Bab IV skripsi kesehatan masyarakat yang tabelnya menyalin format dari skripsi teman tanpa mempertimbangkan desain penelitian sendiri sering langsung dipertanyakan penguji: mengapa tabel cross-sectional memuat kolom “OR (odds ratio)” dan menafsirkannya seperti rasio prevalensi? Panduan ini membandingkan cara menyajikan hasil untuk dua desain yang paling umum dipakai skripsi FKM — cross-sectional dan case-control — beserta tabel dan ukuran asosiasi yang tepat untuk masing-masing.
Kenapa Format Penyajian Berbeda Antar Desain
Desain penelitian menentukan ukuran asosiasi apa yang paling tepat dilaporkan. Cross-sectional mengukur paparan dan luaran pada waktu bersamaan dari satu populasi, sehingga prevalensi luaran bisa dihitung langsung dan ukuran asosiasi yang dianjurkan adalah prevalence ratio (PR) — rasio prevalensi luaran antara kelompok terpapar dan tidak terpapar. Case-control memulai dari kasus dan kontrol yang sudah diketahui status luarannya, lalu menelusuri riwayat paparan ke belakang, sehingga prevalensi sesungguhnya di populasi tidak bisa dihitung — ukuran asosiasi yang tepat adalah odds ratio (OR), bukan PR. Pada desain cross-sectional, OR (sering disebut prevalence odds ratio) memang masih bisa dihitung, tetapi Barros dan Hirakata (2003, BMC Medical Research Methodology) menunjukkan bahwa OR dapat melebih-lebihkan PR secara berarti bila luarannya tidak jarang, dan menyebut PR sebagai ukuran pilihan untuk studi cross-sectional. Karena itu, bila Anda melaporkan OR untuk data cross-sectional, sebut dengan jelas bahwa itu odds ratio dan jangan menafsirkannya seolah-olah rasio prevalensi — penafsiran keliru inilah yang paling cepat ditangkap penguji yang memahami desain.
Tabel Karakteristik Responden (Tabel 1): Sama di Kedua Desain
Baik cross-sectional maupun case-control umumnya dibuka dengan tabel karakteristik responden (usia, jenis kelamin, pendidikan, dan variabel demografis relevan lainnya), disajikan sebagai frekuensi dan persentase untuk data kategorikal, atau mean/median dengan simpangan baku untuk data numerik. Format tabel ini relatif seragam di kedua desain — perbedaan utama mulai muncul di tabel analisis bivariat dan multivariat berikutnya. Pastikan total N di Tabel 1 konsisten dengan jumlah sampel yang disebutkan di Bab III — inkonsistensi angka N antar bab adalah kesalahan yang sering luput dari perhatian penulis sendiri tapi mudah ditemukan penguji. Alur umum mengubah output statistik menjadi naskah hasil dan pembahasan dibahas di panduan menulis Bab 4 hasil dan pembahasan.
Menyajikan Hasil untuk Desain Cross-Sectional
Tabel analisis bivariat cross-sectional biasanya berbentuk tabel 2×2 atau lebih, menyandingkan status paparan dengan status luaran, dilengkapi kolom PR, interval kepercayaan (CI) 95%, dan nilai p dari uji chi-square atau Fisher exact (tergantung sel yang memenuhi syarat). Baris tabel menyajikan setiap kategori variabel independen yang diuji, dengan kategori referensi (biasanya kelompok tidak terpapar atau kategori dengan risiko terendah) diberi PR = 1 sebagai pembanding. Pelaporan naratif di teks (bukan hanya tabel) tetap perlu menyebutkan angka kunci — PR, CI, dan nilai p — bukan sekadar merujuk “lihat Tabel X” tanpa menuliskan angkanya sama sekali.
Menyajikan Hasil untuk Desain Case-Control
Tabel analisis bivariat case-control secara struktural mirip (tabel 2×2, variabel paparan vs status kasus/kontrol), tapi kolom ukuran asosiasinya adalah OR, bukan PR, disertai CI 95% dan nilai p. Karena desain ini dimulai dari kasus dan kontrol yang sudah ditentukan jumlahnya oleh peneliti (bukan hasil sampling acak dari populasi), tabel case-control umumnya juga mencantumkan rasio jumlah kasus:kontrol yang dipakai (misalnya 1:1, 1:2, atau 1:3) sebagai informasi desain yang relevan bagi pembaca. Bila penelitian menggunakan matching (pencocokan kasus-kontrol berdasarkan variabel tertentu seperti usia atau jenis kelamin), sebutkan variabel matching itu secara eksplisit di catatan tabel, karena ini memengaruhi jenis uji statistik lanjutan yang sah dipakai (misalnya conditional logistic regression untuk data matched).
