
Bias publikasi terjadi ketika studi yang sampai ke tangan Anda tidak mewakili seluruh studi yang pernah dilakukan, misalnya karena hasil yang tidak signifikan lebih jarang terbit. Dalam systematic literature review (SLR), kondisi ini berbahaya karena kesimpulan Anda hanya sebaik bukti yang berhasil ditemukan. Artikel ini menjelaskan pengertian, dampak, cara mengurangi, dan cara melaporkan bias publikasi secara jujur.
Bias publikasi (publication bias) adalah kecenderungan bahwa kemungkinan sebuah studi diterbitkan, dan kemudian ditemukan serta disitasi, dipengaruhi oleh arah atau besarnya hasilnya. Studi dengan hasil signifikan atau menarik cenderung lebih mudah terbit, lebih cepat terindeks, dan lebih sering disitasi. Studi dengan hasil nol, hasil negatif, atau sampel kecil sering berhenti di laci peneliti. Fenomena ini dikenal juga sebagai file drawer problem.
Bagi peneliti yang menyusun SLR, implikasinya langsung. SLR bekerja dengan menyatukan studi yang ditemukan melalui pencarian sistematis. Jika bukti yang tersedia berbeda secara sistematis dari bukti yang hilang, sintesis Anda akan condong ke satu arah meskipun prosedur pencarian dan screening sudah dijalankan dengan rapi.
Bayangkan mahasiswa S2 yang menyusun SLR tentang efektivitas suatu metode pembelajaran digital. Ia menemukan sejumlah artikel di Scopus dan Sinta, dan hampir semuanya melaporkan peningkatan hasil belajar. Pertanyaannya: apakah metode itu memang efektif, atau hanya studi yang berhasil yang sempat terbit? Pertanyaan inilah yang harus dijawab, atau minimal diakui, dalam SLR yang baik.
Istilah-istilah ini sering dicampur. Cochrane Handbook for Systematic Reviews of Interventions, bab 13, membahas risiko bias akibat hasil yang hilang dari sebuah sintesis (missing results). Dari sana Anda bisa membedakan beberapa konsep berikut.
Contoh selective outcome reporting: sebuah studi pada protokolnya mengukur motivasi, prestasi, dan kecemasan siswa. Artikel akhirnya hanya melaporkan prestasi karena hasilnya paling baik. Jika Anda mensintesis kecemasan siswa, studi tersebut tampak tidak ada, padahal datanya pernah dikumpulkan.
Perbedaan ini penting karena strategi penanganannya berbeda. Bias publikasi dikurangi lewat pencarian yang luas, sedangkan bias pelaporan dikurangi lewat pembandingan laporan dengan protokol.
Dampak utamanya adalah efek yang tampak lebih besar atau lebih konsisten daripada kenyataan. Ketika studi dengan hasil kecil atau nol hilang dari kumpulan bukti, rata-rata efek yang Anda lihat menjadi condong ke atas, dan temuan terlihat lebih seragam. Pembaca SLR Anda, termasuk penguji skripsi atau reviewer jurnal Sinta dan Scopus, bisa mengambil keputusan berdasarkan gambaran yang terlalu optimis.
Dampak lainnya terkait kredibilitas. SLR yang tidak menyebut kemungkinan bias publikasi akan tampak kurang matang, sementara SLR yang mengakuinya justru menunjukkan Anda memahami keterbatasan bukti. Karena itu, transparansi tentang keterbatasan bukan kelemahan, melainkan bagian dari kualitas metodologi. Anda juga dapat menautkannya dengan standar mutu SLR yang baik.
Perlu diingat bahwa tidak ada SLR yang bisa menjamin seluruh studi di dunia sudah tercakup. Tujuannya bukan kesempurnaan, melainkan pengurangan risiko yang masuk akal dan pelaporan yang jujur.
Cara paling efektif menghadapi bias publikasi adalah mencegahnya di tahap pencarian, sebelum analisis dimulai. Berikut empat langkah praktis.
Satu database tidak pernah cukup. Kombinasikan Scopus, Sinta, OpenAlex, Crossref, dan database bidang ilmu Anda. Susun string pencarian dengan sinonim dan variasi istilah, lalu dokumentasikan setiap string beserta tanggal pencariannya. Panduan lengkapnya ada di artikel operator Boolean untuk pencarian jurnal.
Literatur abu-abu (grey literature) mencakup prosiding konferensi, repositori kampus, preprint, laporan lembaga, dan tesis. Sumber ini sering memuat studi dengan hasil yang tidak muncul di jurnal bereputasi. Di Indonesia, repositori perguruan tinggi dan portal tugas akhir adalah titik awal yang masuk akal. Tetap nilai mutunya dengan hati-hati, karena literatur abu-abu belum tentu melewati telaah sejawat. Untuk membedakan sumber yang meragukan, lihat juga ciri jurnal predator.
Untuk topik yang punya registri uji klinis atau registri protokol, periksa apakah ada studi terdaftar yang tidak pernah terbit. Cochrane juga menyebut perbandingan antara protokol dan laporan akhir sebagai cara menilai bias pelaporan. Menurut Cochrane, langkah ini memang melelahkan, tetapi nilainya besar. Untuk bidang sosial dan pendidikan yang tidak punya registri sekuat bidang klinis, Anda tetap bisa memeriksa proposal, tesis, atau laporan penelitian yang terkait dengan artikelnya.
