Validasi dan Bias

Dewi Yuniar- K013232025

Pentingnya Validasi
Pengukuran dalam
Riset Epidemiologi

Dalam riset epidemiologi, validasi pengukuran memegang peranan penting untuk

memastikan keandalan dan akurasi hasil penelitian. Validasi membantu
mengidentifikasi potensi bias, kesalahan, dan keterbatasan alat ukur yang digunakan,
sehingga kesimpulan yang ditarik dapat dipercaya dan digunakan untuk membuat
kebijakan atau intervensi yang tepat.
 Definisi Validasi dan Bias

A. Validitas adalah Derajat ketetapan dari suatu jenis pengukuran dalam

mengukur terhadap yang seharusnya diukur.
B. Bias adalah penyimpangan hasil atau interferens dari suatu kenyataan
yang sebenarnya atau proses –proses yang mengarah ke penyimpangan
tersebut.
Eror pada Inferensi Epidemiologi

Dalam penelitian epidemiologi dikenal dengan 2 macam bentuk

kesalahan eror yang berdampak pada validitas penelitian yaitu
Kesalahan Acak (Random Eror) dan Kesalahan Sistematis
(Systematic Eror/Bias).
 Kesalahan Acak
Kesalahan acak adalah suatu kesalahan hasil pengukuran yang terjadi secara random (acak) yang
dimungkinkan karena adanya faktor kemungkinan 0

Sumber Utama Kesalahan Acak

Variasi Biologi Individu Kesalahan Pengambilan Sampel Kesalahan Pengukuran

Variasi biologis individu mengacu Kesalahan pengambilan sampel Kesalahan pengukuran terjadi ketika
pada perbedaan alami yang terjadi terjadi ketika sampel yang dipilih terdapat ketidakakuratan dalam
di antara individu dalam populasi dalam penelitian tidak sepenuhnya pengukuran variabel penelitian.
yang diteliti. mewakili populasi target. Kesalahan ini dapat disebabkan oleh
Setiap individu memiliki karakteristik Hal ini dapat disebabkan oleh berbagai faktor, seperti instrumen
biologi yang unik, seperti genetik, beberapa faktor, seperti ukuran pengukuran yang tidak akurat, prosedur
metabolisme, dan respons terhadap sampel yang terlalu kecil, teknik pengukuran yang tidak standar, atau
paparan atau perlakuan. pengambilan sampel yang tidak kesalahan manusia dalam pencatatan atau
Variasi ini dapat menyebabkan tepat, atau ketidakakuratan dalam pelaporan data.
perbedaan dalam hasil yang diamati memilih sampel yang representatif.
pada individu yang dipaparkan pada
kondisi yang sama
Contoh Kesalahan Acak dalam Pengukuran

Fluktuasi Suhu Lingkungan Keterbatasan Ketelitian Kesalahan Prosedur

Alat Ukur Pengukuran
Perubahan suhu ruangan selama Keterbatasan ketelitian dan Kesalahan manusia seperti kurang
proses pengukuran dapat resolusi alat ukur dapat fokus, terburu-buru, atau salah
menyebabkan kesalahan acak, menyebabkan kesalahan acak mengikuti prosedur pengukuran
misalnya pembacaan termometer dalam pembacaan skala, terutama dapat menimbulkan kesalahan
yang berubah-ubah akibat untuk nilai pengukuran yang acak yang tidak terduga.
perubahan suhu sekitar. sangat kecil.
Mengatasi Kesalahan Acak

1 Identifikasi Sumber 2 Minimalisasi Variabilitas

Kenali terlebih dahulu akar penyebab kesalahan Lakukan upaya untuk mengurangi fluktuasi dan
acak, apakah berasal dari alat ukur, kondisi memastikan kondisi pengukuran tetap stabil,
lingkungan, atau faktor manusia. seperti menjaga suhu dan kelembaban ruangan.

