Tugas Metodologi Penelitian

Variabel dan Hubugan Antara Variabel

Shinta Fithri Hayati Azis

Supervisor : Dr.dr.Jumraini Tammasse, Sp.S.

DEPARTEMEN ILMU PENYAKIT SARAF

FAKULTAS KEDOKTERAN
UNIVERSITAS HASANUDDIN
MAKASSAR
2019

1
 Variabel dan Hubungan Antara Variabel

Penelitian selalu dilaksanakan dengan pengukuran variabel, dan pada penelitian analitik
dilanjutkan dengan upaya mencari hubungan antara 2 atau lebih variabel. Hanya dengan memahami
hubungan antar-variabel kita akan dapat melakukan perencanaan dan analisis hasil penelitian dengan
baik.
Variabel
Variabel didefinisikan sebagai karakteristik subyek penelitian yang berubah dari satu subyek ke
subyek Iain. Seperti disinggung dalam Bab 4' Yang dimaksud dengan variabel adalah karakteristik suatu
subyek, bukan subyek atau bendanya sendiri. Misalnya, badan, kelamin, darah, atau hemoglobin bukan
merupakan variabel; yang merupakan variabel adalah tinggi atau berat badan, jenis kelamin, tekanan
darah, atau kadar hernoglobin. Variabel harus diletakkan dalam konteks penelitian. Misalnya, di sekolah
dasar, jenis kelamin adalah merupakan variable
Skala variabel
Variabel dapat berskala dibagi menjadi skala nominal dan ordinal), dan skala numerik (yang
dapat dibedakan menjadi skala interval dan rasio). Juga telah dijelaskan bahwa pembagian jenis variabel
ini tidak hanya penting dalam proses melakukan pengukuran, tetapi juga dalam analisis data. Karena itu
jenis-jenis variabel tersebut harus dipahami dalam setiap tingkat penelitian.
Dimensi variabel dalam penelitian
Menurut fungsinya dalam konteks penelitian, khususnya dalam hubungan antar variabel,
terdapat beberapa jenis variabel.
Variabel bebas dan variabel tergantung
Yang dimaksud dengan variabel bebas adalah variabel yang bila ia berubah akan mengakibatkan
perubahan variabel lain; variabel yang berubah akibat perubahan variabel bebas ini disebut sebagai
variabel tergantung. Variabel bebas sering disebut dengan banyak nama lain, seperti variabel
independen, predictor, risiko, atau kausa. Sinonim variabel tergantung adalah variabel dependen, efek,
hasil, outcome, respons, atau event.
Contoh
1. Pemberian Obat A menyebabkan penurunan tekanan darah.

2
2. Perbedaan kadar kolesterol pada siswa lelaki dan perempuan.
Pada contoh pertama pemakaian Obat A merupakan variabel bebas sedangkan tekanan darah
adalah varibel tergantung. Dalam contoh kedua kadar kolesterol serum adalah variabel tergantung,
sedang jenis kelamin variabel bebas. palam hubungan antar-variabel perlu dipahami bahwa satu jenis
dapat berfungsi berbeda, bergantung kepada konteks penelitian. Misalnya dalam penelitian tentang
faktor risiko terjadinya hipertensi, hipertensi merupaan variabel tergantung (dengan variabel bebas atau
risiko misalnya faktor keturunan, konsumsi garam, merokok, kegemukan, kebiasaan oleh raga, dan Iain-
Iain). Akan tetapi dalam penelitian tentang penyebab kematian pada manula, hipertensi merupakan
(salah satu) variabel bebas sedangkan variabel tergantungnya adalah kematian. Perlu ditekankan bahwa
meskipun namanya variabel "bebas-tergantung" atau variabel "prediktor-efek", atau 'kausa-outcome'
namun perlu diingat bahwa terdapatnya hubungan antara variabel bebas dengan variabel tergantung
tidak selalu merupakan hubungan sebab-akibat.
Variabel perancu
Variabel perancu (confounding) adalah jenis variabel yang berhubungan dengan variabel bebas
dan variabel tergantung, tetapi bukan merupakan variabel antara. Identifikasi variabel perancu ini amat
penting oleh karena bila tidak, ia dapat membawa kita pada kesimpulan yang salah, misalnya
disimpulkan terdapat hubungan antar-variabel padahal sebenarnya hubungan tersebut tidak ada, atau
sebaliknya, disimpulkan tidak ada hubungan padahal sebenarnya hubungan tersebut ada. Perhatikanlah
Gambar 1.
Sebagai contoh kita tinjau penelitian yang mencari hubungan antara kebiasaan minum kopi dan
kejadian penyakit jantung koroner (PJK); peneliti ingin menguji hipotesis bahwa PJK lebih sering terjadi
pada peminum kopi ketimbang pada bukan peminum kopi. Di sini yang bertindak sebagai variabel bebas
adalah kebiasaan minum kopi, dan variabel tergantungnya adalah insidens PJK. Kebiasaan merokok
dapat merupakan variabel perancu, oleh karena:
 Kebiasaan minum kopi berhubungan dengan kebiasaan merokok; perokok lebih sering minum
kopi daripada bukan perokok
 Kebiasaan merokok diketahui berhubungan dengan PJK

