Bab 15. Variabel dan hubungan antar variabel

Bab 15 - Variabel dan hubunganantar-variabelSudigdo Sastoasmoro, Asril Aminullah, Yusuf Rukman*,Zakiudin MunasirJstilah 'variabel' telah berulang kali disebut dalam bab-babI terdahulu, akan tetapi belum diuraikan pengertian tentangJI-bavabriainbei lvadraianbheul bduannghaunbaunntgaarn-vavariraiabbeel lddailaumraipkaenneslieticaanra. Dalam cukuprinci oleh karena, seperti telah diuraikan dalam Bab 4, penelitianselalu dilaksanakan dengan pengukuran terfradap variabel, danpada penelitian analitik dilanjutkan dengan upaya untuk mencarihubungan antara 2 atat lebih variabel. Hanya dengan memahamihubungan antar-variabel kita akan dapat melakukan perencanaan dananalisis hasil penelitian dengan baik. VanrnsErVariabel adalah karakteristik subyek penelitianyangberubah dari satusubyek ke subyek lain. Seperti telah disinggung dalam Bab 4, yangdimaksud dengan variabel adalah karakteristik suafu subyek, bukansubyek atau bendanya sendiri. Misalnya, badan, kelamin, darah,atau hemoglobin bukan merupakan variabel; yang merupakanvariabel adalah tinggi atau berat badan, jenis kelamin, tekanandarah, atau kadar hemoglobin. Variabel harus diletakkan dalam dr.r)

Sudigdo S astr o asmoro dkk. 299konteks penelitian. Misalnya, di sekolah dasar, jenis kelamin adalahmerupakan variabel, karena ia berubah dari satu subyek ke subyeklainnya; tetapi di asrama perawat putri, jenis kelamin bukanlahmerupakan variabel, karena tidak berubah dari subyek ke subyeklain, semua perempuan. Juga kelompok umur bukan merupakanvariabel pada neonatus, karena semua ada di kelompok yang sama,yakni di bawah satu bulan. Identifikasi dan klasifikasi variabel sangatpenting karena berkaitan dengan pengumpulan dan analisis data. Srarn vARTABELDalam Bab 4 telah dijelaskan dengan rinci pelbagai skala variabel.Disini perlu diingatkan kembali bahwa variabel dapat berskalakategorikal (yang dibagi menjadi skala nominal dan ordinal), danskala numerik (yang dapat dibedakan menjadi skala interval danrasio). Juga telah dijelaskan bahwa pembagian jenis variabel initidak hanya penting dalam proses pengukurary tetapi juga dalamanalisis data. Karena itu jenis-jenis variabel tersebut harus dipahamidalam setiap tingkat penelitian. DInagNsI VARIABEL DALAM PENELITIANMenurut fungsinya dalam konteks penelitian, khususnya dalamhubungan antar-variabel, terdapat beberapa jenis variabel. Va.nIagEL BEBAS DAN VARIABEL TERGANTUNGYang dimaksud dengan variabel bebas adalah variabel yang apabilaia berubah akan mengakibatkan perubahan pada variabel lain;variabel yang berubah akibat perubahan variabel bebas ini disebutsebagai variabel tergantung. Variabel bebas sering disebut denganbanyak nama lairy seperti variabel independen, predictor, risiko,determinan, atau kausa. Sinonim variabel tergantung adalahvariabel dependen, efek, hasil, outcome, respons, atau eztent. *.rf

300 Var i ab el d an hub un g an ant ar -a ar i ab eI Contoh 1 Pemberian obat A menyebabkan penurunan tekanan darah. 2 Perbedaan kadar kolesterol pada siswa lelaki dan peremPuan. Pada contoh pertama pemakaian obat A merupakan variabelbebas, sedangkan tekanan darah adalah varibel tergantung. Padacontoh kedua, kadar kolesterol serum adalah variabel tergantung,sedang jenis kelamin merupakan variabel bebas. Perlu dipahami bahwa satu jenis variabel dapat berfungsi berbed4bergantung kepada konteks penelitian. Misalnya dalam penelitiantentang faktor risiko terjadinya hipertensi, tekanan darah merupakanvariabel tergantung (dengan variabel bebas misalnya faktor genetik,konsumsi gararn, merokok, kegemukan, kebiasaan olah raga). Namundalam studi penyebab kematian pada manul4 hipertensi adalah (salahsatu) variabel bebas dengan variabel tergantung kematian. Pada studihubungan antara diabetes dengan stroke, hipertensi merupakanvariabel perancu (confounder) karena berhubungan dengan diabetesdan dengan stroke (llhat bawah). Perlu diingatbahwa meski namanyavariabel \"bebas-tergantung\" atau variabel\"kausa-outcome' namunhubungan antara variabel bebas dengan variabel tergantung tidakselalu merupakan hubungan sebab-akibat. VeruenEL PERANCUVariabel perancu (confounding aariable) adalah jenis variabel yangberhubungan dengan variabel bebas dan variabel tergantutg, tetapibukan merupakan variabel antara. Keberadaan variabel perancu amatmemengaruhi validitas penelitian. Identifikasi variabel perancu iniamat penting karena apabila tidak, ia dapat membawa kita padasimpulan yang salah, misalnya'disimpulkan terdapat hubunganantar-variabel padahal sebenarnya hubungan tersebut tidak ada,atau sebaliknya disimpulkan tidak ada hubungan antar-variabelpadahal sebenarnya hubungan tersebut ada. Perhatikan skemahubungan antara variabel dalam Gambar 15-L. il ,*oi

