Pendekatan Biostatistik dalam Kesehatan Masyarakat

Pendekatan Biostatistik dalam Kesehatan Masyarakat
Ilustrasi foto: rencanamu.id
Bagikan

Pendekatan Biostatistik dalam Kesehatan Masyarakat

Oleh: Muhyidin, SKM

Definisi dan Sejarah Biostatistik

Statistika adalah ilmu pengetahuan tentang pengembangan dan aplikasi metode pengumpulan, pengolahan, penyajian, analisa/intrepretasi data numerik, sehingga kesalahan dalam pengambilan kepuatusan dapat diperhitungkan secara numerik. Sedangkan biostatistik adalah data atau informasi yang berkaitan dengan masalah kesehatan. Statistik kesehatan sangat bermanfaat untuk kepentingan administratif, seperti merencanakan program pelayanan kesehatan, menentukan alternatif penyelesaian masalah kesehatan, dan melakukan analisis tentang berbagai penyakit selama periode waktu tertentu. Biostatistik terdiri dari dua kata dasar yaitu bio dan statistik. Bio berarti hidup, sedangkan statistik adalah kumpulan angka-angka. Sehingga secara harfiah biostatistik adalah kumpulan angka-angka tentang kehidupan.

Penggunaan biostatistika dalam kesehatan diawali di Negara Inggris oleh Raja Henry VII yang memerintahkan pencatan kematian pada tahun 1532 hingga dilanjutkan sampai tahun 1632. Pada tahun 1662, Kapten John Graunt menggunakan catatan undang – undang kematian selama 30 tahun dimana dari kegiatan ini John Graunt menjadi orang pertama yang mengadakan analisis secara statistik. Penggunaan statistika dalam bidang kesehatan diikuti oleh tokoh – tokoh seperti Wlliam Farr, Karl Pearson, dll. Walaupun demikian, perkembangan statistika kedokteran (biostatistik) mengalami hambatan dimana banyak klinisi yang skeptis dan tidak setuju dengan alasan bahwa statistika hanyalah kumpulan angka yang berbeda dengan kenyataan dan etika kemanusiaan. Walaupun demikian sejatinya, statistika sangat dibutuhkan oleh tenaga kesehatan dalam rangka analisis kesehatan.

Hubungan Antara Pendekatan Kesehatan Masyarakat Berbasis Bukti (Evidence-Based Public Health Approach) dengan Biostatistik

Kesehatan masyarakat yang berbasis evidence dapat didefinisikan sebagai pengembangan, implementasi dan evaluasi dari efektivitas program dan kebijakan-kebijakan kesehatan masyarakat melalui aplikasi prinsip-prinsip berdasarkan alasan ilmiah termasuk penggunaan data secara sistematis dan sistem informasi serta keterkaitan penggunaan dari teori ilmu prilaku dan model-model perencanaan program. Pendekatan kesehatan masyarakat yang berbasis evidence lebih tepat dipergunakan untuk kebutuhan: (1) mendapatkan bukti ilmiah untuk mendukung pembuatan keputusan, (2) mengevaluasi efektivitas dan biaya program kesehatan, (3) melaksanakan program kesehatan baru, (4) mengimplementasi kebijakan baru, (5) melakukan review proyek. (Brownson, Ross C., et al, 2003)

Kesehatan masyarakat berbasis evidence merupakan lahan interdisipliner dari berbagai macam bidang ilmu dan penelitian, salah satunya yaitu biostatistik. Biostatistik sangat diperlukan dalam perannya untuk pengambilan keputusan dan mendalami suatu kejadian. Biostatistik adalah sekumpulan konsep dan metode yang digunakan untuk mengumpulkan dan menginterpretasi data tentang bidang kegiatan tertentu dan mengambil kesimpulan dalam situasi dimana ada ketidakpastian dan variasi. Beberapa fungsi biotatistik pada bidang kesehatan: (a) Memberikan keterangan/gambaran mengenai masalah kesehatan, (b) Penentuan prioritas masalah yang perlu ditangani, (c) Sebagai bahan untuk perencanaan di bidang kesehatan, (d) menilai dan menganalisa hasil usaha kesehatan. (Hastono, Sabri L, 2010)

Atas dasar hal tersebut, maka biostatitistik menjadi salah satu dasar dalam pengambilan kebijakan serta keputusan dalam ilmu kesehatan masyarakat seperti untuk membuat ukuran dan patokan data mengenai ukuran dalam kesehatan. Penilaian kesehatan masyarakat berdasakan kepada kejadian yang ada pada masyarakat, kemudian dijadikan suatu indikator mengenai kesehatan masyarakat.