3
Gambar 1. Hubungan antar-variabel: Penelitian mencari hubungan antara variabel bebas dengan variabel
tergantung.• Variabel perancu bukan variabel yang diteliti, namun dapat mempengaruhi hasil penelitian karena
berhubungan dengan variabel bebas dan variabel tergantung, dan bukan merupakan variabel antara. Variabel Iain
yang tidak diteliti, yang hanya berhubungan dengan variabel bebas saja (A) atau variabel tergantung saja (D) atau
yang tidak berhubungan dengan variabel bebas maupun tergantung (B, C, E) disebut sebagai variabel luar.
Jadi kebiasaan merokok memenuhi syarat sebagai perancu, oleh karena ia mempunyai
hubungan dengan kebiasaan minum kopi (variabel bebas) dan juga berhubungan dengan insidens PJK
(variabel tergantung). Lihat Gambar 3. Apabila kebiasaaan merokok ini tidak diidentifikasi mungkin akan
ditemukan hubungan positif antara kebiasaan minum kop dengan kejadian PJK, misalnya diperoleh data
bahwa subyek yang gema minum kopi lebih banyak Yang menderita PJK dibanding dengan subyel yang
tidak gemar minum kopi. Hal ini mungkin benar, mungkin jug tidak. Dapat saja yang sebenarnya terjadi
adalah sama sekali tida terdapat hubungan antara kebiasaan minum kopi dengan kejadian PJK

4
Gambar 2. Skema umum memperlihatkan hubungan anatara variable bebas, tergantung, dan perancu.
A. Variabel bebas berhubungan dengan variable terganutng; variable perancu berhubungan dengan
variable bebas maupun tergantung. B. Variabel M yang berhubungan dengan variable bebas maupun
tergantung namun merupakan variable antara sehingga bukan merupakan perancu; ia tidak
mempengaruhi hubungan antara variable bebas dan tergantung. C. Variabel V yang berhubungnan
antara variable bebas dan tergantung. C. Variabel V yang berhungan dengan variable trgantung tetapi
tidak dengan variable bebas, atau berhubungan dengan variabel bebas namu tidak dengan variabel
tergantung bukan merupakan perancu.

5
Gambar 3. Peran variabel perancu (kebiasaan merokok) dalam hubungan antara variabel bebas (kebiasaan minum
kopi) dan kejadian penyakit jantung koroner (PJK). Bila kebiasaan merokok mempunyai hubungan positifdengan
kebiasaan minum kopi dan dengan kejadian PJK, maka akan ditemukan asosiasi semu antara kebiasaan minum
kopi dengan kejadian PJK.

Hal yang sebaliknya dapat pula terjadi, yakni tidak ditemukan hubungan antara variabél bebas
dan tergantung padahal sebenarnya hubungan ini ada, akibat pengaruh variabel perancu yang bersifat
negatif. Contoh berikut dapat menjelaskan pernyataan tersebut.
Suatu penelitian mencari hubungan antara kebiasaan makan permen dengan kejadian karies
dentis. Bila anak pemakan permen lebih rajin menggosok gigi daripada anak jarang makan permen,
mungkin tidak terdapat hubungan antara kebiasaan makan permen dengan karies dentis, padahal
hubungan itu sebenarnya ada. Dalam hal ini rajin menggosok gigi merupakan variabel perancu Yang
berhubungan negatif dengan kejadian karies dentis, yang 'menyembunyikan' hubungan antara makan
permen dengan karies dentis. Lihat Gambar 4.

