3. manajemen data
-
Upload
riza-khoiriyah -
Category
Documents
-
view
1.104 -
download
2
Transcript of 3. manajemen data
Kegiatan Belajar
MANAJEMEN DATA
KESEHATAN
Tujuan Pembelajaran 1. Umum Setelah mempelajari kegiatan belajar ini diharapkan petugas
mampu melakukan manajemen data kesehatan berdasarkan data rutin dan data yang dihasilkan dari survei, dan dapat menghasilkan informasi kesehatan berkualitas yang dipergunakan untuk pengambilan keputusan.
2. Khusus Petugas mampu menjelaskan dan melaksanakan : pengumpulan data kesehatan yang baik, pengolahan data kesehatan yang baik, analisis dan penyajian hasil analisis data kesehatan yang baik, pemanfaatan hasil penyusunan analisis data kesehatan yang
baik.
Latar belakang Era otonomi daerah saat ini pembangunan kesehatan
berdasarkan kebutuhan yang bersifat bottom up dan evidence based Planning.
Ilmu statistik dan epidemiologi merupakan alat untuk pengenalan masalah kesehatan di masyarakat
Manajemen data sangat penting agar data yang diperoleh akurat, berkualitas dan tidak terdapat kesalahan dalam membaca dan menafsirkan makna dari angka-angka yang disajikan.
Hasil assessment dengan tools Health Metricts Network (HMN)-WHO tahun 2007 diperoleh nilai 35%, yang artinya tidak adekuat sama sekali untuk komponen manajemen data .
Mengapa data kita tidak digunakan oleh pembuat kebijakan?
data kesehatan seringkali sulit diakses, sukar dicerna, dan tidak jelas.
Tidak responsif terhadap kebutuhan mendesak para pembuat kebijakan.
Pada saat data kesehatan dipublikasikan, sudah “basi” (out of date).
Informasi bisa dikatakan 'lost in translation' karena tidak ditujukan untuk pembuat kebijakan dalam format yang dapat mereka pahami dan pergunakan.
Data
(bentuk jamaknya datum) artinya himpunan hasil dari penghitungan dan pengukuran, bisa dalam bentuk angka/bilangan (umur, berat badan) dan bukan angka (jenis kelamin, tingkat pendidikan), dsb.
Data dapat berupa catatan-catatan dalam kertas, buku, atau tersimpan sebagai file dalam database. Data belum dapat berbicara banyak sebelum diolah lebih lanjut. (Sumber
: Panduan Teknis Manajemen Data, Informasi, dan Organisasi Sistem Informasi Pemerintahan, Kemeninfo RI)
Pengertian
Informasi
Informasi merupakan hasil pengolahan
data sehingga menjadi bentuk yang
penting bagi penerimanya dan mempunyai
kegunaan sebagai dasar dalam
pengambilan keputusan. (Sumber : Panduan
Teknis Manajemen Data, Informasi, dan Organisasi Sistem
Informasi Pemerintahan, Kemeninfo RI)
Pengertian
Pengertian Manajemen Data
Rangkaian kegiatan pengelolaan data mulai dari kegiatan pencatatan, pengumpulan, pengolahan, analisis data hingga menjadi suatu informasi.
Analisis data kesehatan
Merupakan upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah kesehatan.
Manajemen Data Kesehatan 1. Pengumpulan Data
Jenis Data Sumber data Kelengkapan Data Ketepatan Waktu
2. Pengolahan Data Sifat-sifat Data
Relevansi Tepat Waktu Perbandingan Kepercayaan
Proses Pengolahan Data Pengecekan Kebenaran Data Tabulasi Data Filing dan penyimpanan data
Manajemen Data Kesehatan
1. Pengumpulan Data paling penting Sumber Data masyarakat dan fasilitas kesehatan Jenis data : data rutin & non rutin Standar data yang dikumpulkan perlu ada definisi
operasional yang jelas, sederhana, stabil dan mudah dikerjakan, yang akan sangat membantu terhadap ketepatan jenis data yang dikumpulkan oleh siapa saja, kapan saja dan dimana saja instrumen/form pengumpul data mempengaruhi kualitas data yang dikumpulkan.
