekuatan hubungan indikator dengan variabel latennya.
    Loss to follow-up
    Subjek yang hilang dari pengamatan sebelum penelitian selesai; sumber bias seleksi pada kohort.
    M1 dan M2
    M1 adalah seluruh efek perlakuan standar dibanding tanpa perlakuan yang diasumsikan masih berlaku; M2 adalah bagian efek itu yang paling banyak boleh hilang, biasanya sebagian dari M1.
    Mantel–Haenszel
    Cara menggabungkan OR dari beberapa lapisan perancu menjadi satu OR terkoreksi; kesamaan OR antarlapisan diuji dengan Breslow–Day.
    Margin non-inferioritas (Δ)
    Selisih terbesar yang masih dapat diterima antara perlakuan baru dan standar; ditetapkan sebelum data dikumpulkan berdasarkan bukti (M1, M2) dan pertimbangan klinis.
    Masa jeda (washout)
    Waktu tanpa perlakuan di antara dua periode uji silang agar efek perlakuan periode sebelumnya hilang.
    Matriks sitasi
    Tabel studi primer (baris) × tinjauan (kolom) yang menunjukkan studi mana yang digabung dalam tinjauan mana.
    Median split
    Membelah skor kontinu menjadi kelompok tinggi dan rendah di median; tidak dianjurkan karena membuang informasi dan menurunkan power.
    Mediator / moderator
    Variabel perantara X → M → Y / variabel yang mengubah kuat-lemahnya hubungan X → Y.
    Member checking
    Mengonfirmasi tafsiran peneliti kepada partisipan.
    Memo analitik
    Catatan peneliti tentang kode, kategori, hubungan, dan dugaan yang ditulis sepanjang analisis.
    Merging
    Strategi integrasi desain konvergen: hasil kuantitatif dan kualitatif digabung per domain dalam joint display.
    Merit dan worth
    Merit adalah mutu program menurut standarnya; worth adalah nilai gunanya bagi konteks dan pemakai tertentu.
    Meta-inferensi
    Kesimpulan yang lahir dari penggabungan hasil kuantitatif dan kualitatif.
    Metode / metodologi
    Metode = cara meneliti; metodologi = ilmu tentang metode.
    Metode sejarah
    Proses menguji dan menganalisis secara kritis rekaman dan peninggalan masa lampau melalui pemilihan topik, heuristik, verifikasi, interpretasi, dan historiografi.
    Mixed methods
    Penggabungan terencana data kuantitatif dan kualitatif dengan integrasi.
    Model campuran linear (linear mixed model)
    Regresi yang memuat efek tetap dan efek acak, misalnya intersep acak sekolah, sehingga kemiripan data dalam satu klaster diperhitungkan.
    Model CIPP
    Model evaluasi Stufflebeam yang menilai konteks, input, proses, dan produk sebuah program; setiap komponen melayani satu jenis keputusan.
    Model efek acak
    Model meta-analisis yang menganggap efek sebenarnya bervariasi antarstudi.
    Model paradigma
    Kerangka koding aksial Strauss & Corbin: kondisi penyebab, konteks, kondisi pengaruh, strategi, dan konsekuensi.
    Model prediksi klinis
    Rumus yang menggabungkan beberapa prediktor untuk memperkirakan risiko suatu outcome pada tiap orang, untuk diagnosis atau prognosis.
    n efektif
    Besar sampel acak sederhana yang setara ketepatannya dengan sampel klaster: n dibagi design effect.
    N-gain
    Peningkatan ternormalisasi: (posttest − pretest)/(skor maksimum − pretest).
    Nested case-control
    Case-control yang dijalankan di dalam kohort: semua kasus dibandingkan dengan kontrol yang dipilih dari anggota kohort yang masih berisiko pada saat kasus itu muncul.
    Net benefit
    Ukuran kegunaan klinis dalam analisis kurva keputusan: proporsi positif benar dikurangi proporsi positif palsu yang diberi bobot menurut ambang risiko.
    Nilai p
    Peluang mendapatkan hasil seekstrem ini bila H0 benar; < 0,05 dianggap bermakna.
    Nilai prediksi (PPV, NPV)
    Peluang benar sakit bila tes positif (PPV) atau benar tidak sakit bila tes negatif (NPV); bergantung pada prevalensi.
    NNT
    Number needed to treat: jumlah orang yang perlu mendapat perlakuan agar 1 orang tambahan memperoleh manfaat.
    Nominalisasi
    Pengubahan proses atau tindakan menjadi kata benda, sehingga pelaku, waktu, dan sebabnya menjadi kabur.
    Notasi huruf dua arah
    Cara menulis hasil uji lanjut pada tabel kombinasi dua faktor: huruf kecil membandingkan rerata di dalam kolom dan huruf besar di dalam baris; aturannya wajib ditulis di bawah tabel.
    Observasi partisipatif
    Peneliti ikut serta dalam kegiatan kelompok yang diteliti sambil mengamati; teknik utama etnografi.
    Omega (ω)
    Ukuran reliabilitas konsistensi internal yang tidak mengasumsikan muatan faktor yang sama.
    One group pretest–posttest
    Desain O₁ X O₂: satu kelompok diukur sebelum dan sesudah perlakuan tanpa kelompok pembanding.
    Optimisme
    Selisih antara kinerja model pada data yang dipakai untuk membuatnya dan kinerjanya pada data baru.
    OR, PR, RR
    Odds Ratio (case-control), Prevalence Ratio (cross-sectional), Relative Risk (cohort).
    Orang-waktu (person-time)
    Jumlah waktu pengamatan semua subjek selama masih berisiko; menampung subjek yang diamati tidak sama lama.
    Organisasi preferensi
    Ketidaksetaraan bentuk bagian kedua: tanggapan yang disukai datang cepat dan ringkas, yang tidak disukai datang terlambat dengan jeda, keraguan, atau alasan.
    Overmatching
    Pemadanan pada variabel yang berhubungan erat dengan paparan atau berada di jalur sebab–akibat, sehingga hubungan tersamarkan.
    Panelis agak terlatih
    Panelis yang sudah mengenal sifat sensori dan cara menilai, misalnya mahasiswa yang telah menempuh mata kuliah penilaian organoleptik dan lolos seleksi sederhana.
    Parallel analysis
    Menentukan jumlah faktor dengan membandingkan eigenvalue data dengan eigenvalue data acak.
    Partial η²
    Besar efek pada ANOVA faktorial: SS efek dibagi (SS efek + SS error); tidak dapat dijumlahkan antarefek.
    Participatory action research (PAR)
    Penelitian yang dikerjakan bersama komunitas sebagai peneliti bersama, memadukan pengetahuan dengan aksi dalam siklus berulang.
    Partisipan/informan
    Orang yang memberi data dalam penelitian kualitatif.
    Pasangan berdekatan
    Dua ujaran berurutan dari penutur berbeda, misalnya tanya–jawab, di mana bagian pertama membuat bagian kedua tertentu menjadi relevan.
    PCC
    Kerangka pertanyaan scoping review: Population (populasi), Concept (konsep), dan Context (konteks).
    PECO / PICO
    Kerangka pertanyaan: populasi, paparan atau intervensi, pembanding, dan outcome.
    Pedoman pelaporan
    Daftar tilik hal yang wajib dilaporkan dalam artikel menurut desain penelitiannya, misalnya STROBE, CONSORT, COREQ, dan PRISMA, yang dihimpun EQUATOR Network.
    Pemadanan (matching)
    Menyamakan kasus dan kontrol pada variabel tertentu (umur, jenis kelamin), per kelompok atau per individu (berpasangan).
    PEMAT
    Alat penilaian keterpahaman dan keteraplikasian materi edukasi pasien; versi A/V untuk materi audiovisual.
    Pembatasan rentang
    Sampel dengan variasi yang sempit membuat korelasi tampak lebih lemah daripada di populasi (restriction of range).
    Pemetaan sains
    Bagian bibliometrik yang menganalisis hubungan antarunsur, seperti ko-kemunculan kata kunci, ko-sitasi, dan ko-kepengarangan.
    Pemusatan pada rerata (mean centering)
    Mengurangi setiap skor dengan reratanya sebelum membentuk suku interaksi, agar koefisien efek utama bermakna sebagai efek pada rerata variabel lain.
    Penafsiran hukum
    Cara memahami makna norma, misalnya secara gramatikal, sistematis, historis, teleologis, atau komparatif.
    Penanda dan petanda
    Dua unsur tanda menurut Saussure: penanda adalah bentuk yang tampak atau terdengar, petanda adalah konsep yang diwakilinya.
    Pencilan (outlier)
    Data yang jauh berbeda dari sebagian besar data lain; dapat mengubah r Pearson secara besar.
    Pencocokan pola (pattern matching)
    Membandingkan pola yang diprediksi proposisi dengan pola yang teramati dalam studi kasus.
    Peneliti bersama (co-researcher)
    Anggota komunitas yang ikut merancang, mengumpulkan, dan menafsirkan data serta merencanakan aksi, bukan sekadar responden.
    Penelitian dan pengembangan (R&D)
    Penelitian yang menghasilkan produk dan menguji kevalidan, kepraktisan, serta keefektifannya.
    Penelitian filsafat
    Penelitian yang menjawab pertanyaan tentang makna, dasar, dan nilai dengan argumentasi sistematis dan reflektif atas konsep, teks, intuisi, dan temuan ilmu lain.
    Penelitian hukum empiris
    Penelitian tentang bekerjanya hukum di masyarakat (law in action) dengan data lapangan seperti dokumen, observasi, survei, dan wawancara.
    Penelitian hukum normatif
    Penelitian yang meneliti norma hukum (peraturan, asas, doktrin, putusan) dengan bahan pustaka dan menghasilkan argumentasi preskriptif.
    Penelitian komparatif (ex post facto)
    Penelitian yang membandingkan kelompok yang sudah terbentuk tanpa perlakuan dan tanpa pengacakan, sehingga hasilnya dibaca sebagai perbedaan, bukan sebab–akibat.
    Penelitian korelasional
    Penelitian yang mengukur variabel apa adanya sekali waktu, lalu menilai arah dan kekuatan hubungannya; tidak membuktikan sebab–akibat.
    Penelitian Tindakan Kelas (PTK)
    Penelitian guru di kelasnya sendiri untuk memperbaiki pembelajaran melalui siklus perencanaan, tindakan, observasi, dan refleksi.
    Pengambilan berurutan (consecutive)
    Memasukkan semua pasien yang memenuhi definisi kasus dalam periode tertentu, bukan memilih yang menarik saja.
    Pengguna hasil (knowledge user)
    Pihak yang akan memakai hasil tinjauan, misalnya dinas, dan dilibatkan dalam merumuskan pertanyaan dan outcome.
    Penjangkaran (anchorage)
    Fungsi teks verbal, misalnya slogan, yang mengarahkan pembaca ke satu tafsiran di antara banyak kemungkinan makna gambar.
    Penyamaran (blinding)
    Menyembunyikan kelompok alokasi dari subjek, pemberi perlakuan, penilai, atau analis.
    Penyamaran identitas
    Menghapus data yang membuat pasien dapat dikenali: nama, inisial, tanggal lahir, nomor rekam medis, sekolah atau tempat kerja, dan foto wajah.
    Penyembunyian alokasi
    Perekrut tidak mengetahui kelompok subjek berikutnya sebelum subjek masuk penelitian.
    Perancu (confounder)
    Variabel yang berhubungan dengan paparan dan outcome sehingga mengacaukan hubungan.
    Perbaikan (repair)
    Cara partisipan menangani masalah berbicara, mendengar, atau memahami, yang dapat diprakarsai penutur sendiri atau orang lain.
    Perbandingan terus-menerus
    Membandingkan setiap data dan kode baru dengan yang sudah ada, di dalam dan antarpartisipan (constant comparison).
    Pernyataan eksperiensial
    Kalimat ringkas yang menangkap makna satu bagian transkrip, cukup khusus untuk berakar pada data dan cukup abstrak untuk menjadi konsep.
    Persetujuan lisan
    Persetujuan yang diberikan secara lisan dan didokumentasikan (rekaman, saksi).
    Persetujuan luas (broad consent)
    Persetujuan peserta agar sampel atau datanya disimpan dan dipakai untuk penelitian mendatang dalam cakupan tertentu, dengan telaah komisi etik untuk setiap penggunaan.
    Persetujuan publikasi
    Izin tertulis pasien atau wali agar kasusnya dipublikasikan; wajib untuk case report.
    Perspektif evaluasi ekonomi
    Sudut pandang yang menentukan biaya siapa yang dihitung, misalnya penyedia layanan atau masyarakat.
    Peta bukti (evidence map)
    Tampilan visual jumlah studi menurut dua kategori atau lebih, misalnya jenis intervensi × outcome, untuk menunjukkan celah bukti.
    Petak panen (petak netto)
    Bagian tengah petak yang dipanen untuk data setelah tanaman pinggir dibuang, agar hasil tidak dipengaruhi petak tetangga; luasnya dipakai untuk konversi ke t/ha.
    Petak terbagi (split-plot)
    Rancangan yang menerapkan satu faktor pada petak utama dan faktor lain pada anak petak di dalamnya, dengan galat terpisah untuk masing-masing; dipakai bila satu faktor hanya praktis pada petak besar.
    Photovoice
    Teknik partisipatif: warga memotret kehidupannya, mendiskusikan foto itu, lalu menyampaikannya kepada pengambil keputusan.
    Pohon keputusan
    Model yang menggambarkan pilihan, peluang di tiap cabang, serta biaya dan outcome di setiap ujung untuk menghitung nilai harapan.
    Polinomial ortogonal
    Pemecahan jumlah kuadrat perlakuan kuantitatif berjarak sama menjadi komponen linear, kuadratik, dan seterusnya untuk mengetahui bentuk respons.
    Populasi / sampel
    Seluruh kelompok sasaran / bagian yang diteliti.
    Populasi sumber
    Populasi asal kasus. Kontrol harus mewakili populasi ini agar perbandingan paparan adil.
    Power
    Kemampuan uji mendeteksi hubungan yang benar-benar ada (1 − β).
    PPS (probability proportional to size)
    Cara memilih klaster dengan peluang sebanding dengan ukurannya, sehingga klaster yang besar lebih mungkin terpilih.