S udi gdo S as tr o asm or o dld<. 301 qry9E_l Gambar 15-1-. Hubungan antar-variabel. Penelitian mencari hubungan antara variabel bebas dengan.efek. Variabel perancu bukanlah variabel yang diteliti, namun dapat memengaruhi hasil penelitian karena berhubungan dengan variabel bebas dan variabel tergantung, dan bukan merupakan variabel antara. Variabel lain yang tidak diteliti, yang hanya berhubungan dengan variabel bebas saja (A) atau variabel tergantung saja (D) atau yang tidak berhubungan dengan variabel bebas maupun tergantung (8, C, E) disebut sebagai variabel luar. Sebagai contoh kita tinjau penelitian yang mencari hubungan antara kebiasaan minum kopi dan kejadian penyakit jantung koroner (PJK) pada lelaki dewasa. Peneliti ingin menguji hipotesis bahwa PJK lebih sering terjadi pada para peminum kopi ketimbang pada bukan peminum kopi. Di sini yang bertindak sebagai variabel bebas adalah kebiasaan minum kopi, dan variabel tergantungnya adalah insidens PJK. Kebiasaan merokok dapat merupakan variabel perancu/ oleh karena: *i

302 Var i ab el d an hub un g an an t ar -a ar i ab elIlAIl t *'\"*, [_'\".*;-=l i. beoas i I tergantung I l-**-\_/ t_ p\"11__i l-l rItttl ]--l ,ffffj, IE-] lrt'rrurrlfGambar 15-2. Skema umum memperlihatkan hubungan antaravariabel bebas, tergantung, dan perancu.A. Penelitian mencari hubungan antara variabel bebas dan variabeltergantung; variabel perancu berhubungan dengan variabel bebasdan dengan variabel tergantung.B. Variabel M yang berhubungan dengan variabel bebas maupuntergantung namun merupakan variabel arftara, sehingga bukanmerupakan perancu; ia tidak memengaruhi hubungan antaravariabel bebas dan tergantung.C. Variabel V y*g berhubungan dengan variabel tergantung tetapitidak dengan variabel bebas, atau berhubungan dengan vlriabelbebas namun tidak dengan variabel tergantung bukanmerupakanperancu. *:l

Sudi gdo S astro asmor o dkk. 303 Gambar 15-3. Peran variabel perancu (yakni kebiasaan merokok) dalam hubungan antara variabel bebas (kebiasaan minum kopi) dan kejadian penyakit jantung koroner (PlK). Bila kebiasaan merokok mempunyai hubungan positif dengan kebiasaan minum kopi dan dengan kejadian PII(, maka akan ditemukan asosiasi semu antara kebiasaan minum kopi dengan kejadian PJK. o Kebiasaan minum kopi berhubungan dengan kebiasaan merokok; lelaki perokok lebih sering minum kopi daripada lelaki bukan perokok . Kebiasaan merokok diketahui berhubungan dengan PJK Jadi kebiasaan merokok memenuhi syarat sebagai perancu, oleh karena ia mempunyai hubungan dengan kebiassan minum kopi (variabel bebas) dan berhubungan dengan insidens P/K (variabel tergantung). Lihat Gambar 15-3. Bila kebiasaaan merokok ini tidak diidentifikasi, maka mungkin akan ditemukan hubungan positif antara kebiasaan minum kopi dengan kejadian PJI(, misalnya akan diperoleh data bahwa subyek yang gemar minum kopi akan lebih banyak yang menderita PJK dibanding dengan subyek yang tidak gemar minum kopi. Hal ini mungkin benar, mungkin juga tidak. Dapat sajayangsebenarnya terjadi adalah sama sekali tidak terdapat hubungan antara kebiasaan minum kopi dengan kejadian PJK, namun ada hubungan antara kebiasaan merokok dengan PJK; perokok banyak yang minum kopi, jadi seolah kebiasaan minum kopi berhubungan dengan kejadian PJK. *t

304 Var i ab eI d an hub u n g an an t ar -a qr i nb el Hal yang sebaliknya dapat terjadi, yakni tidak ditemukanhubungan antara variabel bebas dan tergantung pada sampel,padahal sebenarnya hubungan ini ada, akibat pengaruh variabelperancu yang bersifat negatif. Contoh berikut dapat menjelaskanpernyataan tersebut. Suatu penelitian berupaya mencari hubungan antara kebiasaan makan permen dengan kejadian karies dentis. Bila anak pemakan permen lebih rajin menggosok gigi daripada anak jarang makan permen/ mungkin data yang terkumpul tidak memperlihatkan hubungan antara kebiasaan makan permen dengan karies dentis, padahal hubungan tersebut sebenarnya ada. Dalam hal ini rajin menggosok gigi adalah merupakan variabel perancu yang berhubungan negatif dengan kejadian karies dentis, yang 'menyembunyikan' hubungan antara makan permen dengan karies dentis. Lihat Gambar 15-4. Gambar L5-4. Hubungan antara kebiasaan makan permen (variabel bebas) dengan kejadian karies dentis (variabel tergantung) dapat 'tersembunyi' apablla anak yang gemar makan permen lebih rajin menggosok gigi daripada anak yang tidak gemar makan permen. Rajin menggosok gigi merupakan perancu karena berhubungan (positif) dengan kegemaran makan permen dan juga berhubungan (negatif) dengan kejadian karies dentis. ffi.r

Su digdo S astr o asmoro dkk. 305 Kedua contoh tersebut menunjukkan pentingnya penelusuranpustaka yang komprehensif serta penggunaan akal sehat (commonsense), agar dapat dikenali kemungkinan adanya variabel perancudalam konteks penelitian yang direncanakan. Variabel perancu inimerupakan sumber bias yang sangat penting, dan dapat terjadipada semua desain studi yang mencari hubungan antar-variabel,baik pada studi cross-sectional, studi kohort, studi kasus kontrol,maupun uji klinis. Perlu ditekankan bahwa apakah suatu variabelmerupakan perancu atau tidak, bergantung pada materi penelitian. Colrounrnnrc By INDT:ATIINPara klinikus harus ekstra hati-hati menafsirkan data retrospektiftentang hasil pengobatan dalam rangka pelayanan rutin. Datapelayanan pada umumnya tidak distandardisasi dengan ketatsehingga perlu kewaspadaan dalam menginterpretasinya. Terdapatsatu jenis faktor perancu yang harus amat diperhatikan bila kitamelakukan analisis retrospektif terhadap hasil terapi. Misalnya akandianalisis faktor risiko terjadinya kematiarrpada pasien dengue shocksyndrome (DSS). Selama tahun 2001 dirawat 100 pasien DSS; untukmengatasi renjatan (syok), pada 60 pasien diberikan larutan Ringerlaktat (RL) saja, sedangkan pada4} pasien diberikan RL dan plasma.Ingin dilihat pengaruh pemberian plasma terhadap prognosis DSS.Dari 40 pasien yang mendapat Rl+plasma, ternyata 20 (50%) pasienmeninggal sedangkan di antara 60 pasien yang hanya memperolehplasma hanya 6 (10%) yang meninggal. Tabel 2 x 2 disusun untukmenghitung uji x2. lihat Tabel 15-1 dan Gambar 15-5. Uji x'?menunjukkan hubungan yang bermakna antara pemberianplasma dengan prognosis D55, yakni pasien yang diberikan plasmasecara bermakna lebih banya( yang meninggal daripada pasienyang tidak diberikan plasma. Simpulan ini tidak sahitu oleh karenatidak memperhitungkan bahwa indikasi pemberian plasma berkaitandengan derajat penyakit; pasien yang lebih berat (renjatan berulangatau renjatan lama, renjatan dengan pendarahan hebat) lebih seringdiberi plasma daripada pasien yang penyakitnya lebih ringan. It.*