Verifikasi data bertingkat mulai dari puskesmasDinkes
kabupaten/kotabank data Kelengkapan Data representatif gambaran/ keadaan
sebenarnya Ketepatan Waktu jenis data-> periode laporan PEMANTAUAN & UMPAN BALIK kelengkapan,
ketepatan, kualitas
Langkah Pengumpulan Data Data rutin
dan non rutin
•Definisi
operasional
•Format
Pengumpulan data
Data terkumpul
Verifikasi:
• Kelengkapan
• Keakuratan/
konsistensi
• Waktu
Diolah &
Verifikasi
Dilaporkan
PUSKESMAS
DINAS KAB/KOTA
BANK DATA
Umpan Balik
1. Sumber Data Manual
2. Sumber Data Komputerisasi
3. Sistem Informasi Dinas Kesehatan
4. Sistem Informasi Pemangku Kepentingan
5. Bank Data Kesehatan Nasional
6. Penggunaan Data oleh Kemenkes
7. Penggunaan Data oleh Pemangku Kepentingan dan masyarakat
ALUR
LAPORAN/DATA
KONSISTENSI DARI INFORMASI Data dapat menjadi tidak konsisten akibat dari: 1. Definisi data.
Beberapa organisasi atau unit tidak sepakat tentang definisi dan arti suatu data.
2. Struktur data. Data yang sama mempunyai format yang berbeda di beberapa tempat seperti berbeda panjangnya, antara desimal dengan non desimal dll.
3. Struktur penyimpanan. Data yang sama disimpan dengan struktur yang berbeda di beberapa tempat seperti numerik dengan integer dll.
4. Waktu perubahan. Data bisa diproses/diolah bulanan, mingguan, harian atau secara interaktif di beberapa sistem, serta membuat beberapa copy di tempat yang berbeda.
Contoh Absensi penerimaan Laporan
Program Malaria Kab ………….. tahun 2010
No Puskesmas Bulan Pelaporan Ket
1 2 3 4 5 6 7 8 9 10 11 12
1 Randu Agung L 6/2
L 8/3
L 12/4
L 9/5
2 Bantal Jaya TL 11/2
L 10/4
L 10/4
L 10/5
3 Tilam Raya - L 10/3
L 9/4
L 9/5
4 Guling Ujung L 10/2
TL 10/2
TL 10/4
-
5 Rawa Badak L 12/2
L 12/3
L 12/4
L 10/5
6 Ujung Berung TL
-
L 10/4
-
L = Laporan Lengkap , TL = Laporan Tidak Lengkap; - = Laporan tidak masuk;
6/2 = angka 6 menunjukkan tanggal dan angka 2 menunjukkan bulan penerimaan laporan 11/5 = Laporan tidak tepat waktu
Pemantauan & UMPAN BALIK
Umpan balik Tergantung jenis data / kegiatan, isi
laporan , waktu pelaporan ,unit pelapor / wilayah .
Tanggal
pelaporan
manual:
•PKMdinkes
kab/kota : 5
•Dinkes
kab/kotadin
kes prov : 10
•Dinkes
prov pusat :
15
Manajemen Data Kesehatan 2. Pengolahan Data
Tujuan : menyiapkan data agar mudah ditangani saat analisis, data bebas dari kesalahan.
Proses Pengolahan Data
Pengecekan Kebenaran Data
Editing & Koding
Entri/perekaman data
Tabulasi Data
Penyimpanan data
Manajemen Data Kesehatan Pengecekan kebenaran data/verifikasi data dilakukan setelah
proses kompilasi/perekaman selesai dikerjakan untuk melihat tingkat “missing data” dan “konsistensinya”, lakukan dengan cara:
Bandingkan hasil distribusi frekuensi menurut berbagai karakteristik lain.
