M Sopiyudin Dahlan MSD

Produk: Analisis Multivariat Regresi Logistik
Bentuk: Buku Digital/E-Book
Nomor eISBN: 978-623-10-9470-4(PDF)
Halaman: xxviii+176 halaman
Penerbit: CV. Metode MSD, Jakarta
Penulis: M. Sopiyudin Dahlan

Cara akses: Ebook hanya dapat diakses di member area

1. Cara 1
   Setelah Sahabat menyelesaikan pembayaran, Sahabat akan mendapatkan email akses ke konten video. Pada isi email terdapat tombol "Lihat Konten" silakan klik tombol tersebut untuk mengakses konten.
2. Cara 2
   Setelah Sahabat menyelesaikan pembayaran, silakan menuju ke utas.me/sopiyudin lalu klik tombol Login customer di kiri atas. Silakan masukkan alamat email dan tunggu kode OTP dikirimkan ke email atau whatsapp Sahabat. Kode OTP akan dikirimkan ke email atau whatsapp dalam range waktu 2-15 menit. Jika sudah mendapatkan kode OTP, silakan input kode tersebut dan klik login

Deskripsi:

Buku ini akan mengantarkan Anda untuk memahami regresi logistik secara bertahap. Pembahasan dimulai dengan prinsip umum dan keluaran regresi logistik. Selanjutnya, dibahas beberapa contoh analisis regresi logistik sederhana. Kemudian dibahas regresi logistik yang lebih rumit, yaitu regresi logistik untuk kerangka konsep prediktif dan etiologik. Enjoy !!!!

Daftar isi :

Bab 1 Prosedur Regresi Logistik

• 1.1 Tujuan
• 1.2 Pengantar
• 1.3 Kapan Menggunakan Analisis Regresi Logistik
• 1.4 Apa Yang Dimaksud Dengan Multivariat
• 1.5 Apa Yang Dimaksud Dengan Kerangka Konsep Etiologik Dan Prediktif
• 1.6 Apa Yang Dimaksud Dengan Variabel Perancu
• 1.7 Bagaimana Mendeteksi Suatu Variabel Perancu Adalah Konfounder Atau Interaksi
• 1.8 Bagaimana Langkah-Langkah Melakukan Analisis Regresi Logistik
• 1.9 Bagaimana Langkah-Langkah Melakukan Analisis Regresi Logistik Pada Kerangka Konsep Prediktif
• 1.10 Bagaimana Contoh Prosedur Analisis Regresi Logistik Pada Kerangka Konsep Prediktif
• 1.11 Bagaimana Langkah-Langkah Melakukan Analisis Regresi Logistik Pada Kerangka Konsep Etiologik
• 1.12 Bagaimana Contoh Analisis Regresi Logistik Pada Kerangka Konsep Etiologik
• 1.13 Bagaimana Contoh Analisis Regresi Logistik Pada Kerangka Konsep Etiologik Tanpa Variabel Interaksi Yang Bermakna
• 1.14 Bagaimana Contoh Analisis Regresi Logistik Pada Kerangka Konsep Etiologik Dengan Variabel Interaksi Yang Bermakna
• 1.15 Latihan Bab 1

Bab 2 Keluaran Analisis Regresi Logistik

• 2.1 Tujuan
• 2.2 Pengantar
• 2.3 Apa keluaran dari regresi logistik?
• 2.4 Bagaimana kaitan regresi logistik dengan desain penelitian?
• 2.5 Bagaimana persamaan regresi logistik?
• 2.6 Bagaimana contoh membuat persamaan regresi logistik?
• 2.7 Apa parameter hubungan yang secara langsung dapat diperoleh dari regresi logistik?
• 2.8 Bagaimana menghitung OR pada regresi logistik?
• 2.9 Bagaimana hubungan antara nilai beta (koefisien) dengan nilai OR?
• 2.10 Mengapa pada regresi logistik kekuatan hubungan RR tidak dapat langsung diketahui sementara nilai OR dapat langsung diketahui?
• 2.11 Bagaimanakah interpretasi dari nilai OR?
• 2.12 Bagaimana mengetahui kemaknaan hubungan antarvariabel pada regresi logistik?
• 2.13 Bagaimana mengetahui kemaknaan hubungan antarvariabel pada regresi logistik secara statistik?
• 2.14 Bagaimana interpretasi terhadap uji Wald?
• 2.15 Bagaimana interpretasi terhadap interval kepercayaan dari OR?
• 2.16 Bagaimana contoh interpretasi uji Wald dan interval kepercayaan dari OR?
• 2.17 Bagaimana mengetahui kemaknaan hubungan antarvariabel pada regresi logistik secara klinis?
• 2.18 Bagaimana mengetahui kemaknaan hubungan antarvariabel pada regresi logistik secara statistik dan secara klinis?
• 2.19 Bagaimana mengetahui probabilitas individu mengalami suatu kejadian?
• 2.20 Bagaimana contoh menghitung probabilitas individu mengalami suatu kejadian?
• 2.21 Bagaimana sifat probabilitas dari regresi logistik?
• 2.22 Bagaimana mengetahui risiko relatif (RR) pada regresi logistik?
• 2.23 Bagaimana contoh menghitung RR?
• 2.24 Mengapa penelitian kasus kontrol tidak dapat menghasilkan risiko relatif?
• 2.25 Mengapa penelitian kasus kontrol tidak dapat menghasilkan probabilitas walaupun ada persamaan regresi?
• 2.26 Mengapa konstanta pada kasus kontrol adalah konstanta yang semu?
• 2.27 Apa yang dimaksud dengan artificial population?
• 2.28 Mengapa desain potong lintang pada penelitian prognostik/etiognostik tidak dapat menghasilkan risiko relatif?
• 2.29 Mengapa desain potong lintang pada penelitian prognostik/etiognostik tidak dapat menghitung probabilitas?
• 2.30 Mengapa desain potong lintang pada penelitian diagnostik dapat menghitung probabilitas?
• 2.31 Pada penelitian diagnostik, potong lintang dapat menghasilkan probabilitas. Apakah dengan demikian potong lintang juga menghasilkan risiko relatif?
• 2.32 Bagaimana mengetahui kualitas persamaan regresi logistik?
• 2.33 Latihan Bab 2

