Anda di halaman 1dari 20

Dr.

Bhisma Murti, MPH, MSc, PhD

BIAS
Modul ini membahas kesalahan sistematis yang mencederai validitas kesimpulan hasil-hasil riset epidemiologi yang disebut bias. Bias menyebabkan taksiran yang salah tentang hubungan antara paparan dan penyakit atau efek intervensi yang diteliti. Bias bisa terjadi pada semua desain studi, baik survei, studi analitik observasional, maupun studi eksperimental. Penilaian tentang peran bias sebagai penjelasan alternatif tentang hubungan antara paparan dan risiko penyakit, atau efek intervensi, merupakan langkah yang sangat penting dalam riset epidemiologi. Demikian juga eliminasi atau pencegahan sumber bias merupakan langkah yang tidak boleh dikesampingkan agar diperoleh kesimpulan hasil riset epidemiologi yang valid. Modul ini menyajikan definisi bias, klasifikasi bias, akibat-akibat bias, arah bias, besarnya bias, jenis bias, sumber penyebab bias, dan metode untuk mengatasi atau mencegah bias dalam penarikan kesimpulan tentang taksiran hubungan paparan-penyakit atau efek intervensi.

DEFINISI BIAS
Bias adalah kesalahan sistematis dalam memilih subjek penelitian atau mengumpulkan data yang menyebabkan taksiran yang salah (incorrect estimates tentang hubungan antara paparan dan risiko mengalami penyakit, atau efek intervensi terhadap variabel hasil. Bias merupakan kesalahan dalam proses penelitian yang menyebabkan deviasi (penyimpangan hasil-hasil penarikan kesimpulan (inferensi dari kebenaran. !ecara matematis, jika ukuran hubungan yang digunakan adalah odds ratio ("# , maka bias dapat definisikan sebagai berikut$
Bias = ( OR * OR ) /OR

di mana "#% merupakan taksiran "# yang teramati dari populasi sumber (implikasinya, pada populasi studi , sedang "# adalah odds ratio pada populasi sasaran. &ika "#%'"#, maka bias'( (yakni, tidak terdapat bias . &ika "#%)"#, maka terdapat bias)( (yakni, bias positif . &ika "#%*"#, maka terdapat bias*( (yakni, bias negatif . +ebenaran penarikan kesimpulan dalam bahasa metodologi penelitian disebut validitas. Dalam aspek ini bias merujuk kepada ketiadaan atau defisiensi validitas internal di dalam kesimpulan yang ditarik tentang parameter populasi sasaran berdasarkan analisis yang dilakukan pada data sampel. ,rtinya, problem bias terletak pada ketiadaan validitas internal, bukan validitas eksternal. -aliditas eksternal merujuk kepada generalisasi hasil-hasil penarikan kesimpulan dari sebuah populasi (yakni, populasi sasaran kepada populasi lainnya (yang bukan populasi sasaran . .entu validitas eksternal tergantung validitas internal. ,rtinya, ketiadaan validitas internal dengan sendirinya mempengaruhi validitas eksternal. &ika hasil-hasil penarikan kesimpulan tentang paarameter pada populasi sasaran tidak valid dengan sendirinya kesimpulan tersebut tidak valid pula ketika hendak digeneralisasikan kepada populasi di luar populasi sasaran. Bias perlu dibedakan dengan kesalahan random ataupun ketiadaan presisi. Bias merupakan kesalahan sistematis dalam memilih subjek penelitian atau mengumpulkan data tentang subjek penelitian, bukan merupakan kesalahan random, yakni variasi-variasi yang bersifat kebetulan. !ebagai contoh, nilai p yang rendah atau /0123 dari "# atau ## yang sempit mengandung arti bah4a hubungan antara paparan dan penyakit atau efek intervensi yang teramati kecil kemungkinan terjadi karena kebetulan. .etapi nilai p yang rendah atau /0123 yang sempit tidak berarti bah4a taksiran tentang hubungan paparan-penyakit atau efek intervensi tersebut tidak mengandung bias. +eberadaan bias tidak ada hubungannya dengan nilai p. Demikian juga keberadaan bias tidak ada hubungannnya dengan ukuran sampel dan tidak dapat diperbaiki dengan memperbesar ukuran sampel (Dorak, 5((6 .
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 7

Dr. Bhisma Murti, MPH, MSc, PhD

K-ASIFIKASI BIAS
Bias dapat diklasifikasikan menurut beberapa cara. !ebagai contoh, !ackett (7181 dan /hoi (5((( dikutip Delgado-#odrigue9 dan :lorca (5((; mengklasifikasi bias berdasarkan tahaptahap riset di mana terjadi bias tersebut$ pemilihan sampel, pengukuran paparan atau penyakit< variabel hasil, pelaksanaan studi, analisis data, interpretasi hasil, maupun publikasi hasil studi. +lasifikasi yang sederhana tetapi berguna adalah membagi bias ke dalam 5 kategori$ (7 bias seleksi= dan (5 bias informasi (+leinbaum et al., 7165= >ennekens dan Buring, 7168= #othman, 716?= Delgado-#odrigue9 dan :lorca, 5((; . Bias se"eksi Bias seleksi merupakan kesalahan sistematis dalam memilih subjek penelitian, sehingga menyebabkan deviasi taksiran hubungan paparan-penyakit, atau efek intervensi. Bias seleksi dapat terjadi karena kesalahan prosedur yang digunakan untuk memilih subjek penelitian, atau bisa juga terjadi karena terdapat faktor-faktor yang mempengaruhi keikutsertaan subjek ke dalam penelitian, sedemikian sehingga kelompok-kelompok studi, yakni kasus dan kontrol pada studi kasus kontrol, terpapar dan tidak terpapar pada studi kohor, kelompok eksperimen dan kelompok kontrol pada studi eksperimental, menjadi tidak layak untuk diperbandingkan, atau populasi studi (sampel yang diteliti tidak merepresentasikan populasi sasaran. Bias seleksi sering terjadi pada studi kasus kontrol dan studi kohor retrospektif, karena paparan maupun penyakit sudah terjadi pada saat subjek dipilih ke dalam studi.. Dalam studi kasus kontrol, jika pemilihan kasus dan kontrol dipengaruhi oleh status paparan, maka akan terjadi bias seleksi. !ebaliknya, bias seleksi kecil kemungkinan terjadi pada studi kohor prospektif, sebab ketika peneliti memilih subjek penelitian berdasarkan status paparan belum terjadi penyakit, sehingga pemiliha tersebut tidak dipengaruhi oleh status penyakit (>ennekens dan Buring, 7168 . !alah satu sumber penyebab bias seleksi adalah perbedaan tingkat surveilans (ascertainment bias , diagnosis, hospitalisasi (bias Berkson , dan rujukan, di antara subjek-subjek penelitian, dan perbedaan tersebut berkaitan dengan status paparan. !ebagai contoh, !art4ell et al. (71?1 dikutip >ennekens dan Buring (7168 melakukan studi kasus kontrol berbasis rumah sakit untuk meneliti hubungan antara penggunaan kontrasepsi oral ("/ dan risiko tromboemboli. !tudi tersebut menyimpulkan terdapat peningkatan risiko tromboemboli pada 4anita pengguna "/. -alidkah kesimpulan tersebut@ !ejumlah pembaca meragukan validitas kesimpulan itu, karena data kasus dan kontrol berbasis rumah sakit yang digunakan dalam studi tersebut besar kemungkinan telah dipengaruhi oleh tingkat admisi (admission rate kasus yang dipengaruhi oleh status paparan. +arena para dokter umumnya menduga terdapat kemungkinan hubungan antara kejadian tromboemboli dan penggunaan "/, maka keputusan mereka untuk memasukkan dan mera4at kasus tromboemboli di rumah sakit dipengaruhi oleh status penggunaan "/. +asus tromboemboli yang dimasukkan ke rumah sakit umumnya merupakan kasus yang menggunakan "/, sedang kasus tromboemboli yang tidak menggunakan "/ tidak dimasukkan ke dalam rumah sakit. Bias dalam memilih subjek penelitian ini disebut bias Berkson (admission rate bias , yang menyebabkan taksiran hubungan antara "/ dan risiko tromboemboli yang lebih besar daripada sesungguhnya (overestimate . !umber lain penyebab bias seleksi adalah penolakan subjek penelitian (disebut nonreponden , baik dari kelompok kasus ataupun kelompok kontrol dalam studi kasus kontrol, sehingga disebut bias non-respons. !esungguhnya rendahnya partisipasi pada tingkat yang sama atau berbeda pada kedua kelompok studi tidak menyebabkan bias jika tidak berkaitan dengan status paparan. #endahnya partisipasi pada tingkat yang sama atau berbeda pada kedua kelompok studi menyebabkan bias jika berhubungan dengan status paparan. !ebagai contoh, jika kontrol dari sebuah studi kasus kontrol diperoleh dari survei rumahtangga, maka terdapat kemungkinan bah4a ketidaksediaan subjek untuk mengikuti penelitian berkaitan dengan variabel-variabel
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 5

