OLEH:
PURWIGA
Semua ilmu bersumber dari Al-Quran. Secara umum berkembang menjadi dua, yaitu: ilmu pengetahuan
alamiah dan ilmu pengetahuan budaya
Ilmu tidak akan berkembang tanpa penelitian, sebaliknya penelitian tidak akan ada tanpa kerangka ilmu
tertentu.
Ilmu adalah sebuah filosofi, sedangkan penelitian merupakan tindakan (action)
Seorang dokter adalah konsumen ilmu pengetahuan, sedangkan seorang peneliti adalah produsen ilmu
pengetahuan
Tujuan penelitian adalah meningkatkan derajat kesehatan manusia melalui praktek Evidence Based
Medicine
Fungsi Komite Etik
o Membatasi perilaku peneliti mengembangkan ilmu untuk ilmu
o Conflict of interest
Siklus perkembangan Ilmu:
Teori Fakta/Fenomena
Kesenjangan
DEDUKTIF (UMUM KHUSUS)
INDUKTIF (KHUSUS UMUM)
Perumusan Masalah
Kesimpulan
Sebuah penelitian, dapat dipecah menjadi dua bagian, yaitu secara Anatomis dan Fisiologis
o Anatomi Penelitian
Bagaimana struktur/protokol penelitian?
Tujuan utama untuk membuat sebuah penelitian yang dapat dijalankan (feasible), efisien,
dan sebanding dengan biaya (cost-effective)
Tujuan lainnya untuk memperoleh dana melalui proposal
o Fisiologi Penelitian
Bagaimana sebuah penelitian bekerja?
Tujuan utama untuk memimalisasi kesalahan (error), baik yang random maupun systematic
No Bagian Keterangan
1 Research Question Merupakan objektif penelitian
Ketidakyakinan yang ingin diketahui kebenarannya
Harus bersifat dari general ke spesifik
Karakteristik research question yang baik adalah akronim FINER (Feasible,
Interesting, Novel, Characteristic, Relevant)
2 Background Apa yang saat ini sudah diketahui?
Mengapa pertanyaan itu begitu penting?
Bagaimana penelitian-penelitian sebelumnya? Bagian mana yang belum terjawab
dengan jelas?
Apa yang akan disajikan dari penelitian ini?
3 Design Observasional atau eksperimental?
Cross sectional, cohort, case control, clinical trial?
4 Subjects Siapa saja subjeknya? (kriteria inklusi dan eksklusi)
Bagaimana mereka dipilih (metode pemilihan sample)
5 Variables Predictor/independent Penyebab (Kopi)
Confounding Perancu (Rokok)
Outcome/dependent Akibat (Penyakit Jantung)
6 Statistical Hipotesis?
Besar sample penelitian?
Pendekatan analisis yang digunakan?
3 3
TRUTH IN THE UNIVERSE TRUTH IN THE STUDY FINDINGS IN THE STUDY
1 2
Research Question Study Plan Actual Study
EXT. VALIDITY INT. VALIDITY
RESEARCH QUESTION
Bagaimana Tingkat Kebugaran Fisik pada Lansia?
1
Research Question Study Plan
EXT. VALIDITY
Target Populasi Intended Sample
MASALAH
Intended Sample Intended Variables
2
Study Plan Actual Study
INT. VALIDITY
Intended Sample Actual Sample
MASALAH
Actual Sample Actual Measurement
Validitas Internal
Sejauh apa hasil sebuah penelitian tidak bias atau dapat dikatakan tingkatan sebuah hasil penelitian dapat
dipercaya kebenarannya
Validitas Eksternal
Sejauh apa hasil penelitian dapat diaplikasikan kepada subjek di luar studi penelitian
Design penelitian adalah sebuah rancangan yang disusun sedemikian rupa sebagai penuntun peneliti dalam
memperoleh jawaban atas pertanyaan penelitian dengan sahih, objektif, dan akurat
Dengan kata lain, dalam arti sederhana design penelitian adalah sebuah pedoman/alat untuk mencapai
tujuan penelitian
Untuk memudahkan, ada beberapa istilah yang perlu dipahami terlebih dahulu.
