B. Metode ITSA (Interrupted Time Series Analysis)
B.1 Desain ITSA (Interrupted Time Series Analysis)
Desain interrupted time-series dapat juga digambarkan sebagai perpanjangan dari one
group pretest-post test desain-desain ini diperpanjang dengan menggunakan berbagai pre-tests dan post-pre-tests. Dalam jenis desain kuasi eksperimental, pengukuran berkala yang
dilakukan pada kelompok sebelum presentasi (interupsi) intervensi untuk membangun dasar yang stabil. Mengamati dan menetapkan fluktuasi normal variabel dependen atas waktu memungkinkan peneliti untuk lebih akurat menginterpretasikan dampak dari independen variabel. Setelah intervensi, pengukuran lebih beberapa periodik dibuat. Ada empat variasi dasar desain ini: desain ITSA sederhana, desain ITSA pembalikan, desain beberapa runtun waktu, dan desain longitudinal (Kholistianingsih, 2005).
Time (t) outcome (y) Slope pre Change in Level Slope post Intervention Introduced 1 2 3 4 5 6 7 8 9
32 (a) Desain ITSA Sederhana
Desain ITSA sederhana adalah dalam desain-subyek di mana pengukuran berkala yang dibuat pada satu kelompok dalam upaya untuk membentukdasar, seperti yang digambarkan di sini (Geoffrey, 2005): O—O—O—O—X—O—O—O—O Di beberapa titik waktu, peubah terikat (dependent variable) diperkenalkan, dan ini diikuti dengan pengukuran berkala tambahan untuk menentukan apakah terjadi perubahan dalam peubah bebas.
(b) Desain ITSA Pembalikan
Di samping desain ITSA sedehana, juga dikenal sebagai desain “ABA”, desain ini pada dasarnya adalah sebuah variasi multi-subjek desain pembalikan tunggal-subjek, yang akan dibahas nanti dalam bab ini. Tujuan dasar dari ini disain adalah untuk membangun kausalitas dengan menampilkan dan menarik intervensi, atau peubah bebas (independent
variable), satu sampai beberapa kali sambil merangkap mengukur perubahan dalam peubah
terikat (dependent variable) (seperti yang digambarkan berikutini). Seperti dalam desain
time-series yang sederhana, desain ini dimulai dengan serangkaian pre tests untuk
mengamati fluktuasi normal pada awal. Nama "pembalikan" mengacu pada gagasan bahwa kausalitas dapat disimpulkan jika perubahan yang terjadi setelah penyajian intervensi menghilangkan atau "terbalik" ketika peubah terikat (independent variable)adalah ditarik, seperti:
O—O—O—X—O—O—O—REV—O—O—O—X—O—O—O (A) (B) (A)
(c) Desain ITSA Multiple
Desain ini pada dasarnya sama dengan experiment pretest-posttest desain, dengan pengecualian bahwa variabel dependen diukur pada beberapa waktu poin baik sebelum dan sesudah penyajian independen variabel, atau longitudinal, seperti yang digambarkan di sini:
O—O—O—O—X1—O—O—O—O O—O—O—O—X2—O—O—O—O
Meskipun desain ini tidak acak, bisa cukup kuat dalam hal kemampuannya untuk menyingkirkan penjelasan lain untu kefek yang diamati. Desain ini memungkinkan kita untuk memeriksa kecenderungan dalam data, pada titik-titik beberap waktu, sebelum, selama, dan setelah intervensi (memungkinkan kita untuk mengevaluasi masuk akal yang ancaman tertentu untuk validitas internal). Selama dan di atas tunggal-kelompok time-series
33 antarkelompok- perbandingan, yang selanjutnya dapat mengurangi keprihatinan alternatif penjelasan berkaitan dengan sejarah.
Oleh karena itu, kekuatan utamadari desain ini adalah bahwa hal itu memungkinkan kedua perbandingan antarakelompok. Sayangnya, desain ini tidak melibatkan acak tugas dan dengan demikian tidak dapat menghilangkan semuaancaman terhadap internal validitas.
