UKURAN ASOSIASI

dalam
EPIDEMIOLOGI
 Pertanyaan Mendasar dalam
Epidemiologi

Apakah Eksposur berhubungan

dengan penyakit ???

Eksposur /
Paparan / faktor ddDisease /
risiko/ pajanan Penyakit/ Outcome
 Review

Ukuran-ukuran dalam
Epidemiologi
O Ukuran-ukuran frekuensi penyakit
O Ukuran-ukuran asosiasi √
O Ukuran-ukuran dampak
 Review

Ukuran frekuensi penyakit

O Mengukur kejadian penyakit, cacad
ataupun kematian pada populasi.
Frekuensi kejadian yang diamati
diukur dengan menggunakan
Prevalens dan Incidens serta
Mortalitas.
 Ukuran Asosiasi Ukuran Dampak
(Ukuran dari akibat (Ukuran dari Efek)
pemaparan )
OMenggambarkan kontribusi
OMengukur ke-eratan dari faktor yang diteliti
hubungan statistik antara terhadap kejadian suatu
faktor tertentu (pajanan) penyakit dalam populasi
dengan kejadian penyakit tertentu.
yang diduga merupakan
akibat pemaparan tersebut. OUkuran yang digunakan
adalah Attributable Risk
Percent (AR %) dan
OHubungan antara Population Attributable Risk
pemaparan dan akibatnya (PAR).
diukur dengan menggunakan OUkuran ini berguna untuk
Relative Risk (RR) atau meramalkan efektifitas suatu
Odds Ratio (OR) intervensi atau pengobatan
pada populasi tertentu.
 UKURAN ASOSIASI
O Menggambarkan kekuatan atau
besar asosiasi (hubungan)
antara suatu eksposur/faktor
risiko dan kejadian suatu
penyakit

O Beberapa ukuran assosiasi

digunakan untuk mengestimasi
efek
 Ukuran-ukuran asosiasi
Perbandingan relatif Perbandingan absolut
Ukuran rasio ukuran Perbedaan
efek
 Rasio dua frekuensi
penyakit membandingkan
 Perbedaan antara
kelompok terpajan dengan
ukuran frekuensi
kelompok tidak terpajan
penyakit suatu klmpok
Menggunakan Ukuran :
terpajan & kelmpok yang
O RR (relative risk) tidak terpajan
O Risk ratio Menggunakan
O Rate ratio ukuran :
O OR (odds rasio)
RD (risk difference)
 Ukuran-ukuran asosiasi
O Rasio Risiko (RR)  O Beda Risiko (RD) 
perbedaan relatif perbedaan absolut
risiko yang risiko yang
berhubungan dengan hubungan dengan
suatu paparan suatu paparan
RD  R1  R0
di mana
R1
RR  O R1 = risiko pada
kelompok terpapar
R0 O R0 = risiko pada
kelompok tak terpapar
 Contoh Perbedaan absolut dan Perbedaan relatif
Misalnya: suatu penelitian yg dilakukan selama 5 tahun, ditemukan
bahwa kejadian penyakit Kanker paru pada orang yg merokok = 2
per 100 orang sedangkan kejadian kanker paru pd yg bukan perokok
= 1 per 100 orang.
Perbedaan Absolut =
(2 kasus per 100 orang) – (1 kasus per 100 orang) = 1 kasus per 100
orang.
Artinya : pada orang yg merokok kejadian kanker paru lebih banyak
1 per 100 orang.
Perbedaan Relatif =
(2 kasus per 100 orang) = 2
(1 kasus per 100 orang)
Artinya: risiko kejadian kanker paru 2 kali lebih banyak pd orang yg
merokok
daripada yg bukan perokok

Catatan: pd pembagian satuan akan hilang setelah dibagi

 Rumus dengan Tabel 2x2
Penyakit + Penyakit − Total
Kelompok 1 (Terpapar) A1 B1 N1
Kelompok 0 (Tak terpapar) A0 B0 N0
Total M1 M0 N
Risiko
pd Risiko
A1 kelompo
A0 pd