306 Var i ab el d an hub un gan an t ar -a ar i ab eI Tobel l5-1. Hubungon ontoro pemberion plosmo don prognosis pasien DSS Hosil Sembuh Tidok Jumloh 20 60 RL 54 40 *RL Plosmo 20 Jumloh 74 26 r00 x2=7,1 1; df = l, p <0,05 Pemberian . Prognosis plasma Renjatan berat, renjatan lama, renjatan berulang, perdarahanGambar l5-5. Confounding by indication. Skema memperlihatkanhubungan antara variabel bebas (yakni pemberian plasma) denganvariabel tergantung (kesembuhan). Hubungan tersebut dirancukanoleh indikasi pemberian pl.asma (penyakit yang berat), yang selainberhubungan dengan pemberian plasma juga berhubungan denganprognosis. Fenomena ini dapat terjadi pada anilisis retrospektif hasilpengobatan. {;.f

Sudigdo S astroasmoro.dlck' 307 Dalam konteks rni indikasi pemberian plasma merupakan perancu,karena ia berhubungan dengan pemberian plasma (variabel bebas)dan juga dengan prognosis (variabel tergantung). Fenomena tersebutdinamakan sebagai confoundingby indication, yang bila tidak dengancermat diperhatikan dapat menjebak klinikus dalam menentukankebijakan pengobatan. Cana MENGoNTRoL pERANCUMelihat amat besarnya pengaruh variabel perancu terhadap hasilpenelitian, yakni dapat menimbulkan bias yang serius, makapeneliti harus berupaya untuk: o Mengidentifikasi setiap variabel perancu o Menyingkirkan variabel perancuMengidentifikasi variabel perancuDalam hal ini orang yang paling mengetahui terdapatnya variabelperancu adalah peneliti (yang menguasai substansi penelitian).Caranya adalah dengan studi literatur komprehensif selain faktorpengalaman dan logika. Di sini berperan pen)'usunan kerangka konseppenelitian dengan mengidentifikasi semua variabel baik yang ditelitimaupun yang tidak, menggolongkannya, kemudian membuatdiagram hubungan antar-variabel dalam diagram yang jelas.Menyingkirkan perancuTerdapat dua cara untuk menyingkirkan variabel perancu, yaknidalam desain penelitian (yakni dengan cara restriksi, matching,atau randomisasi), dan dalam analisis hasil penelitian (dengancara stratifikasi atau metode analisis multivariat). Menyingkirkanperancu dalam desain dipandang lebih baik dan lebih kuat daripadamenyingkirkannya dalam analisis. Dalam analisis multivariat tidakjarang dipakai pelbagai asumsi (misalnya asumsi distribusi normal)yang tidak selalu dapat dipenuhi oleh data yang dianalisis. {all

308 Var i ab eI d an hub un g an an t ar -a qr i ab eIA Menyingkirkan perancu dalam desain1 Restriksi'Yang dimaksud dengan restriksi adalah menyingkirkan variabelperancu dari setiap subyek penelitian. Misalnya, pada penelitianobservasional tentang hubungan antara kebiasaan kebiasaan minumkopi dengan kejadian penyakit jantung koroner; karena kebiasaanmerokok merupakan variabel perancu, maka subyek yang dipilih@aik pada kelompok peminum kopi atau kelompok kontrol) adalahmereka yang bukan perokok. Jadi kebiasaan merokok merupakansalah satu kriteria eksklusi baik untuk kelompok yang diteliti maupunkelompok kontrol. Teoritis cara ini sangat efektil karena pengaruhkebiasaan merokok praktis dapat dinafikan dari hasil penelitian,sehingga bila didapatkan asosiasi antara kebiasaan minum kopi denganpenyakit jantung koroner, hubungan ini bebas dari peran kebiasaanmerokok. Namun cara ini mempunyai kelemahan yangnyata, yakni: o sulit memperoleh subyek penelitian, karena dalam dunia nyata seringkali peminum kopi adalah juga perokok o generalisasi hasil penelitian menj4di terbatas, oleh karena dalam alam nyata banyak peminum kopi yang juga perokok2 MatchingMatching adalah proses menyamakan variabel perancu pada keduakelompok. Dikenal dua jenis matching yakni frequency matchingdan indiaidual matching. Pada frequency matching pemilihan subyekdan kontrol dibatasi oleh faktor yang diduga merupakan perancuyang nyata. Pada studi tentang pengaruh pil KB terhadap agregasitrombosit, pemilihan subyek dapat dibatasi kelompok umu{, statusreproduksi, dan jumlah anak. Namun cara ini masih terlalu longgar,sehingga tidak cukup untuk menyingkirkan perancu. Yang dapatmenyingkirkan peran perancu dengan efektif adalah indioidualmatching. Misalnya, bila subyek dalam kelompok yang diteliti(peminum kopi) adalah perokok, maka untuk kontrol dicari pasangansubyek yang tidak minum kopi tetapi perokok; demikian pula bilasubyek bukan perokok, dicari pasangannyayarLg bukan perokok. *.rf