Bab 3 Regresi Logistik dengan Satu Variabel Bebas Kategorik Dikotom

• 3.1 Tujuan
• 3.2 Pengantar
• 3.3 Kasus
• 3.4 Catatan Mengenai Koding
• 3.5 Langkah-langkah Analisis Sederhana
• 3.6 Lampiran Perintah dan Keluaran Stata

Bab 4 Regresi Logistik dengan Satu Variabel Bebas Kategorik Polikotom

• 4.1 Tujuan
• 4.2 Pengantar
• 4.3 Kasus
• 4.4 Langkah-langkah Analisis Sederhana
• 4.5 Lampiran Perintah dan Keluaran Stata

Bab 5 Regresi Logistik dengan Satu Variabel Bebas Numerik

• 5.1 Tujuan
• 5.2 Pengantar
• 5.3 Kasus
• 5.4 Langkah-langkah Analisis Sederhana
• 5.5 Lampiran Perintah dan Keluaran Stata

BAB 6 Studi Kasus Menghitung Probabilitas dari Persamaan Regresi Logistik dengan Menggunakan Excel
Bab 7 Menguji Asumsi Linieritas
Bab 8 Regresi Logistik Dengan Kerangka Konsep Prediktif
Bab 9 Kerangka Konsep Etiologik: Variabel Utama, Satu Variabel Konfounder, Tanpa Interaksi
Bab 10 Kerangka Konsep Etiologik: Variabell Utama, Beberapa Variabel Konfounder, Tanpa Interaksi
Bab 11 Kerangka Konsep Etiologik: Variabel Utama, Satu Variabel Konfounder, dan Satu Variabel Interaksi
Bab 12 Kerangka Konsep Etiologik: Variabel Utama, Dua Variabel Konfounder, dan Dua Variabel Interaksi
Bab 13 Membaca Hasil Penelitian yang Menggunakan Analisis Multivariat

Produk: Regresi Linear (Edisi 2, 2018)
Bentuk: Buku Digital/ E-Book 
Nomor eISBN: 978-623-10-8525-2(PDF)
Halaman: xvii + 150 halaman
Penerbit: CV. Metode MSD, Jakarta
Penulis: M. Sopiyudin Dahlan

Cara akses: Ebook hanya dapat diakses di member area

1. Cara 1
   Setelah Sahabat menyelesaikan pembayaran, Sahabat akan mendapatkan email akses ke konten video. Pada isi email terdapat tombol "Lihat Konten" silakan klik tombol tersebut untuk mengakses konten.
2. Cara 2
   Setelah Sahabat menyelesaikan pembayaran, silakan menuju ke utas.me/sopiyudin lalu klik tombol Login customer di kiri atas. Silakan masukkan alamat email dan tunggu kode OTP dikirimkan ke email atau whatsapp Sahabat. Kode OTP akan dikirimkan ke email atau whatsapp dalam range waktu 2-15 menit. Jika sudah mendapatkan kode OTP, silakan input kode tersebut dan klik login

Deskripsi:

Buku ini akan mengantarkan Anda untuk memahami regresi linear secara bertahap. Pembahasan dimulai dengan prinsip umum dan keluaran regresi linear. Selanjutnya, dibahas beberapa contoh analisis regresi linear sederhana. Kemudian dibahas regresi linear yang lebih rumit. Pada bagian akhir, dibahas beberapa jurnal yang menggunakan analisis regresi linear. Enjoy !! 

Daftar Isi:

1. Bagian I Pengantar.
   • Bab 1 Pengantar Regresi Linear.
2. Bagian II Regresi Linear Sederhana.
   • Bab 2 Regresi Linear Sederhana dengan Satu Variabel Bebas Numerik.
   • Bab 3 Regresi Linear Sederhana dengan Satu Variabel Bebas Kategorik.
   • Bab 4 Regresi Linear Sederhana dengan Satu Variabel Bebas Kategorik yang dapat Dianggap Numerik.
   • bab 5 Regresi Linear dengan Variabel Tergantung Berdistribusi Tidak Normal.
3. Bagian III Regresi Linear Kerangka Konsep Prediktif.
   • Bab 6 Regresi Linear dengan Kerangka Konsep Prediktif.
   • Bab 7 Sekali Lagi Tentang Residu.
4. Bagian IV.
   • Bab 8 Regresi Linear dengan Kerangka Konsep Etiologik dengan Variabel Utama Numerik dan Variabel Perancu Numerik.
   • Bab 9 Regresi Linear dengan Kerangka Konsep Etiologik dengan Variabel Utama Kategorik dan Variabel Perancu Numerik.
   • Bab 10 Regresi Linear dengan Kerangka Konsep Etiologik dengan Variabel Utama Kategorik dan Variabel Perancu Kategorik.
5. Bagian V Membaca Jurnal.
   • Bab 11 Membaca Hasil Penelitian yang Menggunakan Analisis Multivariat