R1  k
terpapar R0  kelompo
k tdk
N1 N0 terpapar

R1 A1 N1 A1 A0
RR   RD  R1  R0  
R0 A0 N 0 N1 N 0
10
 Perbadingan antara RR dan RD
Sakit Tidak
GE GE Jml Risiko
Makan
63 25 88 0,72 RR=5,1
daging
Tdk
mkn 1 6 7 0,14
daging
Jml 64 31 95 RD=0,58

Makan daging memiliki hubungan kuat Makan daging menyebabkan lebih

dengan sakit GE banyak orang yang sakit GE
11
 Contoh: Outbreak (KLB) yang Ditularkan Melalui
Makanan (Foodborne Outbreak)

O Paparan  makan daging di suatu hajatan

O Penyakit  gastroenteritis GE
O Risiko pada terpapar R1 = 63/88 = 0.72
O Risiko pada tak terpapar R0 = 1/7 = 0.14

RD  0.72  0.14  0.57

Peningkatan risiko sebesar 0.58 atau 58% (dalam arti
absolut) jumlah yg sakit GE sebanyak 58%
0.72
RR   5.00
0.14
Peningkatan risiko sebesar 5 kali (dalam arti relatif)
12
 Ukuran Asosiasi
Rasio odds (Odds ratio = OR)
O Nama lain: Odds relative; rasio kros-
produk
O rasio dua odds yang digunakan dalam
studi kasus-kontrol untuk mengestimasi
rasio rate atau rasio risiko
O odds untuk satu kelompok dibagi
dengan odds untuk kelompok yang lain
O Mempunyai interpretasi yang sama
seperti risiko relatif
 Pengertian Odds
O Odds suatu kejadian
Yaitu: rasio probabilitas bahwa kejadian terjadi
terhadap probabilitas kejadian tidak terjadi

P
Odds suatu peristiwa 
1 P
P = Probabilitas suatu kejadian terjadi
1–P = Probabilitas suatu kejadian tidak terjadi
 Contoh : Tabel silang pemajan dan status sakit, insidens
sakit dan Probabilitas odds sakit pada penelitian kohort.

Status sakit

Pemajan Sakit Tidak Total Insiden sakit Probabilitas odds sakit

sakit (Risk)
+ a b a+b a/(a+b) a
ab  a
 a  b
1  
ab

- c d c+d c/(c+d) c
cd c

 c  d
1  
cd 

Total a+c b+d a+b+c+d

Keterangan = a, b, c, d  masing-masing memiliki nilai

 Odds Ratio (OR) = Relative Odds = Cross
Product Ratio pd penelitian kasus kontrol

Odds pemajan untuk kasus

Odds Ratio 
Odds pemajan untuk kontrol

Faktor Kasus Kontrol Total

Perokok 650 (a) 950 (b) 1600
Bukan 50 (c) 350 (d) 400
perokok
Total 700 1300 2000
 Prevalence Odds Ratio (POR) = Cross Product Ratio  bila data
didasarkan pada kasus-kasus prevalens
POR
650 x 350
Prevalence Odds Ratio   4,8
950 x 50
PR

650 / 1600 0,40625

Prevalence ( proportion) Ratio    3,25
50 / 400 0,125
Faktor Kasus Kontrol Total
Perokok 650 (a) 950 (b) 1600

Bukan 50 (c) 350 (d) 400

perokok
Total 700 1300 2000
Incidence Odds Ratio (POR) = Cross Product Ratio  bila
data didasarkan pada kasus-kasus insidens

20 x 990
Incidence Odds Ratio   2,02
10 x 980

20 / 1000 0,02
Incidence proportion (risk ) Ratio    2,00
10 / 1000 0,01
Faktor Sakit Tidak sakit Total
Perokok 20 (a) 980 (b) 1000

Bukan 10 (c) 990 (d) 1000

perokok
Total 30 1970 2000
 Ukuran-ukuran asosiasi :
UKURAN RASIO
- Rasio risiko atau risiko relatif (RR)

Risiko pada kelompok terpajan

RR 
Risiko pada kelompok tidak terpajan

– Rasio Prevalens (PR)