Istilah Pengertian
Observasi Peneliti hanya melakukan pengamatan
Intervensi Peneliti memberikan perlakuan tertentu kepada subjek (misal: diberi obat)
Cross-sectional Semua pengukuran dilakukan dalan satu waktu
Longitudinal Dilakukan follow-up dalam kurun waktu tertentu
Prospetif Mengamati kejadian yang belum berlangsung
Retrospektif Mengamati kejadian yang sudah berlangsung
3.2 KLASIFIKASI
Laporan Kasus
Merupakan studi epidemiologi deskriptif tentang satu kasus (seorang pasien)
Seri Kasus
Merupakan studi epidemiologi deskriptif tentang serangkaian kasus (beberapa pasien)
Kelemahan Kelebihan
Tidak dapat menjelaskan hubungan sebab-akibat Mudah, murah, dan cepat
(temporal relationship). Misal diare dahulu baru
malnutrisi atau sebaliknya?
Tidak untuk kasus langka Cocok untuk faktor risiko dengan onset lama dan lama
penyakit yang panjang
Lebih sering menjaring subjek dengan masa sakit yang Tidak ada loss follow-up
Untuk kepentingan sendiri, tidak untuk diperbanyak
PURWIGA – AMP 2112013 JS
Kelemahan Kelebihan
panjang dibandingkan dengan masa sakit yang pendek
(misal: sembuh atau mati). Sehingga dapat terjadi bias
Dapat meneliti beberapa variabel sekaligus dalam waktu
bersamaan
3.5 CASE-CONTROL
𝐴 (𝐴+𝐵) 𝐵 (𝐴+𝐵)
OR= 𝐶 (𝐶+𝐷)
∶ 𝐷 (𝐶+𝐷)
𝐴𝐷
OR= 𝐵𝐶
Kelemahan Kelebihan
Besar kemungkinan untuk terjadi recall bias Sesuai untuk penelitian penyakit langka
Tidak dapat dipakai untuk menentukan lebih dari satu Biaya relatif murah
variabel dependent
Tidak dapat menghitung inciden rates Dapat mengidentifikasi bebebagai faktor risiko sekaligus
Hasil diperoleh cepat Jumlah sampel lebih sedikit
3.6 COHORT
Alur penelitian
o Ditentukan dahulu kausa/faktor risikonya, kemudian setiap subjek diikuti dalam selang waktu
tertentu (prospektif) untuk melihat terjadinya efek atau penyakit
Hasil pengamatan studi disusun dalam tabel 2x2 dan dapat ditentukan rasio insidens.
Rasio insidens adalah perbandingan antara insidens efek pada kelompok dengan faktor risiko dengan insiden
efek pada kelompok tanpa faktor risiko
Rasio insidens dihitung dengan: (A/A+B) / C/C+D
Kelemahan Kelebihan
Merupakan desain terbaik dalam menentukan insidens Memerlukan waktu yang lama
dan perjalanan penyakit
Dapat meneliti beberapa efek sekaligus dari suatu faktor Biaya relatig mahal
risiko
Mudah untuk loss to follow up
Masalah etika membiarkan subjek terpajan faktor risiko
Bagaimana cara menggeneralisasi Hasil Penelitian? Bagaimana cara menggeneralisasi Hasil Penelitian?