Sumber-sumber mengenai data statistik yang menjadi dasar dalam menganalisa suatu kesehatan pada kelompok masyarakat dapat diperoleh melalui:

  • Institusi-institusi kesehatan, seperti pencatatan dari rumah sakit, puskesmas, poliklinik, apotek, rumah bersalin, dan lain-lain.
  • Program-program khusus, seperti pelayanan kesehatan sekolah, program pemberantasan penyakit menular.
  • Survei dan studi epidemologi.
  • Survei kesehatan rumah tangga yang diadakan pada periode-periode tertentu.
  • Institusi yang mengumpulkan data dengan tujuan khusus, seperti perusahaan asuransi, tempat pencatatan kelahiran dan kematian di kelurahan, tempat karantina penyakit menular, dsb.

Isu Terkait Biostatistik yang Diperlukan Dalam Pengenalan Masalah Kesehatan Masyarakat

Epidemiologi dan biostatistik merupakan ilmu dasar dari kesehatan masyarakat. Penelitian kesehatan masyarakat menggunakan metode kuantitatif yang mengkombinasikan disiplin ilmu epidemiologi dan biostatistik. Epidemiologi adalah metode untuk memahami perkembangan penyakit, penyebab perkembangan penyakit dan cara pengobatan penyakit. Informasi atau data dikumpulkan untuk menyelidiki sebuah hipotesis. Metode dan alat biostatistik digunakan untuk menganalisa data untuk pengambilan keputusan.

Biostatistik adalah aplikasi statistik pada masalah ilmu biologi, kesehatan dan pengobatan. Adapun peran Biostatistik dalam kesehatan masyarakat adalah:

a. Pengumpulan data

  • Fakta numerik, pengukuran atau pengamatan yang diperoleh dari penelitian untuk menjawab hipotesis
  • Pengaruh tren musiman pada keandalan dan keakuratan data

b. Mendeskripsikan data observasi

  • Metode statistik deskriptif memberikan penilaian eksplorasi data dari sebuah penelitian
  • Teknik Analisa data penelitian
  • Mengelola dan menyimpulkan data (tabel, grafik dan ukuran ringkasan)

c. Menilai kekuatan bukti untuk/melawan hipotesis; mengevaluasi data

  • Metode statistik inferensial menyediakan analisa data yang dapat di konfirmasi
    • Menyamaratakan kesimpulan dari data kelompok sampel ke kelompok populasi
    • Menilai kekuatan bukti
    • Membuat perbandingan
    • Membuat prediksi
    • Mengajukan pertanyaan lanjutan dan menyarankan penelitian masa depan

d. Merekomendasikan intervensi atau program pencegahan masalah kesehatan

  • Hasil penelitian akan menyetujui atau tidak menyetujui hipotesis, atau terkadang berada pada wilayah abu-abu atau keraguan
  • Hasil penelitian akan muncul dalam tinjauan dan disebarluaskan ke masyarakat
  • Sebagai akibatnya, tindakan atau kebijakan dapat berkisar dari mengembangkan program peraturan khusus untuk perubahan perilaku individu secara umum

Sebagai contoh aplikasi biostatistik dalam pengenalan masalah kesehatan masyarakat adalah:

  • Menghitung tingkat insiden kanker yang disesuaikan usia untuk menentukan tren dari waktu ke waktu suatu daerah
  • Menghitung ukuran statistik risiko pengembangan tumor otak setelah penggunaan ponsel setelah disesuaikan untuk variabel perancu yang mungkin
  • Mengukur hubungan antara penggunaan inhibitor Cox-2 dan kualitas hidup

Konsekuensi Pengabaian Isu Populasi, Sampel dan Sampling

Menurut Sugiarto 2001, Secara umum didapati adanya beberapa sumber kesalahan dalam pengambilan sampel. Kesalahan-kesalahan tersebut adalah:

  1. Variasi Acak (Random Variation)

Variasi acak merupakan kesalahan sampling yang paling umum dijumpai. Sebagai contoh, misalkan seorang pemilik supermarket tertarik untuk menghitung rata-rata pendapatan per rumah tangga dalam suatu daerah tertentu. Informasi yang diperoleh akan dijadikan sebagai dasar pertimbangan bagi penyediaan jenis produk bagi masyarakat di daerah tersebut. seandainya dalam pelaksanaan pengambilan sampelnya, yaitu dalam pemilihan suatu sampel acak rumah tangga diperoleh rata-rata pendapatan rumah tangga sebesar Rp.250 juta per tahun untuk daerah tersebut, dalam hal ini kita bisa saja bercuriga bahwa sampel yang diambil mengandung kesalahan pendugaan, yakni secara kebetulan semua sampel yang dipilih mungkin berada dalam kelompok yang berpendapatan tinggi. Untuk kasus-kasus yang demikian hadirnya kesalahaan pendugaan agak mudah terdeteksi bila informasi yang diperoleh jelas meragukan, namun jika kesalahan pendugaan tidak begitu besar, tentunya kesalahan yang muncul menjadi sulit terdeteksi sehingga pada akhirnya informasi yang diperoleh akan mengarah pada pengambilan kesimpulan yang keliru.

2.Kesalahan spesifikasi (mis-specification of sample subject)

Kesalahan yang diakibatkan oleh kekeliruan spesifikasi sangat umum dijumpai dalam pengambilan pendapat untuk pemilihan umum. Sebagai contoh, populasi sebenarnya yang hendak dipelajari untuk servei pemilihan terdiri dari mereka yang akan memililih pada hari pemilihan, namun survei pemilihan umum biasanya secara khas mengambil opini dari pendapat para pemilih yang terdaftar, walaupun dalam kenyataannya banyak diantara mereka tidak akan memilih pada hari pemilihan umum. Kesalahan spesifikasi dapat juga muncul karena daftar unsur populasi (population frame) yang tidak benar, informasi yang tidak benar pada buku catatan inventori, pemilihan anggota sampel yang keliru (seperti misalnya melakukan penggantian responden yang dituju dengan tetangga jika responden yang seharusnya ditemui tidak berada di tempat), sensivitas pertanyaan, kesalahan dalam pengumpulan informasi tentang sampel yang disebabkan oleh bias pewancara yang disengaja atau tidak disengaja, atau kesalahan-kesalahan dalam memproses informasi sampel. Bila diperhatikan nampak bahwa semua kasus yang disebutkan tersebut sebenarnya dapat dikendalikan; namun dalam kasus-kasus lainnya seperti misalnya kesalahan pengukuran dimensi kayu gelondongan atau kayu papan yang mengembang bersamaan dengan menumpuknya kelembaban penyebabnya tidak dapat dikendalikan.

Kesalahan yang disebabkan oleh salah spesifikasi populasi juga umum terjadi dalam survei pemilihan konsumen, dengan contoh umumnya hanya terdiri dari para ibu rumah tangga tidak menyertakan kaum laki-laki, wanita yang bekerja dan mahasiswa karena keadaan mereka yang relatif tidak memungkinkan terjangkau.

Untuk meminimumkan peluang munculnya kesalahan yang disebabkan oleh salah spesifikasi, peneliti dapat membuat pernyataan yang sangat hati-hati tentang tujuan survei pada permulaan studi, sehingga dapat memberikan gambaran yang jelas tentang unsur-unsur yang membentuk populasi.

  1. Kesalahan penentuan responden

Sumber kesalahan tambahan dalam survei sampel adalah disebabkan oleh kesalahan penetapan responden dari beberapa anggota sampel. Pada umumnya para peneliti mengasumsikan bahwa responden dan nonresponden mewakili lapisan-lapisan serupa dari populasi padahal sebenarnya ini merupakan kasus yang jarang terjadi. Sebagai contoh dalam survei konsumen yang menjadi nonresponden umumnya adalah kaum pekerja dan responden biasanya adalah ibu rumah tangga, dalam survei pendapat umum nonresponden (mereka yang menyatakan ‘tidak punya pendapat’) biasanya adalah anggota-anggota sampel yang sudah sangat mapan, yang pada umumnya lebih menyukai hal-hal seperti apa adanya. Peneliti dapat memiliki efek yang jauh lebih langsung terhadap keslahan akibat ketidaktepatan penentuan responden. Usaha-usaha yang berkesinambungan dapat dilakukan untuk mencari responden yang tepat atau dalam kasus-kasus tertentu responden dapat digantikan dengan yang lain yang dipilih secara acak.

