Opsi 1: Jalur Akademik

Analisis Data (Statistik/Tematik) & Interpretasi Hasil

Semester 5 | Periode 2 | Minggu 15-16

Dr. dr. Budi Siswanto, Sp.OG., Subsp. Obginsos., SH., S.Kom.

πŸ“Š Analisis Statistik πŸ” Thematic Analysis πŸ’‘ Interpretasi Kritis

πŸ“‹ Daftar Isi Modul

A. Deskripsi Modul

Analisis data adalah proses "menghidupkan" angka atau transkrip wawancara menjadi narasi kebijakan dan klinis yang bermakna. Minggu ini, Anda akan membedah hasil temuan dengan presisi metodologis. Tujuan akhirnya bukan sekadar mencari nilai $p < 0.05$ atau menyusun kode tematik, melainkan melakukan sintesis yang objektif dan berintegritas untuk menjawab research gap yang Anda angkat di Modul 1.

πŸ’‘ Mengapa Analisis Data yang Rigor Penting?
  • Analisis yang lemah dapat menghasilkan kesimpulan yang menyesatkan, terlepas dari kualitas pengumpulan data
  • Interpretasi yang bias dapat mengaburkan temuan penting atau menciptakan ilusi efek yang tidak ada
  • Transparansi metodologis dalam analisis meningkatkan kredibilitas dan reproducibility penelitian
  • Integrasi temuan kuantitatif dan kualitatif yang tepat menghasilkan pemahaman yang lebih holistik

B. Capaian Pembelajaran

Setelah menyelesaikan modul ini, peserta didik mampu:

  1. Mampu mengeksekusi teknik analisis data yang tepat (Statistik Inferensial atau Thematic Analysis).
  2. Mampu menyusun visualisasi data (tabel/grafik) yang sesuai dengan kaidah publikasi ilmiah.
  3. Mampu melakukan interpretasi kritis yang membedakan antara "temuan" (apa yang data katakan) dan "opini" (apa yang peneliti inginkan).
πŸ“ˆ Analisis Statistik

Memilih dan menerapkan uji statistik yang sesuai dengan jenis data, distribusi, dan pertanyaan penelitian; melaporkan hasil dengan format standar publikasi ilmiah.

πŸ—£οΈ Thematic Analysis

Mengikuti pendekatan Braun & Clarke untuk mengidentifikasi, menganalisis, dan melaporkan pola (tema) dalam data kualitatif secara sistematis dan transparan.

🎯 Interpretasi Objektif

Membedakan secara jelas antara apa yang ditunjukkan data, apa yang didukung literatur, dan apa yang merupakan spekulasi peneliti; menghindari bias konfirmasi.

C. Materi Inti (Panduan Operasional)

1Persiapan Analisis (Data Cleansing Akhir)

πŸ”§ Data Cleansing: Langkah Wajib Sebelum Analisis

KUANTITATIF: Deteksi dan Penanganan Outlier
  • Metode deteksi:
    • Boxplot: nilai di luar 1.5Γ—IQR dari kuartil 1 atau 3 dianggap outlier potensial
    • Z-score: nilai dengan |Z| > 3.0 dipertimbangkan sebagai outlier ekstrem
    • Visual inspection: scatter plot untuk mengidentifikasi pola yang tidak biasa
  • Keputusan metodologis:
    • Drop: jika outlier jelas merupakan error pengukuran atau entri data
    • Transform: gunakan transformasi log/sqrt jika outlier mencerminkan skewness alami
    • Retain with justification: jika outlier adalah observasi valid yang merepresentasikan populasi
  • Dokumentasi: catat semua keputusan tentang outlier dalam metode penelitian untuk transparansi
KUALITATIF: Transcription Cleaning
  • Verifikasi akurasi: dengarkan ulang rekaman sambil membaca transkrip untuk memastikan setiap kata sesuai dengan audio/video asli
  • Standarisasi format: tentukan konvensi untuk:
    • Jeda, tawa, atau ekspresi non-verbal: [tertawa], [jeda 3 detik]
    • Kata yang tidak jelas: [tidak jelas], [suara teredam]
    • Nama atau identitas sensitif: [nama disamarkan], [lokasi disamarkan]
  • Anonimisasi: hapus atau samarkan semua informasi yang dapat mengidentifikasi partisipan sebelum analisis
  • Backup: simpan versi transkrip mentah dan bersih secara terpisah untuk audit trail

