Efek pengacau: Perbedaan antara revisi

Konten dihapus Konten ditambahkan
Spuspita (bicara | kontrib)
Merapikan posisi gambar
Spuspita (bicara | kontrib)
Tidak ada ringkasan suntingan
Baris 6:
Efek pengacau (confounding) adalah distorsi berupa efek dalam memprediksi hubungan atau asosiasi antara faktor ''eksposure'' dan ''outcome'' (hasil)<ref>{{cite book|last=Lapau|first=Buchari|date=2017|url=https://www.google.co.id/books/edition/Prinsip_Metode_Epidemiologi/l_pDDwAAQBAJ?hl=id&gbpv=1|title=Prinsip & Metode Epidemiologi|place=[[Jakarta]]|publisher=Kencana|isbn=978-602-422-190-4|pages=169|language=id-ID|coauthors=}}</ref> yang berperan sebagai modifikasi (faktor ''modifier'') determinan sehingga hubungan sebenarnya tidak tampak atau ditutupi oleh faktor lainnya yang hubungan terbukti secara signifikan. Misalnya, faktor modifier dari umur, jenis kelamin, dan genetik lainnya.<ref>{{cite journal|last=Prihantini|first=Gita Sekar|date=2010|title=Etiologic Research|url=https://ejournal.umm.ac.id/index.php/sainmed/article/download/1015/1128/2129|journal=Jurnal Ilmu Kesehatan & Kedokteran Keluarga|volume=6|issue=1|pages=105|doi=10.22219/sm.v6i1.1015|id=|accessdate=2021-12-05}}</ref>
 
Dalam istilah statistik, confounding juga variabel pengganggu, faktor pembaur, determinan asing dan atau variabel pembaur adalah variabel yang mempengaruhi variabel terikat dan variabel bebas sehingga menyebabkan asosiasi palsu. Pembaur yang dimaksud adalah [[Kausalitas|konsep kausal]] sehingga tidak dapat dijelaskan dalam hal korelasi atau asosiasihubungan. <ref>{{cite book|last=Pearl|first=Judea|date=2009|url=https://id1lib.org/ireader/2780725|title=Causality: Models, Reasoning and Inference|place=[[New York]]|publisher=Cambridge University Press|isbn=9780521895606|pages=|language=en-EN|coauthors=}}</ref> <ref>{{Cite journal|last=VanderWeele|first=T.J.|last2=Shpitser|first2=I.|year=2013|title=On the definition of a confounder|url=https://arxiv.org/pdf/1304.0564.pdf|journal=Annals of Statistics|language=en|volume=41|issue=1|pages=196–220|arxiv=1304.0564|doi=10.1214/12-aos1058|pmc=4276366|pmid=25544784|access-date=2021-12-05}}</ref> <ref name="Greenland Pearl Robbins 1999">{{Cite journal|last=Greenland|first=S.|last2=Robins|first2=J. M.|last3=Pearl|first3=J.|year=1999|title=Confounding and Collapsibility in Causal Inference|url=https://cdn1.sph.harvard.edu/wp-content/uploads/sites/343/2013/03/Confounding_and_collapsibility.pdf|journal=Statistical Science|language=en|volume=14|issue=1|pages=29–46|doi=10.1214/ss/1009211805|access-date=2021-12-05}}</ref>
 
== Kondisi ==
Kondisi dari confounding sebagai variabel atau faktor dibedakan menjadi 2 kondisi yakni
 
kondisi secara bersamaan berlaku:
 
 
 
Confounding juga diartikan sebagai isu yang penting untuk diperhatikan, karena kehadirannya dapat mempengaruhi ''p'' value dan besaran risiko yang dapat menyebabkan kesalahan dalam pengambilan keputusan.<ref name=":0">{{cite journal|last1=Hasmawati|first1=|last2=Anggraeni|first2=Ike|last3=Susanti|first3=Rahmi|date=2019|title=Identifikasi Variabel Confounding Dengan Penerapan Uji Chi Square Mantel Haenszel Pada Hubungan Antenatal Care (ANC) Terhadap BBLR Di Kota Samarinda|url=https://ejournal2.litbang.kemkes.go.id/index.php/kespro/article/download/2069/1346/|journal=Jurnal Kesehatan Reproduksi|volume=10|issue=1|pages=22-23|doi=10.22435/kespro.v10i1.2069.21-31|id=|accessdate=2021-12-05}}</ref>[[Berkas:Simple Confounding Case.svg|jmpl|Ilustrasi efek perancu (pengacau) sederhana yang mana ''Z'' adalah penyebab dari ''X'' dan ''Y'' .]]
Baris 16 ⟶ 23:
 
== Kontrol ==
Salah satu prasyarat, peneliti menambahkan bahwa faktor latar belakang tidak boleh menjadi konsekuensi dari penyebab yang diduga, hal ini dinyatakan oleh Schlesselman.{{Sfn|Wunsch|2007|p=100}} Misalnya, penelitan terhadap perokok, pasien, dan populasi lainnya. Dalam suatu pertimbangan seorang peneliti saatdalam menentukan suatu paparan ketika mencoba untuk menilai efektivitas obat ''X'' dari data populasi di mana penggunaan obat adalah pilihan pasien. Data menunjukkan bahwa jenis kelamin (''Z'') mempengaruhi pilihan obat pasien serta peluang mereka untuk sembuh (''Y''). Dalam alur cerita ini, jenis kelamin ''Z'' mengacaukan hubungan antara ''X'' dan Y karena ''Z'' adalah penyebab dari ''X'' dan ''Y'':
[[Berkas:Confounding-pasien.png|pus]]
 
Baris 45 ⟶ 52:
 
* {{Cite journal|last=Pearl|first=Judea|date=2009|title=Causal inference in statistics: An overview|url=https://ftp.cs.ucla.edu/pub/stat_ser/r350.pdf|journal=Statistics Surveys|language=en-EN|volume=3|pages=96-146|doi=10.1214/09-SS057|issn=1935-7516|ref={{sfnref|Pearl|2009}}}}
*{{Cite journal|last=Wunsch|first=Guillaume|date=2007|title=Confounding and control|url=https://www.demographic-research.org/volumes/vol16/4/16-4.pdf|journal=Jurnal Sciences|volume=16|issue=4|doi=10.4054/DemRes.2007.16.4|ref={{sfnref|Wunsch|2007}}}}
{{Statistika}}