3 Peningkatan Ketelitian 4 Analisis Statistik

Gunakan alat ukur yang lebih presisi dan teliti, Terapkan metode analisis statistik yang tepat,
serta latih keterampilan personel dalam seperti perhitungan rata-rata dan standar
pembacaan skala dan prosedur pengukuran. deviasi, untuk memperhitungkan fluktuasi acak.
 Ukuran Sampel Perhitungan sampel harus cukup besar agar penelitian memiliki kekuaran statistik yang
cukup untuk mendeteksi perbedaan yang di anggap penting

Tingkat kemaknaan statistik yang diperlukan dari kemampuan

penelitian untuk mendeteksi perbedaan

Kesalahan yang dapat diterima atau kemungkinan kehilangan

efek nyata

Informasi Sebelum
Perhitungan Sampel Besarnya efek yang sedang diteliti

Rate penyakit tanpa keterpaparan (atau rate prevalensi

keterpaparan tanpa penyakit)

Besarnya nilai relatif dari kelompok yang di bandingkan

 Lanjutan Ukuran Sampel
Ukuran sampel sering ditentukan oleh pertimbangan logistik dan keuangan serta kompromi selalu harus dibuat antara ukuran
sampel dan biaya

Studi Kasus-Kontrol: Gunakan rasio kasus:kontrol antara 1:1 hingga 1:4

Uji Klinis/Eksperimental
Gunakan rumus berikut untuk menghitung ukuran sampel: n = 2(Z_α + Z_β)^2 σ^2 / (μ1 - μ2)^2 di mana: n =
ukuran sampel minimal per kelompok Z_α = nilai Z untuk tingkat kepercayaan tertentu Z_β = nilai Z untuk
daya uji tertentu σ = perkiraan standar deviasi μ1 = rata-rata yang diharapkan pada kelompok kontrol μ2 =
rata-rata yang diharapkan pada kelompok intervensi
Pandungan perhitungan
sampel Kesehatan Studi Prevalensi/Cross-Sectional:
menurut WHO Jika prevalensi tidak diketahui, gunakan P = 0,5 untuk memaksimalkan ukuran sampel

Pertimbangkan kemungkinan drop-out atau kehilangan untuk mengikuti (loss to follow-up) dan tambahkan
persentase tertentu (misalnya, 10-20%) ke ukuran sampel yang dihitung.

Untuk penelitian kualitatif, gunakan prinsip saturasi data, di mana pengumpulan data dihentikan ketika tidak
ada informasi baru yang diperoleh dari partisipan tambahan.
 Efisiensi Penelitian
Ukuran sampel sering ditentukan oleh pertimbangan logistik dan keuangan serta kompromi selalu harus dibuat antara ukuran
sampel dan biaya

Studi Kasus-Kontrol: Gunakan rasio kasus:kontrol antara 1:1 hingga 1:4

Uji Klinis/Eksperimental
Gunakan rumus berikut untuk menghitung ukuran sampel: n = 2(Z_α + Z_β)^2 σ^2 / (μ1 - μ2)^2 di mana: n =
ukuran sampel minimal per kelompok Z_α = nilai Z untuk tingkat kepercayaan tertentu Z_β = nilai Z untuk
daya uji tertentu σ = perkiraan standar deviasi μ1 = rata-rata yang diharapkan pada kelompok kontrol μ2 =
rata-rata yang diharapkan pada kelompok intervensi
Pandungan perhitungan
sampel Kesehatan Studi Prevalensi/Cross-Sectional:
menurut WHO Jika prevalensi tidak diketahui, gunakan P = 0,5 untuk memaksimalkan ukuran sampel

Pertimbangkan kemungkinan drop-out atau kehilangan untuk mengikuti (loss to follow-up) dan tambahkan
persentase tertentu (misalnya, 10-20%) ke ukuran sampel yang dihitung.

Untuk penelitian kualitatif, gunakan prinsip saturasi data, di mana pengumpulan data dihentikan ketika tidak
ada informasi baru yang diperoleh dari partisipan tambahan.
 Validasi Pengukuran
Adalah derajat ketepatan pengukuran yang berhubungan dengan proses pengukuran variabel dan dapat di bedakan atas 4
macam.
Validitas Isi (Content Validity). Validitas isi mengacu pada sejauh mana instrumen
atau metode pengukuran mencakup semua aspek atau domain dari variabel
yang ingin diukur.

(Face Validity)Validitas ini mengacu pada sejauh mana suatu instrumen atau metode
pengukuran tampak mengukur apa yang seharusnya diukur.

Validitas
Pengukuran a. Validitas konkuren (concurrent validity):
Criterion Validity) Validitas kriteria mengacu pada Mengukur korelasi antara instrumen dengan
sejauh mana hasil pengukuran dari instrumen atau kriteria pada waktu yang bersamaan.
metode yang diuji berkorelasi dengan kriteria atau b. Validitas prediktif (predictive validity):
standar emas (gold standard) yang telah ditetapkan Mengukur sejauh mana instrumen dapat
sebelumny memprediksi kriteria di masa depan.