2Eksekusi Analisis

πŸ“Š Kuantitatif: The Flow β€” Memilih Uji Statistik yang Tepat

Uji Normalitas
Kolmogorov-Smirnov / Shapiro-Wilk
Distribusi Normal?
Ya β†’ Uji Parametrik
T-test / ANOVA / Pearson
Tidak β†’ Uji Non-Parametrik
Mann-Whitney / Kruskal-Wallis / Spearman
Tujuan Analisis Data Normal (Parametrik) Data Tidak Normal (Non-Parametrik)
Membandingkan 2 kelompok independen Independent Samples T-test Mann-Whitney U Test
Membandingkan 2 kelompok berpasangan Paired Samples T-test Wilcoxon Signed-Rank Test
Membandingkan >2 kelompok independen One-Way ANOVA Kruskal-Wallis H Test
Korelasi dua variabel kontinu Pearson Correlation Spearman's Rank Correlation
Hubungan dua variabel kategorikal Chi-Square Test / Fisher's Exact Test
⚠️ Prinsip Penting dalam Analisis Kuantitatif
  • Pre-specify analysis plan: tentukan uji statistik yang akan digunakan sebelum melihat data untuk menghindari p-hacking
  • Report effect size: selain p-value, lapirkan Cohen's d, OR, atau Ξ·Β² untuk mengkomunikasikan besarnya efek
  • Confidence intervals: selalu sertakan CI 95% untuk estimasi parameter
  • Adjust for multiple comparisons: jika melakukan banyak uji, pertimbangkan koreksi Bonferroni atau FDR

πŸ—£οΈ Kualitatif: The Method β€” Braun & Clarke 6 Steps

1 Familiarization
Membaca dan membaca ulang data untuk memahami konteks secara mendalam
2 Coding
Memberi label pada segmen data yang menarik; kode dapat deskriptif atau interpretatif
3 Generating Themes
Mengelompokkan kode yang serupa menjadi tema potensial
4 Reviewing Themes
Memeriksa apakah tema bekerja pada level kode dan dataset secara keseluruhan
5 Defining/Naming Themes
Menyempurnakan definisi dan nama setiap tema untuk mencerminkan esensinya
6 Writing Up
Menyusun narasi analitis yang mengintegrasikan kutipan data dengan interpretasi
πŸ—ΊοΈ Contoh Thematic Map untuk Penelitian KR

Tema Utama: Hambatan Akses Layanan KB Pasca Persalinan di Daerah Terpencil

  • Sub-tema 1: Faktor Geografis
    • Kode: "jarak ke Puskesmas >2 jam", "tidak ada transportasi reguler", "biaya perjalanan mahal"
  • Sub-tema 2: Faktor Sosial-Budaya
    • Kode: "suami tidak setuju", "stigma KB = tidak subur", "lebih percaya dukun"
  • Sub-tema 3: Faktor Sistem Layanan
    • Kode: "bidan tidak selalu ada", "stok alat kontrasepsi kosong", "ruang konseling tidak privat"

Catatan: Thematic map membantu memvisualisasikan hubungan hierarkis antar tema dan memastikan semua kode terakomodasi dalam struktur analitis.

3Teknik Interpretasi & Menghindari Bias

πŸ” Triangulasi dalam Analisis Kualitatif

Memastikan Temuan Adalah Suara Subjek, Bukan Proyeksi Peneliti

Triangulasi adalah strategi untuk meningkatkan kredibilitas temuan kualitatif dengan membandingkan data dari berbagai sumber atau metode:

  • Triangulasi sumber: bandingkan temuan dari wawancara bidan dengan observasi di Puskesmas dan catatan rekam medis
  • Triangulasi metode: konfirmasikan tema dari wawancara dengan hasil survei kuantitatif atau data administratif
  • Triangulasi investigator: libatkan peneliti kedua untuk mengkode subset data dan bandingkan konsistensi interpretasi
  • Member checking: kembalikan ringkasan temuan kepada partisipan untuk memverifikasi akurasi interpretasi

Tanpa triangulasi, risiko konfirmasi bias β€” mencari dan menginterpretasi data yang mendukung hipotesis awal β€” meningkat signifikan.