Menggunakan P-Value dan Confidence Interval Menggunakan Logika dan Common Sense
Kriteria Inklusi
Merupakan karakteristik umum subjek penelitian pada populasi target dan populasi terjangkau yang terkait
dengan research question
Kriteria Ekslusi
Merupakan subjek dengan karakteristik inklusi, namun memeliki beberapa faktor yang tidak sesuai dengan
misalnya:
o Kecenderungan loss follow-up tinggi
o Ketidakmampuan untuk memberikan informasi yang baik
o Memiliki risiko tinggi untuk terkena efek samping
4.3 SAMPLING
Pengertian Pengukuran
Merupakan observasi fenomena (phenomena of interest) dengan maksud agar fenomena tersebut dapat
dianalisis secara statistika
Kesahihan sebuah studi sangat bergantung pada seberapa baik sebuah variabel penelitian
merepresentasikan phenomena of interest
Skala Pengukuran
Numerik/Kuantitatif Kategorik/Kualitatif
Presisi
o Merupakan ukuran seberapa dekat serangkaian pengukuran satu sama lain
o Presisi sangat mempengaruhi Power (nilai β) dalam sebuah studi
o Dikenal juga dengan reproducibility, reliability, consistency
o Semakin presisi sebuah penguran, semakin kecil kesalahan acaknya (random error)
Akurasi
o Merupakan ukuran seberapa dekat suatu hasil pengukuran dengan nilai sebenarnya
o Akurasi sangat mempengaruhi kesahihan (validitas) sebuah studi
o Semakin akurat sebuah pengukuran, semakin kecil kesalahan sistematisnya (systematic error)
Setelah peneliti sudah menetukan apa yang akan akan diteliti design apa yang akan digunakan, langkah
selanjutnya adalah menghitung berapa sampel yang dibutuhkan dalam studinya.
Perhitungan sampel yang dibutuhkan sangatlah krusial, karena sampel yang sedikit akan membuat peneliti
tidak mampu menjawab pertanyaan penelitian. Sebaliknya, sampel yang berlebih akan membuat penelitian
semakin sulit dan biaya yang melebihi seharusnya
Tujuan utama dari bab ini adalah untuk menentukan jumlah sampel untuk setiap design studi.
Penentuan jumlah sampel analog dengan sebuah resep masakan. Ada begitu banyak bahan yang harus
dipenuhi sebelum mulai memesak. Begitu juga dengan penentuan besar sampel, kita harus mengetahui
komponen-komponen apa saja yang berperan dalam perhitungan besar sampel
6.2 HIPOTESIS
Menghukum yang tidak bersalah, dikenal juga sebagal kesalahan Tipe 1 (Type 1 Error atau α). Peneliti
menyatakan adanya hubungan, padahal sebenarnya tidak ada hubungan
Ukuran efek adalah besarnya efek yang ditimbulkan oleh parameter yang diuji di dalam pengujian hipotesis.
Ukuran efek bergantung kepada jenis parameter yang diuji.
o Jika parameter itu adalah perbedaan rerata dua populasi maka ukuran efek ditentukan oleh
seberapa besar perbedaan itu.
o Jika parameter itu adalah perbedaan proporsi dua populasi maka ukuran efek ditentukan oleh
seberapa besar perbedaan itu
Effect size juga dapat dianggap sebagai ukuran mengenai kebermaknaan hasil penelitian dalam tataran
praktis
Cara penetunan
o Cara pertama, peneliti menentukan terlebih dahulu, sebelum penelitian dilakukan, besarnya effect
size yang dianggap bermakna. Besarnya effect size ini kemudian akan menentukan besarnya sampel
yang akan digunakan untuk dapat menghasilkan effect size minimal sebesar yang dianggapnya
bermakna
o Cara penggunaan kedua bersifat post hoc. Effect size dihitung setelah signifikasi statistik dilakukan
perbedaan mean yang distandardisasi dan ukuran asosiasi atau proporsi varians yang dijelaskan
