VALIDITAS

BEERAPA PRINSIP DASAR

• Populasi adalah sekelompok orang / penderita

yang ingin diketahui sifatnya.
• Populasi sampel adalah populasi dari mana
sampel diambil
• Sampel adalah bagian populasi yang dipilih
untuk diamati secara langsung
• Penyimpangan (bias) adalah suatu proses pada
penentuan kesimpulan yang cenderung
menghasilkan sesuatu yang secara sistematik
menyimpang dari hasil yang sebenarnya.
 BESARNYA SAMPEL
Besarnya sampel sebaiknya ditentukan
Berdasarkan rumus statistik yang
Berhubungan dengan :
• Tingkat kemaknaan ( kesalahan alfa)
• Probabilitas untuk mendeteksi adanya efek
(kesalahan beta)
• Besarnya efek
• Rate penyakit tanpa keterpaparan atau prevalensi
keterpaparan tanpa penyakit
• Besar relatif kelompok yang dibandingkan
• Juga dapat dengan menentukan power of the test
 VALIDITAS (1)
Kualitas pengukuran ditentukan:
• Karakteristik subjek yang diukur,
• Siapa yang melakukan pengukuran,
• Alat ukur yang digunakan
Bila ketiganya memenuhi ketentuan maka nilai
hasil pengukuran memiliki validitas yang
tinggi ( valid ).
Bila terjadi kesalahan pada salah satu atau
lebih, akan menimbulkan hasil yang tidak
sesuai dan disebut bias.
 VALIDITAS (2)
• Validitas adalah derajat ketepatan dari suatu
pengukuran dalam mengukur apa yang
seharusnya diukur
• Bias adalah penyimpangan hasil atau inferensi
dari kenyataan yang sebenarnya, atau proses-
proses yang mengarah ke penyimpangan
tersebut.
• Error dalam penelitian adalah kesalahan yang
dapat berpengaruh terhadap validitas
penelitian
TIGA JENIS BIAS UTAMA
TIGA JENIS BIAS UTAMA
 PROSES SUATU PENELITIAN

Pertanyaan Rencana
Penelitian
Penelitian Penelitian
desain Implentasi Yang Aktual

Populasi Penentu
Subjek
Target an
yang
Random Sampel Random
& &
aktual
P r
Sistimatik Sistimatik
Masalah Eror Penentu Eror
Hasil
yang an
penilaian
Menarik Variabel
Aktual
Sesuai dalam Inferensi Sesuai hasil Penemuan
Inferensi
universe Studi hasil
Penelitian
 VALIDITAS (3)
Ada dua macam eror yakni :
1. Random eror adalah kesalahan hasil
pengukuran yang terjadi secara random
(acak) karena adanya faktor kemungkinan
(chance). Bentuk yang sering adalah bentuk
sampling eror.
2. Sistematik eror adalah kesalah hasil
pengukuran yang terjadi secara sistematik
dan disebut bias.
 RANDOM EROR DAN BIAS
Bentuk asosiasi Fase desain Fase analisis
palsu
Chans (berkaitan Tingkatkan besarnya Interpretasi nilai P dlm
dengan random sampel atau cara yg lain konteks dengan fakta yang
eror) ada

Bias (berkaitan Harus hati-hati Tambahkan sejumlah data

dengan sistematik menetapkan akibat yang untuk melihat apakah
eror) potensial antara potensi bias akan muncul
pertanyaan penelitian Periksa konsistensi dengan
dengan rencana penelitian lain (terutama
penelitian. yang menggunakan metode
Subjek yang berbeda)
Prediktor
Outcome
 VALIDITAS (4)
Validitas pengukuran adalah derajat ketepatan
pengukuran.
1. Logical validity yakni pengukuran yang jelas
berhubungan dengan apa yang diukur
2. Contenta validity yakni sejauh mana pengukuran
melibatkan seluruh aspek yang berkaitan dengan yang
diukur
3. Criterion validity yakni sejauh mana pengukuran
berkorelasi dengan suatu kriteria ekternal (concurrent
validity =hasil sesuai pada waktu yang sama, dan
predictive validity= hasil sesuai dengan yang akan
datang)
4. Construct validity yakni sejauh mana pengukuran sesuai
dengan konsep teoritis
 VALIDITAS (6)
Validitas penelitian:
1. Validitas internal adalah hasil yang
sesuai dengan yang diamati dan bukan
disebabkan karena faktor lain.