(Construct Validity) Validitas konstruk mengacu pada sejauh mana instrumen

atau metode pengukuran mengukur konstruk teoritis yang mendasarinya.
 Validasi Penelitian
penelitian epidemiologi, ada dua jenis validitas utama yang perlu diperhatikan, yaitu validitas internal (internal validity) dan
validitas eksternal (external validity).

Validitas Internal (Internal Validity) mengacu pada sejauh mana hubungan

sebab-akibat yang diamati dalam suatu penelitian dapat dianggap benar atau
valid secara internal, dalam sampel yang diteliti.

Validitas Eksternal (External Validity) mengacu pada sejauh mana hasil

penelitian dapat digeneralisasikan atau berlaku untuk populasi atau situasi
yang lebih luas di luar sampel penelitian

Atribut Pengukuran Selain validitas internal dan eksternal, terdapat beberapa

atribut pengukuran yang perlu dipertimbangkan dalam penelitian, antara lain:
a. Validitas (Validity)
b. Reliabilitas (Reliability)
c. Objektivitas (Objectivity)
 Variabel Internal (Validity)
Validitas Internal adalah keadaan yang menunjukan sampai sejauh
mana suatu perubahan yang diamati dalam suatu penelityian
eksperimental atau kejadian yang diamati pada suatu penelitian
observasi.
Validitas internal ini merupakan validitas estimasi (inferens) yang
dibuat terhadap sampel dengan kata lain bahawa validitas internal
merupakan pengukuran yang akurat (di luar dari pada random error)

Contoh Validitas Internal:Penelitian mengenai efektivitas obat baru untuk menurunkan tekanan darah pada pasien hipertensi. Validitas
internal penelitian ini merujuk pada sejauh mana penurunan tekanan darah yang diamati benar-benar disebabkan oleh obat yang diteliti,
bukan faktor lain.Faktor-faktor yang dapat mengancam validitas internal antara lain:Bias seleksi, jika peserta tidak dipilih secara acak atau
ada perbedaan karakteristik antara kelompok perlakuan dan kontrol.Bias informasi, jika ada kesalahan dalam pengukuran tekanan darah
atau paparan obat.Bias konfounding, jika ada variabel lain seperti usia, jenis kelamin, atau gaya hidup yang memengaruhi tekanan darah
dan tidak terdistribusi secara merata antar kelompok.Kehilangan untuk tindak lanjut (loss to follow-up), jika beberapa peserta drop out
dari penelitian.Untuk memastikan validitas internal yang tinggi, peneliti harus melakukan randomisasi yang baik, meminimalkan bias,
mengontrol variabel perancu, dan memastikan kepatuhan peserta.
 Variabel Internal (Validity)

Contoh Validitas Internal:

Penelitian mengenai efektivitas obat baru untuk menurunkan tekanan darah pada pasien hipertensi. Validitas internal penelitian
ini merujuk pada sejauh mana penurunan tekanan darah yang diamati benar-benar disebabkan oleh obat yang diteliti, bukan
faktor lain.
Faktor-faktor yang dapat mengancam validitas internal antara lain:
1. Bias seleksi, jika peserta tidak dipilih secara acak atau ada perbedaan karakteristik antara kelompok perlakuan dan kontrol.
2. Bias informasi, jika ada kesalahan dalam pengukuran tekanan darah atau paparan obat.
3. Bias konfounding, jika ada variabel lain seperti usia, jenis kelamin, atau gaya hidup yang memengaruhi tekanan darah dan
tidak terdistribusi secara merata antar kelompok.
4. Kehilangan untuk tindak lanjut (loss to follow-up), jika beberapa peserta drop out dari penelitian.