Penjelasan versi lain dari desain ITSA juga dijelaskan oleh Biglan et al (2013). Ia menjelaskan bahwa terdapat beberapa desain dalam ITSA, seperti: AB Desain, Multiple Baseline Desain, dan ABA Desain, dan Desain Lainnya. Masing-masing desain ITSA tersebut secara rinci dijelaskan sebagai berikut.
(a) Desain ITSA Sederhana (“A-B”)
Secara konvensi, dalam literatur perilaku, desain fase langkah-langkah yang berulang diberi label A, B, C, dan lain-lain. Desain time series sederhana yang berulang adalah desain “A-B” di mana peubah bebas (independent variable) dimanipulasi, yaitu: tingkat yang baru itu diperkenalkan setelah serangkaian pengukuran dasar dalam satu time series. Kemampuan kita untuk menilai efek dari peubah bebas adalah fungsi dari jumlah titik data awal, poin jumlah data intervensi, jumlah titik data pasca-intervensi, dan variabilitas data.
Jenis desain ini telah lama digunakan untuk mengevaluasi dampak kebijakan. Sebagai contoh, Gambar 6 yang mempresentasikan sebuah contoh Desain A-B sederhana dari Wagenaar dan Webster (1986), di mana efek Michigan dievaluasi dari implementasi tergadap penggunaan mobil yang diwajibkan menggunakan kursi keselamatan untuk anak di bawah usia 4 tahun. Gambar tersebut menunjukkan cedera motor pada penumpang kendaraan dengan usia 0-3 tahun. Undang-undang mulai berlaku pada bulan April 1982. Sebagai dapat dilihat, ada pengurangan yang jelas dalam tingkat cedera anak-anak. Demikian pula, Hingson et al. (1987) yang menggambarkan efek dari perubahan mengemudi di bawah pengaruh undang-undang di Maine dan Massachusetts. Warner (1977) mengevaluasi konsumsi rokok sebagai fungsi dari perubahan kebijakan tentang iklan rokok dan publisitas tentang berbahayanya efek rokok. Efek pajak tembakau pada konsumsi telah dievaluasi dengan memeriksa pengaruh perubahan tarif pajak konsumsi tahunan (US Department of Health & Human Services, 1994).
34
Sumber: Biglan et al. (2000)
Gambar 6. Pengukuran Variablity pada dua interrupted time series hipotetik. Gambar Pertama Menunjukkan series variability yang tinggi, dan Gambar Kedua menujukkan series yang relatif stabil
Salah satu keterbatasan desain “A-B” tersebut adalah bahwa perubahan dalam serangkaian waktu bisa disebabkan oleh banyak faktor lainnya yang secara bersamaan terjadi dengan perubahan peubah terikat (independen variabel). Misalnya, undang-undang tentang tingkat kandungan alkohol dalam darah, dapat diperkenalkan setelah peningkatan dramatis dalam jumlah kematian mengemudi dalam keadaan mabuk (Campbell, 1969). Jika tingkat kematian kemudian turun, itu bisa disebabkan oleh penerapan hukum, tetapi itu juga bisa disebabkan oleh regresi terhadap rata-rata untuk publisitas tentang berlakunya tingkat kematian yang tinggi sebelumnya, atau pengaruh faktor lain yang tidak terkendali yang akan menyebabkan tingkat penurunan bahkan tanpa aksi undang-undang. Bisa juga bahwa hal itu bukan oleh faktor hukum itu sendiri, tapi seputar publisitas yang ditetapkan bahwa hal tersebut terjadi karena faktor kebiasaan meminum minuman keras dan kebiasaan mengemudi masyarakat. Jika faktor-faktor ini yang terjadi, orang mungkin melihat penurunan tingkat kematian karena mengemudi dalam keadaan mabuk pada saat dilakukan musyawarah undang-undang, tapi sebelum berlakunya. Mungkin, salah satu menemukan bahwa ada penurunan tingkat kematian mengemudi dalam keadaan mabuk pada titik yang ditetapkan, tetapi kemiringan time series lebih positif secara signifikan berikut pelaksanaan (Ross, 1973). Dengan kata lain tingkat kematian akibat mengemedui dalam keadaan mabuk menjadi turun setelah UU ini diberlakukan, tetapi mulai berpotensi meningkat sebagai publisitas tentang berkurangnya masalah ini.