2. Validitas ekternal adalah sampai sejauh

mana hasil penelitian berlaku untuk
generalisasi (diluar objek penelitian).
VALIDITAS (7)

Validitas
Internal

Populasi SAMPEL Validitas

Sampel Eksternal

Populasi
Ekternal /Target
 VALIDITAS INTERNAL (1)
Validitas internal merupaan pengukuran
yang akurat di luar random eror.
Random eror atau bias dapat dibagi :

1 bias pada seleksi yang terdiri dari self

selection bias dan diagnostic bias

2. Bias pada informasi: kesalahan

pengelompokan berdasarkan informasi.
 VALIDITAS INTERNAL (2)

3. Confounding yakni efek yang bercampur

atau efek yang dikacaukan oleh efek
variabel lain

4. Sinergisme yakni efek meningkat bila hasil

dikombinasi

5. Interaksi dan efek modifikasi.

 HUBUNGAN KAUSAL
Lima buah penjelasan apabila ada asosiasi pecandu kopi dan PJK yang
diamati pada suatu studi sampel

PENJELASAN Bentuk Apa yang sebenarnya dalam Model kausasi

Asosiasi Populasi

Kesempatan PALSU Tidak ada asosiasi antara PJK dan

(random eror) minum kopi

Bias ( eror PALSU Tidak ada asosiasi antara PJK dan

sistematik minum kopi
Kausa efek NYATA PJK menyebabkan minum kopi Minum PJK
Kopi
Konfounding NYATA Minum kopi berasosiasi dengan faktor Faktor x
instrinsik lain yang menyebabkan PJK
Ngopi PJK
Kausa efek NYATA Ngopi penyebab PJK Ngopi PJK
 CONFOUNDING
PEROKOK TIDAK MEROKOK
KOPI
PJK + PJK - PJK + PJK -

PEMINUM KOPI 80 40 10 20

TDK MINUM KOPI 20 10 40 80

Odds Rasio PJK yang berhubungan dengan kopi:

80 x 10 10 x 80
Pada perokok: --------------- = 1 , yang tidak merokok ---------- = 1
40 x 20 20 x 40
Artinya tidak ada hubungan kopi dengan PJK baik pada perokok
maupun yang tidak merokok.
 CONFOUNDING
Namun bila kita analisis kopi dengan PJK pada gabungan
perokok dan tidak merokok akan dijumpai

PEROKOK DAN BUKAN PEROKOK

KOPI
PJK + PJK -

PEMINUM KOPI 90 60
TDK MINUM KOPI 60 90
Maka Odds Rasio PJK yang berasosiasi dengan kopi menjadi:
90 X 90
OR = ---------------- = 2,25
60 X 60
 CONFOUNDING
Apabila dianalisis hubungan rokok dan kopi serta hubungan rokok
dengan PJK maka akan tampak sebagai berikut 
PJK + DAN PJK - MINUM DAN TDK
ROKOK MINUM KOPI
MINUM TDK PJK + PJK -
KOPI MINUM
PEROKOK 120 30 100 50

TIDAK MEROKOK 30 120 50 100

Hasilnya adalah :
120 x 120 100 x 100
OR rokok dan kopi = -----------------= 16 OR dengan rokok = ---------------- = 4
30 x 30 50 x 50
Tampak bahwa`asosiasi rokok dengan kopi sangat kuat begitu pula rokok
dengan PJK mempunyai asosiasi yang cukup besar.
 VALIDITAS INTERNAL (3)

