Defenisi Bias

• Bias didefinisikan sebagai segala kesalahan

sistematis dalam studi epidemiologi yang
menghasilkan perkiraan yang salah dari
hubungan antara paparan dan risiko penyakit
• Bias sangat penting untuk dihindari.
• Oleh karena itu harus sangat berhati-hati
dalam menafsirkan hasil studi dan juga
harus dapat mengenali potensi kesalahan.
 Macam-macam Bias

Bias Bias Faktor

Seleksi Informasi Perancu
 1. Bias Seleksi
• Bias seleksi mungkin terjadi selama
identifikasi populasi penelitian.
• Bias seleksi terjadi jika populasi penelitian
tidak mencerminkan sampel yang representatif
dari populasi sasaran.

• Bias terjadi pada saat melakukan seleksi

sampel penelitiankarena sampel terdiri dari
dua populasi yang berbeda
• contohnya yaitu satu yang menderita
penyakit dan yang sehat (tidak menderita
penyakit) sehingga sulit untuk memastikan
bahwa kedua populasi ini betul-betul cocok
dan bebas dari kesalahan memilih
Menurut Hennekens dan Buring, 1987

Kesalahan sistematik dlm pemilihan subyek , di mana

pemilihan subyek menurut status penyakit dipengaruhi
oleh status paparannnya (studi kasus-kontrol), atau
pemilihan subyek menurut status paparan dipengaruhi
oleh status penyakitnya (studi kohort retrospektif)
 Jenis-jenis Bias Seleksi
Deteksi Bias Bias Berkson

bias yg disebabkan perbedaan

intensitas surveilans dlm memilih bias yg disebabkan perbedaan
kasus & non-kasus, sedemikian probabilitas masuk rumah sakit bag
rupa sehingga peneliti cenderung kasus & kontrol, & perbedaan itu
lebih mudah mendeteksi kasus berhubungan dg status paparan
terpapar & non-kasus tak
terpapar  menyebabkan
overestimasi
 Bias Insidensi-
Bias Non-Responden Prevalensi Neyman Bias Pekerja Sehat

bias yg disebabkan bias yg disebabkan bias yg terjadi akibat

penolakan responden utk penggunaan data dari penggunaan para
berpartisipasi, sehingga prevalensi sbg pengganti pekerja sehat sebagai
mempengaruhi tingkat insidensi kelp. kasus atau kelp.
partisipasi kasus & terpapar di satu pihak, &
kontrol, & terpapar & tak penggunaan populasi
terpapar umum sebagai kelp.
kontrol atau kelp. tak
terpapar di pihak lain.
 2. Bias Informasi

• kesalahan sistematik dlm mengamati, memilih

instrumen, mengukur, membuat klasifikasi,
mencatat informasi, dan membuat
interpretasi tentang paparan maupun
penyakit.
 Dalam sumber lain juga disebut sebagai bias
kepastian.
 Merupakann penyimpangan dalam memperkirakan
efek atau pengaruh karena kesalahan pengukuran
atau kesalahan pengelompokan subjek penelitian
menurut satuatau lebih variabel [7].
 Ada dua macam yaitu:
a)Bias Dignostik
b)Recall Bias
 Bias Diagnostik Recall Bias

• Terjadi bila cara mendiagnosis suatu

penyakit misalnya, pada kelompok • Bias ini terjadi jika informasi mengenai
kasus dan kelompok kontrol tidak variabel paparan tidak diketahui atau
proporsional. tidak akurat.
• Misalnya dalam penelitian yang • Jika informasi pernah mengalami
membandingkan kelompok kasus yang paparan atau tidak hanya berdasar data
menderita kanker paru dan kelompok sekunder saja, atau dengan mengingat
kontrol yang tidak menderita kanker kembali, akan banyak menimbulkan bias
paru. dalam jumlah maupun ketepatan
• Diagnosis kanker paru harus dilakukan
secara sama pada dua kelompok
tersebut.
• Caranya, pengukuran gejalanya, atau
pemeriksaan laboratoriumnya harus
sama untuk kedua kelompok tersebut.
Sehingga akan diperoleh, kelompok
yang positif menderita kanker paru
sebagaikelompok kasus, dan kelompok
yang dinyatakan negatif dari hasil
diagnosis sebagai kelompok kontrol
 Pendapat lain…

01 02 03 04
Bias Mengingat Bias Bias Follow Up Bias Efek
Kembali Pewawancara Hawthorne
bias yg terjadi krn (Griffin, 1984)
bias yg terjadi krn
perbedaan akurasi pewawancara
antara kasus & mengumpulkan, mencatat
kontrol dlm & menginterpretsikan
mengingat & bias yg terjadi pd dikemukakan
informasi ttg paparan atau
melaporkan paparan, subyek penyakit subyek studi kohort karena oleh Elton Mayo
atau perbedaan penelitian scr berbeda hilangnya anggota ketika
melakukan
akurasi antara kelp. antara kasus & kontrol kohort selama peneltiian di
terpapar & tak (dipengaruhi status jangka waktu follow- pabrik
terpapar dlm paparan), atau berbeda up. Hawthorne,
melaporkan antara terpapar & tak Chicago; 1927 -
peristiwa yg dialami terpapar (dipengaruhi oleh 1932
status penyakit)
 3. Faktor Perancu
• Mempengaruhi hasil pengamatan hubungan secara
keseluruhan maupun sebagian yang dapat
mempengaruhi hasil dari studi yangsedang
dipelajari.
• Muncul ketika efek dari dua paparan terkait belum
dipisahkan, sehingga dalam interpretasi, efek yang
dipengaruhi oleh suatu variabel dapat dipengaruhi
juga dengan variabe-lvariabel lain.
• Dampak : estimasi hubungan tidak sama dengan
efek sebenarnya
 Contoh

Alkohol PJK

Merokok
 Kriteria Faktor Perancu
(Rothman, 1986; Hennekens dan Buring, 1987 )

Mempunyai
hubungan dg
papar

Bukan merupakan
Merupakan btk antara dlm
faktor risiko bagi hubungan paparan &
penyakit yg penyakit
diteliti
 Mengatasi Potensial Bias
Randomisasi

Pada Tahap Riset Retriksi

Matching

Stratification
Tahap Analisis
Data
Multivariable
Models
Randomisasi

• Randomisasi adalah metode terbaik

dalam mengontrol pembauran, karena
membantu dalam memastikan bahwa
variable tersebut dikenal (atau bahkan
tidak dikenal) karena variable perancu
terdistribusi secara merata antara
kelompok kelompok studi.
• Namun metode ini hanya dapat
digunakan dalam metode penelitian
studi intervens
 Retriksi (pembatasan)
• Restriksi adalah membatasi penelitian untuk
hal-hal yang serupa dalam kaitannya dengan
perancu tersebut.
• Dapat dilakukan dengan dua cara yaitu
analisis berstrata dan analisis multivariable

• contoh jika Jenis Kelamin merupakan

suatu perancu, studi dapat dirancang
hanya untuk pria saja atau wanita saja
namun hansilnya juga hanya bisa
diterapkan pada pria atau wanita.
 Matching

 Salah satu metode pengendalian kerancuan adalah memilih

subjek pembanding sedemikian rupa sehingga memiliki
tingkat kerancuan yang sempurna dengan subjek yang
dibandingkan (index).
 Biasanya hanya bisa digunakan pada study case control
dengan memastikan bahwa control yang dipilih mirip dengan
kasus
 Stratafikasi
• Tujuan dari stratifikasi adalah untuk memperbaiki
pengaruh dari pembaur dan menghasilkan kelompok
di mana perancu tidak bervariasi.
• Kemudian mengevaluasi hubungan paparan dengan
hasil dalam setiap strata perancu tersebut.
• Jadi dalam setiap stratum, perancu tidak dapat
mengacaukan karena tidak bervariasi.
 Multivariable Models
 Analisis bertingkat yang terbaik
dengan cara yang tidak ada
banyak strata dan jika hanya ada
1 atau 2 pembaur harus
dikontrol.
 Jika jumlah pembaur potensial
atau tingkat pengelompokan
mereka besar, analisis
multivariat menawarkan satu-
satunya solusi
 Model multivariat dapat menangani
sejumlah besar kovariat (dan juga
pembaur) secara bersamaan.
 Misalnya dalam sebuah studi yang
bertujuan untuk mengukur hubungan
antara indeks massa tubuh dan
Dispepsia, salah satu bisa mengontrol
kovariat lain seperti usia, jenis kelamin,
merokok, alkohol, etnis, dll dalam
model yang sama
 Daftar Pustaka
• Sholeh, Nujaimah R. dan Sofa D. Alfian. “Artikel Review:
Kausalitas dalam FarmakoepidemiologI”. Farmaka Suplemen
Volume 14 Nomor 2 hal 219-231
• Yuliaji Siswanto . “Bias dalam Penelitian Epidemiologi”.
STIKES NGUDI WALUYOUNG.