Perbedaan Cara Melaporkan PR vs OR di Teks Naratif
Cara membaca dan melaporkan PR dan OR secara naratif juga berbeda. PR = 2,0 dilaporkan sebagai “kelompok terpapar memiliki prevalensi luaran dua kali lebih tinggi dibanding kelompok tidak terpapar”. OR = 2,0 tidak boleh dilaporkan dengan kalimat yang sama — OR mengestimasi rasio odds, bukan rasio prevalensi langsung, sehingga kalimat yang tepat adalah “odds luaran pada kelompok terpapar 2 kali odds pada kelompok tidak terpapar” — bukan “dua kali lebih mungkin mengalami luaran”, frasa yang sering keliru dipakai mahasiswa untuk kedua ukuran asosiasi ini padahal maknanya berbeda, terutama bila prevalensi luaran tinggi, karena di situ OR menjauh dari PR dan cenderung membesar-besarkan asosiasi. Pembimbing dan penguji yang teliti sering langsung mengoreksi kalimat naratif ini di sidang, jadi lebih baik naskah Anda sudah konsisten benar sejak draf pertama daripada harus direvisi berkali-kali karena kesalahan interpretasi yang berulang di banyak paragraf berbeda.
Tabel Perbandingan Ringkas
| Aspek | Cross-Sectional | Case-Control |
|---|---|---|
| Ukuran asosiasi yang tepat | Prevalence Ratio (PR) | Odds Ratio (OR) |
| Arah pengambilan sampel | Populasi → paparan dan luaran diukur bersamaan | Kasus dan kontrol → riwayat paparan ditelusuri ke belakang |
| Informasi tambahan di tabel | Prevalensi luaran per kategori paparan | Rasio kasus:kontrol, variabel matching (bila ada) |
| Uji lanjutan multivariat umum | Regresi Poisson dengan varians robust atau regresi log-binomial untuk mengestimasi PR langsung; regresi logistik hanya mendekati PR bila luaran jarang | Regresi logistik biasa, atau conditional logistic regression bila matched |
Contoh Tabel dan Narasi (Ilustratif)
Catatan: angka di bawah bersifat ilustratif untuk memperlihatkan format penulisan, bukan hasil penelitian nyata.
Untuk desain cross-sectional, tabel analisis bivariat bisa berbentuk: “Tabel 4.3 Hubungan Status Merokok dengan Kejadian Hipertensi” dengan baris “Merokok” (PR 1,8; CI95% 1,2–2,7; p=0,004) dan “Tidak Merokok” (PR 1,0, referensi). Narasi di teks: “Responden dengan status merokok memiliki prevalensi hipertensi 1,8 kali lebih tinggi dibanding responden tidak merokok (PR=1,8; CI95% 1,2–2,7; p=0,004).” Untuk desain case-control dengan topik serupa, tabelnya berbentuk: “Tabel 4.3 Hubungan Riwayat Merokok dengan Status Kasus Hipertensi (Kasus:Kontrol = 1:2)” dengan baris “Riwayat Merokok” (OR 2,1; CI95% 1,3–3,4; p=0,002). Narasi di teks: “Odds memiliki riwayat merokok pada kelompok kasus hipertensi 2,1 kali odds pada kelompok kontrol (OR=2,1; CI95% 1,3–3,4; p=0,002).” Perhatikan perbedaan halus namun penting dalam cara kedua narasi ini dikonstruksi — yang pertama berbicara tentang prevalensi luaran, yang kedua tentang odds paparan pada kasus versus kontrol.
Kesalahan yang Paling Sering Terjadi
- Melaporkan OR untuk desain cross-sectional lalu menafsirkannya sebagai rasio prevalensi, padahal PR adalah ukuran yang dianjurkan dan lebih mudah ditafsirkan.