Produk: E-book Regresi Cox: Dasar-dasar Teori dan Aplikasi dengan dengan Program SPSS (Edisi 2, 2021)
Bentuk: Buku Digital/E-book
Nomor ISBN: 978-634-04-7671-2
Halaman: xv + 116 halaman
Penerbit: CV. Metode MSD, Jakarta
Penulis: M. Sopiyudin Dahlan

Cara akses: Ebook hanya dapat diakses di member area

1. Cara 1
   Setelah Sahabat menyelesaikan pembayaran, Sahabat akan mendapatkan email akses ke konten video. Pada isi email terdapat tombol "Lihat Konten" silakan klik tombol tersebut untuk mengakses konten.
2. Cara 2
   Setelah Sahabat menyelesaikan pembayaran, silakan menuju ke utas.me/sopiyudin lalu klik tombol Login customer di kiri atas. Silakan masukkan alamat email dan tunggu kode OTP dikirimkan ke email atau whatsapp Sahabat. Kode OTP akan dikirimkan ke email atau whatsapp dalam range waktu 2-15 menit. Jika sudah mendapatkan kode OTP, silakan input kode tersebut dan klik login

Deskripsi:

Buku ini akan mengantarkan Anda untuk memahami regresi cox secara bertahap. Pembahasan dimulai dengan prinsip umum dan keluaran regresi cox. Selanjutnya, dibahas beberapa contoh analisis regresi cox sederhana. Kemudian dibahas regresi cox yang lebih rumit, yaitu time independent, time dependent model stratifikasi, time dependent model interaksi, time dependent model split time. Enjoy !!!!

Daftar Isi:

• Bab 1 Kapan Menggunakan Analisis survival?
• Bab 2 Kurva Kapplan Meier, Survival Rate, Median Survival, Asumsi Proposional Hazard, Hazard rasio, dan Cara Entri Data untuk Analisis Survival
• Bab 3 Kapplan Meier, Survival Rate, Median Survival, dan Asumsi Proposional Hazard Dengan Software Statistik
• Bab 4 Memperoleh Hazard rasio
• Bab 5 Membuat dan Menginterpretasikan Persamaan yang Diperoleh Analisis Survival
• Bab 6 Langkah-langkah Analisis Survival
• Bab 7 Analisis Survival Time Independent Cox Regression
• Bab 8 Analisis Survival Cox Regression Model interaksi
• Bab 9 Analisis Survival Cox Regression Model stratifikasi
• Bab 10 Memilih Model  Stratifikasi atau Model Interaksi?
• Bab 11 Time Dependent karena Kecepatan Berubah
• Bab 12 Time Dependent karena Kecepatan Berubah (2)
• Bab 13 Time Dependent karena Pajanan Berubah

Produk: Pengantar Meta Analisis (Edisi 2, 2019)
Bentuk: Buku Digital/E-book
Nomor eISBN: 978-623-10-8529-0(PDF)
Halaman: xviii+166 halaman
Penerbit: CV Metode MSD, Jakarta
Penulis: M. Sopiyudin Dahlan

Cara akses: Ebook hanya dapat diakses di member area

1. Cara 1
   Setelah Sahabat menyelesaikan pembayaran, Sahabat akan mendapatkan email akses ke konten video. Pada isi email terdapat tombol "Lihat Konten" silakan klik tombol tersebut untuk mengakses konten.
2. Cara 2
   Setelah Sahabat menyelesaikan pembayaran, silakan menuju ke utas.me/sopiyudin lalu klik tombol Login customer di kiri atas. Silakan masukkan alamat email dan tunggu kode OTP dikirimkan ke email atau whatsapp Sahabat. Kode OTP akan dikirimkan ke email atau whatsapp dalam range waktu 2-15 menit. Jika sudah mendapatkan kode OTP, silakan input kode tersebut dan klik login

Deskripsi:

Buku pertama yang membahas meta-analisis secara lengkap, sederhana, dan praktis dengan aplikasi meta analisis. Buku dirancang supaya Anda mampu belajar secara mandiri (self learning text). 
Pada bagian pertama, penulis membahas prinsip umum meta-analisis. Prinsip umum mencakup mengapa perlu meta-analisis serta bagaimana membaca hasil penelitian meta-analisis. Pada bagian berikutnya, dibahas secara bertahap bagaimana melakukan meta-analisis untuk mendapatkan odds rasio, risiko relatif, selisih rerata, dan koefisien korelasi.