6.5 NILAI-P (P-VALUE), NILAI α, NILAI β, DAN INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL)
Jika P-value < α, tolak hipotesis nol Jika P-value > α, terima hipotesis nol
Banyak bayii yang terlahir cacat (anggota Banyak bayii yang terlahir cacat (anggota
ekstremitas
Pengertian tidak lengkap) pada Ibu yang
Nilai-P (P-Value) ekstremitas tidak lengkap) pada Ibu yang
o Misal memiliki riwayat mengonsumsi
setelah dilakukan uji statistik dengan test Spearmanmemiliki riwayat
diperoleh mengonsumsi
p-value = 0.02
o P-value Thalidomide untukpengertian
= 0.02 memiliki mengurangi “Apabila Hipotesis 0Thalidomide
(H0) benar, untuk mengurangi untuk
maka kemungkinan
mual/muntah mual/muntah
memperoleh hasil tersebut (atau hasil yang lebih ekstrem) akibat peluang adalah 2%”
o Hasil tersebut atau hasil yang lebih ekstrem
Pengertian Nilai α
o Disebut juga false positive (analogi: menghukum yang tidak bersalah). Peneliti menyatakan adanya
hubungan, padahal sebenarnya tidak ada
o Nilai α ini kita tentukan di awal penelitian, biasanya pada rentang 0.01 (1%) – 0.1 (10&)
Untuk kepentingan sendiri, tidak untuk diperbanyak
PURWIGA – AMP 2112013 JS
o Misal kita tentukan nilai α = 0.05 (5%) pada penelitian “Penggunaan Obat A Berhubungan dengan
Penurunan Kadar Kolesterol”.
o Arti 5% pada konteks ini adalah sebuah “ketetapan/batas toleransi” sebanyak 5% untuk melakukan
kesalahan yang diakibatkan peluang semata yang menyebabkan peneliti mengatakan Obat A Dapat
menurunkan Kolesterol Darah. padahal sebenarnya tidak! (Kesalahan Tipe 1) . Jika kesalahannyanya
<5% (dalam batas toleransi) peneliti akan ‘memaafkan’ dan hubungan antar variabel dianggap benar-
memang benar-benar ada.
o Perhatikan analogi berikut:
Setelah membimbing matematika selama setahun, seorang guru memberikan 100 soal kepada
muridnya. Sang guru mengatakan muridnya wajib mendapatkan nilai 100. Sang murid pun berkata
tidak menyanggupi, karena ia adalah seorang manusia dan banyak hal yang bisa membuat ia tidak
mendapatkan 100. (Misal: menghitung dengan benar tapi salah membulatkan pilihan ganda,
komputer menilai jawabannya salah padahal benar, dan banyak lainnya Peluang). Sang guru pun
menyetujui dan mengatakan maksimal salah sebanyak 5 soal (5%), jika nilai 95 akan dianggap nilainya
100.
o Interval Keperayaan (Confidence Interval) = 1 – α (akan dibahas nanti)
Pengertian Nilai β
o Disebut juga false negative (analogi: membebaskan yang bersalah). Peneliti menyatakan tidak ada
hubungan, padahal sebenarnya ada.
o Biasanya memiliki rentang 0.05 (5%) sampai dengan 0.2 (20%)
o Power = 1 – β. Misal pada kasus β = 0.2, artinya power dalam penelitian ini adalah 80&
o Power 80% memiliki pengertian adalah probabilitas untuk dengan benar menolak H0 jika memang
benar ada hubungan (same or greater than the effect size!) sebesar 80%
Pengertian Interval Kepercayaan/IK (Confidence Interval)
o Secara matematika, dinyatakan dalam 1- α
o IK memiliki banyak rumus yang disesuaikan dengan jenis datanya (misal rerata, proporsi dll). Namun
secara umum dinyatakan dengan: IK = P (Za * SE)
o Misal didapatkan dari 100 Ibu yang menyusui, proporsi Ibu yang menyusui dengan benar di
Kecamatan Jatinangor sebesar 60%. Bila seandainya penelitian dilakukan berulang kali sampai tidak
terbatas (dengan metode yang sama) akan terletak di rentang berapa?