Untuk memastikan validitas internal yang tinggi, peneliti harus melakukan randomisasi yang baik, meminimalkan bias,
mengontrol variabel perancu, dan memastikan kepatuhan peserta.
Variabel Ekternal (External Validity)

Validitas ekternal adalah sejauh mana proses untuk melakukan

generalisasi di luar hasil pengamatan memerlukanb pemikiran atau
penilaian tentnag karakteristik pengamatan yang layak untuk
maksud tersebut.
Penelitian untuk menghasilkan suatu generalisasi memerlukan
pengetahuan tentnag mana yang relevan dan mana yang tidak
relevan untuk di generaliasasi
 Variabel Internal (Validity)
Penelitian yang sama tentang efektivitas obat baru untuk hipertensi. Validitas eksternal merujuk pada sejauh mana hasil penelitian dapat
digeneralisasikan ke populasi yang lebih luas, di luar sampel penelitian.
Faktor-faktor yang dapat mengancam validitas eksternal antara lain:
1. Reaktif atau efek interaktif pada testing : Biasanya terjadi pada desain pretes, yaitu dengan terjadinya proses pada kelompok sampel akibat adanya
pretes tersebut.
2. Interaksi antara bias seleksi dengan perlakukan (Interaction of selection bias and expertimantal treatment) . Terjadinya interaksiantara
karakteristik sampel dengan bentuk perlakuan.
3. Efek pengaruh terhadap eksperimental (Reactive effect of experimental arragements) . Biasanya lebih sering terjadi pada eksperimen yang
dilakukan di laboratorium dimana karakteristik yang ada pada laboratorium tersebut turut berpengaruh.
4. Akibat dari perlakukan yang berulang (Multiple- treatment interference) biasanya terjadi pada subjek yang diberikan suatu perlakuan berulang
dengan dosis/ cara yang berbeda.

Untuk meningkatkan validitas eksternal, peneliti dapat memperluas kriteria inklusi, melakukan penelitian dalam kondisi yang lebih realistis, dan
mempertimbangkan replikasi penelitian di populasi atau tempat yang berbeda.
Validitas internal memastikan bahwa hasil penelitian valid dan dapat dipercaya dalam sampel yang diteliti, sedangkan validitas eksternal memungkinkan
generalisasi temuan ke populasi atau situasi yang lebih luas. Keduanya penting untuk memastikan kualitas dan manfaat hasil penelitian.
 Atribut Pengukuran
Atribut Pengukuran Selain validitas internal dan eksternal, terdapat beberapa atribut pengukuran yang perlu dipertimbangkan
dalam penelitian, antara lain:
a. Validitas (Validity) Validitas mengacu pada sejauh mana suatu instrumen atau metode pengukuran dapat mengukur dengan
akurat variabel yang ingin diukur. Jenis-jenis validitas antara lain validitas muka, validitas isi, validitas kriteria, dan validitas
konstruk.
b. Reliabilitas (Reliability) Reliabilitas mengacu pada konsistensi atau keandalan suatu instrumen atau metode pengukuran
dalam menghasilkan hasil yang sama jika digunakan berulang kali dalam kondisi yang sama.
c. Objektivitas (Objectivity) Objektivitas mengacu pada sejauh mana hasil pengukuran bebas dari bias atau pengaruh subjektif
dari peneliti atau petugas pengumpul data.
d. Sensitivitas dan Spesifisitas Dalam penelitian diagnostik atau skrining, sensitivitas mengacu pada kemampuan tes untuk
mengidentifikasi individu dengan kondisi tertentu, sedangkan spesifisitas mengacu pada kemampuan tes untuk
mengidentifikasi individu tanpa kondisi tersebut.
 Atribut Pengukuran
Atribut Pengukuran Selain validitas internal dan eksternal, terdapat beberapa atribut pengukuran yang perlu dipertimbangkan
dalam penelitian, antara lain:
a. Validitas (Validity) Validitas mengacu pada sejauh mana suatu instrumen atau metode pengukuran dapat mengukur dengan
akurat variabel yang ingin diukur. Jenis-jenis validitas antara lain validitas muka, validitas isi, validitas kriteria, dan validitas
konstruk.
b. Reliabilitas (Reliability) Reliabilitas mengacu pada konsistensi atau keandalan suatu instrumen atau metode pengukuran
dalam menghasilkan hasil yang sama jika digunakan berulang kali dalam kondisi yang sama.
c. Objektivitas (Objectivity) Objektivitas mengacu pada sejauh mana hasil pengukuran bebas dari bias atau pengaruh subjektif
dari peneliti atau petugas pengumpul data.
d. Sensitivitas dan Spesifisitas Dalam penelitian diagnostik atau skrining, sensitivitas mengacu pada kemampuan tes untuk
mengidentifikasi individu dengan kondisi tertentu, sedangkan spesifisitas mengacu pada kemampuan tes untuk
mengidentifikasi individu tanpa kondisi tersebut.
 Atribut Pengukuran
Dalam epidemiologi, presisi (precision) dan akurasi (accuracy)
merupakan dua atribut penting dalam pengukuran variabel penelitian.
Berikut penjelasan tentang kedua atribut tersebut:
a. Presisi (Precision) Presisi mengacu pada sejauh mana pengukuran
yang diulang pada kondisi yang sama akan memberikan hasil yang
konsisten atau dekat satu sama lain.
b. Akurasi (Accuracy) Akurasi mengacu pada sejauh mana hasil
pengukuran mendekati atau sesuai dengan nilai sebenarnya atau nilai
yang dianggap benar. Akurasi terkait dengan validitas (validity) atau
ketepatan suatu pengukuran.