Daftar Isi:

• Bab 1 Mengapa, apa, dan terminologi penting meta-analisis
• Bab 2 Interpretasi efek gabungan meta-analisis
• Bab 3 Membuat usulan penelitian meta-analisis
• Bab 4 Alur perhitungan efek gabungan
• Bab 5 Praktik meta-analisis dengan menggunakan Aplikasi EpiYudin
• Bab 6 Ukuran Efek dan Interval Kepercayaan
• Bab 7 Variasi dan Pembobotan Penelitian
• Bab 8 Variasi antarpenelitian
• Bab 9 Fixed Effect Model
• Bab 10 Variasi dan Pembobotan total
• Bab 11 Efek gabungan pada random effects model
• Bab 12 Strategi Pencarian Literatur

Produk: Ebook Metode MSD Pintu Gerbang Memahami Epidemiologi, Biostatistik, dan Metode Penelitian (Edisi 2, 2017)
Bentuk: Buku Digital/ E-book
Nomor ISBN: 978-623-10-8829-1(PDF)
Ukuran: 15 x 24 cm
Halaman: xx+ 246 halaman
Penerbit: CV. Metode MSD, Jakarta
Penulis: M. Sopiyudin Dahlan

Cara akses: Ebook hanya dapat diakses di member area

1. Cara 1
   Setelah Sahabat menyelesaikan pembayaran, Sahabat akan mendapatkan email akses ke konten video. Pada isi email terdapat tombol "Lihat Konten" silakan klik tombol tersebut untuk mengakses konten.
2. Cara 2
   Setelah Sahabat menyelesaikan pembayaran, silakan menuju ke utas.me/sopiyudin lalu klik tombol Login customer di kiri atas. Silakan masukkan alamat email dan tunggu kode OTP dikirimkan ke email atau whatsapp Sahabat. Kode OTP akan dikirimkan ke email atau whatsapp dalam range waktu 2-15 menit. Jika sudah mendapatkan kode OTP, silakan input kode tersebut dan klik login

Deskripsi:

E-book ini memperkenalkan Metode Multiaksis Sopiyudin Dahlan (MSD) yang dikembangkan dengan prinsip Mudah, Simpel, dan Sederhana. Metode ini dirancang untuk membantu mahasiswa S1, S2, dan S3, peneliti, serta pendidik dalam memahami, mempraktikkan, dan mengajarkan dasar-dasar statistik, epidemiologi, dan metodologi penelitian. Dikembangkan sejak 2004, Metode MSD memperoleh sertifikat Hak Kekayaan Intelektual (HAKI) Nomor 00247 pada 2016. Buku ini menjadi pintu gerbang bagi pembaca untuk memahami epidemiologi, biostatistik, dan metodologi penelitian secara lebih mudah dan sistematis.

Metode MSD menggunakan empat aksis untuk memecahkan berbagai aspek penelitian, yaitu aksis pertama untuk masalah statistik, aksis kedua untuk masalah substansi, aksis ketiga untuk memastikan kesahihan, dan aksis keempat untuk aspek etika. 

E-book ini terdiri dari bagian pengantar dan lima bab yang membahas diagnosis multiaksis secara bertahap. Pembahasannya disajikan dalam bentuk tanya jawab, terinspirasi dari berbagai pertanyaan yang muncul dalam konsultasi, komunikasi melalui email, dan pelatihan. Dengan pendekatan ini, pembaca diajak memahami istilah-istilah dalam diagram diagnosis multiaksis sekaligus melihat keterkaitannya dengan statistik, epidemiologi, dan metodologi penelitian.

Untuk mengoptimalkan pemahaman, penulis menganjurkan pembaca mengerjakan latihan terlebih dahulu, mempelajari materi, kemudian kembali mengerjakan latihan. Pendekatan belajar ini membantu pembaca membangun pemahaman secara aktif, bukan sekadar membaca teori. 

Hingga saat ini, Metode MSD telah dipercaya oleh 8.478+ klien, 2.245+ alumni workshop, dan 77+ institusi pendidikan, menunjukkan penerapannya dalam mendukung pembelajaran dan praktik statistik, epidemiologi, serta metodologi penelitian.

Daftar Isi:

Bagian 1 Multiaksial Statistik Diagnosis

• Bab 1 Diagnosis Aksis Deskriptif.
  1.A. Pengertian dan Proses Diagnosis.
  1.B. Konsekuensi Diagnosis Aksis Deskriptif Terhadap Analisis dan Hipotesis.
  1.C. Konsekuensi Diagnosis Aksis Deskriptif Terhadap Pemilihan Rumus Besar Sampel.
  1.D. Contoh Penelitian dengan Diagnosis Aksis Deskriptif.
• Bab 2 Diagnosis Aksis Korelatif.
  2.A. Pengertian dan Proses Diagnosis.
  2.B. Konsekuensi Diagnosis Aksis Korelatif Terhadap Analisis.
  2.C. Konsekuensi Diagnosis Aksis Korelatif Terhadap Pemilihan Rumus Besar Sampel.
  2.D. Contoh Penelitian dengan Diagnosis Aksis Korelatif.
• Bab 3 Diagnosis Aksis Komparatif.
  3.A. Pengertian dan Proses Diagnosis.
  3.B. Konsekuensi Diagnosis Aksis Komparatif Terhadap Analisis dan Hipotesis.
  3.C. Konsekuensi Diagnosis Aksis Komparatif Terhadap Pemilihan Rumus Besar Sampel.
  3.D. Contoh Penelitian dengan Diagnosis Aksis Komparatif.
• Bab 4 Diagnosis Aksis Multivariat
  4.A. Pengertian dan Proses Diagnosis.
  4.B. Konsekuensi Diagnosis Aksis Multivariat Terhadap Analisis dan Hipotesis .
  4.C. Konsekuensi Diagnosis Aksis Multivariat Terhadap Pemilihan Rumus Besar Sampel.
  4.D. Contoh Penelitian dengan Diagnosis Aksis Multivariat.