6
 Gambar 4. Hubungan antara kebiasaan makan permen (variabel bebas) dengan kejadian karies dentis
(variabel tergantung) dapat 'tersembunyi' bila anak yang gemar makan permen lebih rajin menggosok gigi daripada
anak tidak gemar makan permen. Kerajinan menggosok gigi merupakan perancu karena berhubungan (positif)
dengan kegemaran makan permen dan berhubungan (negatif) dengan kejadian karies dentis.

Confounding by indication
Para klinikus harus ekstra hati-hati menafsirkan data retrospektif tentang hasil pengobatan
dalam rangka pelayanan rutin. Data pelayanan pada umumnya tidak distandardisasi sehingga perlu
kewaspadaan dalam Terdapat satu faktor perancu yang harus amat bila kita melakukan analisis
retrospektif terhadap hasil pengobatan. Misalnya akan dianalisis faktor risiko terjadinya kematian pada
pasien dengue shock syndrome (DSS). Selama tahun 2001 dirawat 100 pasien DSS; untuk mengatasi
renjatan (syok) , pada 60 pasien diberikan larutan Ringer laktat (RL) saja, sedangkan pada 40 pasien
diberikan RL dan plasma. Ingin dilihat pengaruh pemberian plasma terhadap prognosis DSS. Dari 40
pasien yang mendapat RL+plasma, ternyata 20 (50%) meninggal sedangkan dari 60 pasien yang hanya
memperoleh plasma hanya 6 (10%) yang meninggal. Tabel 2 x 2 disusun untuk menghitung uji x2 lihat
Tabel 14-1 dan Gambar 14-5.
Kedua contoh tersebut menunjukkan pentingnya penelusuran pustaka serta penggunaan akal
sehat (common sense), agar dapat dikenali kemungkinan adanya variabel perancu dalam konteks

7
penelitian. perlu ditekankan bahwa apakah suatu variabel merupakan perancu atau tidak' bergantung
pada materi penelitian
Uji x2 menunjukkan hubungan yang bermakna antara Pemberian Plasma dengan prognosis DSS,
yakni pasien yang diberi Plasma secara bermakna lebih banyak yang meninggal daripada Yang tidak
diberi plasma. Kesimpulan ini tidak sahih, karena tidak memperhitungkan bahwa indikasi berian Plasma
berkaitan dengan derajat penyakit; pasien yang lebih berat (renjatan berulang atau lama, renjatan
dengan pendarahan hebat) lebih sering diberikan Plasma daripada pasien yang penyakitnya lebih ringan.
Dalam konteks ini indikasi Pemberian Plasma merupakan perancu, Oleh karena ia berhubungan dengan
pemberian Plasma (variabel bebas) dan juga dengan prognosis (variabel tergantung). Fenomena inilah
yang disebut sebagai confounding by indication, yang bila tidak diperhatikan dapat menjebak klinikus
dalam menentukan kebijakan pengobatan.

Cara mengontrol perancu

Melihat amat besarnya pengaruh terhadap hasil penelitian, yakni dapat menimbulkan bias yang serius,
maka peneliti harus berupaya untuk:
 Mengidentifikasi setiap variabel perancu
 Menyingkirkan variabel perancu
Mengidentifikasi variabel perancu
Dalam hal ini yang paling mengetahui adalah peneliti (yang menguasai substansi penelitian).
Caranya adalah dengan studi literatur yang memadai, di samping faktor pengalaman dan logika. Di sini
berperan kerangka konsep penelitian yang mengidentifikasi semua variabel, menggolongkannya, dan
membuat diagram hubungan antar-variabel dalam diagram yang jelas.
Menyingkirkan perancu
Terdapat dua cara untuk menyingkirkan perancu, yakni dalam desain (dengan restriksi,
matching, atau randomisasi), dan dalam analisis ( dengan startifikasi atau analisis multivariat),
Menyingkirkan perancu dalam desain lebih kuat daripada dalam analisis, antara Iain karena dalam
analisis multivariat sering dipakai pelbagai asumsi yang tidak selalu dapat dipenuhi oleh data yang ada.
Menyingkirkan perancu dalam desain
1.Restriksi
Yang dimaksudkan dengan restriksi adalah menyingkirkan petancu dan setiap subyek penelitian.
Misalnya, pada penelitian hubungan antara kebiasaan kebiasaan minum kopi dengan kejadlan penvakit
jantung koroner; oleh karena kebiasaan merokok metupakan vanabel perancu, maka subyek yang dipilih

