Modul 2 | Sesi 1

Desain Penelitian Kuantitatif dalam Obstetri Ginekologi Sosial

Semester 1 | Periode 2 | MK Metodologi Penelitian & Penulisan Ilmiah (4 SKS)
Dr.dr. Budi Siswanto, Sp.OG., Subsp.Obginsos., SH., S.Kom.
Unduh PDF

A. Deskripsi Modul

Seorang SpOG di RSUD kabupaten membaca sebuah artikel di jurnal internasional: sebuah RCT besar dari India menunjukkan bahwa pemberian misoprostol sublingual oleh kader komunitas pada ibu pasca persalinan di rumah mengurangi kematian akibat perdarahan postpartum sebesar 44%. Ia bersemangat dan ingin mengimplementasikan program serupa di kabupatennya.

Tetapi sebelum melangkah lebih jauh, beberapa pertanyaan perlu dijawab: Apakah populasi dalam RCT tersebut sebanding dengan populasi di kabupatennya? Bagaimana kualitas metodologis studi tersebut dinilai — apakah randomisasi benar-benar dilakukan dengan baik, apakah ada blinding, bagaimana loss to follow-up ditangani? Apakah ukuran efek yang dilaporkan adalah efek yang bermakna secara klinis — bukan hanya bermakna secara statistik?

Kemudian ia memutuskan untuk melakukan penelitian sendiri di kabupatennya sebelum mengimplementasikan program. Pertanyaan baru muncul: desain penelitian apa yang paling tepat? Berapa sampel yang diperlukan? Bagaimana mengendalikan variabel perancu? Bagaimana melaporkan hasil dengan jujur dan transparan?

Modul ini membangun kompetensi desain penelitian kuantitatif — dari pemahaman jenis-jenis desain beserta kelebihan dan keterbatasannya, melalui prinsip-prinsip pengukuran dan sampling, hingga kemampuan membaca dan mengevaluasi kritis penelitian kuantitatif yang dipublikasikan.

B. Capaian Pembelajaran Modul

Setelah menyelesaikan modul ini, peserta didik mampu:

  1. Membedakan jenis-jenis desain penelitian kuantitatif — eksperimental dan observasional — beserta kelebihan, keterbatasan, dan konteks penggunaannya
  2. Menjelaskan prinsip-prinsip inti RCT — randomisasi, blinding, kontrol — dan implikasinya terhadap validitas internal dan eksternal
  3. Mengidentifikasi prinsip-prinsip pengukuran yang valid: reliabilitas, validitas, dan sensitivitas pengukuran
  4. Menerapkan prinsip-prinsip dasar sampling dan perhitungan besar sampel
  5. Mengevaluasi kualitas metodologis penelitian kuantitatif yang dipublikasikan menggunakan checklist yang terstandar

C. Materi Inti

C.1. Peta Desain Penelitian Kuantitatif

C.1.1. Klasifikasi Utama

Desain penelitian kuantitatif dibagi dalam dua kelompok besar berdasarkan apakah peneliti memberikan intervensi atau hanya mengamati:

DESAIN PENELITIAN KUANTITATIF
Pendekatan sistematis untuk menguji hipotesis
EKSPERIMENTAL
Peneliti memberikan intervensi
OBSERVASIONAL
Peneliti hanya mengamati
RCT
Randomized Controlled Trial
Quasi-Experimental
Tanpa randomisasi penuh
Kohort
Follow-up dari eksposur
Kasus-Kontrol
Backward dari outcome
Cross-Sectional
Foto pada satu waktu

C.1.2. Hierarki Desain dan Kontrol Bias

Setiap desain berbeda dalam kemampuannya mengendalikan bias — terutama confounding (variabel perancu):

TINGGI
RCT dengan randomisasi baik
SEDANG-TINGGI
Kohort Prospektif
SEDANG
Kasus-Kontrol
RENDAH
Cross-Sectional
TERENDAH
Laporan Kasus
Kemampuan Mengendalikan Confounding
  • TINGGI (RCT): Randomisasi mendistribusikan semua variabel perancu (diketahui maupun tidak diketahui) secara merata antara kelompok
  • SEDANG-TINGGI (Kohort): Dapat mengontrol variabel perancu yang diketahui pada tahap desain dan analisis
  • SEDANG (Kasus-Kontrol): Mencocokkan (matching) atau mengontrol secara statistik variabel perancu yang diketahui
  • RENDAH (Cross-Sectional): Pengukuran simultan eksposur dan outcome — sulit menentukan mana sebab mana akibat

C.2. Desain Eksperimental

C.2.1. Randomized Controlled Trial (RCT)

RCT adalah standar emas untuk menguji efektivitas intervensi karena randomisasi adalah satu-satunya cara yang dapat mengendalikan semua variabel perancu — termasuk yang tidak diketahui peneliti.