    Pra-eksperimen
    Desain yang memberi perlakuan tanpa kelompok pembanding yang setara, misalnya one-shot case study, one group pretest–posttest, dan static group comparison; buktinya tentang sebab–akibat paling lemah.
    Pracetak (preprint)
    Naskah yang diunggah ke server publik sebelum ditelaah sejawat.
    Praktik wacana
    Dimensi kedua model Fairclough: cara teks diproduksi, didistribusikan, dan dikonsumsi.
    Presentisme
    Menilai pelaku dan peristiwa masa lalu semata-mata dengan pengetahuan dan nilai masa kini.
    Prevalensi
    Proporsi subjek yang mengalami suatu kondisi pada satu waktu atau periode tertentu; dihasilkan oleh studi cross-sectional.
    Primary sampling unit (PSU)
    Satuan yang dipilih pada tahap pertama sampling, misalnya blok sensus; variasi antar-PSU di dalam strata menjadi dasar galat baku survei.
    Prinsip 3R
    Replacement, Reduction, Refinement: mengganti hewan bila bisa, memakai hewan sesedikit mungkin, dan mengurangi nyeri serta stres.
    PRISMA
    Pedoman pelaporan tinjauan sistematis dan meta-analisis, termasuk diagram alur seleksi studi.
    Prisma dioptri (PD)
    Satuan besarnya sudut juling; makin besar angkanya, makin besar julingnya.
    PROBAST
    Alat penilaian risiko bias dan penerapan studi model prediksi pada domain partisipan, prediktor, outcome, dan analisis.
    PROCESS
    Makro gratis karya Andrew F. Hayes untuk SPSS, SAS, dan R yang menjalankan analisis mediasi, moderasi, dan gabungannya dengan model bernomor.
    Prokrastinasi akademik
    Kecenderungan menunda memulai atau menyelesaikan tugas akademik.
    Proposisi teoretis
    Pernyataan hubungan antarkonsep yang dihasilkan grounded theory dan dapat diuji penelitian lain.
    Protokol distres
    Langkah tertulis untuk mengenali dan menanggapi partisipan yang tertekan secara emosional selama pengumpulan data.
    Protokol studi kasus
    Pegangan tertulis berisi gambaran kasus, prosedur lapangan, pertanyaan peneliti, dan rencana laporan.
    Pseudoreplikasi
    Kekeliruan menganggap subsampel atau pengamatan yang tidak bebas, misalnya beberapa tanaman dalam satu polybag, sebagai ulangan perlakuan.
    PSP
    Penjelasan Sebelum Persetujuan (informed consent).
    Rancangan acak kelompok (RAK)
    Rancangan percobaan yang membagi satuan percobaan ke dalam kelompok yang seragam, misalnya baris dengan cahaya sama, lalu mengundi semua perlakuan di dalam setiap kelompok.
    Rancangan acak lengkap (RAL)
    Rancangan percobaan yang mengundi semua perlakuan secara penuh ke satuan percobaan yang seragam, tanpa pengelompokan.
    Randomisasi
    Pembagian subjek ke kelompok secara acak, misalnya dengan blok, agar kelompok setara.
    Randomisasi berstrata
    Pengundian terpisah di setiap strata (misalnya sekolah negeri dan swasta) agar kedua kelompok seimbang menurut faktor penting itu.
    Rantai bukti
    Jejak yang memungkinkan pembaca menelusuri kesimpulan studi kasus sampai ke data asalnya.
    Rapid review
    Tinjauan sistematis yang dipercepat dengan menyederhanakan sebagian langkahnya untuk memenuhi tenggat pengambil keputusan; penyederhanaannya ditetapkan di protokol dan dilaporkan.
    Rasio kemungkinan (LR)
    Seberapa besar hasil tes mengubah kemungkinan sakit: LR+ = Se/(1 − Sp), LR− = (1 − Se)/Sp.
    RCT
    Randomized controlled trial: eksperimen dengan pengacakan dan kelompok kontrol.
    Recall bias (bias mengingat)
    Perbedaan ketepatan mengingat paparan antara kasus dan kontrol; ancaman utama case-control.
    RECORD
    Perluasan STROBE untuk melaporkan penelitian yang memakai data kesehatan yang dikumpulkan rutin, termasuk sumber data, algoritme variabel, dan penggabungan data.
    Refleksivitas
    Kesadaran peneliti akan posisi dan prasangkanya yang dapat memengaruhi tafsiran.
    Regresi ke rerata
    Kecenderungan subjek yang skornya ekstrem pada pengukuran pertama untuk mendekati rerata pada pengukuran berikutnya, walaupun tanpa perlakuan.
    Regresi logistik
    Analisis multivariat untuk outcome dua kategori; Exp(B) adalah OR terkoreksi.
    Regresi logistik kondisional
    Regresi logistik yang membandingkan setiap kasus hanya dengan kontrol di set padanannya sendiri; dipakai untuk data berpasangan atau set padanan.
    Regresi Poisson robust
    Regresi Poisson dengan galat baku robust untuk outcome dua kategori; Exp(B) adalah PR atau RR terkoreksi.
    Regresi tersegmentasi
    Regresi untuk ITS yang memperkirakan tren sebelum, perubahan tingkat seketika, dan perubahan tren setelah intervensi.
    Reliabilitas
    Konsistensi hasil pengukuran bila diulang.
    Reliabilitas antarpengode
    Tingkat kesepakatan dua pengode atau lebih yang menilai isi yang sama secara terpisah dengan buku kode yang sama.
    Representasi
    Cara teks menampilkan orang, kelompok, atau peristiwa, misalnya sebagai pelaku aktif, korban, atau masalah.
    Rerata dan SD hipotetik
    Dasar kategorisasi skor skala psikologi: rerata = ½(skor minimum + maksimum), SD = (maksimum − minimum)/6.
    Response rate
    Persentase subjek terpilih yang benar-benar memberikan data lengkap.
    Restorying
    Menyusun ulang potongan cerita partisipan menjadi alur kronologis yang bermakna.
    Ringkasan bukti (evidence brief)
    Dokumen singkat berbahasa awam berisi pesan utama, tingkat kepastian, dan pertimbangan penerapan untuk pengambil keputusan.
    Risk difference (RD) / NNH
    Selisih insidens terpapar dan tidak terpapar. 1/RD = number needed to harm: berapa orang terpapar untuk satu kasus tambahan.
    Risk-set sampling (incidence density sampling)
    Cara memilih kontrol dari kelompok berisiko pada saat setiap kasus terjadi, sehingga OR memperkirakan rasio laju atau hazard ratio.
    Ruang naratif tiga dimensi
    Membaca cerita dari sisi waktu, hubungan sosial, dan tempat (Clandinin & Connelly).
    Rumus data hilang Yates
    Rumus untuk menduga satu nilai yang hilang pada RAK dari total kelompok, total perlakuan, dan total umum; db galat dikurangi satu dan JK perlakuan dikoreksi.
    Rumusan masalah
    Pertanyaan penelitian inti yang akan dijawab.
    R² dan f²
    Proporsi varians yang dijelaskan model / besar efek satu prediktor terhadap R².
    Satuan percobaan
    Satuan terkecil yang diundi dan menerima perlakuan secara bebas, misalnya satu polybag; ulangan dihitung dari satuan ini.
    Saturasi
    Titik ketika data kualitatif tidak lagi memunculkan informasi baru.
    Saturasi teoretis
    Kondisi ketika data baru tidak lagi menambah sifat atau dimensi pada kategori.
    Scoping review
    Tinjauan yang memetakan luas, jenis, dan sebaran bukti tentang suatu topik serta celahnya, tanpa menilai efektivitas.
    SDC (smallest detectable change)
    Perubahan skor terkecil pada satu orang yang melampaui kesalahan pengukuran, dihitung 1,96 × √2 × kesalahan baku pengukuran.
    Sejarah lisan
    Metode merekam ingatan orang tentang peristiwa yang dialaminya melalui wawancara.
    Sekuensial eksplanatori / eksploratori
    Mixed methods QUAN → qual (menjelaskan) / QUAL → quan (menjelajah lalu menguji).
    Self-weighting
    Rancangan sampel yang membuat setiap unit berpeluang sama untuk terpilih, sehingga data tidak perlu dibobot.
    SEM
    Structural Equation Modeling: analisis faktor dan analisis jalur untuk variabel laten; ada CB-SEM dan PLS-SEM.
    Semiotika
    Ilmu tentang tanda dan cara tanda menghasilkan makna, misalnya dalam kata, gambar, warna, bunyi, dan gerak.
    Sensitivitas dan spesifisitas
    Sensitivitas: proporsi orang sakit yang terdeteksi tes. Spesifisitas: proporsi orang tidak sakit yang dinyatakan negatif.
    Sensitivitas uji (assay sensitivity)
    Kemampuan sebuah uji untuk membedakan perlakuan yang efektif dari yang kurang efektif atau tidak efektif.
    Sensor (censoring)
    Pengamatan subjek berakhir tanpa diketahui apakah outcome terjadi, misalnya karena pindah, menarik diri, atau penelitian selesai.
    Seri kontrol
    Deret waktu pembanding yang tidak terkena intervensi, dipakai untuk menyingkirkan penjelasan lain seperti ko-intervensi.
    SHOWeD
    Lima pertanyaan diskusi foto: apa yang terlihat, apa yang sebenarnya terjadi, kaitannya dengan hidup kita, mengapa hal itu ada, dan apa yang dapat dilakukan.
    Sidik ragam
    Nama Indonesia untuk analisis ragam (ANOVA): keragaman total dipecah menjadi keragaman karena perlakuan dan galat, lalu diuji dengan F.
    Simple slope (efek bersyarat)
    Kemiringan hubungan X dengan Y pada satu nilai moderator tertentu, misalnya pada −1 SD, rerata, dan +1 SD.
    Sintagmatik dan paradigmatik
    Relasi tanda menurut urutannya dalam teks (sintagmatik) dan menurut pilihannya di antara alternatif yang bisa menggantikannya (paradigmatik).
    Sistem hukum (struktur, substansi, budaya)
    Tiga komponen sistem hukum menurut Friedman: lembaga dan aparat, aturan, serta sikap dan nilai masyarakat terhadap hukum.
    Skala Likert
    Skala jawaban berjenjang (misalnya 1–4 atau 1–5) untuk mengukur sikap, persepsi, atau kebiasaan.
    Stabilitas (Delphi)
    Keadaan ketika penilaian panel hampir tidak berubah antara dua putaran, sehingga putaran tambahan tidak mungkin menghasilkan konsensus.
    Studi Delphi
    Metode konsensus berupa beberapa putaran kuesioner kepada panel ahli yang anonim, dengan ringkasan jawaban kelompok di antara putaran.
    Studi ekologis
    Penelitian yang unit analisisnya kelompok atau wilayah, bukan individu, misalnya kabupaten/kota.
    Studi kasus
    Pendekatan kualitatif yang menelaah kasus terbatas secara mendalam.
    Studi kasus terjalin (embedded)
    Satu kasus dengan beberapa unit analisis di dalamnya yang dapat dibandingkan.
    Studi literatur
    Label umum di skripsi untuk penelitian yang datanya berasal dari pustaka; jenis tinjauan dan metodenya harus dinyatakan.
    Studi pemikiran tokoh
    Studi pustaka yang menelaah gagasan seorang tokoh dari tulisannya dan dari kajian tentangnya, lalu menafsirkan relevansinya.
    Studi pilot
    Penelitian kecil untuk menilai kelayakan prosedur sebelum penelitian utama, bukan untuk membuktikan efektivitas.
    Studi pustaka (library research)
    Penelitian yang memakai teks (buku, artikel, arsip, dokumen) sebagai sumber data utama, bukan data lapangan.
    Stunting
    Panjang atau tinggi badan menurut umur di bawah −2 SD median WHO Child Growth Standards.
    Sumber primer dan sekunder
    Sumber primer adalah tulisan tokoh atau dokumen asli; sumber sekunder adalah tulisan orang lain tentang tokoh atau dokumen itu.
    Survei deskriptif
    Survei yang menaksir proporsi atau rerata suatu keadaan di populasi tanpa menguji hipotesis hubungan; judulnya lazim diawali “Gambaran”.
    Survei sampel kompleks
    Survei yang memakai strata, klaster, dan peluang terpilih yang tidak sama, sehingga analisisnya harus memakai bobot dan desain sampel.
    SWiM
    Pedoman pelaporan sintesis tanpa meta-analisis: pengelompokan studi, ukuran efek yang diseragamkan, metode sintesis, dan penyajiannya.
    Systematic random sampling
    Memilih setiap subjek ke-k dari daftar yang diurutkan, dengan angka awal diacak; k = N/n.
    Teknik Johnson–Neyman
    Cara menemukan nilai moderator tempat efek bersyarat X berubah dari bermakna menjadi tidak bermakna.
    Teknik kelompok nominal (NGT)
    Metode konsensus tatap muka dalam kelompok kecil: ide ditulis sendiri, disampaikan bergiliran, diklarifikasi, lalu dipilih atau diperingkat.
    Telaah sejawat (peer review)
    Penilaian naskah oleh ahli di bidang yang sama sebagai dasar keputusan editor untuk menerima, meminta revisi, atau menolak naskah.
    Tema
    Pola makna dalam data kualitatif yang menjawab pertanyaan penelitian.
    Tema eksperiensial kelompok (GET)
    Pola makna bersama beserta perbedaannya, yang ditemukan dengan membandingkan PET semua partisipan.
    Tema eksperiensial personal (PET)
    Kelompok pernyataan eksperiensial yang saling berhubungan dalam transkrip satu partisipan.
    Terjemahan maju–balik
    Instrumen diterjemahkan ke bahasa sasaran oleh dua penerjemah, lalu diterjemahkan kembali ke bahasa asal oleh dua penerjemah lain untuk menemukan pergeseran makna.
    Theoretical sampling
    Memilih partisipan atau data berikutnya berdasarkan kategori yang sedang berkembang dalam grounded theory.
    Transformasi Fisher z
    Pengubahan r menjadi z = ½ ln[(1 + r)/(1 − r)] untuk menghitung IK95% korelasi, besar sampel, dan membandingkan dua korelasi.