Sudigdo S astroasmoro dkk. 309 Kelebihan indiaidualmatching sama dengan restriksi, oleh karenavariabel perancu pada kedua kelompok telah disamakary sehinggatidak berperan dalam hasil. Namun kelemahannya juga besar, olehkarena bila perancunya banyak, konsekuensinya harus dilakukanmatching terhadap banyak variabel, sehingga menjadi sulit mencarikontrolnya. Kekurangan lainnya adalah kemungkin an terjadi oaer -matching, yakni matching terhadap variabel yang sebenarnya bukanmerupakan perancrl, sehingga di samping sulit mencari subyekdan kontrol, juga menyebabkan distorsi hasil penelitian. Di lain sisimungkin saja terdapat perancu yang cukup kuat namun tidakdiketahui; dalam hal ini maka dengan sendirinya peran perancu tidakterdeteksi. Pemilihan variabel untuk matching (matching aariables)bergantung pada jenis penelitian. Pada umumnya sebagai matchingaariables ditentukan beberapa variabel yang berperan penting dalamprognosis (biasanya 2 ataw 3 variabel, karena makin bany ak matchingaariable makin sulit pula memperoleh subyek).3 RandomisasiRandomisasi dalam uji klinis merupakan cara yang efektif danelegan untuk menyingkirkan pengaruh variabel perancu. Denganrandomisasi (Bab 10), maka variabel perancu terbagi seimbang diantara 2 kelompok. Kelebihan lain adalah variabel perancu yangterbagi rata tersebut meliputi baik variabel perancu yang pada saatpenelitian sudah diketahui maupun yang belum diketahui. Ilustrasidi bawah ini dapat memperjelas hal tersebut. Dalam uji klinis untuk menilai manfaat obat tradisional tertentudalam menurunkan kadar kolesterol total dilakukan randomisasi;sebagian subyek diberikan obat tradisional, sebagian diberikanplasebo. Dengan randomisasi maka semua karakteristik subyekterbagi rata pada kelompok yang diteliti dan kelompok kontrol. Jikakebiasaan makan mentimun di kemudian hari temyata mempunyaihubungan dengan kebiasaan minum obat tradisional dan jugadengan kadar koiesterol (perancu), maka hal tersebut tidak akanmemengaruhi hasil penelitiaru oleh karena dengan randomisasi iasudah terbagi seimbang pada kedua kelompok. *.r|

310 I aiVar i ab el an hub un gan an t ar -v ab el Demikian pula bila setelah randomisasi terjadi pajanan terhadapvariabel lain, asalkan pajanan tersebut mungkin terlad! pada keduakelompok by. chance (atas dasar peluang), maka tidak%kan banyakberpengaruh. Misalnya pada uji klinis untuk terapi sepsis padaneonatus, setelah randomisasi mungkin terjadi peny\"ulit diare, ataumeningitis. Bila komplikasi itu dapat terjadi pada kedua kelompok,maka ia tidak berpengaruh terhadap hasil. Agar randomisasi dapatmembagi seimbang semua variabel pada kelompok, diperlukan syarat:1 Prosedur randomisasi dilakukan dengan benar (lihat Bab 10)2 Jumlah subyek cukup besar, misal lebih dari L00 per kelompokB Menyingkirkan faktor perancu dalam analisisDalam keadaan tertentu perancu tidak mungkin disingkirkandalam desain. Restriksi biasanya baru mampu laksana apabilavariabel perancu hanya satu atau dua; bila lebih maka sulit untukmemilih subyek yang bebas dari 3 variabel perancu atau lebih.Lagi pula, seperti telah disebut, hasil penelitian menjadi sulit untukdigeneralisasi dalam praktik sehari-hari. Hal serupa jugaprosedurmatching; dengan satu atau dua variabel matching masih mampulaksana; namun bila lebih maka sulit untuk mencari subyek. Dilain sisi prosedur randomisasi tidak dapat dilakukan dalam studiobservasional (termas:uk cross sectionnl, kasus-kontrol, atau kohort). Dalam keadaan tersebut masih tersedia teknik statistika yangdapat menyingkirkan pelbagai faktor perancu tersebut dalamanalisis, untuk hanya satu perancu atau untuk banyak perancu.Dua teknik yang paling sering dipergunakan dalam analisis data,adalah (1) stratifikasi, dan (2) analisis multivariat.1 StratifikasiStratifikasi merupakan cara yang lazimuntuk meniadakan variabelperancu/ bila hanya ada 1 perancu. Bila lebih dari 1 maka stratifikasimenjadi kompleks dan sulit diinterpretasi. Teknik yang lazirndigunakan adalah statistika Mantel-Haenszel, baik untuk studicross sectional, kasus-kontrol, kohort, atau uji klinis. *ll

S udigdo S astroasmor o dkk. 311C ontoh str atifikasi p aila studi kasus-kontrolKita kembali pada penelitian tentang hubungan antara kebiasaanminum kopi dengan kejadian penyakit koroner, dengan kebiasaanmerokok sebagai variabel perancu. Hasil stratifikasi tampak padaTabel l5-2; Tabel 15-2,4' adalah tanpa stratifikasi. Tabel 15-28hanya pada subyek perokok, dan Tabel 15-2C hanya subyek bukanperokok. Mula-mula semua subyek digabungkan, dan dihitung rasioodds(RO)-nya. Kemudian dilakukan stratifikasi berdasarkan perancu(kebiasaan merokok), dan tiap strata dihitung RO-nya. Selanjutnyadilakukan analisis Mantel-Haenszel, sehingga diperoleh nilai ROTobel l5-2. Slrotifikqsi hosil sludi kqsus-konlrol dengonkebiosqon minum kopi sebogoi risiko, penyokit koronersebogo efek, don merokok sebogoi perqncu Kosus Kontrol Jumloh ROA. Semuo subyek 50 100 150 2OOMinum kopi 50 2OO 300 5Oxl5O/50x50=3Tidok minum kopi 50 45x10/30x15=lJumloh 100 5x14Of35x2}=1B. PerokokMinum kopi 45 l5 60Tidok minum kopi 30 l0 40Jumlqh 75 25 100C. Bukon perokokMinum kopi 5 35 40Tidok minum kopi 20 14O 160Jumloh 30 170 2OORO (Montel-Hcenszel) = *-t