Bagian 2 Multiaksial Substansi Diagnosis

• Bab 5 Diagnosis Aksis Substansi.
  5.A. Pengertian dan Proses Diagnosis.
  5.B. Konsekuensi Diagnosis Aksis Substansi Terhadap Ide dan Latar Belakang Penelitian.
  5.C. Konsekuensi Diagnosis Aksis Substansi Terhadap Pemilihan Desain Penelitian.
  5.D. Konsekuensi Diagnosis Aksis Substansi Terhadap Penamaan Desain Penelitian.

🎯 Besar Sampel Uji Instrumen: Berapa yang Benar dan Apa Dasar Penentuannya?
Panduan sistematis memahami validitas instrumen dan menentukan jumlah subjek secara tepat

Banyak peneliti menghadapi kebingungan yang sama saat akan melakukan uji instrumen: “Berapa sebenarnya jumlah subjek yang dibutuhkan?”

Sebagian mengikuti angka yang sering beredar tanpa memahami dasar metodologisnya, sebagian lain sekadar meniru penelitian sebelumnya, dan tidak sedikit yang akhirnya menyusun uji instrumen tanpa benar-benar memahami apakah pendekatan yang dipilih sudah tepat. 

Masalah ini sering dianggap sepele, padahal kesalahan dalam menentukan besar sampel atau memahami validitas instrumen dapat membuat seluruh fondasi penelitian menjadi rapuh sejak awal.

Kebingungan ini biasanya muncul karena peneliti belum memahami satu hal mendasar: 

• Bagaimana dasar logis menentukan jumlah subjek untuk penelitian validitas. 

Akibatnya, proses uji instrumen sering berubah menjadi formalitas administratif semata, sekadar memenuhi syarat proposal, bukan langkah metodologis yang benar-benar menjamin kualitas alat ukur.

Melalui Expert Insight ini, Sahabat akan dipandu memahami konsep-konsep kunci secara sistematis dan aplikatif. Webinar ini akan membahas 

1. Mengapa besar sampel uji instrumen sering menjadi kebingungan peneliti
2. Jawaban populer besar sampel validitas
3. Bagaimana Metode MSD membantu penyelesaian masalah

Pembahasan disusun dengan pendekatan logis khas MSD sehingga mudah dipahami tanpa terjebak pada hafalan angka atau aturan praktis yang sering menyesatkan.

Bayangkan jika Sahabat 

• tidak lagi menebak-nebak jumlah sampel untuk uji instrumen, 
• tidak lagi ragu saat menjelaskan dasar metodologis kepada pembimbing atau reviewer, dan 
• mampu memastikan bahwa instrumen penelitian yang digunakan benar-benar memiliki landasan yang sahih. Inilah bekal penting agar penelitian Sahabat tidak hanya terlihat benar di proposal, tetapi juga kokoh secara metodologis.

🎯 Recorded Lecture ini sangat direkomendasikan untuk:
✔️ Mahasiswa S1, S2, dan S3 yang sedang menyusun proposal atau melakukan uji instrumen
✔️ Dosen pembimbing yang ingin memperkuat pemahaman metodologis terkait penelitian validitas
✔️ Peneliti yang ingin memastikan instrumen penelitiannya disusun dengan dasar yang benar

Jangan biarkan uji instrumen Sahabat sekadar formalitas. Saatnya memahami logikanya, menentukan jumlah subjek dengan tepat, dan membangun penelitian yang benar-benar sahih sejak awal. 🚀

=========================================================

Daftar isi video

1. Pembukaan
2. Masalah Besar Sampel Uji Instrumen
3. Tujuan Mempelajari Prinsip Besar Sampel Uji Instrumen
4. Berapa Besar Sampel untuk Uji Instrumen?
5. Gambaran Besar Sampel Uji Instrumen di Metode MSD
6. Prinsip Penentuan Rumus Besar Sampel
7. Besar Sampel Uji Instrumen Menurut Metode MSD
8. Hitung Besar Sampel Uji Instrumen dengan Kalkulator Besar Sampel MSD
9. Kesimpulan

🎯Strategi Membuat Pertanyaan Penelitian yang Mengunci Rumus Sampel dan Uji Statistik 
Satu Kalimat Tepat, Metodologi Akurat, Penelitian Selamat.

Banyak peneliti tidak menyadari bahwa masalah terbesar dalam penelitian bukan pada analisis, tetapi dimulai dari satu kalimat: pertanyaan penelitian. 

Kalimat yang tampak sederhana ini sering kali ambigu, tidak spesifik, dan bahkan membingungkan penelitinya sendiri. 

Masalahnya, pertanyaan yang "abu-abu" akan membuat Sahabat tersesat saat harus menentukan desain penelitian, kerangka konsep, hipotesis, rumus besar sampel hingga uji statistik.

Akibatnya? 
Seluruh proses penelitian menjadi tidak terarah dan berisiko menghasilkan kesimpulan yang tidak sahih.

Hati-hati, kesalahan diksi bisa berakibat fatal pada validitas penelitian! 

Bayangkan Sahabat sudah mengumpulkan data berbulan-bulan, namun saat sidang atau peer-review, metode penelitian yang Sahabat gunakan tidak sinkron dengan pertanyaan penelitian.

Akibatnya? 
Penelitian dianggap tidak representatif dan revisi besar-besaran menanti. Jangan biarkan investasi waktu dan biaya Sahabat hancur hanya karena satu kalimat yang tidak presisi.