    Transkrip verbatim
    Tulisan kata demi kata dari rekaman wawancara.
    Transkripsi Jefferson
    Konvensi transkripsi analisis percakapan yang mencatat jeda, tumpang tindih, pemanjangan, nada, dan volume ujaran.
    Treatment by level
    Desain faktorial yang memadukan perlakuan yang diberikan peneliti dengan variabel atribut subjek yang diukur sebelum perlakuan.
    Triangulasi
    Memeriksa temuan dari beberapa sumber, metode, peneliti, atau teori.
    Trias UKS
    Tiga kegiatan pokok UKS: pendidikan kesehatan, pelayanan kesehatan, dan pembinaan lingkungan sekolah sehat.
    TRIPOD
    Pedoman pelaporan studi pengembangan dan validasi model prediksi; TRIPOD+AI berlaku untuk model regresi maupun machine learning.
    Uji acak klaster (cluster RCT)
    RCT yang mengundi kelompok utuh, misalnya sekolah, kelas, desa, atau puskesmas, lalu mengukur outcome pada anggota kelompok itu.
    Uji aditivitas Tukey
    Uji dengan satu db untuk memeriksa asumsi RAK bahwa pengaruh perlakuan sama di semua kelompok (tidak ada interaksi perlakuan × kelompok).
    Uji asumsi klasik
    Syarat regresi linear: normalitas residual, tidak ada multikolinearitas dan heteroskedastisitas, linearitas (serta autokorelasi untuk data runtun waktu).
    Uji ekuivalensi (TOST)
    Uji untuk menunjukkan bahwa selisih dua perlakuan berada di antara −Δ dan +Δ, memakai dua uji satu sisi atau IK90% yang seluruhnya berada di dalam margin.
    Uji Friedman
    Uji nonparametrik untuk membandingkan tiga perlakuan atau lebih yang dinilai oleh subjek yang sama; skor diperingkat di dalam tiap subjek, lalu jumlah peringkat dibandingkan.
    Uji hedonik dan mutu hedonik
    Uji hedonik mengukur tingkat kesukaan panelis; uji mutu hedonik mengukur intensitas suatu sifat, misalnya seberapa langu atau pahit, tanpa menilai suka atau tidak.
    Uji komutasi
    Teknik mengganti satu penanda dalam pikiran untuk melihat apakah makna keseluruhan ikut berubah.
    Uji Levene
    Uji kesamaan varians antarkelompok; p > 0,05 berarti varians dapat dianggap homogen.
    Uji McNemar
    Uji untuk data kategorik berpasangan, misalnya case-control dengan pemadanan individu; OR = jumlah pasangan diskordan b/c.
    Uji non-inferioritas
    Uji acak yang bertujuan menunjukkan bahwa perlakuan baru tidak lebih buruk daripada perlakuan standar melebihi margin yang ditetapkan sebelumnya.
    Uji organoleptik (uji sensori)
    Penilaian mutu pangan dengan indera manusia; panelis melihat, mencium, mencicipi, dan merasakan sampel lalu memberi skor.
    Uji post hoc
    Uji lanjutan setelah ANOVA bermakna untuk menentukan pasangan kelompok yang berbeda, misalnya Tukey (varians homogen) atau Games-Howell (varians tidak homogen).
    Uji silang (crossover)
    Uji acak yang memberi setiap peserta semua perlakuan secara bergantian dalam urutan yang diacak, sehingga setiap peserta menjadi kontrol bagi dirinya sendiri.
    Umbrella review
    Tinjauan sistematis yang unit analisisnya tinjauan sistematis dan meta-analisis, untuk merangkum bukti tentang topik yang luas.
    Umpan balik terkendali
    Ringkasan jawaban kelompok (persentase, median, sebaran, dan komentar anonim) yang dikirim peneliti kepada panelis sebelum putaran berikutnya.
    Unit analisis
    Satuan isi yang dikode dan dihitung, misalnya satu video, satu artikel, atau satu unggahan.
    Unit makna
    Kata, kalimat, atau paragraf dalam transkrip yang isinya saling berkaitan dan menjadi satuan yang diringkas dan dikode.
    Unit randomisasi
    Satuan yang diundi dalam eksperimen (individu atau klaster); bila berbeda dari satuan tempat outcome diukur, analisis harus memperhitungkannya.
    Urutan IRE/IRF
    Pola interaksi kelas: inisiasi guru, respons siswa, lalu evaluasi atau tindak lanjut guru pada giliran ketiga.
    Validasi internal dan eksternal
    Validasi internal menilai kinerja model pada populasi yang sama (misalnya dengan bootstrap); validasi eksternal mengujinya pada data dari tempat atau waktu lain.
    Validitas
    Ketepatan instrumen mengukur apa yang seharusnya diukur.
    Validitas kelompok-diketahui
    Bukti validitas dari perbedaan skor antara kelompok yang menurut teori seharusnya berbeda (known-groups).
    Variabel dependen / independen
    Outcome yang dipengaruhi / faktor yang memengaruhi.
    Variabel dependen tak setara
    Outcome tambahan yang tidak disasar perlakuan tetapi terkena ancaman yang sama; bila ikut berubah, perubahan outcome utama patut dicurigai.
    Variabel laten
    Variabel abstrak yang tidak bisa diamati langsung dan diukur lewat beberapa indikator.
    VIF
    Variance inflation factor; VIF < 10 (tolerance > 0,10) berarti tidak ada multikolinearitas serius.
    Vote counting
    Menghitung jumlah studi yang “berhasil” dan “gagal”; menyesatkan karena mengabaikan besar efek, mutu, dan ukuran sampel.
    Waiver of consent
    Pengecualian kewajiban meminta persetujuan, diberikan KEPK untuk penelitian data rekam medis berisiko minimal yang tidak praktis meminta izin satu per satu.
    Wawancara kognitif
    Partisipan membaca butir sambil berpikir keras untuk menemukan kata yang membingungkan.
    Welch ANOVA
    Versi ANOVA yang tidak menuntut varians antarkelompok sama.

    Rujukan lain

    1. Aiken LR. Three coefficients for analyzing the reliability and validity of ratings. Educ Psychol Meas. 1985;45(1):131–42.
    2. Aiken LS, West SG. Multiple regression: testing and interpreting interactions. Newbury Park (CA): SAGE Publications; 1991.
    3. American Academy of Sleep Medicine. International classification of sleep disorders. 3rd ed. Darien (IL): American Academy of Sleep Medicine; 2014.
    4. American Anthropological Association. Principles of professional responsibility. Arlington (VA): AAA; 2012.
    5. Ancoli-Israel S, Cole R, Alessi C, Chambers M, Moorcroft W, Pollak CP. The role of actigraphy in the study of sleep and circadian rhythms. Sleep. 2003;26(3):342–92.
    6. Anscombe FJ. Graphs in statistical analysis. Am Stat. 1973;27(1):17–21.
    7. Appelbaum PS, Grisso T. Assessing patients' capacities to consent to treatment. N Engl J Med. 1988;319(25):1635–8.
    8. Aria M, Cuccurullo C. bibliometrix: an R-tool for comprehensive science mapping analysis. J Informetr. 2017;11(4):959–75.
    9. Arikunto S, Suhardjono, Supardi. Penelitian tindakan kelas. Jakarta: Bumi Aksara; 2006.
    10. Arksey H, O'Malley L. Scoping studies: towards a methodological framework. Int J Soc Res Methodol. 2005;8(1):19–32.
    11. Aromataris E, Fernandez R, Godfrey CM, Holly C, Khalil H, Tungpunkom P. Summarizing systematic reviews: methodological development, conduct and reporting of an umbrella review approach. Int J Evid Based Healthc. 2015;13(3):132–40.
    12. Azwar S. Penyusunan skala psikologi. Edisi 2. Yogyakarta: Pustaka Pelajar; 2012.
    13. Badan Kebijakan Pembangunan Kesehatan. Survei Kesehatan Indonesia (SKI) dalam angka. Jakarta: Badan Kebijakan Pembangunan Kesehatan, Kementerian Kesehatan RI; 2024.
    14. Badan Riset dan Inovasi Nasional. Prosedur klirens etik [Internet]. Jakarta: BRIN; [cited 2026 Sep 24]. Available from: https://klirensetik.brin.go.id/prosedur
    15. Badan Standardisasi Nasional. SNI 01-2346-2006. Petunjuk pengujian organoleptik dan atau sensori. Jakarta: BSN; 2006.
    16. Bakker A, Zubair AC. Metodologi penelitian filsafat. Yogyakarta: Kanisius; 1990.
    17. Bandura A. Self-efficacy: the exercise of control. New York: W. H. Freeman; 1997.
    18. Barlow WE, Ichikawa L, Rosner D, Izumi S. Analysis of case-cohort designs. J Clin Epidemiol. 1999;52(12):1165–72.
    19. Barnett AG, van der Pols JC, Dobson AJ. Regression to the mean: what it is and how to deal with it. Int J Epidemiol. 2005;34(1):215–20.
    20. Baron RM, Kenny DA. The moderator–mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations. J Pers Soc Psychol. 1986;51(6):1173–82.
    21. Barragan-Fonseca KB, Dicke M, van Loon JJA. Nutritional value of the black soldier fly (Hermetia illucens L.) and its suitability as animal feed – a review. J Insects Food Feed. 2017;3(2):105–20.
    22. Barros AJD, Hirakata VN. Alternatives for logistic regression in cross-sectional studies: an empirical comparison of models that directly estimate the prevalence ratio. BMC Med Res Methodol. 2003;3:21.
    23. Barrows HS. A taxonomy of problem-based learning methods. Med Educ. 1986;20(6):481–6.
    24. Barthes R. Elements of semiology. Lavers A, Smith C, translators. London: Jonathan Cape; 1967.
    25. Barthes R. Mythologies. Lavers A, translator. London: Jonathan Cape; 1972.
    26. Barthes R. Rhetoric of the image. In: Barthes R. Image, music, text. Heath S, translator. London: Fontana; 1977. p. 32–51.
    27. Bastien CH, Vallières A, Morin CM. Validation of the Insomnia Severity Index as an outcome measure for insomnia research. Sleep Med. 2001;2(4):297–307.
    28. Baxter P, Jack S. Qualitative case study methodology: study design and implementation for novice researchers. Qual Rep. 2008;13(4):544–59.
    29. Beal T, Tumilowicz A, Sutrisna A, Izwardy D, Neufeld LM. A review of child stunting determinants in Indonesia. Matern Child Nutr. 2018;14(4):e12617.
    30. Beaton DE, Bombardier C, Guillemin F, Ferraz MB. Guidelines for the process of cross-cultural adaptation of self-report measures. Spine. 2000;25(24):3186–91.
    31. Beauchamp TL, Childress JF. Principles of biomedical ethics. 8th ed. New York: Oxford University Press; 2019.
    32. Been JV, Nurmatov UB, Cox B, Nawrot TS, van Schayck CP, Sheikh A. Effect of smoke-free legislation on perinatal and child health: a systematic review and meta-analysis. Lancet. 2014;383(9928):1549–60.
    33. Beland LP, Murphy R. Ill communication: technology, distraction & student performance. Labour Econ. 2016;41:61–76.
    34. Benchimol EI, Smeeth L, Guttmann A, Harron K, Moher D, Petersen I, dkk. The REporting of studies Conducted using Observational Routinely-collected health Data (RECORD) statement. PLoS Med. 2015;12(10):e1001885.
    35. Bennett S, Woods T, Liyanage WM, Smith DL. A simplified general method for cluster-sample surveys of health in developing countries. World Health Stat Q. 1991;44(3):98–106.
    36. Benowitz NL. Cotinine as a biomarker of environmental tobacco smoke exposure. Epidemiol Rev. 1996;18(2):188–204.
    37. Bernal JL, Cummins S, Gasparrini A. Interrupted time series regression for the evaluation of public health interventions: a tutorial. Int J Epidemiol. 2017;46(1):348–55.
    38. Bertram MY, Lauer JA, De Joncheere K, Edejer T, Hutubessy R, Kieny MP, dkk. Cost-effectiveness thresholds: pros and cons. Bull World Health Organ. 2016;94(12):925–30.
    39. Birks M, Mills J. Grounded theory: a practical guide. 2nd ed. London: SAGE Publications; 2015.
    40. Blom K, Tarkian Tillgren H, Wiklund T, Danlycke E, Forssén M, Söderström A, dkk. Internet- vs. group-delivered cognitive behavior therapy for insomnia: a randomized controlled non-inferiority trial. Behav Res Ther. 2015;70:47–55.
    41. Boateng GO, Neilands TB, Frongillo EA, Melgar-Quiñonez HR, Young SL. Best practices for developing and validating scales for health, social, and behavioral research: a primer. Front Public Health. 2018;6:149.
    42. Bonnar D, Gradisar M. Caffeine and sleep in adolescents: a systematic review. J Caffeine Res. 2015;5(3):105–14.
    43. Borah R, Brown AW, Capers PL, Kaiser KA. Analysis of the time and workers needed to conduct systematic reviews of medical interventions using data from the PROSPERO registry. BMJ Open. 2017;7(2):e012545.
    44. Borg WR, Gall MD. Educational research: an introduction. 4th ed. New York: Longman; 1983.
    45. Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, dkk. STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ. 2015;351:h5527.
    46. Bowen JR. On the political construction of tradition: gotong royong in Indonesia. J Asian Stud. 1986;45(3):545–61.
    47. Bradford SC. Sources of information on specific subjects. Engineering. 1934;137:85–6.
    48. Branch RM. Instructional design: the ADDIE approach. New York: Springer; 2009.
    49. Brand A, Allen L, Altman M, Hlava M, Scott J. Beyond authorship: attribution, contribution, collaboration, and credit. Learn Publ. 2015;28(2):151–5.
    50. Braun V, Clarke V. Using thematic analysis in psychology. Qual Res Psychol. 2006;3(2):77–101.
    51. Briggs A, Claxton K, Sculpher M. Decision modelling for health economic evaluation. Oxford: Oxford University Press; 2006.