312 Variab eI dan hubungan antar-a ariabelkebiasaan minum kopi terhadap terjadinya penyakit koroner yangbebas dari faktor perancu (kebiasaan merokok). Perhitunganstatistika Mantel-Haenszel ini cukup sederhana sehingga dapatdilakukan secara manual atau dengan program perangkat lunakkomputer.Cont oh str atifikasi p ada studi koh ortProsedur stratifikasi yang dilakukan setelah semua data terkumpuljuga merupakan cara yang lazim digunakan dalam studi kohort,untuk menyingkirkan peran perancu. Pada penelitian kohort yangmencari asosiasi antara kebiasaan mandi di sungai dan bakteriuria,jenis kelamin subyek mungkin merupakan variabel perancu, karenadibandingkan dengan anak lelaki, anak perempuan lebih sedikit yanggemar mandi di kali, dan anak perempuan meskipun tidak mandidi kali lebih sering menderita bakteriuria ketimbang anak lelaki. Misalnya pengamatan dilakukan terhadap kohort yang terdiriatas 630 anak lelaki dan perempuan, yakni subyek yang tidakmengalami bakteriuria selama satu tahun penuh. Hasil observasitersebut pada Tabel 15-3. Tabel 15-3A mencakup semua subyek,yakni lelaki dan perempuan. Tabel 15-38 hanya mencakup subyeklelaki, sedangkan Tabel 15-3C hanya subyek perempuan. Risikorelatif yang dihitung pada Tabel 15-34 tanpa mempertimbangkanperancu) adalah 1,85, sedangkan risiko relatif berdasarkan jeniskelamin adalah (hampir) sama, masing-masing 0,96 untuk lelakidan 0,92 untuk perempuan. Risiko relatif setelah dibebaskan darifaktor perancu (dengan statistika Mantel-Haenszel) adalah 0,95.2 Analisis multivariatAnalisis multivariat bagi sebagian ahli statistika berarti teknikstatistika untuk set data variabel tergantung multipel (lebih darisatu). Dalam buku ini kami memandang analisis multivariattermasuk teknik statistika untuk set data dengan variabel bebas yanglebih dari satu. Terdapat banyak jenis analisis multivariat, dari yangsederhana sampai yang paling rumit. Dalam penelitian klinis yangsering dipakai adalah teknik analisis regresi multipel dan model *^i

Sudi gdo S astroasmor o dl<k. 313 Tqbel l5-3. Strotifikosi hosil studi kohorl dengcn kebiosoonmondi di sungoi sebogoi foktor risiko, bokteriuriq sebogoi efek, ' don ienis kelomin sebcgoi perdncu BU+ BU-Jumloh RRA. Semuo (n=6OO) 95 105 200 = 95/2OO:1O2f 4OO=1,85 1O2 298 400 =85/117160/79=0,96 MS - Yo 197 403 600 =10/83242/321=0,92 MS - Tidok 85 32 117 Jumloh 60 19 79 145 501 196B. Leloki (n-37O) l0 73 83 42 279 321 MS Yo 52 352 4O4 MS Tidok JumlohC. Perempuon (n=26O) MS Yo MS Tidok i JumlohRR Mqntel-Hoenszel = (85x79/196 + I Ox321 /4041: (60x1 17 /196 + 42x83/4O4) = 9.95Kelerongon: MS = mondi di sungoi; BU = bqkteriurioregresi logistik. Dengan kedua teknik tersebut dapat diketahuiasosiasi antar-variabel dengan menyingkirkan variabel lain (variabellain'dibuat' sama atau tetap), termasuk variabel perancu. Jenis analisis multivariat lain adalah analisis diskriminary analisisfaktor, analisis klaster, dan lain-lainnya. Pembahasan teknikstatistika lanjut metode tersebut di luar lingkup buku ini, namunsebagai ilustrasi dikemukakan 2 contoh.RegresimultipelIngin diteliti faktor-faktor yang berpengaruh terhadap berat lahirbayi (variabel tergantung, berskala numerik). Faktor yang ditelitiadalah usia ibu, paritas, lama pendidikan ibu, dan berat ibu sebelumil

314 Var i ab el d an hub un g an an t ar -a ar iab eIhamil. Karena baik variabel tergantung maupun bebas berskalanumerik, teknik analisis multivariat yang sesuai adalah regresimultipel. Pada hasil akhir diperoleh persamaan regresi sebagaiberikut: Y = o * b't, * br*r* b.r. .... *b.x. Y odoloh berot lohir boyi dolom grom X, odoloh usio ibu dolom tohun x, odoloh iumloh poritos sebelumnyo X. odoloh lomo pendidikon formol ibu dolom tohun xo odoloh berol ibu sebelum homil dolom kilogrom o odoloh konstonto b,.....b, odolqh koefisien regresi voriobel yong bersongkuton . Dengan persamaan tersebut, kita dapat melihat pengaruhperubahan nilai satu variabel prediktor, misalnya x' terhadapperubahan nilai Y, bila nilai variabel lain dalam persamaan tidakberubah. Dengan demikian maka dapat dilihat hubungan di antaramasing-masing variabel bebas dengan variabel tergantung, bllavariabel bebas lainnya konstan. Peran masing-masing variabelsecara mandiri (independen) dalam terjadinya outcome atau efek,dengan demikian dapat diketahui. Dengan perkataan lain peranpelbagai faktor perancu dapat disingkirkan.Regresi logistikTeknik multivariat lain yang sering digunakan adalah model regresilogistik. Teknik ini dipakai bila variabel bebasnya terdiri atas variabelberskala numerik dan kategorikal, sedangkan variabeltergantungnya berskala nominal (biasanya dikotom namun dapatpula nominal lebih dari 2 nilai). Misalnya pada uji klinis denganjumlah subyek 100 pasien, alokasi random ternyata memberikanhasil 2 kelompok yang amat tidak seimbang dalam beberapavariabel prognostik penting. Analisis yang direncanakan semula,yakni uji x2 untuk 2 kelompok independen menjadi tidak sahikr,karena sebelum perlakuan kedua kelompok tidak sebanding. {t.rf