Prevalens pada kelompok terpajan
RP 
Prevalens pada kelompok tidak terpajan
Perhitungan RR untuk Insiden Kumulatif (CI)
Outcome (D+) Outcome (D-) Total
Sakit Tidak Sakit

E (exposed) a b a+b
Terpajan

NE (non-exposed) c d c+d
Tidak terpajan

Total a+c b+d N

(a + b + c + d)

CI pada populasi exposed (E)  a/(a + b)

RR=
CI pada populasi non-exposed (NE)  c/(c + d)

Keterangan = a, b, c, d  memiliki nilai masing-masing

 OR & RR
O Pada penyakit yang jarang terjadi,nilai
Odds Ratio hampir sama dengan nilai
Relative Risk (Risk Ratio). Nilai
Prevalence Odds Ratio hampir sama
dengan nilai Prevalence Proportion
Ratio.

O Pada penyakit yang umum terjadi, nilai

Odds Ratio lebih ekstrim dari pada Risk
Ratio.
 Interpretasi dari Odds Ratio (OR)
• Relative odds dihubungkan dgn exposure
OR = 1  tidak ada hubungan
OR > 1  ada hubungan positive
OR < 1  ada hubungan negative
• Ukuran OR menentukan kekuatan hubungan
• OR ≈ RR pada penyakit yg jarang (misalnya
< 5%);
• Pada penyakit yang tidak jarang, OR msh
tetap valid utk mengukur hubungan.

Gerstman Chapter 8 (partial) 23

 RR < 1 RR = 1 RR > 1

Risiko utk
terjadinya Risiko utk
Perbandingan
penyakit lebih Risiko terjadinya terjadinya penyakit
Risiko antara
rendah pd penyakit sama utk lebih tinggi pd
kelompok ter-
kelmpk ter- kelmpk ekspos & kelmpok ekspos
exposed and
ekspos tdk ekspos dari pd yg tdk
tidak exposed
dibandingkan yg ekspos
tdk ekspos

Dgn adanya
eksposure dpt Adanya Eksposur
Apakah mengurangi / meningkatkan
menurunkan Eksposur bukan
Exposure sbg risiko terjadinya
faktor risiko
faktor risiko terjadinya penyakit
terjadinya penyakit
penyakit ? penyakit (eksposur sbg
(eksposur sbg faktor Risiko)
Faktor Protectif)
Ukuran Dampak Potensial
 Pada kelompok terpapar
 Pada populasi

26
 UKURAN DAMPAK (ukuran efek)

 Ukuran efek/dampak
 Menggambarkan dampak suatu faktor pada frekuensi
atau risiko dari suatu masalah (outcome) kesehatan
 Menggambarkan kelebihan jumlah kasus karena suatu
faktor (attributable) atau jumlah kasus yang dapat
dicegah oleh eksposur (pemajan)
 Ukuran-ukuran dampak
 Ukuran perbedaan dampak/efek
 Perbedaan risiko = Risk Difference (RD) =
Attributable Risk (AR) = Excess Risk (ER) =
Absolute Risk (AR)
 [Risiko pada kelompok terpajan] – [Risiko pada
kelompok tidak terpajan]
 Berguna untuk mengukur besarnya masalah kesehatan
masyarakat yang disebabkan oleh suatu pemajan
 bermanfaat untuk penilaian prioritas untuk aksi kesehatan
masyarakat (Public Health Action)
 Attributable Risk (AR)
AR = Iexposed – Inonexposed = “Risk Difference”

Sakit PJK  Insiden PJK pd yg merokok

merokok Ie = 84 / 3000
Yes No
= 0.028 = 28.0 / 1000
Yes 84 2916 3000  Insiden PJK pd yg tdk merokok