8
(baik pada kelompok peminum kopi atau kelompok kontrol) adalah mereka yång bukan perokok.
Vebiasaan merokok merupakan salah satu kriteria eksklusi baik kelompok yang diteliti maupun
kelompok kontrol. Teoritis cara ini sangat cfektif, karena pengaruh kebiasaan merokok praktis dapat
dinafikan dati hasil penelitian, hingga bila didapatkan asosiasi antara kebiasaan minum kopi dengan
penyakit koroner, hubungan tersebut bebas dari peran kebiasaan merokok. Namun cara ini mempunyai
kelemahan nyata, yakni: e sulit memperoleh subyek penelitian, karena seringkali peminum kopi adalah
juga perokok

• generalisasi hasil penelitian menjadi terbatas, oleh karena dalam alam nyata banyak peminum kopi
yang juga perokok

2. Matching
Yang dimaksud dengan matching adalah proses menyamakan variabel perancu di antara dua
kelompok. Dikenal dua jenis matching yakni frequency matchtng dan individual matching. Pada
frequency matching pemilihan subyek yang diteliti dan subyek kontrol dibatasi oleh faktOt yang diduga
merupakan perancu yang nyata. Pada penelitian tentang pengaruh pil KB terhadap agregasi trombosit,
pemilihan subyek dapat dibatasi oleh kelompok umur, status reproduksi, dan jumlah anak. Namun cara
ini masih terlalu longgar terlalu longgar, sehingga seringkali tidak cukup untuk digunakan sebagai cara
untuk menyingkirkan faktor perancu, yang dapat menyingkirkan pecan perancu dengan efektif adalah
individual matching. Misalnya. apabila seorang subyek dalam kelompok yang diteliti (peminum kopi)
perokok, maka sebagai kontrol dicarikan pasangan subyek yang tidak minum KOPI tetapi perokok;
demikian pula bila subyek lainnya yang bukan perokok, dicarikan yang bukan perokok.
Kelebihan individual matching sama dengan restriksi, oleh karena variable perancu pada kedua
kelompok telah disamakan, sehingga tidak dalam analisis. Namun kelemahannya juga besar, karena
perancunya banyak, konsekuensinya harus dilakukan matching terhadap banyak variable, hingga sulit
mencari kontrolnya. Kekurangan lain adalah terdapatnya kemungkin overmatching, yakni matching
terhadap variabel yang sebenarnya bukan merupakan perancu, sehingga di samping sulit mencari suyek
dan kontrol, juga menyebabakan distorsi hasil penelitian.Di lain sisi mungkin saja terdapat perancu yang
kuat namun tidak diketahui; dalam hal ini maka dengan sendirinya perancu tidak dapat dideteksi.
Pemilihan variabel untuk dilakukan matching (matching variable) bergantung pada jenis penelitian.

9
 Pada umumnya sebagai matching variable ditentukan beberapa variabel yang berperan penting
dalam prognosis (biasanya 2 atau 3 variabel, oleh karena makin banyak matching variable makin sulit
memperoleh subyek).
3. Randomisasi
Randomisasi merupakan cara yang efektif untuk menyingkirkan pengaruh variabel perancu.
Dengan melakukan randomisasi (Bab 10), maka variabel perancu akan terbagi seimbang di antara 2
kelompok. Kelebihan Elain adalah variabel perancu yang terbagi rata tersebut meliputi baik ariabel
perancu yang pada saat penelitian sudah diketahui maupun yang lum diketahui. Contoh di bawah ini
dapat memperjelas hal tersebut.
Dalam studi tentang hubungan antara kebiasaan minum kopi dan enyakit jantung koroner,
kebiasaan merokok telah diduga sebagai rancu. Dengan randomisasi ia akan terbagi rata pada kedua
kelompok (kelompok yang diteliti dan kontrol). Jikalau kebiasaan makan mentimun (yang semula tidak
diketahui merupakan perancu) di kemudian hari Yata mempunyai hubungan dengan kebiasaan minum
kopi dan dengan nyakit jantung koroner (makan mentimun merupakan variabel perancu), hal itu tidak
akan mempengaruhi hasil penelitian, karena dengan randomisasi ia sudah terbagi rata pada kedua
kelompok.
Demikian pula bila setelah randomisasi terjadi pajanan terhadap variabel lain, asalkan pajanan
tersebut mempunyai kemungkinan yang sama terjadi pada kedua kelompok, tidak banyak
berpengharuh. Misalnya
B. Menyingkirkan factor perancu dalam analisis
Dalambanya keadaan meyingkiran perancu dalam desain tidak mungkin dilaksanakan. Terdapat dua
teknik yang paling sering dipergunakan yakni (1 ) strtifikasi dan (2) analisis multivariat
1. Stratifikasi
Stratifikasi merupakan cara yang lazim untuk meniadakan perancu, bila hanya ada 1 perancu. Bila lebih
dari 1 maka stratifikasi menjadi kompleks dan sulit diinterpretasi. Teknik yang lazim digunakan adalah
statistika Mantel-Haenszel baik untuk studi cross sectional, kasus-kontrol, kohort, atau uji klinis
Contoh stratifikasi pada studi kasus-kontrol
Kita kembali pada studi tentang hubungan antara kebiasaan minum kopi dengan kejadian penyakit
koroner, dengan kebiasaan merokok petancu. Hasil stratifikasi tampak pada Tabel 1; Tabel 1A adalah
tanpa stratifikasi. Tabel 1B hanya subyek perokok, dan Tabel 1C hanya bukan perokok.