Dr. Bhisma Murti, MPH, MSc, PhD

demografis dan gaya hidup. &ika ternyata variabel-variabel tersebut berhubungan dengan paparan yang sedang diteliti, maka studi kasus kontrol tersebut akan mengalami bias seleksi. Bias seleksi dapat juga terjadi pada studi kohor retrospektif, jika pemilihan subjek terpapar dan tidak terpapar dipengaruhi oleh status penyakit. Bias seleksi bisa juga terjadi pada studi potong lintang (cross-sectional ketika desain studi tersebut digunakan dalam studi analitik. !ebagai contoh, andaikata sebuah survei memilih subjek penelitian dengan teknik pencuplikan rela4an (volunteer sampling , atau pencuplikan sekenanya (grab sampling (Murti, 5((? , maka teknik tersebut berpotensi menghasilkan bias seleksi, sehingga populasi studi yang diperoleh tidak merepresentasikan populasi sasaran. Bias in.ormasi Bias informasi (bias pengamatan, observation bias merupakan kesalahan sistematis di dalam pengumpulan data, yakni kesalahan dalam mengukur paparan, penyakit, atau variabel hasil, dan derajat kesalahan tersebut berbeda secara sistematis antara kelompok-kelompok studi, sehingga diperoleh taksiran yang salah tentang hubungan paparan-penyakit, atau efek intervensi terhadap variabel hasil yang diteliti. (+leinbaum et al., 7165= >ennekens dan Buring, 7168= :ast, 5((7= Delgado-#odrigue9 dan :lorca, 5((; . !umber penyebab bias informasi mencakup penggunaan alat ukur yang cacat= kuesioner atau prosedur 4a4ancara yang tidak mengukur apa yang seharusnya diukur= prosedur diagnostik penyakit yang tidak akurat (untuk menentukan status penyakit = perbedaan akurasi dalam mengingat kembali ri4ayat paparan (recall bias .

AKIBA BIAS
Bias menyebabkan deviasi taksiran parameter hubungan paparan dan risiko penyakit (misalnya, odds ratio atau "# atau efek intervensi dari nilai-nilai parameter tersebut yang sebenarnya. .erdapat tiga macam penyimpangan taksiran parameter (+leinbaum et al., 7165= Delgado#odrigue9 dan :lorca, 5((;= !choenbach, 5((? $ (7 bias menuju nol= (5 bias menjauhi nol= dan (A bias melintasi nol. Bias menuju nol menghasilkan taksiran yang mendekati nilai nol. !ebagai contoh, andaikata "# yang benar' 2. .aksiran hasil suatu studi "#'5, maka taksiran tersebut menunjukkan bias menuju nol. Disebut bias menuju BnolC, karena arah bias menuju hipotesis nol, yakni "#'7. Bias menuju nol menunjukkan taksiran hubungan antara paparan dan penyakit atau efek intervensi yang teramati yang lebih rendah daripada sesungguhnya (underestimate , sehingga disebut juga bias negatif. Bias menjauhi nol menghasilkan taksiran yang menjauhi nilai nol, yakni taksiran yang lebih tinggi daripada sebenarnya (overestimate . !ebagai contoh, andaikata "# yang sebenarnya' 5. .aksiran hasil studi "#'2, maka taksiran tersebut menunjukkan bias menjauhi nol. Bias menjauhi nol menunjukkan taksiran hubungan antara paparan dan penyakit atau efek intervensi yang teramati yang lebih tinggi daripada sesungguhnya (overerestimate , sehingga disebut juga bias positif. Pengertian bias positif berlaku untuk hubungan yang bersifat risiko ("#)7 maupun protektif (7<D*"#*7 . Bias lintas nol (s4itch-over bias , menghasilkan penyimpangan yang demikian besar sehingga melintasi nilai nol. !ebagai contoh, "# yang sebenarnya' E, tetapi taksiran sebuah studi "#'5, atau "# yang sebenarnya' ;, tetapi taksiran hasil sebuah studi "#'7<A, maka kedua contoh tersebut menunjukkan bias melintasi nilai nol. +etiga jenis penyimpangan taksiran tersebut merupakan problem serius yang mengancam validitas hasil riset epidemiologi, tetapi yang paling BketerlaluanC tentu saja bias melintasi nilai nol. Dalam bias melintasi nilai nol, paparan yang sesungguhnya protektif bagi terjadinya penyakit disimpulkan sebagai faktor risiko, atau sebaliknya paparan yang sesungguhnya merupakan faktor risiko disimpulkan sebagai protektif bagi terjadinya penyakit. Menilai dengan kritis kemungkinan bias, mengenal arah bias, dan mengkuantifikasi besarnya bias, mengidentifikasi penyebab (sumber bias, serta mencegah atau mengatasi bias,
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS A

Dr. Bhisma Murti, MPH, MSc, PhD

dalam kesimpulan taksiran hubungan paparan-penyakit atau efek intervensi, baik yang dipublikasikan maupun tidak dipublikasikan, merupakan langkah sangat penting yang tidak boleh dikesampingkan, agar hasil-hasil studi dapat ditafsirkan dengan benar dan proporsional. Pada umumnya pencegahan bias lebih mudah dilakukan daripada mengatasi bias yang sudah terjadi. 0ntinya bias bisa dihindari dengan cara merancang desain studi seteliti mungkin dan melakukan studi dengan hati-hati (Dorak, 5((6 .

/ENIS#/ENIS BIAS
Dalam riset epidemiologi dikenal puluhan jenis bias. !ebagai contoh !ackett (7181 mengidentifikasi dan menjelaskan A2 jenis bias dengan cukup terinci. Demikian juga Dorak (5((6 membuat daftar puluhan jenis bias. .idak perlu menghafal semua jenis bias, karena yang lebih penting adalah mengenal prinsip-prinsip terjadinya bias dalam sebuah studi, menilai apakah hasil sebuah studi mengandung bias atau tidak, mengklasifikasi bias, mengidentifikasi sumber bias, mengetahui arah dan besarnya bias, dan mengatasi atau mencegah terjadinya bias. Berikut disajikan sejumlah bias yang paling penting untuk dikenal, mencakup$ (7 bias seleksi= (5 bias informasi= dan (A bias pada studi eksperimental.

0.

Bias se"eksi

Bias akses pe"a1anan kesehatan Bias akses pelayanan kesehatan (healthcare access bias terjadi jika pasien-pasien yang mengunjungi fasilitas pelayanan kesehatan tidak merepresentasikan kasus-kasus yang sesungguhnya terdapat pada komunitas. Bias akses pelayanan dapat mengambil berbagai bentuk. Bias popularitas terjadi ketika petugas kesehatan lebih menaruh perhatian kepada suatu jenis kasus tertentu dan cenderung memasukkannya ke rumah sakit. Bias sentripetal terjadi ketika keputusan pasien untuk mengunjungi fasilitas kesehatan disebabkan oleh reputasi dari fasilitas kesehatan tersebut atau dokter yang bekerja pada fasilitas kesehatan tersebut. Bias saringan rujukan (referral filter bias terjadi ketika kasus-kasus yang diteliti merupakan kasus-kasus BsulitC sebagai hasil akhir dari proses panjang penyaringan kasus yang berlangsung mulai dari tingkat pelayanan kesehatan primer, sekunder, hingga tersier. Bias akses diagnostik< pengobatan (diagnostic< treatment access bias terjadi ketika keputusan pasien untuk menggunakan fasilitas kesehatan disebabkan alasan-alasan kultural, geografis, ataupun ekonomis (Delgado-#odrigue9 dan :lorca, 5((; Bias Berkson Bias Berkson (admission rate bias terjadi ketika terdapat perbedaan probabilitas untuk memasukkan ke rumah sakit (hospitalisasi antara kasus dan kontrol, dan perbedaan itu dipengaruhi oleh status paparan. Bias ini pertama kali ditunjukkan oleh Berkson tahun 71;? dalam sebuah studi kasus kontrol. !ebagai contoh, sebuah studi kasus kontrol dilakukan untuk meneliti hubungan antara penggunaan kontrasepsi oral ("/ dan tromboemboli. .abel 7 mengasumsikan, bah4a persentase pengguna "/ yang sesungguhnya pada 4anita dengan tromboemboli pada populasi adalah 2( persen. Demikian pula persentase pengguna "/ pada 4anita tanpa tromboemboli adalah 2( persen. Dengan demikian "#' 7.((. ,rtinya, odd ('risiko untuk mengalami tromboemboli adalah sama antara menggunakan dan tidak menggunakan "/. ,ndaikata para dokter di rumah sakit tempat dilakukan studi tersebut menduga bah4a penggunaan "/ mungkin berhubungan dengan peningkatan risiko tromboemboli, sehingga mereka cenderung mendiagnosis dan memasukkan ke rumah sakit 4anita dengan tromboemboli jika 4anita tersebut memiliki ri4ayat menggunakan "/. .abel 5 menunjukkan, persentase pengguna "/ pada kasus tromboemboli di rumah sakit tersebut adalah 8( persen. !edang
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS ;