No 87 4913 5000 INe = 87 / 5000

= 0.0174 = 17.4 / 1000

AR = (28.0 – 17.4) / 1000 = 10.6 / 1000

 Attributable Risk (AR)
AR = (28.0 – 17.4) / 1000 = 10.6 / 1000

Artinya:
 10,6 dari 28/1000 kejadian PJK berhubungan
dengan mereka yang merokok.
 10,6 dari 28/1000 kejadian PJK dapat dicegah
jika mereka berhenti / tidak merokok.
 Ukuran-ukuran dampak/efek
 Ukuran perbedaan efek
 Attributable Risk (AR) Percent = AR%

Insidens terpajan   Insidens tidak terpajan 

AR%  x 100%
Insidens terpajan 
 Attributable Risk Percent (AR%)
AR% = (Iexposed – Inonexposed) / Iexposed
= “Etiologic fraction”
Sakit PJK  Insiden pd yg merokok
merokok Yes No Ie = 84 / 3000
= 0.028 = 28.0 / 1000
Yes 84 2916 3000  Insiden pd yg tdk merokok
No 87 4913 5000 INe = 87 / 5000
= 0.0174 = 17.4 / 1000

AR% = (28.0 – 17.4) / 28.0 = 37.9%

 Attributable Risk Percent (AR%)
AR% = (28.0 – 17.4) / 28.0 = 37.9%

Artinya:
 Diantara para perokok, terdapat 38% kejadian PJK mungkin
berkaitan dgn merokok
 Diantara para perokok, terdapat 38% kejadian PJK yg dapat
dicegah jika berhenti merokok
 Ukuran-ukuran dampak
 Population Attributable Risk (PAR)
 = Attributable Fraction (population) atau Etiologic
Fraction (population) = Population Attributable
Risk Proportion = Population Attributable Risk
Fraction
 Proporsi (atau fraksi) rate penyakit pada seluruh
populasi yang mewakili rate penyakit dalam kelompok
terpajan

 Rumus PAR

PAR  Insidens populasi  Insidens tidak terpajan

 PAR and PAR%
contoh:
Jika kita akan memperkirakan berapa banyak kejadian
diabetes diantara orang2 suku “A” yang obesitas
 Yg harus diperhatikan adalah: jika kita akan menghitung
PAR dan PAR% adalah apakah hasil penelitian ini dapat
digeneralisasi pada seluruh orang orang suku A
 Population Attributable Risk (PAR)
PAR = Itotal – Inonexposed
Diabetes IT = 1100 / 10000
Weight Yes No = 0.11 = 110 / 1000
Obese 850 3650 4500 INE = 250 / 5500
Slim 250 5250 5500 = 0.0455 = 45.5 / 1000
1100 8900 10000 (background risk)

PAR = (110 – 45.5) / 1000 = 64.5 / 1000

 Population Attributable Risk (PAR)

PAR = (110 – 45.5) / 1000 = 64.5 / 1000

Pada populasi suku A, 64.5 dari 110/1000

inciden diabetes berhubungan dengan
obesitas
Pada populasi suku A, 64.5 dari 110/1000
inciden diabetes yg terjadi dpt dicegah
dengan mengurangi berat badan (yg
ideal)
 Ukuran-ukuran dampak
 Population Attributable Risk Percent (PARP)
attributable fraction (population) atau etiologic
fraction (population)
 Berarti proporsi kasus baru yang dapat dicegah jika pada
semua orang yang tidak terpajan
 Rumus PAR%

Insidens populasi   Insidens tidak terpajan 

PAR%  x 100%
Insidens populasi 
 Population Attributable Risk Percent
PAR% = (Itotal – Inonexposed) / Itotal

Diabetes IT = 1100 / 10000

Weight Yes No = 0.11 = 110 / 1000
Obese 850 3650 4500 INE = 250 / 5500
Slim 250 5250 5500 = 0.0455 = 45.5 / 1000
1100 8900 10000 (background risk)

PAR% = (110 – 45.5) / 110 = 58.6%

Population Attributable Risk Percent
PAR% = (110 – 45.5) / 110 = 58.6%

Pada suku A, 59% kasus diabetes

mungkin berhubungan dengan
obesitas di populasi
Pada suku A, 59% kasus diabetes dpt
dicegah jika orang-orang suku A
dapat menurunkan berat badan (yg
ideal)