Pembatasan bahasa atau rentang tahun harus punya dasar yang jelas dan ditulis di kriteria inklusi-eksklusi. Jika Anda hanya mengambil artikel berbahasa Inggris, studi lokal berbahasa Indonesia yang relevan akan hilang. Pelajari penyusunannya di panduan kriteria inklusi dan eksklusi, dan tetapkan sejak awal dalam protokol SLR agar keputusan tidak berubah mengikuti hasil.
Pada SLR yang memakai meta-analisis, funnel plot adalah alat visual yang paling dikenal. Sumbu horizontalnya menampilkan estimasi efek tiap studi dan sumbu vertikalnya ukuran atau presisi studi. Pada kondisi ideal, titik-titik membentuk corong simetris. Jika satu sisi tampak kosong, itu bisa menunjukkan studi tertentu hilang.
Ada beberapa batasan yang wajib Anda pahami, dan semuanya sejalan dengan panduan Cochrane.
Satu hal yang sering terlewat: sebagian besar SLR mahasiswa bersifat naratif atau kualitatif dan tidak memakai meta-analisis. Pada SLR semacam itu, funnel plot tidak relevan. Gantinya adalah penilaian kualitatif terhadap risiko bias, yaitu menimbang apakah ada tanda-tanda studi yang hilang dan apa konsekuensinya bagi kesimpulan. Untuk penilaian mutu studi individual, rujuk panduan quality assessment SLR.
Mengurangi bias saja belum cukup, Anda juga perlu mencatat dan melaporkannya. PRISMA 2020 meminta pelaporan yang transparan mengenai metode pencarian, proses seleksi, serta penilaian risiko bias akibat hasil yang hilang. Pelajari struktur pelaporannya di panduan diagram PRISMA 2020.
Untuk penilaian terstruktur, Cochrane menyediakan alat ROB-ME (Risk Of Bias due to Missing Evidence). Alat ini memakai delapan pertanyaan sinyal: empat berfokus pada studi-studi dalam review (within-study) dan empat pada kemungkinan hasil yang hilang di antara studi (across-study). Hasil penilaiannya dikelompokkan menjadi low risk, high risk, atau some concerns. Alat ini dirancang untuk sintesis tertentu, sehingga paling cocok bagi Anda yang menggunakan kerangka Cochrane. Baca penjelasan resminya di bab 13 Cochrane Handbook.
Jika Anda tidak memakai ROB-ME, minimal lakukan hal berikut:
Dengan catatan ini, pembaca dapat menilai sendiri seberapa kuat kesimpulan SLR Anda.
Perlu dinyatakan dengan jelas: tidak ada alat, termasuk JurnalFlow, yang dapat menghilangkan bias publikasi atau menemukan studi yang memang tidak pernah terbit. JurnalFlow juga tidak mendeteksi bias secara otomatis. Penilaian risiko bias dan keputusan inklusi tetap berada di tangan Anda sebagai peneliti.
Yang dapat dibantu oleh asisten AI adalah proses di sekitarnya agar lebih rapi dan terdokumentasi:
Hasil bantuan AI selalu perlu diverifikasi sebelum digunakan. Anda dapat memulai dengan paket Starter tanpa biaya (Rp0 per bulan) untuk menyusun proyek SLR pertama.
Coba Gratis Sekarang — jurnalflow.com
Bias publikasi adalah kondisi ketika kemungkinan sebuah studi terbit dipengaruhi oleh hasilnya, misalnya hasil signifikan lebih mudah terbit daripada hasil nol atau negatif. Dalam SLR, hal ini membuat bukti yang Anda temukan berbeda secara sistematis dari seluruh bukti yang ada, sehingga kesimpulan bisa terlalu optimis.
Tidak. Funnel plot hanya relevan untuk SLR yang memuat meta-analisis, dan menurut Cochrane baru layak dipakai bila terdapat minimal 10 studi. Asimetrinya juga bukan alat diagnostik, karena dapat disebabkan hal lain selain bias publikasi. SLR naratif atau kualitatif cukup menggunakan penilaian kualitatif risiko bias.
Fokuskan upaya di tahap pencarian. Gunakan banyak database, susun string Boolean yang sistematis, telusuri literatur abu-abu, periksa registri atau protokol bila ada, dan hindari pembatasan bahasa serta tahun tanpa alasan. Lalu catat semuanya dan nyatakan keterbatasan Anda di bagian pembahasan.
Tidak ada kewajiban mutlak, tetapi penelusurannya sangat dianjurkan untuk mengurangi risiko bias publikasi. Jika Anda memutuskan tidak memasukkannya, tuliskan alasannya di protokol dan keterbatasan. Jika memasukkannya, nilai mutu sumbernya dengan cermat karena belum tentu telah ditelaah sejawat.
Risk of bias studi individual menilai kualitas metodologi tiap studi, misalnya cara pengacakan, pengukuran, dan pelaporan data. Bias publikasi menilai apakah ada studi atau hasil yang hilang dari kumpulan bukti secara keseluruhan. Keduanya saling melengkapi dan sebaiknya dilaporkan terpisah dalam SLR Anda.
Coba Gratis Sekarang — jurnalflow.com
1 Comment
[…] kecenderungan studi dengan hasil tertentu lebih mudah terbit. Topik ini dibahas terpisah di bias publikasi dalam SLR. Perhatikan pula bahwa pemilihan hasil yang dilaporkan (selective reporting) di dalam satu studi […]