Randomisasi

Proses mengalokasikan subjek ke kelompok intervensi atau kontrol secara acak — sehingga setiap subjek memiliki probabilitas yang sama untuk masuk ke kelompok manapun.

Metode:

  • Simple randomization: seperti melempar koin
  • Block randomization: memastikan keseimbangan kelompok
  • Stratified randomization: memastikan distribusi variabel penting seimbang
Blinding (Penyamaran)

Single-blind: Subjek tidak tahu alokasi → mengurangi placebo effect

Double-blind: Subjek DAN peneliti tidak tahu → standar emas farmakologis

Triple-blind: Subjek, peneliti, DAN analis data tidak tahu

Open-label: Semua tahu → sering tidak dapat dihindari untuk intervensi bedah

Kelompok Kontrol

Kelompok yang tidak mendapat intervensi yang diuji — dapat berupa:

  • Plasebo
  • Standar perawatan yang ada
  • Tidak ada intervensi

Pilihan kontrol menentukan apa yang sebenarnya diukur oleh RCT.

Contoh relevan obstetri:

Pertanyaan Penelitian Kelompok Intervensi Kelompok Kontrol
Efektivitas misoprostol vs. oksitosin untuk pencegahan PPH Misoprostol 600 mcg sublingual Oksitosin 10 IU IM
Efektivitas skin-to-skin contact pada prematur Kangaroo Mother Care Perawatan inkubator standar
Efektivitas pelatihan PONEK pada outcome persalinan Pelatihan PONEK + implementasi Pelatihan PONEK saja (delayed)

C.2.2. Ancaman Validitas Internal RCT

Validitas internal adalah sejauh mana hasil RCT mencerminkan hubungan kausal yang sebenarnya — bukan artefak metodologis. Ancaman utama:

Selection Bias
Perbedaan sistematis antara kelompok sebelum intervensi — dicegah oleh randomisasi yang baik.
Performance Bias
Perbedaan dalam perawatan yang diberikan kepada kelompok selain intervensi — dicegah oleh blinding dan protokol ketat.
Detection Bias
Perbedaan dalam cara outcome diukur — dicegah oleh blinding assessor dan outcome objektif.
Attrition Bias
Efek dari kehilangan subjek yang tidak merata — diatasi dengan analisis intention-to-treat (ITT).
Analisis Intention-to-Treat (ITT): Menganalisis semua subjek dalam kelompok yang mereka diacak, terlepas dari apakah mereka benar-benar mendapat intervensi atau tetap dalam studi sampai akhir. ITT mempertahankan manfaat randomisasi dan menghasilkan estimasi efek yang lebih konservatif — lebih dekat dengan efektivitas dalam kondisi "dunia nyata."

C.2.3. Validitas Eksternal: Generalisasi Temuan RCT

Validitas eksternal adalah sejauh mana temuan RCT dapat digeneralisasikan ke populasi dan konteks yang berbeda dari yang diteliti.

Ancaman validitas eksternal yang sering terjadi:
• Subjek penelitian lebih sehat, lebih terdidik, atau lebih termotivasi dari populasi umum (healthy volunteer effect)
• Setting penelitian (RS tersier, peneliti berpengalaman) berbeda jauh dari setting implementasi nyata
• Intervensi dalam RCT dilakukan dengan fidelitas tinggi yang mungkin tidak dapat direplikasi dalam praktik rutin
Implikasi untuk konsultan Obginsos: Sebelum mengimplementasikan temuan RCT dari konteks yang berbeda — pertimbangkan: apakah populasinya sebanding? Apakah sistem kesehatannya memiliki kapasitas yang diperlukan? Apakah intervensinya feasible dalam konteks lokal?