Ada 8 faktor mempengaruhi validitas pada

eksperimental

1. Urutan kejadian (history)

2. Pematangan (maturation)
3. Pengujian (testing)
4. Instumentasi (instrumentation)
 VALIDITAS INTERNAL (4)

5. Perubahan nilai yang beruntun (statistical

regression)
6. Bias pada seleksi (selection bias)
7. Kehilangan pada percobaan (experimental
mortality)
8. Pematangan selektif (selection maturation
interaction)
 VALIDITAS EKTERNAL
Ada 4 faktor yang mempengaruhi Validitas ekternal
pada eksperimental
1. Reaktive atau interaktive effect pada testing (pada
pretest-design)
2. Interaksi bias seleksi dengan perlakuan
eksperimental
3. Efek pengaruh terhadap eksperimental
(umpamanya sifat karakteristik laboratorium ikut
berpengaruh)
4. Akibat perlakuan yang berulang (multiple-
treatment interference)
 HUBUNGAN KESIMPULAN STATISTIK DENGAN
KESALAHAN
KENYATAAN ALFA DAN BETHA
Perbedaan sesungguhnya
Ada Tidak ada

Tidak benar
Kesimpulan Hipotesa nol Benar ( TYPE I = α )
Uji ditolak
Statistik Tidak benar
Hipotesa nol ( TYPE II = β ) Benar
diterima

Hubungan di antara hasil uji statistik dan perbredaan

yang sesungguhnya antara dua kelompok yang diobati
 USAHA MENGURANGI BIAS (1)
1. Persiapan yang mantap seperti survei
pendahuluan, pemilihan populasi yang tepat,
sampel yang benar, standarisasi
pengukuran / diagnosis, dan pemilihan
kelompok kontrol yang benar.
2. Untuk bias informasi, pengukuran dan
wawancara yang standar, klasifikasi data
yang benar.
3. Untuk mengurangi confounding:
– Randomisasi
– Pengetatan (restriction)
– Penyesuaian (matching)
 MATCHING
STRATEGI KELEBIHAN
SPESIFIKASI Mudah dimengerti
Fokuskan sampel subjek pada
pertenyaan penelitian yang sudah
ditangan
MATCHING Dapat mengurangi pengaruh
confounder institusional yang
kuat seperti umur & jenis kelamin.
Dapat mengurangi pengaruh
konfounder yang susah diukur.
Dapat meningkatkan presisi
(power) dgn menyeimbangkan
jumlah kasus dan kontrol pada
setiap stratum
KEKURANGAN
Membatasi generalisasi
Mungkin menimbulkan kesulitan
menetapkan besarnya sampel yang adeguat
Mungkin memakan waktu serta mahal
kurang esensial dibanding dgn meningkatkan
jumlah subjek(ump. Jmlh kntrol setiap kasus.
Terlalu banyak pilihan yang rs dibuat di luar
garis studi dan dpt menimbulkan efek luas
yang permanen pada analsis dan kesimpulan.
Butuh pilihan pd awal tentang variabel mana
yg prediktor dan yg konfounding
Menghilangkan opsi pada variabel match
sebagai predktor mapun sebagai intervensi
Membutuhkn analisis matching
Dpt menimbulkan masalah overmatching
(ump. mematching variabel bukan
konfoundng sehingga mengurangi power.
KELAINAN /ABNORMALITAS)
• Perbedaan biologi “normal” dan
“abnormal”.

• Pembagian ini masih sering menimbulkan

kekeliruan dalam klasifikasi.