Bandingkan hasil bulan ini dengan bulan sebelumnya.
Bandingkan hasil menurut pengelola data yang sama.
bila setelah verifikasi dijumpai adanya inkonsistensi maka perlu dilakukan:
Pengecekan ulang terhadap kelengkapan datanya
Cek ulang penghitunganya
Cek ulang data dasar (sumber datanya)
Pertimbangkan memeriksa definisi operasional
Pertimbangkan ratio pemakaian sarana/bahan
Manajemen Data Kesehatan
Kompilasi hasil imunisasi TT Bumil Puskesmas X Bulan Mei 2009
(11) (8) (7) (10) (12)
1 KAB. BADUNG
2 KAB. BULELENG 650,237 11,583 79,465 480,619 177,505
3 KAB. GIANYAR 445,032 6,895 31,105 76,371 30,315
4 KAB. JEMBRANA 307,804 4,114 18,133 157,033 11,561
5 KAB. KARANG ASEM 7,590 34,061
6 KOTA DENPASAR 671,035 11,855 18,497 372,434 16,483
(6)
Kabupaten Bayi (0
- 11 bulan)
Anak Balita (12 -
59 bulan)
Kelompok umur
berisiko (25-60
tahun)
Penduduk
miskinPenduduk
JUMLAH
Laporan Data Komdat Tahun 2010
s/d Maret 2011
Manajemen Data Kesehatan
Missing dan inkonsistensi /invaliditas data ?
3. Penyajian / Visualisasi Data
Menampilkan data /sumber informasi secara jelas dan akurat
Beberapa metode
1. Narasi
2. Tabel
3. Grafik/Gambar
Manajemen Data Kesehatan 3. Penyajian Tabel dan Grafik
Penyajian Tabel a. Tabel Frekuensi Satu Arah (One way tabulation)
Tabel 2.1 Jumlah Balita menurut Penolong Kelahiran di Kabupaten X Tahun 2010
Manajemen Data Kesehatan Penyajian tabel b. Tabel Silang
Contoh tabel silang:
Tabel 2.2 Jumlah Balita menurut Penolong Kelahiran
dan Daerah di Kabupaten X Tahun 2010
Rekomendasi Presentasi Tabel
Data numerik (kuantitatif) sebaiknya ditampilkan sebagai rerata/mean dan standar deviasi (apabila data terdistribusi secara simetris) atau sebagai median atau range dan interquartile range (untuk data yang tidak terdistribusi simetris).
Data kategori (kualitatif) sebaiknya dalam bentuk frekuensi dan persentase (%).
Mengapa menggunakan grafik/gambar?
Grafik menyampaikan informasi lebih detail tanpa menghilangkan informasi terkait. Berbeda halnya apabila kita menampilkan angka rerata/mean & standar deviasi, sebagian informasi akan hilang, misalnya pola distribusi & adanya outliers.
Grafik memungkinkan memudahkan visualisasi hubungan antar berbagai variabel yang kompleks yang bisa ditampilkan dengan 2 atau lebih dimensi.
Dengan menampilkan grafik, pesan yang ingin disampaikan bisa ditangkap dengan lebih mudah dan cepat
Grafik yang sama dapat dilihat pada berbagai tingkatan informasi yang berbeda, misalnya bisa menampilkan kesan secara umum atau bisa dilihat detail dari suatu lokasi atau kasus.
Kekurangan Grafik
Meski demikian, ada beberapa kekurangannya, terutama apabila dipresentasikan dengan keliru.
Grafik memerlukan ruang yang lebih luas meskipun hanya untuk menampilkan isu yang kecil/sedikit.
Apabila yang ingin disampaikan adalah nilai mutlak dari suatu kasus/penyakit misalnya, maka visualisasi dalam bentuk tabel lebih sesuai.
