Iwan Ariawan
Biostatistika - FKMUI
Validitas Penelitian
Validitas sampel pada penelitian
ditentukan oleh cara pengambilan
sampel
Cara pengambilan sampel dirancang
untuk meminimalkan
Bias
Confounding
Bias
“Deviation of results or inferences from the
truth, or processes leading to such
deviation. 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 J: A Dictionary of Epidemiology, ed. by J.
Last, 3rd Edition, IEA
Jenis Bias
Bias Seleksi
Terjadi jika sampel tidak
mencerminkan populasi target
Bias Informasi
Terjadi akibat distorsi informasi pada
saat pengumpulan data
Bias Seleksi
Definisi yg kurang tepat dari target
populasi
Terjadi jika kasus yang terkumpul pada
sampel tidak mewakili kasus di populasi
Competing risk bias
Healthcare access bias
Neyman bias
Berkson’s bias
Over matching
Dll
Bias Seleksi
Kerangka sampel yg kurang akurat
Terjadi karena kerangka sampel yang
digunakan tidak menggambarkan
populasi
Non random sampling bias
Telephone random sampling bias
Prosedur diagnostik yg berbeda
Terjadi jika pajanan mempengaruhi
prosedur diagnosis penyakit
Detection bias
Bias Seleksi
Missing subjects/Variables
Losses/withdrawal to follow up
Missing information in multivariate
analysis
Non response bias
Bias Informasi
Bias misklasifikasi
Salah melakukan klasifikasi penyakit/pajanan
akibat sensitifitas & spesifisitas alat ukur yang
kurang
Differential misclassification
Non differential misclassication
Misklasifikasi terjadi akibat
Detection bias
Observer bias
Recall bias
Reporting bias
Hawthorne effect
Bias Informasi
Ecological Fallacy
Bias terjadi jika analisis dilakukan pada tingkat
ekologi (kec, kab, prop, negara) untuk membuat
kesimpulan pada tingkat individu
Dapat dihindari dengan analisis multilevel
Regression to the mean
Terjadi pada studi longitudinal yang variabel
dependenya berskala kontinyu. Hasil
pengukuran cenderung akan mendekati rata-
ratanya pada pengukuran berulang.
Dapat diminimalkan dengan menggunakan
kelompok pembanding
Confounding
Confounding = bias estimasi efek pajanan
terhadap penyakit akibat perbandingan tidak
seimbang antara kelompok terpajan dengan
kelompok tidak terpajan
Terjadi akibat adanya perbedaan risiko
terjadinya penyakit pada kelompok terpajan
dengan kelompok tidak terpajan
Risiko terjadinya penyakit berbeda meskipun
pajanan dihilangkan pada kelompok terpajan
Syarat Confounding
E D
OR = (18*6)/(34*2) = 1,58
OR = (6*18)/(2*34) = 1,58
Contoh confounding
OR = (24*24)/(36*36)=0,44
Contoh confounding
OR = (40*40)/(20*20) = 4,00
Contoh confounding
Pada contoh, status gizi merupakan
confounder karena
Status gizi kurang merupakan faktor risiko BBLR
Distribusi status gizi tidak seimbang pada ibu
anemia dan ibu non anemia
Hasil analisis menunjukkan status gizi
merupakan faktor risiko BBLR
Pengontrolan Confounding
Pada Desain
Restriksi
Matching
Pada Pengumpulan Data
Confounding harus diukur
Pada Analisis
Analisis multivariat