Lab #08 · firmansyarifuddin.id
Tulisan sebelumnya berhenti di satu pertanyaan yang sengaja saya gantung. Kalau satu item skala Likert terlalu rapuh dan yang kita butuhkan adalah skor gabungan yang tervalidasi, dari mana skor itu berasal? Dan bagaimana kita tahu bahwa ia memang layak dipercaya?
Kabar baiknya, di bidang kesehatan gudang instrumen tervalidasi itu penuh sesak. Kabar buruknya, dua cara yang paling sering dipakai untuk mengambil barang dari gudang tersebut sama-sama keliru, hanya saja kelirunya berlawanan arah.Bayangkan seorang pasien di sebuah puskesmas di Magelang sedang mengisi
kuesioner kualitas hidup. Salah satu pertanyaannya, hasil terjemahan langsung dari sebuah instrumen terkenal, berbunyi kira-kira, “Apakah kesehatan Anda membatasi Anda saat berjalan beberapa blok?”
Pasien itu mengernyit. Blok? Magelang tidak dibangun dalam petak-petak seperti kota-kota di Amerika. Pertanyaan itu lahir di Boston, tetapi tidak pernah benar-benar tiba di Magelang. Ia hanya diterjemahkan, bukan diadaptasi. Bahasanya berpindah, tetapi maknanya tertinggal.
Tiga pintu, bukan dua
Kebanyakan mahasiswa mengira pilihannya hanya dua: memakai kuesioner yang sudah ada atau membuat sendiri. Padahal sebenarnya ada tiga pintu, dan masing-masing memiliki ongkos yang berbeda.
Pintu pertama adalah merujuk. Kita menggunakan instrumen yang sudah tervalidasi apa adanya, misalnya PHQ-9 untuk menapis depresi, SF-36 untuk mengukur kualitas hidup, atau EQ-5D untuk menilai status kesehatan.
Pintu kedua adalah memodifikasi. Kita mengambil instrumen yang sudah ada lalu menyesuaikannya—baik bahasanya, konteks budayanya, maupun butir yang dianggap kurang relevan.
Pintu ketiga adalah membangun instrumen baru dari nol.
Masalahnya, dua kesalahan yang paling sering dilakukan justru terjadi pada pintu pertama dan pintu ketiga, dan keduanya bergerak ke arah yang berlawanan.
Dosa pertama
Kesalahan pertama adalah membuat kuesioner sendiri padahal instrumen yang telah teruji sebenarnya sudah tersedia.
Seorang mahasiswa ingin mengukur depresi. Semalam ia menyusun sepuluh pertanyaan buatannya sendiri, memberi pilihan jawaban dari 1 sampai 5, lalu menyebutnya sebagai alat ukur depresi. Padahal PHQ-9 telah divalidasi oleh Kroenke dan koleganya pada tahun 2001 melalui ribuan pasien. Kesembilan butirnya bahkan disusun berdasarkan kriteria diagnostik depresi yang digunakan secara klinis.
Membangun alat ukur depresi sendiri dari nol dalam situasi seperti ini sama seperti membuat termometer sendiri padahal termometer yang telah dikalibrasi sudah tergantung di dinding. Bukan hanya membuang waktu, tetapi juga menghasilkan ukuran yang tidak dapat dibandingkan dengan penelitian lain. Tidak ada yang benar-benar tahu apa yang sebenarnya sedang diukur oleh alat tersebut.
Instrumen tervalidasi adalah hasil kerja bertahun-tahun dari banyak peneliti. Mengabaikannya lalu memulai dari kertas kosong bukanlah tanda kemandirian. Itu justru menunjukkan bahwa kita mengabaikan pengetahuan yang telah dibangun oleh orang lain.
Dosa kedua
Kesalahan yang berlawanan justru dilakukan oleh mereka yang sudah memilih instrumen yang benar, tetapi menggunakannya secara mentah.
Mereka menerjemahkan instrumen, lalu menganggap pekerjaannya selesai.
Padahal menerjemahkan bukanlah memvalidasi.
Di sinilah pertanyaan tentang walking several blocks tadi menjadi penting. Pada tahun 2000, Beaton dan koleganya menyusun panduan yang hingga kini masih menjadi rujukan utama dalam adaptasi lintas budaya. Menurut mereka, adaptasi instrumen bukan sekadar alih bahasa. Ia adalah proses yang bertujuan mempertahankan makna, bukan sekadar kata.
Prosesnya berlapis.
Instrumen diterjemahkan oleh dua penerjemah yang bekerja secara independen. Kedua hasil terjemahan kemudian disatukan menjadi satu versi. Setelah itu dilakukan back translation, yaitu menerjemahkan kembali versi tersebut ke bahasa asli oleh penerjemah yang belum pernah melihat instrumen aslinya. Langkah ini bertujuan menangkap kemungkinan pergeseran makna yang tidak disadari.
Selanjutnya, sebuah komite ahli menilai seluruh hasil terjemahan tersebut. Mereka mendiskusikan setiap butir, memilih istilah yang paling tepat, lalu menghasilkan versi pra-final. Versi ini kemudian diuji coba pada sejumlah kecil responden untuk memastikan setiap pertanyaan benar-benar dipahami sebagaimana mestinya sebelum digunakan dalam penelitian yang sebenarnya.
Mari kita lihat bagaimana satu butir diperlakukan.
Ambil pertanyaan tadi: walking several blocks. Terjemahan harfiahnya menjadi berjalan beberapa block kalimat yang nyaris tidak bermakna bagi pasien kita di Magelang.