Outco m e V a ria b les 123 4 5 6 7 91011121314151617181920 0% 5 % 10% 15% Weeks Outco m e V a ria b les 123 4 5 6 7 91011121314151617181920 0% 5 % 10% 15% Weeks
35
Sumber: Biglan (2000)
Gambar 7. Implementasi Efek Michigan’s dari Pemberlakuan Penggunaan Kursi Pengaman pada Mobil terhadap Cedera Kendaraan Bermotor untuk Usia 0 sampai 3 Tahun
(b) Desain ITSA “Multiplane Baseline”
Kita dapat memiliki satu keyakinan besar bahwa manipulasi dari peubah bebas (independent variable) yang bertanggung jawab untuk perubahan dalam time series jika ada beberapa time series, yang masing-masing menerima manipulasi atau intervensi pada titik yang berbeda dalam waktu. Desain di mana peubah bebas (independent variable) dimanipulasi di titik berbeda dalam waktu untuk time series, umumnya disebut Desain
Multiple Baseline (Barlow et al., 1984; Barlow & Hersen, 1984).
Ada dua tipe Desain Multiple Baseline. Dalam Desain Multiple Baseline pada kasus fenomena menarik diukur berulang kali dalam dua atau lebih kasus dan manipulasi peubah bebas (independent variable) terjadi pada waktu yang berbeda untuk kasus yang berbeda. Sebagai contoh, Gambar. 3 menyajikan contoh Desain Multiple Baseline di empat komunitas yang digunakan untuk mengevaluasi program untuk mengurangi penjualan tembakau ilegal kepada orang-orang muda (Biglan et al., 1996b). Intervensi yang melibatkan pedagangan berpendidikan, imbalan untuk pegawai yang tidak menjual, dan publisitas untuk toko dan pegawai yang tidak menjual. Peubah bebas (dependent variable) adalah proporsi toko di setiap komunitas yang bersedia untuk menjual tembakau kepada
25 35 30 60 65 70 75 55 50 45 40 C ra she s P er 1 0 ,0 0 0 Trend Actual 1978 1979 1980 1981 1982 1983
36 anak di bawah umur. Hal tersebut dinilai berulang kali dengan memiliki orang-orang muda yang mencoba untuk membeli tembakau di setiap toko. Intervensi pertama diperkenalkan kepada kedua masyarakat, sementara pasangan kedua masyarakat terus di awal. Setelah ada efek pertama yang jelas dalam dua komunitas, intervensi diperkenalkan pada pasangan kedua masyarakat. Prosedur ini dievaluasi dalam empat komunitas lainnya, juga menggunakan beberapa desain dasar di masyarakat (Biglan et al, 1995); dan diperoleh hasil yang sama. Perataan di semua (delapan) komunitas menunjukkan bahwa intervensi menghasilkan pengurangan (persen) toko yang bersedia menjual tembakau dari 57% pada awal menjadi 22% selama fase intervensi.
Tipe kedua beberapa desain dasar bisa disebut desain multiple baseline dalam kasus. Berikut dua atau lebih fenomena yang diukur berulang kali untuk satu kasus dan peubah bebas (independent variable) diterapkan pada salah satu fenomena pada suatu waktu. Misalnya, dalam evaluasi efek perubahan kebijakan negara di tahun 1970-an dan 1980-an yang mengangkat usia minimum untuk minum, efek pada kecelakaang tunggal kendaraan dalam lalu lintas waktu malam dibandingkan dengan efek pada siang hari dan kecelakaan banyak kendaraan. Karena kita tahu kebanyakan kendaraan tunggal, kecelakaan mobil pada malam melibatkan penggunaan minuman alkohol oleh pengendaranya, dan relatif sedikit kecelakaan pada siang hari pada banyak kendaraan, jika pengendara kendaraan minum minuman beralkohol diberikan hukuman yang lebih tinggi. Faktor usia mengurangi penggunaan alkohol oleh remaja, kita akan mengharapkan untuk melihat pengurangan keterlibatan remaja dalam kecelakaan tunggal kendaraan pada waktu malam tapi tidak dalam kecelakaang banyak kendaraan pada siang hari (hasil yang ditemukan di berbagai negara; O'Malley & Wagenaar, 1991; Wagenaar, 1983; 1986; 1993).
37
Sumber: Biglan (2000)
Gambar 8. Proporsi Outlet Tembakau di Masing-masing Empat Komunitas yang Bersedia untuk Menjual Kepada Mereka yang Berusia di Bawah 18 Tahun Setelah Implikasi Program Reward dan Sisanya
Desain Interruption Time-Series Analysis (ITSA) telah digunakan secara produktif untuk evaluasi kebijakan berbagai percobaan alami yang melibatkan perubahan nasional, negara, atau masyarakat lokal. Salah satu contoh desain multiple baseline dalam masyarakat akan menjadi intervensi untuk mempengaruhi penjualan tembakau dan alkohol kepada anak-anak, di mana intervensi awalnya menargetkan penjualan tembakau dan kemudian hanya menargetkan penjualan alkohol. Bukti bahwa intervensi memiliki efek akan disediakan oleh perubahan awal dalam penjualan tembakau yang tidak disertai oleh perubahan dalam
T15 100% 75% 50% 25% 0% Willamina P er cen t Wl lin g t o S el l T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 Baseline Intervention T15 T15 P er cen t Wl lin g t o S el l 100% 75% 50% 25% 0% Sutherlin T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 Baseline Intervention 100% 75% 50% 25% 0% Prinevile P er cen t Wl lin g t o S el l T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 Baseline Intervention 100% 75% 50% 25% 0% Creswell P er cen t Wl lin g t o S el l T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 Baseline Intervention T15
38 penjualan alkohol, diikuti oleh perubahan dalam penjualan alkohol ketika intervensi itu diterapkan untuk masalah tersebut.
Salah satu kesulitan dengan desain tersebut adalah bahwa mungkin dua atau lebih fenomena yang sedang diukur adalah saling berkaitan dengan cara-cara yang menyebabkan semua mereka untuk berubah ketika intervensi diterapkan salah satu dari mereka (Barlow & Hersen, 1984). Sebagai contoh, penjualan alkohol untuk anak muda mungkin berubah sebagai hasil dari intervensi menargetkan penjualan tembakau kepada orang-orang muda. Jika hal ini terjadi, seseorang dapat memiliki lebih sedikit keyakinan bahwa pelaksanaan peubah bebas (independent variable) membawa perubahan. Dalam banyak contoh, maka akan diperlukan untuk mengumpulkan bukti-bukti apakah dua atau lebih fenomena yang saling terkait dengan cara ini, sebelum seseorang dapat mengetahui apakah seperti desain layak. Beberapa desain dasar terkuat menggabungkan beberapa time series dalam kasus otomatis kecelakaan geopolitik dibandingkan data time-series kecelakaan dalam negara bagian. Mereka melihat efek dari minum di usia remaja muda, remaja yang lebih tua, dan orang dewasa; dan mereka dibandingkan kecelakaan yang mungkin melibatkan alkohol dengan orang-orang yang tidak melibatkan alkohol, yaitu: waktu malam vs siang hari dan kecelakaan tunggal kendaraan vs kecalakaan multi-kendaraan (Wagenaar, 1986). Selain itu, studi tersebut membandingkan pengaruh perubahan pada waktu minum di beberapa negara dengan negara-negara lain di mana usia meminum berubah pada waktu yang berbeda atau tidak berubah semuanya (O'Malley & Wagenaar, 1991; Wagenaar, 1993).
Barlow et al. (1984) telah menyebutkan perbandingan yang dapat dibuat dalam beberapa desain awal yang melibatkan tiga seri waktu untuk menilai apakah manipulasi peubah bebas (independent variable) mempengaruhi peubah bebas (dependent variable).
Pertama, dalam setiap satu deret waktu dapat memeriksa apakah kemiringan atau tingkat
perubahan deret waktu ketika bebas bebas (independent variable) dimanipulasi. Kedua, seseorang dapat membandingkan perubahan yang terkait dengan memanipulasi peubah bebas (independent variable) dalam time series pertama dengan perubahan dalam time series yang tidak menerima manipulasi peubah bebas (independen variable). Ketika perubahan dalam seri pertama adalah ditambah dengan tidak adanya perubahan dalam dua detik seri, kesimpulan bahwa peubah bebas (independent variable) membawa perubahan yang diperkuat. Ketiga, dalam kelipatan dasar tiga seri, efek peubah bebas (independen variable) pada seri kedua dapat dibandingkan dengan seri ketiga kalinya. Replikasi efek dalam seri kedua, disertai dengan tidak ada perubahan dalam seri ketiga tidak diintervensi (unintervened), bahkan memberikan bukti kuat pengaruh peubah bebas (independent
39 (c) Desain ITSA “A-B-A”
Dalam desain ini, intervensi diberlakukan dengan cara: “diperkenalkan”, “ditarik”, dan “diperkenalkan” lagi. Jika tingkat atau kemiringan (slope) peubah terikat (dependent
variable) yang handal dalam menanggapi perubahan untuk manipulasi, sehingga seseorang
dapat mengalami peningkatan keyakinan bahwa perubahan yang terjadi adalah karena manipulasi dari peubah bebas (independent variable). Dengan konvensi, fase desain A adalah fase awal di mana manipulasi peubah bebas (independent variable) tidak di tahap kekuatan, sedangkan pada fase B memperlihatkan pada tahap kekuatan tersebut. Desain ini juga disebut “desain reversal”, karena pengaruh peubah bebas (independent variable) juga diuji dengan menarik pada kedua fase A, dan melihat apakah efek peubah bebas (independent variable) dibalik. Desain ini telah digunakan secara luas dalam penelitian tentang efek penguatan pada perilaku manusia (misalnya, Barlow et al., 1984).
Kegunaan Desain ABA adalah mengharuskan hal itu untuk menghilangkan efek dari peubah bebas (independent variable) dan bahwa pemindahan tersebut menghasilkan pembalikan efek. Sebagai contoh, seseorang mungkin mengevaluasi efek penegakan akses ke undang-undang mengenai tembakau yang bolak-balik ke periode penegakan dengan periode yang mereka tidak menegakkan. Ini mungkin memerlukan periode panjang non-penegakan efek non-penegakan.
(d) Desain Lainnya (“A-B-A-C”)
Ada berbagai desain lainnya dengan time series yang berulang. Semua desaian yang ada melibatkan manipulasi peubah bebas (independen variable) dan pengamatan dampaknya pada time series. Sebagai contoh, dalam sebuah Desain “A-B-A-C”, dievaluasi efek tingkat yang berbeda atau berbagai jenis peubah bebas (independent variable). Dalam desaian perlakuan bolak-balik ini, dievaluasi dua peubah bebas (independent variable) yang berbeda atau dua tingkat peubah bebas (independent variable) secara berganti-ganti dan efek pada seri waktu diperiksa. Barlow et al. (1984) memberikan deskripsi rinci mengenai logika dan prosedur yang terlibat dalam desain ini.