S u di gdn S as tr o asmor o dkk. 31sDalam hal ini diperlukan teknik analisis lain. Bila efek yang dinilaiadalah nominal (misalnya sembuh atau tidak) dan variabelbebasnya berskala kategorikal (jenis kelamin, status gizi) dannumerik (umur, berat badary tekanan darah), maka analisis yangsesuai adalah model regresi logistik. Pada akhir analisis, yang hampirselalu dilakukan dengan program komputer, akan diperolehpersamaan regresi logistik berikut:atau hf-LlLl-pl =. tb I1x1I +b zxz+b3x3 ...... +b;x; D- 1 1 + g-(r*b1x1+b2x2 +brx3.....+bixi) P odoloh peluong teriodinyo efek x, sompoi x.odoloh voriobel prediktor don peroncu x, sompoi x. odoloh koefisien regresi o odoloh konsfonlo Dengan teknik statistika multivariat dapat dilihat peran masing-masing variabel bebas, termasuk juga variabel perancu, terhadapkejadian efek. Kelebihan teknik statistika multivariat ini adalah, iamerupakan teknik yang kuat untuk menyingkirkan pelbagaivariabel perancu sekaligus. Karenanya para peneliti kedokteran dankesehatan disarankan untuk lebih banyak menggunakannya dalampenelitian. Namun teknik multivariat ini juga memiliki sejumlahketerbatasan sebagai berikut: o Interpretasinya sering sulit dipahami oleh sebagian besar dokter, dan tampak tidak natural o Sulit digeneralisasi dalam keadaan ryyata o Hasilnya sangat dipengaruhi oleh pemilihan variabel yang dimasukkan ke dalam persamaan o Membutuhkan jumlah subyek yang besar, terutama apabila jumlah variabel independennya banyak o Seringkali terlalu banyak asumsi *.*

316 Var i ab eI d an hub un g an ant ar -o ar iab el PnNcusAH EFEK (rrrncr MoDtFtER)Hal lain yang perlu diperhatikan dalam hubungan antar-variabeladalah modifikasi efek (effect moilification). Modiflkasi efek (ahlistatistika menyebutnya interaksi) terjadi bila derajat hubunganantar-variabel ditentukan oleh variabel ketiga (disebut sebagai effectmodifier). Misal efek indometasin untuk menutup duktus arteriosuspersisten (DAP) sangat baik pada bayi prematur, namun tidak padabayi cukup bulan. Jadi asosiasi antara indometasin dengan DAPdimodifikasi oleh masa gestasi, artinya masa gestasi merupakanffictmodifier. Tabel 15-4 memperlihatkan risiko relatif (RR) penutupanDAP oleh indometasin pada bayi prematur adalah 7,5, padabayicukupbulan L,33, pada semua subyek 6,0. Bandingkan dengan stratifikasipada perancu (Tabel 15-2 dan 15-3) yang menghasilkan rasio oddsatau risiko relatif yang sama (atau hampir sama) pada kedua strata.Tobel l5-4. Strqtifikssi hosil studi lenlong monfoql indomelqsindqlqm penulupan duktus srleriosus persislen dengon mqsqgestasi sebogoi ellect modifier Menutup Tidok Jumloh RRA. Semuq subyek 40 60 r00 RR = 40/60'l O/90=6 lndomelosin r0 90 r00 Tonpo indometosin 50 r50 Jumloh 200B. Premolur 30 '10 40 RR = 30/40:5 /5O=7.5 lndometosin 5 Tonpo indometosin 45 50 35 90 iumloh 50 35 60 RR= 10/60:5 /4O=1.33C. Cukup bulon r0 85 40 lndometqsin 100 Tonpo indometosin 5 Jumloh I5 il.*

Sudigdo S astroasmoro dkk. 317Berbeda dengan variabel perancu yang harus disingkirkan (misalnyadengan stratifikasi dan statistika Mantel-Haenszel), ffict modifiertidak perlu dihilangkannamun justru perlu dielaborasi atau diperjelasmaknanya. Variabel yang sering merupakan effect modifier adalahjenis kelamin, kelompok umu1, keadaan klinis tertentu. ANaUSIS HUBUNGAN ANTARA VARIABELDalam uraian di atas telah dibahas pengaruh adanya variabelperancu dalam hubungan antar-variabel. Bila kita menemukanhubungan antara dua variabel atau lebih dalam suatu penelitiarymaka terdapat beberapa kemungkinan yang harus dipikirkan:1.. hubungan tersebut semata-mata akibat faktor peluang atau chance akibat pemilihan subyek penelitian ataupun akibat pengukuran (variabilitas subyek, pemeriksa, atau pemeriksaan).2. hubungan tersebut disebabkan oleh bias, banyak jenis bias yang diketahui, yang dikelompokkan dalam bias inklusi, bias pengukurary dan bias perancu3. hubungan sebab-akibat Meskipun perancu sebenarnya termasuk bias, namun karenaperannya yang khas, sebagian ahli memandangnya sebagai sesuatuhal yang terpisah. Dengan demikian maka hal-hal yang harusdiperhatikan pada hubungan antara variabel adalah: (1) peluang,(Z)bias, (3) perancu, (4) hubungan kausal atau sebab-akibat. Tentangperancu sudah diuraikan di atas. Berikut akan dibahas secara ringkasfaktor peluang dan bias, sebelum dibahas hubungan kausal.PeluangFaktor peluang selalu dapat terjadi, sehingga harus kita perhatikandan analisis. Bila sampel representatif terhadap populasinya, besarpeluang dapat dihitung dengan pelbagai teknik statistika, yaknidengan cara menghitung nllai p. Biasanya disepakati besarnyapeluang untuk memperoleh hasil bila kedua kelompok tidakberbeda < 5% (p < 0,05) dianggap diterima. *t