    52. British Educational Research Association. Ethical guidelines for educational research. 5th ed. London: BERA; 2024.
    53. Brown LD, Cai TT, DasGupta A. Interval estimation for a binomial proportion. Stat Sci. 2001;16(2):101–33.
    54. Buderer NM. Statistical methodology: I. Incorporating the prevalence of disease into the sample size calculation for sensitivity and specificity. Acad Emerg Med. 1996;3(9):895–900.
    55. Buysse DJ, Reynolds CF 3rd, Monk TH, Berman SR, Kupfer DJ. The Pittsburgh Sleep Quality Index: a new instrument for psychiatric practice and research. Psychiatry Res. 1989;28(2):193–213.
    56. Cameron JI, Gignac MAM. "Timing It Right": a conceptual framework for addressing the support needs of family caregivers to stroke survivors from the hospital to the home. Patient Educ Couns. 2008;70(3):305–14.
    57. Campbell DT, Stanley JC. Experimental and quasi-experimental designs for research. Chicago: Rand McNally; 1963.
    58. Campbell M, McKenzie JE, Sowden A, Katikireddi SV, Brennan SE, Ellis S, dkk. Synthesis without meta-analysis (SWiM) in systematic reviews: reporting guideline. BMJ. 2020;368:l6890.
    59. Campbell MK, Piaggio G, Elbourne DR, Altman DG; CONSORT Group. Consort 2010 statement: extension to cluster randomised trials. BMJ. 2012;345:e5661.
    60. Carney CE, Buysse DJ, Ancoli-Israel S, Edinger JD, Krystal AD, Lichstein KL, dkk. The consensus sleep diary: standardizing prospective sleep self-monitoring. Sleep. 2012;35(2):287–302.
    61. Carter B, Rees P, Hale L, Bhattacharjee D, Paradkar MS. Association between portable screen-based media device access or use and sleep outcomes: a systematic review and meta-analysis. JAMA Pediatr. 2016;170(12):1202–8.
    62. Catalani C, Minkler M. Photovoice: a review of the literature in health and public health. Health Educ Behav. 2010;37(3):424–51.
    63. Chandler D. Semiotics: the basics. 3rd ed. London: Routledge; 2017.
    64. Chang AM, Aeschbach D, Duffy JF, Czeisler CA. Evening use of light-emitting eReaders negatively affects sleep, circadian timing, and next-morning alertness. Proc Natl Acad Sci U S A. 2015;112(4):1232–7.
    65. Charmaz K. Constructing grounded theory. 2nd ed. London: SAGE Publications; 2014.
    66. Charnock D, Shepperd S, Needham G, Gann R. DISCERN: an instrument for judging the quality of written consumer health information on treatment choices. J Epidemiol Community Health. 1999;53(2):105–11.
    67. Chin WW. The partial least squares approach to structural equation modeling. In: Marcoulides GA, editor. Modern methods for business research. Mahwah (NJ): Lawrence Erlbaum Associates; 1998. p. 295–336.
    68. Clandinin DJ, Connelly FM. Narrative inquiry: experience and story in qualitative research. San Francisco: Jossey-Bass; 2000.
    69. Cohen J. A coefficient of agreement for nominal scales. Educ Psychol Meas. 1960;20(1):37–46.
    70. Cohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Hillsdale (NJ): Lawrence Erlbaum Associates; 1988.
    71. Cohen S. Folk devils and moral panics: the creation of the Mods and Rockers. London: MacGibbon and Kee; 1972.
    72. Colaizzi PF. Psychological research as the phenomenologist views it. In: Valle RS, King M, editors. Existential-phenomenological alternatives for psychology. New York: Oxford University Press; 1978. p. 48–71.
    73. Cole DA, Maxwell SE. Testing mediational models with longitudinal data: questions and tips in the use of structural equation modeling. J Abnorm Psychol. 2003;112(4):558–77.
    74. Collins GS, Moons KGM, Dhiman P, Riley RD, Beam AL, Van Calster B, dkk. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024;385:e078378.
    75. Collins GS, Reitsma JB, Altman DG, Moons KGM. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. BMJ. 2015;350:g7594.
    76. Committee for Proprietary Medicinal Products (CPMP). Points to consider on switching between superiority and non-inferiority. Br J Clin Pharmacol. 2001;52(3):223–8.
    77. Committee on Publication Ethics. Authorship and AI tools: COPE position statement. COPE; 2023.
    78. Conover WJ. Practical nonparametric statistics. 3rd ed. New York: John Wiley & Sons; 1999.
    79. Corbin J, Strauss A. Basics of qualitative research: techniques and procedures for developing grounded theory. 4th ed. Thousand Oaks (CA): SAGE Publications; 2015.
    80. Council for International Organizations of Medical Sciences (CIOMS). International ethical guidelines for health-related research involving humans. Geneva: CIOMS; 2016.
    81. Creswell JW, Plano Clark VL. Designing and conducting mixed methods research. 3rd ed. Thousand Oaks (CA): SAGE Publications; 2018.
    82. Creswell JW, Poth CN. Qualitative inquiry and research design: choosing among five approaches. 4th ed. Thousand Oaks (CA): SAGE Publications; 2018.
    83. Creswell JW. Educational research: planning, conducting, and evaluating quantitative and qualitative research. 4th ed. Boston: Pearson; 2012.
    84. Cuellar-Partida G, Williams KM, Yazar S, Guggenheim JA, Hewitt AW, Williams C, dkk. Genetically low vitamin D concentrations and myopic refractive error: a Mendelian randomization study. Int J Epidemiol. 2017;46(6):1882–90.
    85. Curtis V, Cairncross S. Effect of washing hands with soap on diarrhoea risk in the community: a systematic review. Lancet Infect Dis. 2003;3(5):275–81.
    86. Dalkey N, Helmer O. An experimental application of the Delphi method to the use of experts. Manage Sci. 1963;9(3):458–67.
    87. Damschroder LJ, Aron DC, Keith RE, Kirsh SR, Alexander JA, Lowery JC. Fostering implementation of health services research findings into practice: a consolidated framework for advancing implementation science. Implement Sci. 2009;4:50.
    88. De Vries J, Michielsen H, Van Heck GL, Drent M. Measuring fatigue in sarcoidosis: the Fatigue Assessment Scale (FAS). Br J Health Psychol. 2004;9(Pt 3):279–91.
    89. DerSimonian R, Laird N. Meta-analysis in clinical trials. Control Clin Trials. 1986;7(3):177–88.
    90. Des Jarlais DC, Lyles C, Crepaz N; TREND Group. Improving the reporting quality of nonrandomized evaluations of behavioral and public health interventions: the TREND statement. Am J Public Health. 2004;94(3):361–6.
    91. Dewantara KH. Karya Ki Hadjar Dewantara. Bagian pertama: pendidikan. Cetakan ke-3. Yogyakarta: Majelis Luhur Persatuan Taman Siswa; 2004.
    92. Diamond IR, Grant RC, Feldman BM, Pencharz PB, Ling SC, Moore AM, dkk. Defining consensus: a systematic review recommends methodologic criteria for reporting of Delphi studies. J Clin Epidemiol. 2014;67(4):401–9.
    93. Dobrescu AI, Nussbaumer-Streit B, Klerings I, Wagner G, Persad E, Sommer I, dkk. Restricting evidence syntheses of interventions to English-language publications is a viable methodological shortcut for most medical topics: a systematic review. J Clin Epidemiol. 2021;137:209–17.
    94. Donthu N, Kumar S, Mukherjee D, Pandey N, Lim WM. How to conduct a bibliometric analysis: an overview and guidelines. J Bus Res. 2021;133:285–96.
    95. Drake C, Nickel C, Burduvali E, Roth T, Jefferson C, Badia P. The Pediatric Daytime Sleepiness Scale (PDSS): sleep habits and school outcomes in middle-school children. Sleep. 2003;26(4):455–8.
    96. Drake C, Roehrs T, Shambroom J, Roth T. Caffeine effects on sleep taken 0, 3, or 6 hours before going to bed. J Clin Sleep Med. 2013;9(11):1195–200.
    97. Draucker CB, Martsolf DS, Poole C. Developing distress protocols for research on sensitive topics. Arch Psychiatr Nurs. 2009;23(5):343–50.
    98. Drummond MF, Sculpher MJ, Claxton K, Stoddart GL, Torrance GW. Methods for the economic evaluation of health care programmes. 4th ed. Oxford: Oxford University Press; 2015.
    99. Duncan DB. Multiple range and multiple F tests. Biometrics. 1955;11(1):1–42.
    100. Dunn TJ, Baguley T, Brunsden V. From alpha to omega: a practical solution to the pervasive problem of internal consistency estimation. Br J Psychol. 2014;105(3):399–412.
    101. Dwan K, Li T, Altman DG, Elbourne D. CONSORT 2010 statement: extension to randomised crossover trials. BMJ. 2019;366:l4378.
    102. Egger M, Davey Smith G, Schneider M, Minder C. Bias in meta-analysis detected by a simple, graphical test. BMJ. 1997;315(7109):629–34.
    103. Eldridge S, Kerry S. A practical guide to cluster randomised trials in health services research. Chichester: John Wiley & Sons; 2012.
    104. Eldridge SM, Ashby D, Kerry S. Sample size for cluster randomized trials: effect of coefficient of variation of cluster size and analysis method. Int J Epidemiol. 2006;35(5):1292–300.
    105. Elliott JH, Synnot A, Turner T, Simmonds M, Akl EA, McDonald S, dkk. Living systematic review: 1. Introduction—the why, what, when, and how. J Clin Epidemiol. 2017;91:23–30.
    106. Elo S, Kyngäs H. The qualitative content analysis process. J Adv Nurs. 2008;62(1):107–15.
    107. Elyazar IRF, Hay SI, Baird JK. Malaria distribution, prevalence, drug resistance and control in Indonesia. Adv Parasitol. 2011;74:41–175.
    108. Emaga TH, Andrianaivo RH, Wathelet B, Tchango JT, Paquot M. Effects of the stage of maturation and varieties on the chemical composition of banana and plantain peels. Food Chem. 2007;103(2):590–600.
    109. Emerson RM, Fretz RI, Shaw LL. Writing ethnographic fieldnotes. 2nd ed. Chicago: University of Chicago Press; 2011.
    110. Entman RM. Framing: toward clarification of a fractured paradigm. J Commun. 1993;43(4):51–8.
    111. Eriyanto. Analisis wacana: pengantar analisis teks media. Yogyakarta: LKiS; 2001.
    112. Ernster VL. Nested case-control studies. Prev Med. 1994;23(5):587–90.
    113. Espie CA, Broomfield NM, MacMahon KM, Macphee LM, Taylor LM. The attention–intention–effort pathway in the development of psychophysiologic insomnia: a theoretical review. Sleep Med Rev. 2006;10(4):215–45.
    114. Essebag V, Genest J Jr, Suissa S, Pilote L. The nested case-control study in cardiology. Am Heart J. 2003;146(4):581–90.
    115. European Parliament, Council of the European Union. Regulation (EU) 2016/679 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data (General Data Protection Regulation). Off J Eur Union. 2016;L119:1–88.
    116. Everson-Stewart S, Emerson SS. Bio-creep in non-inferiority clinical trials. Stat Med. 2010;29(27):2769–80.
    117. Eysenbach G. Improving the quality of Web surveys: the Checklist for Reporting Results of Internet E-Surveys (CHERRIES). J Med Internet Res. 2004;6(3):e34.
    118. Fairclough N. Critical discourse analysis: the critical study of language. 2nd ed. Harlow: Longman; 2010.
    119. Fairclough N. Media discourse. London: Edward Arnold; 1995.
    120. Fajar M, Achmad Y. Dualisme penelitian hukum normatif & empiris. Yogyakarta: Pustaka Pelajar; 2010.
    121. Fakultas Ilmu Sosial dan Ilmu Politik Universitas Airlangga. Klirens etik riset [Internet]. Surabaya: FISIP UNAIR; [cited 2026 Sep 24]. Available from: https://fisip.unair.ac.id/klirens-etik-riset/
    122. Faul F, Erdfelder E, Buchner A, Lang AG. Statistical power analyses using G*Power 3.1: tests for correlation and regression analyses. Behav Res Methods. 2009;41(4):1149–60.
    123. Faul F, Erdfelder E, Lang AG, Buchner A. G*Power 3: a flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behav Res Methods. 2007;39(2):175–91.
    124. Federer WT. Experimental design: theory and application. New York: Macmillan; 1955.
    125. Fenwick E, Claxton K, Sculpher M. Representing uncertainty: the role of cost-effectiveness acceptability curves. Health Econ. 2001;10(8):779–87.
    126. Ferrari JR, Johnson JL, McCown WG. Procrastination and task avoidance: theory, research, and treatment. New York: Plenum Press; 1995.
    127. Fetters MD, Curry LA, Creswell JW. Achieving integration in mixed methods designs—principles and practices. Health Serv Res. 2013;48(6 Pt 2):2134–56.
    128. Fitch K, Bernstein SJ, Aguilar MD, Burnand B, LaCalle JR, Lázaro P, dkk. The RAND/UCLA appropriateness method user's manual. Santa Monica (CA): RAND; 2001.
    129. Foreman J, Salim AT, Praveen A, Fonseka D, Ting DSW, He MG, dkk. Association between digital smart device use and myopia: a systematic review and meta-analysis. Lancet Digit Health. 2021;3(12):e806–18.
    130. Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. J Mark Res. 1981;18(1):39–50.
    131. Fraenkel JR, Wallen NE, Hyun HH. How to design and evaluate research in education. 8th ed. New York: McGraw-Hill; 2012.
    132. Francis JJ, Johnston M, Robertson C, Glidewell L, Entwistle V, Eccles MP, dkk. What is an adequate sample size? Operationalising data saturation for theory-based interview studies. Psychol Health. 2010;25(10):1229–45.
    133. franzke AS, Bechmann A, Zimmer M, Ess C; Association of Internet Researchers. Internet research: ethical guidelines 3.0. AoIR; 2020.
    134. Freeman PR. The performance of the two-stage analysis of two-treatment, two-period crossover trials. Stat Med. 1989;8(12):1421–32.
    135. Friedman LM. The legal system: a social science perspective. New York: Russell Sage Foundation; 1975.
    136. Friedman M. The use of ranks to avoid the assumption of normality implicit in the analysis of variance. J Am Stat Assoc. 1937;32(200):675–701.