- Tidak mencantumkan interval kepercayaan (CI) 95% di samping PR/OR, hanya melaporkan nilai p.
- Kalimat naratif “X kali lebih mungkin” dipakai untuk OR padahal secara teknis itu deskripsi untuk PR/relative risk.
- Tabel case-control tidak menyebutkan rasio kasus:kontrol atau variabel matching yang dipakai.
- Total N di tabel hasil tidak konsisten dengan jumlah sampel yang disebutkan di Bab III.
- Kategori referensi (PR/OR = 1) tidak disebutkan secara eksplisit di catatan tabel, membuat pembaca bingung menafsirkan angka pembanding.
Menyajikan Hasil dalam Bentuk Grafik
Selain tabel, sebagian hasil kesehatan masyarakat lebih mudah dipahami dalam bentuk grafik — bar chart untuk membandingkan prevalensi antar kategori, atau forest plot sederhana untuk menampilkan beberapa PR/OR dengan CI-nya sekaligus dalam satu gambar. Grafik tidak menggantikan tabel, melainkan melengkapi: tabel tetap wajib memuat angka pasti (PR/OR, CI, nilai p) untuk keperluan verifikasi, sementara grafik membantu pembaca menangkap pola secara visual dengan cepat. Kesalahan yang sering terjadi: grafik dan tabel menyajikan angka yang berbeda untuk data yang sama akibat pembaruan salah satu tapi lupa memperbarui yang lain — selalu cek ulang konsistensi keduanya sebelum naskah final diserahkan.
Melengkapi dengan Sumber Data Sekunder
Bila skripsi Anda memakai data sekunder (Riskesdas, SDKI, SUSENAS) sebagai populasi penelitian alih-alih data primer, cara menyajikan hasilnya pada prinsipnya sama seperti dijelaskan di atas (PR untuk analisis cross-sectional pada data survei tersebut), tapi Anda perlu menyebutkan secara eksplisit metode pembobotan sampel (survey weight) yang dipakai data tersebut karena memengaruhi cara nilai standard error dihitung. Prosedur akses dan karakteristik masing-masing survei data sekunder ini dibahas lengkap di panduan akses data Riskesdas, SDKI, dan SUSENAS.
Menghubungkan dengan Pemilihan Uji Statistik
Format penyajian hasil ini mengikuti langsung dari pemilihan uji statistik yang sudah ditetapkan di Bab III — chi-square, prevalence ratio, dan regresi logistik untuk desain cross-sectional dibahas lengkap syarat dan cara memilihnya di panduan uji statistik skripsi kesehatan masyarakat cross-sectional — pastikan uji yang Anda pilih di Bab III konsisten dengan tabel yang Anda sajikan di Bab IV, karena keduanya sering diperiksa bersamaan oleh penguji untuk menilai koherensi metodologis naskah Anda secara keseluruhan.
Konsistensi Catatan Kaki Tabel
Setiap tabel hasil sebaiknya diberi catatan kaki (footnote) yang menjelaskan singkatan yang dipakai (PR, OR, CI, aOR), uji statistik yang menghasilkan nilai p, dan kategori referensi yang dipakai — sekalipun sudah dijelaskan di teks naratif sebelumnya. Kebiasaan ini penting karena penguji sering membuka langsung ke Bab IV tanpa membaca seluruh Bab III terlebih dahulu, sehingga tabel yang bisa dipahami secara mandiri (self-contained) akan mempermudah proses penilaian dan mengurangi pertanyaan klarifikasi yang sebenarnya bisa dihindari dengan catatan kaki yang jelas. Format catatan kaki yang umum: “PR: prevalence ratio; CI: confidence interval; *signifikan pada p<0,05" diletakkan langsung di bawah setiap tabel.
Menyusun Bab IV Lebih Rapi
Tesify membantu menyusun draf tabel dan narasi hasil berdasarkan data dan desain penelitian yang Anda tentukan sendiri, termasuk memastikan konsistensi format antara Bab III dan Bab IV. Anda tetap yang memutuskan ukuran asosiasi yang tepat untuk desain Anda, memverifikasi setiap angka terhadap output analisis Anda sendiri, dan bertanggung jawab penuh atas hasil yang dilaporkan; Tesify mempercepat penyusunan draf berdasarkan data yang Anda masukkan sendiri, bukan menghitung atau memvalidasi hasil statistik untuk Anda.
