Validitas Internal Penelitian

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

 C merupakan faktor risiko D

 C memiliki asosiasi dengan E
Contoh confounding

Kelompok gizi baik

BBLR+ BBLR- Jumlah
Anemia + 18 34 52
Anemia - 2 6 8
Jumlah 20 40 60

OR = (18*6)/(34*2) = 1,58

Kelompok gizi kurang

BBLR+ BBLR- Jumlah
Anemia + 6 2 8
Anemia - 34 18 52
Jumlah 40 20 60

OR = (6*18)/(2*34) = 1,58
Contoh confounding

Kelompok gizi kurang dan gizi baik

BBLR+ BBLR- Jumlah
Anemia + 24 36 60
Anemia - 36 24 60
Jumlah 60 60 120

OR = (24*24)/(36*36)=0,44
Contoh confounding

Distibusi status gizi menurut anemia

Gizi kurang Gizi baik Jumlah
Anemia + 8 52 60
Anemia - 52 8 60
Jumlah 60 60 120
Contoh confounding

Hubungan status gizi dengan BBLR

BBLR+ BBLR- Jumlah
Gizi kurang 40 20 60
Gizi baik 20 40 60
Jumlah 60 60 120

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