Misalnya, dalam mengukur tekanan darah seseorang, presisi tinggi

berarti bahwa pengukuran berulang akan menghasilkan nilai yang
konsisten atau dekat satu sama lain. Namun, jika alat pengukur tidak
dikalibrasi dengan benar, hasilnya mungkin tidak akurat atau jauh dari
nilai tekanan darah sebenarnya.
 Pola Kesalahan dalam Proses Pengukuran Data
No Pola Kesalahan Penjelasan

1 Kesalahan Sistematik (Systematic kesalahan yang terjadi secara konsisten atau berulang dalam satu arah tertentu. Kesalahan ini dapat
Error) menyebabkan bias dalam hasil Penelitian
bias informasi (information bias), di mana terjadi kesalahan dalam pengukuran atau klasifikasi variabel
paparan atau variabel hasil.

2 Kesalahan Acak (Random Error) kesalahan yang terjadi secara tidak teratur atau acak, tanpa pola tertentu. Kesalahan ini dapat disebabkan
oleh variasi biologis individu, kesalahan pengambilan sampel, atau kesalahan pengukuran. Kesalahan
acak dapat mengurangi presisi (precision) dalam penelitian.

3 Kesalahan Pencatatan (Recording Error) Kesalahan pencatatan terjadi ketika data yang dikumpulkan tidak dicatat atau dimasukkan dengan benar
ke dalam sistem pencatatan atau basis data penelitian. Kesalahan ini dapat disebabkan oleh kelalaian,
kurangnya pelatihan, atau kelelahan petugas pencatatan data.

4 Kesalahan Pengolahan Data (Data Kesalahan pengolahan data terjadi ketika data yang dikumpulkan tidak diolah atau dianalisis dengan
Processing Error) benar. Kesalahan ini dapat disebabkan oleh kesalahan dalam entri data, kesalahan dalam pemrograman
atau pengodean, atau kesalahan dalam penerapan metode analisis statistik yang tepat.
 Langkah-Langkah Antisipasi Pola Kesalahan dalam Proses Pengukuran Data

Untuk meminimalkan kesalahan-kesalahan ini, peneliti dapat mengambil langkah-langkah berikut:

a. Merancang instrumen dan prosedur pengumpulan data yang baik, serta melakukan uji coba dan
validasi sebelum pengumpulan data sebenarnya.
b. Melatih dan mengawasi petugas pengumpul data dengan baik untuk meminimalkan kesalahan
pencatatan.
c. Melakukan kontrol kualitas data secara teratur dan memeriksa adanya kesalahan atau data yang tidak
konsisten.
d. Menggunakan metode analisis data yang tepat dan melakukan verifikasi hasil analisis untuk mendeteksi
kesalahan pengolahan data.

Dengan mengidentifikasi dan mengendalikan kesalahan-kesalahan ini, peneliti dapat meningkatkan kualitas dan
keandalan data yang dikumpulkan, sehingga hasil penelitian menjadi lebih akurat dan valid.
 Kesimpulan
a. Kesalahan acak merupakan fenomena yang tak terelakkan dalam setiap proses pengukuran.
Meskipun tidak dapat dihilangkan sepenuhnya, pemahaman yang baik tentang sifat dan
sumber-sumber kesalahan acak sangat penting untuk meningkatkan akurasi dan reliabilitas
hasil pengukuran.
b. Dalam penelitian epidemiologi, peneliti harus memastikan penggunaan instrumen dan
metode pengukuran yang presisi dan akurat, serta melakukan kontrol kualitas dan kalibrasi
yang tepat untuk meminimalkan kesalahan pengukuran dan mendapatkan data yang valid
dan andal.
c. Validitas internal memastikan bahwa hasil penelitian valid dan dapat dipercaya dalam
sampel yang diteliti, sedangkan validitas eksternal memungkinkan generalisasi temuan ke
populasi atau situasi yang lebih luas. Keduanya penting untuk memastikan kualitas dan
manfaat hasil penelitian.
THANK YOU!
Sumber :
Buku Epidemiologi Dasar
(Disiplin Ilmu dalam
Kesehatan Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH &
Prof. Dr.drg.A.Arsunan Arsin, M.Kes