o IK 90% memiliki pengertian kita percaya 90% proporsi ibu yang menyusui terletak antara misal 40 –
70%
o Semakin kecil α, semakin besar Za. Tetapi semakin kecil α, semakin besar intervak kepercayaan kita
o SE berbanding terbalik dengan jumlah subjek. Artinya, jika ingin IK besar namun rentang nya tidak
begitu jauh (misal pada kasus nilai Za*SE = 10% akan menghasilkan rentang 40% – 70%) maka caranya
adalah memperbesar jumlah sampel
4 𝑍𝑎 2 ∗ 𝑆 2
N=
𝑊2
Jika standar deviasi belum diketahui, dapat dilakukan
perkiraan dengan cara ¼ (Nilai terbesar – Nilai terkecil)
S : Standar deviasi variabel (didapat dari pilot studi atau penelitian sebelumnya)
Peneliti ingin menentukan rata-rata tinggi badan pada anak kelas XII di SMAN 3 Bandung dengan IK = 95% dengan
rentang nilai 4 cm. Standari deviasi dari penelitian sebelumnya adalah 12 cm. Hitung besar sampel minimal!
4 𝑍𝑎 2 ∗𝑃∗𝑄
N= 𝑊2
, N valid jika NPQ ≥ 5
Jika nilai P tidak diketahui dapat dibuat 0.5 (perkalian maksimum)
S : Standar deviasi variabel (didapat dari pilot studi atau penelitian sebelumnya)
Q : 1-P
Penliti ingin mengetahui prevalensi Riwayat prematur pada anak-anak yang mengalami serebral palsi. Diketahui,
prevalansi riwayat prematur pada studi-studi sebelumnya adalah 35%. Peneliti menentukan α = 0.1, β = 0.1 dan
presisi 7%. Tentukan jumlah besar sampel minimal!
𝑍𝑎 +minimal 2
𝑍𝑏 yang dibutuhkan (1+𝑟)
N : Jumlah sampel
N= + 3 C = 0.5 * Ln
𝐶 normal dari α (1−𝑟)
Za : Standar deviasi
Peneliti ingin mengetahui apakah asupan kalori berkorelasi dengan indeks massa tubuh. Dari studi sebelumnya,
dietahui koefisien korelasi (r) = 0.42. Jika nilai α = 0.05 dan β = 0.1, tentukan besar jumlah sampel minimal!
1 1
+ ∗(𝑍𝑎+𝑍𝑏)2
𝑄1 𝑄0
N1 = N2 = 𝐸 2
𝑆
Jika proporsi kedua grup ingin dibuat sama, maka Q1 = Q2 = 0.5
Jika nilai P tidak diketahui dapat dibuat 0.5 (perkalian maksimum)
E : Effect Size
: Desired difference (In percent) * mean in previous study
S : Standar deviasi
Peneliti ingin menetahui adakah perbedaan kemanjuran antara obat salbutamol dan ipratropium bromide dalam
mengobati asma. Diketahui rata-rata FEV1 pada populasi yang asmanya diobati adalah 2 liter dengan standar deviasi
1 liter. Peneliti ingin meneliti perbedaan sebesar 10% denganα α = 0.05 dan β = 0.80. Berapa subjek minimal pada
setiap grup (salbutamol dan ipratropium) jika porsi keduanya ingin dibuat sama!
2
𝑍𝑎 2𝑃𝑄+ 𝑍𝑏 𝑃1𝑄1+𝑃2𝑄2
N1 = N2 = 𝑃1−𝑃2 2
Q1 : 1 – P1
Q2 : 1 – P2
P : (P1 + P2) / 2
Q : 1-P
Peneliti ingin mengetahui apakah tekanan darah tinggi berhubungan dengan diabetes menggunakan studi kasus-
kontrol tanpa matching. Dari studi sebelumnya, diketahui bahwa proporsi tekanan darah tinggi pada kelompok
kontrol sebesar 7%. Peneliti menentukan perbedaan proporsi bermakna antara kasus dan kontrol sebesar 19%. Jika α
= 0.1 dan β = 0.1,tentukan besar jumlah sampel minimal!
