20 November 2026 · Seputar Kesehatan Tulang dan Postur
19 November 2026
Oleh Tim Editor · di BLOG

Belajarinaja: Memahami Sensitivitas dan Spesifisitas dalam Penelitian

Belajarinaja: Mengenal Sensitivitas dan Spesifisitas agar Tidak Salah Membaca Hasil Tes
Dalam penelitian, suatu tes sering digunakan untuk mengelompokkan kondisi berdasarkan indikator tertentu.

Contohnya, sebuah instrumen dapat dirancang untuk mendeteksi apakah suatu karakteristik hadir atau tidak hadir berdasarkan standar pembanding.

Namun, tidak semua tes memberikan hasil yang tepat pada setiap pengamatan.

Sebagian orang atau objek yang sebenarnya memiliki karakteristik tertentu mungkin memperoleh hasil negatif. Sebaliknya, yang tidak memiliki karakteristik tersebut dapat memperoleh hasil positif.

Dua ukuran yang membantu mengevaluasi kinerja tes dalam konteks klasifikasi biner adalah sensitivitas dan spesifisitas.

Melalui Belajarinaja, kedua konsep ini dapat dipelajari sebagai dasar memahami kualitas pengukuran dan batas kesimpulan dari hasil pengujian.
Apa Itu Sensitivitas?
Sensitivitas menggambarkan proporsi individu atau objek yang benar-benar mempunyai kondisi tertentu dan teridentifikasi positif oleh tes.

Ukuran ini sering disebut true positive rate.
Rumus Sensitivitas
[
\text{Sensitivitas}=\frac{TP}{TP+FN}
]

TP berarti true positive, sedangkan FN adalah false negative.

Nilai tersebut dihitung berdasarkan kelompok yang benar-benar mempunyai kondisi menurut standar pembanding yang digunakan.
Apa Itu Spesifisitas?
Spesifisitas menggambarkan proporsi individu atau objek yang tidak mempunyai kondisi tertentu dan teridentifikasi negatif oleh tes.

Ukuran ini sering disebut true negative rate.
Rumus Spesifisitas
[
\text{Spesifisitas}=\frac{TN}{TN+FP}
]

TN berarti true negative, sedangkan FP adalah false positive.

Sensitivitas dan spesifisitas menjawab pertanyaan yang berbeda sehingga keduanya perlu ditafsirkan secara terpisah.
Belajarinaja dan Contoh Perhitungan
Bayangkan sebuah tes dievaluasi terhadap 200 sampel menggunakan standar pembanding yang relevan.

Dari 100 sampel yang benar-benar positif, tes memberikan 90 hasil positif dan 10 hasil negatif.

Dari 100 sampel yang benar-benar negatif, tes memberikan 80 hasil negatif dan 20 hasil positif.
Menghitung Sensitivitas
[
\frac{90}{90+10}=0,90
]

Jadi, sensitivitas tes dalam contoh tersebut adalah 90%.
Menghitung Spesifisitas
[
\frac{80}{80+20}=0,80
]

Spesifisitasnya adalah 80%.

Angka tersebut menggambarkan hasil evaluasi pada kondisi contoh, bukan jaminan kinerja yang sama dalam semua populasi.
Mengenal False Positive
False positive terjadi ketika tes menunjukkan hasil positif padahal kondisi yang dinilai sebenarnya tidak ada menurut standar pembanding.

Hasil seperti ini dapat menyebabkan tindak lanjut yang tidak diperlukan apabila digunakan tanpa pemeriksaan yang sesuai.

Namun, konsekuensinya bergantung pada jenis tes dan tujuan penggunaan.
Mengenal False Negative
False negative terjadi ketika tes memberikan hasil negatif meskipun kondisi yang dinilai sebenarnya ada.

Dalam beberapa konteks, kesalahan ini dapat menyebabkan kondisi penting tidak terdeteksi.

Karena itu, pilihan metode pengujian harus mempertimbangkan konsekuensi dari jenis kesalahan yang berbeda.
Sensitivitas Tidak Sama dengan Peluang Hasil Positif Itu Benar
Kesalahan umum adalah menganggap sensitivitas 90% berarti bahwa setiap hasil positif mempunyai peluang 90% untuk benar.

Kesimpulan tersebut tidak tepat.

Peluang bahwa suatu hasil positif benar berkaitan dengan positive predictive value, yang juga dipengaruhi prevalensi kondisi dalam populasi.
Mengapa Prevalensi Penting?
Prevalensi menggambarkan seberapa umum suatu kondisi terdapat dalam populasi pada konteks yang relevan.

Ketika kondisi sangat jarang, jumlah hasil positif palsu dapat menjadi penting meskipun tes mempunyai sensitivitas dan spesifisitas yang cukup tinggi.
Contoh Interpretasi
Dua populasi dapat menggunakan tes dengan karakteristik teknis serupa tetapi menghasilkan nilai prediktif positif yang berbeda.

Perbedaan dapat terjadi karena proporsi individu yang benar-benar mempunyai kondisi tidak sama.

Karena itu, pembaca harus mengetahui populasi yang sedang dibahas.
Pengaruh Cutoff atau Ambang Batas
Sebagian tes menggunakan nilai numerik yang kemudian dibandingkan dengan ambang tertentu untuk menentukan hasil positif atau negatif.

Perubahan ambang dapat memengaruhi sensitivitas dan spesifisitas.

Dalam banyak situasi terdapat pertukaran antara kemampuan menemukan kasus positif dan menghindari hasil positif palsu.

Pemilihan cutoff perlu didasarkan pada tujuan serta konsekuensi pengujian.
Mengenal ROC Curve
Receiver Operating Characteristic atau ROC Curve digunakan untuk menggambarkan hubungan antara true positive rate dan false positive rate pada berbagai ambang klasifikasi.

Kurva ini dapat membantu membandingkan kemampuan diskriminasi model dalam konteks tertentu.

Namun, satu angka ringkasan dari kurva tidak cukup untuk menentukan apakah suatu tes sesuai untuk penggunaan nyata.
Kualitas Standar Pembanding
Perhitungan sensitivitas dan spesifisitas memerlukan informasi mengenai kondisi sebenarnya menurut standar pembanding.

Jika standar pembanding memiliki kelemahan, estimasi kinerja tes juga dapat terpengaruh.

Karena itu, peneliti perlu menjelaskan bagaimana status benar atau salah ditentukan.
Keterbatasan Generalisasi
Hasil evaluasi tes pada satu kelompok belum tentu berlaku sama untuk kelompok lain.

Perbedaan karakter peserta, kondisi pengukuran, dan proses pemilihan sampel dapat memengaruhi hasil.

Peneliti sebaiknya menjelaskan populasi dan lingkungan pengujian.
Membaca Hasil Tes dengan Lebih Kritis
Melalui Belajarinaja, sensitivitas dan spesifisitas membantu menjelaskan dua sisi penting kemampuan suatu tes.

Sensitivitas berkaitan dengan pendeteksian kondisi yang benar-benar ada, sedangkan spesifisitas berkaitan dengan pengenalan kondisi yang benar-benar tidak ada.

Dengan memahami false positive, false negative, prevalensi, dan kualitas standar pembanding, pembaca dapat menilai hasil penelitian secara lebih akurat dan tidak menyamakan kinerja statistik dengan kepastian hasil individu.