Melalui Expert Insight ini, Sahabat akan mempelajari bagaimana menyusun pertanyaan penelitian yang jelas, spesifik, tidak ambigu, dan langsung terhubung dengan keputusan metodologis (penentuan desain penelitian, kerangka konsep, hipotesis, rumus besar sampel dan uji statistik)

Dibahas secara sistematis dan aplikatif, Sahabat akan memahami bagaimana merumuskan pertanyaan yang secara otomatis menjadi "blue print" bagi penentuan desain penelitian hingga uji statistik penelitian Sahabat.

Dengan pendekatan yang logis dan mudah diikuti, Sahabat tidak hanya belajar “menulis pertanyaan”, tetapi membangun fondasi penelitian yang kuat sejak awal.

🎯 Expert Insight ini sangat direkomendasikan untuk:
✔️ Mahasiswa S1, S2, S3 yang sedang bingung menyusun pertanyaan penelitian spesifik
✔️ Dosen yang ingin membekali mahasiswa dengan cara berpikir metodologis yang benar
✔️ Peneliti yang ingin menghindari kesalahan dalam menentukan keputusan metodologisnya

Daftar Sekarang ! 

Saatnya memastikan satu kalimat pertama dalam penelitian Sahabat benar-benar kuat, jelas, dan mengunci seluruh metodologi dengan tepat. 🚀

🏅Seni Bertahan di Tengah Krisis Data: Panduan Ahli Menangani Missing Data dan Drop Out
Lindungi Penelitian Sahabat dari Penolakan Publikasi karena Tidak Tepat Mengelola Drop Out dan Missing data

Pernahkah Sahabat merasa tenang karena memiliki cadangan sampel 10%, lalu memilih mengeluarkan data yang tidak lengkap dari analisis? 
Atau menganggap subjek drop out bukan masalah besar karena bisa diganti begitu saja?

Inilah jebakan yang paling sering terjadi dalam penelitian 

Missing data (data tidak lengkap) dan drop out adalah ancaman serius terhadap validitas, kekuatan analisis, dan kesahihan kesimpulan. 
Banyak penelitian tampak “aman” di permukaan, tetapi sebenarnya mengalami bias tersembunyi yang membuat hasilnya tidak lagi dapat dipercaya, bahkan berisiko tinggi ditolak saat proses publikasi.

Melalui Expert Insight ini, Sahabat akan memahami: 

✔️Mengapa data tidak lengkap dan drop out merupakan masalah serius dalam penelitian
✔️Mengapa cara-cara praktis yang selama ini dianggap benar justru bisa merusak penelitian
✔️Bagaimana strategi yang tepat untuk menanganinya

👥 Siapa yang Wajib mempelajari topik ini?

Expert Insight ini dirancang khusus bagi Sahabat yang tidak ingin penelitiannya terhenti di tengah jalan karena kendala teknis data:

• Mahasiswa S1, S2, & S3 (Kedokteran & Kesehatan) yang sedang menyusun skripsi, tesis, atau disertasi.
• Dokter, Dokter Gigi, & Tenaga Kesehatan yang sedang melakukan penelitian klinis di RS.
• Dosen & Peneliti Akademis yang ingin memastikan publikasi jurnalnya tembus ke indeks Scopus/bereputasi tanpa kendala metodologi.

📲 Cara Pendaftaran & Akses:

• Klik tombol "Daftar Sekarang" dan selesaikan pembayaran.
• Link akses materi akan dikirim secara otomatis oleh sistem Utas ke email Sahabat segera setelah pembayaran terverifikasi.
• Sahabat juga dapat melihat link akses langsung di dashboard akun Utas Sahabat.

Saatnya berhenti mencari jalan paling mudah—dan mulai mengambil keputusan yang paling sahih untuk kualitas penelitian Sahabat. Daftar sekarang sebelum harga kembali normal.

[KLIK TOMBOL DAFTAR SEKARANG]

=======================================================
Daftar isi video:

1. Pengantar
2. Gambaran Metode MSD Melihat Statistika dan Metode Penelitian
3. Contoh Artikel yang Menyampaikan Missing serta Pokok Bahasan Webinar
4. Mengapa Missing Data adalah Musuh Peneliti
5. Rimba Raya Terminologi
6. Tiga Wajah(Jenis) Missing Data
7. Alur Mengidentifikasi Tiga Wajah Missing Data
8. Gambaran Umum Penanganan Missing Data
9. Pertimbangan Pemilihan Metode Penanganan
10. Kasus 1: Contoh Penanganan Missing Data Jenis MCAR
11. Kasus 2: Contoh Penanganan Missing Data pada Variabel Terikat (Jenis Missing Data: MNAR)
12. Kasus 3: Contoh Penanganan Missing Data pada Data Baseline (Jenis Missing Data: MAR)
13. Kasus 4: Contoh Penanganan Missing Data pada Penelitian Survival 
14. Kasus 5: Contoh Penanganan Missing Data pada Variabel Bebas (Penelitian Observasional)
15. Kasus 6: Contoh Penanganan Missing Data pada Variabel Terikat dan Bebas (Penelitian Observasional)
16. Referensi dan Kesimpulan

🔍 Random Error vs Systematic Error: Kapan Disebut Bias, Kapan Tidak?
Panduan Konseptual Memahami Error dan Bias dalam Penelitian

Banyak peneliti dan klinisi terlalu mudah menyebut “bias”.

Hasil tidak signifikan? → Bias.
Data melebar? → Bias.
Metode kurang rapi? → Bias.