KESALAHAN
SISTEMATIK
Systematic Error
Penyimpangan juga disebut sebagai suatu kesalahan sistematik (SYSTEMATIC
ERROR) atau BIAS adalah PENYIMPANGAN hasil atau INFERENSI DARI
SATU KENYATAAN yang sebenarnya, atau semua proses yang menuju kearah
terjadinya penyimpangan tersebut. Berbagai macambentuk bias dapat
mempengaruhi validitas internal dan kadang-kadang jenis bias tersebut sulit
dibedakan. SECARA GARIS BESAR ADA 3 MACAM BENTUK BIAS yakni
bias pada seleksi (SELECTION BIAS), bias pada informasi (INFORMATION
BIAS), dan perancu (CONFOUNDING).

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan

Masyarakat) 25
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes
 DISTORSI / PENYIMPANGAN DALAM
PROSES SELEKSI. YANG DAPAT
BIAS SELEKSI MENGARAH PADA PENILAIAN
SUBJEKTIF ATAU DISKRIMINATIF
TERHADAP INDIVIDU ATAU
KELOMPOK TERTENTU.
Selection Bias
Bias seleksi bisa dibedakan :
 bias seleksi sendiri (self
selection bias)
 bias diagnosis (diagnosis bias)

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 26
 Bias Seleksi ada, jika terjadi perbedaan
sistematis antara :
(1) Mereka yg berpartisipasi pada penelitian (2) Mereka yg berada di kelompok pengobatan &
dengan mereka yg tidak berpartisipasi mereka yg dikelompok kontrol dibawah wewenang
(mempengaruhi generalisasi) atau (mempengaruhi perbandingan antar group)

Dimana terdapat perbedaan karakteristik antara kelompok

penelitian & karakteristik tsb berhubungan dengan bias
seleksi dan hasil luaran yg sedang ditelilti
• Bias Sampling • Bias Seleksi pada Penelitian Kohor
• Bias Alokasi terjadi pada uj coba (trial) • Bias Seleksi pada Randomised Trials
• Loss to follow-up / Menghilang dari pemantauan • Bias Pilihan Sendiri
• Bias Seleksi pada Penelitian Kasus-Kontrol • Bias Diagnostik

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 27
 DISTORSI / PENYIMPANGAN DALAM
PEMAHAMAN, INTERPRETASI, ATAU
PENGGUNAAN INFORMASI YANG DAPAT
MEMENGARUHI PENGAMBILAN
BIAS KEPUTUSAN
TERTENTU.
ATAU KELOMPOK

INFORMASI
Kesalahan dalam penelitian juga
Information Bias dikenal sebagai penggolongan yang
salah (misclassification), dan
besarnya efek dari pada bias
tergantung pada bentuk penggolongan
salah tersebut yang sudah terjadi.

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 28
 Jika terjadi kesalahan pengelompokan, Bias ini di anggap lebih kecil pengaruhnya
baik kelompok terpapar atau kelompok terhadap validitas dibanding dengan bias
penyakit dengan proporsi yang sama DIFFERENSIAL MISCLASSIFICATION, oleh
dengan kelompok kontrol. Maka bias yang karena itu bias non diffferensial tersebut labih
muncul disebut : NON DIFFERENSIAL mudah diramalkan efeknya, yaitu selalu kearah
MISCLASSIFICASION hipotesis nol

• BIAS PENGAMATAN • - BIAS PELAPORAN

• BIAS PEWAWANCARA (INTERVIEWER BIAS) • - BIAS PENAMPILAN
• BIAS INGATAN (BIAS ECALL ATAU BIAS • - BIAS INSTRUMEN
RESPONSE) • - MENGATASI BIAS INFORMASI
• BIAS KEINGINAN