C.2.4. Quasi-Experimental Design

Ketika randomisasi tidak memungkinkan secara etis atau praktis, quasi-experimental design dapat memberikan bukti kausal yang lebih kuat dari studi observasional murni:

Jenis Quasi-Experimental Design
  • Interrupted Time Series (ITS): Mengukur outcome berulang kali sebelum dan setelah intervensi — dan menilai apakah ada perubahan tren yang tidak dapat dijelaskan oleh faktor lain.
  • Difference-in-Differences (DiD): Membandingkan perubahan outcome antara kelompok yang mendapat intervensi dan yang tidak — mengendalikan tren waktu yang mempengaruhi kedua kelompok.
  • Regression Discontinuity: Memanfaatkan ambang batas (cutoff) dalam kebijakan — misalnya: kabupaten dengan AKI di atas threshold mendapat program X, yang di bawah tidak — sebagai quasi-randomisasi.

C.3. Desain Observasional

C.3.1. Studi Kohort

Prinsip dasar: Mengikuti sekelompok orang yang memiliki eksposur tertentu (dan kelompok pembanding tanpa eksposur) dari waktu ke waktu untuk mengamati siapa yang mengalami outcome yang diteliti.

SEKARANG
Identifikasi kohort
FOLLOW-UP
Pemantauan outcome
ANALISIS
Hitung insiden & RR
Kohort Prospektif

Kelebihan: Urutan temporal jelas, dapat menghitung insiden, dapat meneliti banyak outcome

Keterbatasan: Mahal, waktu lama, loss to follow-up dapat menciptakan bias

Kohort Retrospektif

Kelebihan: Lebih cepat dan murah, tidak ada loss to follow-up

Keterbatasan: Kualitas data tergantung rekam medis, variabel tidak tercatat tidak dapat dievaluasi

Ukuran asosiasi dalam kohort:

  • Relative Risk (RR): Risiko outcome pada kelompok terekspos dibagi risiko pada kelompok tidak terekspos
  • Hazard Ratio (HR): RR yang memperhitungkan waktu hingga kejadian outcome
  • Attributable Risk: Perbedaan absolut risiko antara kelompok — lebih bermakna secara klinis

C.3.2. Studi Kasus-Kontrol

Prinsip dasar: Dimulai dari outcome — mengidentifikasi kasus (yang mengalami outcome) dan kontrol (yang tidak), lalu melihat ke belakang untuk mengidentifikasi perbedaan eksposur.

LAMPAU
Eksposur (+/-)?
SEKARANG
Identifikasi kasus & kontrol
ANALISIS
Hitung Odds Ratio
Kelebihan
  • Efisien untuk outcome yang jarang (misalnya: kematian ibu)
  • Lebih cepat dan murah dari kohort
  • Dapat meneliti banyak eksposur untuk satu outcome
Keterbatasan
  • Tidak dapat menghitung insiden
  • Recall bias — kasus dan kontrol mungkin mengingat eksposur secara berbeda
  • Pemilihan kontrol yang tepat adalah tantangan metodologis yang kritis

Ukuran asosiasi: Odds Ratio (OR): Perbandingan odds eksposur pada kasus vs. kontrol. Pada outcome yang jarang, OR ≈ RR.

C.3.3. Studi Cross-Sectional

Prinsip dasar: Mengukur eksposur dan outcome secara bersamaan pada satu titik waktu — memberikan "foto" dari populasi pada saat tertentu.

Kelebihan
  • Cepat dan murah
  • Dapat menghitung prevalensi
  • Baik untuk menentukan beban penyakit dan perencanaan layanan
Keterbatasan
  • Tidak dapat menentukan kausalitas — eksposur dan outcome diukur bersamaan
  • Prevalence-incidence bias (Neyman bias)
  • Hanya dapat menghitung prevalensi, bukan insiden
Penggunaan tepat dalam obstetri: Cross-sectional sangat tepat untuk: mengukur prevalensi anemia pada ibu hamil di suatu wilayah, menentukan cakupan ANC, mengidentifikasi faktor yang berkorelasi dengan ketidakpatuhan terhadap rekomendasi klinis.

C.4. Pengukuran dalam Penelitian Kuantitatif

C.4.1. Skala Pengukuran

NOMINAL
Kategori tanpa urutan
Contoh: Jenis persalinan (SC / pervaginam / operatif)
Analisis: frekuensi, modus, chi-square
ORDINAL
Kategori dengan urutan tetapi interval tidak sama
Contoh: Skala nyeri 1-10, status gizi
Analisis: median, persentil, Mann-Whitney
INTERVAL
Urutan dengan interval sama tetapi tidak ada nol absolut
Contoh: Suhu (°C), skor psikologi
Analisis: mean, SD, t-test
RASIO
Interval dengan nol absolut
Contoh: Berat badan, usia gestasi, kadar Hb
Analisis: semua metode statistik parametrik

C.4.2. Validitas dan Reliabilitas Pengukuran

Reliabilitas: Konsistensi pengukuran — apakah alat ukur menghasilkan hasil yang sama jika digunakan berulang pada kondisi yang sama?