    137. Fritz CO, Morris PE, Richler JJ. Effect size estimates: current use, calculations, and interpretation. J Exp Psychol Gen. 2012;141(1):2–18.
    138. Fritz MS, MacKinnon DP. Required sample size to detect the mediated effect. Psychol Sci. 2007;18(3):233–9.
    139. Furchan A, Maimun A. Studi tokoh: metode penelitian mengenai tokoh. Yogyakarta: Pustaka Pelajar; 2005.
    140. Fusar-Poli P, Radua J. Ten simple rules for conducting umbrella reviews. Evid Based Ment Health. 2018;21(3):95–100.
    141. Gadamer HG. Truth and method. 2nd rev. ed. Weinsheimer J, Marshall DG, translators. New York: Crossroad; 1989.
    142. Gagnier JJ, Kienle G, Altman DG, Moher D, Sox H, Riley D; CARE Group. The CARE guidelines: consensus-based clinical case reporting guideline development. Glob Adv Health Med. 2013;2(5):38–43.
    143. Galtung J, Ruge MH. The structure of foreign news: the presentation of the Congo, Cuba and Cyprus crises in four Norwegian newspapers. J Peace Res. 1965;2(1):64–90.
    144. Games PA, Howell JF. Pairwise multiple comparison procedures with unequal n's and/or variances: a Monte Carlo study. J Educ Stat. 1976;1(2):113–25.
    145. Garfinkel H. Studies in ethnomethodology. Englewood Cliffs (NJ): Prentice-Hall; 1967.
    146. Garritty C, Gartlehner G, Nussbaumer-Streit B, King VJ, Hamel C, Kamel C, dkk. Cochrane Rapid Reviews Methods Group offers evidence-informed guidance to conduct rapid reviews. J Clin Epidemiol. 2021;130:13–22.
    147. Garritty C, Hamel C, Trivella M, Gartlehner G, Nussbaumer-Streit B, Devane D, dkk. Updated recommendations for the Cochrane rapid review methods guidance for rapid reviews of effectiveness. BMJ. 2024;384:e076335.
    148. Gartlehner G, Affengruber L, Titscher V, Noel-Storr A, Dooley G, Ballarini N, dkk. Single-reviewer abstract screening missed 13 percent of relevant studies: a crowd-based, randomized controlled trial. J Clin Epidemiol. 2020;121:20–8.
    149. Gastel B, Day RA. How to write and publish a scientific paper. 9th ed. Santa Barbara (CA): Greenwood; 2022.
    150. Gates M, Gates A, Pieper D, Fernandes RM, Tricco AC, Moher D, dkk. Reporting guideline for overviews of reviews of healthcare interventions: development of the PRIOR statement. BMJ. 2022;378:e070849.
    151. Gattrell WT, Logullo P, van Zuuren EJ, Price A, Hughes EL, Blazey P, dkk. ACCORD (ACcurate COnsensus Reporting Document): a reporting guideline for consensus methods in biomedicine developed via a modified Delphi. PLoS Med. 2024;21(1):e1004326.
    152. Geertz C. The interpretation of cultures. New York: Basic Books; 1973.
    153. Glaser BG, Strauss AL. The discovery of grounded theory: strategies for qualitative research. Chicago: Aldine; 1967.
    154. Gomez KA, Gomez AA. Statistical procedures for agricultural research. 2nd ed. New York: John Wiley & Sons; 1984.
    155. Goodyear VA, Randhawa A, Adab P, Al-Janabi H, Fenton S, Jones K, dkk. School phone policies and their association with mental wellbeing, phone use, and social media use (SMART Schools): a cross-sectional observational study. Lancet Reg Health Eur. 2025;51:101211.
    156. Gopalakrishnan L, Doriya K, Kumar DS. Moringa oleifera: a review on nutritive importance and its medicinal application. Food Sci Hum Wellness. 2016;5(2):49–56.
    157. Gottschalk L. Mengerti sejarah. Notosusanto N, penerjemah. Jakarta: UI-Press; 1985.
    158. Graneheim UH, Lundman B. Qualitative content analysis in nursing research: concepts, procedures and measures to achieve trustworthiness. Nurse Educ Today. 2004;24(2):105–12.
    159. Grant MJ, Booth A. A typology of reviews: an analysis of 14 review types and associated methodologies. Health Info Libr J. 2009;26(2):91–108.
    160. Greene JC, Caracelli VJ, Graham WF. Toward a conceptual framework for mixed-method evaluation designs. Educ Eval Policy Anal. 1989;11(3):255–74.
    161. Grizzle JE. The two-period change-over design and its use in clinical trials. Biometrics. 1965;21(2):467–80.
    162. Grudniewicz A, Moher D, Cobey KD, Bryson GL, Cukier S, Allen K, dkk. Predatory journals: no definition, no defence. Nature. 2019;576:210–2.
    163. Guetterman TC, Fetters MD, Creswell JW. Integrating quantitative and qualitative results in health science mixed methods research through joint displays. Ann Fam Med. 2015;13(6):554–61.
    164. Guyatt G, Sackett D, Taylor DW, Chong J, Roberts R, Pugsley S. Determining optimal therapy: randomized trials in individual patients. N Engl J Med. 1986;314(14):889–92.
    165. Guyatt GH, Oxman AD, Vist GE, Kunz R, Falck-Ytter Y, Alonso-Coello P, dkk. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336(7650):924–6.
    166. Hadjon PM. Perlindungan hukum bagi rakyat di Indonesia. Surabaya: Bina Ilmu; 1987.
    167. Hair JF, Black WC, Babin BJ, Anderson RE. Multivariate data analysis. 8th ed. Andover: Cengage Learning; 2019.
    168. Hair JF, Hult GTM, Ringle CM, Sarstedt M. A primer on partial least squares structural equation modeling (PLS-SEM). 3rd ed. Thousand Oaks (CA): SAGE Publications; 2022.
    169. Hair JF, Risher JJ, Sarstedt M, Ringle CM. When to use and how to report the results of PLS-SEM. Eur Bus Rev. 2019;31(1):2–24.
    170. Hake RR. Interactive-engagement versus traditional methods: a six-thousand-student survey of mechanics test data for introductory physics courses. Am J Phys. 1998;66(1):64–74.
    171. Hall S. Encoding/decoding. In: Hall S, Hobson D, Lowe A, Willis P, editors. Culture, media, language: working papers in cultural studies, 1972–79. London: Hutchinson; 1980. p. 128–38.
    172. Hamel C, Michaud A, Thuku M, Skidmore B, Stevens A, Nussbaumer-Streit B, dkk. Defining rapid reviews: a systematic scoping review and thematic analysis of definitions and defining characteristics of rapid reviews. J Clin Epidemiol. 2021;129:74–85.
    173. Hammersley M, Atkinson P. Ethnography: principles in practice. 4th ed. London: Routledge; 2019.
    174. Hanafiah KA. Rancangan percobaan: teori dan aplikasi. Edisi 3. Jakarta: Rajawali Pers; 2011.
    175. Hansraj KK. Assessment of stresses in the cervical spine caused by posture and position of the head. Surg Technol Int. 2014;25:277–9.
    176. Harvey AG. A cognitive model of insomnia. Behav Res Ther. 2002;40(8):869–93.
    177. Hasson F, Keeney S, McKenna H. Research guidelines for the Delphi survey technique. J Adv Nurs. 2000;32(4):1008–15.
    178. Hayes AF, Krippendorff K. Answering the call for a standard reliability measure for coding data. Commun Methods Meas. 2007;1(1):77–89.
    179. Hayes AF. An index and test of linear moderated mediation. Multivariate Behav Res. 2015;50(1):1–22.
    180. Hayes AF. Beyond Baron and Kenny: statistical mediation analysis in the new millennium. Commun Monogr. 2009;76(4):408–20.
    181. Hayes AF. Introduction to mediation, moderation, and conditional process analysis: a regression-based approach. 3rd ed. New York: Guilford Press; 2022.
    182. Hayes RJ, Moulton LH. Cluster randomised trials. 2nd ed. Boca Raton (FL): CRC Press; 2017.
    183. Haynes RB, Mulrow CD, Huth EJ, Altman DG, Gardner MJ. More informative abstracts revisited. Ann Intern Med. 1990;113(1):69–76.
    184. He M, Xiang F, Zeng Y, Mai J, Chen Q, Zhang J, dkk. Effect of time spent outdoors at school on the development of myopia among children in China: a randomized clinical trial. JAMA. 2015;314(11):1142–8.
    185. Heath C, Hindmarsh J, Luff P. Video in qualitative research: analysing social interaction in everyday life. London: SAGE Publications; 2010.
    186. Heeringa SG, West BT, Berglund PA. Applied survey data analysis. 2nd ed. Boca Raton (FL): CRC Press; 2017.
    187. Hemming K, Haines TP, Chilton PJ, Girling AJ, Lilford RJ. The stepped wedge cluster randomised trial: rationale, design, analysis, and reporting. BMJ. 2015;350:h391.
    188. Hennessy EA, Johnson BT. Examining overlap of included studies in meta-reviews: guidance for using the corrected covered area index. Res Synth Methods. 2020;11(1):134–45.
    189. Hennink MM, Kaiser BN, Marconi VC. Code saturation versus meaning saturation: how many interviews are enough? Qual Health Res. 2017;27(4):591–608.
    190. Henseler J, Ringle CM, Sarstedt M. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J Acad Mark Sci. 2015;43(1):115–35.
    191. Heritage J. Garfinkel and ethnomethodology. Cambridge: Polity Press; 1984.
    192. Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, dkk., editor. Cochrane handbook for systematic reviews of interventions. 2nd ed. Chichester: John Wiley & Sons; 2019.
    193. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Measuring inconsistency in meta-analyses. BMJ. 2003;327(7414):557–60.
    194. Hill AB. The environment and disease: association or causation? Proc R Soc Med. 1965;58(5):295–300.
    195. Hills M, Armitage P. The two-period cross-over clinical trial. Br J Clin Pharmacol. 1979;8(1):7–20.
    196. Himpunan Psikologi Indonesia. Kode etik psikologi Indonesia. Jakarta: Pengurus Pusat HIMPSI; 2010.
    197. Hirsch JE. An index to quantify an individual's scientific research output. Proc Natl Acad Sci U S A. 2005;102(46):16569–72.
    198. Hmelo-Silver CE. Problem-based learning: what and how do students learn? Educ Psychol Rev. 2004;16(3):235–66.
    199. Hoffmann TC, Glasziou PP, Boutron I, Milne R, Perera R, Moher D, dkk. Better reporting of interventions: template for intervention description and replication (TIDieR) checklist and guide. BMJ. 2014;348:g1687.
    200. Hopewell S, Chan AW, Collins GS, Hróbjartsson A, Moher D, Schulz KF, dkk. CONSORT 2025 statement: updated guideline for reporting randomised trials. BMJ. 2025;389:e081123.
    201. Horn JL. A rationale and test for the number of factors in factor analysis. Psychometrika. 1965;30(2):179–85.
    202. Hosmer DW, Lemeshow S, Sturdivant RX. Applied logistic regression. 3rd ed. Hoboken (NJ): John Wiley & Sons; 2013.
    203. House JS. Work stress and social support. Reading (MA): Addison-Wesley; 1981.
    204. Hsieh FY, Bloch DA, Larsen MD. A simple method of sample size calculation for linear and logistic regression. Stat Med. 1998;17(14):1623–34.
    205. Hsieh HF, Shannon SE. Three approaches to qualitative content analysis. Qual Health Res. 2005;15(9):1277–88.
    206. Hu L, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives. Struct Equ Modeling. 1999;6(1):1–55.
    207. Hulley SB, Cummings SR, Browner WS, Grady DG, Newman TB. Designing clinical research. 4th ed. Philadelphia: Lippincott Williams & Wilkins; 2013.
    208. Hurlbert SH. Pseudoreplication and the design of ecological field experiments. Ecol Monogr. 1984;54(2):187–211.
    209. Hurrell R, Egli I. Iron bioavailability and dietary reference values. Am J Clin Nutr. 2010;91(5):1461S–7S.
    210. Husereau D, Drummond M, Augustovski F, de Bekker-Grob E, Briggs AH, Carswell C, dkk. Consolidated Health Economic Evaluation Reporting Standards 2022 (CHEERS 2022) statement: updated reporting guidance for health economic evaluations. BMJ. 2022;376:e067975.
    211. Hussey MA, Hughes JP. Design and analysis of stepped wedge cluster randomized trials. Contemp Clin Trials. 2007;28(2):182–91.
    212. International Committee of Medical Journal Editors. Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals [Internet]. ICMJE; [cited 2026 Sep 24]. Available from: https://www.icmje.org/recommendations/
    213. Ioannidis JPA, Trikalinos TA. An exploratory test for an excess of significant findings. Clin Trials. 2007;4(3):245–53.
    214. Ioannidis JPA. Integration of evidence from multiple meta-analyses: a primer on umbrella reviews, treatment networks and multiple treatments meta-analyses. CMAJ. 2009;181(8):488–93.
    215. Israel BA, Schulz AJ, Parker EA, Becker AB. Review of community-based research: assessing partnership approaches to improve public health. Annu Rev Public Health. 1998;19:173–202.
    216. Jefferson G. Glossary of transcript symbols with an introduction. In: Lerner GH, editor. Conversation analysis: studies from the first generation. Amsterdam: John Benjamins; 2004. p. 13–31.
    217. Johnson PO, Neyman J. Tests of certain linear hypotheses and their application to some educational problems. Stat Res Mem. 1936;1:57–93.
    218. Jones B, Kenward MG. Design and analysis of cross-over trials. 3rd ed. Boca Raton (FL): CRC Press; 2014.
    219. Jones LL, Hashim A, McKeever T, Cook DG, Britton J, Leonardi-Bee J. Parental and household smoking and the increased risk of bronchitis, bronchiolitis and other lower respiratory infections in infancy: systematic review and meta-analysis. Respir Res. 2011;12:5.