Penyajian Grafik Syarat grafik yang baik : 1. Judul grafik 2. Badan grafik 3. Catatan kaki/keterangan
Manajemen data kesehatan Tujuan & Manfaat Bentuk Presentasi Grafik
No Jenis Grafik Tujuan & Manfaat
1. Garis Untuk menggambarkan trends/perkembangan suatu nilai
dari waktu ke waktu
2. a. Histogram
b. Bar diagram
Untuk menggambarkan trends perkembangan suatu nilai
dari waktu ke waktu
Untuk membandingkan satu nilai atau lebih dari
beberapa kategori
3. Pie Untuk membandingkan suatu nilai dari beberapa kategori
4. Scatter Untuk menggambarkan keeratan hubungan (sebab
akibat) antara dua variabel
5. Gambar Untuk membandingkan suatu nilai dari beberapa kategori
sekaligus melihat perkembangan dari waktu ke waktu
6. PETA Untuk menggambarkan penyebaran suatu nilai menurut
konsep wilayah
MANAJEMEN DATA KESEHATAN JENIS-JENIS GRAFIK
1. GRAFIK GARIS
1.a. Grafik Garis Tunggal
Gambar 1. Estimasi angka kematian bayi per 1.000 kelahiran hidup di Indonesia tahun 1991-2010
Sumber : Profil Kesehatan Indonesia Tahun 2010
Menurut hasil SDKI terjadi penurunan AKB sejak tahun 1991. Pada tahun 1991 diestimasikan AKB sebesar 68 per 1.000 kelahiran hidup. Sedangkan hasil SDKI 2007 mengestimasikan AKB sebesar 34 per 1.000 kelahiran hidup. Hasil estimasi tersebut memperhitungkan Angka Kematian Bayi dalam periode 5 tahun terakhir sebelum survei, misalnya pada SDKI tahun 2007 diperoleh AKB untuk periode 5 tahun sebelumnya yaitu tahun 2003-2007 sebesar 34 per 1.000 kelahiran hidup.
MANAJEMEN DATA KESEHATAN
1.b. Grafik Frekuensi Kumulatif
Gambar 2. Jumlah kumulatif kasus AIDS Tahun 2001 – 2010
Sumber : Profil Kesehatan Indonesia Tahun 2010
Gambar diatas menampilkan jumlah kumulatif kasus AIDS yang terjadi sampai dengan tahun 2010. Jumlah kasus AIDS kumulatif terus meningkat, dari sebesar 826 kasus pada tahun 2001, terus meningkat menjadi sebesar 24.131 kasus pada tahun 2010.
MANAJEMEN DATA KESEHATAN 1.c. Grafik Garis Berganda
Gambar 3.Proporsi cacat tingkat II dan proporsi anak di antara kasus baru kusta di Indonesia tahun 2001-2010. Sumber : Profil Kesehatan Indonesia 2010
Keberhasilan dalam mendeteksi kasus baru dapat diukur dari tinggi rendahnya proporsi cacat tingkat II, sedangkan untuk mengetahui tingkat penularan di masyarakat digunakan indikator proporsi anak (0-14 tahun) di antara penderita 57 baru. Proporsi cacat tingkat II pada tahun 2010 sebesar 10,71%. Sedangkan proporsi anak di antara penderita baru pada tahun 2010 sebesar 11,19%.
Pada kurun waktu 2002-2010 terjadi kecenderungan peningkatan proporsi cacat tingkat II. Kecenderunggan peningkatan proporsi pada anak nampak dari tahun 2005 sampai dengan tahun 2009. Sedikit penurunan nampak dari tahun 2009-2010, dari 11,44% menjadi 11,19%.
MANAJEMEN DATA KESEHATAN 1.d. Grafik Garis Komponen Majemuk
Gambar 4. Jumlah kunjungan ibu hamil, ibu menyusui, bayi, dan anak balita di Puskesmas X Kabupaten A tahun 2006-2010
Berdasarkan gambar di atas dapat diketahui bahwa jumlah kunjungan ibu hamil, ibu menyusui, bayi, dan anak balita di Puskesmas X Kabupaten A dari tahun 2006 hingga tahun 2010 terus meningkat. Peningkatan jumlah kunjungan yang paling signifikan terjadi pada kunjungan anak balita dari tahun 2006 ke tahun 2007, sebesar 199 kunjungan.
MANAJEMEN DATA KESEHATAN
1.e. Grafik Garis Persentase Komponen Majemuk
Gambar 5. Persentase cakupan imunisasi DPT-1 dan campak serta angka
drop out (DO) di Indonesia tahun 2000 – 2005 Sumber : Profil Kesehatan Indonesia Tahun 2005
Pada gambar di atas menunjukkan bahwa angka drop out (DO) DPT 1-
Campak selama tahun 2000-2004 tidak melewati angka 5.8%-10.1%, tetapi pada tahun 2005 angka drop out menurun cukup tajam (1.48%).
0
20
40
60
80
100
pers
en
DPT-1 100,7 96,3 96,4 96,6 97,2 82,8
Campak 93,9 87,3 90,6 89,2 91,8 86,7
DO 7,4 10,1 5,8 7,7 5,6 1,5
2000 2001 2002 2003 2004 2005
MANAJEMEN DATA KESEHATAN 1.f. Grafik Garis Seimbang
Gambar 6. Jumlah Bayi Lahir Hidup dan Lahir Mati di Kabupaten X Tahun 2006-2010.
Pada grafik di atas dapat kita ketahui bahwa angka lahir hidup berlawanan dengan angka lahir mati, yaitu jumlah angka lahir hidup jauh lebih besar dibandingkan dengan angka bayi lahir mati.
MANAJEMEN DATA KESEHATAN
2. GRAFIK BATANG 2.a. Grafik Frekuensi Histogram
Gambar 8. Target Penemuan Penderita Pneumonia Balita Tahun 2005-2009 Sumber : Profil Kesehatan Indonesia Tahun 2009
Pada gambar di atas dapat kita ketahui bahwa target penemuan penderita pneumonia balita sejak tahun 2005 hingga tahun 2009 terus meningkat, yaitu sebesar 46 % pada tahun 2005 dan terus meningkat menjadi 86 % pada tahun 2009.
MANAJEMEN DATA KESEHATAN
2.b Grafik Batang Tunggal
Gambar 8. Kebutuhan Tenaga Kesehatan Tahun 2010 Untuk Mencapai Indonesia
Sehat 2010 Menurut Jenis Tenaga
Sumber : Profil Kesehatan Indonesia Tahun 2008
Berdasarkan data rasio tenaga kesehatan dan dengan menggunakan proyeksi penduduk 2010, jumlah kebutuhan tenaga kesehatan diperkirakan sampai tahun 2010 dapat dilihat pada gambar di atas.
MANAJEMEN DATA KESEHATAN
2.c. Grafik Batang Ganda
Gambar 9. Persentase Peserta KB Baru Menurut Tempat Pelayanan KB di Indonesia Tahun 2006 – 2010 Sumber : Badan Kependudukan dan KB Nasional
Sesuai data BKKBN, tempat pelayanan peserta KB baru pada tahun 2010 tidak jauh berbeda dengan tahun‐tahun sebelumnya. Sebagian besar peserta KB baru memanfaatkan klinik KB pemerintah sebagai tempat pelayanan KB yaitu sebesar 62,16%. Selain klinik KB pemerintah, bidan praktek swasta juga banyak dimanfaatkan peserta KB baru sebagai tempat pelayanan KB yaitu sebesar 30,28%.
MANAJEMEN DATA KESEHATAN
2.d. Grafik Batang Komponen
Gambar 10. Jumlah Akseptor KB di Puskesmas X Berdasarkan Jenis Alat KB Tahun 2006-2008.