• Pemisahan ini bertujuan untuk tindakan

selanjutnya yakni bila normal diabaikan,
dan bila abnormal dilanjutkan dengan
diagnosis dan pengobatan
 PENGUKURAN KERAS DAN LUNAK
• Pengukuran keras diartikan data yang andal
yang bersifat dimensional artinya umumnya
dinyatakan dalam bentuk angka/bilangan
(seperti hasil lab.,Data demografi dll).
• Pegukuran lunak adalah data yang diasarkan
pada pengamatan yang bersifat subjektif
yang dikemukakan oleh pengamat maupun
yang diamati yang biasanya dinyatakan
dalam kata-kata, umpamanya keadaan sudah
membaik, obat yang rasanya enak dll.
VALIDITAS DAN RELIABILKITAS
• Validitas dan reliabilitas adalah dua konsep
untuk menerangkan kualitas pengukuran
tanpa melihat skala yang digunakan.
• Validitas adalah tingkatan hasil-hasil
pengukuran yang sesuai dengan keadaan
yang sebenarnya dari fenomena yang diukur
(akurasi)
• Reliabilitas adalah tingkatan dimana
pengukuran fenomena yang relatif stabil
diulang-ulang dan hasilnya bisa berdekatan.
 PRESISI DAN AKURASI PENGUKURAN
PRESISI
Definissi Tingkatan dimana suatu
variabel nilainya hampir sama
pada pengukuran yang
berulang ulang (Reliability)
Cara mengakses Bandingkan hasil pengukuran
yang berulang
Niali dalam pe elitian Meningkatkan power untuk
mendeteksi efek
Hambatan yang Random eror (chance) yang
mungkin terjadi ditimbulkan oleh
Pengamat,
Subjek yang diamati
Alat yang digunakan
AKURASI
Tingkatan dimana suatu
variabel menunjukkan nilai
yang seharusn (Validity)
Bandingkan dengan standar
referensi
Meningkatkan validitas pada
kesimpulan
Eror sistematik (bias) yang
ditimbulkan oleh
Pengamat,
Subjek yang diamati’
Alat yang digunakan
 VALIDITAS
TINGGI RENDAH

A B

INGGI
F
R
E
RELIABILI K
TAS U
E
C D
N
S
I

RENDAH

PENGUKURAN
VALIDITAS PENGUKURAN (1)

• Untuk observasi klinik yang bisa diukur

seperti tekanan darah, pemeriksaan lab.
Akan lebih mudah memperlihatkan
tingkat validitasnya dengan cara
membandingkannya terhadap nilai
standar yang ada.

• Pengukuran klinik lainnya seperti nyeri,

nausea, dispnoe, kecemasan, ketakutan,
sama sekali tidak ada standar fisik untuk
menjadi perbandingan.
 VALIDITAS PENGUKURAN (2)
Ada tiga cara mengatasi bentuk tersebut
• Validitas isi, sejauh mana metode pengukuran
tertentu itu meliputi semua dimensi susunan yang
sedang diukur( nyeri dengan sakit, berdenyut, rasa
terbakar, rasa tersengat)
• Validitas susunan, diperkuat bila hasil dari skalanya
bervariasi menurut adanya indikator lain ( nyeri
disertai berkeringat, mengerang, menggeliat).
• Validitas kriteria, dipastikan dengan pengukuran
yang dapat langsung meramal fenomena yang
terlihat (nyeri dada disertai bukti gejala infark
miokard yang dapat diselusuri melalui pemeriksaan
lain).
 VARIASI

• Pengukuran klinik bisa dilakukan pada

berbagai tingkatan yang menimbulkan
variasi yang dapat menimbulkan
kekeliruan tentang apa yang diukur.

• Yang mempengaruhi terjadinya variasi

antara lain tindakan pengukuran dan
perbedaan biologis secara individual dari
waktu ke waktu.
 PENGUKURAN VARIASI
• Semua pengukuran terpengaruh oleh variasi
akibat pengukuran yang dapat disebabkan
instrumen dan penelitinya.
• Variasi akan lebih besar bila pengukuran lebih
melibatkan manusianya dari pada
instrumennya (contoh baca hasil x-ray).
• Dalam obvsevasi klnik pengaruh kesalahan
acak dan kesalahan observasi dapat terjadi.
• Variasi juga dapat timbul bila pengukuran
hanya dilakukan pada sampel fenomena yang
sedang diterangkan (pemeriksaan biopsi hati)
 VARIASI BIOLOGIK
• Variasi biologik adalah variasi yang timbul
karena perubahan biologik dalam diri individu
sejalan dengan perubahan waktu atau dari
satu orang ke oranbg lain.
• Beberapa sumber variasi adalah kumulatif
(ump. Pengukuran tekanan darah, beda satu
pengukuran dan beberapa pengukuran pada
satu penderita atau pada banyak penderita).
• Variasi acak pada umumnya tidak mengubah
representasi fenomena yang sebenarnya (bisa
dikurangi dengan memperbesar sampel).
 DISTRIBUSI
• Data yang diukur dengan skala interval
sering digambarkan dalam bentuk distribusi
frekuensi yang memberikan informasi yang
lebih rinci.