10
Tabel 1. Stratifikasi hasil studi kasus kontrl dengan keiasaan minum kopi sebagai risiko, penyakitkoroner
sebagai efek, dan merokok sebagai perancu

Mula-mula semua subyek digabungkan, dan dihitung rasio odds (RO)-nya. Kemudian semua dilakukan
stratifikasi berdasarkan perancu (kebiasaan merokok), dan setiap strata dihitung ROnya. Selanjutnya
dilakukan analisis Mantel-Haenzel, sehingga diperoleh nilai RO kebiasaan minum
2. Analisis multivariat
Analisis multivariat o1eh sebagian ahii statistika didefinisikan sebagaitcknik Statistika untuk set data
variabel tergantung multipel (Icbih dari satu). Dalam buku ini kami memandang analisis multivariat
terrnasuk cknik Statistika untuk set data dengan variabel bebas lebih dari satu.Terdapat banyak jenis
analisis multivariat, dari yang sederhana sampai Yang paling rumit. Dalam penelitian klinis yang sering
dipakai adalah tcknik analisis regresi multipel dan model regresi logistik. Dengan kedua teknik tersebut
dapat diketahui asosiasi antar-variabel dengan menyingkirkan variabel Iain (variabel Iain 'dibuat' sama
atau tetap). Termasuk variabel perancu.

11
 Jenis analisis multivariat Iain adalah analisis diskriminan, analisis faktor, analisis klaster, dan Iain-
Iainnya. Pembahasan teknik statistika lanjut tersebut di luar lingkup buku ini, namun sebagai ilustrasi
dikemukakan 2 contoh.
Regresi multipel
Ingin diteliti faktor-faktor yang berpengaruh terhadaé berat lahir bayi (variabel tergantung, berskala
numerik). Faktor yang diteliti adalah usia ibu, paritas, lama pendidikan ibu, dan berat ibu sebelum hamil.
Karena baik variabel tergantung maupun bebas berskala numerik, teknik analisis multivariat yang sesuai
adalah regresi multipel. Pada hasil akhir diperoleh persamaan regresi sebagai berikut :

Y = a +b1x1 + b2X2 + b3x3.... + bIxI

Y adalah berat lahir bayi dalam gram

X1 adalah usia ibu dalam tahun
X2 adalah jumlah paritas sebelumnya
X3 adalah lama pendidikan formal ibu dalam tahun
x4 adalah berat ibu sebelum hamil dalam kilogram
a adalah konstanta
b1sampai b4 adalah koefisien regresi variable yang bersangkutan
--270
Statistic multivariate ini adalah, ia merupakan teknik yang kuat untuk menyingkirkan berbagai variabel
perancu, sedangkan kelemahannya adalah:
 Interpretasinya sering sulit dan tidak natural
 Sulit digeneralisasi dalam keadaan nyata
 Hasilnya sangat dipengaruhi oleh pemilihan variabel yang dimasukkan ke dalam persamaan
 Membutuhkan jumlah subyek yang besar, terutama apabila jumlah variabel independennya
banyak
 Seringkali terlalu banyak asumsi

