BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan di era modern sekarang ini sangatlah bermacam-macam. Baik dalam bidang pendidikan, pemerintahan, keuangan, bahkan dibidang kesehatan. Dalam pengambilan kesimpulan diperlukan suatu analisis statistik untuk memodelkan suatu data ke dalam suatu fungsi. Di bidang epidemiologi, sering dilakukan penelitian yang bertujuan untuk mengetahui atau memperkirakan efek kausal dari suatu paparan tertentu terhadap penyakit tertentu. Beberapa desain studi penelitian pun banyak dilakukan, misalnya saja desain berklaster. Dalam studi observasional, sering dijumpai sejumlah besar perancuan atau variabel pengganggu yang potensial, yang dapat menyebabkan asosiasi non-kausal antara paparan dan hasilnya (outcome). Oleh karena itu, hal penting yang harus dilakukan dalam suatu penelitian epidemiologi adalah mengidentifikasi perancu atau variabel pengganggu yang paling berpengaruh, serta mengontrol dalam analisis statistik. Namun, hal ini terkadang menantang bagi peneliti karena banyak perancu yang mungkin sulit serta mahal untuk diukur atau variabel perancu tersebut tidak diketahui oleh peneliti. Sebuah cara yang dapat dilakukan untuk menangani masalah ini adalah dengan mengidentifikasi kelompok individu (misalnya keluarga atau masyarakat), sehingga banyak ditemui perancu yang konstan di dalam kelompok/klaster tersebut. Seperti contohnya jika penelitian dilakukan dalam klaster keluarga, maka perancu yang konstan di dalam klaster tersebut misalnya faktor genetik orang tua. Pengaruh perancu yang konstan di dalam klaster dapat dihilangkan dengan mempelajari asosiasi (hubungan) antara paparan dengan hasil yang tergantung pada klaster. Dengan mempelajari hubungan antara paparan dengan hasil merupakan suatu cara untuk mengendalikan atau mengontrol keseluruhan perancu yang konstan di dalam klaster meskipun perancu tersebut tidak teramati. 1

2 2 Metode yang dapat dilakukan untuk mempelajari hubungan antara paparan dengan hasil yaitu analisis regresi. Tetapi, pemodelan regresi biasanya digunakan untuk mengontrol perancu yang bervariasi serta teramati di dalam klaster, contohnya jika dalam klaster keluarga maka perancu yang bervariasi dan dapat diamati adalah umur ibu dan jenis kelamin. Namun, masalah yang terjadi adalah bahwa model regresi mungkin bekerja misspecified atau tidak tetap, dalam hal ini diperkirakan asosiasi dalam klaster mungkin bias. Untuk mengurangi sensitivitas model serta terjadinya misspecified, terdapat metode baru yaitu dengan menambah model standar untuk outcome (hasil) dan model tambahan untuk paparan. Metode yang digunakan adalah doubly robust conditional generalized estimating equation (DRCGEE). Estimasi Doubly Robust atau Robust Ganda sendiri membutuhkan satu model untuk outcome dan satu model untuk paparan. Agar diperoleh estimator yang konsisten, maka cukup dengan salah satu dari kedua model tersebut benar, tidak harus kedua modelnya benar. Dengan demikian estimator Robust Ganda (Doubly Robust) memberikan keuntungan kepada peneliti yaitu hanya dengan salah satu model pada regresi saja yaitu model regresi dengan outcome sebagai target dasar atau model regresi dengan paparan sebagai target dasar. Metode DRCGEE yang digunakan untuk menangani kasus perancuan yang disebabkan oleh klaster ini menggabungkan dua model sedemikian hingga estimator akan konsisten jika salah satu modelnya benar, tidak harus keduanya. Dengan demikian estimator DRCGEE memberikan peneliti dua peluang bukan hanya satu dalam membuat kesimpulan yang valid untuk asosiasi dalam klaster. Dalam penulisan tugas akhir ini, akan dibahas mengenai estimator doubly robust conditional generalized estimating equation (DRCGEE) dalam menangani perancu oleh klaster dan estimator conditional generalized estimating equation (CGEE) sebagai awal dari DRCGEE. Dalam penulisan tugas akhir ini juga akan dibahas hubungan antara kedua estimator yaitu DRCGEE dengan CGEE.

3 3 1.2 Tujuan Penelitian Dalam penulisan tugas akhir ini, sesuai dengan latar belakang permasalahan di atas maka penulis diharapkan dapat : 1. mempelajari metode yang dapat menangani perancu (confounding) oleh klaster dalam desain observational yaitu estimator doubly robust conditional generalized estimating equation (DRCGEE) 2. mempelajari estimator semiparametrik conditional generalized estimating equation (CGEE) sebagai awal dari DRCGEE 3. mengetahui hubungan antara estimator CGEE dan DRCGEE 4. mampu mengaplikasikan estimator DRCGEE untuk menangani perancu oleh klaster, dalam hal ini digunakan pada data kesehatan. 1.3 Pembatasan Masalah Pada penulisan tugas akhir ini diperlukan pembatasan masalah agar tujuan dari penulisan ini dapat tercapai dan tidak terdapat penyimpangan dari tujuan yang telah ditentukan. Pembatasan masalah pada penulisan tugas akhir ini yaitu membahas estimator doubly robust conditional generalized estimating equation (DRCGEE), estimator conditional generalized estimating equation (CGEE) serta hubungan antara kedua estimator tersebut yaitu CGEE dan DRCGEE dalam menangani masalah perancu (confounding) oleh klaster. 1.4 Metode Penelitian Metode penelitian yang digunakan dalam penulisan tugas akhir ini adalah studi literatur. Literatur-literatur yang diperoleh berasal dari buku-buku, jurnal, maupun artikel yang tersedia pada situs internet yang berkaitan dengan materi tugas akhir ini. Dan selanjutnya diberikan studi kasus untuk mengaplikasikan atau menerapkan metode doubly robust conditional generalized estimating equation (DRCGEE) yang dibahas pada tugas akhir ini dalam menangani perancu oleh klaster.

4 4 1.5 Tinjauan Pustaka Metode analisis yang dapat digunakan untuk menangani atau mengendalikan kasus perancu (confounding) bermacam-macam. Misalnya pada kasus tabulasi silang, pengendalian atas perancuan bisa dilakukan dengan menerapkan analisis berstrata yaitu uji Mantel-Haenszel. Pada analisis regresi logit, perancuan dikendalikan dengan menerapkan model regresi ganda. Hingga yang akan dibahas dalam tugas akhir ini yaitu metode doubly robust conditional generalized estimating equation (DRCGEE) untuk menangani perancuan yang disebabkan oleh klaster. Penelitian sebelumnya oleh Wardhani, S. F., (2015) dalam skripsinya yang berjudul Metode Estimasi Robust Ganda pada Model Linear Terumumkan telah membahas tentang Metode Robust Ganda pada MLT, serta membahas tentang estimasi parameter pada MLT dengan menggunakan metode Robust Ganda. Kuja-Halkola dkk (2014) mempelajari hubungan antara merokok ibu selama kehamilan dengan kemampuan kognitif umum. Mereka menemukan hubungan terbalik yang kuat. Tetapi asosiasi tersebut menghilang hampir sepenuhnya di dalam sibling-analysis. Hal ini menunjukkan bahwa hubungan terbalik antara merokok ibu selama kehamilan dengan kemampuan kognitif ditemukan pada individu yang tidak berhubungan hampir sepenuhnya disebabkan oleh faktor perancuan yang dimiliki oleh saudara kandung misalnya faktor genetik orang tua, status ekonomi, dan lingkungan anak pada saat usia dini. Berdasarkan uraian diatas, maka perbedaan skripsi ini dengan skripsi dan penelitian sebelumnya yaitu pada pembahasan teori, tujuan, dan metode estimasinya. Dalam skripsi ini penulis menggunakan beberapa sumber sebagai acuan. Johan Zetterqvist dkk (2015) dalam jurnal yang berjudul Doubly Robust Methods for Handling Confounding by Cluster merupakan referensi utama yang digunakan oleh penulis. Dalam jurnal tersebut dijelaskan tentang Metode Robust Ganda yang diterapkan dalam kasus dimana terdapat variabel perancu oleh klaster. Pada skripsi ini membahas tentang metode conditional generalized estimating equation (CGEE) dan metode doubly robust conditional generalized estimating equation (DRCGEE) yang selanjutnya akan dibandingkan keduanya

5 5 dengan metode GEE standar dalam menangani kasus perancuan yang disebabkan oleh klaster. 1.6 Sistematika Penulisan Sistematika penulisan tugas akhir ini dibagi menjadi 5 bab yaitu : BAB I : PENDAHULUAN Bab ini membahas tentang latar belakang permasalahan, tujuan penelitian, pembatasan masalah, metode penelitian, tinjauan pustaka dan sistematika penulisan. BAB II : LANDASAN TEORI Bab ini berisi tentang teori-teori penunjang yang akan dipakai sebagai dasar dalam pembahasan masalah. Diantaranya yaitu variabel random, ekspektasi, confounding (perancuan), keluarga eksponensial, statistik cukup, analisis regresi, centering, dan generalized estimating equation. BAB III : METODE ROBUST GANDA DALAM MENANGANI PERANCU OLEH KLASTER DOUBLY ROBUST METHODS FOR HANDLING CONFOUNDING BY CLUSTER Bab III ini membahas tentang metode yang digunakan untuk menangani confounding (perancu) oleh klaster. BAB IV : STUDI KASUS Membahas penerapan dari estimator DRCGEE dalam menangani confounding (perancu) oleh klaster dalam desain studi observasional pada data kesehatan. BAB V : KESIMPULAN DAN SARAN Bab ini berisi rangkuman dari uraian yang disajikan dalam bab-bab sebelumnya dan mencoba memberikan saran yang diharapkan dapat menjadi sumbangan pemikiran yang lebih baik khususnya dalam menangani perancu di dalam klaster.