Validitas: Ketepatan pengukuran — apakah alat ukur benar-benar mengukur apa yang dimaksudkan untuk diukur?

VALID
TIDAK VALID
RELIABEL
Tembakan tepat ke sasaran
Tembakan konsisten meleset
TIDAK RELIABEL
Tembakan tersebar di sekitar sasaran
Tembakan tersebar dan meleset

Jenis validitas yang penting:

  • Content validity: Apakah instrumen mencakup semua domain yang relevan?
  • Construct validity: Apakah instrumen mengukur konstruk teoritis yang dimaksud?
  • Criterion validity: Apakah instrumen berkorelasi dengan "gold standard"?

C.4.3. Outcome Primer dan Sekunder

Outcome primer adalah ukuran utama yang penelitian dirancang untuk mendeteksi perbedaannya — dan yang menentukan perhitungan besar sampel.

Outcome surrogate adalah ukuran pengganti yang lebih mudah diukur daripada outcome klinis yang sesungguhnya — tetapi harus sudah terbukti berkorelasi kuat dengan outcome klinis.

Kondisi Outcome Klinis Sesungguhnya Outcome Surrogate
Preeklampsia Kematian ibu dan perinatal Tekanan darah, proteinuria
Anemia kehamilan Perdarahan postpartum, BBLR Kadar hemoglobin
Infeksi intrapartum Sepsis neonatal Suhu ibu, kultur

C.5. Sampling dan Perhitungan Besar Sampel

C.5.1. Probabilistic Sampling

Simple Random Sampling
Setiap anggota populasi memiliki probabilitas sama untuk terpilih
→ Ideal tetapi memerlukan kerangka sampling yang lengkap
Systematic Sampling
Setiap subjek ke-n dari daftar
→ Lebih praktis; risiko periodicity bias jika ada pola dalam daftar
Stratified Random Sampling
Populasi dibagi strata, random sampling dalam setiap strata
→ Memastikan representasi subkelompok penting
Cluster Sampling
Unit yang dirandom adalah cluster (desa, Puskesmas)
→ Efisien untuk populasi tersebar; memerlukan koreksi design effect

C.5.2. Prinsip Dasar Perhitungan Besar Sampel

Besar sampel yang diperlukan ditentukan oleh empat parameter:

1. Tingkat Kesalahan Tipe I (α) Probabilitas menolak H₀ yang benar (false positive) → Konvensi: α = 0,05
2. Power (1-β) Probabilitas mendeteksi efek yang benar-benar ada → Konvensi: 80% atau 90%
3. Effect Size (Ukuran Efek) Seberapa besar perbedaan yang ingin dideteksi → Harus berbasis klinis, bukan hanya statistik
4. Variabilitas Outcome SD untuk outcome kontinu; proporsi untuk outcome biner → Makin besar variabilitas, makin besar sampel diperlukan
Prinsip kritis: effect size harus bermakna secara klinis. Dengan sampel yang sangat besar, perbedaan yang sangat kecil dapat menjadi "signifikan secara statistik" tetapi tidak bermakna secara klinis. Peneliti harus menetapkan Minimal Clinically Important Difference (MCID) sebelum menghitung besar sampel — bukan setelahnya.

C.6. Evaluasi Kritis Penelitian Kuantitatif

C.6.1. Checklist CONSORT untuk RCT

CONSORT (Consolidated Standards of Reporting Trials) adalah standar pelaporan RCT yang diwajibkan oleh sebagian besar jurnal biomedis terkemuka. Elemen kunci yang harus ada dalam laporan RCT:

Metode yang Harus Dilaporkan
  • Deskripsi desain (paralel, crossover, faktorial)
  • Kriteria eligibilitas yang jelas
  • Metode randomisasi yang spesifik (bukan hanya "randomisasi dilakukan")
  • Mekanisme penyamaran alokasi (allocation concealment)
  • Blinding — siapa yang dibutakan dan bagaimana
  • Outcome primer dan sekunder yang pre-specified
Hasil yang Harus Dilaporkan
  • Diagram alur CONSORT (flow diagram) — jumlah subjek di setiap tahap
  • Data baseline untuk menilai keseimbangan kelompok
  • Analisis utama dengan confidence interval — bukan hanya p-value
  • Analisis subkelompok yang sudah pre-specified