Pengubah efek (effect modifier)

Hal lain yang perlu dipertimbangkan dalam penilaian hubungan antara variabel adalah
modifikasi efek (effect modification). Modifikasi efek terjadi bila derajat hubungan antar-variabel
ditentukan oleh variabel ketiga (yang disebut sebagai effect modifier). Misalnya efek indometasin untuk
menutup duktus arteriosus persisten• adalah sangat baik pada bayi prematur, namun tidak nyata pada

12
bayi cukup bulan. Dengan demikian, asosiasi antara indometasin dengan duktus dimodifikasi oleh masa
gestasi.
Berbeda dengan variabel perancu yang harus disingkirkan (misalnya dengan stratifikasi dan
statistika Mantel-Haenszel), effect modifier tidak perlu dihilangkan namun justru perlu dielaborasi atau
diperjelas maknanya. Variabel yang sering merupakan effect modifier adalah jenis kelamin, kelompok
umur, keadaan klinis tertentu.
Analisis hubungan antara variabel
Dalam uraian di atas telah dibahas pengaruh adanya variabel perancu dalam hubungan antar-variabel.
Bila kita menemukan hubungan antara dua variabel atau lebih dalam suatu penelitian, maka terdapat
beberapa kemungkinan yang harus dipikirkan;
1. Hubungan tersebut disebabkan semata-mata oleh faktor peluang atau chance akibat pemilihan
subyek penelitian ataupun akibat pengukuran (variabilitas subyek, pemeriksa, atau
pemeriksaan).
2. hubungan tersebut disebabkan oleh bias, namun karena banyak • diketahui, yang
dikeıompokkan dalam bias inkiusi, bias
3. hubungan sebab-akibat
Meskipun perancu sebenarnya termasuk bias, namın karena yang khas, sebagian ahli memandangnya
sebagai sesuatu hal yang te Dengan demikian maka hal-hal yang harus diperhatikan pada hub?sah
antara variabel adalah: (1) peluang, (2) bias, (3) perancu, (4) hubuntn kausal atau sebab-akibat. Tentang
perancu sudah d dibahas secara ringkas faktor peluang dan iuraikan bias, sebelumdi atas Berikut akan
dibahas hubungan kausal.

Peluang
Faktor peluang selalu dapat terjadi, sehingga harus kita perhatikan dan analisis. Bila sampel
reprsentatif terhadap populasinya, beşar peluang dapat dihitung dengan pelbagai teknik statistika, yakni
dengan cara menghitung nilai p. Biasanya disepakati besarnya peluang untuk memperoleh hasil bila
kedua kelompok tidak bebeda 5% (p 0,05) dianggap diterim.
Besarnya peluang juga dapat dinilai dengan cara menghitung interval kepercayaan, karenanya
penyertaan interval kepercayaan ini, bila mungkin, sangat dianjurkan. Lihat kembali Bab 2. Pada
umumnya:

13
  pada uji perbedaan, bila interval kepercayaan perbedaan mencakup angka 0, berarti perbedaan
yang diperoleh pada sampel itü dapat disebabkan semata-mata karena faktor peluang; bila
dilakukan uji hipotesis, maka diperoleh nilai p yang tidak bermakna;
 untuk risiko relatif, rasio odds, şeta rasio prevalens, nilai rentang interval kepercayaan yang
mencakup angka I menunjukkan bahwa rasio tersebut tidak bermakna, artinya faktor yang
diselidiki tidak dapat disebut merupakan risiko.