    220. Julious SA. Sample sizes for clinical trials with Normal data. Stat Med. 2004;23(12):1921–86.
    221. Jünger S, Payne SA, Brine J, Radbruch L, Brearley SG. Guidance on Conducting and REporting DElphi Studies (CREDES) in palliative care: recommendations based on a methodological systematic review. Palliat Med. 2017;31(8):684–706.
    222. Kartodirdjo S. Pendekatan ilmu sosial dalam metodologi sejarah. Jakarta: Gramedia Pustaka Utama; 1992.
    223. Karyanti MR, Hadinegoro SR. Perubahan epidemiologi demam berdarah dengue di Indonesia. Sari Pediatri. 2009;10(6):424–32.
    224. Kelman HC. Compliance, identification, and internalization: three processes of attitude change. J Conflict Resolut. 1958;2(1):51–60.
    225. Kementerian Kesehatan Republik Indonesia. Peraturan Menteri Kesehatan Nomor 24 Tahun 2022 tentang Rekam Medis. Jakarta; 2022.
    226. Kementerian Kesehatan Republik Indonesia. Peraturan Menteri Kesehatan Nomor 28 Tahun 2019 tentang Angka Kecukupan Gizi yang Dianjurkan untuk Masyarakat Indonesia. Jakarta; 2019.
    227. Kementerian Kesehatan Republik Indonesia. Peraturan Menteri Kesehatan Nomor 3 Tahun 2014 tentang Sanitasi Total Berbasis Masyarakat. Jakarta; 2014.
    228. Kementerian Kesehatan Republik Indonesia. Petunjuk teknis implementasi PSN 3M-Plus dengan gerakan 1 rumah 1 jumantik. Jakarta: Kementerian Kesehatan RI; 2016.
    229. Kementerian Kesehatan RI. Hari Kesehatan Nasional (HKN) emas ke-50 tahun 2014 [Internet]. Jakarta: Kemenkes RI; 2014 [cited 2026 Sep 25]. Available from: https://www.kemkes.go.id/id/hari-kesehatan-nasional-hkn-emas-ke-50-tahun-2014
    230. Kementerian Pendidikan dan Kebudayaan Republik Indonesia. Peraturan Menteri Pendidikan dan Kebudayaan Nomor 64 Tahun 2015 tentang Kawasan Tanpa Rokok di Lingkungan Sekolah. Jakarta; 2015.
    231. Kementerian Pendidikan Tinggi, Sains, dan Teknologi Republik Indonesia. Peraturan Menteri Pendidikan Tinggi, Sains, dan Teknologi Nomor 9 Tahun 2026 tentang Akreditasi Jurnal Ilmiah. Jakarta; 2026.
    232. Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia. Peraturan Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi Nomor 39 Tahun 2021 tentang Integritas Akademik dalam Menghasilkan Karya Ilmiah. Jakarta; 2021.
    233. Kemmis S, McTaggart R, Nixon R. The action research planner: doing critical participatory action research. Singapore: Springer; 2014.
    234. Kempen JH. Appropriate use and reporting of uncontrolled case series in the medical literature. Am J Ophthalmol. 2011;151(1):7–10.
    235. Kenward MG, Roger JH. Small sample inference for fixed effects from restricted maximum likelihood. Biometrics. 1997;53(3):983–97.
    236. Kirkpatrick DL, Kirkpatrick JD. Evaluating training programs: the four levels. 3rd ed. San Francisco: Berrett-Koehler; 2006.
    237. Kirvalidze M, Abbadi A, Dahlberg L, Sacco LB, Calderón-Larrañaga A, Morin L. Estimating pairwise overlap in umbrella reviews: considerations for using the corrected covered area (CCA) index methodology. Res Synth Methods. 2023;14(5):764–7.
    238. Kish L. Survey sampling. New York: John Wiley & Sons; 1965.
    239. Klassen RM, Krawchuk LL, Rajani S. Academic procrastination of undergraduates: low self-efficacy to self-regulate predicts higher levels of procrastination. Contemp Educ Psychol. 2008;33(4):915–31.
    240. Kleinbaum DG, Klein M. Survival analysis: a self-learning text. 3rd ed. New York: Springer; 2012.
    241. Kock N, Hadaya P. Minimum sample size estimation in PLS-SEM: the inverse square root and gamma-exponential methods. Inf Syst J. 2018;28(1):227–61.
    242. Koentjaraningrat. Kebudayaan, mentalitet dan pembangunan. Jakarta: Gramedia; 1974.
    243. Koo TK, Li MY. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 2016;15(2):155–63.
    244. Kotler P, Keller KL. Marketing management. 15th ed. Boston: Pearson; 2016.
    245. Kress G, van Leeuwen T. Reading images: the grammar of visual design. 2nd ed. London: Routledge; 2006.
    246. Krippendorff K. Content analysis: an introduction to its methodology. 4th ed. Thousand Oaks (CA): SAGE Publications; 2019.
    247. Kroenke K, Spitzer RL, Williams JBW. The PHQ-9: validity of a brief depression severity measure. J Gen Intern Med. 2001;16(9):606–13.
    248. Kroese FM, De Ridder DTD, Evers C, Adriaanse MA. Bedtime procrastination: introducing a new area of procrastination. Front Psychol. 2014;5:611.
    249. Kuder GF, Richardson MW. The theory of the estimation of test reliability. Psychometrika. 1937;2(3):151–60.
    250. Kuntowijoyo. Pengantar ilmu sejarah. Yogyakarta: Tiara Wacana; 2013.
    251. Kuorinka I, Jonsson B, Kilbom A, Vinterberg H, Biering-Sørensen F, Andersson G, dkk. Standardised Nordic questionnaires for the analysis of musculoskeletal symptoms. Appl Ergon. 1987;18(3):233–7.
    252. Labov W, Waletzky J. Narrative analysis: oral versions of personal experience. In: Helm J, editor. Essays on the verbal and visual arts. Seattle: University of Washington Press; 1967. p. 12–44.
    253. Lakens D. Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Front Psychol. 2013;4:863.
    254. Lancee J, van Straten A, Morina N, Kaldo V, Kamphuis JH. Guided online or face-to-face cognitive behavioral treatment for insomnia: a randomized wait-list controlled trial. Sleep. 2016;39(1):183–91.
    255. Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics. 1977;33(1):159–74.
    256. Langholz B, Borgan Ø. Counter-matching: a stratified nested case-control sampling method. Biometrika. 1995;82(1):69–79.
    257. Langholz B, Thomas DC. Nested case-control and case-cohort methods of sampling from a cohort: a critical comparison. Am J Epidemiol. 1990;131(1):169–76.
    258. Lawless HT, Heymann H. Sensory evaluation of food: principles and practices. 2nd ed. New York: Springer; 2010.
    259. Lee HS, Park SW, Heo H. Acute acquired comitant esotropia related to excessive Smartphone use. BMC Ophthalmol. 2016;16:37.
    260. Lee YA. Third turn position in teacher talk: contingency and the work of teaching. J Pragmat. 2007;39(6):1204–30.
    261. Lemeshow S, Hosmer DW Jr, Klar J, Lwanga SK. Adequacy of sample size in health studies. Chichester: John Wiley & Sons; 1990.
    262. Leon AC, Davis LL, Kraemer HC. The role and interpretation of pilot studies in clinical research. J Psychiatr Res. 2011;45(5):626–9.
    263. Levac D, Colquhoun H, O'Brien KK. Scoping studies: advancing the methodology. Implement Sci. 2010;5:69.
    264. Leyrat C, Morgan KE, Leurent B, Kahan BC. Cluster randomized trials with a small number of clusters: which analyses should be used? Int J Epidemiol. 2018;47(1):321–31.
    265. Liang KY, Zeger SL. Longitudinal data analysis using generalized linear models. Biometrika. 1986;73(1):13–22.
    266. Lincoln YS, Guba EG. Naturalistic inquiry. Beverly Hills (CA): SAGE Publications; 1985.
    267. Lopez Bernal J, Cummins S, Gasparrini A. The use of controls in interrupted time series studies of public health interventions. Int J Epidemiol. 2018;47(6):2082–93.
    268. Lotka AJ. The frequency distribution of scientific productivity. J Wash Acad Sci. 1926;16(12):317–23.
    269. Lumley T. Analysis of complex survey samples. J Stat Softw. 2004;9(8):1–19.
    270. Lynn MR. Determination and quantification of content validity. Nurs Res. 1986;35(6):382–5.
    271. Macbeth D. The relevance of repair for classroom correction. Lang Soc. 2004;33(5):703–36.
    272. MacCallum RC, Zhang S, Preacher KJ, Rucker DD. On the practice of dichotomization of quantitative variables. Psychol Methods. 2002;7(1):19–40.
    273. MacFie HJ, Bratchell N, Greenhoff K, Vallis LV. Designs to balance the effect of order of presentation and first-order carry-over effects in hall tests. J Sens Stud. 1989;4(2):129–48.
    274. Mackay D, Haw S, Ayres JG, Fischbacher C, Pell JP. Smoke-free legislation and hospitalizations for childhood asthma. N Engl J Med. 2010;363(12):1139–45.
    275. Mackenzie C, Stoljar N, editors. Relational autonomy: feminist perspectives on autonomy, agency, and the social self. New York: Oxford University Press; 2000.
    276. MacKinnon DP, Krull JL, Lockwood CM. Equivalence of the mediation, confounding and suppression effect. Prev Sci. 2000;1(4):173–81.
    277. Maclure M. The case-crossover design: a method for studying transient effects on the risk of acute events. Am J Epidemiol. 1991;133(2):144–53.
    278. Mahkamah Konstitusi Republik Indonesia. Putusan Nomor 151/PUU-XXII/2024 tentang pengujian Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Jakarta; 2025.
    279. Malterud K, Siersma VD, Guassora AD. Sample size in qualitative interview studies: guided by information power. Qual Health Res. 2016;26(13):1753–60.
    280. Mantel N, Haenszel W. Statistical aspects of the analysis of data from retrospective studies of disease. J Natl Cancer Inst. 1959;22(4):719–48.
    281. Marzuki PM. Penelitian hukum. Edisi revisi. Jakarta: Prenadamedia Group; 2017.
    282. Maxwell SE, Cole DA. Bias in cross-sectional analyses of longitudinal mediation. Psychol Methods. 2007;12(1):23–44.
    283. McCambridge J, Witton J, Elbourne DR. Systematic review of the Hawthorne effect: new concepts are needed to study research participation effects. J Clin Epidemiol. 2014;67(3):267–77.
    284. McMillan SS, King M, Tully MP. How to use the nominal group and Delphi techniques. Int J Clin Pharm. 2016;38(3):655–62.
    285. McNemar Q. Note on the sampling error of the difference between correlated proportions or percentages. Psychometrika. 1947;12(2):153–7.
    286. Mehan H. Learning lessons: social organization in the classroom. Cambridge (MA): Harvard University Press; 1979.
    287. Menteri Pendidikan dan Kebudayaan, Menteri Kesehatan, Menteri Agama, Menteri Dalam Negeri Republik Indonesia. Peraturan Bersama Nomor 6/X/PB/2014, Nomor 73 Tahun 2014, Nomor 41 Tahun 2014, Nomor 81 Tahun 2014 tentang Pembinaan dan Pengembangan Usaha Kesehatan Sekolah/Madrasah. Jakarta; 2014.
    288. Mertokusumo S. Penemuan hukum: sebuah pengantar. Yogyakarta: Universitas Atma Jaya Yogyakarta; 2010.
    289. Metz C. Film language: a semiotics of the cinema. Taylor M, translator. New York: Oxford University Press; 1974.
    290. Miake-Lye IM, Hempel S, Shanman R, Shekelle PG. What is an evidence map? A systematic review of published evidence maps and their definitions, methods, and products. Syst Rev. 2016;5:28.
    291. Michielsen HJ, De Vries J, Van Heck GL. Psychometric qualities of a brief self-rated fatigue measure: the Fatigue Assessment Scale. J Psychosom Res. 2003;54(4):345–52.
    292. Miles MB, Huberman AM, Saldaña J. Qualitative data analysis: a methods sourcebook. 3rd ed. Thousand Oaks (CA): SAGE Publications; 2014.
    293. Miller GA, Chapman JP. Misunderstanding analysis of covariance. J Abnorm Psychol. 2001;110(1):40–8.
    294. Mills S. Feminist stylistics. London: Routledge; 1995.
    295. Mokkink LB, de Vet HCW, Prinsen CAC, Patrick DL, Alonso J, Bouter LM, dkk. COSMIN Risk of Bias checklist for systematic reviews of Patient-Reported Outcome Measures. Qual Life Res. 2018;27(5):1171–9.
    296. Mokkink LB, Terwee CB, Patrick DL, Alonso J, Stratford PW, Knol DL, dkk. The COSMIN study reached international consensus on taxonomy, terminology, and definitions of measurement properties for health-related patient-reported outcomes. J Clin Epidemiol. 2010;63(7):737–45.
    297. Mongeon P, Paul-Hus A. The journal coverage of Web of Science and Scopus: a comparative analysis. Scientometrics. 2016;106(1):213–28.
    298. Montgomery DC. Design and analysis of experiments. 10th ed. Hoboken (NJ): John Wiley & Sons; 2019.
    299. Morgan IG, Ohno-Matsui K, Saw SM. Myopia. Lancet. 2012;379(9827):1739–48.
    300. Morgenstern H. Ecologic studies in epidemiology: concepts, principles, and methods. Annu Rev Public Health. 1995;16:61–81.
    301. Morin CM, Belleville G, Bélanger L, Ivers H. The Insomnia Severity Index: psychometric indicators to detect insomnia cases and evaluate treatment response. Sleep. 2011;34(5):601–8.
    302. Moula N, Detilleux J. A meta-analysis of the effects of insects in feed on poultry growth performances. Animals (Basel). 2019;9(5):201.
    303. Munn Z, Barker TH, Moola S, Tufanaru C, Stern C, McArthur A, dkk. Methodological quality of case series studies: an introduction to the JBI critical appraisal tool. JBI Evid Synth. 2020;18(10):2127–33.
    304. Munn Z, Peters MDJ, Stern C, Tufanaru C, McArthur A, Aromataris E. Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach. BMC Med Res Methodol. 2018;18(1):143.