Padahal, tidak semua ketidaktepatan adalah bias, dan tidak semua error pantas disebut bias.

Dalam penelitian klinis, istilah bias sering digunakan secara berlebihan, baik saat membaca jurnal, diskusi ilmiah, hingga proses review proposal dan publikasi.

Akibatnya?

• Kritik menjadi tidak tepat sasaran
• Penilaian kesahihan penelitian menjadi kabur
• Kesimpulan ilmiah berisiko keliru

Webinar ini akan membantu Sahabat memahami perbedaan konseptual antara random error, systematic error, dan bias—secara runtut dan aplikatif.

Dalam sesi ini, Sahabat akan mempelajari:

• Mengapa istilah “bias” sering disalahgunakan
• Jenis-jenis error dalam penelitian
• Apa itu random error
• Apa itu systematic error
• Kapan error boleh disebut bias
• Kapan tidak etis menyebut error sebagai bias
• Studi kasus terintegrasi:
  👉 mengidentifikasi random error dan systematic error
  👉 apa yang salah, dan bagaimana seharusnya

Materi dirancang agar Sahabat:
✔️ Lebih presisi dalam menilai penelitian
✔️ Lebih tepat saat mengkritisi jurnal
✔️ Lebih aman secara ilmiah dan etis

👉 Amankan kursi Sahabat sekarang.
Karena ketepatan istilah adalah fondasi integritas ilmiah.

Berikut daftar isi video:

1. Gambaran Topik Error dan Bias dalam Metode MSD
2. Pokok Bahasan “Random Error vs Systematic Error: Kapan Disebut Bias, Kapan Tidak?”
3. Mengapa membahas tema ini?
4. Rimba raya terminologi
5. Formula matematik kebenaran
6. Kesalahan acak/random dan kesalahan systematic, mana yang termasuk bias?
7. Hubungan Kesalahan dan Perbaikannya (Ilustrasi 1)
8. Hubungan Kesalahan dan Perbaikannya (Ilustrasi 2)
9. Hubungan Kesalahan dan Perbaikannya (Ilustrasi 3)
10. Resume

Selama tahun 2025, MSD menyelenggarakan rangkaian Webinar Series yang membahas inti dari metodologi penelitian, statistik, hingga AI modern.
Kini, seluruh rekamannya tersedia dalam satu paket bundling superhemat—khusus bagi Sahabat yang ingin meningkatkan kualitas penelitian.

Paket ini berisi 12 webinar premium dengan tema-tema paling dicari oleh peneliti, mahasiswa S2/S3, dosen, dan praktisi:

1. Nested Case-Control: Jalan Tengah Cerdas antara Kohort dan Case Control
2. Kohort, Kasus-Kontrol, atau Potong Lintang? Panduan Memilih Desain Penelitian
3. Strategi Memilih dan Melakukan Alokasi Random yang Bebas Bias
4. Strategi Jitu Menulis Latar Belakang Penelitian yang Kokoh dan Ilmiah dengan Formula FPENOM
5. Apakah Rumus Federer Masih Layak Dipakai?
6. AI untuk Analisis Statistik: Supervised dan Unsupervised Learning
7. KO4S: Prinsip Kunci Menyusun Proposal Penelitian Berkualitas
8. The Magic of 2 point 2 Table: Tabel serupa, penggunaan berbeda, pemilihan seksama
9. Survival Bias : Ancaman Potensial terhadap Kesahihan Penelitian
10. Kupas Tuntas Cara Melaporkan Alur Penelitian Sesuai Guideline
11. Jumlah Subjek Tidak Seimbang Bagaimana Solusinya?
12. Teknik Prompting Metode MSD-AI

Setiap webinar membahas core knowledge yang langsung dapat digunakan dalam penyusunan proposal, analisis data, hingga publikasi.

Dengan paket ini Sahabat akan mendapatkan:

🎯 Pemahaman lengkap dari hulu ke hilir penelitian

Mulai dari diagnosis statistika, penentuan desain, perhitungan besar sampel, alokasi random, hingga analisis modern berbasis AI.

🧠 Kejelasan konsep, bukan hanya hafalan

Materi disampaikan runtut dengan pendekatan MSD—logis, aplikatif, dan mudah diikuti.

💡 Hemat besar, manfaat maksimal

Harga normal akumulasi: Rp3.588.000
🔥 Harga bundling diskon 75%: Rp897.000

⏳ Akses Rekaman 6 Bulan

Belajar fleksibel kapan saja, ulang materi sebanyak yang diperlukan.

Jadikan tahun ini sebagai momentum peningkatan kualitas penelitian Sahabat.
Klik link pendaftaran dan amankan paket bundling sebelum harga kembali normal.

AI untuk Meta-Analisis: Jalan Pintas atau Jebakan Metodologis?
Memahami peluang, risiko, dan batas etis penggunaan AI dalam meta-analisis

Artificial Intelligence kini mampu mempercepat screening literatur, ekstraksi data, hingga analisis statistik dalam meta-analisis.
Namun pertanyaannya bukan lagi “bisa atau tidak”, melainkan:
apakah penggunaan AI benar-benar membantu, atau justru menciptakan jebakan metodologis yang tidak disadari?

Banyak peneliti mulai menggunakan AI dalam meta-analisis tanpa pemahaman metodologi yang memadai.