Adaptasi budaya yang baik akan menggantinya dengan ukuran yang benar-benar akrab bagi masyarakat setempat, misalnya berjalan sekitar seratus meter atau berjalan dari rumah ke warung terdekat. Setelah itu dilakukan back translation. Bila hasil terjemahan balik masih menangkap makna fungsional yang sama dengan versi asli, butir tersebut dapat dipertahankan. Bila tidak, ia harus diperbaiki lagi.
Satu butir saja kadang membutuhkan beberapa putaran sebelum benar-benar siap digunakan.
Di sinilah letak pelajaran pentingnya.
Validitas tidak melekat pada lembar kuesionernya. Validitas melekat pada hubungan antara instrumen dan populasi tempat instrumen itu digunakan.
Instrumen yang sah digunakan di Boston belum tentu otomatis sah digunakan di Magelang. Bukan semata-mata karena bahasanya berbeda, melainkan karena konsep yang ingin diukur belum tentu memiliki padanan yang sama dalam budaya yang berbeda. Guillemin dan koleganya telah mengingatkan hal ini sejak tahun 1993: instrumen yang berpindah budaya tidak cukup diterjemahkan, tetapi perlu melalui proses adaptasi budaya dan memiliki bukti validitas pada populasi yang akan menggunakannya.
Instrumen bukan barang untuk ditemukan ulang sembarangan. Namun instrumen juga bukan barang yang boleh diimpor mentah-mentah. Setiap instrumen yang menyeberangi budaya tetap harus membayar “bea”, yaitu melalui proses adaptasi yang benar dan memiliki bukti bahwa ia memang masih mengukur hal yang sama pada populasi yang baru.
Yang gratis hanyalah menyalin. Dan menyalin bukan berarti mengukur.
Lalu kapan boleh membuat sendiri?
Di sini saya tidak ingin terdengar seolah-olah pintu ketiga harus selalu dihindari.
Ada keadaan ketika membuat instrumen baru memang merupakan pilihan yang tepat, yaitu ketika konstruk yang ingin diukur benar-benar belum memiliki alat ukur yang memadai. Fenomena yang sangat lokal, konsep yang benar-benar baru, atau konstruk yang belum pernah dirumuskan sebelumnya dapat menjadi alasan yang sah untuk membangun instrumen baru.
Dalam keadaan seperti itu, membangun bukanlah kemalasan, melainkan kontribusi ilmiah.
Namun pintu ketiga adalah pintu yang paling mahal, bukan yang paling murah.
Membuat instrumen bukan sekadar merangkai beberapa pertanyaan dalam semalam. Perjalanannya panjang. Dimulai dari validitas isi untuk memastikan setiap butir benar-benar mewakili konsep yang ingin diukur, biasanya melalui penilaian panel ahli. Setelah itu dilakukan pengujian validitas konstruk untuk melihat apakah instrumen benar-benar berperilaku sebagaimana diprediksi teori. Baru kemudian reliabilitas diuji untuk memastikan bahwa hasil pengukurannya konsisten.
Streiner, Norman, dan Cairney menghabiskan satu buku tebal untuk menjelaskan betapa panjang perjalanan tersebut.
Orang yang memilih pintu ketiga karena mengira itulah jalan pintas biasanya justru berakhir dengan sebuah kuesioner yang rapi di lampiran, tetapi tidak pernah benar-benar diketahui apa yang sebenarnya ia ukur.
Urutan berpikir yang sederhana
Urutan berpikirnya sebenarnya tidak rumit.
Pertama, cari apakah sudah tersedia instrumen tervalidasi yang sesuai dengan tujuan penelitian.
Kalau ada dan cocok, gunakanlah. Namun pastikan instrumen tersebut memang telah melalui adaptasi budaya yang memadai dan memiliki bukti validitas pada populasi yang relevan.
Kalau instrumen tersedia tetapi memerlukan penyesuaian, lakukan modifikasi secara sadar. Setiap perubahan yang dilakukan harus dievaluasi kembali agar tidak mengubah makna konstruk yang hendak diukur.
Barulah apabila benar-benar belum ada instrumen yang sesuai, bangunlah instrumen baru dengan kesadaran bahwa jalan tersebut adalah jalan yang paling panjang.
Pertanyaan yang lahir di Boston memang bisa dipakai di Magelang. Namun ia tidak bisa sekadar diseberangkan begitu saja sambil berharap responden kita memahami apa yang dimaksud dengan blok. Ia harus melewati pos bea: diperiksa, disesuaikan, lalu diuji apakah maknanya benar-benar ikut sampai.
Instrumen yang baik bukanlah yang paling terkenal atau paling orisinal dibuat. Instrumen yang baik adalah instrumen yang paling jujur menggambarkan orang yang sedang kita ukur.
Sumber Inspirasi Tulisan:
- Beaton, D. E., Bombardier, C., Guillemin, F., & Ferraz, M. B. (2000). Guidelines for the Process of Cross-Cultural Adaptation of Self-Report Measures. Spine, 25(24).
- Guillemin, F., Bombardier, C., & Beaton, D. (1993). Cross-cultural adaptation of health-related quality of life measures: literature review and proposed guidelines. Journal of Clinical Epidemiology, 46(12).
- Kroenke, K., Spitzer, R. L., & Williams, J. B. W. (2001). The PHQ-9: Validity of a Brief Depression Severity Measure. Journal of General Internal Medicine, 16(9).
- Ware, J. E., & Sherbourne, C. D. (1992). The MOS 36-Item Short-Form Health Survey (SF-36). Medical Care, 30(6).
- Streiner, D. L., Norman, G. R., & Cairney, J. (2015). Health Measurement Scales: A Practical Guide to Their Development and Use (5th ed.). Oxford University Press.