PENYUSUNAN, ANALISIS, DAN INTERPRETASI DATA RUMAH SAKIT SEBAGAI DECISION MAKER TOOLS
LUKMAN FAUZI DEPARTEMEN EPIDEMIOLOGI DAN BIOSTATISTIKA UNIVERSITAS NEGERI SEMARANG
UHH Saat Lahir (Tahun)
Sumber: Central Asia Health Profiles, 2012
AKB (per 1000 LH)
Sumber: Central Asia Health Profiles, 2012
MMR (per 100 000 LH)
Sumber: Central Asia Health Profiles, 2012
Data vs Informasi vs Pesan
Data
Informasi
Pesan
Unit paling kecil dari suatu deskripsi/infro masi (kata, angka, atau symbol lain)
Data yang sudah diinterpretasikan menjadi sesuatu yang bermakna
Informasi yang disampaikan kepada audiens yang relevan
Company Logo
Analogi Data vs Informasi vs Pesan
Data
Informasi
Pesan
Persiapan PSN 1000 kasus DBD sebelum dan 1000 kasus DBD (meningkat 50% saat musim hujan dari tahun lalu) tiba
Analogi Data vs Informasi vs Pesan Data
Informasi
Pesan
Setiap rupiah yang digunakan 1000 kasus DBD untuk PSN dapat 1000 kasus DBD (meningkat 50% menghemat dari tahun lalu) sekian rupiah biaya perawatan karena sakit DBD
STATISTIKA Statistika adalah ilmu dan seni tentang pengembangan dan aplikasi metode pengumpulan, pengolahan, penyajian, analisis dan interpretasi data kuantitatif sedemikian rupa, sehingga kesalahan dalam pengambilan keputusan dapat diperhitungkan secara matematik probabilitas.
Elemen Penting
Mengumpulkan
Meringkas
Menyajikan
Informasi
Analisis
Tipe Data Kategorik Nominal Tidak mempunyai jenjang Contoh Gol darah, warna kulit Kategori = dikotomus (binary) Contoh: Mati/hidup, lakilaki/perempuan
Ordinal Mempunyai jenjang/urutan Ada perbedaan antar-subkategori Contoh Status penyakit, kelas sosial, tingkat pendidikan
Numerik Interval Mempunyai jenjang yang dinyatakan dengan angka Tidak ada 0 mutlak
Rasio Mempunyai jenjang yang dinyatakan dengan angka Ada 0 mutlak
Contoh Suhu tubuh, skor IQ
Contoh BB dalam kg, TB dalam m, usia (tahun, jam, menit)
Meringkas Data Kategorik Setelah diperoleh frekuensi data kategorik, kemudian dilakukan peringkasan data ke dalam tabel/grafik. Contoh : Pada minggu I-II bulan Januari 2013, terdapat 30 kunjungan klinik umum di RS Grhasia. Dispepsia
Dispepsia
Dispepsia
Nasofaringitis akut
Myalgia
Dispesia
Dispepsia
Dispepsia
Hipertensi primer
Hipertensi primer
Nasofaringitis akut
Dispepsia
Myalgia
Dispepsia
Nasofaringitis akut
Myalgia
Nasofaringitis akut
Myalgia
Nasofaringitis akut
Nasofaringitis akut
Nasofaringitis akut
Dispepsia
Dispepsia
Myalgia
Nasofaringitis akut
Myalgia
Hipertensi primer
Hipertensi primer
Hipertensi primer
Myalgia
Meringkas Data Kategorik Kelompokkan data di atas menurut kategori penyakitnya Dispepsia
Nasofaringitis akut
Myalgia
Dispepsia
Nasofaringitis akut
Myalgia
Dispepsia
Nasofaringitis akut
Myalgia
Dispepsia
Nasofaringitis akut
Myalgia
Dispepsia
Nasofaringitis akut
Myalgia
Dispepsia
Nasofaringitis akut
Hipertensi primer
Dispepsia
Nasofaringitis akut
Hipertensi primer
Dispepsia
Nasofaringitis akut
Hipertensi primer
Dispepsia
Myalgia
Hipertensi primer
Dispepsia
Myalgia
Hipertensi primer
Meringkas Data Kategorik Kemudian, buat tabel frekuensinya. Tabel 1. Empat Besar Penyakit Klinik Umum di RS Grhasia Tahun 2013
Nama Diagnosis Dispespia
Jumlah 10
Nasofaringitis akut
8
Myalgia
7
Hipertensi primer
5
Jumlah Sumber : XXXXX, 2013
30
Meringkas Data Numerik Data Numerik
Ukuran Pemusatan a. Mean (Rerata) b. Median c. Modus
Ukuran Penyebaran a. Jangkauan (Range) • Kuartil • Percentil a. Simpangan Rata-rata b. Simpangan Baku (SD)
Company Logo
Meringkas Data Numerik Simpangan Baku (SD) = s Mengukur bagaimana nilai-nilai data tersebar atau rata-rata jarak penyimpangan titik-titik data diukur dari nilai rata-rata data tersebut.