• Untuk meringkas keterangan pada

distribusi frekuensi secara dasar dapat
digunakan ukuran;
– Kecenderungan sentral (mean,median
dan mode), dan
– Dispersi (range, standar deviasi dan
persentil.
 ABNORMALITAS (1)
• Bila distribusi kelompok normal dengan
abnormal berbeda jelas, maka akan
tampak sebagai dua populasi pada satu
distribusi.
• Namun dalam klinik, dimana perubahan
dari sehat ke sakit berjalan secara halus,
kadang-kadang batas antara normal dan
tidak normal samar-samar
• Bila tidak ada titik pemisah yang jelas,
maka klinisi harus menentukan dimana
titik batas diletakkan.
 ABNORMALITAS (2)
1. Bila semua harga di luar batas statistik yang
bebas ump. Persentil ke 95 dianggap abnormal,
maka prevalensi semua penyakit akan sama
(5%).
2. Banyak hasil uji lab. Berkaitan dengan risiko
kejadian penyakit dalam berbagai tingkatan dari
rendah sampai yang tinggi (kolesterol)
3. Berapa harga ektrim jelas jarang sekali, namun
lebih baik dari normal (tekanan sistolik 100
mmhg.
4. Sering ada penderita jang jelas sakit namun hasil
laboratorium masih pada batas-batas normal.
 ABNORMALITAS (3)
• Pendekatan untuk membedakan normal dari
abnormal (sakit) adalah dengan
menggunakan observasi yang berkaitan
dengan keadaan sakit, disability, atau mati.
• Penentuan tentang risiko yang penting bisa
bervariasi (contoh besarnya kadar asam urat
dengan timbulnya gout).
• Penentuan abnormal akan lebih baik kalau
penentuannya hanya dilakukan kalau
tindakan pengobatan akan memperbaiki
keadaan.
PELUANG
 PENGANTAR
• Peneliti dan para klinisi selalu berhadapan
dengan proses bias dan peluang
• Baik bias maupun random eror selalu
diusahakan dihindari dalam setiap
pengambilan keputusan.
• Perlu diperhatikan bawa bila terdapat
kelemahan pada perencanaan maupun
pelaksanaan penelitian, maka analisis formal
sekalipun tidak dapat menolong untuk
menemukan kebenaran pada hasil penrelitian.
 RANDOM EROR (1)
• Karena penelitian menggunakan
pengamatanterhadap sampel maka diperlukan
uji statistik dalam mengambil kesimpulan.
• Uji statistik dalam hal ini akan memberikan
peluang untuk mengambil kesimpulan yang
benar
• Namun selalu disertai dengan besaran
tertentu peluang untuk terjadi kesalahan
dalam mengambil kesimpulan
 Hubungan Kesimpulan Statistik dengan Kenyataan

Perbedaan sesungguhnya

Ada TIDAK Ada

Ada Tidak benar

Perbedaan Benar ( TYPE I = α )
Kesimpulan
Uji
Statistik Tidak ada Tidak benar
Perbedaan ( TYPE II = β ) Benar

