Wikipedia

Efek pengacau: Perbedaan antara revisi

Jelajahi riwayat secara interaktif
← Revisi sebelumnyaRevisi selanjutnya →
Konten dihapus Konten ditambahkan
VisualTeks wiki
Spuspita (bicara | kontrib)
2.434 suntingan
Menambah templat statistika pengukuran
Spuspita (bicara | kontrib)
2.434 suntingan
Mengembangkan artikel
Baris 2:
 
== Definisi ==
Confounding dalam bahasa Indonesia dapat diartikan sebagai variabel pengganggu, variabel pengacau ataupun variabel perancu.<ref>{{Cite web|last=Putri|first=Berliana Devianti|date=2020|title=Confounding Variable's Haruskah Dibuang Begitu Saja?|url=http://news.unair.ac.id/2020/07/26/confounding-variable-s-haruskah-dibuang-begitu-saja/|website=news.unair.ac.id|language=id-ID|access-date=2021-12-05}}</ref>
[[Berkas:SimpleModifier Confounding Casedeterminan.svgpng|jmpl|IlustrasiIlustasi efekperan perancumodifikasi (pengacau)deteminan sederhana yang manaterhadap ''Zoutcome'' adalah penyebab dari ''X'' dan ''Y'' .(hasil)]]
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 (hasilfaktor ''modifier'') determinan sehingga asosiasihubungan sebenarnya tidak tampak atau ditutupi oleh faktor lainnya yang hubungan terbukti secara signifikan. Dalam statistikMisalnya, perancu (juga variabel pengganggu, faktor pengganggu, determinan asing 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 asosiasi. <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>
 
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 asosiasi. <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>
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> ▼
 
▲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'' .]]
[[Berkas:Comparison confounder mediator.svg|jmpl|Dimana mediator adalah faktor dalam rantai kausal (1), perancu adalah faktor palsu yang secara tidak benar menyiratkan sebab-akibat (2)]]▼
Pembaur didefinisikan dalam hal model pembangkit data (seperti pada gambar diilustrasi atas)efek perancu. Misalkan ''X'' suatu variabel bebas, dan ''Y'' suatu variabel terikat. Untuk memperkirakan pengaruh ''X'' terhadap ''Y'', ahli statistik harus menekan pengaruh variabel asing yang mempengaruhi ''X'' dengan mengatakan bahwa ''X'' dan ''Y'' dikacaukan oleh beberapa variabel lain ''Z'' setiap kali ''Z'' secara kausal mempengaruhi ''X'' dan ''Y''.<ref name=":1">{{cite book|last1=Illari|first1=Phyllis McKay|last2=Russo|first2=Federica|last3=Williamson|first3=Jon|date=2011|url=https://books.google.co.id/books?id=5aoiBQAAQBAJ&pg=PA702&lpg=PA702&dq=Clearly,+P(Y+%3D+y%7Cdo(X+%3D+x))+is+equivalent+to+P(Yx+%3D+y).+This+is+what+we+normally+assess+in+a+controlled+experiment,+with+X+randomized,+in+which+the+distribution+of+Y+is+estimated+for+each+level+x+of+X&source=bl&ots=BIW6u2aK9A&sig=ACfU3U1ymdpxoqxwca9hPjnYABZU7jGz6w&hl=id&sa=X&ved=2ahUKEwjjv_7Q69D0AhUZSWwGHS58Bt0Q6AF6BAgCEAM#v=onepage&q&f=false|title=Causality in the Sciences|place=Britania Raya|publisher=OUP Oxford|isbn=9780191060328|pages=702-703|language=en-EN|coauthors=}}</ref>
 
Membiarkan <math>P(y \mid \text{do}(x))</math> menjadi probabilitas kejadian ''Y'' = ''y di'' bawah intervensi hipotetis ''X'' = ''x'' . ''X'' dan ''Y'' tidak dikacaukan jika dan hanya jika yang berikut ini berlaku:<ref name=":1" />{{NumBlk|:|<math>P(y \mid \text{do}(x)) = P(y \mid x)</math>|{{EquationRef|1}}}}Maka, semua nilai ''X'' = ''x'' dan ''Y'' = ''y'', dimana <math>P(y \mid x)</math> yang merupakan [[probabilitas]] bersyarat setelah melihat ''X'' = ''x''.<ref name=":1" /> Secara [[Intuitive Surgical|intuitif]], persamaan ini menyatakan bahwa ''X'' dan ''Y'' tidak dibingungkan oleh setiap kali asosiasi yang apabila dilihat secara observasional di antaranya sama dengan asosiasi yang akan diukur dalam suatu eksperimen terkontrol, dimana ''x'' [[acak]].
▲[[Berkas:Comparison confounder Faktor-mediator-confound.svgpng|jmpl|Dimana mediator adalah faktor dalam rantai kausal (1), perancu adalah faktor palsu yang secara tidak benar menyiratkan sebab-akibat (2)]]
 
Pada prinsipnya, persamaan yang menentukan <math>P(y \mid \text{do}(x)) = P(y \mid x)</math> dapat diverifikasi dari model pembangkit data, dengan asumsi kita memiliki semua persamaan dan probabilitas yang terkait dengan model. Ini dilakukan dengan mensimulasikan intervensi <math>\text{do}(X = x)</math>dan memeriksa apakah probabilitas yang dihasilkan dari ''Y'' sama dengan probabilitas bersyarat <math>P(y \mid x)</math>. Namun, apabila ternyata struktur graf sudah cukup untuk memverifikasi kesetaraan <math>P(y \mid \text{do}(x)) = P(y \mid x)</math>.<ref name=":1" />
 
Diperoleh dari "https://wiki-indonesia.club/wiki/Efek_pengacau"