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 29
 BIAS PERANCU merupakan jenis bias
yang paling banyak mendapatakan
perhatian dalam epidemiologi modern.
Walaupun perancu juga terjadi pada
PERANCU penelitian eksperimental, namun yang lebih
banyak mendapatkan perhatian adalah pada
Confounding penelitian non eksperimental. Secara umum
perancu diartikan efek yang bercampur,
sedangkan SECARA KHUSUS
PERANCU ADALAH SUATU
PERKIRAAN TERHADAP UKURAN
EFEK FAKTOR PEMAPAR
(EXPOSURE FACTOR) yang dikacaukan
Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan
Masyarakat)
oleh efek suatu variable lain.
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 30
 Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan
Masyarakat)

Suatu Faktor dapat dianggap Perancu /

Confounding :
(1) Mempunyai efek Faktor Risiko terhadap (2) Mempunyai hubungan dengan paparan
penelitian yg sedang dieteliti. (Independent) (exposure) yang sedang diteliti

(3)Faktor perancu tidak boleh merupakan faktor

variable antara dalam jalur kausal antara paparan
yang diteliti dengan penyakit

Perlu di ingat, Perancu merupakan salah satu jenis bias, sehingga penanganan nya
memerlukan PENDEKATAN KUANTITATIF oleh karena yg dipentingkan disini adalah
kuantitas perancu tersebut bukan sekedar mengevaluasi ada tidaknya perancu. 31
 a. Perancu, Interaksi & Efek Modifikasi b. Efek dari Perancu

 Dinyatakan ada hubungan walaupun

sebenarnya tidak ada hubungan
 Dinyatakan tidak ada hubungan namun
sebenarnya ada hubungan pada
keajdian tsb
 Perkiraan hubungan yng rendah
(underespetugasate) atau nilai perancu
negative
 Perkiran hubungan yg tinggi

Gambar Hubungan Variabel Perancu dengan Variabel Lainnya

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan 32

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes
 c. Menyingkirkan Perancu Dalam Desain

Perancu dapat DICEGAH melalui 3

ELEMENT dalam DESAIN PENELITIAN Teknik untuk mengontrol perancu :
yaitu :
• Standarisasi
• Restriksi, (Pengetatan) • Stratifikasi
• Randomisasi • Teknik Statistika
• Penyamaan, Pencocokan, Penyesuaian • Residu
(Maching)

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 33
 SINERGISME, INTERAKSI DAN EFEK 20XX

MODIFIKASI

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan 34

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes
Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan
Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes

Sinergisme didefinisikan sebagai

AKSI SUATU SUBSTANSI
SINERGISME YANG BERBEDA-BEDA
namun bila berkombinasi dapat
menghasilkan efek yang lebih
Sinergisme besar dari pada efek yang
disebabkan oleh hanya satu
komponen tersebut.

35
 Interaksi terjadi bila arah atau
INTERAKSI DAN besarnya dari hubungan antara
EFEK dua variable bervariasi tergantung
pada Tingkat dari variable ketiga
MODIFIKASI (efek dari sifat)
Metode yang sering digunakan
dalam menangani interaksi adalah
Analisa dan tampaknya hubungan
pada setiap tingkatan variable
ketiga.

Sumber : Buku Epidemiologi Dasar (Disiplin Ilu dalam Kesehatan Masyarakat)

Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes 36
 Fokus Utama dalam pembahasan Interaksi dan
Efek Modifikasi
Adalah penentuan tentang ada tidaknya interaksi pada sekumpulan data
yang tergantung pada bagaimana definisi yang digunakan mengenai keadaan
ada tidaknya interaksi tersebut :

Untuk penelitian eksperimental telah dilakukan 8 • Instrumentasi (instrumentation).

faktor yang mempengaruhi validitas • Perobahan nilai secara beruntun (statistical
• Urutan Kejadian (history). regression).
• Pematangan (maturation). • Bias pada seleksi (selection bias)
• Pengujian (tesing). • Kehilangan pada percobaan (eksperimental)
• Pematangan selektif (selection-maturation
interaction).

Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan 37

Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes
THANK YOU!
Sumber : Buku Epidemiologi Dasar (Disiplin Ilmu dalam Kesehatan
Masyarakat)
Prof. Dr. Nur Nasry Noor, MPH & Prof. Dr.drg.A.Arsunan Arsin, M.Kes