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Pada saat data kesehatan dipublikasikan, sudah “basi” (out of date).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


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


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


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.


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.


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.


2.b Grafik Batang Tunggal

Gambar 8. Kebutuhan Tenaga Kesehatan Tahun 2010 Untuk Mencapai Indonesia

Sehat 2010 Menurut Jenis Tenaga


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.


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%.


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


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.


3. PIE CHART

Gambar 12. Proporsi Penderita AIDS Secara Kumulatif (%) Menurut Cara

Penularan s.d. 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.


4. GRAFIK PETA

Gambar 13. Persentase Penduduk yang Berobat Jalan ke Puskesmas/Pustu 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 (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

Keterangan: Kepersertaan meliputi Jamkesda, Jamkessos dan Jamkesmas

GraFIK

Keterangan: Kepersertaan meliputi Jamkesda, Jamkessos dan Jamkesmas

3. manajemen data

Documents

Transcript of 3. manajemen data