DEPARTEMEN ILMU KESEHATAN MATA
FAKULTAS KEDOKTERAN UNIVERSITAS PADJADJARAN PUSAT MATA NASIONAL RUMAH SAKIT MATA CICENDO BANDUNG
Sari Kepustakaan : Penerapan Statistik dalam Mengukur dan Meningkatkan Praktik Klinis
Penyaji : Kemala Octariny
Pembimbing : dr. Nina Ratnaningsih, Sp.M(K), M.Sc
Telah Diperiksa dan Disetujui oleh Pembimbing
dr. Nina Ratnaningsih, Sp.M(K), M.Sc
Senin, 17 April 2023 Pukul 08.15 WIB
I. Pendahuluan
Sistem kesehatan di seluruh dunia menghadapi tantangan dalam menjawab berbagai permasalahan kesehatan yang terjadi dalam ruang lingkup lokal maupun global. Permasalahan tersebut bertambah seiring meningkatnya permintaan perbaikan kualitas layanan yang berkesinambungan dalam praktik klinis. Lima persen orang dewasa di negara maju mengalami kesalahan diagnosis setiap tahun dan perkiraan angka kesalahan diagnosis ini dapat lebih tinggi di negara berkembang.1–3
Kesalahan diagnosis terjadi akibat kekeliruan dalam pengumpulan informasi, interpretasi data, dan tindak lanjut dari hasil tes diagnosis yang abnormal. Proses pemecahan masalah dilakukan dengan mengembangkan sebuah model konseptual penelitian kemudian mengumpulkan data dan menguji konsep tersebut dengan sistem pengukuran. Statistik menyediakan teknik sederhana dalam mengukur, mengolah, mengelompokkan, dan menyajikan data secara lebih mudah.1,4,5
Statistik memungkinkan seorang peneliti untuk menarik kesimpulan bermakna dari sebuah penelitian. Penerapan analisis statistik yang tepat dalam menganalisis permasalahan dapat membuat keputusan yang efektif dalam praktik klinis. Peneliti medis sering mengabaikan hal tersebut. Beberapa studi medis yang menarik menjadi tidak berarti karena analisis statistik yang tidak tepat membawa kepada kesimpulan yang salah.4,5,6 Sari kepustakaan ini bertujuan untuk menjelaskan penerapan statistik dalam mengukur dan meningkatan praktik klinis.
II. Analisis Statistik dalam Mengukur dan Meningkatkan Praktik Klinis Statistik merupakan cabang ilmu untuk mengumpulkan, mengukur, menganalisis, menginterpretasi, dan menyajikan data yang diperoleh menjadi sebuah informasi. Statistik merupakan alat yang dapat membuat kita memahami dunia di sekitar kita. Statistik berkembang dalam berbagai bidang, salah satunya dalam bidang kesehatan. 6–8
Wiliam Farr mengawali penggunaan statistik dalam bidang kesehatan dengan menganalisis kematian berdasarkan data pada tahun 1839-1880. Data tersebut
menggambarkan keadaan kesehatan dan keadaan sosial masyarakat pada waktu itu. Istilah statistik dalam bidang kesehatan yaitu biostatistik. 5,6,9
Biostatistik merupakan aplikasi terhadap masalah yang terjadi pada bidang kesehatan. Ruang lingkup biostatistik telah meningkat dan meluas dalam upaya mempromosikan kesadaran pentingnya pemahaman dasar statistik seperti mengenali data dan metode dalam analisis. Pemahaman dasar statistik berguna untuk mengevaluasi artikel penelitian, menerapkan hasil penelitian untuk manajemen pasien yang lebih baik, dan meningkatkan perbaikan dalam perawatan kesehatan.8–10
2.1 Data Statistik
Data adalah keterangan mengenai suatu persoalan baik dalam bentuk angka maupun kalimat yang diperoleh dari hasil pengukuran. Kriteria sebuah data yang baik antara lain valid, reliabel, dan objektif sehingga data tersebut representatif dalam penelitian. Data diklasifikasikan berdasarkan sumber, bentuk, susunan, dan skalanya.5,6,8
Pembagian data berdasarkan sumber terdiri menjadi dua yaitu, data primer dan data sekunder. Data primer adalah data yang diperoleh langsung dari suatu penelitian, sementara data sekunder adalah data yang dikumpulkan terlebih dahulu dari sumber yang telah ada seperti dari buku atau laporan peneliti. Pembagian data berdasarkan bentuknya dibedakan menjadi dua, yaitu data kuantitatif dan data kualitatif. Data kuantitatif merupakan data yang dinyatakan dengan angka sedangkan data kualitatif adalah data mengenai sifat dan disajikan dalam kata-kata yang berbentuk makna. Pembagian jenis data lainnya berdasarkan susunannya, yaitu data tunggal dan data berkelompok. Data tunggal adalah data dalam bentuk asli sedangkan data berkelompok adalah data yang tersusun dalam kelompok berdasarkan distribusi frekuensi tertentu. Pembagian jenis data menurut skala pengukurannya yaitu nominal, ordinal, interval, dan rasio. Skala pengukuran data merupakan seperangkat aturan untuk menghitung data dari pengukuran suatu variabel. Variabel adalah skala pengukuran data dalam penelitian. Skala ini berpengaruh terhadap pemilihan model atau alat uji statistik.6,8,9
Skala nominal adalah skala yang dikelompokkan berdasarkan penamaan tanpa diberi label atau urutan tertentu. Jenis skala ini merupakan yang terlemah diantara semua skala. Skala ordinal adalah skala yang disusun secara berurutan dari terrendah sampai yang tertinggi menurut suatu ciri tertentu. Skala interval adalah skala pengukuran yang tidak memiliki nilai nol mutlak. Jarak antar skala interval sama sehingga disebut sebagai skala unit yang sama. Skala rasio adalah skala pengukuran yang mempunyai nilai nol mutlak dan mempunyai jarak yang sama.
Nilai nol mutlak merupakan nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang lain. Pada skala rasio, pengukuran sudah mempunyai nilai perbandingan dan merupakan skala data dengan kualitas paling tinggi.5,7,11
Tabel 2.1 Skala pengukuran variabel
Skala Pengukuran
Kategorik Numerik
Nominal
Contoh : Jenis Kelamin - Laki-laki - Perempuan Ordinal
Contoh : Tingkat Pendidikan - Pendidikan rendah - Pendidikan menengah - Pendidikan tinggi Klasifikasi Kadar Kolesterol
- Rendah - Normal - Tinggi
Interval
Contoh : Suhu Badan
Rasio
Contoh : - Berat badan - Tinggi badan - Kadar gula darah - Kadar kolesterol
Dikutip dari: Dahlan S.11
Kriteria penelitian yang baik mencakup pengumpulan data yang benar dan tepat. Pengumpulan data merupakan sebuah kegiatan yang dilakukan dengan menggunakan metode tertentu untuk menjaring berbagai fenomena, informasi, atau kondisi lokasi penelitian sesuai dengan lingkup penelitian. Metode pengumpulan data terdiri dari metode tes, kuisioner, wawancara, observasi, Focus Group Discussion (FGD), dan dari data yang sudah ada sebelumnya seperti buku dan rekam medis.5,8,12
Dua hal utama yang memengaruhi kualitas data hasil penelitian yaitu kualitas pengumpulan data dan kualitas instrument penelitian. Kualitas pengumpulan data berhubungan dengan ketepatan cara yang digunakan untuk mengumpulkan data.
Kualitas instrumen penelitian berhubungan dengan validitas dan reliabilitas instrumen. Validitas menyatakan derajat ketepatan alat ukur penelitian terhadap isi yang sebenarnya. Reliabilitas merupakan prinsip dimana sistem pengukuran atau alat ukur yang digunakan menjamin konsistensi dalam setiap kondisi. Prinsip ini dapat mengukur kesalahan pengukuran acak terhadap total variabilitas yang diamati dalam serangkaian pengujian. Reliabilitas memiliki beberapa pendekatan.
Pertama, analisis yang dilakukan memberikan hasil yang sama jika dilakukan pada waktu yang berbeda. Kedua, analisis yang didapatkan harus memberikan hasil yang sama jika dilakukan kepada subjek berulang kali. Ketiga, analisis yang didapatkan memberikan hasil yang sama jika dilakukan oleh orang yang berbeda.7,13,14
Gambar 2.1 Hubungan reliabel dan valid. (A) Reliabel namun tidak valid, (B) Valid namun tidak reliabel, (C) Valid dan reliabel
Dikutip dari Iorga S, dkk.15
2.2 Analisis Data Statistik dalam Kesehatan
Pengukuran dan analisis statistik merupakan bagian yang penting dalam kesehatan. Analisis statistik berdasarkan jumlah variabel dapat terbagi menjadi analisis univariat, bivariat dan multivariat. Analisis univariat adalah analisis dengan satu variabel. Analisis bivariat adalah analisis yang terdiri dari dua variabel. Analisis multivariat adalah analisis yang terdiri lebih dari dua variabel.4,5,16
Analisis statistik berdasarkan distribusi data terdiri dari uji parametrik dan uji non parametrik. Uji parametrik berfungsi menguji data dengan distribusi normal sementara uji non parametrik berfungsi menguji data dengan distribusi tidak normal. Penentuan jenis distribusi data dapat menggunakan uji normalitas seperti metode uji saphiro-wilk atau kolmogorof-smirnov.5,8,11
A. Reliable but not valid
B. Valid but no reliable
C. Valid and Reliable
Pemilihan metode statistik yang tepat merupakan langkah yang penting dalam analisis data. Pengunaan metode yang keliru dapat menimbulkan masalah dalam interpretasi dan mempengaruhi kesimpulan penelitian. Statistik menyediakan berbagai macam metode analisis yang berguna dalam berbagai tujuan. Analisis statistik dalam kesehatan sering menggunakan analisis statistik deskriptif, analisis statistik inferensial, dan uji diagnostik.4,11,16
2.2.1 Analisis Statistik Deskriptif
Statistik deskriptif adalah metode analisis data statistik yang digunakan untuk memberikan gambaran tentang data yang diperoleh tanpa menarik adanya kesimpulan. Analisis deskriptif mempelajari tata cara pengumpulan data, pencatatan, penyusunan, dan penyajian data penelitian dalam bentuk tabel frekuensi atau grafik. Pengukuran dalam analisis deksriptif membantu dalam mengidentifikasi pola dalam data serta memberikan informasi tentang variasi data dalam sampel. Contoh pengukuran dengan statistik deskriptif yaitu tendensi sentral dan dispersi.4,5,17
Tendensi sentral terdiri dari rata-rata, median, dan modus. Rata-rata, median, dan modus umumnya digunakan dalam kesehatan untuk menjelaskan nilai khas dari variabel. Rata-rata adalah pengukuran yang menggambarkan nilai yang sama banyak. Cara menghitung rata-rata yaitu dengan menjumlahkan nilai pengamatan dalam sampel kemudian membagi jumlah tersebut dengan total jumlah sampel tersebut. Diantara semua pengukuran tendensi sentral, rata-rata merupakan pengukuran yang paling sering digunakan. Rata-rata lebih sesuai pada data dengan variabel yang linier dan kontinu seperti usia. Median adalah nilai tengah yang didapat setelah semua pengamatan diurutkan dari terkecil hingga terbesar.
Data ordinal dan data tidak terdistribusi normal sesuai bila menggunakan median.
Cara menghitung median dengan jumlah pengamatan ganjil, maka nilai median merupakan nilai dari angka di tengah. Jika jumlah pengamatan genap, maka nilai median merupakan rata-rata dari kedua angka di tengah. Modus adalah nilai yang paling sering muncul dalam kumpulan data. Skala kategorik menggunakan modus dalam perhitungannya.6,11,17
Pengukuran statistik deskriptif juga berguna untuk menjelaskan seberapa besar variasi dalam data yang dikelompokkan ke dalam pengukuran dispersi. Contoh dispersi antara lain rentang, standar deviasi, dan koefisien variasi. Rentang adalah ukuran deskriptif sederhana dari variabilitas yang dihitung dengan mengurangkan nilai pengamatan terendah dari yang tertinggi. Standar deviasi adalah akar kuadrat dari varian. Varian adalah jumlah dari kuadrat deviasi dibagi dengan jumlah total pengamatan dikurangi satu. Koefisien variasi adalah ukuran yang menyatakan standar deviasi sebagai proporsi dari rata-rata. Analisis data menggunakan statistik deskriptif dapat menjelaskan gambaran karakteristik mengenai jumlah kasus penyakit, usia rata-rata penderita, jenis kelamin, dan gambaran faktor risiko lainnya yang berhubungan dengan penyakit tersebut. Informasi ini berguna dalam mengembangkan strategi pencegahan dan pengobatan yang lebih efektif.4,5,16
2.2.2 Analisis Statistik Inferensial
Statistik inferensial adalah metode analisis statistik yang digunakan untuk membuat kesimpulan dan generalisasi tentang populasi berdasarkan data yang diambil dari sampel. Metode statistik inferensial sangat berguna untuk pengujian hipotesis, pembuatan estimasi, prediksi berdasarkan hubungan pengaruh antara variabel dan perhitungan derajat hubungan antara variabel. Hipotesis adalah pernyataan tentatif berupa dugaan mengenai sesuatu pengamatan. Pengujian hipotesis dilakukan untuk mendapatkan kesimpulan sehingga membantu praktisi medis membuat keputusan tentang pengobatan yang terbaik untuk pasien. Contoh tujuan pengujian yaitu menentukan perbedaan antara kelompok pengobatan dan kelompok kontrol memiliki hasil signifikan atau tidak signifikan.8,16,17
Uji hipotesis membutuhkan metode yang tepat. Pemilihan metode pengujian bergantung pada tujuan penelitian, sifat berpasangan atau tidak berpasangan, jumlah kelompok, dan distribusi data yang digunakan. Tujuan dari pengujian dapat mencari hubungan atau membandingkan. Sifat data berpasangan yaitu data yang digunakan berasal dari subjek atau kelompok yang sama. Data tidak berpasangan atau independen adalah data yang digunakan berasal dari subjek atau kelompok yang berbeda.4,8,11
Statistik inferensial dapat menguji dua variabel (bivariat) atau lebih dari dari dua variabel (multivariat). Analisis bivariat adalah teknik analisis yang dilakukan untuk menganalisis hubungan antara dua variabel yang berkaitan dengan sebab dan hubungan antara keduanya. Pemilihan metode analisis bergantung kepada jenis data variabel yang digunakan. Analisis multivariat adalah teknik analisis yang dilakukan untuk menganalisis hubungan lebih dari dua variabel. Contoh analisis multivariat yaitu regresi logistik dan regresi linear.5,7,11
Tabel 2.2. Analisis bivariat pada uji hipotesis Skala
Pengukuran
Komparatif
Korelatif Tidak berpasangan Berpasangan
2 Kelompok >2
Kelompok 2 Kelompok >2 Kelompok
Numerik
Uji T tidak berpasangan*
One way ANOVA*
Uji T berpasangan*
Repeated ANOVA*
Pearson*
Kategorik (Ordinal)
Mann Whitney
Kruskal
Walis Wilcoxon Friedman Spearman Somers Kategorik
(Nominal/ordinal)
Chi Square, Fisher, Kolmogorov Smirnov
Mc Nemar, Wilcoxon, Friedman
Koefisien Kontingensi,
Lambda Dikutip dari: Dahlan S.11
Jenis uji hipotesis dalam analisis bivariat bervariasi berdasarkan distribusi data.
Data dengan variabel numerik rasio dan interval yang terdistribusi secara normal dapat menggunakan uji parametrik seperti uji T berpasangan, uji T tidak berpasangan, uji One Way Anova, dan Repeated Anova. Data nominal dan ordinal yang terdistribusi tidak normal dapat diuji menggunakan uji non-parametrik seperti Uji Chi Square, Mann-Whitney, Wilcoxon, dan Kruskal-Wallis.6,8,16
Penarikan kesimpulan pada statistik inferensial ada dua yaitu dengan menghitung nilai probabilitas (nilai p) dan interval kepercayaan. Nilai p memberikan informasi peluang untuk memperoleh hasil yang signifikan bila hipotesis nol benar. Hipotesis nol (H0) adalah hipotesis yang menunjukkan tidak ada perbedaan antar kelompok atau tidak ada hubungan antar variabel. Hasil uji hipotesis dengan nilai p<0.05 menunjukkan bahwa secara statistik hasil uji memiliki perbedaan yang bermakna. Interval kepercayaan adalah suatu rentang
nilai yang mengindikasikan seberapa akurat perkiraan dari parameter populasi berdasarkan sampel yang diambil. Interval ini menunjukkan taksiran rentang nilai pada populasi yang dihitung dengan nilai yang diperoleh pada sampel dan berfungsi untuk mengevaluasi seberapa besar kemungkinan nilai parameter populasi berada dalam rentang tertentu. Nilai interval kepercayaan terdiri dari 90%, 95%, dan 99%. Nilai 95% pada sampel yang diambil dari populasi yang sama menunjukkan bahwa interval kepercayaan 95% tersebut mengandung nilai parameter pada populasi yang sebenarnya.5,7,11
Selain untuk menguji hipotesis, statistik inferensial berguna untuk mengukur hubungan antara dua variabel dalam penelitian epidemiologi. Pengukuran tersebut menggunakan rasio odds dan rasio relatif. Keduanya serupa namun digunakan untuk desain penelitian yang berbeda. Pengukuran ini memungkinkan peneliti untuk mengetahui seberapa besar risiko seseorang terkena suatu penyakit jika mereka terpapar faktor risiko atau paparan tertentu. Penggunaan alat statistik ini dapat membantu dalam mengembangkan intervensi dan strategi pencegahan yang tepat untuk mengurangi beban penyakit pada populasi.6,16,17
2.2.3 Uji Diagnostik
Uji diagnostik dapat memberi pemahaman mengenai etiologi penyakit dan membedakan antara orang yang menderita atau tidak menderita penyakit.
Penggunaan uji diagnostik merupakan pengujian yang sering dilakukan dalam fasilitas medis. Uji diagnostik dapat dibagi berdasarkan kegunaannya yaitu untuk skrining dan memastikan diagnosis. Tes diagnostik berguna untuk mendiagnosis penyakit pada individu yang sudah menunjukkan gejala atau tanda-tanda penyakit.
Tes skrining berguna untuk mendeteksi penyakit pada populasi yang tidak menunjukkan gejala atau tanda penyakit. Evaluasi uji diagnostik juga merupakan bagian penting dari analisis statistik dalam epidemiologi. 6,17,18
Evaluasi tes diagnostik menggunakan ukuran statistik seperti sensitivitas, spesifisitas, nilai prediktif positif, dan nilai prediktif negatif. Pengukuran ini membantu dalam mengevaluasi seberapa akurat tes tersebut dalam mendiagnosis atau mendeteksi penyakit pada individu atau populasi tertentu. Sensitivitas adalah
probabilitas seseorang menghasilkan hasil tes positif jika menderita penyakit.
Spesifisitas adalah probabilitas seseorang menghasilkan hasil tes negatif jika mereka tidak menderita penyakit. Nilai prediktif positif adalah probabilitas bahwa penyakit benar-benar ada jika hasil tes positif. Nilai prediktif negatif adalah probabilitas bahwa penyakit benar-benar tidak ada jika hasil tes negatif.7,16,18 Tes diagnostik sangat penting dalam memberikan perawatan kesehatan yang tepat dan efektif bagi pasien dengan penyakit tertentu. Evaluasi kualitas tes secara cermat memastikan bahwa hasilnya akurat dan dapat diandalkan. Pengetahuan mengenai sensitivitas, spesifisitas, dan nilai prediksi membantu praktisi medis memahami kemungkinan hasil tes yang salah. Praktisi medis dapat memutuskan hasil tes yang diperoleh dapat diandalkan atau tidak diandalkan. Penggunaan tes diagnostik yang tepat dapat membantu dalam mendiagnosis penyakit secara dini serta mengurangi risiko komplikasi penyakit.5,6,17
2.3 Implementasi Statistik Dalam Meningkatkan Praktik Klinis
Penerapan ilmu statistik dalam penelitian sangat penting. Pengetahuan terhadap interpretasi analisis dalam berbagai uji penelitian memberikan informasi yang efektif sebagai hasil terapan yang sahih berbasis bukti. Implementasi statistik ke dalam praktik klinis yaitu dengan mengintegrasikan data yang sudah dianalisis menggunakan statistik ke dalam pengambilan keputusan medis.
Keputusan medis yang tepat dapat meningkatkan praktik klinis dalam banyak sektor. Dalam layanan medis, perawatan yang berkualitas dapat memberikan hasil perawatan terbaik pada pasien.5,9,18
Ada tiga parameter yang digunakan dalam menilai kualitas dalam praktik medis yaitu diagnosis, intervensi pengobatan, dan hasil yang didapat oleh pasien.
Dalam mendiagnosis penyakit, seorang praktisi medis membutuhkan data anamnesis, pemeriksaan fisik, dan mempertimbangkan penggunaan pemeriksaan penunjang sebagai alat tambahan yang dapat membantu menegakkan diagnosis secara akurat. Pemilihan terhadap alat penunjang didasari hasil pengukuran statistik yang memiliki nilai sensitivitas dan spesifisitas yang tinggi. Penilaian tersebut membantu mengevaluasi hasil tes dan menentukan kemungkinan adanya
penyakit pada pasien. Selain itu, statistik menyediakan teknik untuk membandingkan efektivitas berbagai terapi. Penelitian efektivitas komparatif menguji dan membandingkan terapi mana yang paling efektif dalam meningkatkan perbaikan untuk pasien. Oleh karena itu, pemahaman terhadap penyakit menjadi lebih baik dan membuat praktisi medis memberikan keputusan yang tepat dalam pemilihan terapi yang terbaik untuk pasien.9,16,18
Analisis statistik dari data yang dikumpulkan dapat menghasilkan informasi bermakna mengenai evaluasi tren suatu penyakit dalam waktu tertentu. Selain itu, statistika juga berfungsi mengidentifikasi hubungan paparan faktor risiko terhadap penyakit. Dalam bidang epidemiologi, analisis statistik terhadap rasio odds dan risiko relatif memungkinkan perumusan langkah pencegahan yang tepat dan pedoman yang diperlukan untuk promosi kesehatan yang efektif.6,16,17
Pada pelayanan kesehatan, statistik dapat menghitung waktu tunggu pasien, mengukur kepuasan pasien terhadap pengalaman perawatan, mengevaluasi program yang sedang dilakukan, dan mengembangkan area yang perlu diperbaiki.
Sebuah klinik retina di Amerika mengukur waktu tunggu pasien yang berlebih menggunakan data rekam medis elektronik, kemudian mengolah data tersebut, meninjau penyebab, dan menganalisis agar mendapatkan program yang tepat sebagai solusinya. Program tersebut kemudian dievaluasi dengan pengukuran analisis deskriptif sehingga komponen paparan yang didapatkan dapat memberi informasi kesuksesan/kegagalan program dan langkah perbaikan selanjutnya.9,18,19
III. Simpulan
Statistik berperan penting dalam bidang kesehatan. Praktisi medis membutuhkan pemahaman dasar statistik untuk membuat keputusan berdasarkan bukti empiris dan analisis berbasis data. Berbagai metode statistik berguna untuk tujuan dan kondisi yang berbeda. Metode yang tepat dalam mengukur dan menganalisis data dapat memberikan informasi yang valid. Interpretasi dari informasi tersebut digunakan untuk mengidentifikasi area yang membutuhkan perbaikan dan mengembangkan protokol pengobatan yang sahih sehingga dapat memberikan perawatan terbaik kepada pasien.
11
1. Giardina TD, Hunte H, Hill MA, Layla Heimlich S, Singh H, Smith KM.
Defining Diagnostic Error: A Scoping review to assess the impact of the national academies’ report rmproving diagnosis in health care. J Patient Saf. 2022;8(8):770-8.
2. Lucero‐Prisno DEI, Kouwenhoven MBN, Adebisi YA, Miranda AV, Gyeltshen D, Suleman MH, et al. Top ten public health challenges to track in 2022. Pub Health. 2022;1(3).1-10.
3. Sorenson C, Japinga M, Crook H, Mcclellan M. Building A Better Health Care System Post-Covid-19: Steps for Reducing Low-Value and Wasteful Care. 2020;1(1):1-10
4. Mishra P, Pandey C, Singh U, Keshri A, Sabaretnam M. Selection of appropriate statistical methods for data analysis. Ann Card Anaesth.
2019;22(3):297.
5. Salkind, Neil. Praise for statistics for people who (think they) hate statistics, Edisi ke-6. Thousands Oak: SAGE Publications, Inc; 2017. hlm.
40-182.
6. Rahman, S. Biostatistika deskriptif, Edisi ke-1. Yogyakarta: Samudera Biru; 2020. hlm 1–36.
7. Portney LG. Foundations of clinical research: Applications to evidence- based practice. Philadelphia: F.A Davis Company; 2020. hlm. 106-38.
8. Nuryadi. Dasar-Dasar Statistika penelitian, Edisi ke-1. Yogyakarta: Sibuku Media; 2007. hlm. 1–139.
9. Machmud, R. Biostatistik. Dalam: Risanto E. Pengantar biostatistik. Edisi ke-1. Yogyakarta: Andi; 2013. hlm. 1–11.
10. Dwivedi AK. How to write statistical analysis section in medical research.
J of Invest Mdcn. 2022;70(8):1759–70.
11. Dahlan, S. Statistik untuk kedokteran dan kesehatan. Yogkakarta: Salemba Medika; 2013. hlm. 1-24.
12. SAGE Publication. Methods of data collection in quantitative, qualitative, and mixed research. (Internet) 2020 (dikutip 23 Maret 2023). Tersedia dari https://us.sagepub.com/sites/default/files/upm-assets/ 106363_ book_
item_106363.pdf
13. Ingraham HJ, Bowers DK, Luisa A, Lorenzo D, Gramates PH, Kaplan AD,dkk. Update in General Medicine. Dalam : Basic and clinical science course. Edisi ke-4. San Francisco: American Academy of Ophtalmology;
2022. hlm. 23-9.
14. Chetwynd E. Critical analysis of reliability and validity in Literature Reviews. JHL. 2022;38(3):392–6.
15. Iorga S. Lubin L. Parigi P. A measure: validity and reability. (Internet) 2020 (dikutip 23 Maret 2023). Tersedia dari https://ccnmtl.columbia.edu /projects/qmss/measurement/validity_and_reliability.html.
16. Sastroasmoro S, lsmael S. Dasar-dasar metodologi penelitian klinis, Edisi ke-4. Jakarta: Sagung Seto; 2018. him 130-346.
statistics for medical practice and research: Part I. Oschner J. 2006; 6(2) 68-83.
18. StudyCorgi. Application of statistics in healthcare. (Internet) 2020 (dikutip 23 Maret 2023). Tersedia dari https://studycorgi.com/application-of- statistics-in-healthcare/
19. Ciulla T, Tatikonda M, ElMaraghi Y, Hussain R, Hill A, Clary J, dkk. Lean six sigma techniques to improve ophthalmology clinic efficiency. J Retina.
2018;38(9):1688–98.