βš•οΈ Konteks Klinis dalam Interpretasi Kuantitatif

βœ… Signifikansi Statistik vs. Signifikansi Klinis
  • Statistik signifikan: $p < 0.05$ β€” probabilitas hasil terjadi karena kebetulan < 5%
  • Klinis signifikan: besaran efek cukup besar untuk membuat perbedaan nyata dalam praktik atau outcome pasien
  • Contoh KR:
    • Penurunan durasi persalinan 2 menit: $p = 0.01$ (signifikan statistik) tapi tidak bermakna klinis
    • Penurunan risiko HPP 15%: $p = 0.06$ (tidak signifikan statistik) tapi berpotensi bermakna klinis jika konsisten
⚠️ Jebakan Interpretasi yang Harus Dihindari
  • Korelasi β‰  Kausalitas: hubungan antar variabel tidak membuktikan bahwa satu menyebabkan yang lain
  • Overgeneralization: menyimpulkan temuan sampel berlaku untuk populasi yang sangat berbeda tanpa justifikasi
  • Selective reporting: hanya melaporkan hasil yang signifikan dan mengabaikan yang tidak
  • Post-hoc rationalization: membuat penjelasan untuk temuan yang tidak terduga seolah-olah sudah diprediksi sebelumnya
πŸ’‘ Checklist Interpretasi Objektif
  • β–‘ Apakah kesimpulan didukung langsung oleh data, atau merupakan inferensi yang melampaui bukti?
  • β–‘ Apakah keterbatasan metodologis diakui dan dipertimbangkan dalam interpretasi?
  • β–‘ Apakah temuan yang bertentangan dengan hipotesis dilaporkan dengan kejujuran yang sama dengan yang mendukung?
  • β–‘ Apakah perbandingan dengan literatur dilakukan secara seimbang β€” mengakui konsistensi dan divergensi?
  • β–‘ Apakah implikasi klinis/kebijakan realistis dan proporsional dengan kekuatan bukti?

D. Panduan Tugas & Output Minggu 15-16

πŸ“‹ Tugas 1: Tabel Analisis Utama

Susun Tabel Analisis Utama sesuai dengan pendekatan penelitian Anda:

πŸ“Š Untuk Penelitian Kuantitatif:
  • Tabel Univariate: distribusi frekuensi untuk semua variabel utama (demografi, eksposur, outcome)
  • Tabel Bivariate: tabel silang atau korelasi yang menguji hubungan antar variabel kunci
  • Format: ikuti konvensi publikasi ilmiah β€” judul informatif, footnote untuk uji statistik, CI 95%, nilai p
  • Software: gunakan output SPSS/R/Stata yang telah diformat ulang untuk keterbacaan, bukan copy-paste mentah
πŸ—£οΈ Untuk Penelitian Kualitatif:
  • Thematic Map: visualisasi hierarki tema utama, sub-tema, dan contoh kode representatif
  • Kutipan ilustratif: untuk setiap tema, sertakan 1-2 kutipan langsung partisipan yang paling menggambarkan esensi tema
  • Konteks kutipan: jelaskan profil partisipan yang dikutip (tanpa mengidentifikasi) untuk membantu pembaca menilai transferabilitas

Format: File Word/PDF dengan tabel dan thematic map yang dapat dibaca; lampirkan kode atau syntax analisis sebagai annex jika relevan

✍️ Tugas 2: Draf Bab 4 (Hasil dan Pembahasan)

Tulis draf Bab 4 dengan struktur berikut:

  • Bagian 1 β€” Temuan:
    • Sajikan hasil analisis secara sistematis sesuai pertanyaan penelitian
    • Gunakan tabel/grafik untuk data kuantitatif; kutipan tematik untuk data kualitatif
    • Jaga narasi deskriptif: "apa yang data tunjukkan", tanpa interpretasi di bagian ini
  • Bagian 2 β€” Perbandingan dengan Literatur:
    • Tempatkan temuan Anda dalam konteks evidence yang sudah ada
    • Identifikasi konsistensi: temuan mana yang menguatkan literatur sebelumnya?
    • Identifikasi divergensi: temuan mana yang berbeda, dan mengapa mungkin demikian (konteks, metode, populasi)?
  • Bagian 3 β€” Implikasi Klinis/Sosial:
    • Apa arti temuan ini untuk praktik klinis KR di Indonesia?
    • Apa implikasi kebijakan yang dapat ditarik secara bertanggung jawab?
    • Apa rekomendasi konkret untuk program, penelitian lanjutan, atau kebijakan?

Panjang: 1.500–2.500 kata (tidak termasuk tabel dan referensi); pastikan alur logis dari temuan β†’ konteks β†’ implikasi

πŸ“„ Output: Draf Lengkap Bab 4

Kriteria kelayakan:

  1. Analisis teknis yang tepat: uji statistik atau pendekatan tematik sesuai dengan jenis data dan pertanyaan penelitian; asumsi metodologis dipenuhi atau dilanggar dengan justifikasi
  2. Visualisasi yang komunikatif: tabel dan grafik memenuhi standar publikasi ilmiah; thematic map jelas dan informatif
  3. Interpretasi objektif: perbedaan antara temuan, inferensi, dan spekulasi dijaga dengan ketat; keterbatasan diakui secara transparan
  4. Struktur naratif yang kohesif: alur dari penyajian hasil β†’ konteks literatur β†’ implikasi praktis logis dan mudah diikuti
  5. Kesiapan untuk review: draf telah melalui self-audit untuk typo, inkonsistensi terminologi, dan format referensi

Format pengumpulan: File Word (.docx) dengan track changes diaktifkan untuk feedback pembimbing; nama file: [Nama]_[NIM]_Bab4_Draf_Minggu16

E. Pertanyaan Refleksi

1. Apakah hasil penelitian Anda menunjukkan "kebetulan" atau "pola" yang nyata dalam sistem layanan kesehatan reproduksi yang Anda teliti?

Petunjuk: Refleksi ini menguji kemampuan Anda membedakan sinyal dari noise. Pertimbangkan: apakah efek yang diamati konsisten di berbagai subkelompok? Apakah besarnya efek bermakna secara klinis, bukan hanya statistik? Apakah temuan replikabel dalam konteks yang serupa? Kejujuran tentang ketidakpastian adalah tanda kematangan ilmiah, bukan kelemahan.

2. Jika ada data yang tidak mendukung hipotesis Anda, bagaimana Anda menjelaskannya tanpa terlihat mencoba "menutupi" kebenaran tersebut?

Petunjuk: Temuan yang bertentangan dengan hipotesis sering kali adalah peluang pembelajaran terbesar. Strategi: (1) lapirkan dengan transparansi penuh; (2) tawarkan penjelasan alternatif yang masuk akal berdasarkan konteks atau metode; (3) diskusikan implikasi untuk teori atau praktik; (4) akui jika ini menunjukkan perlunya revisi hipotesis. Integritas dalam menghadapi data yang "tidak nyaman" adalah fondasi kredibilitas ilmiah jangka panjang.

πŸ’‘ Tips Praktis untuk Analisis Data yang Kredibel
  • Document every decision: simpan catatan tentang setiap pilihan analitis (mengapa uji ini, bagaimana outlier ditangani, kode apa yang digabung) β€” ini penting untuk audit trail dan reproducibility
  • Pre-register analysis plan: jika memungkinkan, daftarkan rencana analisis sebelum melihat data untuk mencegah p-hacking dan HARKing (Hypothesizing After Results are Known)
  • Seek peer review early: minta rekan sejawat mereview analisis dan interpretasi sebelum finalisasi β€” perspektif eksternal sering mengungkap bias yang tidak terlihat oleh peneliti
  • Use reporting guidelines: ikuti STROBE (observasional), CONSORT (eksperimental), atau COREQ (kualitatif) untuk memastikan kelengkapan pelaporan
  • Separate results from discussion: jaga batas yang jelas antara "apa yang ditemukan" dan "apa artinya" β€” pencampuran keduanya dapat mengaburkan objektivitas

F. Referensi

Referensi Utama dari Modul:

  1. Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). London: SAGE Publications.
  2. Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101. https://doi.org/10.1191/1478088706qp063oa
  3. Panduan Reporting Guideline:

Referensi Tambahan yang Direkomendasikan:

  1. Altman, D. G., & Bland, J. M. (1995). Statistics notes: Absence of evidence is not evidence of absence. BMJ, 311(7003), 485. https://doi.org/10.1136/bmj.311.7003.485
  2. Ioannidis, J. P. A. (2005). Why most published research findings are false. PLOS Medicine, 2(8), e124. https://doi.org/10.1371/journal.pmed.0020124
  3. Nowell, L. S., Norris, J. M., White, D. E., & Moules, N. J. (2017). Thematic analysis: Striving to meet the trustworthiness criteria. International Journal of Qualitative Methods, 16, 1-13. https://doi.org/10.1177/1609406917733847
  4. Nosek, B. A., et al. (2018). The preregistration revolution. PNAS, 115(11), 2600-2606. https://doi.org/10.1073/pnas.1708274114
  5. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129-133. https://doi.org/10.1080/00031305.2016.1154108
  6. IBM SPSS Statistics Software: https://www.ibm.com/products/spss-statistics
  7. R Project for Statistical Computing: https://www.r-project.org/
  8. NVivo Qualitative Data Analysis Software: https://www.qsrinternational.com/nvivo-qualitative-data-analysis-software/home
  9. ATLAS.ti Qualitative Research Software: https://atlasti.com/
  10. Equator Network β€” Reporting Guidelines Library: https://www.equator-network.org/
πŸ’‘ Prinsip Integritas dalam Analisis dan Interpretasi
  • Transparansi: lapirkan semua keputusan analitis, termasuk yang menghasilkan temuan "negatif" atau tidak signifikan
  • Proporsionalitas: klaim interpretatif harus sebanding dengan kekuatan bukti β€” hindari overstatement
  • Kontekstualisasi: tempatkan temuan dalam konteks metodologis, populasi, dan setting penelitian β€” generalisasi tanpa justifikasi adalah pelanggaran integritas
  • Akuntabilitas: siap mempertahankan setiap interpretasi dengan merujuk pada data, metode, dan literatur β€” bukan pada preferensi pribadi
  • Humility: akui keterbatasan dan ketidakpastian; ilmu pengetahuan berkembang melalui koreksi, bukan klaim finalitas