Kurva ROC(Receiver Operating Characteristic) Kurva ROC menunjukkan hubungan antara uji sensitifitas dan spesifisitas. Digunakan untuk menerangkan ketepatan uji dalam berbagai tingkatan titik potong (sebagai nomogram) dalam membaca spesifisitas yang sesuai dengan sensitifitas yang ada. Ketepatan keseluruhan dari uji bisa diterangkan dalam daerah di bawah kurva ROC. >> Bertambah besar luas daerahnya, maka hasil uji tersebut semakin baik.Uji Sensitifitas dan Spesifisitas : Pengukuran Sensitivitas bertujuan untuk menghitung banyaknya orang yang sungguh-sungguh dinyatakan terkena penyakit dengan hasil tes positif. Sensitivitas = (Nilai positif yang sebenarnya) / (Nilai positif yang sebenarnya + Nilai negatif palsu) Pengukuran Spesifisitas ditujukan untuk menghitung banyaknya orang yang tidak mengidap suatu penyakit dengan hasil tes negatif. Spesifisitas = (Nilai negatif yang sebenarnya) / (Nilai negatif yang sebenarnya + nilai positif palsu) Analisis terhadap pengukuran sensitivitas dan spesifisitas biasanya didukung oleh test laboratorium dan dilengkapi dengan analisis kurva ROC. Kurva ROC bertujuan untuk menguji performance dari sebuah test dalam suatu rentang nilai tertentu.

Positive Predictive Value (PPV) merupakan sebuah pengukuran untuk mengetahui probabilitas seorang pasien benar-benar mengidap suatu penyakit. PPV = (Nilai positif yang sebenarnya) / (Nilai positif yang sebenarnya + Nilai positif palsu) Atau PPV = (Prevalence )x (sensitivity ) / (Prevalensi x sensitivitas + (1 prevalensi) x (1 spesifisitas))Negative Predictive Value (NPV) menggambarkan probabilitas seorang pasien benar-benar tidak mengidap suatu penyakit. NPV = (Nilai negatif yang sebenarnya) / (Nilai negatif yang sebenarnya + Nilai negatif palsu)Atau : NPV = (1 prevalence) x (specificity) / ((1 prevalence) x specificity + prevalence x (1 sensitivity))