Random error, bias &

confounder
Iwan Ariawan
Error dalam penelitian eksperimen
 Error (ketidak tepatan pengukuran) pada eksperimen
memiliki 2 komponen
 Random error
Fluktuasi hasil pengukuran yg terjadi secara acak
 Bias
Kesalahan sistematik yg terjadi tidak secara acak & bukan
akibat kebetulan belaka
 Kedua komponen error harus diminimalisasi dalam
penelitian eksperimen
Random error
 Terjadi karena proses pengambilan sampel
 Kesalahan akan saling meniadakan sehingga kesalahan
total menjadi mendekati nol
 Minimalisasi random error dapat dilakukan dengan:
 Menambah jumlah sampel  meningkatakan presisi &
kekuatan uji (power of the test)
 Stratifikasi  mengelompokkan subyek yang homogen 
memperkecil simpang baku & simpang galat
Bias
 Any trend in the collection, analysis, interpretation,
publication or review of data that can lead to
conclusions that are systematically different from the
truth (Last, 2001)
 A process at any state of inference tending to
produce results that depart systematically from the
true values (Fletcher et al, 1988)
 Systematic error in design or conduct of a study
(Szklo et al, 2000)
Jenis Bias
 Bias seleksi
 Sampel tidak representatif untuk populasi
 Bias informasi (misklasifikasi)
 Kesalahan dalam pengukuran pajanan penyakit, risiko terjadinya
kecil pada eksperimen
 Bias confounding
 Distorsi hubungan pajanan – keluaran akibat faktor/variable lain
Bias seleksi
 Perbedaan seleksi pasien antara kelompok intervensi &
kelompok plasebo  dampak pd hub. Intervensi dg
keluaran
 Jenis bias seleksi
 Publicity bias
 Keikutsertaan pasien akibat publikasi obat/keluaran (yg berlebihan)
 Healthy patient effect
 Pasien yg lebih sehat cenderung untuk tetap dalam penelitian
 Withdrawal bias
 Loss of follow up yg berbeda antara pasien di kelompok obat &
kelompok plasebo
Withdrawal bias
 Pada uji klinik sering sekali terjadi loss of follow up 
dpt mempengaruhi hasil
 Missing data akibat loss of follow up (drop out)
 Missing completely random (MCAR)
Drop out pasien tidak berhubungan dg keadaannya yg
sudah terukur & keadaannya yg akan datang
 Missing at random (MAR)
Drop out pasien berhubungan dg keadaannya yg sudah
terukur tetapi tidak tergantung keadaannya yg akan datang
 Missing not at random (MNAR)
Drop out pasien berhubungan dg keadaannya yg akan
datang
Withdrawal bias & analisis uji klinik
 Intention to treat (ITT) atau analysis as randomized
 Analisis berdasarkan alokasi acak yg diberikan tanpa perduli
apakah subyek berhenti/tidak taat makan obat
 Mengukur efektivitas obat
 Saat ini paling banyak digunakan
 Adherers only method
 Analisis hanya pada subyek yang taat pada alokasi obat yg asli
 Tidak mengikutsertakan subyek yg crossover (berganti obat)
 Mengukur efikasi
 Treatment received method
 Analisis pasien menurut intervensi yg diterima
Bias informasi
 Metode pengumpulan informasi kurang baik 
menghasilkan kesalahan sistematik pd pengukuran pajanan
atau keluaran
 Jika misklasifikasi pajanan atau keluaran tidak terkait
dengan keluaran atau pajanan, maka misklasifikasinya non
differential
 Jika misklasifikasi pajanan atau keluaran terkait dengan
keluaran atau pajanan, maka misklasifikasinya differential
 Distorsi hubungan pajanan - keluaran
Bias informasi
 Sumber bias informasi:
 Variasi subyek
 Variasi pengamat
 Kelemahan alat ukur
 Kesalahan teknis pengukuran
Confounder
 Distorsi hubungan pajanan/intervensi dg keluaran akibat
adanya variabel lain yg distribusinya tidak seimbang pada
kelompok intervensi & kelompok pembanding
 Kemungkinan subyek untuk mengalami keluaran pada
kelompok intervensi & kelompok pembanding sudah
berbeda sejak sebelum intervensi diberikan

E D

C
Contoh Confounder
Contoh Confounder
Contoh Confounder
Kesimpulan dari contoh confouder
 Status gizi merupakan confounder dari efek obat 
kesembuhan  memodifikasi hubungan
obatsembuh
 Status gizi merupakan confounder karena:
 Status gizi merupakan prediktor kesembuhan
 Distribusi status gizi tidak sama pada kelompok obat &
kelompok plasebo
 Tanpa pengontrolan, status gizi memodifikasi hubungan obat
 sembuh sehingga efek yg terlihat bukan efek sebenarnya
Minimalisasi efek confounder
 Distribusi variabel yg diduga confounder sama pada
kedua kelompok  gunakan randomisasi blok,
stratifikasi
 Variabel confounder ikut diukur saat pengamatan
 Teknik analisis yg mengontrol confounder 
multivariat