318 Var i ab eI d an hub u n g an an t ar - v ar i ab eI Besarnya peluang juga dapat dinilai dengan cara menghitunginterval kepercayaan, karenanya penyertaan interval kepercayaan, bilamungkin, sangat dianjurkan. Lihat kembali Bab 2. Pada umumnya: o pada uji perbedaan, bila interval kepercayaan perbedaan mencakup angka O berarti perbedaan yang diperoleh pada sampel itu dapat disebabkan semata-mata karena faktor peluang; bila dilakukan uji hipotesis, maka diperoleh nilai p yang tidak bermakna; o untuk risiko relatif, rasio odds, serta rasio prevalens, nilai rentang interval kepercayaan yang mencakup angka 1 menunjukkan bahwa rasio tersebut tidak bermakna, artinya faktor yang diselidiki tidak dapat disebut merupakan risiko.BiasPada umumnya dapat dikatakan bahwa bias inklusi terjadi apabilasubyek tidak representatif untuk populasi yang diwakili. Misalnya,pemilihan pasien yang berobat ke rumah sakit rujukan padaumumnya tidak mewakili keadaan dalam masyarakat. Selainpopulasi terjangkau yang dipilih, cara pemilihan sampel (samplingmethod)juga sangat menentukan apakah sampel tersebut dianggapmewakili. Lihatlah kembali cara pemilihan subyek penelitian dalamBab 5. Di sini perlu diingat bahwa sedapat mungkin sampel dipilihberdasar peluang (probability sampling). Bila tidak mungkiry karenapasien terbatas, untuk penelitian klinis dianjurkan menggunakanteknik consecutiae sampling. Penggunaan conaenience sampling harusdihindarkan, sedang cara judgmental sampling maupun purposiaesampling harus dilakukan dengan amat hati-hati. Bias pengukuran merujuk pada kesalahan- sistematik akibatproses pengukuran, yang telah dibahas dalam Bab 4. Perlu selaludiingat bahwa bias pengukuran berkaitan dengan kesahihan;peneliti harus senantiasa berusaha menghindarkan 3 sumber biaspengukurart yakni bias pemeriksa, bias subyek, dan bias alat ukurserta cara pengukurannyq dengan cara yang telah diuraikan dalamBab 4. Termasuk hal yang potensial dapat menyebabkan biaspengukuran adalah kriteria penetapan outcome atau efek. il.*

Sudigdo S astroasmoro dl(k. 319Hubungan sebab-akibatApabila faktor peluang, bias, dan perancu dianggap bukan lagimasalah, maka kita dapat menyimpulkan bahwa hubungan antaravariabel bebas dan tergantung adalah hubungan sebab-akibat. Perludiingat bahwa dalam fenomena biologis, yang dimaksudkan dengansebab (kausa, cause) tidak selalu satu-satunya faktor yang dapatmenimbulkan efek. Dikenal istilah (a) sufficient cause, dan (b)necessary cause. Bila logam dipanaskan\" ia memuai, di mana pundan kapan pury oleh siapa pun. Jadi pemanasan itu sendirilah yangmenyebabkan logam memuai; hal ini disebut sebagai sufficientcause. Namun M. tuberculosls bukanlah merupakan sufficient causeuntuk penyakit tuberkulosis. Dalam hal ini M. tuberculosls disebutsebagai necessary cause; untuk terjadi penyakit tuberkulosis,diperlukan faktor lain seperti ketahanan tubuh rendah, kerentananindividual, dan lain-lain. Sebagian besar kausa pada fenomenabiologis adalah necessary cause. Dalam diagnosis hubungan kausal, perlu diperhatikan danditelaah hal-hal berikut, yang merupakan pengembangan daripostulat Koch oleh Sir Bradford Hill.L Hubungan waktu (temporal relationship)Hubungan antar-variabel hanya mungkin merupakan hubungansebab-akibat bila telah diyakini bahwa sebab (variabel independen)mendahului akibat (variabel dependen). Dalam konteks penelitiarymaka variabel bebas (risiko, penyebab, kausa, prediktor) harusmendahului variabel tergantung (efek, penyakit, eaent, outcome).Hal ini dapat dipenuhi oleh desain uji klinis, studi kohort, dan studikasus-kontrol, dengan urutan kekuatan yang menurun. Pada studicross sectional, hubungan waktu tidak tergambar dalam desain,namun dapat disimpulkan dengan teori atau logika. Bila variabeltergantungnya merupakan variabel atribut yang konstan (misalnyajenis kelamin) hal ini tidak merupakan masalah. Misalnya dalampenelitian kadar kolesterol pada lelaki dan peremPuan, makavariabel bebas (jenis kelamin) dianggap mendahului variabeltergantung (kadar kolesterol). Namun dalam mencari asosiasi il.r

320 Var i ab el d sn hub un g an ant ar -a ar iab elantara malnutrisi dengan diare kronik, hubungan waktu sangatpenting karena tidak diketahui apa yang mendahului apa: apakahmalnutrisi rnenyebabkan diare kronik, atau diare kronik yangmenyebabkan malnutrisi.2 Kuatnya asosiasiBukti adanya hubungan yang kuat antara dua variabel akan lebihmenyokong terdapatnya hubungan sebab-akibat. Bila digunakanstatistik, maka nllai p yang kecil (atau interval kepercayaan yangsempit) lebih kuat daripada nilai p yang besar (atau intervalkepercayaan yang lebar). Bila yang dihitung adalah rasio, misalnyarisiko relatif, rasio odds, atau rasio prevalens, maka nilai rasio yangmenjauhi angka 1 menunjukkan hubungan yang lebih kuat.Misalriya RR 11,2 lebih kuat daripada RR 1,8 atau RO 0,2 lebihkuat daripada RO sebesar 0,85.3 Hubungan yang bergantung dosis (dose dependent)Bila besamya asosiasi berubah dengan berubahnya dosis atau faktorrisiko, maka asosiasi kausal menjadi lebih mungkin. Bila peminumkopi sedang mempunyai rasio odds dalam terjadinya penyakitjantung koroner sebesar 1,8 sedangkan pada peminum kopi beratrasionya menjadi 3,0 maka asosiasi sebab-akibat antara kebiasaanminum kopi dan penyakit jantung koroner menjadi lebih mungkin.Keadaan ini disebut sebagai dose dependent atau biological gradient.Akan tetapi dengan mengingat konsep necessary cause di atas, bukanberarti orang yang sama sekali tidak r,ninum kopi terbebas darikemungkinan menderita penyakit jantung koroner, karena banyakfaktor selain minum kopi juga dapat menyebabkan terjadinyapenyakit jantung koroner.4 KonsistensiApabila terdapat hasil yang konsisten antara satu penelitian denganpenelitian lairy atau pada subyek pada satu penelitian, maka asosiasisebab-akibat menjadi lebih mungkin. Sebagai contoh sederhana *t