Hubungan di antara hasil uji statistik dan perbredaan yang sesungguhnya

antara dua kelompok yang diobati
 RANDOM EROR (2)
• Pada analisis statistik terdapat dua kesimpulan
yang benar dan ua kesimpulan yang tdak benar.
• Kesalahan type I ( α ) merupakan kesalahan
dengan menerima hipotesis yang sebenarnya
salah ( menyatakan ada perbedaan , namun
sesungguhnya tidak ada perbedaan)
• Kesalahan type II ( β ) merupakan kesalahan
dengan menolak hipotesis yang benar
(menyatakan tidak ada perbedaan namun
sesunguhnya ada)
 NILAI p (1)
• Kemungkinan adanya penyimpangan α
dinyatakan dengan nilai p yang merupakan
suatu pernyataan kuantitatif mengenai
perbedaan dalam suatu peelitian yang dapat
terjadi karena adanya faktor peluang semata-
mata.
• Secara umum disepakati nilai p di bawah 0,05
sehingga nilai p yang di bawah 0,05 disebut
bermakna secara statistik.
• Para peneliti biasanya menentukan nilai p
trsebut sebelum penelitian dimulai.
 NILAI p (2)
 Dalam penelitian klinik, nilai ini sering tidak
punya arti dalam pengambilan kesimpulan
• Nilai p yang sangat kecil meberikan tingkat
kepercayaan yang tinggi, namun dalam
klinik tdk memberikan besarnya pebedaan
tersebut terutama bila sampelnya kecil.
• Nilai p yang kurang mengesankan dapat
terjadi pada penelitian yg memperlihatkan
efek kuat suatu pengobatan jika jumlah
sampel kecil.
 UJI STATISTIK (1)
 Uji statistik yang pokok dan lebih
banyak dikenal, digunakan untuk
memperkirakan adanya kemungkinan
penyimpangan α .
• Validitas tiap-tiap tes / uji tergantung
pada asumsi tertentu mengenai data.
• Jika data yang tersedia tidak sesuai
dengan asumsi yang dimaksud, maka
hasil pα mungkin akan meyesatkan.
 UJI STATISTIK (2)
• Statistik juga dapat menggambarkan derajat
hubungan antara variabel-variabel.
pernyataan hubungan antar variabel yang
dikenal adalah model korelasi (r) dari
pearson untuk data interval dan korelasi
ranking spearman untuk data ordinal.
• Uji statistik ini dinyatakan dalam istilah
kuantitatif dan menunjukkan bahwa nilai
variabel pertama ada hubungannya dengan
nilai variabel kedua.
 UJI STATISTIK (3)
• Untuk suatu rangkaian data yang ada, nilai p yang
diperoleh tergantung pada asumsi awal bahwa
perbedaan-perbedaan yang mempunyai arti
hanya dapat terjadi dalam satu arah.
• Suatu bentuk pengobatan yang relatif tidak
berbahaya tentu akan menolong dan tidak akan
merugikan.
• Dengan asumsi demikan ini maka uji statistik
dapat dilakukan sedemikian rupa sehingga
perbedaan hasil pengobatan yang diinginkan
mempunyai kecenderungan yang bermakna
secara statistik.
 UJI STATISTIK (4)
• Jika kemungkinan adanya perbedaan diperoleh
dalam arah yang berlainan, maka yang dipakai
adalah uji kemaknaan dengan dua arah.
• Sebaliknya, apabila perbedaan tersebut hanya
diperoleh dari arah tertentu, maka yang dipakai
adalah uji kemaknaan satu arah.
• Perbedaan ini timbul dari kurva yang
menggambarkan variasi acak dari berbagai
perbedaan yang ada diantara kejadian yang
mempunyai nilai sama.
 UJI STATISTIK (5)
• Dari dua bentuk uji tersebut manakah yang
lebih baik?
• Uji dua arah lebih konservatif dan agak sulit
(kurang mungkin) untuk menyimpulkan suatu
pengobatan berguna namun sebenarnya tidak.
• Uji dua arah mempunyai risiko yang lebih besar
untuk kehilangan perbedaan yang
sesungguhnya dari jenis pengobatan yang
diinginkan.
• Uji satu arah berasumsi bahwa satu diantara
pengobatan tersebut tidak jelek, namun asumsi
tidaklah selalu tepat.
 PENENTUAN KEGAGALAN
PENGOBATAN
• Dari berbagai percobaan pengobatan yang telah
dilakukan menunjukkan bahwa suatu pengobatan
baru tidak lebih baik dari pengobatan lama.
• Apakah kesimpulan tersebut tejadi karena faktor
kebetulan?
• Apakah percobaan tersebut dapat menyesatkan
karena menggunakan cara yang relatif sulit
dipercaya?
• Bagaimanakah kemungkinan dari sebuah penelitian
yang negatif palsu: penyimpangan β atau tipe II yang
akan diekspresikan sebagai pβ ?
• Risiko terjadinya negatif palsu cukup besar pada
penelitian-penelitian kecil.