Satu Foto Tidak Bisa Menunjukkan Film
Cross-sectional menggambarkan kondisi atau perbedaan kelompok pada suatu waktu; longitudinal dibutuhkan ketika pertanyaannya menuntut perubahan individual.
Semester VI lebih tinggi. Apakah itu berarti setiap mahasiswa meningkat?
Seorang mahasiswa mensurvei 100 mahasiswa semester II, 100 mahasiswa semester IV, dan 100 mahasiswa semester VI pada satu periode. Rata-rata literasi sains paling tinggi ditemukan pada semester VI.
Ia kemudian menyimpulkan: “Semakin lama mahasiswa kuliah, literasi sains mereka meningkat.” Kesimpulan itu mungkin terdengar masuk akal, tetapi data tersebut belum menunjukkan perubahan pada orang yang sama.
Apa yang sebenarnya diukur?
Mahasiswa semester II, IV, dan VI adalah kelompok berbeda yang diukur pada satu periode. Ini adalah logika cross-sectional: membandingkan kelompok atau menggambarkan kondisi pada suatu titik waktu.
Tiga foto orang berbeda bukan film perkembangan satu orang
Bayangkan foto anak berusia 10 tahun, foto remaja lain berusia 15 tahun, dan foto orang ketiga berusia 20 tahun. Ketiga foto memberi informasi tentang perbedaan usia, tetapi tidak menunjukkan bagaimana satu individu berubah dari usia 10 sampai 20 tahun.
Cross-sectional sangat berguna, tetapi temporal order dapat ambigu
Studi cross-sectional mengukur variabel pada satu titik atau periode waktu dan berguna untuk deskripsi, prevalensi, perbandingan kelompok, eksplorasi asosiasi, serta pembentukan hipotesis. Namun pengukuran exposure dan outcome pada periode yang sama dapat menimbulkan temporal ambiguity, sehingga klaim tentang perubahan dan kausalitas harus dibuat dengan hati-hati.
Jika fokus penelitian adalah pertumbuhan atau perubahan individual, desain longitudinal memberi informasi yang berbeda karena orang yang sama diukur berulang. Almond dan Sinharay menunjukkan bahwa repeated cross-sectional data dapat menggambarkan perubahan rata-rata populasi, tetapi tidak sama dengan mengikuti trajektori individual kecuali dalam kondisi yang sangat terbatas.
Longitudinal bukan otomatis sempurna
Attrition
Peserta dapat berhenti mengikuti penelitian dan menghasilkan pola kehilangan data yang perlu ditangani.
Testing effect
Pengukuran berulang dapat memengaruhi respons atau performa berikutnya.
Time & cost
Pengumpulan data memerlukan waktu lebih panjang dan biaya lebih besar.
Dependent observations
Pengukuran orang yang sama saling berkorelasi dan analisis harus mengakomodasi struktur tersebut.
Gunakan protokol T.I.M.E.
Uji cepat
Semester II rata-rata 60, semester IV 68, semester VI 76. Pesertanya berbeda. Bolehkah menulis “setiap mahasiswa meningkat 8 poin setiap dua semester”?
Buka jawaban
Tidak. Data tersebut menunjukkan perbedaan rata-rata antarkelompok, bukan perubahan dalam individu yang sama.
Snapshot atau perjalanan?
Cross-sectional bukan desain yang lebih buruk, dan longitudinal bukan desain yang selalu lebih baik. Desain yang baik adalah desain yang sesuai dengan pertanyaan penelitian.
Referensi ilmiah
- Baumeister, S.-E., Kocher, T., Papapanou, P. N., Holtfreter, B., & Demmer, R. T. (2026). Cross-sectional studies: Strengths, limitations, and methodological considerations. Journal of Periodontal Research. https://doi.org/10.1111/jre.70063
- Almond, R. G., & Sinharay, S. (2012). What can repeated cross-sectional studies tell us about student growth? ETS Research Report Series, 2012(2), i–20. https://doi.org/10.1002/j.2333-8504.2012.tb02299.x
No comments:
Post a Comment