Standardisasi adalah satu metode untuk mengatasi adanya faktor perancu dalam penelitian
epidemiologi. Usia dan Jenis kelamin merupakan dua karakteristik atau variable yang paling umum
digunakan untuk standardisasi.
1. Menghitung angka kematian kasar saja akan menimbulkan bias perancu karena adanya
perbedaan karakteristik diantara dua populasi tersebut.
2. Standarisasi akan membantu kita mempermudah dalam membandingkan angka kematian jika
dilakukan perbandingan pada populasi dengan jumlah yang besar.
Terdapat dua metode standardisasi yang digunakan dalam penelitian epidemiologi
1) Standardisasi Langsung angka kejadian Spesifik-Usia (Age-Specific rates) dari dua atau lebih
populasi dibandingkan dengan kelompok umur populasi standar untuk menghasilkan
perkiraan jumlah kasus yang setara.
2) Standardisasi tidak langsung angka kejadian spesifik-usia (Age- Specific rates) pada sebuah
populasi standar diterapkan pad struktur kelompok umur dua atau lebih populasi yang akan
di bandingkan. (Najmah,SKM,MPH) “Epidemiologi :Untuk mahasiswa Kesehatan
Masyarakat”, PT Rajagrafindo Persada, Depok 2016
Bisa kita amati bahwa kelemahan utama dari membandingkan angka rata-rata kasar (‘crude
rates’) adalah angka rata-rata ini tidak memperhitungkan fakta bahwa perbedaan populasi
memiliki perbedaan struktur umur dan resiko menjadi sakit atau kematian bervariasi
terhadap umur. Pada grafik jumlah penduduk di Jerman dan Brazil, dapat kita lihat bahwa,
proporsi penduduk tua itu lebih banyak di negara Jerman, sedangkan, proporsi penduduk
muda lebih banyak terdapat di Brazil. Oleh karena itu, jika kita bandingkan kesehatan
jantung pada dua negara ini tidak memiliki makna yang tidak berarti secara signifikan.
Dengan kata lain, umur dapat menjadi faktor perancu (confounding factors) utama yang
mempengaruhi angka rata-rata kasar kematian dari populasi dengan penyakit jantung
iskemik pada kedua negara. Salah satu cara untuk melakukan perbandingan angka kesakitan
atau kematian pada dua negara atau lebih adalah dengan menggunakan teknik
standardisasi.
Sumber: distribusi umur pada populasi di Brazil(1995) dan Jerman (1998) www.cdvinfobase.ca, diakses pada 23 September
2003)
Data surveilans seringkali hanya memberi informasi tentang data numerator saja dalam
bentuk angka kasar. Sementara angka kasar hanya menggambarkan jumlah kejadian, tidak
memperhatikan:
jumlah populasi darimana kejadian terjadi
distribusi karakteristik demografis di populasi
darimana kejadian terjadi
Rate memberi informasi yang lebih lengkap karena mengandung informasi tentang jumlah
kejadian, jumlah populasi darimana kejadian terjadi, dan periode waktu kejadian terjadi.
Rate memberi kondisi yang komparabel artinya dapat untuk membandingkan frekuensi
kejadian secara lebih komperabel:
frekuensi kejadian penyakit di populasi dari waktu ke waktu
frekuensi kejadian penyakit diantara satu populasi dengan populasi lain
frekuensi kejadian penyakit diantara sub populasi
a. Menghitung rate kejadian merupakan suatu hal yang paling penting dalam penelitian
epidemiologi
b. Dengan menghitung Rate, informasi tadi dapat digunakan untuk:
Memformulasikan dan membuktikan hipotesis
Mengidentifikasikan faktor risiko dan penyebab
Membandingkan secara komparabel frekuensi kejadian diantara populasi
1. Gerstman, B. Burt. Epidemiology kept simple : an introduction to traditional and
modern epidemiology 3rd ed. 2013. John Wiley & Sons, Ltd. UK
2. Gordis L. 2014. Epidemiology, 5th edition. Philadelphia: Saunders