Dalam kaitannya dengan kesalahan sampling, pengalaman adalah petunjuk terbaik untuk digunakan dalam mengenali sumber kesalahan dalam survei sampling. Para individu atau badan yang merancang atau melakukan berbagai survei dari tipe tertentu (misalnya pendapat umum, penelitian pasar, audit persediaan dan sebagainya) mengembangkan reputasi untuk mengantisipasi adanya kemungkinan perangkap tertentu yang mungkin ada dalam survei. Atas dasar pengalaman yang diperoleh, mereka akan lebih mampu merancang sampling dan metode survei untuk menghindari sumber bias dan kesalahan umum yang dapat dikendalikan sekaligus meminimumkan dampak dari sumber kesalahan yang tidak dapat dikendalikan.

  1. Kesalahan karena ketidaklengkapan cakupan daftar populasi (coverage error).

Salah satu kunci sukses dari pemilihan sampel yang baik adalah ketersediaan daftar unsur populasi (population frame) lengkap yang relevan. Kesalahan karena ketidaklengkapan cakupan daftar unsur populasi (coverage error) timbul karena ketidaktersediaan daftar kelompok tertentu di daftar unsur populasi. Kondisi tersebut menjadikan individu anggota kelompok tersebut tidak berpeluang untuk terpilih sebagai sampel dan mengakibatkan bias dalam pemilihan. Pelaksanaan pengambilan sampel dalam kondisi demikian hanya akan menghasilkan dugaan karakteristik dari populasi sasaran (target population), bukannya karakteristik dari populasi yang sebenarnya (actual population).

  1. Kesalahan karena ketidaklengkapan respon (Non response error)

Tidak setiap responden berkenan merespon suatu survey. Pengalaman menunjukkan bahwa individu-individu yang berada di kelas ekonomi atas dan bawah cenderung kurang merespon survey dibandingkan dengan mereka yang berada di kelas menengah. Kesalahan karena ketidaklengkapan respon (nonresponse error) muncul dari kegagalan untuk mengumpulkan data dari semua individu dalam sampel. Dengan pertimbangan bahwa jawaban dari individu sampel yang tidak merespon belum tentu sama dengan jawaban individu sampel yang merespon, sangatlah penting untuk menindaklanjuti tanggapan responden yang tidak member respon atau yang merespon tetapi tidak secara lengkap setelah suatu priode waktu tertentu. Beberapa upaya dapat dicoba (misalnya melalui surat atau telepon) untuk meyakinkan responden yang demikian agar mereka berkenan merubah pendiriannya. Bila upaya tersebut membuahkan hasil, informasi tambahan yang diperoleh dapat digabungkan dengan informasi awal yang mereka berikan untuk meyakinkan validitas hasil survey.

  1. Kesalahan penarikan sampel (sampling error)

Diyakini bahwa sampel yang baik merupakan miniature dari populasi. Meskipun demikian pengambilan sampel yang berulang-ulang biasanya menghasilkan besaran suatu karakteristik populasi yang berbeda-beda antar satu sampel ke sampel lainnya. Dalam hal ini kesalahan penarikan sampel (sampling error) mencerminkan keheterogenan tau peluang munculnya perbedaan dari satu sampel dengan sampel yang lain karena perbedaan individu yg terpilih dari berbagai sampel tersebut. sampling error dapat diperkecil dengan memperbesar ukuran sampel meskipun upaya ini mengakibatkan peningkatan biaya survey.

  1. Kesalahan pengukuran (Measurement error)

Pada umumnya kuisioner dirancang dengan tujuan untuk mengumpulkan informasi yang berguna. Data yang diperoleh harus valid dan respon yang benar harus terukur. Permasalahan yang sering timbul adalah ternyata lebih mudah membicarakan bagaimana memroleh pngukuran yang bermakna daripada melaksanakannya. Fakta membuktikan bahwa pengukuran seringkali dijalankan dengan banyak kemudahan. Pokok-pokok yang seharusnya ditanyakan pun sering kali tidak tercakup secara lengkap. Dengan demikian pengukuran yang diperoleh seringkali hanya berupa suatu pendekatan dari karakteristik yang ingin diketahui. Kesalahan pengukuran merujuk pada ketidakakuratan dalam mencatat respon yang diberikan responden karena kelemahan instrument dalam meilikih pokok pertanyaan, ketidakmampuan sipenanya ataupun karena pernyataan yang dibuat cenderung mengarahkan jawaban responden.