Sudigdo S astro asmor o dlck. 321adalah efek parasetamol dalam menurunkan demam. Apabilaparasetamol dapat menurunkan demam pada manula, pada orangdewasa, pada anak-anak, maupun padabayi, maka asosiasi kausalantara pemberian parasetamol dan menurunnya demam menjadimakin mungkin.5 KoherensiAsosiasi disebut koheren apabila sesuai dengan gambaran umumdistribusi faktor risiko serta efek pada populasi tertentu. Asosiasiantara konsumsi garam dengan hipertensi pada suatu penelitianakan disokongbila pada populasi tertentu dengan konsumsi garamyang tinggi ditemukan prevalens hipertensi yang lebih tinggidibanding dengan prevalens pada populasi umum. Hal ini tentutidak tergambar dari data penelitian, namun harus diperoleh daristudi pustaka.6 B i ol ogi c aI p I ausib ilityAgar dapat disebut hubungan kausal, hubungan antara variabelbebas dan tergantung harus dapat diterangkan dengan teori yangada. Apabila ditemukan hubungan antara AIDS pada bayi denganpekerjaan orang tua, maka harus ditemukan teori yang dapatmenerangkan hubungan tersebut. Bila teori tersebut ada, asosiasikausal menjadi lebih mungkin. Sebaliknya, bila data menunjukkanada hubungan antara miokarditis difterika dengan warna baju yangdipakai pasiery hubungan kausal tidak dapat disimpulkan sebabtidak ada teori yang dapat menerangkan asosiasi tersebut.7 Kesamaan dengan hasil penelitian lainBila hasil penelitian menyokong hal-hal yang ditemukan dalampenelitian lain maka hubungan kausal menjadi lebih besar. Hal initerutama bila desain yang digunakan tidak sama. Bila asosiasi antaraminum kopi dan penyakit jantung koroner ditemukan pada studicross-sectional, studi kasus kontrol, dan studi kohort, maka asosiasikausal menjadi lebih mungkin. Hal ini merupakan salah satu bagian tB,*

322 Variab eI dan hubungan antar-v ariabelyang harus dikupas dalam pembahasan tiap laporan penelitian,yakni apakah hasil yang ditemukan sekarang menyokong ataumenolak hasil penelitian yang pernah dilaporkan sebelumnya/dengan ulasan yang memadai. Dnrran PUSTAKA Anderson B. Methodologikal errors in medical research. Oxford: Blackwell, 1990.2 Altman DG, Machini D, Bryant TN, Gardner Mj. Statistics with confidence. 2nd edition. London: BMJ; 2000. Dawson B, Trapp RG. Basic and clinical biostatistics. Edisi ke-2. Boston: Lange Medical Books/Mc Graw Hill, 2001.4 Elwood |M. Critical appraisal of epidemiological studies and clinical trials. Edisi ke-2. Oxford Uneversity Press, 1998. Fletcher RH, Fletcher SW, Wagner EH. Clinical epidemiology - the essentials, Edisi ke-3 Baltimore: Williams & Wilkins; 1996 Greefihalgh T. How to read a paper statistics for the non-statistician.I. Different types of data need different statistical test. BMj. 1997;315:364-6 Guyyat G, Rennie D. Users' guide to the medical literature. A manual for evidence-based practise. Chicago: AMA press; 2002. Hulley SB, Cummings SR, Browner WS, Grady D, Newman TB. Penyunting. Designing clinical research - An epidemiologic approach. Edisi ke-3. Philadelphia:Lippincott Williams & Wilkins; 2007. *-t

Sudigdo S astr o asmoro dl<k. 323 ss@- -s ryg tr*tr&@#@@ Voriabel menduduki tempot sentrol dolom penelition, sebab voriobel- loh yong diukur, di intervensi, diobservosi, don hosilnyo dionolisis. Voriobel yong dianggop berpengoruh terhodap voriobel loin disebut sebogoi voriobel bebos (indapenden, prediklor, nisiko, kouso), sedongkon voriobel yang dipengoruhi oleh voriobel lain disebut sebogoi voriobel tergontung (dependen, outcome, efek, evenf). Voriobel yong berhubungon dengan voriobel bebos don dengan vor iabel tergontung d isebut variobel peroncu (confounding). Voriobel ini horus diwospodoi koreno dopot mempengoruhi hosil penalition. Paroncu dopat disingkirkon dolam desoin (restriksi, matching,don rondomisosi), ofou dolam onolisis (strotif ikasi, onolisis multivoriot). Podo umumnyo menyingkirkon peroncu dclom desoin lebih boik doripada dolom analisis. E f f e ct mo d i f ier adoloh voriobe I y ong menguboh derojot hubungon ontor-variobel. Effect modif ier ini tidok horus disingkirkon bohkon horus dieloborosi. Sebelum dipostikon odonyo hubungon sebab-okibot, horus ditelooh lebih dahulu apokoh syorot-syorot yang mendukung hubungon kousol dipenuhi, yokni hubungon woktu, kekuoton hubungon, konsistensi, koherensi, hubungon dosis, kesomoon dengon penelition lain, don biological plausibility. *:l