Pelaporan Hasil dan Integritas Data

Modul 14 · Biostatistik · Semester Ganjil 2026/2027

Bramadi Arya, S.Si., M.Biotech.

Program Studi D4 Teknologi Laboratorium Medik, Universitas Syedza Saintika

Tujuan belajar

Setelah modul ini, Anda mampu:

Menyusun BAB IV dengan urutan dan tabel yang baku.
Menulis angka, nilai p, dan satuan secara konsisten.
Memilih besar efek yang sesuai untuk setiap uji.
Membuat grafik yang jujur dan informatif.
Mengenali praktik analisis yang tidak jujur (p-hacking, HARKing).
Menulis keterbatasan penelitian dan kesimpulan yang tidak berlebihan.

Susunan BAB IV

Urutan yang membuat hasil penelitian mudah diperiksa penguji.

Urutan yang dianjurkan

Alur subjek: berapa yang diskrining, dieksklusi (dengan alasan), dan dianalisis.
Karakteristik subjek (Tabel 4.1): usia, jenis kelamin, dan variabel lain yang relevan.
Deskripsi variabel utama: rerata ± SD atau median (Q1 sampai Q3), sesuai bentuk data.

Urutan yang dianjurkan (lanjutan)

Hasil uji asumsi: cukup satu atau dua kalimat, detail di lampiran.
Hasil uji utama: menjawab tujuan penelitian satu per satu, dengan besar efek dan IK 95%.
Analisis tambahan: analisis sensitivitas atau subkelompok yang direncanakan.

Setiap tujuan khusus di BAB I harus punya satu hasil di BAB IV dan satu kesimpulan di BAB VI.

Alur subjek: jangan dilewatkan

Contoh narasi:

Selama periode penelitian terdapat 58 pasien suspek dengue. Sebanyak 6 pasien dieksklusi (3 sampel lisis, 2 tidak bersedia, 1 data tidak lengkap), sehingga 52 pasien dianalisis.

Alur subjek menjawab pertanyaan penguji yang paling sering: “Mengapa n di tabel berbeda dengan n di BAB III?” Tanpa alur ini, perbedaan angka terlihat seperti kesalahan atau manipulasi.

Contoh tabel hasil perbandingan

Tabel 4.2 Perbedaan kadar Hb menurut jenis kelamin (n = 60)

Variabel	Laki-laki (n = 32)	Perempuan (n = 28)	Selisih (IK 95%)	p
Hb (g/dL), rerata ± SD	14,92 ± 1,13	13,05 ± 1,08	1,88 (1,30 sampai 2,45)	< 0,001ᵃ
GDP (mg/dL), median (Q1 sampai Q3)	95,5 (87,5 sampai 101,5)	92,0 (80,8 sampai 98,3)		0,296ᵇ

ᵃ uji t independen; ᵇ uji Mann-Whitney

Setiap tabel menyebut n, satuan, jenis ringkasan, dan nama uji (lewat catatan kaki). Pembaca tidak perlu membuka BAB III untuk memahami tabel.

Aturan penulisan angka

Aturan	Benar	Salah
Desimal memakai koma, ribuan memakai titik	14,05 g/dL; 1.283	14.05 g/dL
Nilai p sangat kecil	p < 0,001	p = 0,000
Digit konsisten sesuai presisi alat	Hb 14,1 g/dL	Hb 14,0467 g/dL
Selalu ada satuan	7,31 ×10³/µL	7,31
Persen dengan n	16 (26,7%)	26,7%
Tanda minus benar	−5,84	- 5,84

Jumlah desimal statistik sebaiknya satu digit lebih banyak dari data mentah. Hb diukur dengan satu desimal, jadi reratanya ditulis dua desimal.

Besar efek untuk setiap uji

Uji	Besar efek yang dilaporkan
Uji t (independen, berpasangan)	selisih rerata (IK 95%), d Cohen
Mann-Whitney, Wilcoxon	selisih median, r = z / √n
ANOVA	η², tabel post-hoc dengan selisih rerata
Chi-square, Fisher	OR atau RR (IK 95%), selisih proporsi
Korelasi	r atau ρ (sudah merupakan besar efek), r²
Regresi	koefisien b (IK 95%), R²
Uji diagnostik	sensitivitas, spesifisitas, NPP, NPN (IK 95%)
Kesesuaian	κ; bias dan batas kesepakatan Bland-Altman

Grafik yang jujur

Grafik yang baik memperlihatkan data, bukan menyembunyikannya.

Prinsip grafik untuk data laboratorium

Tunjukkan datanya. Dengan n < 50 per kelompok, tampilkan setiap titik data (seperti di Modul 10), bukan hanya batang rerata.
Hindari “grafik dinamit” (batang rerata dengan garis SD). Grafik ini menyembunyikan sebaran, nilai ekstrem, dan jumlah data.
Hindari 3D dan diagram pai untuk lebih dari tiga kategori.
Sumbu y untuk batang harus mulai dari nol. Untuk titik atau boxplot, sumbu boleh dipotong asal jelas.
Setiap grafik punya judul, label sumbu dengan satuan, dan n.
Jangan menampilkan tabel dan grafik untuk angka yang sama persis. Pilih salah satu.

(Weissgerber dkk., 2015)

Integritas analisis

Analisis yang jujur sama pentingnya dengan analisis yang benar.