Jenis Kekeliruan yang Sering Terjadi Dalam Interpretasi Hasil Analisis Biostatistik

Pada dasarnya menguji hipotesis adalah menaksir parameter populasi berdasarkan data sampel. Menurut Sugiyono (2001, hlm. 86) menyatakan bahwa terdapat dua cara menaksir, yaitu: “a point estimate dan interval estimate atau sering disebut convidence interval”A point estimate (titik taksiran) adalah suatu taksiran parameter populasi berdasarkan satu nilai data sampel. Sedangkan interval estimate (taksiran internal) adalah suatu taksiran parameter populasi berdasarkan nilai interval data sampel.

Misalnya, peneliti berhipotesis (menaksir) bahwa daya tahan kerja orang Indonesia itu 10 jam/ hari. Hipotesis ini disebut point estimate, karena daya tahan kerja orang Indonesia ditaksir melalui satu nilai yaitu 10 jam/ hari. Bila hipotesisnya berbunyi daya tahan tenaga kerja orang Indonesia antara 8 sampai dengan 12 jam/ hari, maka hal ini dapat disebut interval estimate. Nilai intervalnya adalah 8 sampai dengan 12 jam.

Menaksir parameter populasi yang menggunakan nilai tunggal (point estimate) akan mempunyai resiko kesalahan yang lebih tinggi dibanding dengan yang menggunakan interval estimate. Menaksir daya tahan kerja orang Indonesia 10 jam/ hari akan mempunyai kesalahan yang lebih besar bila dibandingkan dengan nilai taksiran antara 8 sampai dengan 12 jam. Makin besar interval taksirannya maka akan semakin kecil kesalahannya. Menaksir daya tahan kerja orang Indonesia 6 sampai dengan 14 jam/ hari akan mempunyai kesalahan lebih kecil bila dibandingkan dengan interval taksiran 8 sampai 12 jam. Untuk selanjutnya kesalahan taksiran ini dinyatakan dalam peluang yang berbentuk persentase. Menaksir daya tahan kerja orang Indonesia dengan interval 6 sampai dengan 14 jam/ hari akan mempunyai persentase kesalahan yang lebih kecil dibandingkan interval taksiran 8 sampai dengan 12 jam/h ari. Biasanya dalam penelitian kesalahan taksiran ditetapkan terlebih dahulu, yang digunakan adalah 5% dan 1%. Semakin kecil taraf kesalahan yang ditetapkan, maka interval estimate-nya semakin besar, sehingga tingkat ketelitian taksiran semakin rendah.

Sugiyono (2001, hlm. 88) menyatakan bahwa dapat menaksir populasi berdasarkan data sampel kemungkinan akan terdapat dua kesalahan, yaitu:

  • Kesalahan tipe I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar (seharusnya diterima). Di dalam hal ini tingkat kesalahan dinyatakan dengan alfa.
  • Kesalahan tipe II adalah kesalahan bila menerima hipotesis yang salah (seharusnya ditolak). Tingkat kesalahan ini dinyatakan dengan betha.

Berdasar hal tersebut, maka hubungan antara keputusan menolak atau menerima hipotesis dapat digambarkan pada tabel berikut:

KeputusanKeadaan Sebenarnya
Hipotesis BenarHipotesis Salah
Terima hipotesisTidak membuat kesalahanKesalahan tipe II
Menolak hipotesisKesalahan tipe ITidak membuat kesalahan

Tabel 2. Jenis Kekeliruan Dalam Interpretasi Hasil Analisis Biostatistik

 

Apabila nilai statistik (data sampel) yang diperoleh dari hasil pengumpulan data sama dengan nilai parameter populasi atau masih berada pada nilai interval parameter populasi, maka hipotesis yang dirumuskan 100% diterima. Jadi tidak terdapat kesalahan. Namun, apabila nilai statistik di luar nilai parameter populasi akan terdapat kesalahan. Kesalahan ini semakin besar bila nilai statistik jauh dari nilai parameter populasi.

Tingkat kesalahan ini kemudian disebut level of significant atau tingkat signifikansi. Pada praktiknya tingkat signifikansi telah ditetapkan oleh peneliti terlebih dahulu sebelum hipotesis diuji. Biasanya tingkat signifikansi (tingkat kesalahan) yang diambil adalah 1% atau 5%. Suatu hipotesis terbukti dengan mempunyai kesalahan 1% berarti bila penelitian dilakukan pada 100 sampel yang diambil dari populasi yang sama, maka akan terdapat satu (1) kesimpulan salah yang dilakukan untuk populasi.

You may also like...

Leave a Reply

Your email address will not be published. Required fields are marked *

error: