{"id":1025,"date":"2023-07-27T22:44:18","date_gmt":"2023-07-27T22:44:18","guid":{"rendered":"https:\/\/statorials.org\/id\/bias-neymar\/"},"modified":"2023-07-27T22:44:18","modified_gmt":"2023-07-27T22:44:18","slug":"bias-neymar","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/bias-neymar\/","title":{"rendered":"Bias neyman: definisi &amp; contoh"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><strong>Bias Neyman<\/strong> (juga dikenal sebagai <em>bias prevalensi-insiden<\/em> ) adalah jenis bias yang dapat terjadi dalam penelitian di mana individu yang sakit parah atau sangat sehat tidak dimasukkan dalam hasil akhir penelitian, sehingga dapat menyebabkan hasil yang bias.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Bias ini dapat mempengaruhi hasil penelitian dalam dua cara:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Jika individu yang sakit parah dikeluarkan dari penelitian karena mereka telah meninggal, maka penyakit yang mereka derita akan tampak lebih ringan.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Jika individu yang sangat sehat dikeluarkan dari penelitian karena mereka telah pulih dan dipulangkan, maka penyakitnya akan tampak lebih parah.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh Bias Neyman<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Berikut dua contoh bias Neyman yang terjadi dalam skenario berbeda:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Contoh 1: Individu yang sakit dikeluarkan dari penelitian.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Katakanlah sekelompok peneliti di rumah sakit ingin mempelajari tingkat keparahan suatu jenis flu tertentu. Mereka secara acak memilih sampel 40 orang di wilayah tersebut yang tertular jenis flu ini dan memantau hasilnya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam skenario ini, orang yang terjangkit flu parah dan meninggal karenanya akan dikeluarkan dari penelitian. Artinya, hanya orang dengan kasus ringan yang akan dilibatkan dalam penelitian ini, sehingga flu tidak terlalu serius.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Contoh 2: Individu yang sehat dikeluarkan dari penelitian.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Katakanlah sekelompok peneliti di rumah sakit ingin mempelajari tingkat keparahan flu musiman tertentu. Mereka secara acak memilih sampel 30 orang di wilayah tersebut yang terjangkit flu biasa dan memantau konsekuensinya.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam skenario ini, orang yang sudah terjangkit flu dan sembuh tidak akan dilibatkan dalam penelitian ini, artinya hanya orang dengan kasus yang lebih parah dan belum sembuh yang akan dilibatkan dalam penelitian ini. Hal ini bisa membuat pilek semakin parah.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Dalam jenis penelitian apa bias Neyman muncul?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Bias Neyman paling sering terjadi dalam penelitian di mana terdapat jangka waktu yang lama antara individu yang tertular penyakit tertentu dan dimasukkannya mereka dalam penelitian hanya karena hal tersebut memberi mereka lebih banyak waktu untuk (1) pulih dan tidak diikutsertakan dalam penelitian atau (2 ) meninggal dan tidak diikutsertakan dalam penelitian.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Studi kasus-kontrol paling rentan terhadap jenis bias ini, namun bias juga dapat terjadi pada studi kohort dan studi cross-sectional.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Bagaimana Mencegah Bias Neymar<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Ada dua cara untuk menghindari jebakan bias Neyman:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Gunakan kasus insiden dibandingkan kasus lazim.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Kasus insiden<\/strong> adalah kasus penyakit yang baru didiagnosis. <strong>Kasus lazim<\/strong> adalah kasus penyakit yang sudah ada, dimana seseorang biasanya menderita penyakit tersebut dalam jangka waktu yang lebih lama sehingga memiliki versi penyakit yang lebih parah dan lebih parah. Dengan menggunakan kasus-kasus insiden, kecil kemungkinan seseorang akan dikeluarkan dari penelitian pada suatu saat karena kasus tersebut merupakan kasus baru.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Gunakan studi lanjutan.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Cara lain untuk menghindari bias Neyman adalah dengan menggunakan penelitian lanjutan di mana peneliti menindaklanjuti individu dan meninjau situasi mereka setelah penelitian selesai. Hal ini sangat berguna untuk memantau individu yang meninggalkan penelitian karena telah sembuh dari penyakitnya, sehingga memungkinkan peneliti untuk lebih memahami dampak jangka panjang dari suatu penyakit.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\/bias-yang-kurang-dihitung\/\" target=\"_blank\" rel=\"noopener noreferrer\">Apa itu bias yang kurang dihitung?<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/bias-rujukan\/\">Apa itu bias SEO?<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/bias-non-respons\/\">Apa yang dimaksud dengan bias non-respons?<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/distribusi-pengobatan\/\" target=\"_blank\" rel=\"noopener noreferrer\">Apa itu difusi pengobatan?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Bias Neyman (juga dikenal sebagai bias prevalensi-insiden ) adalah jenis bias yang dapat terjadi dalam penelitian di mana individu yang sakit parah atau sangat sehat tidak dimasukkan dalam hasil akhir penelitian, sehingga dapat menyebabkan hasil yang bias. Bias ini dapat mempengaruhi hasil penelitian dalam dua cara: 1. Jika individu yang sakit parah dikeluarkan dari penelitian [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Bias Neymar: definisi dan contoh<\/title>\n<meta name=\"description\" content=\"Penjelasan sederhana tentang bias Neyman, termasuk definisi formal dan beberapa contoh.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/bias-neymar\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Bias Neymar: definisi dan contoh\" \/>\n<meta property=\"og:description\" content=\"Penjelasan sederhana tentang bias Neyman, termasuk definisi formal dan beberapa contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/bias-neymar\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T22:44:18+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/bias-neymar\/\",\"url\":\"https:\/\/statorials.org\/id\/bias-neymar\/\",\"name\":\"Bias Neymar: definisi dan contoh\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T22:44:18+00:00\",\"dateModified\":\"2023-07-27T22:44:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Penjelasan sederhana tentang bias Neyman, termasuk definisi formal dan beberapa contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/bias-neymar\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/bias-neymar\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/bias-neymar\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Bias neyman: definisi &amp; contoh\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Bias Neymar: definisi dan contoh","description":"Penjelasan sederhana tentang bias Neyman, termasuk definisi formal dan beberapa contoh.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/bias-neymar\/","og_locale":"id_ID","og_type":"article","og_title":"Bias Neymar: definisi dan contoh","og_description":"Penjelasan sederhana tentang bias Neyman, termasuk definisi formal dan beberapa contoh.","og_url":"https:\/\/statorials.org\/id\/bias-neymar\/","og_site_name":"Statorials","article_published_time":"2023-07-27T22:44:18+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"2 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/bias-neymar\/","url":"https:\/\/statorials.org\/id\/bias-neymar\/","name":"Bias Neymar: definisi dan contoh","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T22:44:18+00:00","dateModified":"2023-07-27T22:44:18+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Penjelasan sederhana tentang bias Neyman, termasuk definisi formal dan beberapa contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/bias-neymar\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/bias-neymar\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/bias-neymar\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Bias neyman: definisi &amp; contoh"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1025"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1025"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1025\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1025"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1025"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1025"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}