C.6.2. Checklist STROBE untuk Studi Observasional

STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) adalah padanan CONSORT untuk studi observasional. Elemen kritis:

  • Desain studi yang jelas di judul/abstrak
  • Definisi operasional eksposur dan outcome yang spesifik
  • Sumber data dan metode pengukuran
  • Metode penanganan variabel perancu
  • Sensitivitas analisis terhadap asumsi yang dibuat

C.6.3. Penilaian Signifikansi Statistik vs. Makna Klinis

p-value: Probabilitas mendapatkan hasil yang diamati (atau lebih ekstrem) jika H₀ benar. Bukan probabilitas bahwa H₀ benar. Bukan ukuran besarnya efek.

Confidence Interval (CI): Range nilai yang kompatibel dengan data yang diamati, dengan tingkat kepercayaan tertentu (biasanya 95%). CI memberikan informasi tentang presisi estimasi — lebih informatif dari p-value saja.

INTERPRETASI YANG BENAR:

RR = 0,67 (95% CI: 0,45–0,89), p = 0,008

BENAR:
"Intervensi mengurangi risiko sebesar 33%. Interval kepercayaan 95% menunjukkan efek berkisar antara 11% hingga 55% pengurangan. Hasil ini konsisten dengan efek klinik yang bermakna."

SALAH:
"p < 0,05, jadi intervensi signifikan."
(Mengabaikan besaran efek dan presisi estimasi)

D. Pertanyaan Diskusi (Thread Dosen – Minggu 2)

Pertanyaan 1

Anda membaca dua studi tentang efektivitas program kemitraan bidan-dukun dalam mengurangi kematian ibu di Indonesia. Studi A adalah RCT cluster-randomized di 40 Puskesmas — 20 mendapat program, 20 sebagai kontrol — dengan follow-up 2 tahun dan outcome primer kematian ibu per 1.000 kelahiran hidup. Hasilnya: RR 0,72 (95% CI: 0,48–1,08), p = 0,11. Studi B adalah studi kohort retrospektif di 120 kabupaten yang membandingkan AKI sebelum dan sesudah implementasi program kemitraan, mengontrol variabel sosio-ekonomi dan akses layanan — dengan hasil: AKI turun rata-rata 31% (95% CI: 18–44%) pasca-implementasi. Analisis kritis kedua studi ini:

  1. menggunakan konsep validitas internal, identifikasi ancaman metodologis utama dalam masing-masing studi dan bagaimana desain masing-masing berupaya mengatasinya;
  2. studi A gagal mencapai signifikansi statistik (p = 0,11) — apakah ini berarti program tidak efektif? Interpretasikan hasil studi A dengan tepat, termasuk analisis tentang kemungkinan underpowered study;
  3. mana yang memberikan bukti lebih kuat tentang efektivitas program dan mengapa — dan apa implikasinya untuk keputusan kebijakan Anda sebagai konsultan Obginsos;
  4. bagaimana Anda akan merancang studi lanjutan yang memanfaatkan kelebihan dan mengatasi keterbatasan kedua studi ini?
Pertanyaan 2

Anda ingin melakukan penelitian di kabupaten Anda untuk menjawab pertanyaan: "Apakah keterlambatan ANC pertama (setelah trimester pertama) berhubungan dengan peningkatan risiko preeklampsia?" Data yang tersedia: rekam medis 3 tahun terakhir dari RSUD dan 5 Puskesmas rawat inap, mencakup sekitar 4.800 persalinan. Pertanyaan metodologis yang harus Anda jawab sebelum memulai penelitian:

  1. desain penelitian mana yang paling tepat — kasus-kontrol, kohort retrospektif, atau cross-sectional — dan berikan justifikasi yang mempertimbangkan: pertanyaan penelitian, ketersediaan data, efisiensi, dan kemampuan mengendalikan confounding;
  2. bagaimana Anda mendefinisikan secara operasional variabel eksposur (keterlambatan ANC), outcome (preeklampsia), dan minimal tiga variabel perancu yang paling penting — termasuk bagaimana variabel-variabel ini akan diukur dari rekam medis yang ada;
  3. hitunglah besar sampel yang diperlukan jika: prevalensi preeklampsia pada kelompok ANC tepat waktu adalah 4%, Anda ingin mendeteksi OR minimal 2,0, α = 0,05, power = 80%, dan rasio kasus:kontrol = 1:2 — serta jelaskan asumsi yang Anda buat;
  4. ancaman validitas utama apa yang paling mengkhawatirkan dalam desain yang Anda pilih, dan bagaimana Anda akan mengatasinya dalam protokol penelitian?

E. Rangkuman

  1. Desain penelitian kuantitatif terbagi dalam dua kelompok utama — eksperimental (RCT dan quasi-experimental) dan observasional (kohort, kasus-kontrol, cross-sectional) — yang berbeda dalam kemampuan mengendalikan confounding dan menetapkan kausalitas; RCT dengan randomisasi yang baik adalah satu-satunya desain yang dapat mengendalikan semua variabel perancu termasuk yang tidak diketahui, tetapi tidak selalu memungkinkan secara etis atau praktis
  2. Validitas internal RCT bergantung pada kualitas randomisasi, blinding, dan penanganan attrition; analisis intention-to-treat mempertahankan manfaat randomisasi dan menghasilkan estimasi efek yang lebih konservatif dan relevan untuk kondisi "dunia nyata"; validitas eksternal menentukan apakah temuan dapat diterapkan ke populasi dan konteks yang berbeda — yang sering kali lebih penting dari validitas internal untuk keputusan implementasi di Indonesia
  3. Studi observasional — kohort untuk menghitung insiden dan RR, kasus-kontrol untuk outcome jarang dan OR, cross-sectional untuk prevalensi — masing-masing memiliki kelebihan, keterbatasan, dan ancaman bias yang spesifik yang harus dipahami untuk evaluasi kritis maupun perancangan penelitian yang tepat
  4. Pengukuran yang valid dan reliabel adalah prasyarat penelitian yang berkualitas — pilihan skala pengukuran, definisi operasional outcome primer, dan penetapan MCID sebelum perhitungan besar sampel adalah keputusan metodologis yang menentukan kualitas kesimpulan yang dapat ditarik
  5. Evaluasi kritis penelitian kuantitatif menggunakan checklist terstandar (CONSORT untuk RCT, STROBE untuk observasional) dan menuntut kemampuan membedakan signifikansi statistik dari makna klinis — p-value tanpa confidence interval dan tanpa konteks besaran efek adalah informasi yang tidak lengkap dan dapat menyesatkan pengambilan keputusan klinis maupun kebijakan

F. Referensi

1. Schulz KF, Altman DG, Moher D; CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332. DOI: https://doi.org/10.1136/bmj.c332
2. von Elm E, Altman DG, Egger M, et al.; STROBE Initiative. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement. Lancet. 2007;370(9596):1453-1457. DOI: https://doi.org/10.1016/S0140-6736(07)61602-X
3. Hulley SB, Cummings SR, Browner WS, Grady DG, Newman TB. Designing Clinical Research. 4th ed. Philadelphia: Lippincott Williams & Wilkins; 2013.
4. Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 3rd ed. Philadelphia: Lippincott Williams & Wilkins; 2008.
5. Greenhalgh T. How to Read a Paper: The Basics of Evidence-Based Medicine. 6th ed. Oxford: Wiley-Blackwell; 2019.
6. Guyatt GH, Oxman AD, Vist GE, et al.; GRADE Working Group. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336(7650):924-926. DOI: https://doi.org/10.1136/bmj.39489.470347.AD
7. Hernan MA, Robins JM. Causal Inference: What If. Boca Raton: Chapman & Hall/CRC; 2020. URL: https://www.hsph.harvard.edu/miguel-hernan/causal-inference-book
8. Moher D, Liberati A, Tetzlaff J, Altman DG; PRISMA Group. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. BMJ. 2009;339:b2535. DOI: https://doi.org/10.1136/bmj.b2535
9. Kirkwood BR, Sterne JAC. Essential Medical Statistics. 2nd ed. Oxford: Blackwell Science; 2003.
10. Kementerian Kesehatan RI. Pedoman Metodologi Penelitian Kesehatan. Jakarta: Badan Litbangkes Kemenkes RI; 2018. URL: https://www.kemkes.go.id
TUGAS PERSONAL 1 – SESI 1 (MINGGU 2)

Mata Kuliah: Metodologi Penelitian & Penulisan Ilmiah

Semester 1 | Periode 2 | Sesi 1

Jenis Tugas Tugas Personal Pertama — Sesi 1
Minggu Minggu ke-2
Materi Modul 1 + Modul 2
Bobot Nilai 10% dari nilai akhir
Sifat Individual
Format & Panjang Esai analitis (Word/PDF)
900–1.400 kata
PETUNJUK PENGERJAAN
  1. Tugas ini adalah latihan berpikir metodologis — bukan latihan hafalan; jawaban yang menunjukkan pemahaman konseptual dan kemampuan menerapkan prinsip ke konteks nyata lebih dihargai dari jawaban yang hanya merangkum materi modul
  2. Gunakan pengalaman klinis atau konteks lokal Anda secara konkret — tugas ini bukan esai generik tetapi analisis personal yang berakar pada praktik nyata
  3. Setiap klaim metodologis harus disertai justifikasi — bukan sekadar pernyataan
  4. Referensi minimal 4 dalam format Vancouver — prioritaskan referensi metodologi dan referensi konteks Indonesia
SKENARIO:

Di wilayah kerja Anda, terdapat kesenjangan yang mencolok: dua kecamatan dengan jarak ke Puskesmas yang hampir sama dan kondisi geografis yang serupa, tetapi cakupan ANC K4 berbeda jauh — Kecamatan A mencapai 78% sementara Kecamatan B hanya 41%. Anda ingin memahami dan kemudian mengatasi kesenjangan ini melalui penelitian yang informatif untuk kebijakan.

PERTANYAAN

Bagian 1 — Analisis Paradigma (35%)

Identifikasi dua pertanyaan penelitian spesifik yang ingin Anda jawab tentang kesenjangan ini — satu pertanyaan yang paling tepat dijawab dengan paradigma positivis, dan satu yang paling tepat dijawab dengan paradigma interpretivis.

Untuk masing-masing pertanyaan:

  • Rumuskan pertanyaan penelitian yang spesifik dan dapat dijawab (answerable)
  • Jelaskan mengapa paradigma yang Anda pilih adalah yang paling tepat — dengan merujuk pada asumsi ontologis dan epistemologis yang relevan
  • Identifikasi satu keterbatasan fundamental dari paradigma tersebut untuk pertanyaan ini yang tidak dapat diatasi hanya dengan desain yang lebih baik
Bagian 2 — Pemilihan dan Justifikasi Desain (40%)

Fokus pada pertanyaan positivis yang Anda rumuskan di Bagian 1. Pilih satu desain penelitian kuantitatif yang paling tepat untuk menjawab pertanyaan tersebut.

Jelaskan:

  • Mengapa desain ini lebih tepat dari dua alternatif lain yang Anda pertimbangkan — dengan membandingkan secara eksplisit kemampuan mengendalikan confounding, efisiensi, dan kelayakan praktis di konteks Anda
  • Minimal tiga variabel yang harus Anda ukur beserta skala pengukurannya dan bagaimana Anda akan mengoperasionalkannya dari data yang tersedia di Puskesmas
  • Satu ancaman validitas yang paling mengkhawatirkan dalam desain Anda dan strategi konkret untuk mengatasinya
Bagian 3 — Refleksi Metodologis Personal (25%)

Konsultan Obginsos yang bertugas di daerah terpencil sering menghadapi tekanan untuk menghasilkan bukti yang cepat dan murah — yang kadang berbenturan dengan standar metodologis yang ketat.

Refleksikan: dalam konteks keterbatasan yang nyata di wilayah kerja Anda (sumber daya, waktu, kapasitas staf, ketersediaan data) — di mana Anda akan menetapkan batas kompromi metodologis yang masih dapat dipertanggungjawabkan? Apa yang tidak boleh dikompromikan meskipun dalam kondisi keterbatasan apapun — dan mengapa?

RUBRIK PENILAIAN

Bagian Komponen Penilaian Bobot
1 Ketepatan rumusan pertanyaan penelitian; kedalaman justifikasi paradigma; ketepatan identifikasi keterbatasan fundamental 35%
2 Kualitas perbandingan desain alternatif; ketepatan operasionalisasi variabel; realisme strategi mitigasi bias 40%
3 Kejujuran dan kedalaman refleksi; kejelasan batas kompromi yang ditetapkan; koneksi ke konteks lokal yang nyata 25%