Berdasarkan gambar di atas dapat diketahui bahwa pada tahun 2006 kebanyakan akseptor KB menggunakan pil sebagai alat kontrasepsi. Sedangkan pada tahun 2007 dan 2008 jumlah akseptor KB yang menggunakan pil, IUD, dan suntik jumlahnya seimbang.
0
500
1000
1500
2000
2500
Pil IUD Suntik
2008
2007
2006
MANAJEMEN DATA KESEHATAN
2.f. Grafik Batang Mendatar
Gambar 11. Piramida penduduk Indonesia tahun 2010 (Jutaan Jiwa)
Sumber : Profil Kesehatan Indonesia tahun 2010
Gambar 11. menunjukkan bahwa struktur penduduk di Indonesia termasuk struktur penduduk muda. Hal ini dapat diketahui dari banyaknya jumlah penduduk usia muda (0‐14 tahun), walaupun jumlah kelahiran telah menurun jika dibandingkan dengan lima tahun yang lalu dan angka harapan hidup yang semakin meningkat yang ditandai dengan meningkatnya jumlah penduduk usia tua. Badan piramida membengkak, ini menunjukkan banyaknya penduduk usia kerja terutama pada kelompok umur 25‐29 tahun baik laki‐laki maupun perempuan.
MANAJEMEN DATA KESEHATAN
3. PIE CHART
Gambar 12. Proporsi Penderita AIDS Secara Kumulatif (%) Menurut Cara
Penularan s.d. Tahun 2007
Sumber : Profil Kesehatan Indonesia Tahun 2007
Pada gambar diatas nampak bahwa penggunaan narkoba suntik memiliki persentase tertinggi sebesar 49,9% diikuti oleh hubungan seksual pada heteroseksual sebesar 41,9% dan hubungan seksual sejenis (homoseksual) sebesar 3,9%. Penderita AIDS masih didominasi oleh kelompok laki-laki dengan proporsi 79,6% berbanding 19,8% terhadap perempuan.
MANAJEMEN DATA KESEHATAN
4. GRAFIK PETA
Gambar 13. Persentase Penduduk yang Berobat Jalan ke Puskesmas/Pustu Tahun 2007
Sumber : Profil Kesehatan Indonesia Tahun 2007
Pada tahun 2007, tercatat provinsi dengan persentase penduduk yang berobat jalan ke Puskesmas/Pustu terbesar adalah Papua sebesar 65,30%, diikuti oleh Nusa Tenggara Timur sebesar 65,10% dan Sulawesi Barat 62,75%. Sedangkan provinsi dengan persentase penduduk yang berobat jalan ke Puskesmas/Pustu terendah adalah Sumatera Utara sebesar 21,93%, diikuti oleh Jawa Timur sebesar 26,20% dan Bali sebesar 26,25%.
Manajemen Data kesehatan… 3.1. Analisis dan Interpretasi Datadi kabupaten/kota
Metode Analisis Data:
A. Analisis Deskriptif : melihat gambaran/deskripsi nilai-nilai suatu variabel data. Ukuran Kecenderungan (Central tendency)
a) Nilai Tengah : Median, modus b) Proporsi : • Ratio, contohnya sex ratio • Rate, contohnya IMR, terdiri dari : a. Prevalensi
b. Insidens c. Case Fatality
Variasi (Variation) a) Jangkauan (Range) b) Simpangan Baku c) Simpangan kuartil
Nilai yang baik dalam mewakili suatu data
Contoh: n pengamatan yang terdiri dari x1, x2,x3,……,xn, maka nilai rata-rata adalah
X = x1 + x2 + x3 + …….+xn
n
Contoh: data dari BB 5 orang dewasa
56, 62, 52, 48, 68 kg
Rata-rata BB lima orang ini adalah :
56 + 62 + 52 + 48 + 68 = 57 kg
5
X
Adalah nilai yang terletak pada observasi yang ditengah kalau data tersebut telah disusun (array).
Disebut juga nilai letak.
