Rianto Setiabudy
Bag. Farmakologi FKUI
Jakarta, 4 September 2020
“Whereas one can correct incorrect
analytical techniques with simple
reanalysis of the data, an error in
research design is almost always fatal
to the study – one cannot correct for it
subsequent to data collection”
Validitas eksternal:
Mengukur seberapa jauh hasil suatu
prosedural
penilaian hasil
Perancu
BIAS
Error dan bias (1)
Bias ialah ketidaktepatan pengukuran yang
terjadi pada salah satu kelompok dalam
penelitian
Error (kesalahan): ialah ketidaktepatan
(inaccuracy) pengukuran yang terjadi pada
semua kelompok dalam penelitian
Bias menimbulkan dampak yang jauh lebih
serius daripada error
Cara mengurangi bias: berikan perlakuan
yang sama untuk semua subyek tanpa
membedakan dari kelompok manapun ia
berasal lakukan penyamaran (blinding) dan
pengacakan
Error dan bias (2)
Contoh:
Error (kesalahan):
1. Seorang peneliti mau membandingkan
efektivitas suatu obat baru versus
plasebo untuk menurunkan berat badan
pada pasien obese. Untuk semua
subyek digunakan sebuah timbangan
tua yang tidak akurat karena selalu
kurang 2 kg dari yang seharusnya
systematic error yang masih bisa
dikoreksi.
Error dan bias (2)
2. Seorang peneliti mau mengukur kadar obat
dalam plasma dari obat metformin generik
dibandingkan dengan obat originator.
Setelah penelitian selesai ia mendapat kadar
metformin yang amat rendah dibandingkan
dengan laporan di kepustakaan. Ternyata ini
disebabkan karena kesalahan prosedur
ekstraksi → systematic error.
RR = (50+250)/1000 : (80+20)/1000 = 3
Ini adalah hasil yang benar
Tapi bila digunakan desain case-control didapat data
sbb:
Jumlah pasien selama 10 tahun dengan
desain case-control
Pasien
Hidup dengan CV Hidup tanpa
event CV event
Pasien dirawat
Pasien Dengan Ca Tanpa Ca
Tuberkulosis + 3 6
Tuberkulosis - 47 44
50 50
OR = (3x44)/(6x47) = 0.47 seolah-olah TBC adalah faktor
protektif untuk terjadinya Ca, tetapi sebenarnya laju rawat pasien
dengan Ca + TBC rendah karena banyak yang sudah mati sebelum
masuk rumah sakit
Bias relawan:
Terjadi bila subyek yang terpilih menolak ikut,
atau sebaliknya yang tidak terpilih mendesak
ingin ikut.
Contoh:
suatu penelitian vaksin baru dilaksanakan di
suatu sekolah dengan memilih secara acak 100
dari 1500 murid yang ada. Dari 100 yang terpilih
acak itu 40 murid menolak, tapi sebaliknya ada
40 murid yang tidak terpilih yang ingin ikut serta.
Kelompok yang menolak ikut atau yang ingin
ikut ini belum tentu mewakili populasi murid
sekolah tsb.
Membership bias:
Terjadi bila ada karakteristik tertentu yang
sudah melekat pada grup tertentu (preexisting
characteristic)
Contoh: suatu penelitian membuktikan bahwa
pasien yang terinfeksi oleh P. aeruginosa
lebih banyak yang mati dibandingkan dengan
pasien yang terinfeksi kuman lain.
Bias yang terjadi di sini disebabkan karena
pasien yang lebih mudah terinfeksi oleh P.
aeruginosa ialah mereka yang
immunocompromised.
Bias prosedur seleksi:
Terjadi bila alokasi perlakuan dilakukan
berdasarkan adanya karakteristik tertentu
pada salah satu kelompok sehingga kedua
kelompok yang dibandingkan menjadi tidak
seimbang.
Contoh:
Pada suatu penelitian eksperimental untuk
Randomisasi
Operasi Mati
GRUP 2
Bias pada meta analisis:
Meta analisis menggabungkan banyak penelitian
mengenai masalah tertentu, menetapkan kriteria
seleksi terhadap published articles, menyatukan-
nya untuk mendapat kesimpulan akhir.
Meta analisis mempunyai power yang sangat
besar untuk mengetahui ada tidaknya perbedaan
yang dihasilkan oleh suatu intervensi
Bias bisa terjadi karena banyak penelitian yang
memberi hasil negatif (tidak berbeda bermakna)
tidak dipublikasi karena tidak diijinkan sponsor
atau ditolak oleh editor majalah.
PERANCU
Variabel antara (intervening variable) ialah
variabel yang dipengaruhi oleh satu atau lebih
variabel bebas, dan selanjutnya memengaruhi
satu atau lebih variabel tergantung. Di sini ada
hubungan sebab-akibat
Var. perancu
Makan Sekresi HCl Tukak
prednison lambung
Makan NSAID
Mengguna- Gangguan Infark jantung
kan pil KB metabolis-
me lipid
Merokok
?
Metformin Lancar buang air
+ +
Banyak makan sayur
dan buah
variabel perancu
Contoh:
Ingin dibuktikan hipotesis bahwa
+ +
Makan aspirin
variabel perancu
Tingkat penghasilan
?
Jumlah anak
+ -
Tingkat pendidikan
variabel perancu
Makan food ?
supplement Badan sehat
+
Rajin nonton TV
+
Rajin olahraga
SALPINGITIS Risk
Ya Tidak
Semua Ya 45 955 4.5%
perem- IUD
puan Tidak 15 985 1.5%
SALPINGITIS Risk
Ya Tidak
Perem-
puan dg. Ya 3 297 1.0%
1 partner IUD
seks Tidak 9 891 1.5%
RR = 1.0% : 1.0% =1
Dengan stratifikasi:
a. Kelompok perempuan dg. ≥1 partner seks
SALPINGITIS Risk
Perem- Ya Tidak
puan
dg. >1 Ya 42 658 6.0%
partner IUD Tidak 6 94 6.0%
seks
RR = 6.0% : 6.0% =1
B. Dalam analisis:
Stratifikasi
Analisis multivariat (a.l. regresi logistik)
Terima kasih
Sumber bias pada studi
observasional
1. Bias seleksi:
Apakah kelompok risiko + dan risiko – benar2