Opsi 1: Jalur Akademik — Pengumpulan Data Lapangan / Klinis

📋 Daftar Isi Modul

A. Deskripsi Modul
B. Capaian Pembelajaran
C. Materi Inti (Panduan Operasional)
D. Panduan Tugas & Output Minggu 12-14
E. Pertanyaan Refleksi
F. Referensi

A. Deskripsi Modul

Minggu 12 hingga 14 adalah fase krusial di mana desain riset Anda diuji oleh realitas empiris. Integritas riset Anda ditentukan oleh seberapa konsisten dan akurat Anda menangkap fenomena di lapangan. Sebagai peneliti subspesialis, Anda tidak hanya berperan sebagai pengumpul data, tetapi juga sebagai manajer kualitas (quality assurance) yang memastikan data yang masuk bebas dari bias dan kesalahan sistemik.

💡 Mengapa Fase Pengumpulan Data Sangat Kritis?

Data yang dikumpulkan dengan buruk tidak dapat "diperbaiki" oleh analisis statistik yang canggih
Kesalahan sistemik pada tahap ini dapat menggagalkan seluruh penelitian, terlepas dari kualitas desain awal
Integritas data adalah fondasi kredibilitas ilmiah — data yang tidak dapat dipertanggungjawabkan merusak validitas temuan
Proses pengumpulan data yang terdokumentasi dengan baik memudahkan review etik, publikasi, dan replikasi

B. Capaian Pembelajaran

Setelah menyelesaikan modul ini, peserta didik mampu:

Mampu menerapkan prosedur pengambilan data sesuai Good Clinical Practice (GCP).
Mampu membangun sistem data audit trail yang menjamin transparansi dan keterlacakan.
Mampu melakukan mitigasi cepat terhadap kendala teknis atau resistensi subjek di lapangan.

🛡️ Good Clinical Practice

Menerapkan standar etika dan metodologis internasional dalam pengumpulan data penelitian klinis untuk melindungi hak, keselamatan, dan kesejahteraan subjek penelitian.

🔗 Audit Trail

Membangun sistem dokumentasi yang mencatat setiap perubahan, keputusan, dan kejadian selama pengumpulan data untuk menjamin transparansi dan keterlacakan proses riset.

⚡ Mitigasi Lapangan

Mengidentifikasi dan merespons secara proaktif terhadap kendala teknis, resistensi subjek, atau situasi tak terduga yang dapat mengancam kualitas atau kelengkapan data.

C. Materi Inti (Panduan Operasional)

1Protokol Data Entry Berbasis Sistem

💻 Input Real-time: Minimalkan Kesalahan Transkripsi

Gunakan aplikasi data capture yang tervalidasi untuk meminimalisir kesalahan transkripsi (double entry):

Keuntungan input real-time:
- Eliminasi kesalahan transkripsi dari kertas ke digital
- Validasi otomatis saat input mengurangi outlier tidak masuk akal
- Backup otomatis mencegah kehilangan data akibat kerusakan perangkat
- Timestamp otomatis mencatat waktu pengumpulan data secara akurat

🔧 Validasi Entry-level: Cegah Data Tidak Masuk Akal

Contoh Batasan Validasi untuk Data KR

Variabel Demografis

Usia ibu: 15–49 tahun (range biologis yang masuk akal)
Usia kehamilan: 0–42 minggu (tidak boleh > 50 tahun — typo)
Paritas: 0–15 (nilai ekstrem memerlukan konfirmasi)

Variabel Klinis

Tekanan darah sistolik: 70–250 mmHg
Hemoglobin: 4–20 g/dL
Berat lahir bayi: 300–6000 gram
Skor Apgar: 0–10 (integer)

Catatan: Validasi entry-level tidak menggantikan review manual — tetapi mengurangi beban pembersihan data di tahap akhir.

🌐 Platform Data Capture yang Direkomendasikan

🔴 REDCap

Platform open-source untuk penelitian klinis dengan fitur keamanan tinggi, validasi built-in, dan compliance HIPAA/GCP.

https://project-redcap.org/

📋 KoboToolbox

Tool gratis untuk pengumpulan data lapangan, mendukung offline mode, GPS, dan export ke berbagai format.

https://www.kobotoolbox.org/

📝 Google Forms (Validated)

Opsi sederhana untuk survei dasar; pastikan validasi logika dan pembatasan input telah dikonfigurasi dengan benar.

https://forms.google.com/

2Manajemen Logbook & Audit Trail

📓 Research Logbook: Dokumentasi Kronologis

Apa yang Harus Dicatat dalam Logbook Penelitian?

Perubahan data: setiap koreksi, alasan koreksi, siapa yang melakukan, dan kapan
Kejadian tak terduga: subjek drop-out, komplikasi, penolakan partisipasi, kendala teknis
Deviasi protokol: setiap penyimpangan dari prosedur yang direncanakan dan justifikasinya
Kontak dengan subjek: tanggal, metode, hasil, dan tindak lanjut
Keputusan metodologis: alasan untuk penyesuaian sampling, perubahan instrumen, atau modifikasi analisis

Mengapa penting? Ini menjadi bukti validitas riset saat nanti ditanyakan oleh penguji/reviewer jurnal. Audit trail yang lengkap meningkatkan kredibilitas dan memungkinkan replikasi.

🔐 Prinsip Audit Trail yang Baik

✅ Karakteristik Audit Trail Efektif

Chronological: entri dicatat secara berurutan waktu, tidak diedit retroaktif
Attributable: setiap entri mencantumkan siapa yang mencatat
Legible: catatan dapat dibaca dan dipahami oleh pihak ketiga
Contemporaneous: dicatat pada atau dekat waktu kejadian, bukan ditunda
Original: mencatat data mentah, bukan hanya ringkasan atau interpretasi
Accurate: bebas dari kesalahan faktual dan konsisten dengan sumber data

💡 Tips Praktis Manajemen Logbook

Gunakan template standar untuk entri logbook agar konsisten
Simpan logbook digital dengan version control (Git, Google Drive version history)
Backup logbook secara berkala di lokasi terpisah
Review logbook mingguan dengan pembimbing untuk memastikan kelengkapan

3Strategi Mengatasi Missing Data

🔍 Proaktif: Cegah Missing Data Sebelum Terjadi

Strategi Pencegahan Missing Data

Kontak follow-up: jika data tidak lengkap, segera hubungi subjek kembali (selama dalam koridor etika dan informed consent)
Redundansi sumber: kumpulkan data kritis dari lebih dari satu sumber (misal: rekam medis + wawancara) untuk cross-verification
Training enumerator: pastikan tim lapangan memahami pentingnya kelengkapan data dan cara menangani situasi sulit
Checklist harian: review kelengkapan data setiap akhir hari pengumpulan untuk mengidentifikasi gap sejak dini

📝 Dokumentasi: Jika Data Tetap Tidak Bisa Didapat

Jika data tetap tidak bisa didapat, dokumentasikan alasan missing-nya secara spesifik untuk bahan analisis di Bab 4 nanti:

Refusal: subjek menolak memberikan informasi tertentu — catak konteks dan apakah penolakan terkait sensitivitas topik
Lost to follow-up: subjek tidak dapat dihubungi lagi — catak upaya kontak yang telah dilakukan
Kendala teknis: peralatan rusak, koneksi internet gagal, formulir hilang — catak dampak pada data dan langkah mitigasi
Kriteria eksklusi post-enrollment: subjek ternyata tidak memenuhi kriteria setelah enrollment — catak alasan dan waktu identifikasi

Penting: Pola missing data yang sistematis (misal: semua subjek dari satu wilayah memiliki data tidak lengkap) dapat mengindikasikan bias seleksi yang perlu dilaporkan dan dibahas dalam limitasi studi.

4Kualitas Data (Quality Control)

🔎 Spot-check Mingguan: Verifikasi Konsistensi

Protokol Quality Control Data

Lakukan spot-check mingguan: Bandingkan 5-10% data yang masuk dengan dokumen sumber asli (misal: rekam medis atau kuesioner fisik) untuk melihat konsistensi.

Sampling untuk QC: pilih kasus secara acak atau stratified untuk memastikan representasi
Parameter yang dicek: akurasi input, kelengkapan field, konsistensi logis antar variabel
Dokumentasi temuan: catat error rate dan jenis error yang ditemukan untuk perbaikan proses
Tindak lanjut: jika error rate > 5%, lakukan review menyeluruh dan retraining tim jika diperlukan

📊 Good Clinical Practice (GCP): Standar Emas Penelitian Klinis

Prinsip Utama GCP dalam Pengumpulan Data

Perlindungan subjek: hak, keselamatan, dan kesejahteraan subjek penelitian adalah prioritas tertinggi
Informed consent: setiap subjek harus memberikan persetujuan tertulis yang informed sebelum partisipasi
Validitas data: data harus akurat, lengkap, dan dapat diverifikasi dari sumber dokumen asli
Kerahasiaan: identitas subjek harus dilindungi dalam semua tahap pengumpulan, penyimpanan, dan pelaporan
Kompetensi tim: semua personel yang terlibat dalam pengumpulan data harus memiliki kualifikasi dan pelatihan yang memadai
Dokumentasi: semua prosedur dan hasil harus dicatat, diproses, dan dilaporkan secara akurat

Referensi: ICH Good Clinical Practice Guidelines

💡 Checklist Harian Pengumpulan Data

□ Semua subjek yang dijadwalkan telah dikontak atau alasan ketidakhadiran terdokumentasi
□ Formulir/data entry telah divalidasi untuk kelengkapan dan konsistensi logis
□ Logbook telah diperbarui dengan kejadian signifikan hari ini
□ Data telah di-backup ke lokasi aman
□ Masalah atau kendala telah dikomunikasikan kepada pembimbing
□ Rencana untuk hari berikutnya telah disiapkan

D. Panduan Tugas & Output Minggu 12-14

📋 Tugas 1: Log Pengumpulan Data

Buat Log Pengumpulan Data yang merinci milestone harian (jumlah subjek masuk, data yang lengkap, dan kendala lapangan).

Format log: tabel harian dengan kolom: Tanggal | Target Subjek | Subjek Terpenuhi | Data Lengkap (%) | Kendala | Tindak Lanjut
Konsistensi: update log setiap hari pengumpulan data, tidak menunda hingga akhir minggu
Transparansi: laporkan kendala secara jujur — ini adalah bahan pembelajaran, bukan indikasi kegagalan
Refleksi mingguan: tambahkan paragraf refleksi di akhir setiap minggu tentang pembelajaran dan rencana perbaikan

Format: File Excel/Google Sheets + ringkasan naratif mingguan (maksimal 1 halaman per minggu)

🧹 Tugas 2: Pembersihan Data Awal (Data Cleaning)

Lakukan Pembersihan Data Awal: Identifikasi data ganda (duplicate), nilai yang hilang (missing), atau nilai yang tidak logis (outlier) di akhir setiap minggu.

Deteksi duplicate: gunakan unique identifier (ID subjek) untuk menemukan entri ganda
Identifikasi missing: hitung persentase missing per variabel; flag variabel dengan missing > 10% untuk review khusus
Deteksi outlier: gunakan visualisasi (box plot, histogram) dan rule statistik (misal: > 3 SD dari mean) untuk identifikasi nilai ekstrem
Dokumentasi keputusan: untuk setiap data yang dikoreksi atau dihapus, catat alasan dan metode dalam logbook

Output: Laporan Data Cleaning mingguan yang mencakup: jumlah data diproses, jenis masalah ditemukan, tindakan korektif, dan dampaknya terhadap kualitas dataset

📄 Output: Raw Dataset & Laporan Progres

Konten wajib:

Raw Dataset yang sudah terstruktur:
- Format: CSV/Excel dengan header yang jelas dan kode variabel yang konsisten
- Dokumentasi kodebook: penjelasan setiap variabel, skala pengukuran, dan nilai yang mungkin
- File terpisah untuk data mentah dan data yang telah dibersihkan (dengan dokumentasi perubahan)
Laporan Progres Mingguan:
- Ringkasan pencapaian: jumlah subjek, kelengkapan data, milestone tercapai
- Verifikasi kualitas data: hasil spot-check, error rate, tindakan perbaikan
- Kendala dan mitigasi: masalah yang dihadapi dan strategi penanganannya
- Rencana minggu berikutnya: target, antisipasi kendala, kebutuhan sumber daya

Format pengumpulan: Folder ZIP dengan struktur: [Nama]_[NIM]_Minggu12-14/ berisi: (1) Raw_Dataset/, (2) Data_Cleaning_Logs/, (3) Weekly_Progress_Reports/, (4) Research_Logbook.pdf

E. Pertanyaan Refleksi

1. Sejauh mana data yang Anda kumpulkan saat ini mencerminkan realitas yang Anda temukan di lapangan, atau apakah ada kecenderungan "menyesuaikan" data agar sesuai dengan hipotesis?

Petunjuk: Refleksi ini menguji integritas ilmiah Anda. Data yang "dipaksa" sesuai hipotesis adalah pelanggaran etika penelitian yang dapat merusak kredibilitas karir Anda. Jika Anda merasa ada tekanan — baik internal maupun eksternal — untuk menyesuaikan data, diskusikan dengan pembimbing. Ingat: temuan negatif atau netral tetap bernilai ilmiah jika dikumpulkan dan dilaporkan dengan integritas.