Contoh Median
BB 5 orang dewasa disusun menurut besar kecilnya nilai:
48, 52, 56, 62, 67 kg Posisi Median = 5 + 1 = 3
2
Nilai observasi ke-3 adalah 56 jadi dikatakan nilai Median adalah 56 kg.
Kalau datanya genap posisi Median terletak antara 2 nilai, maka nilai Median adalah rata-rata dari 2 nilai tersebut.
Contoh :
Data pengamatan pada 6 orang :
48, 52, 56, 62, 67, 70 kg
Posisi Median adalah pengamatan ke 3,4
nilai Median = 56 + 62 = 59 kg 2
Modus Adalah nilai yang paling banyak ditemui di dalam
suatu pengamatan
Ada beberapa kemungkinan :
1. Tidak ada nilai yang lebih banyak diobservasi jadi tidak ada modus
Contoh: 56, 62, 55, 57, 65
2. Ditemui satu Modus
Contoh: 56, 62, 62, 62, 55, 57, 65
3. Ada 2 Modus
Contoh: 56, 55, 58,58, 60, 62, 62
4. Ada 3 Modus (Multi modal)
Contoh: 55, 55 ,56 ,56 ,62 ,62 ,61, 58
Analisis Deskriptif
Proporsi :
Ratio
Rate, terdiri dari : a. Prevalensi
b. Insidensi
c. Case Fatality
Ratio adalah suatu perbandingan antara suatu nilai pengamatan
dengan nilai pengamatan yang lain. Ratio dapat juga menunjukkan tingkat hubungan atau keterkaitan antara suatu variabel dengan variabel lainnya dan menunjukkan suatu arti tertentu, misalnya sex ratio.
Rate adalah satu jenis rasio dimana jumlah kasus terjadi dalam kurun
satu tahun dibagi dengan jumlah penduduk yang ter-expose dalam waktu tersebut.
(1) Prevalensi
P = jumlah kasus jumlah populasi
Jumlah kasus adalah penduduk yang diagnosa menderita suatu kondisi penyakit selama 12 bulan, termasuk kasus yang tercatat sebelum kurun waktu tersebut namun masih sakit pada saat dilakukan pendataan.
Jumlah populasi adalah jumlah orang atau populasi yang mempunyai resiko menderita penyakit tersebut selama kurun waktu tersebut.
(2) Insiden Insiden rate atau angka kejadian kasus adalah jumlah kasus baru sesuatu penyakit salama kurun waktu tertentu, misalnya 12 bulan. Kasus yang timbul sebelum pendataan tidak dimasukkan dalam perhitungan.
lanjutan Rate 3. Case Fatality Rate
Salah satu ukuran untuk mengetahui tingkat kegawatan (severity) penyakit adalah Case Fatality Rate (CFR), yang biasanya dinyatakan dalam prosentase sebagai:
%100
sama yangsaat padaersebut penyakit t kasusJumlah
penyakitsuatu karena mati penderitaJumlah xCFR
Adalah nilai yang menunjukkan perbedaan nilai pengamatan yang paling besar dengan nilai yang paling kecil.
Contoh Range:
BB 5 orang dewasa
48,52,56,62,67 kg
Range adalah 67 – 48 = 17 kg
Standar deviasi = simpangan baku (SD)
Yaitu suatu nilai yang menunjukkan tingkat variasi suatu kelompok data
Jika simpangan baku di kuadratkan disebut varians
Simpangan baku untuk data sampel “S”,
varians S2
Simpangan baku untuk data populasi “σ” (tho), varians σ2
1
)( 2
n
xxSD
Simpangan kuartil (Q) didefinisikan sebagai :
Q = (Q3 - Q1)/2 Q1 = kuartil pertama
Q3 = kuartil ketiga
Kuartil adalah titik yang membagi sekumpulan angka menjadi
empat bagian yang sama setelah angka tersebut diurut. Hal ini dapat dilihat dari contoh dibawah ini. Kuartil pertama dan ketiga dihitung berdasarkan urutan atau peringkat data pengamatan, yaitu:
Kuartil pertama = urutan ke (N/4)
Kuartil ketiga = urutan ke (3N/4)
Manajemen Data kesehatan… 3.2. Komposisi Laporan Analisis Data Kesehatan
a. Judul
b. Ringkasan
c. Pendahuluan
d. Metode
e. Hasil
f. Analisis dan Interprestasi
g. Rekomendasi
h. Kepustakaan
i. Lampiran
Pemanfaatan Hasil Analisis Data Kesehatan
1. Distribusi Hasil Penyajian
Dinas Kesehatan Kabupaten/Kota dan
Provinsi
DPR
Bupati/Walikota dan Gubernur
Kementerian Kesehatan
Institusi terkait
Lembaga non Pemerintah (LSM) yang bergerak dalam penanggulangan masalah kesehatan terkait.