Akibatnya:

❌AI dipakai untuk menggantikan critical thinking peneliti
❌Proses menjadi cepat, tetapi validitas dan transparansi melemah
❌Bias seleksi, kesalahan ekstraksi, hingga pelanggaran etika publikasi tidak terdeteksi
❌Reviewer jurnal semakin kritis terhadap studi meta-analisis berbasis AI

Jika salah digunakan, AI tidak hanya menghasilkan analisis yang keliru, tetapi juga:

😫Menyesatkan kesimpulan evidence-based
😫Mengancam kredibilitas peneliti
😫Berujung pada penolakan publikasi atau revisi berkepanjangan
😫Ironisnya, semua ini sering terjadi bukan karena AI-nya salah, tetapi karena cara menggunakannya yang tidak tepat.

Webinar ini dirancang untuk membantu Sahabat memahami posisi AI secara proporsional dalam meta-analisis.
Bukan untuk menggantikan metodologi, tetapi memperkuatnya secara bertanggung jawab.

Dalam webinar ini, Sahabat akan mempelajari:

A. AI dalam Penelitian
- Apa kesulitan SLR-MA tanpa AI?
- Mengapa menggunakan AI?
- Apakah produk AI boleh digunakan?

B. Panduan & Alat
- Bila boleh, bagaimana panduan umum cara menggunakannya?
- Apa saja produk-produknya?
- Produk yang mana yang sebaiknya digunakan?

C. Kualitas & Etika
- Bagaimana kualitasnya? Adakah penelitian yang meneliti kualitas?
- Apakah produk ini analog dengan Microsoft Word atau dengan Stata?
- Bila menggunakannya, apakah harus disebutkan dalam proposal?
- Bila menggunakannya, apakah harus disebutkan dalam publikasi?

Semua dibahas langsung oleh
M. Sopiyudin Dahlan, dr., M.Epid., M.Hum.
Pakar statistik kedokteran & kesehatan, penulis 24 buku statistik dan metodologi penelitian, termasuk buku Pengantar Meta Analisis, serta dosen tamu di 77+ institusi di Indonesia.

Jika Sahabat ingin:

• Memanfaatkan AI secara cerdas, bukan membabi buta
• Menjaga integritas ilmiah meta-analisis
• Menghasilkan riset yang cepat tanpa kehilangan kesahihan

📌 Rekaman webinar ini wajib Sahabat pelajari.

AI bisa menjadi jalan pintas — atau jebakan.
Rekaman webinar ini membantu Sahabat membedakannya. Daftar sekarang!!

Nested Case-Control: Jalan Tengah Cerdas antara Kohort dan Case Control
Apa, Mengapa, dan Bagaimana Menggunakan Nested Case-Control

Banyak peneliti selama ini hanya mengenal dua pilihan desain: kohort atau case control. Akibatnya, saat menghadapi keterbatasan dana, waktu, atau jumlah sampel, penelitian menjadi tidak efisien atau bahkan tidak sahih.

Padahal, ada satu desain yang sebenarnya lebih hemat, lebih kuat, dan lebih relevan, tetapi sering kali terlewatkan: Nested Case-Control.

Nested Case-Control memungkinkan peneliti mendapatkan kekuatan analisis ala kohort, namun dengan biaya, waktu, dan sumber daya yang jauh lebih hemat.

Ironisnya, banyak peneliti sebenarnya bisa menggunakan nested case-control, tetapi tidak tahu:

❗ Bagaimana desain ini bekerja
❗ Kapan harus menggunakannya
❗ Mengapa desain ini lebih unggul dalam konteks tertentu
❗ Apa kelebihan metodologis dan statistiknya

Tanpa pemahaman ini, penelitian yang seharusnya efisien dan kuat justru menjadi tidak optimal.

Simak rekaman webinar “Nested Case-Control: Jalan Tengah Cerdas antara Kohort dan Case Control” untuk mendapatkan pemahaman utuh tentang desain penelitian yang menggabungkan keunggulan kohort dan case control secara sekaligus.

Dalam rekaman webinar ini Sahabat akan mempelajari:

🔍 Apa itu Nested Case-Control dan mengapa ia lahir dari desain kohort?
🔍 Bagaimana alur pembentukan kasus–kontrol di dalam kohort?
🔍 Situasi penelitian yang tepat untuk memilih desain ini
🔍 Perbandingan objektif dengan kohort dan case control biasa
🔍 Keunggulan metodologis dan statistik yang sering tidak disadari peneliti

Semua dijelaskan secara sistematis, runtut, dan mudah dipahami.

Hasil akhirnya?
Sahabat bisa merancang penelitian yang lebih kuat, lebih efisien, dan lebih mudah dipublikasikan.

Dengan memahami nested case-control, Sahabat bisa meningkatkan kualitas metodologi penelitian secara drastis — tanpa menambah kerumitan.

👉 Daftar sekarang!
Pastikan Sahabat tidak ketinggalan pemahaman penting tentang desain penelitian yang menjadi “jalan tengah cerdas” antara kohort dan case control.

==========================================================

Daftar isi video:
1. Pokok bahasan Webinar Nested Case Control
2. Hierarki Desain Penelitian Etiognostik dan Prognostik
3. Apa Kelemahan Desain Kasus Kontrol
4. Apakah Kasus Kontrol Otomatis Alternatif Kohort
5. Desain Kohort dan Kasus Kontrol Penyegaran
6. Contoh Nested Case Control - Kasus 1
7. Contoh Nested Case Control - Kasus 2