2. Bagaimana Anda menjaga objektivitas jika subjek riset yang Anda temui memiliki keterikatan emosional/profesional dengan Anda sebagai klinisi?

Petunjuk: Dual role sebagai klinisi dan peneliti menciptakan tantangan unik: pasien mungkin memberikan jawaban yang mereka pikir Anda inginkan, atau Anda mungkin secara tidak sadar memengaruhi respons mereka. Strategi: (1) gunakan enumerator independen untuk pengumpulan data sensitif jika memungkinkan; (2) terapkan protokol wawancara terstandarisasi untuk meminimalkan bias pewawancara; (3) refleksikan secara berkala tentang potensi bias dan diskusikan dengan pembimbing; (4) dokumentasikan setiap situasi di mana dual role mungkin memengaruhi data.

💡 Tips Praktis untuk Pengumpulan Data Lapangan

Persiapan adalah kunci: uji coba instrumen dan prosedur dengan 3–5 subjek pilot sebelum pengumpulan skala penuh — ini mengungkap masalah yang tidak terlihat dalam perencanaan teoretis
Komunikasi dengan subjek: jelaskan tujuan penelitian dalam bahasa yang mudah dipahami; pastikan informed consent benar-benar informed, bukan sekadar formalitas administratif
Fleksibilitas terencana: antisipasi kendala lapangan (cuaca, akses, resistensi) dan siapkan rencana cadangan — tetapi dokumentasikan setiap deviasi dari protokol
Self-care untuk peneliti: pengumpulan data lapangan bisa melelahkan secara fisik dan emosional; jadwalkan istirahat, minta dukungan tim, dan jangan ragu untuk meminta bantuan jika beban terlalu berat
Celebrate small wins: akui pencapaian harian/mingguan — menyelesaikan satu hari pengumpulan data dengan kualitas baik adalah kemajuan nyata menuju tesis yang solid

F. Referensi

Referensi Utama dari Modul:

International Council for Harmonisation (ICH). Good Clinical Practice (GCP) Guidelines E6(R2). https://www.ich.org/page/ich-good-clinical-practice
Dattalo, P. (2008). Strategies to Approximate Random Sampling and Assign Participants to Groups. New York: Oxford University Press.

Referensi Tambahan yang Direkomendasikan:

World Medical Association. (2013). Declaration of Helsinki: Ethical Principles for Medical Research Involving Human Subjects. https://www.wma.net/policies-post/wma-declaration-of-helsinki-ethical-principles-for-medical-research-involving-human-subjects/
Harris, P. A., et al. (2019). The REDCap consortium: Building an international community of software platform partners. Journal of Biomedical Informatics, 95, 103208. https://doi.org/10.1016/j.jbi.2019.103208
Harvey, K. (2011). Essentials of Clinical Research. Chichester: Wiley-Blackwell.
Little, R. J. A., & Rubin, D. B. (2019). Statistical Analysis with Missing Data (3rd ed.). Hoboken: Wiley.
Kementerian Kesehatan RI. (2021). Pedoman Etik Penelitian Kesehatan. Jakarta: Kemenkes RI. https://www.kemkes.go.id
REDCap User Manual: https://project-redcap.org/resources/
KoboToolbox Documentation: https://support.kobotoolbox.org/
Open Data Kit (ODK) — Free Data Collection Platform: https://getodk.org/
CONSORT Statement for Reporting Clinical Trials: http://www.consort-statement.org/
STROBE Statement for Observational Studies: https://www.strobe-statement.org/

💡 Prinsip Etika dalam Pengumpulan Data KR

Respect for autonomy: pastikan informed consent benar-benar informed — subjek memahami tujuan, risiko, manfaat, dan hak mereka untuk menarik diri kapan saja
Beneficence & non-maleficence: maksimalkan manfaat penelitian bagi subjek dan komunitas, minimalkan risiko fisik, psikologis, atau sosial
Justice: pastikan beban dan manfaat penelitian didistribusikan secara adil — jangan mengeksploitasi kelompok rentan hanya karena akses mudah
Confidentiality: lindungi identitas subjek dalam semua tahap — dari pengumpulan, penyimpanan, analisis, hingga publikasi
Scientific integrity: kumpulkan dan laporkan data apa adanya — temuan negatif atau netral tetap bernilai ilmiah dan etis untuk dilaporkan