    305. Murad MH, Sultan S, Haffar S, Bazerbachi F. Methodological quality and synthesis of case series and case reports. BMJ Evid Based Med. 2018;23(2):60–3.
    306. Naranjo CA, Busto U, Sellers EM, Sandor P, Ruiz I, Roberts EA, dkk. A method for estimating the probability of adverse drug reactions. Clin Pharmacol Ther. 1981;30(2):239–45.
    307. Neuendorf KA. The content analysis guidebook. 2nd ed. Los Angeles: SAGE Publications; 2017.
    308. Newcombe RG. Interval estimation for the difference between independent proportions: comparison of eleven methods. Stat Med. 1998;17(8):873–90.
    309. Newey WK, West KD. A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix. Econometrica. 1987;55(3):703–8.
    310. Nissen T, Wynn R. The clinical case report: a review of its merits and limitations. BMC Res Notes. 2014;7:264.
    311. Nizza IE, Farr J, Smith JA. Achieving excellence in interpretative phenomenological analysis (IPA): four markers of high quality. Qual Res Psychol. 2021;18(3):369–86.
    312. Nussbaumer-Streit B, Klerings I, Wagner G, Heise TL, Dobrescu AI, Armijo-Olivo S, dkk. Abbreviated literature searches were viable alternatives to comprehensive searches: a meta-epidemiological study. J Clin Epidemiol. 2018;102:1–11.
    313. O'Brien BC, Harris IB, Beckman TJ, Reed DA, Cook DA. Standards for reporting qualitative research: a synthesis of recommendations. Acad Med. 2014;89(9):1245–51.
    314. O'Cathain A, Murphy E, Nicholl J. The quality of mixed methods studies in health services research. J Health Serv Res Policy. 2008;13(2):92–8.
    315. Orben A. The Sisyphean cycle of technology panics. Perspect Psychol Sci. 2020;15(5):1143–57.
    316. Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. Rayyan—a web and mobile app for systematic reviews. Syst Rev. 2016;5(1):210.
    317. Owens JA, Mindell J, Baylor A. Effect of energy drink and caffeinated beverage consumption on sleep, mood, and performance in children and adolescents. Nutr Rev. 2014;72 Suppl 1:65–71.
    318. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, dkk. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
    319. Parasuraman A, Zeithaml VA, Berry LL. SERVQUAL: a multiple-item scale for measuring consumer perceptions of service quality. J Retail. 1988;64(1):12–40.
    320. Paruthi S, Brooks LJ, D'Ambrosio C, Hall WA, Kotagal S, Lloyd RM, dkk. Recommended amount of sleep for pediatric populations: a consensus statement of the American Academy of Sleep Medicine. J Clin Sleep Med. 2016;12(6):785–6.
    321. Pearce N. Analysis of matched case-control studies. BMJ. 2016;352:i969.
    322. Peirce CS. Collected papers of Charles Sanders Peirce. Vol. 2, Elements of logic. Hartshorne C, Weiss P, editors. Cambridge (MA): Harvard University Press; 1932.
    323. Percie du Sert N, Hurst V, Ahluwalia A, Alam S, Avey MT, Baker M, dkk. The ARRIVE guidelines 2.0: updated guidelines for reporting animal research. PLoS Biol. 2020;18(7):e3000410.
    324. Peryam DR, Pilgrim FJ. Hedonic scale method of measuring food preferences. Food Technol. 1957;11 Suppl:9–14.
    325. Peters MDJ, Marnie C, Tricco AC, Pollock D, Munn Z, Alexander L, dkk. Updated methodological guidance for the conduct of scoping reviews. JBI Evid Synth. 2020;18(10):2119–26.
    326. Piaggio G, Elbourne DR, Pocock SJ, Evans SJW, Altman DG; CONSORT Group. Reporting of noninferiority and equivalence randomized trials: extension of the CONSORT 2010 statement. JAMA. 2012;308(24):2594–604.
    327. Pieper D, Antoine SL, Mathes T, Neugebauer EAM, Eikermann M. Systematic review finds overlapping reviews were not mentioned in every other overview. J Clin Epidemiol. 2014;67(4):368–75.
    328. Piepho HP, Büchse A, Emrich K. A hitchhiker's guide to mixed models for randomized experiments. J Agron Crop Sci. 2003;189(5):310–22.
    329. Pink S, Horst H, Postill J, Hjorth L, Lewis T, Tacchi J. Digital ethnography: principles and practice. London: SAGE Publications; 2016.
    330. Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879–903.
    331. Polit DF, Beck CT, Owen SV. Is the CVI an acceptable indicator of content validity? Appraisal and recommendations. Res Nurs Health. 2007;30(4):459–67.
    332. Pollock D, Peters MDJ, Khalil H, McInerney P, Alexander L, Tricco AC, dkk. Recommendations for the extraction, analysis, and presentation of results in scoping reviews. JBI Evid Synth. 2023;21(3):520–32.
    333. Pollock M, Fernandes RM, Newton AS, Scott SD, Hartling L. A decision tool to help researchers make decisions about including systematic reviews in overviews of reviews of healthcare interventions. Syst Rev. 2019;8(1):29.
    334. Preacher KJ, Hayes AF. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behav Res Methods. 2008;40(3):879–91.
    335. Preacher KJ, Kelley K. Effect size measures for mediation models: quantitative strategies for communicating indirect effects. Psychol Methods. 2011;16(2):93–115.
    336. Preacher KJ, Rucker DD, Hayes AF. Addressing moderated mediation hypotheses: theory, methods, and prescriptions. Multivariate Behav Res. 2007;42(1):185–227.
    337. Prentice RL. A case-cohort design for epidemiologic cohort studies and disease prevention trials. Biometrika. 1986;73(1):1–11.
    338. Prinsen CAC, Mokkink LB, Bouter LM, Alonso J, Patrick DL, de Vet HCW, dkk. COSMIN guideline for systematic reviews of patient-reported outcome measures. Qual Life Res. 2018;27(5):1147–57.
    339. Prochaska JO, DiClemente CC. Stages and processes of self-change of smoking: toward an integrative model of change. J Consult Clin Psychol. 1983;51(3):390–5.
    340. Provus M. Discrepancy evaluation for educational program improvement and assessment. Berkeley (CA): McCutchan; 1971.
    341. Przybylski AK, Murayama K, DeHaan CR, Gladwell V. Motivational, emotional, and behavioral correlates of fear of missing out. Comput Human Behav. 2013;29(4):1841–8.
    342. Puffer S, Torgerson D, Watson J. Evidence for risk of bias in cluster randomised trials: review of recent trials published in three general medical journals. BMJ. 2003;327(7418):785–9.
    343. Qaseem A, Kansagara D, Forciea MA, Cooke M, Denberg TD; Clinical Guidelines Committee of the American College of Physicians. Management of chronic insomnia disorder in adults: a clinical practice guideline from the American College of Physicians. Ann Intern Med. 2016;165(2):125–33.
    344. Raudenbush SW, Bryk AS. Hierarchical linear models: applications and data analysis methods. 2nd ed. Thousand Oaks (CA): SAGE Publications; 2002.
    345. Rawls J. A theory of justice. Cambridge (MA): Belknap Press of Harvard University Press; 1971.
    346. Republik Indonesia. Peraturan Pemerintah Nomor 28 Tahun 2024 tentang Peraturan Pelaksanaan Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan. Jakarta; 2024.
    347. Republik Indonesia. Undang-Undang Dasar Negara Republik Indonesia Tahun 1945.
    348. Republik Indonesia. Undang-Undang Nomor 11 Tahun 2019 tentang Sistem Nasional Ilmu Pengetahuan dan Teknologi. Jakarta; 2019.
    349. Republik Indonesia. Undang-Undang Nomor 12 Tahun 2011 tentang Pembentukan Peraturan Perundang-undangan. Jakarta; 2011.
    350. Republik Indonesia. Undang-Undang Nomor 17 Tahun 2023 tentang Kesehatan. Jakarta; 2023.
    351. Republik Indonesia. Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Jakarta; 2022.
    352. Republik Indonesia. Undang-Undang Nomor 28 Tahun 2014 tentang Hak Cipta. Jakarta; 2014.
    353. Republik Indonesia. Undang-Undang Nomor 35 Tahun 2014 tentang Perubahan atas Undang-Undang Nomor 23 Tahun 2002 tentang Perlindungan Anak. Jakarta; 2014.
    354. Riessman CK. Narrative methods for the human sciences. Thousand Oaks (CA): SAGE Publications; 2008.
    355. Riley DS, Barber MS, Kienle GS, Aronson JK, von Schoen-Angerer T, Tugwell P, dkk. CARE guidelines for case reports: explanation and elaboration document. J Clin Epidemiol. 2017;89:218–35.
    356. Riley RD, Ensor J, Snell KIE, Harrell FE Jr, Martin GP, Reitsma JB, dkk. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020;368:m441.
    357. Ritchie DA. Doing oral history. 3rd ed. New York: Oxford University Press; 2015.
    358. Robinson WS. Ecological correlations and the behavior of individuals. Am Sociol Rev. 1950;15(3):351–7.
    359. Ross AC, Manson JE, Abrams SA, Aloia JF, Brannon PM, Clinton SK, dkk. The 2011 report on dietary reference intakes for calcium and vitamin D from the Institute of Medicine: what clinicians need to know. J Clin Endocrinol Metab. 2011;96(1):53–8.
    360. Ross-Hellauer T. What is open peer review? A systematic review. F1000Res. 2017;6:588.
    361. Rothman KJ, Greenland S, Lash TL. Modern epidemiology. 3rd ed. Philadelphia: Lippincott Williams & Wilkins; 2008.
    362. Rowe MB. Wait time: slowing down may be a way of speeding up! J Teach Educ. 1986;37(1):43–50.
    363. Rudan I, Boschi-Pinto C, Biloglav Z, Mulholland K, Campbell H. Epidemiology and etiology of childhood pneumonia. Bull World Health Organ. 2008;86(5):408–16.
    364. Rundle AG, Vineis P, Ahsan H. Design options for molecular epidemiology research within cohort studies. Cancer Epidemiol Biomarkers Prev. 2005;14(8):1899–907.
    365. Russell WMS, Burch RL. The principles of humane experimental technique. London: Methuen; 1959.
    366. Rutterford C, Copas A, Eldridge S. Methods for sample size determination in cluster randomized trials. Int J Epidemiol. 2015;44(3):1051–67.
    367. Sacks H, Schegloff EA, Jefferson G. A simplest systematics for the organization of turn-taking for conversation. Language. 1974;50(4):696–735.
    368. Sandelowski M. Whatever happened to qualitative description? Res Nurs Health. 2000;23(4):334–40.
    369. Sanders T, Noetel M, Parker P, Del Pozo Cruz B, Biddle S, Ronto R, dkk. An umbrella review of the benefits and risks associated with youths' interactions with electronic screens. Nat Hum Behav. 2024;8(1):82–99.
    370. Santesso N, Glenton C, Dahm P, Garner P, Akl EA, Alper B, dkk. GRADE guidelines 26: informative statements to communicate the findings of systematic reviews of interventions. J Clin Epidemiol. 2020;119:126–35.
    371. Saussure F de. Course in general linguistics. Baskin W, translator. New York: Philosophical Library; 1959.
    372. Schegloff EA, Jefferson G, Sacks H. The preference for self-correction in the organization of repair in conversation. Language. 1977;53(2):361–82.
    373. Schegloff EA. Sequence organization in interaction: a primer in conversation analysis. Vol. 1. Cambridge: Cambridge University Press; 2007.
    374. Schegloff EA. Sequencing in conversational openings. Am Anthropol. 1968;70(6):1075–95.
    375. Schober P, Boer C, Schwarte LA. Correlation coefficients: appropriate use and interpretation. Anesth Analg. 2018;126(5):1763–8.
    376. Schoemann AM, Boulton AJ, Short SD. Determining power and sample size for simple and complex mediation models. Soc Psychol Personal Sci. 2017;8(4):379–86.
    377. Schuirmann DJ. A comparison of the two one-sided tests procedure and the power approach for assessing the equivalence of average bioavailability. J Pharmacokinet Biopharm. 1987;15(6):657–80.
    378. Schulz KF, Altman DG, Moher D; CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332.
    379. Schulz KF, Grimes DA. Case-control studies: research in reverse. Lancet. 2002;359(9304):431–4.
    380. Scriven M. Evaluation thesaurus. 4th ed. Newbury Park (CA): SAGE Publications; 1991.
    381. Sekaran U, Bougie R. Research methods for business: a skill-building approach. 7th ed. Chichester: John Wiley & Sons; 2016.
    382. Senn S. Cross-over trials in clinical research. 2nd ed. Chichester: John Wiley & Sons; 2002.
    383. Senn S. Mastering variation: variance components and personalised medicine. Stat Med. 2016;35(7):966–77.
    384. Setyaningsih D, Apriyantono A, Sari MP. Analisis sensori untuk industri pangan dan agro. Bogor: IPB Press; 2010.
    385. Shadish WR, Cook TD, Campbell DT. Experimental and quasi-experimental designs for generalized causal inference. Boston: Houghton Mifflin; 2002.
    386. Shea BJ, Reeves BC, Wells G, Thuku M, Hamel C, Moran J, dkk. AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both. BMJ. 2017;358:j4008.
    387. Shechter A, Kim EW, St-Onge MP, Westwood AJ. Blocking nocturnal blue light for insomnia: a randomized controlled trial. J Psychiatr Res. 2018;96:196–202.
    388. Shechter A, Quispe KA, Mizhquiri Barbecho JS, Slater C, Falzon L. Interventions to reduce short-wavelength ("blue") light exposure at night and their effects on sleep: a systematic review and meta-analysis. Sleep Adv. 2020;1(1):zpaa002.
    389. Shmueli G, Sarstedt M, Hair JF, Cheah JH, Ting H, Vaithilingam S, dkk. Predictive model assessment in PLS-SEM: guidelines for using PLSpredict. Eur J Mark. 2019;53(11):2322–47.
    390. Shoemaker SJ, Wolf MS, Brach C. Development of the Patient Education Materials Assessment Tool (PEMAT): a new measure of understandability and actionability for print and audiovisual patient information. Patient Educ Couns. 2014;96(3):395–403.