Pendahuluan
o Uji hipotesis yang sesuai pengambilan kesimpulan yang sahih
Alur Pemilihan Uji Hipotesis
o Tentukan jenis skala pengukuran setiap variabel bebas dan variabel tergantung
o Tentukan jenis hipotesis apakah asosiatif, komparatif, atau korelasi
o Tentukan jumlah kelompok, apakah 2 atau >2 kelompok
o Berpasangan atau tidak berpasangan
o Persyaratan parametrik dan non-parametrik
o Lihat jumlah baris dan kolom
Nllai korelasi berada pada rentang 0 – 1, dapat bernilai positif ataupun negatif
o Nilai 0: tidak ada hubungan antara dua variabel
o Nilai -1: kedua variabel memiliki hubungan linier sempurna. Jika X naik, Y juga naik
o Nilai +1: kedua variabel memiliki hubungan llnier sempurna. Jika X naik, Y turun (dan sebaliknya)
Nilai Keterangan
0 Tidak ada korelasi antara dua variabel
<0 – 0.25 Korelasi sangat lemah
0.25 – 0.5 Korelasi cukup
0.5 – 0.75 Korelasi kuat
0.75 – 0.99 Korelasi sangat kuat
1 Korelasi sempurna
No Parametrik Non-parametrik
1 Memerlukan asumsi distiribusi data yang normal Tidak memerlukan asumsi distribusi data yang normal
2 Memerlukan jenis data kuantitatif Wajib digunakan untuk data kategorik
(numerik/metrik)
3 Jumlah data yang digunakan ≥ 30 data Digunakan pada data numerik (jika syarat uji
parametrik tidak terpenuhi)
4 Jika >2 kelompok varians harus sama (homogen) Jumlah data yang digunakan <30 data
5 Mean Median
6 Varian homogen
-
Deskriptif Analitik
Koefisien Varians (nilai koefisien harus <30%) Kolgomorov-Smirnov
Jika jumlah data >50
Rasio skewness (harus diantara -2 s/d 2) Shapiro Wilk (p > 0.05)
Jika jumlah data <50
Rasio kurtosis(harus diantara -2 s/d 2)
Histogram (Simetris, tidak miring kanan maupun kiri, tidak
terlalu tinggi/terlalu rendah)
Pada uji Shapiro Wilk dan Kolgomorov Smirnov jika didapatkan nilai P < 0.05 maka sebaran data tidak normal
Mengetahui Varians
o Dilakukan uji Leuvine Test of Varians
o Jika p > 0.05 maka varians sama
Kolom
Baris 1 2 3
1
2
Tabel diatas B X K = 2 X 3!
No Materi Keterangan
1 Memasukkan Data Tabulasi Variable View
2 Mengubah Satu Variabel Ke Variabel Lainnya Transform recode Into different Variabel
Pilih Variabel yang akan diubah
Tulis nama Variabel Baru
Masukkan Value baru
Tuliskan label value pada tabulasu Variable View
3 Membuat Deskripsi Variabel Kategorik Analyze Descriptive Statistics Frequencies
Pilih variabel
Chart Pilih tipe chart
Chart Pilih Chart Values
4 Membuat Deskripsi Variabel Numerik Analyze Descriptive Statistics Frequency
Pilih variabel
STATISTICS
Central tendency: mean, median
Dispersion: standart deviation, minimum,
maksimum
Distribution: skewness, kurtosis
CHART
Histogram
With normal curve
5 Mengetahui Sebuah Data Memiliki Distribusi Normal Analyze Descriptive Statistics Explore
atau Tidak Pilih variabel masukan di dependent list
PLOTS
Untuk kepentingan sendiri, tidak untuk diperbanyak
PURWIGA – AMP 2112013 JS
No Materi Keterangan
Cek histogram
Cek Normality plot test
Lihat kolom .sig pada Shapiro atau Kolgomorov
(tergantung jumlah sampel)
Jika p <0.05 sebaran data tidak normal!