Pertanyaan yang Sering Diajukan
Apakah boleh melaporkan OR untuk desain cross-sectional bila outcome-nya jarang?
Secara matematis OR akan mendekati PR bila prevalensi outcome rendah (rare disease assumption), tapi tetap lebih tepat dan lebih jujur secara metodologis melaporkan PR langsung untuk desain cross-sectional — jangan melaporkan OR hanya karena kebetulan mendekati nilai PR.
Apakah interval kepercayaan wajib dicantumkan di setiap tabel hasil?
Sangat dianjurkan, bahkan sering diwajibkan pedoman fakultas — CI 95% memberi informasi presisi estimasi yang tidak tertangkap nilai p saja, dan penguji kesehatan masyarakat umumnya menganggap tabel tanpa CI sebagai laporan yang tidak lengkap.
Bagaimana jika desain penelitian saya kohort, bukan cross-sectional atau case-control?
Desain kohort menggunakan ukuran asosiasi relative risk (RR), mirip secara interpretasi dengan PR tapi dihitung dari data longitudinal (paparan diukur di awal, luaran diikuti seiring waktu) — prinsip pelaporannya serupa dengan cross-sectional (RR bukan OR), tapi tabel perlu mencantumkan periode follow-up.
Apakah wajib melaporkan analisis multivariat, atau cukup bivariat saja?
Tergantung pedoman fakultas dan kompleksitas topik — banyak skripsi S1 kesehatan masyarakat cukup dengan analisis bivariat, tapi bila ada kecurigaan variabel perancu (confounding), analisis multivariat (regresi logistik berganda) diperlukan untuk mengendalikannya.
Apa yang harus dilakukan bila tabel 2×2 memiliki sel dengan nilai harapan kurang dari 5?
Gunakan uji Fisher exact sebagai pengganti chi-square biasa pada tabel dengan sel nilai harapan kecil — laporkan di catatan tabel bahwa Fisher exact dipakai karena syarat chi-square tidak terpenuhi, jangan diam-diam mengganti uji tanpa penjelasan.
Apakah rasio kasus:kontrol harus selalu 1:1?
Tidak harus — rasio 1:2 atau 1:3 (lebih banyak kontrol daripada kasus) umum dipakai untuk meningkatkan power statistik ketika jumlah kasus terbatas, selama rasio yang dipilih dijelaskan alasannya dan dilaporkan konsisten di seluruh naskah.
Bagaimana cara menuliskan hasil regresi logistik berganda di tabel?
Tabel regresi logistik berganda biasanya menyajikan adjusted OR (aOR) beserta CI 95% dan nilai p untuk setiap variabel setelah dikendalikan variabel lain dalam model — sertakan catatan tabel yang menyebutkan variabel apa saja yang dikendalikan (adjusted for) dalam model tersebut.
Apakah grafik forest plot wajib dibuat untuk skripsi S1?
Tidak wajib — forest plot lebih umum di tinjauan sistematis/meta-analisis untuk membandingkan banyak studi sekaligus. Untuk skripsi S1 dengan satu studi, tabel dan bar chart sederhana biasanya sudah cukup memadai; forest plot hanya perlu bila Anda memang menampilkan beberapa PR/OR sekaligus dalam satu gambar.
Apakah boleh menyajikan hasil tanpa nilai p, hanya CI 95%?
Beberapa pedoman metodologi kontemporer justru menganjurkan penekanan pada CI dibanding nilai p semata, karena CI memberi informasi presisi dan besaran efek sekaligus — tapi cek dulu pedoman fakultas Anda, karena banyak kampus di Indonesia masih mewajibkan pencantuman nilai p secara eksplisit di setiap tabel hasil.
Apakah data sekunder seperti Riskesdas selalu memerlukan penyesuaian survey weight?
Tergantung tujuan analisis — bila Anda ingin hasil yang bisa digeneralisasi ke populasi nasional/provinsi, survey weight wajib diterapkan; bila analisis Anda hanya deskriptif pada subset sampel tertentu tanpa klaim generalisasi populasi, penyesuaian ini bisa didiskusikan dengan pembimbing.