    391. Simera I, Moher D, Hirst A, Hoey J, Schulz KF, Altman DG. Transparent and accurate reporting increases reliability, utility, and impact of your research: reporting guidelines and the EQUATOR Network. BMC Med. 2010;8:24.
    392. Sinclair JM, Coulthard RM. Towards an analysis of discourse: the English used by teachers and pupils. London: Oxford University Press; 1975.
    393. Singh S, Keller PR, Busija L, McMillan P, Makrai E, Lawrenson JG, dkk. Blue-light filtering spectacle lenses for visual performance, sleep, and macular health in adults. Cochrane Database Syst Rev. 2023;8(8):CD013244.
    394. Smith JA, Flowers P, Larkin M. Interpretative phenomenological analysis: theory, method and research. 2nd ed. London: SAGE Publications; 2022.
    395. Smith JA. Evaluating the contribution of interpretative phenomenological analysis. Health Psychol Rev. 2011;5(1):9–27.
    396. Sobel ME. Asymptotic confidence intervals for indirect effects in structural equation models. Sociol Methodol. 1982;13:290–312.
    397. Sobur A. Semiotika komunikasi. Bandung: Remaja Rosdakarya; 2003.
    398. Soekanto S, Mamudji S. Penelitian hukum normatif: suatu tinjauan singkat. Edisi 1. Jakarta: RajaGrafindo Persada; 2011.
    399. Soekanto S. Faktor-faktor yang mempengaruhi penegakan hukum. Cetakan ke-16. Jakarta: RajaGrafindo Persada; 2019.
    400. Soekanto S. Kesadaran hukum dan kepatuhan hukum. Jakarta: Rajawali; 1982.
    401. Spradley JP. Participant observation. New York: Holt, Rinehart and Winston; 1980.
    402. Stake RE. The art of case study research. Thousand Oaks (CA): SAGE Publications; 1995.
    403. Steel P. The nature of procrastination: a meta-analytic and theoretical review of quintessential self-regulatory failure. Psychol Bull. 2007;133(1):65–94.
    404. Steel RGD, Torrie JH. Principles and procedures of statistics: a biometrical approach. 2nd ed. New York: McGraw-Hill; 1980.
    405. Steinberg L. A social neuroscience perspective on adolescent risk-taking. Dev Rev. 2008;28(1):78–106.
    406. Sterne JA, Hernán MA, Reeves BC, Savović J, Berkman ND, Viswanathan M, dkk. ROBINS-I: a tool for assessing risk of bias in non-randomised studies of interventions. BMJ. 2016;355:i4919.
    407. Sterne JAC, Savović J, Page MJ, Elbers RG, Blencowe NS, Boutron I, dkk. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ. 2019;366:l4898.
    408. Steyerberg EW. Clinical prediction models: a practical approach to development, validation, and updating. 2nd ed. Cham: Springer; 2019.
    409. Stiglic N, Viner RM. Effects of screentime on the health and well-being of children and adolescents: a systematic review of reviews. BMJ Open. 2019;9(1):e023191.
    410. Stringer ET. Action research. 4th ed. Thousand Oaks (CA): SAGE Publications; 2014.
    411. Stufflebeam DL, Coryn CLS. Evaluation theory, models, and applications. 2nd ed. San Francisco: Jossey-Bass; 2014.
    412. Sullivan LM, Massaro JM, D'Agostino RB Sr. Presentation of multivariate data for clinical use: the Framingham Study risk score functions. Stat Med. 2004;23(10):1631–60.
    413. Suparlan H. Filsafat pendidikan Ki Hadjar Dewantara dan sumbangannya bagi pendidikan Indonesia. J Filsafat. 2015;25(1):56–74.
    414. Tang SM, Lau T, Rong SS, Yazar S, Chen LJ, Mackey DA, dkk. Vitamin D and its pathway genes in myopia: systematic review and meta-analysis. Br J Ophthalmol. 2019;103(1):8–17.
    415. ten Have P. Doing conversation analysis: a practical guide. 2nd ed. London: SAGE Publications; 2007.
    416. Terwee CB, Bot SDM, de Boer MR, van der Windt DAWM, Knol DL, Dekker J, dkk. Quality criteria were proposed for measurement properties of health status questionnaires. J Clin Epidemiol. 2007;60(1):34–42.
    417. Thiagarajan S, Semmel DS, Semmel MI. Instructional development for training teachers of exceptional children: a sourcebook. Bloomington (IN): Indiana University; 1974.
    418. Thompson P, Bornat J. The voice of the past: oral history. 4th ed. New York: Oxford University Press; 2017.
    419. Tideman JWL, Polling JR, Voortman T, Jaddoe VWV, Uitterlinden AG, Hofman A, dkk. Low serum vitamin D is associated with axial length and risk of myopia in young children. Eur J Epidemiol. 2016;31(5):491–9.
    420. Titaley CR, Ariawan I, Hapsari D, Muasyaroh A, Dibley MJ. Determinants of the stunting of children under two years old in Indonesia: a multilevel analysis of the 2013 Indonesia Basic Health Survey. Nutrients. 2019;11(5):1106.
    421. Tong A, Sainsbury P, Craig J. Consolidated criteria for reporting qualitative research (COREQ): a 32-item checklist for interviews and focus groups. Int J Qual Health Care. 2007;19(6):349–57.
    422. Tricco AC, Langlois EV, Straus SE, editor. Rapid reviews to strengthen health policy and systems: a practical guide. Geneva: World Health Organization; 2017.
    423. Tricco AC, Lillie E, Zarin W, O'Brien KK, Colquhoun H, Levac D, dkk. PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation. Ann Intern Med. 2018;169(7):467–73.
    424. Tsuchiya K. Democracy and leadership: the rise of the Taman Siswa movement in Indonesia. Hawkes P, translator. Honolulu: University of Hawaii Press; 1987.
    425. Tuan HL, Chin CC, Shieh SH. The development of a questionnaire to measure students' motivation towards science learning. Int J Sci Educ. 2005;27(6):639–54.
    426. Tukey JW. One degree of freedom for non-additivity. Biometrics. 1949;5(3):232–42.
    427. U.S. Food and Drug Administration (FDA). Non-inferiority clinical trials to establish effectiveness: guidance for industry. Silver Spring (MD): Center for Drug Evaluation and Research, Center for Biologics Evaluation and Research; 2016.
    428. Ury HK. Efficiency of case-control studies with multiple controls per case: continuous or dichotomous data. Biometrics. 1975;31(3):643–9.
    429. Van Calster B, McLernon DJ, van Smeden M, Wynants L, Steyerberg EW. Calibration: the Achilles heel of predictive analytics. BMC Med. 2019;17(1):230.
    430. van Dijk TA. News as discourse. Hillsdale (NJ): Lawrence Erlbaum Associates; 1988.
    431. van Eck NJ, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics. 2010;84(2):523–38.
    432. van Straten A, van der Zweerde T, Kleiboer A, Cuijpers P, Morin CM, Lancee J. Cognitive and behavioral therapies in the treatment of insomnia: a meta-analysis. Sleep Med Rev. 2018;38:3–16.
    433. VanderWeele TJ, Ding P. Sensitivity analysis in observational research: introducing the E-value. Ann Intern Med. 2017;167(4):268–74.
    434. Vickers AJ, Elkin EB. Decision curve analysis: a novel method for evaluating prediction models. Med Decis Making. 2006;26(6):565–74.
    435. von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453–7.
    436. W.K. Kellogg Foundation. Logic model development guide. Battle Creek (MI): W.K. Kellogg Foundation; 2004.
    437. Wacholder S, McLaughlin JK, Silverman DT, Mandel JS. Selection of controls in case-control studies. I. Principles. Am J Epidemiol. 1992;135(9):1019–28.
    438. Wagner AK, Soumerai SB, Zhang F, Ross-Degnan D. Segmented regression analysis of interrupted time series studies in medication use research. J Clin Pharm Ther. 2002;27(4):299–309.
    439. Wang C, Burris MA. Photovoice: concept, methodology, and use for participatory needs assessment. Health Educ Behav. 1997;24(3):369–87.
    440. Wang CC, Redwood-Jones YA. Photovoice ethics: perspectives from Flint Photovoice. Health Educ Behav. 2001;28(5):560–72.
    441. Wang CC. Photovoice: a participatory action research strategy applied to women's health. J Womens Health. 1999;8(2):185–92.
    442. Wang X, Cheng Z. Cross-sectional studies: strengths, weaknesses, and recommendations. Chest. 2020;158(1S):S65–71.
    443. Warren SD, Brandeis LD. The right to privacy. Harv Law Rev. 1890;4(5):193–220.
    444. Wasserstein RL, Lazar NA. The ASA statement on p-values: context, process, and purpose. Am Stat. 2016;70(2):129–33.
    445. Weijer C, Grimshaw JM, Eccles MP, McRae AD, White A, Brehaut JC, dkk. The Ottawa Statement on the ethical design and conduct of cluster randomized trials. PLoS Med. 2012;9(11):e1001346.
    446. Weithorn LA, Campbell SB. The competency of children and adolescents to make informed treatment decisions. Child Dev. 1982;53(6):1589–98.
    447. Welch BL. On the comparison of several mean values: an alternative approach. Biometrika. 1951;38(3/4):330–6.
    448. Wellek S, Blettner M. On the proper use of the crossover design in clinical trials: part 18 of a series on evaluation of scientific publications. Dtsch Arztebl Int. 2012;109(15):276–81.
    449. Wendler DS. Assent in paediatric research: theoretical and practical considerations. J Med Ethics. 2006;32(4):229–34.
    450. West BT, Berglund P, Heeringa SG. A closer examination of subpopulation analysis of complex-sample survey data. Stata J. 2008;8(4):520–31.
    451. Whiting PF, Rutjes AWS, Westwood ME, Mallett S, Deeks JJ, Reitsma JB, dkk. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529–36.
    452. WHO Multicentre Growth Reference Study Group. WHO Child Growth Standards: length/height-for-age, weight-for-age, weight-for-length, weight-for-height and body mass index-for-age: methods and development. Geneva: World Health Organization; 2006.
    453. Williams EJ. Experimental designs balanced for the estimation of residual effects of treatments. Aust J Sci Res A. 1949;2(2):149–68.
    454. Williamson J. Decoding advertisements: ideology and meaning in advertising. London: Marion Boyars; 1978.
    455. Williamson PR, Altman DG, Bagley H, Barnes KL, Blazeby JM, Brookes ST, dkk. The COMET Handbook: version 1.0. Trials. 2017;18(Suppl 3):280.
    456. Willis GB. Cognitive interviewing: a tool for improving questionnaire design. Thousand Oaks (CA): SAGE Publications; 2005.
    457. Wolff RF, Moons KGM, Riley RD, Whiting PF, Westwood M, Collins GS, dkk. PROBAST: a tool to assess the risk of bias and applicability of prediction model studies. Ann Intern Med. 2019;170(1):51–8.
    458. World Health Organization. Guideline: intermittent iron and folic acid supplementation in menstruating women. Geneva: WHO; 2011.
    459. World Health Organization. ICD-11 for mortality and morbidity statistics: 6C51 Gaming disorder [Internet]. Geneva: WHO; 2019 [cited 2026 Sep 24]. Available from: https://icd.who.int/
    460. World Health Organization. WHO guidelines on hand hygiene in health care: first global patient safety challenge, clean care is safer care. Geneva: WHO; 2009.
    461. World Medical Association. Declaration of Helsinki: ethical principles for medical research involving human subjects. JAMA. 2013;310(20):2191–4. (Direvisi kembali pada 2024.)
    462. Yang M, Morin CM, Schaefer K, Wallenstein GV. Interpreting score differences in the Insomnia Severity Index: using health-related outcomes to define the minimally important difference. Curr Med Res Opin. 2009;25(10):2487–94.
    463. Yarbrough DB, Shulha LM, Hopson RK, Caruthers FA. The program evaluation standards: a guide for evaluators and evaluation users. 3rd ed. Thousand Oaks (CA): SAGE Publications; 2011.
    464. Yardley L. Dilemmas in qualitative health research. Psychol Health. 2000;15(2):215–28.
    465. Yates F. The analysis of replicated experiments when the field results are incomplete. Empire J Exp Agric. 1933;1(2):129–42.
    466. Yazar S, Hewitt AW, Black LJ, McKnight CM, Mountain JA, Sherwin JC, dkk. Myopia is associated with lower vitamin D status in young adults. Invest Ophthalmol Vis Sci. 2014;55(7):4552–9.
    467. Yin RK. Case study research and applications: design and methods. 6th ed. Thousand Oaks (CA): SAGE Publications; 2018.
    468. Youden WJ. Index for rating diagnostic tests. Cancer. 1950;3(1):32–5.
    469. Zachariae R, Lyby MS, Ritterband LM, O'Toole MS. Efficacy of internet-delivered cognitive-behavioral therapy for insomnia: a systematic review and meta-analysis of randomized controlled trials. Sleep Med Rev. 2016;30:1–10.
    470. Zadnik K, Sinnott LT, Cotter SA, Jones-Jordan LA, Kleinstein RN, Manny RE, dkk. Prediction of juvenile-onset myopia. JAMA Ophthalmol. 2015;133(6):683–9.
    471. Zed M. Metode penelitian kepustakaan. Jakarta: Yayasan Obor Indonesia; 2004.
    472. Zhao X, Lynch JG, Chen Q. Reconsidering Baron and Kenny: myths and truths about mediation analysis. J Consum Res. 2010;37(2):197–206.
    473. Zimmerman BJ. Becoming a self-regulated learner: an overview. Theory Pract. 2002;41(2):64–70.
    474. Zirek E, Mustafaoglu R, Yasaci Z, Griffiths MD. A systematic review of musculoskeletal complaints, symptoms, and pathologies related to mobile phone usage. Musculoskelet Sci Pract. 2020;49:102196.
    475. Zou G. A modified Poisson regression approach to prospective studies with binary data. Am J Epidemiol. 2004;159(7):702–6.
    476. Zupic I, Čater T. Bibliometric methods in management and organization. Organ Res Methods. 2015;18(3):429–72.
    477. Åkerstedt T. Shift work and disturbed sleep/wakefulness. Occup Med (Lond). 2003;53(2):89–94.