Kelompok Profesi
Dll.
Pemanfaatan Hasil Analisis Data Kesehatan …
Bagi pengambil kebijakan (Dinas Kesehatan Kabupaten/Kota, Dinas Kesehatan Provinsi dan Pusat (Kemenkes) dapat digunakan dalam pembuatan kebijakan (strategik, manajerial, operasional), perencanaan manajemen strategis/taktis, dan dalam rangka penanggulangan masalah kesehatan).
LATIHAN
Coba anda praktekan! Manfaatkan MS Office (antara MS Power Point dan
MS Excel)
Lakukan tahap demi tahap ..manfaatkan menu-menu mudah yang ada di MS Office 2007
Contoh Tabel
Periode UHH (Thn) UHH Indonesia (thn)
1971 45,50
1980 61,20
1990 67,85
1997 68,35
2000 70,40 64,30
2002 70,90 65,20
2005 72,37 66,80
2006 72,90 68,50
2007 74,00 70,30
2008 74,10 70,50
Tabel. Umur Harapan Hidup Penduduk DI.Yogyakarta
tahun 1971 – 2008
Sumber: (Sensus, Supas, SDKI, Profil Depkes, Profil Dinkes DIY 2007-2008,
BPS 2009)
Contoh Grafik
Dengan
Fasilitas MS Office
Contoh Grafik
Dengan
Fasilitas MS Office
Contoh Grafik (Copy Paste)
Contoh Narasi Variabel Umur Harapan Hidup
Tahun 2008, umur harapan hidup masyarakat DIY diperkirakan 74,1 tahun (BPS 2009). Tahun 1971 umur harapan hidup sekitar 45,5 tahun. Terjadi peningkatan yang besar sekitar 30 tahun terhadap harapan hidup di Yoyakarta.
latihan
Narasi Jumlah peserta Jaminan Kesehatan Keluarga Miskin
sampai dengan tahun 2008 secara keseluruhan mencapai 1.211.660 telah terjamin oleh jaminan kesehatan atau 35,86% dari total penduduk di DIY.
Terbanyak berasal dari Program Jamkesmas yang mencapai 942.129 orang atau 74,98% terhadap total Peserta JK Maskin yang ada.
Dalam Tabel
WILAYAH JAMKESMAS JAMKESOS JAMKESDA JUMLAH %
PENDUDUK
KOTA 68,456 13,134 44,968 126,558 20.39
BANTUL 222,987 92,000 314,987 39.00
KULON
PROGO 141,893 56,000 197,893 52.33
GUNUNG
KIDUL 340,635 83,000 423,635 61.98
SLEMAN 168,158 19,000 6,352 193,510 20.85
JUMLAH 942,129 263,134 51,320 1,256,583 35.86
Tabel Jumlah Peserta Jaminan Kesehatan Keluarga Miskin, 2009
Sumber : Dinkes Provinsi DIY, 2009
GraFIK
GraFIK
Grafik
Keterangan: Kepersertaan meliputi Jamkesda, Jamkessos dan Jamkesmas
GraFIK
Keterangan: Kepersertaan meliputi Jamkesda, Jamkessos dan Jamkesmas