Bias
Pada umumnya dapat dikatakan bahwa bias inklusi terjadi apabila subyek tidak representatif untuk
populasi yang diwakilinya.Misalnya, pemilihan pasien yang berobat ke rumah sakit rujukan pada
umumnya tidak mewakili keadaan dalam masyarakat. Selain populasi terjangkau yang dipilih, cara
pemilihan sampel (sampling method) juga sangat menentukan apakah sampel tersebut representatif. .
Di sini perlu diingat bahwa sedapat mungkin sampel dipilih berdasar peluang (Probability sampling). Bila
tidak mungkin, pasien terbatas, untuk penelitian klinis clianjurkan menggunakan consecutive sampling.
Penggunaan convenience sampling harus dihindarkan, sedang cara amat judgernental sampling
maupun purposive sampling barus dilakukan dengan amat hati-hati.
Bias pengukuran berkaitan dengan kesahihan; peneliti harus senantiasa berusaha
menghindarkan 3 sumber bias pengukuran, yakni bias pemeriksa, bias subyek, dan bias alat ukur serta
cara pengukurannya, dengan cara yang telah diuraikan dalam Bab 4. Termasuk hal yang potensial dapat
menyebabkan bias pengukuran yang harus dihindarkan adalah kriteria penetapan outcome atau efek.
Hubungan sebab-akibat
Apabila faktor peluang bias, dan perancu dianggap bukan lagi merupakan masalah, maka kita dapat
menyimpulkan bahwa hubungan antara variabel bebas dan tergantung adalah hubungan sebab-akibat.
Perlu diingat bahwa dalam fenomena biologis, yang dimaksudkan dengan sebab (kausa, cause) tidak
selalu satu-satunya faktor yang dapat menimbulkan efek. Dikenal istilah (a) sufficient cause, dan (b)
necessat)' cause. Bila logam dipanaskan, ia memuai, di mana pun dan kapan pun. Jadi pemanasan itu
sendirilah yang menyebabkan logam memuai; hal ini disebut sebagai sufficient cause. Namun M.
tuberculosis bukanlah merupakan sufficient cause untuk penyakit tuberkulosis. Dalam hal ini M.
tuberculosis disebut sebagai necessan cause; untuk terjadi penyakit tuberkulosis, diperlukan faktor lain
seperti ketahanan tubuh rendah, kerentanan individual, dan lain-lain. Sebagian besar kausa pada
fenomena biologis adalah necessary cause.

14
Dalam diagnosis hubungan kausal, perlu diperhatikan dan ditelaah hal-hal berikut, yang merupakan
pengembangan dari postulat Koch oleh Sir Bradford Hill.
1. Hubungan waktu (temporal relationship)
Hubungan antar-variabel hanya mungkin merupakan hubungan akibat apabila tclah diyakini
bahwa sebab mendahului akibat. Dal kontcks pcnelitian, maka variabel bebas (risiko, penyebab, k
prediktor) harus mcndahului variabel tergantung (efek, penyakit, outcome). Hal ini dapat dipenuhi oleh
desain uji Minis, studi studi kasus-kontrol, dengan urutan kekuatan yang menurun. pada cross sectional,
hubungan waktu tidak tergambar dalam desain, namun dapat disimpulkan dengan teori atau logika. Bila
variabel merupakan variabel atribut yang konstan (misalnya jenis kelamin) hal ini tidak merupakan
masalah. Misalnya dalam penelitian kadar kolesterol pada lelaki dan perempuan, maka variabel bebas
(jenis kelamin) d• mendahului variabel tergantung (kadar kolesterol). Namun dalam mencari asosiasi
antara malnutrisi dengan diare kronik, hubungan waktu sangat penting oleh karena tidak diketahui apa
yang mendahului apa: apakah malnutrisi menyebabkan diare kronik, atau diare kronik yang
menyebabkan malnutrisi.
2. Kuatnya asosiasi
Bukti adanya hubungan yang kuat antara dua variabel akan lebih menyokong terdapatnya
hubungan sebab-akibat. Apabila digunakan statistik, maka nilai p yang kecil (atau interval kepercayaan
yang sempit) lebih kuat daripada nilai p yang besar (atau interval kepercayaan yang lebar). Apabila yang
dihitung adalah rasio, misalnya risiko relatif, rasio odds, atau rasio prevalens, maka nilai yang menjauhi
angka I menunjukkan hubungan yang lebih kuat. Misalnya RR 11,2 lebih kuat daripada RR 1,8 atau RO
0,2 lebih kuat RO sebesar 0,85.
3. Hubungan yang bergantung dosis (dose dependent)
Bila besarnya asosiasi berubah dengan berubahnya dosis atau faktor risiko, maka asosiasi kausal
menjadi lebih mungkin. Bila peminum kopi sedang mempunyai rasio odds dalam terjadinya penyakit
jantung koroner sebesar sedangkan pada peminum kopi berat rasionya menjadi maka asosiasi sebab-
akibat antara kebiasaan minum kopi clan penyakit jantung koroner menjadi lebih mungkin. Keadaan ini
disebut sebagai dose dependent atau IOLOGICAL GRADIENT. Akan tetapi dengan mengingat konsep
necessary caus de atas, bukan berarti orang yang sama sekal tidak minum kopi terbebas dari
kemungkinan menderita penyakit jantung koroner, oleh karena faktor selain minum kopi juga dapat
menyebabkan terjadinya nyakit jantung koroner.