Sebaran Data?
Ya Tidak
Jumlah Kelompok?
UJI PARAMETRIK!
Transformasi data
Tabel B x K
Tidak Berpasangan
Tabel B x K
Berpasangan
Sensitivitas
Proporsi subjek dengan penyakit, dimana tesnya benar-benar menunjukan jawaban yang benar (True-
Positive) = A / A+C
Spesifitas
Proporsi subjek tanpa penyakit, dimana tesnya benar-benar menunjukan jawaban yang benar (True-
Negative) = D / B + D
Positive Predictive Value
Probabilitas seseorang menderita penyakit, apabila uji diagnostiknya positif = A / A + B
Negative Predictive Value
Probabilitas seseorang tidak menderita penyakit, apabila uji diagnostiknya negatif = D / C + D
Likelihood Ratio
Probabilitas hasil tes pada orang yang menderita penyakit dibandingkan dengan probabilitas hasil tes pada
orang yang tidak menderita penyakit
LR +
Menunjukkan berapa besar kemungkinan suatu test memberikan hasil positif pada orang yang sakit
dibandingkan pada orang sehat = [A / (A + C)] / [B / (B+D)] = Sensitivitas / 1 - Spesifisitas
LR -
Menunjukkan berapa besar kemungkinan suatu test memberikan hasil negatif pada orang yang sakit
dibandingkan pada orang sehat
Pre-Test Probability = Prevalence = A + C / A + B + C + D
Pre-Test Odd = Prevalance / 1 – Prevalence
Post Test Odd = Pre Test Odd * LR
Post Test Probabilty = Post Test Odd / 1 + Post Test Odd
Sebaik dan sesahih apapun penelitian, tidak ada satu pun penelitian yang bebas dari kesalahan
Terdapat dua jenis kesalahan dalam penelitian
o Systematic Error (Bias)
Kesalahan yang membuat nilai yang diteliti tidak merepresentasikan nilai benarnya (true value).
Misalnya ingin prevalensi pengguna KB dari ibu muda. Sampel dipilih dari ibu muda yang datang ke
fasilitas kesehatan. Disini terjadi kesalahan selection bias) karena sampel tidak merepresentasikan
populasi (Bisa saja ibu muda yang datang ke fasilitas kesehatan memang ingin mengakses pelayanan
kontrasepsi)
o Random Error (Chance)
Keselahan yang disebabkan oleh peluang semata. Membuat penelitian menjadi tidak presisi.
Misalnya jika nilai benar (true value) terdapat 3 orang penggunal pil KB dari 10 ibu muda (prevalensi
3%), tetapi bagaimanapun bisa diperoleh hasil yang sedikit berbeda misal 2, 3, atau 4 orang karena
peluang semata. Salah satu langkah untuk meningkatkan presisi adalah menaikan besar sampel. Jika
terdapat 100 sampel, perbedaan 2 – 4 orang mengubah prevalensi sedikit dari true valuenya.
Berdasarkan sumbernya, kesalahan dapat diklasifikasikan menjadi:
o Keselahan dari peneliti
o Kesalahan dari instrumen pengukuran
o Kesalahan dari subjek
Langkah-langkah memimalisasi kesalahan
Syarat confounder
o Variabel ketiga ini berhubungan dengan faktor risiko yang diteliti
o Variabel ketiga ini berhubungan dengan penyakit/outcome
o Bukan merupakan konsekuensi dari paparan
Mengontrol confounding
o Spesifikasi/restriksi
Untuk kepentingan sendiri, tidak untuk diperbanyak
PURWIGA – AMP 2112013 JS
o Matching
o Randomisasi
Contoh bias
o Exposure (E), Outcome/Disease (D), Confounder (F)
o Kopi (E) – CHD (D) – Merokok (F)
o Diabetes (E) – CHD (D) – Hipertensi (F)
Referensi: