MIRZAL TAWI,S.Kep.

MKM
 Definisi Pengukuran
 Measurement is the process
observing and recording the
observations that are collected as
part of a research effort., William
M.K. Trochim, 2002
the Research Methods Knowledge B
ase
 SYARAT-SYARAT
PENGUKURAN(1)
 ISOMORFISME(1)
 Ukuran harus “sedekat” mungkin dengan benda/
kejadian yang diukurnya (identik dengan yang
diukur)
 Kesulitannya: Yg diukur adalah (umumnya) sebagian
karakteristik/properti dari obyek yang diukur
 Seringkali bahkan hanya indikan-nya saja
 Indikan= sesuatu yang dapat “menunjukkan” keadaan
sesuatu yang lainnya.
 Mengukur kondisi fisik lebih “sederhana” dp.
kondisi psikologis (BB vs. Komitmen bekerja)
 SYARAT-SYARAT
PENGUKURAN(2)
 ISOMORFISME(2)
 Misal:
 “Tangan berkeringat” sbg indikan kecemasan
 Jenis kelamin pada binatang (observasi
langsung organ biologis) bandingkan dengan
pada manusia hanya observasi tidak langsung
 Kesehatan “terpaksa” hanya diukur dengan tk
sakit/mati
 Kepuasan pasien diukur berdasarkan ekspresi
persepsi pasien terhadap berbagai dimensi
pelayanan kesehatan
 SYARAT-SYARAT
PENGUKURAN(3)
 EXHAUSTIVE
 Pengukuran harus meliputi “seluruh”
kemungkinan ukuran sesuai dengan tujuan studi
 Misal:
 Jenis kelamin: Lk/Pr
 Pendidikan: Buta-huruf s/d PT3

 MUTUALLY EXCLUSIVE
 Pengukuran tidak tumpang tindih
 Misal:
 Kategorisasi umur: 0-1| >1-5| >5-10| dst
 JENIS-JENIS BIAS
 SELECTION BIAS
 BIAS INFORMASI
 CONFOUNDING
 SELECTION BIAS
 Penyimpangan perkiraan pengaruh
yang diakibatkan oleh cara
pemilihan pengaruh
 Terdiri dari
a) Prevalence incidens bias
b) Berkson bias
c) Non-respon bias
d) Wrong sample size bias
Prevalence incidens bias
 Terjadi dalam kasus case control
 Selective survival pada prevalent cases
 Kasus-kasus ringan sudah membaik
kasus berat mengakibatkan kematian
 Dalam memilih kasus, kita terlambat
melihat penyakitnya
 Kasus-kasus berat yang sudah
menimbulkan kematian tidak akan
muncul daiantara outcome
 Lanj.
 Tingginya CFR pada tahap dini dari
penyakit jantung koroner akan
mengurangi – invalidate studi terhadap
faktor-faktor etiologik yang mungkin
ada karena orang-orang yang tersedia
adalah orang yang masih hidup (kasus-
kasus parah tidak terdapat)
 Pada studi kohort serum kolesterol
memiliki OR 2.4 sedangkan pada studi
case kontrol memiliki OR 1.16
 BERKSON BIAS
 Selektif dalam penerimaan pasien
dirumah sakit
 Penyebabnya tergantung gejala, akses,
rumah sakit rujukan utk penyakit
tertentu, populer atau tdak RS tsb
Contoh;
 Individu yang memiliki 2 gejala
cenderung dirawat inap di RS dibanding
yang memiliki 1 gejala
 Contoh
 Pada penyakit muskuloskletal
dengan penyakit pernafasan
 Pada populasi umum OR 1.06; tidak
ada hubungan antara penyakit
muskuloskletal dengan pernafasan
 Pada orang yang di rawat di RS OR
4.06 ada hubungan antara penyakit
muskuloskletal dengan pernafasan
 NON-RESPONSE BIAS
 Adanya penolakan untuk berperan
serta dalam suatu penelitian
 Orang yang tidak memberikan
tanggapan pada sampel cenderung
berbeda dari orang yang tersedia
 Kebiasaan merokok, ternyata yang
memberikan tanggapan lebih baik
hanya dari rokok kretek dibanding
rokok cerutu
 WRONG SAMPLE SIZE
 Sampel yang terlampau kecil 
ketidak mampuan untuk mendeteksi
perbedaan-perbedaan klinik secara
penting
 Sampel yang terlampau besar 
ukuran-ukuran statistik bermakna
atas perbedaan-perbedaan secara
klinik tidak penting
 INFORMATION BIAS
 Kekeliruan ketidak pastian atau informasi
didalam pengukuran paparan atau
outcome
 Distorsi didalam memperkirakan
pengaruh yang diakibatkan measurement
error atau misclasification atas subjek-
subjek pada satu atau lebih variabel
TERDIRI ATAS
a) Diagnostic bias
b) Recall bias
 DIAGNOSTIC BIAS
 Terjadi karena penampilan tatacara
diagnostik kasus tidak proporsional
dengan tatacara diagnostik pada
kontrol
 Pengetahuan mengenai subjek
sebelum keterpaparannya dengan
suatu hal yang diduga sebagai
penyebab penyakit dapat berpengaruh
dalam proses diagnostik outcome
 Contoh
 Penyakit yang manifestasi klinik yang
langka dan memerlukan uji labor utk
prosedur diagnostik, akan missed dalam
kelompok kontrol
 Ca cervix pada individu yang terpapar dan
tidak terpapar terapi estrogen, prosedur
yang sama harus dilakukan untuk kedua
kelompok
 Pencegahannya, blinding terhadap kasus
dan kontrol
 Recall bias
 Kesalahan pengelompokan bila
informasi mengenai variabel paparan
tidak diketahui atau tidak akurat.
Contoh;
 Ibu-ibu yang kehamilan terakhirnya
berakhir dengan kecacatan atau
kematian janin (kasus) dan ibu-ibu yang
sepadan yang kehamilannya berahir
normal (kontrol) ibu2 kasus
melaporkan lebih banyak keterpaparan
dengan obat2an.
 CONFOUNDING
 Bias yang terjadi bila data pengaruh
faktor yang diteliti tercampur dengan
data pengaruh variabel luar (extraneous)
 Hubungan sebab akibat yang
menghubungkan faktor yang diteliti
dengan variabel lain yang merancukan
dengan penyakit didalam populasi.
 Variabel umum sebagai perancu; umur,
jenis kelamin, status sosial ekonomi,
tingkat keparahan penyakit
 confounding
 Bias confounding dapat dikontrol dalam
analisis, bias seleksi tidak dapat dikontrol
Contoh;
 Hubungan konsumsi alkohol dengan infark
miokard.
 Merokok sebagai sebagai salah satu
penyebab penyakit infark miokard
 Alkohol dan merokok saling berhubungan
 Upaya penanggulangan
bias
 Restriksi - Kriteria inklusi dan
eksklusi
 Matcing
 Stratifikasi
 Control melalui analisis
Realiable & Valid
 VALIDITAS
PENGUKURAN
 Menjawab pertanyaan:
 Apakah alat ukur yg dipakai memang
mengukur sesuatu yg ingin diukur:
 Timbangan badan u/ mengukur BB
 Pita ukur u/ mengukur TB
 Jenis Validitas Pengukuran (American
Psychological Association):
 V-Construct (V-konstruk)
 V-Content (V-Isi)

 V-Criterion (V-kriterium)
 VALIDITAS ISI
 Adalah adekuasi sampling isi alat ukur
(representativeness)
 Menjawab pertanyaan:
 Apakah isi alat ukur telah mewakili populasi
properti dari sesuatu yang ingin diukur
 Misal:
 isi ujian Metlit harus mewakili TIU/TIK mata ajaran
Metlit
 kuesioner ttg kepuasan pasien mewakili seluruh
aspek/dimensi kepuasan pasien
 VALIDITAS KRITERIUM
 Adalah kemampuan alat ukur memprediksi
kriteria lain yang berhubungan
 Apakah alat ukur yang dipakai dapat
memprediksi “sesuatu” dengan baik?
 Ujian Metlit yg baik memprediksi keberhasilan
tesis
 Pasien yg puas akan kembali untuk berobat (re-
visit)
 Penyulit:
 Menemukan kriteria yang benar
 VALIDITAS KONSTRUK
 Adalah kemampuan alat ukur dalam
menerjemahkan aspek teoritis
 Faktor apakah yang berperan dalam
menjelaskan hasil ukur?
 Faktor apa yg berkaitan dengan
keberhasilan/kegagalan ujian metlit
 dpl. faktor berkaitan dengan variasi hasil
 mengapa data menunjukkan sukses Metlit
berkaitan dengan konstruk kreativitas/imajinasi?
  proses validasi konstruk berkaitan erat
dengan proses penelahaan ilmiah empiris
(empirical scientific enquiry)
BERBAGAI KEMUNGKINAN
KESALAHAN
No Tahapan Studi
1 Pengembangan konsep dan
hipotesis
2 Pemilihan Desain
2 Pengembangan instrumen
3 Sampling
4 Pengumpulan data
5 Manajemen data
6 Analisa data
7 Interpretasi hasil & Proses
Induktif
Ke mungkinan Kesalahan
V-Konstruk/Kriteria (Pengukuran)
V-Internal Penelitian
V-Isi/Reliabilitas (Pengukuran)
V-Eksternal Penelitian
Bias bersumber responden &
pewawancara (Reliabilitas)
 Kuesioner tidak terbaca
 Salah "entry"
Penggunaan jenis statistik
V-Konstruk
Terimakasih