Praktik yang harus dihindari

Praktik	Contoh
*P-hacking*	Mencoba banyak uji, banyak subkelompok, atau membuang data sampai muncul p < 0,05, lalu hanya melaporkan yang bermakna
HARKing (hypothesizing after results are known)	Menulis hipotesis di BAB III setelah melihat hasil, seolah-olah sudah direncanakan
Membuang nilai ekstrem tanpa alasan	Menghapus subjek dengan Hb 17,8 karena “mengganggu normalitas”

(Head dkk., 2015; Kerr, 1998)

Praktik yang harus dihindari (lanjutan)

Praktik	Contoh
Mengganti uji setelah melihat p	Beralih ke uji satu sisi karena p dua sisi = 0,07
Memilih baris output yang menguntungkan	Membaca baris Equal variances assumed padahal Levene bermakna

(Head dkk., 2015; Kerr, 1998)

Kapan nilai ekstrem boleh dikeluarkan?

Nilai ekstrem boleh dikeluarkan hanya jika ada alasan teknis atau klinis yang terdokumentasi (sampel lisis, salah input, kriteria eksklusi), dan harus dilaporkan. Jika ragu, analisis dengan dan tanpa nilai tersebut, lalu laporkan keduanya.

Integritas data: temuan dari naskah skripsi

Temuan yang sering muncul di naskah skripsi

Nilai rerata dua kelompok tertukar antara abstrak dan tabel.
Total n di tabel (28) berbeda dengan output SPSS (25).
Rerata di tabel tidak sama dengan hasil hitung ulang data mentah di lampiran, akibat salah konversi satuan atau rumus Excel.
Belasan sitasi di BAB V tidak ada di daftar pustaka.
Surat izin penelitian bertanggal setelah periode pengambilan data; data diambil sebelum persetujuan etik terbit.

Integritas dan ketelitian

Semua ini bukan masalah statistik yang rumit, tetapi masalah integritas dan ketelitian. Penguji menemukannya dengan mencocokkan angka dan tanggal. Anda bisa menemukannya lebih dulu.

Menulis keterbatasan penelitian

Keterbatasan yang baik menyebut apa kekurangannya, bagaimana pengaruhnya pada hasil, dan saran untuk penelitian berikutnya.

Penelitian ini memiliki beberapa keterbatasan. Pertama, jumlah sampel yang dianalisis (25) lebih kecil dari target perhitungan (48), sehingga kemampuan penelitian mendeteksi perbedaan antar kelompok seropositif menurun. Kedua, desain potong lintang tidak memungkinkan penarikan kesimpulan sebab-akibat. Ketiga, hari demam saat pengambilan sampel tidak dikendalikan, padahal jumlah trombosit berubah mengikuti fase penyakit. Penelitian selanjutnya disarankan menggunakan sampel yang lebih besar dan mencatat hari demam.

Kesimpulan yang tidak berlebihan

Berlebihan	Sesuai data
“Merokok menyebabkan kenaikan Hb.”	“Kadar Hb perokok lebih tinggi daripada bukan perokok.”
“Tidak ada perbedaan antara kedua kelompok.”	“Tidak ditemukan perbedaan yang bermakna secara statistik.”
“Glukometer dapat menggantikan analyzer.”	“Glukometer membaca rata-rata 8,4 mg/dL lebih tinggi; 95% hasil berada dalam batas ISO 15197.”
“HbA1c dapat diprediksi dari GDP.”	“Terdapat korelasi positif yang kuat antara GDP dan HbA1c.”

Kesimpulan di BAB VI menjawab tujuan penelitian, tidak memuat angka atau data baru, dan tidak melampaui desain penelitian.

Latihan terpadu

Gunakan lab_klinik_60.csv. Untuk setiap pertanyaan: tentukan uji, jalankan di SPSS atau JASP, lalu tulis satu kalimat hasil.

Latihan terpadu 1

Pertanyaan: Apakah proporsi perokok berbeda antara laki-laki dan perempuan?

Uji: dua variabel nominal, independen → Chi-square (semua frekuensi harapan ≥ 5).

Kalimat hasil:

Proporsi perokok pada laki-laki (15/32; 46,9%) lebih tinggi daripada perempuan (2/28; 7,1%), dengan OR 11,47 (IK 95%: 2,32 sampai 56,65; uji Chi-square, χ² = 11,60; p < 0,001).

Latihan terpadu 2

Pertanyaan: Apakah kadar Hb perokok berbeda dari bukan perokok?

Uji: numerik, dua kelompok independen → uji t independen (periksa normalitas dan Levene dulu).

Hasil: rerata 14,79 vs 13,75 g/dL; p = 0,011.

Tetapi: latihan 1 menunjukkan perokok hampir semuanya laki-laki. Pada laki-laki saja, rerata 15,05 vs 14,82 g/dL; p = 0,58.

Kalimat hasil yang jujur:

Kadar Hb perokok lebih tinggi daripada bukan perokok (p = 0,011), tetapi perbedaan ini tidak bermakna setelah analisis dibatasi pada subjek laki-laki (p = 0,58), sehingga perbedaan awal kemungkinan besar dipengaruhi oleh komposisi jenis kelamin.

Latihan terpadu 3

Pertanyaan: Apakah kadar gula darah puasa berhubungan dengan HbA1c?

Uji: dua variabel numerik, keduanya tidak normal dan ada nilai ekstrem → korelasi Spearman. Tampilkan diagram sebar.