Dr. Bhisma Murti, MPH, MSc, PhD

persentase pengguna "/ pada kontrol (tidak tromboemboli adalah 2( persen. Dengan demikian "#' 5.AA. ,rtinya, odd ('risiko untuk mengalami tromboemboli 5.A kali lebih besar jika menggunakan "/ daripada tidak menggunakan "/. .aksiran hasil studi berbasis rumah sakit tersebut mengalami bias menjauhi nol, sebesar 7.AA.
Tabel 1 Hubungan antara pemakaian kontrasepsi oral (OC) dan tromboli pada populasi sasaran (data hipotetis) Kontrasepsi oral (OC) Ya Tidak Ya 1 1 ! Tidak "" "" 1"# 1 1 ! Tabel ! Hubungan antara pemakaian kontrasepsi oral (OC) dan tromboli pada populasi studi (data hipotetis) Kontrasepsi oral (OC) Ya Tidak Ya $ % 1 Tidak ! ! & !$ !% ' Trombo emboli
Bias OR * . OR = OR * OR /OR = ( ( !,%% 1,

(ada populasi) (ersen pengguna OC pada -anita dengan tromboemboli* ' persen (ersen pengguna OC pada -anita tanpa tromboemboli* ' persen OR* ($ + ! )/(% + ! )* 1, (ada sampel) (ersen pengguna OC pada kasus tromboemboli* $ persen (ersen pengguna OC pada kontrol* ' persen OR** ($ + ! )/(% + ! )* !,%%

Trombo emboli

) ((

) /1,

) = 1,%%

Bias Berkson dalam contoh tersebut terjadi karena terdapat perbedaan probabilitas untuk memasukkan ke rumah sakit antara kasus tromboemboli dan kontrol, dan perbedaan itu dipengaruhi oleh status penggunaan "/. Bias Ne1man Bias Feyman (bias insidensi-prevalensi, bias kelangsungan hidup selektif terjadi karena terdapat keterlambatan pengamatan terhadap subjek penelitian, sehingga peneliti gagal mengamati kasuskasus berdurasi pendek, baik kasus-kasus dengan episode fatal (mematikan , kasus-kasus ringan (mild case , kasus-kasus dengan gejala dan tanda tidak jelas (silent case , ataupun kasus-kasus yang telah sembuh. ,kibat keterlambatan pengamatan tersebut peneliti hanya mendapatkan kasus-kasus yang masih bertahan hidup (itulah sebabnya bias ini disebut bias kelangsungan hidup selektif< selective survival bias , dan gagal mengamati dan menghitung kasus-kasus yang telah mencapai kesudahan penyakit, baik meninggal, sembuh spontan, dan sebagainya (!treiner et al., 7161= Delgado-#odrigue9 dan :lorca, 5((; . Bias Feyman sering terjadi pada studi potong-lintang ataupun studi kasus kontrol yang menggunakan data prevalensi. !ebagai contoh, sebuah studi kasus kontrol dilakukan di rumah sakit tersier untuk meneliti hubungan antara merokok tembakau dan infark myokard akut (0M, . !tudi tersebut mungkin mengalami bias Feyman sebab gagal mengidentifikasi$ (7 kasus 0M, yang telah meninggal sebelum mencapai rumah sakit tersier= dan (5 kasus 0M, ringan yang tidak memiliki indikasi untuk dirujuk ke rumah sakit tersier. Bias spektrum Bias spektrum terjadi ketika peneliti hanya memasukkan ke dalam penelitian kasus-kasus yang menunjukkan tanda dan gejala klinis yang jelas saja, sehingga tidak merepresentasikan spektrum keseluruhan dari penyakit, atau hanya memasukkan kontrol yang jelas saja, sehingga tidak merepresentasikan kondisi-kondisi pembanding. Bias ini bisa terjadi karena penggunaan tes diagnostik dengan sensitivitas dan spesifisitas tinggi. .ermasuk dalam bias spektrum adalah bias diagnostik murni (purity diagnostic bias , yang terjadi ketika peneliti mengeksklusi komorbiditas
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 2

Dr. Bhisma Murti, MPH, MSc, PhD

(penyakit penyerta sedemikian rupa sehingga sampel yang diteliti tidak merepresentasikan spektrum kasus-kasus pada populasi sasaran (Delgado-#odrigue9 dan :lorca, 5((; . -ength#(ias :ength-bias terjadi karena dipilihnya kasus-kasus penyakit berdurasi panjang (yakni, kasus-kasus yang bertahan hidup lebih lama secara tidak proporsional, yakni terlalu banyak kasus berdurasi panjang pada satu kelompok tetapi terlalu sedikit pada kelompok lainnya. Bias ini bisa terjadi dalam studi kasus kontrol ketika data yang digunakan adalah data prevalensi ketimbang data insidensi (:ast, 5((7 . &ika kelompok kasus menggunakan kasus-kasus berdurasi panjang, maka akan diperoleh taksiran yang lebih besar daripada sesungguhnya (overestimate . Bias eksk"usi Bias eksklusi terjadi ketika peneliti mengeksklusi kontrol dengan kondisi (misalnya, komorbiditas yang berkaitan dengan paparan yang diteliti, tetapi tidak mengeksklusi kasus dengan kondisi tersebut (Delgado-#odrigue9 dan :lorca, 5((; . /ontoh, sebuah studi meneliti hubungan antara penggunaan reserpin dan kanker payudara. ,ndaikata peneliti mengeksklusi kontrol yang memiliki suatu komorbiditas (misalnya, hipertensi , tetapi tidak mengeksklusi kasus yang memiliki komorbiditas tersebut. +arena penggunaan reserpin berkaitan dengan hipertensi, maka eksklusi tersebut akan mengakibatkan frekuensi kontrol yang menggunakan reserpin lebih rendah daripada sesungguhnya. 0mplikasinya, keadaan ini menghasilkan bias menjauhi nol (overestimate tentang hubungan antara penggunaan reserpin dan risiko kanker payudara. Bias ink"usi Bias inklusi terjadi pada studi kasus-kontrol berbasis rumah sakit, ketika inklusi sebuah atau lebih kondisi pada kontrol berhubungan dengan paparan yang diteliti (Delgado-#odrigue9 dan :lorca, 5((; . ,kibatnya, frekuensi paparan lebih tinggi pada kelompok kontrol daripada sesungguhnya, sehingga menghasilkan bias menuju nol. Pencocokan Pencocokan (matching merupakan sebuah metode untuk memilih kontrol dalam studi kasus kontrol, atau memilih kelompok tak terpapar dalam studi kohor, yang dapat dilakukan secara individual (individual matching atau kelompok (freGuency matching . Pencocokan berguna untuk mengontrol kerancuan (confounding . .etapi pencocokan yang diterapkan pada studi kasus kontrol justru dapat mengakibatkan bias. Mengapa demikian@ Pada studi kasus kontrol, jika faktor yang dicocokkan (matching factor merupakan faktor perancu (confounding factor , maka pencocokan tersebut dapat membuat kelompok kasus dan kelompok kontrol sebanding dalam distribusi faktor tersebut. .etapi Bpemaksaan keserupaanC dengan cara pencocokan tersebut tidak menjamin bah4a distribusi faktor perancu lainnya, baik yang diketahui maupun tidak diketahui peneliti, juga menjadi sebanding antara kelompok kasus dan kontrol. Bisa jadi faktor perancu lainnya menjadi berubah antara kelompok kasus dan kontrol, sehingga menyebabkan hasil analisis yang keliru tentang hubungan antara paparan dan penyakit (Dorak, 5((6= /hen, 5((6 . Pada umumnya pencocokan pada studi kasus kontrol menyebabkan bias seleksi yang harus diperhitungan dengan cara mengendalikan faktor pencocokan tersebut pada analisis data. .aksiran hasil pencocokan akan mengalami bias, tetapi bisa diatasi dengan cara melakukan stratifikasi menurut faktor yang dicocokkan (/hen, 5((6 . .erkait dengan pencocokan adalah overmatching, bias yang terjadi ketika peneliti melakukan pencocokan berlebihan yang tak perlu, yakni pencocokan terhadap variabel yang sesungguhnya bukan merupakan variabel perancu (non-confounding factor , yakni variabel yang hanya berhubungan dengan paparan tetapi tidak berhubungan dengan penyakit (Dorak, 5((6 . "vermatching bisa terjadi pada studi kasus kontrol, kohor, maupun eksperimental. !ebagai contoh, dalam studi kasus kontrol, overmatching terjadi ketika kasus dan kontrol dicocokkan
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS ?

Dr. Bhisma Murti, MPH, MSc, PhD

menurut sebuah variabel yang bukan perancu (non-confounding variable yang berhubungan dengan paparan tetapi tidak berhubungan dengan penyakit. Bias sitasi Bias sitasi (citation bias terjadi ketika artikel-artikel yang sering dikutip memiliki probabilitas yang lebih besar untuk terpilih ke dalam systematic revie4 atau meta-analisis daripada artikel yang jarang dikutip. ,rtikel yang kerap dikutip biasanya merupakan artikel yang menunjukkan temuan-temuan yang bermakna secara statistik (Delgado-#odrigue9 dan :lorca, 5((; . Bias sitasi mengakibatkan taksiran yang menjauhi nilai nol (overestimate . Bias (ahasa Bias bahasa (language bias terjadi ketika hasil-hasil penelitian yang dipublikasikan dalam bahasa 0nggris memiliki peluang lebih besar untuk dimasukkan ke dalam systematic revie4 atau metaanalisis daripada bahasa lainnya. !eharusnya, systematic revie4 dan meta-analisis memasukkan semua hasil studi, baik yang ditulis dalam bahasa 0nggris maupun non-bahasa 0nggris. Bias pu("ikasi Bias publikasi terjadi ketika editor jurnal atau penulis cenderung untuk mempublikasikan artikelartikel yang melaporkan temuan positif (yakni, hasil penelitian yang menemukan hubungan atau pengaruh yang secara statistik signifikan , dan tidak mempublikasikan temuan-temuan yang secara statistik tidak signifikan (:ast, 5((7= "lson et al., 5((5 . Bias publikasi mengakibatkan distorsi menjauhi nilai nol tentang hubungan antara paparan-penyakit atau efikasi suatu terapi. Bias pubikasi dapat berdampak pada systematic revie4 dan meta-analisis. Pada systematic revie4 atau meta-analisis, prinsipnya semua hasil penelitian, baik yang dipublikasikan maupun tidak dipublikasikan, baik yang menunjukkan atau tidak menunjukkan kemaknaan statistik, memiliki peluang yang sama untuk dimasukkan ke dalam analisis. &ika artikel-artikel hasil penelitian yang dimasukkan ke dalam systematic revie4 atau meta-analisis mengandung bias publikasi, maka hasil systematic revie4 atau meta-analisis tidak menghasilkan kesimpulan yang benar dari semua hasil penelitian tentang hubungan paparan-penyakit atau efikasi terapi. ,da sejumlah faktor yang mempengaruhi terjadinya bias publikasi$ (7 kemaknaan statistik (temuan yang bermakna secara statistik memiliki peluang lebih besar untuk dipublikasikan daripada tidak bermakna , (5 ukuran sampel studi (studi dengan sampel besar memiliki kemungkinan lebih besar untuk dipublikasikan daripada sampel kecil , (A pendanaan (sponsor menyebabkan konflik kepentingan , (; prestise (hasil riset menjadi monumental yang akan mendongkrak reputasi peneliti seandainya melaporkan hubungan yang signifikan , (2 jenis desain studi (sejumlah penulis mengatakan, studi kohor cenderung menunjukkan hasil yang lebih positif daripada studi eksperimental, dan (? kualitas studi (Delgado-#odrigue9 dan :lorca, 5((; . -oss to .o""o2#up (ias :oss to follo4-up bias terjadi jika proporsi subjek yang hilang atau mengundurkan diri dalam suatu studi longitudinal (studi khor atau studi eksperimental cukup banyak, yakni berkisar antara A(-;( persen, atau tidak sebanyak itu tetapi hilangnya atau pengunduran diri subjek penelitian berkaitan dengan status paparan, status penyakit, atau keduanya (>ennekens dan Buring, 7168= :ast, 5((7 . !ebagai contoh, dalam studi kohor tentang hubungan antara merokok tembakau dan risiko kanker paru, andaikata subjek perokok yang kemudian menderita kanker paru lebih banyak yang mengundurkan diri daripada subjek bukan perokok yang menderita kanker paru, maka taksiran tentang efek merokok akan mengalami bias menuju nilai nol (underestimate . /ontoh, .abel A menyajikan data studi kohor yang lengkap, yakni tidak terdapat subjek yang hilang atau mengundurkan diri. Perhatikan bah4a dalam contoh ini rasio antara kelompok
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 8

Dr. Bhisma Murti, MPH, MSc, PhD

terpapar dan tak terpapar' 5(($5((' 7$7. +etika tidak terdapat peserta yang hilang, maka ##'5. ,rtinya, paparan meningkatkan risiko sebesar dua kali lipat untuk terjadinya penyakit.
Tabel % /ata paparan dan pen0akit pada kohor 0ang lengkap 1 1 / & ! / 12 1# / ! ! &

(roporsi 0ang sakit pada kelompok terpapar * & /! * ,! (roporsi 0ang sakit pada kelompok tak terpapar * ! /! * ,1 RR* ,! / ,1 * !

!ekarang andaikata selama follo4-up terdapat sejumlah peserta studi yang hilang dengan proporsi yag sama pada kelompok terpapar dan tak terpapar, yakni 5(3, sehingga rasio kelompok terpapar dan tak terpapar' 72($72(' 7$7. .etapi perhatikan, .abel ; menunjukkan bah4a hilangnya peserta tersebut berkaitan dengan status penyakit, yaitu peserta terpapar yang kemudian mengalami penyakit menunjukkan kecenderungan lebih besar untuk hilang daripada peserta tak terpapar yang kemudian mengalami penyakit. Data kohor dengan kehilangan peserta yang bersifat diferensial menurut status penyakit tersebut menghasilkan ##'7.8.
Tabel & /ata paparan dan pen0akit pada kohor 0ang teramati (terdapat kehilangan peserta se3ara di4erensial menurut status pen0akit) 1 1 / !' 1' 1!' 1%' / 1' 1' % (roporsi 0ang sakit pada kelompok terpapar * !'/1' * ,1$ (roporsi 0ang sakit pada kelompok tak terpapar * 1'/1' * ,1 RR* ,1$/ ,1 * 1,$

Bias RR * . RR = RR * RR /RR = ( (1,1$ !,

) ((

) )

) /!) =

,1$

&adi akibat loss to follo4-up bias yang bersifat diferensial terjadi bias menuju nol. !ecara umum loss to follo4-up bias yang bersifat diferensial dapat menyebabkan bias menuju nol atau menjauhi nol. .etapi jika peserta hilang secara random, yakni dengan proporsi yang sama antara kelompok terpapar dan tak terpapar, dan hilangnya peserta tidak berkaitan dengan status penyakit, yakni terjadi secara random dengan proporsi yang sama menurut status penyakit, maka kondisi tersebut tidak menyebabkan loss to follo4 up bias, sejauh tidak melebihi A(-;( persen.

Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS

Dr. Bhisma Murti, MPH, MSc, PhD

Meskipun demikian hilangnya peserta yang bersifat random menyebabkan berkurangnya ukuran sampel dan penurunan presisi taksiran hubungan antara paparan dan penyakit yang diteliti. /ontoh, .abel 2 menyajikan data paparan dan penyakit pada kohor yang teramati di mana terdapat kehilangan peserta secara random dengan proporsi sama antara kelompok terpapar dan tak terpapar, yakni sebesar 5(3. Perhatikan, hilangnya peserta tersebut tidak berkaitan dengan status penyakit, sehingga tidak menyebabkan bias.
Tabel ' /ata paparan dan pen0akit pada kohor 0ang teramati (terdapat kehilangan peserta se3ara random denga proporsi sama) 1 1 / % 1' / 1! 1%' / 1' 1' % (roporsi 0ang sakit pada kelompok terpapar * % /1' * ,! (roporsi 0ang sakit pada kelompok tak terpapar * 1'/1' * ,1 RR* ,! $/ ,1 * !,
Bias RR * . RR RR * RR /RR ((!, = = !,

Bias non#respons Bias non-respons terjadi ketika pemilihan subjek penelitian menghasilkan peserta studi (responden yang berbeda dengan bukan peserta (non-responden , sehingga populasi studi (sampel yang diamati berbeda dengan populasi sasaran. !esungguhnya bias non-respons prinsipnya sama dengan loss to follo4 up bias, ataupun bias seleksi lainnya. Bedanya hanya terletak pada konteks. Pada loss to follo4 up bias, berkurangnya sampel akibat hilangnya peserta selama periode follo4-up. Pada bias non-respons, berkurangnya sampel akibat ketidaksediaan sejumlah peserta untuk mengikuti studi pada a4al rekrutmen peserta. /ontoh, .abel ? menyajikan data tentang hubungan antara paparan dan penyakit pada populasi sasaran. Perhatikan "#' 7. ,rtinya, tidak terdapat hubungan antara paparan dan penyakit.
Tabel 2 /ata paparan dan pen0akit pada populasi sasaran 1 1 / ! & 2 / ! . & . 2 . /

)/! ) =

OR* (! 1,

+& .

)/(&

+! .

)*

Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS

Dr. Bhisma Murti, MPH, MSc, PhD

!ekarang andaikata sebuah studi kasus kontrol dilakukan untuk meneliti hubungan paparan dan penyakit tersebut. .etapi sebagian dari populasi studi (sampel yang memenuhi syarat tidak bersedia mengikuti studi. .abel 8 menyajikan data tentang hubungan antara paparan dan penyakit pada sampel. Mula-mula dalam sampel tersebut terdapat ?(( kasus. .etapi hanya 1(3 dari 5(( kasus yang terpapar bersedia mengikuti studi, sehingga terdapat 76( kasus terpapar dalam sampel. Demikian pula hanya 823 dari ;(( kasus tak terpapar bersedia mengikuti studi, sehingga terdapat A(( kasus tak terpapar dalam sampel. !ampel tersebut menghasilkan "#' 7.5. ,rtinya, paparan meningkatkan risiko terjadinya penyakit sebesar 7.5 kali.
Tabel $ /ata paparan dan pen0akit pada populasi studi (dengan bias non5respons) 1 1 / 1# % &# ! & 2 /

Bias OR * . OR = OR * OR /OR = ( (1,1! 1,

) ((

(roporsi kasus terpapar 0ang bersedia ikut studi * " 6 + ! * 1# (roporsi kasus tak terpapar 0ang bersedia mengikuti studi* $'6 + & * % OR** (1# + & )/ (% + ! )* 1,!

) /1) =

,!

&adi akibat bias telah disimpulkan terdapat hubungan antara paparan dan penyakit, meskipun sesungguhnya tidak ada hubungan tersebut pada populasi sasaran. !ecara umum bias non-respons yang bersifat diferensial bisa menyebabkan bias kedua arah, menuju nol atau menjauhi nol. .ermasuk dalam jenis bias non-respons adalah efek rela4an sehat (healthy volunteer effect , yaitu bias yang terjadi ketika peserta studi lebih sehat daripada populasi umum. /ontoh, sebuah studi meneliti efektivitas tes skrining dalam memperpanjang kelangsungan hidup. &ika peserta studi yang menjalani tes skrining merupakan rela4an yang lebih sehat daripada peserta studi yang tidak menjalani tes tersebut, maka taksiran tentang manfaat dari tes skrining akan lebih besar daripada sesungguhnya, bias yang menjauhi nol (Delgado-#odrigue9 dan :lorca, 5((; .

$.

Bias in.ormasi

Bias informasi dapat dibagi menjadi dua kategori besar$ (7 bias misklasifikasi= (5 bias informasi lainnya.

Bias misk"asi.ikasi
Bias misklasifikasi (bias pengukuran, measurement bias terjadi karena ketidaksempurnaan alat ukur di dalam mendeteksi paparan, penyakit, atau variabel hasil yang diteliti, ataupun kesalahan dalam pengukuran itu sendiri yang bersifat sistematis (measurement error . +etidaksempurnaan alat tersebut, ditunjukkan oleh sensitivitas dan spesifisitas alat ukur yang tidak sempurna, menyebabkan subjek terpapar dapat diklasifikasikan secara keliru sebagai terpapar, subjek tak terpapar diklasifikasikan secara keliru sebagai tak terpapar. Demikian juga sebaliknya, subjek berpenyakit dapat diklasifikasikan secara keliru sebagai tidak berpenyakit, subjek tak berpenyakit diklasifikasikan secara keliru sebagai berpenyakit. Bias misklasifikasi sesungguhnya sangat relevan untuk hampir semua penelitian. !ebab alat ukur yang benar-benar sempurna untuk mengumpulkan data jarang ditemukan. +arena itu di
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 7(

Dr. Bhisma Murti, MPH, MSc, PhD

dalam sebagian besar studi harus diasumsikan bah4a sampai pada derajat tertentu selalu terdapat misklasifikasi (Delgado-#odrigue9 dan :lorca, 5((; . .erdapat dua jenis utama bias misklasifikasi$ (7 bias misklasifikasi diferensial= dan (5 bias misklasifikasi non-diferensial. Bias misk"asi.ikasi non#!i.erensia" Pada bias misklasifikasi non-diferensial (bias misklasifikasi random , misklasifikasi variabelvariabel yang diteliti terjadi dengan derajat yang sama antara kelompok-kelompok studi yang dibandingkan. Hntuk variabel biner, bias yang diakibatkan menuju nol. .etapi untuk variabel dengan lebih dari dua kategori (politomi , bias yang diakibatkan bisa menuju kedua arah, menuju nol atau menjauhi nol (Delgado-#odrigue9 dan :lorca, 5((; . /ontoh, .abel 6 menyajikan data tentang hubungan yang sesungguhnya antara paparan dan penyakit pada populasi sasaran (tidak ada misklasifikasi . Perhatikan, ##' 5. ,rtinya, subjek tepapar memiliki risiko mengalami penyakit dua kali lebih besar daripada subjek tak terpapar.

RR =

& !

/1. /1.

= !,

!ekarang andaikata sebuah studi kohor dilakukan untuk meneliti hubungan tersebut. ,sumsikan alat diagnostik status penyakit tidak sempurna, dengan sensitivitas yang sama, yakni (.6, baik untuk kelompok terpapar maupun kelompok terpapar. Demikian juga spesifisitas alat ukur itu
Tabel # /ata paparan dan pen0akit pada populasi sasaran (tanpa misklasi4ikasi) 1 1 / & ! 2 # / 1. 1.

sama, yakni (.1, baik untuk kelompok terpapar maupun tak terpapar. ,sumsikan juga bah4a alat untuk menentukan status paparan tidak menyebabkan misklasifikasi. >asil klasifikasi status penyakit pada kelompok terpapar dan tidak terpapar disajikan pada .abel 1.
Tabel " /ata status pen0akit pada kelompok terpapar maupun kelompok terpapar pada populasi studi (dengan misklasi4ikasi non5di4erensial) 7tatus sesungguhn0a ( 1 ) 7tatus sesungguhn0a (1) / / / / / %! 2 %# / 12 # !& # '& 2! & $! $2 / / & 2 1. ! # 1.

!elanjutnya .abel 7( menyajikan gabungan dari klasifikasi status penyakit pada kelompok terpapar maupun tak terpapar yang terjadi pada populasi studi. Perhatikan, data populasi studi menghasilkan ##'7.26. ,rtinya, subjek tepapar memiliki risiko mengalami penyakit 7.2 kali lebih besar daripada subjek tak terpapar.
Tabel 1 /ata paparan dan pen0akit pada populasi sasaran (misklasi4ikasi non5di4erensial) Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 77

Dr. Bhisma Murti, MPH, MSc, PhD

1 / /
%# /1. RR * = %# !& /1.

2!

= 1,'# !&

1.

$2 1.

Bias RR * . RR = RR * RR /RR = ( (1,'# !,

) ((

) )

)/! ) =

,!1

&adi terdapat bias misklasifikasi menuju nol sebesar -(.57. !ecara umum, deviasi dalam taksiran hubungan antara paparan dan penyakit akan selalu menuju ke arah nilai nol jika misklasifikasi bersifat non-diferensial. .etapi jika sensitivitas ataupun spesifisitas berbeda, sehingga menyebabkan bias misklasifikasi diferensial, maka deviasi yang terjadi bisa menuju nol atau menjauhi nol (+leinbaum et al., 7165= #othman, 5((5 . Bias misk"asi.ikasi !i.erensia" Pada bias misklasifikasi diferensial terjadi misklasifikasi variabel-variabel yang diteliti dengan derajat yang berbeda antara kelompok-kelompok studi yang dibandingkan. Distorsi yang diakibatkan bisa menuju kedua arah, yakni menuju nilai nol atau menjauhi nilai nol (Delgado#odrigue9 dan :lorca, 5((; . !ebagai contoh, pada studi kasus kontrol, jika akurasi atau kelengkapan dalam mengingat kembali pengalaman terpapar tidak sama antara kasus dan kontrol, maka akan terjadi bias misklasifikasi diferensial yang disebut recall bias. &ika kasus mengingat ri4ayat paparan dengan lebih baik daripada kontrol, maka recall bias yang diakibatkan akan menjauhi nilai nol (overestimate . /ontoh, .abel 77 menyajikan data tentang hubungan yang sesungguhnya antara paparan dan penyakit pada populasi sasaran (tidak ada misklasifikasi . Perhatikan, "#' A.2. ,rtinya, subjek tepapar memiliki odd ('risiko mengalami penyakit A.2 kali lebih besar daripada subjek tak terpapar.

OR = 2

+$ % +&

= %, '

Tabel 11 /ata paparan dan pen0akit pada populasi sasaran (tanpa misklasi4ikasi) 1 1 1. / & & 1. % $ /

!ekarang andaikata sebuah studi kasus kontrol dilakukan untuk meneliti hubungan tersebut. ,sumsikan alat yang digunakan untuk mengukur status paparan tidak sempurna, dengan sensitivitas yang berbeda, yakni (.1 untuk kelompok kasus dan (.? untuk kelompok kontrol. Demikian juga spesifisitas alat ukur itu berbeda, yakni (.8 untuk kelompok kasus dan (.1 untuk kelompok kontrol. ,sumsikan juga bah4a alat untuk menentukan status penyakit tidak menyebabkan misklasifikasi. >asil klasifikasi status paparan pada kelompok kasus dan kontrol disajikan pada .abel 75.

Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS

75

Dr. Bhisma Murti, MPH, MSc, PhD

Tabel 1! /ata status paparan pada kelompok kasus maupun kelompok kontrol pada populasi studi (dengan misklasi4ikasi di4erensial) 7tatus sesungguhn0a ( / ) 7tatus sesungguhn0a (/) 1 1 1 1 1 '& 1! 22 1 1# $ !' 2 !# %& 1! 2% $' 1 1 2 & 1. % $ 1.

!elanjutnya .abel 7A merupakan gabungan dari klasifikasi status paparan pada kelompok kasus maupun kontrol yang dilakukan pada populasi studi. Perhatikan, diperoleh "#'2.65. ,rtinya, subjek tepapar memiliki odd ('risiko risiko mengalami penyakit 2.65 kali lebih besar daripada subjek tak terpapar.
Tabel 1% /ata paparan dan pen0akit pada populasi studi (misklasi4ikasi di4erensial) 1 1 / 22 %& 1. !' $' 1. /
OR * = 22 + $'
!' + %&

= ',#!

Bias OR * . OR = OR * OR /OR = ( ( ',#! %,' ) /%,' ) = ,22

) ((

&adi terdapat bias misklasifikasi menjauhi nol sebesar (.??. !ecara umum, deviasi dalam taksiran hubungan antara paparan dan penyakit akan menuju nol atau menjauhi nol jika misklasifikasi bersifat diferensial. .etapi jika hanya status pparan yang mengalami misklasifikasi dan misklasifikasi itu bersifat non-diferensial, maka deviasi yang terjadi selalu menuju nol (+leinbaum et al., 7165= #othman, 5((5 . Bias !eteksi Bias deteksi terjadi ketika terdapat perbedaan akurasi dalam menentukan diagnosis atau memverifikasi kasus-kasus (:ast, 5((7 . !ebagai contoh, kasus-kasus yang masuk ke rumah sakit diverifikasi dengan tes laboratorium, tetapi kasus-kasus di luar rumah sakit tidak dilakukan verifikasi dengan tes yang sama. Bias pe2a2ancara Bias pe4a4ancara (intervie4er bias terjadi ketika terdapat perbedaan yang sistematis yang dilakukan oleh pe4a4ancara, baik secara sadar atau tidak, di dalam me4a4ancarai, mengumpulkan, mencatat, atau menginterpretasi informasi yang diperoleh dari subjek penelitian (>ennekens dan Buring, 7168= :ast, 5((7 . Bias pe4a4ancara bisa terjadi pada setiap jenis studi epidemiologi. Dalam studi kasus kontrol, pengetahuan pe4a4ancara tentang status penyakit subjek penelitian dapat menyebabkan perbedaan intensitas dalam mengorek informasi tentang ri4ayat paparan sebelumnya. Demikian juga dalam studi kohor retrospektif, pengetahuan tentang status penyakit (yang sudah terjadi dapat menyebabkan perbedaan akurasi pe4a4ancara dalam
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 7A

Dr. Bhisma Murti, MPH, MSc, PhD

menentukan status paparan subjek penelitian. Dalam studi kohor prospektif, bias pe4a4ancara bisa terjadi jika penentuan status penyakit dipengaruhi pengetahuan pe4a4ancara tentang status paparan dari subjek tersebut. 3eca"" (ias Bias memanggil kembali (recall bias terjadi jika subjek-subjek dengan penyakit yang sedang diteliti mengingat dan melaporkan tentang pengalaman terpapar sebelumnya dengan lebih akurat dan lengkap daripada subjek-subjek tanpa penyakit yang diteliti, atau subjek-subjek yang telah terpapar melaporkan terjadinya gejala-gejala penyakit dengan lebih lengkap dan akurat daripada subjek-subjek yang tidak terpapar (>ennekens dan Buring, 7168 . #ecall bias bisa terjadi pada studi kasus kontrol maupun studi kohor rerospektif. Dalam suatu penelitian, kadang-kadang 4a4ancara dilakukan antara pe4a4ancara dan responden pengganti (substitute . .idak jarang responden pengganti tersebut merupakan anggota keluarga. #ecall bias bisa terjadi ketika anggota keluarga dari subjek dengan penyakit yang diteliti melaporkan ri4ayat paparan dengan lebih akurat dan lengkap daripada anggota keluarga dari subjek tanpa penyakit tersebut. #ecall bias jenis ini disebut juga family information bias (!ackett, 7181 . #ecall bias menyebabkan taksiran yang menjauhi nol, yakni taksiran yang lebih besar daripada sesungguhnya (overestimate . Bias pe"aporan Bias pelaporan terjadi jika terdapat pengungkapan atau penutupan informasi secara selektif tentang pengalaman ri4ayat paparan atau medik sebelumnya, misalnya perilaku seks sebelumnya (:ast, 5((7 . Bias pelaporan dapat mengambil berbagai bentuk (Delgado-#odrigue9 dan :lorca, 5((; . "bseGuiousness bias terjadi jika subjek penelitian BbekerjasamaC dengan peneliti dan memberikan ja4aban-ja4aban ke arah yang dipandang sesuai dengan keinginan peneliti. Iamily aggregation bias terjadi bila adanya kasus di dalam sebuah keluarga menyebabkan keluarga tersebut melaporkan ri4ayat paparan dengan lebih lengkap. Bias ini hakikatnya sama dengan family informasion bias. Hnderreporting bias terjadi ketika subjek penelitian menolak menja4ab dengan akurat atau lengkap pertanyaan-pertanyaan yang sensitif, misalnya kebiasaan melakukan hubungan seks dengan 4anita pekerja seks. Mode for mean bias terjadi pada studi yang menggunakan kuesioner untuk menghitung frekuensi< kuantitas paparan, di mana subjek penelitian cenderung memberikan ja4aban tentang paparan dengan frekuensinya paling banyak (yaitu, modus daripada paparan dengan frekuensi rata-rata (yaitu, mean .

Bias in.ormasi "ainn1a


Ha2thorne e..ect >a4thorne effect pertama kali ditunjukkan terjadi di antara para pekerja pabrik >a4thorne pada Jestern Klectric /ompany (/hicago, 0llinois, ,! tahun 715(. >a4thorne effect merupakan bias akibat dari subjek penelitian mengubah perilakunya karena mengetahui bah4a mereka sedang diamati atau diteliti. Dalam contoh asli, >a4thorne effect merujuk kepada peningkatan produktivitas yang ditunjukkan oleh para pekerja pabrik >a4thorne karena mereka mengetahui bah4a kinerja mereka sedang diamati (!treiner et al., 7161= :ast, 5((7= Delgado-#odrigue9 dan :lorca, 5((; . Kfek yang dihasilkan positif, menimbulkan bias menjauhi nilai nol (overestimate . >a4thorne effect dapat dicegah dengan menggunakan attention control group dan melakukan BpembutaanC (blinding , yakni kelompok kontrol yang diperlakukan presis sama dengan kelompok eksperimental tetapi tidak mendapatkan intervensi aktif melainkan plasebo (!treiner et al., 7161= Lluud, 5((? . Pembutaan dilakukan dengan tujuan untuk mencegah terjadinya bias yang berkaitan dengan ekspektasi pasien ataupun peneliti..Pembutaan dapat
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 7;

Dr. Bhisma Murti, MPH, MSc, PhD

dilakukan dengan menggunakan plasebo. Plasebo merupakan intervensi BkosongC yang memiliki tampilan fisik yang sama dengan intervensi yang sesungguhnya, baik dalam 4arna, rasa, bau, maupun cara pemberian, tetapi tidak memiliki substansi aktif. !ebagai contoh, dalam studi untuk meneliti efektivitas psikoterapi dalam menurunkan depresi, maka kelompok kontrol dapat diatur sedemikian rupa untuk bertemu dengan terapis dengan frekuensi dan durasi yang presis sama dengan kelompok eksperimen, tetapi isi dari setiap sesi tidak bersifat terapetik. -ea! time (ias :ead time bias (disebut juga B9ero-time shiftC merupakan bias yang terjadi ketika kelompokkelompok yang diikuti dalam studi longitudinal memulai penelitian pada tahap yang tidak sebanding sepanjang ri4ayat alamiah penyakit, yakni ada subjek yang diteliti lebih a4al, ada subjek yang diteliti kemudian (:ast, 5((7= ,lbertsen et al., 5((2 . +etika penyakit seperti kanker payudara dideteksi dengan lebih dini melalui prosedur skrining, maka 4aktu kelangsungan hidup (survival time akan tampak lebih panjang (overestimate daripada sesungguhnya, karena 4aktu kelangsungan hidup tersebut tidak hanya merepresentasikan durasi yang sesungguhnya dari penyakit tetapi juga sebagian masa laten yang ditunjukkan oleh prosedur skrining. &ika efektivitas skrining tersebut diteliti, maka taksiran tentang efektivitas skrining akan mengalami overestimasi apabila peneliti gagal memisahkan durasi (yang seharusnya dihitung dan sebagian masa laten hasil deteksi dini oleh skrining (yang seharusnya tidak ikut dihitung . Protopathic (ias Bias protopatik terjadi pada penilaian efektivitas suatu intervensi ketika gejala-gejala pertama atau a4al (gejala prodromal ketimbang gejala klinis penyakit digunakan sebagai alasan (indikasi untuk menggunakan intervensi (:ast, 5((7 . +etika intervensi diberikan secara lebih dini, maka efektivitas intervensi akan tampak lebih baik daripada sesungguhnya. Bias protopatik hakikatnya identik dengan sejenis kerancuan yang disebut Bconfounding by indicationC, di mana gejala a4al penyakit berperan sebagai faktor perancu yang berhubungan dengan variabel hasil maupun intervensi yang diteliti. Lejala-gejala a4al penyakit bisa merupakan faktor perancu karena memenuhi tiga syarat faktor perancu. Pertama, gejala a4al penyakit merupakan faktor prognostik bagi hasil intervensi, karena akan meningkat hasil positif intervensi yang diharapkan. +edua, gejala-gejala a4al berhubungan dengan status pemberian intervensi, karena intervensi diberikan berdasarkan adanya gejala-gejala a4al tersebut. +etiga, gejala a4al penyakit bukan merupakan variabel antara dalam mekanisme kausal antara intervensi dan variabel hasil yang diteliti. Dengan demikian maka bias protopatik ataupun Bconfounding by indicationC menghasilkan bias menjauhi nilai nol (overestimasi tentang efek intervensi. Fenomena Wi"" 3ogers Ienomena Jill #ogers merupakan bias dalam mengklasifikasikan stadium penyakit sebagai akibat reklasifikasi dengan menggunakan alat diagnostik atau skema klasifikasi baru yang lebih sensitif, sehingga terjadi migrasi stadium penyakit (misalnya, migrasi stadium ringan ke stadium berat penyakit kanker , meskipun perubahan yang sesungguhnya dari stadium tersebut tidak ada (,lbertsen et al., 5((2 . Ieinstein et al. (7162 memberi nama bias tersebut untuk menghormati filsuf Jill #ogers (Delgado-#odrigue9 dan :lorca, 5((;= ,lbertsen et al., 5((2 . Jill #ogers sebagaimana dikutip Ieldstein et al. mengemukakan kalimat humoris tetapi bermakna sebagai berikut, B4hen the "kies moved to /alifornia, the 0M of both states 4ent upC (catatan$ "kies adalah sebutan penduduk yang berasal dari negara bagian "klahoma . ,rtinya, karena migrasi sebagian penduduk, maka di negara bagian yang ditinggalkan ("klahoma maupun yang didatangi (/alifornia terjadi peningkatan 0M. !ebagai contoh, ,lbertsen et al. (5((2 melakukan studi untuk melihat dampak reklasifikasi kanker prostat dengan skor Lleason antara tahun 7115 dan 5((5 terhadap insidensi
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 72

Dr. Bhisma Murti, MPH, MSc, PhD

kanker prostat. Data kohor berbasis populasi terdiri atas 7626 pria berusia N82 tahun dikumpulkan secara retrospektif dari /onnecticut .umor #egistry. ,ngka kematian kanker prostat pada kohor yang dihitung dengan skor Lleason asli dibandingkan dengan angka yang dihitung dengan skor Lleason kontemporer. .abel 7; menunjukkan migrasi stadium dari skema klasifikasi Lleason yang asli ke skema Lleason kontemporer. Perhatikan terdapat migrasi stadium yang meningkat, menurun, atau tetap, tetapi kebanyakan meningkat, dari skema klasifikasi Lelason asli ke skema kontemporer pada sampel biopsi prostat yang diteliti. !ebagai contoh, sebanyak 57 (dari A8 sampel biopsi yang semula diklasifikasikan sebagai skor 5 pada skema asli meningkat menjadi skor ? pada skema kontemporer. !ebanyak 7 (dari 7? sampel biopsi yang semula diklasifikasikan sebagai skor 7( pada skema asli turun menjadi skor ? pada skema kontemporer. !ebanyak 5?7 (dari ;2; sampel biopsi yang semula diklasifikasikan sebagai skor ? pada skema asli tetap diklasifikasikan sebagai skor ? pada skema kontemporer.
Tabel 1& /istribusi skor 8leason kontemporer untuk masing5masing skor 8leason asli dari sampel biopsi prostat 7kor 8leason asli (9umlah) 7kor 8leason kontemporer

7umber) :lbertsen et al,. !

'

>asil analisis memang menunjukkan bah4a skor Lleason kontemporer lebih tinggi daripada skor Lleason asli, dan perbedaan tersebut secara statistik signfikan (mean skor meningkat dari 2.12 menjadi ?.6= beda' (.62, /0123 (.81 hingga (.17= p*(.((7 . Migrasi ke arah stadium kanker yang lebih tinggi tersebut menyebabkan kelangsungan hidup yang tampaknya lebih baik di dalam kohor tersebut. ,nalisis dalam studi tersebut menemukan, angka kematian kanker prostat dengan skor Lleason kontemporer (7.2( kematian per 7(( orang-tahun 563 lebih rendah daripada angka kematian kanker prostat dengan skor Lleason asli (5.(6 kematian per 7(( orang-tahun , bukan disebabkan terjadinya perbaikan klinis yang sesungguhnya sehingga terjadi angka kematian yang lebih rendah, melainkan karena sebagian pasien yang semula tidak diklasifikasikan sebagai mengalami kanker prostat menurut skor Lleason asli berubah menjadi diklasifikasikan sebagai mengalami kanker prostat menurut skor Lleason kontemporer. !tudi tersebut menyimpulkan, reklasifikasikan stadium kanker prostat menghasilkan kesudahan klinis yang tampaknya memperlihatkan perbaikan, meskipun sesungguhnya hanya merupakan artifak statistik yang dikenal sebagai fenomena Jill #ogers. Eco"ogic .a""ac1 Kcologic fallacy merupakan bias yang la9im dijumpai pada studi ekologis, ketika analisis yang dilakukan pada level ekologis (yakni, level kelompok, populasi digunakan untuk menarik kesimpulan (inferensi pada level individu. Kcologic fallacy bisa terjadi karena hubungan antara
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 7?

Dr. Bhisma Murti, MPH, MSc, PhD

paparan dan risiko penyakit yang tampak sebagai hasil analisis yang dilakukan pada level populasi belum tentu sama dengan hubungan antara paparan dan penyakit sebagaimana diukur dan dianalisis pada level individu. !ebagai contoh, hubungan antara tingkat polusi udara dan insidensi kanker paru pada berbagai kota jika digunakan untuk menarik kesimpulan tentang adanya hubungan variabel-variabel tersebut pada level individu, dapat mengakibatkan ecologic fallacy, sebab dengan desain studi ekologis tidak dapat dipastikan apakah mereka yang mengalami kanker paru adalah sama dengan mereka yang terpapar polusi udara. 3egresi ke arah mean ,rti regresi dalam bahasa 0nggris adalah Bkembali kepada keadaan semulaC. #egresi ke arah mean (regression to4ard the mean, regression artifact merupakan fenomena statistik yang terjadi ketika subsampel individu-individu dengan nilai-nilai ekstrim (yaitu, jauh dari mean populasi diukur dua kali, sedemikian sehingga pada pengukuran kedua akan terjadi kecenderungan regresi nilai-nilai pada subsampel ke arah mendekati mean populasi. Makin jauh nilai-nilai individu pada subsampel tersebut dari mean populasi pada pengukuran pertama, makin kuat kecenderungan nilai-nilai pada subsampel itu untuk mengalami regresi ke arah mean populasi pada pengukuran kedua (/heng, 7118= .rochim, 5((?= #aiffa dan !chlaifer, 5(((= dan /asella dan Berger, 5((7 sebagaimana dikutip Jikipedia, 5((6 . #egresi ke arah mean khususnya merupakan ancaman bagi validitas internal taksiran efek intervensi pada pada studi eksperimental kuasi yang tidak menggunakan kelompok pembanding (/heng, 7118= .rochim, 5((?= Jikipedia, 5((6 . Lambar 7 menunjukkan regresi ke arah mean jika subsampel terdiri atas individu-individu dengan nilai jauh di ba4ah mean populasi.
;ean pretest kelompok dengan nilai5nilai 9auh di ba-ah mean

(restest ;ean populasi

<etak mean posttest 9ika tidak ada regresi

(osttest ;ean populasi

Regresi ke arah mean

<etak mean posttest

4am(ar 0 3egresi ke arah mean !ebagai contoh, sebuah studi eksperimental kuasi dengan desain Bsebelum dan sesudah menggunakan satu kelompokC (Bone group before and after eOperimental designC dilakukan untuk meneliti efektivitas suatu obat antianemia. +adar hemoglobin (>b diukur pada 5(( ibu hamil. !ebanyak 2( ibu hamil yang menunjukkan anemia dengan >b *77 g<dl (J>", 71?6 diberi obat antianemia (misalnya, besi-folat . &ika pada 2( orang tersebut diukur untuk kedua kalinya setelah pemberian obat antianemia, maka peningkatan >b yang teramati untuk sebagian disebabkan oleh pemberian obat antianemia, tetapi sebagian lainnya disebabkan oleh BulahC
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 78

Dr. Bhisma Murti, MPH, MSc, PhD

fenomena statistik yang disebut regresi ke arah mean. &ika keberadaan regresi ke arah mean tidak disadari dan tidak diantisipasi oleh peneliti, maka taksiran tentang efek obat antianemia yang teramati akan lebih besar (overestimate daripada sesungguhnya. #egresi ke arah mean akan dialami tidak hanya pada subsampel individu-individu dengan nilai-nilai jauh di ba4ah mean populasi seperti pada contoh di atas, tetapi juga nilai-nilai jauh di atas mean populasi ketika diukur dua kali, sehingga pada pengukuran kedua akan terjadi kecenderungan regresi nilai-nilai ke arah mendekati mean (/heng, 7118= .rochim, 5((?= Jikipedia, 5((6 . !ebagai contoh, dalam suatu studi tentang efektivitas obat antihipertensi, penurunan tekanan darah sistolik pada individu-individu dengan .D! P7;( mm>g tidak hanya disebabkan oleh pemberian efek obat antihipertensi tersebut tetapi juga BulahC fenomena regresi ke arah mean. !alah satu sebab terjadinya regresi ke arah mean adalah sampel yang dicuplik secara asimetris dari populasi. +alau saja sampel dicuplik secara random dari populasi, maka populasi dan sampel akan memiliki mean yang sama pada pengukuran pertama. +arena mean sampel sudah sama dengan mean populasi, maka pada pengukuran kedua sampel tersebut tidak mungkin lagi mengalami regresi ke arah mean populasi (.rochim, 5((? . Dengan demikian regresi ke arah mean merupakan sebuah contoh yang cukup unik, di mana variasi random bisa menyebabkan terjadinya kesalahan sistematis (Davis, 718?, dikutip Dorak, 5((6 . #egresi ke arah mean mudah diatasi dengan cara menggunakan kelompok kontrol dalam studi eksperimental. Dengan cara demikian maka dapat diharapkan bah4a baik kelompok eksperimental maupun kelompok kontrol akan memperlihatkan perbaikan dalam variabel hasil yang diteliti (misalnya, penurunan tekanan darah . :alu intervensi yang diberikan (yakni, obat antihipertensi disimpulkan efektif hanya jika kelompok eksperimen menunjukkan penurunan yang lebih besar daripada kelompok kontrol (/heng, 7118= Delgado-#odrigue9 dan :lorca, 5((2= .rochim 5((?= Jikipedia, 5((6 .

5.

Bias pa!a stu!i eksperimenta"

Bias a"okasi inter6ensi Bias alokasi intervensi terjadi jika alokasi intervensi kepada subjek-subjek yang diteliti dalam studi eksperimental tidak dilakukan dengan cara random, sehingga dipengaruhi oleh karakteristik subjek penelitian yang memiliki hubungan dengan variabel hasil yang diteliti. Bias ini dapat menyebabkan deviasi taksiran efek intervensi menjauhi nilai nol (overestimate . Bias alokasi intervensi dapat dicegah dengan cara mengalokasikan intervensi secara random. Bias kontaminasi Bias kontaminasi terjadi ketika subjek-subjek penelitian di dalam kelompok kontrol terkontaminasi oleh intervensi yang diberikan kepada kelompok eksperimental. Bias ini akan melemahkan efek intervensi yang sebenarnya, menyebabkan deviasi taksiran efek intervensi menuju nol. Bias kontaminasi sering terjadi pada studi intervensi komunitas, karena anggota komunitas yang mendapat intervensi tidak bisa dicegah untuk bersosialisasi, sehingga mempengaruhi anggota komunitas yang tidak mendapat intervensi. Bias kontaminasi mudah terjadi ketika intervensi yang diteliti merupakan barang publik (public good , misalnya kampanye perilaku sehat melalui media massa (misalnya, radio . !ifat barang publik adalah BnoneOcludableC, sehingga sulit untuk mencegah terjadinya bias kontaminasi. Bias kepatuhan 7comp"iance (ias8 Pada studi eksperimental yang membutuhkan kepatuhan untuk menggunakan intervensi yang diberikan, maka derajat kepatuhan pasien dalam menggunakan intervensi akan mempengaruhi
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 76

Dr. Bhisma Murti, MPH, MSc, PhD

penilaian tentang efikasi intervensi. +etidakpatuhan akan menyebabkan deviasi taksiran efek intervensi menuju nol. -oss to .o""o2#up (ias Dalam studi eksperimen random (randomi9ed controlled trial, #/. , alokasi subjek ke dalam kelompok eksperimental atau kelompok kontrol dilakukan dengan prosedur random. .ujuan randomisasi adalah untuk mencegah kerancuan dan bias seleksi. .etapi tidak jarang dalam perjalanan implementasi intervensi terdapat peserta yang hilang. &ika hilangnya peserta cukup banyak, sekitar A(-;( persen, atau tidak banyak tetapi hilangnya peserta berhubungan dengan variabel hasil yang diteliti, maka kelompok eksperimen dan kelompok kontrol tidak layak lagi untuk diperbandingkan. 0ntinya terdapat dua pendekatan analisis data #/.$ (7 intention to treat analysis= dan (5 per protocol analysis. 0ntention to treat analysis mengikutsertakan semua peserta, memperhitungkan dan menganalisis data yang hilang (missing data . ,da beberapa strategi yang dianjurkan untuk memperhitungkan data yang hilang$ (7 melanjutkan respons terakhir yang ditunjukkan oleh peserta sebelum hilang= (5 melakukan ekstrapolasi respons yang paling mungkin berdasarkan respons yang ditunjukkan peserta-peserta lainnya (Lluud, 5((? . Per protocol analysis mengeluarkan peserta dengan data yang hilang dari analisis. &ika data yang hilang tersebut merupakan outlier (pencilan , maka per protocol analysis dapat meningkatkan homogenitas data dan meningkatkan presisi. .etapi jika hilangnya peserta berkaitan dengan faktor-faktor prognostik, efek samping yang tidak diinginkan, atau intervensi yang dipandang tidak memberikan perbaikan, maka per protocol analysis dapat menyebabkan overestimasi efek intervensi (Lluud, 5((? . !ebagai contoh, jika sebagian besar peserta yang mengundurkan diri disebabkan intervensi yang diberikan tidak memberikan perubahan yang diinginkan, maka per protocol analysis akan memberikan taksiran efek intervensi yang lebih besar daripada sesungguhnya (overestimate . Pada umumnya para penulis menganjurkan intention to treat analysis sebagai pendekatan yang lebih baik untuk menganalisis data #/.. Meskipun demikian ada baiknya untuk melengkapi analisis itu dengan per protocol analysis, sebab perbedaan hasil antara intention to treat analysis dan per protocol analysis dapat memberikan informasi tambahan yang berguna untuk menafsirkan taksiran efek intervensi yang diteliti (Lluud, 5((? .

3EFE3ENSI
,lbertsen P/, >anley &,, Barro4s L,, Penson DI, +o4alc9yk PD>, !anders MM, Iine & (5((2 . Prostate cancer and the Jill #ogers phenomenon. & Fat /ancer 0nst, 18(78 $ 75;6752A /heng :P (7118 . #egression to4ard the mean. 444.cornell.edu. Diakses "ktober 5((6. Delgado-#odrQgue9 M, :lorca & (5((2 . Bias. & Kpidemiol /ommunity >ealth,=26$?A2R?;7. Dorak M. (5((6 . Bias and confounding. 444.dorak.info<epi<bc.html -Diakses "ktober 5((6. Lluud :: (5((? . Bias in clinical intervention research. ,m & Kpidemiol=7?A$;1AR2(7 >ennekens />, Buring &K (7168 . Kpidemiology in medicine. Boston$ :ittle, Bro4n, and /ompany. +leinbaumDL, +upper ::, Morgenstern > (7165 . Kpidemiologic research$ principles and Guantitative methods. Fe4 Sork$ -an Fostrand #einhold. :ast &M (5((7 . , dictionary of epidemiology. Fe4 Sork$ "Oford Hniversity Press. Murti B (5((? . Desain dan ukuran sampel untuk penelitian kuantitatif dan kualitatif di bidang kesehatan. Sogyakarta$ Ladjah Mada Hniversity Press. "lson /M= #ennie D, /ook D= et al. (5((5 .Publication bias in editorial decision making. &,M,= 568(57 $5652-5656
Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS 71

Dr. Bhisma Murti, MPH, MSc, PhD

#othman +& (716? . Modern epidemiology. Boston$ :ittle, Bro4n and /ompany TTTTTTTTTT (5((5 . Kpidemiology$ ,n introduction. Fe4 Sork$ "Oford Hniversity Press. !choenbach -& (5((? . !ource of error$ selection bias. 444.unc.edu<epid?((<. Diakses !eptember 5((6 !treiner D:, Forman L#, Blum >M (7161 . Kpidemiology. Burlington, "F$ B/ Decker 0nc. .rochim JM+ (5((? . #egression to the mean. #esearch methods +no4ledge Base. 444.social researchmethods.net<kb<regrmean.php. Diakses "ktober 5((6. J>" (71?6 . Futritional anemias. #eport of a J>" !cientific Lroup. .echnical #eport !eries Fo. ;(2. Jikipedia (5((6 . #egression to4ard the mean. en.4ikipedia.org<4iki< #egressionTto4ard TtheTmean. Diakses "ktober 5((6.

Workshop Peningkatan Kemampuan enaga Kesehatan !a"am Pene"itian Kesehatan #Surakarta, $%#$& 'kto(er $))% * BBKPM Surakarta + Bagian IKM FK#,NS

5(