15
4 Konsistensi
Apabila terdapat hasil yang konsisten antara satu penelitian dengan enelitian lain, atau pada
subyek pada satu penelitian, maka asosiasi sebab,akibat menjadi lebih mungkin. Sebagai contoh
sederhana adalah efek parasetamol dalam menurunkan demam. Apabila parasetamol dapat
menurunkan demam pada orang dewasa, pada anak-anak, maupun pada bayi, maka asosiasi kausal
antara pemberian parasetamol dan menurunnya demam menjadi makin kuat.
5. Koherensi
Asosiasi disebut koheren apabila sesuai dengan gambaran umum distribusi faktor risiko serta
efek pada populasi tertentu. Asosiasi antara konsumsi garam dengan hipertensi pada suatu penelitian
akan disokong bila pada populasi tertentu dengan konsumsi garam yang tinggi ditemukan prevalens
hipertensi yang lebih tinggi dibanding dengan prevalens pada populasi umum. Hal ini tentu tidak
tergambar dari data penelitian, namun harus diperoleh dari studi pustaka.
6. Biological plausibility
Agar dapat disebut hubungan kausal, hubungan antara variabel bebas dan tergantung harus
dapat diterangkan dengan teori yang ada. Apabila ditemukan hubungan antara AIDS pada bayi dengan
pekerjaan orang tua, maka harus ditemukan teori yang dapat menerangkan hubungan tersebut. Bila
teori tersebut ada, asosiasi kausal menjadi lebih mungkin. Sebaliknya, bila data menunjukkan ada
hubungan antara miokarditis difterika dengan warna baju yang dipakai pasien, hubungan kausal tidak
dapat disimpulkan sebab tidak ada teori yang dapat menerangkan asosiasi tersebut.
7. Kesamaan dengan hasil penelitian Iain
Bila hasil penelitian menyokong hal-hal yang ditemukan dalam penelitian Iain maka hubungan
kausal menjadi lebih besar. Hal ini terutama bila desain yang digunakan tidak satua. Bila asosiasi antara
minum kopi (lan penyakit jantung koroner ditenłukan pada studi cross-sectional, studi kasus kontrol, dan
studi kohort, nłaka asosiasi kausal mcnjacli lebih
Hal ini merupakan salah satu bagian yang harus dikupas dal arn penibahasan tiap laporan
penelitian, yakni apakah hasil yang (liternukan sekarang menyokong atau mcnolak hasil penelitian yang
pernah dilaporkan sebelułnnya, dengan ulasan yang memadai.
Peneliti dan pembaca hasil penelitian harus memahami pengertian variabel baik secara umum
maupun dalam konteksnya dalam desian penelitian tertentu. Sebagian besar penelitian klinis analitik
berupaya untuk mencari hubungan antara variabel independen (satu atau lebih) dengan variabel
dependen. Prinsip-prinsip desain, pemilihan subyek, pengukuran, analisis dan Iain-lain harus diterapkan

16
dengan ketat dalam semua jenis penelitian, untuk dapat diperoleh hasil dengan tingkat kesahihan yang
tinggi.
Salah satu hal yang harus diwaspadai adalah terdapatnya 'variabel ketiga' yakni variabel yang
tidak sedang diteliti namun mempunyai potensi untuk memengaruhi hasil penelitian sehingga
mengurangi kesahihan hasil. Dua jenis variabel ini adalah variabel perancu (confounding) dan pengubah
efek (effect modifier). Identifikasi terdapatnya perancu harus dilakukan, dan pengaruh perancu harus
disingkirkan atau dikurangi dengan cara tertentu, baik dalam desain maupun dalam analisis. Di Iain sisi
pengubah efek tidak boleh disingkirkan melainkan harus dielaborasi sebab pengubah , efek justru dapat
memperjelas hubungan antara variabel independen dan variabel independen yang diteliti

17
 DAFTAR PUSTAKA

1. Sastroasmoro, S., Dasar-Dasar Metodologi Penelitian Klinis. 2014. Sagung Seto : Jakarta

18