Cara Menghitung Sensitivitas, Spesifitas, Nilai Prediksi Positif, dan Nilai Prediksi Negatif

Unduh PDF
Unduh PDF

Pengujian apapun yang dilakukan pada populasi tertentu, harus bisa menghitung sensitivitas [1] , spesifitas [2] , nilai prediksi positif [3] , dan nlai prediksi negatif [4] , untuk menentukan manfaat pengujian dalam mendeteksi penyakit atau karakteristik populasi tertentu. Jika kita ingin menggunakan suatu pengujian untuk menguji karakteristik tertentu dalam suatu populasi sampel, yang semestinya diketahui adalah:

  • Seberapa mungkin pengujian ini bisa mendeteksi keberadaan karakteristik tertentu pada seseorang dengan karakteristik tersebut ( sensitivitas )?
  • Seberapa mungkin pengujian ini bisa mendeteksi tidak adanya karakteristik tertentu pada seseorang yang tidak memiliki karakteristik tersebut ( spesifitas )?
  • Seberapa mungkin seseorang yang memiliki hasil pengujian yang positif benar-benar memiliki karakteristik tersebut ( nilai prediksi positif )?
  • Seberapa mungkin seseorang yang hasil pengujiannya negatif benar-benar tidak memiliki karakteristik tersebut ( nilai prediksi negatif )?

Nilai-nilai ini sangat penting untuk dihitung untuk menentukan apakah suatu pengujian bermanfaat untuk mengukur karakteristik tertentu pada populasi tertentu. Artikel ini akan menunjukkan cara menghitung nilai-nilai ini.

Metode 1
Metode 1 dari 1:

Menghitung Sendiri

Unduh PDF
  1. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/1\/17\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-1.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-1.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/1\/17\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-1.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-1.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
  2. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/2\/2a\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-2.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-2.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/2\/2a\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-2.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-2.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Tentukan penyakit atau karakteristik yang dikehendaki, misalnya penyakit sifilis .
  3. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/6\/6f\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-3.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-3.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/6\/6f\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-3.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-3.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Miliki standar emas yang baku untuk menentukan prevalensi penyakit atau karakteristik yang dikehendaki, misalnya dokumentasi mikroskopik medan gelap bakteri Treponema pallidum dari serpihan borok sifilis, dikolaborasikan dengan temuan-temuan klinis. Gunakan uji standar emas untuk menentukan siapa yang memiliki karakteristik dan siapa yang tidak. Sebagai ilustrasi, anggap saja 100 orang memiliki karakteristik dan 900 tidak.
  4. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/3\/39\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-4.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-4.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/3\/39\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-4.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-4.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Lakukan pengujian yang Anda tertarik untuk menentukan sensitivitas, spesifitas, nilai prediksi positif, dan nilai prediksi negatifnya untuk populasi ini. Berikutnua, lakukan pengujian untuk siapa saja di dalam sampel populasi tersebut. Sebagai contoh, misalnya ini adalah uji reagin plasma cepat (RPR) untuk menyaring sifilis. Gunakan untuk menguji 1000 orang dalam sampel.
  5. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/0\/05\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-5.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-5.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/0\/05\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-5.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-5.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Untuk orang yang memiliki karakteristik (sebagaimana ditentukan dengan standar emas), catat jumlah orang yang teruji positif dan jumlah orang yang hasil pengujiannya negatif. Lakukan hal yang sama untuk orang yang tidak memiliki karakteristik (sebagaimana ditentukan oleh standar emas). Anda akan memiliki empat angka. Orang yang memiliki karakteristik DAN hasil pengujiannya positif adalah positif benar ( true positives atau TP) . Orang yang memiliki karakteristik DAN hasil pengujiannya negatif adalah negatif palsu ( false negatives atau FN) . Orang yang tidak memiliki karakteristik DAN hasil pengujiannya positif adalah positif palsu ( false positives atau FP) . Orang yang tidak memiliki karakteristik DAN hasil pengujiannya negatif adalah negatif benar ( true negatives atau TN) . Sebagai contoh, anggap saja Anda telah melakukan uji RPR pada 1000 pasien. Di antara 100 pasien yang menderita sifilis, 95 di antaranya hasil pengujiannnya positif, sedangkan 5 sisanya negatif. Di antara 900 pasien yang tidak menderita sifilis, 90 di antaranya hasil pengujiannya positif, dan 810 sisanya negatif. Dalam hal ini, TP=95, FN=5, FP=90, dan TN=810.
  6. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/7\/7e\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-6.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-6.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/7\/7e\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-6.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-6.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Dalam contoh kasus di atas, perhitungannya adalah 95/(95+5)= 95%. Sensitivitas memberitahukan kita seberapa mungkin pengujian memberikan hasil positif untuk orang yang memiliki karakteristik. Di antara semua orang yang memiliki karakteristik, proporsi apa yang pengujiannya positif? Sensitivitas 95% sudah cukup bagus.
  7. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/d\/dc\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-7.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-7.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/d\/dc\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-7.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-7.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Dalam contoh di atas, perhitungannya adalah 810/(90+810)= 90%. Spesifitas memberitahukan pada kita tentang kemungkinan suatu pengujian memberikan hasil negatif pada seseorang yang tidak memiliki karakteristik. Di antara semua orang yang tidak memiliki karakteristik, berapa proporsi yang hasil pengujiannya negatif? Spesifitas 90% sudah cukup bagus.
  8. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/f\/fc\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-8.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-8.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/f\/fc\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-8.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-8.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Dalam konteks di atas, perhitungannya adalah 95/(95+90) = 51,4%. Nilai prediksi positif memberitahukan kemungkinan seseorang memiliki karakteristik jika hasil pengujiannya positif. Di antara semua orang yang hasil pengujiannya positif, berapa proporsi yang benar-benar memiliki karakteristik? NPP 51,4% berarti jika hasil pengujian Anda positif, kemungkinan untuk benar-benar menderita penyakit yang dimaksud adalah 51,4%.
  9. {"smallUrl":"https:\/\/www.wikihow.com\/images_en\/thumb\/3\/34\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-9.jpg\/v4-460px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-9.jpg","bigUrl":"https:\/\/www.wikihow.com\/images\/thumb\/3\/34\/Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-9.jpg\/v4-728px-Calculate-Sensitivity%2C-Specificity%2C-Positive-Predictive-Value%2C-and-Negative-Predictive-Value-Step-9.jpg","smallWidth":460,"smallHeight":306,"bigWidth":728,"bigHeight":484,"licensing":"<div class=\"mw-parser-output\"><\/div>"}
    Untuk contoh di atas, perhitungannya adalah 810/(810+5)= 99,4%. Nilai prediksi negatif memberitahukan tentang seberapa mungkin seseorang tidak memiliki karakteristik jika hasil pengujiannya negatif. Di antara semua orang yang hasil pengujiannya negatif, berapa proporsi yang benar-benar tidak memiliki karakteristik yang dimaksud? NPN 99,4% berarti jika hasil pengujian seseorang negatif, kemungkinan tidak adanya penyakit pada yang bersangkutan adalah 99,4%.
    Iklan

Tips

  • Akurasi , atau efisiensi, adalah persentase hasil pengujian yang diidentifikasi dengan benar oleh pengujian, yakni (positif benar + negatif benar)/hasil pengujian total = (TP+TN)/(TP+TN+FP+FN).
  • Uji penapisan yang baik memiliki sensitivitas tinggi, karena Anda ingin bisa mendapatkan semua yang memiliki karakteristik tertentu. Pengujian yang memiliki sensitivitas sangat tinggi bermanfaat untuk mengesampingkan' penyakit atau karakteristik jika hasilnya negatif. ("SNOUT": SeNsitivity-rule OUT)
  • Cobalah untuk membuat tabel 2x2 untuk lebih memudahkan.
  • Pahami bahwa sensitivitas dan spesifitas adalah sifat intrinsik pengujian yang tidak tergantung pada populasi yang ada, yakni bahwa kedua nilai tersebut semestinya sama jika pengujian yang sama dilakukan pada populasi yang berbeda.
  • Uji pemastian yang bagus memiliki spesivitas tinggi, karena Anda ingin pengujian yang dilakukan spesifik dan tidak salah melabeli orang yang tidak memiliki karakteristik dengan menganggapnya memilikinya. Pengujian yang memiliki spesiftas sangat tinggi bermanfaat untuk menyertakan penyakit atau karakteristik tertentu jika hasilnya positif. ("SPIN": SPecificity-rule IN)
  • Nilai prediksi positif dan nilai prediksi negatif, di sisi lain, tergantung pada prevalensi karakteristik ini pada populasi tertentu. Semakin langka karakteristk yang dicari, semakin rendah nilai prediksi positif dan semakin tinggi nilai prediksi negatifnya (karena probablitas pretes rendah untuk karakteristik yang langka). Kebalikannya, semakin umum suatu karakteristik, semakin tinggi nilai prediksi positif dan semakin rendah nilai prediksi negatifnya (karena probabilitas pretes tinggi untuk karakteristik yang umum).
  • Cobalah untuk memahami konsep-konsep ini dengan baik.
Iklan

Peringatan

  • Mudah saja membuat kesalahan akibat tidak teliti dalam perhitungan. Periksa perhitungan matematikanya dengan hati-hati. Anda akan terbantu dengan membuat tabel 2x2.
Iklan

wikiHow Terkait

Cara
Menjumlahkan dan Mengurangkan Pecahan
Cara
Menghitung Besar Sudut
Cara
Menghitung Nilai Akhir
Cara
Mudah Mencari Nilai Maksimum atau Minimum Dari Fungsi Kuadrat
Cara
Menghitung Jangkauan Suatu Kumpulan Data
Cara
Menghitung Diameter Lingkaran
Cara
Menghitung Volume
Cara
Menghitung Diagonal Persegi Panjang
Cara
Menghitung Jari Jari Lingkaran
Cara
Mengukur Milimeter
Cara
Mencari Luas Permukaan Kubus
Cara
Menghitung Luas Segitiga
Cara
Menghitung Energi Kinetik
Cara
Menghitung Kuartil Atas
Iklan

Referensi

  1. ↑ https://en.wikipedia.org/wiki/Sensitivity_and_specificity
  2. ↑ https://en.wikipedia.org/wiki/Sensitivity_and_specificity
  3. ↑ https://en.wikipedia.org/wiki/Positive_predictive_value
  4. ↑ https://en.wikipedia.org/wiki/Negative_predictive_value
  5. http://wiki.medpedia.com/Sensitivity_and_Specificity
  6. http://findarticles.com/p/articles/mi_m0689/is_1_53/ai_112592269/

Tentang wikiHow ini

Bahasa lain
Halaman ini telah diakses sebanyak 58.276 kali.

Apakah artikel ini membantu Anda?

Iklan