Rata-rata vs SD 7 7
7 77 7
Mean = 7 SD=0
7
8
7 77 6 Mean = 7 SD=0.63
3
2
7 8
13
9 Mean = 7 SD=4.04
Menyajikan Data
Teks
Menyajikan Data
Tabel
Diagram
Pedoman Penggunaan Teks vs Tabel vs Diagram dalam Penyajian Data Teks : 1. Penyajian data kuantitatif dapat diberikan secara singkat dan jelas 2. MengDiagramkan hubungan sederhana antar data
Tabel : 1. Menampilkan lebih banyak informasi yang rinci dalam ruang yang lebih kecil daripada teks 2. Menampilkan perbandingan tiap item yang lebih rinci 3. Menampilkan banyak data kuantitatif secara bersamaan 4. Menampilkan data tiap item dengan tepat 5. Menunjukkan hubungan yang kompleks dalam data
Pedoman Penggunaan Teks vs Tabel vs Diagram dalam Penyajian Data Diagram : 1. 2. 3. 4. 5.
Menampilkan pola atau tren suatu data Menunjukkan perubahan atau perbedaan dari waktu ke waktu Menampilkan hubungan yang kompleks antara variabel kuantitatif Memperjelas atau menjelaskan metode Memberikan informasi untuk meningkatkan pemahaman tentang konsep yang kompleks 6. Menyediakan data visual untuk mengDiagramkan temuan (misalnya, slide, foto, peta) 7. MengDiagramkan konsep/mekanisme ilmiah, atau patofisiologi
Teks Memberikan gambaran informasi hasil riset Digunakan pada penelitian kuantitatif dan kualitatif Contoh :
TEKS
Kadar Gula Datah (mg/dl)
Jumlah
200- 260
12
261-320
6
321-380
3
381-440
1
441-500
3
Jumlah
25
Berdasarkan tabel di atas, sebanyak 50% pasien DM memiliki kadar gula darah 200-260 mg/dl
Teks
TEKS
Berdasarkan daerah asal Pasien Rawat Inap Psikiatri terbanyak berasal dari Sleman 33,51%, diikuti Bantul 22,76%, Kulonprogo 13,52%, Gunung Kidul14,21%, Yogyakarta10,58%, Luar DIY 5,31 %. Data pasien rawat inap psikiatri RS Jiwa Grhasia tahun 2013 menurut asal wilayah selengkapnya sebagaimana Diagram IV.6.
Anatomi Sebuah Tabel Judul
Kolom Headings (caption)
Row Headings (stubs)
Catatan kaki
Data
Tabel Pastikan bahwa tabel mudah dipahami : Judul (Orang, Tempat, dan Waktu) Kepala kolom dan baris Isi dari kolom atau baris Satuan pengukuran Singkatan (jika diperlukan)
Tabel Syarat : Sederhana Dapat menjelaskan dirinya sendiri Judul jelas (Kaidah : penulisan di atas tabel) Menjelaskan abbreviation/singkatan dan simbol Label pada baris dan kolom Unit pengukuran (data) Jumlah data (baris / kolom) Reference (sumber data sekunder)
Tabel Hindari : Data disajikan dengan buruk Susunan angka yang ruwet Data penting menjadi kabur Bingkai, garis, warna yang tidak perlu Dekorasi
Diagram Pedoman Sederhana dan jelas Menjelaskan dirinya sendiri Judul jelas (Kaidah : penulisan di bawah grafik) Skala yang sesuai Label untuk sumbu, skala, dan legenda Unit pengukuran Sumbu vertikal: mulai dari titik "0“ Referensi (sumber data)
Diagram Pilih diagram yang tepat untuk data yang tepat Jangan tumpuk beberapa ide ke dalam 1 diagram Hapus hal-hal yang tidak penting, seperti garis aksis sekunder, gridlines, efek 3D, dan garis tepi
*A (H1N1)= 5,885 Laboratory Confirmed Department of Health, Philippines
Diagram Berdasarkan bentuk : Bar graph Line graph Pie graph Scatter plot Box plot Piktogram Map diagram
Diagram Tipe Diagram
Data
Kegunaan
Diagram batang
Kategorik
Mendeskripsikan jumlah N secara relatif maupun absolut
Histogram
Numerik
Distribusi frekuensi dari data numerik yang kontinyu
Diagram garis
Numerik
Kecenderungan data secara time series
Diagram pie
Kategorik
Mendeskripsikan jumlah N secara persentase (3 atau 4 - 6 kategori)
Scatter plot
Numerik
Harus ada 2 varibel dengan data numerik
Diagram Batang Digunakan untuk data kategorik dan numerik Diagram batang merupakan diagram yang efektif untuk menampilkan besarnya tiap subkategori dari variabel secara visual
Diagram Batang Jika data tidak ada peringkat : Diagram Batang Horizontal Diurutkan dari yang tertinggi – terendah.
Jika data ada peringkat : Diagram Batang Vertikal Bukan sebagai data kontinyu : garis sumbu X tidak ditampilkan Sebagai data kontinyu : garis sumbu X ditampilkan
Diagram Batang Horizontal Pulpa
Tumpatan tetap Periodontal Cabut Tetap Karang Gigi Cabut Sulung Abses Tumpatan sementara Bedah Mulut Prothesa 0
100
200
300
400
500
600
700
800
Gambar 1. Sepuluh Besar Kasus Klinik Gigi dan Mulut di RS Jiwa Grhasia DIY Tahun 2013
Diagram Batang Vertikal Bukan Data Kontinyu 120
100
80
60
40
20
0 Tidak Sekolah
SD
SMP
SMA
PT
Gambar 2. Pendidikan Terakhir Ibu Rumah Tangga di Kabupaten Sleman Tahun 2013
Diagram Batang Vertikal Data Kontinyu 80 70 60 50
% 40 30 20
10 0 30-39
40-49
50-59
60-69
70+
Kelompok Umur
Gambar 3. Distribusi Pasien Poli Y RS X Menurut Kelompok Umur Tahun 2013
Salah atau Benar??
Tidak diurutkan dari nilai tertinggi ke terendah..
Salah atau Benar??
Salah atau Benar??? Gridlines perlu???
Keterangan sumbu y nilai absolut/persen??
Bulan apakah peringkat???
Salah atau Benar?? Gridlines perlu???
Tahun apakah peringkat???
Salah atau Benar?? Gridlines perlu???
Jumlah non-generic rancu??
Tahun apakah peringkat???
Diagram Garis Digunakan untuk menyajikan data numeric dalam skala kontiyu Digunakan untuk menampilkan perubahan menurut tingkat waktu/trend/kecenderungan
Diagram Garis 200 180 160 140 120 100 80 60 40 20 0
Maks (2009-2013)
Min (2009-2013)
Rerata
2013
Gambar 3. Grafik Maksimum Minimum Penyakit Diare di Kab X Tahun 2013
Diagram Garis
60000
70%
50000
60% 50%
40000
40%
30000
30%
20000
20%
10000
10%
0
0% 2009
2010 Umum
2011 Askes
2012 Jamkes
Sumbu y adalah nilai absolut
2013
2009
2010 Umum
2011 Askes
2012 Jamkes
Sumbu y adalah proporsi
2013
Salah atau Benar?? Gridlines perlu????
Data tambahan perlu????
Benar atau Salah?? Gridlines perlu????
Diagram Pie Diagram pie merupakan cara lain untuk menyajikan data secara grafis dalam bentuk lingkaran Lingkaran pie (3600) menunjukkan 100% populasi yang kemudian dibagi menjadi bagian-bagian berdasarkan besarnya kategori dari distribusi frekuensinya Kategori yang digunakan 3 atau 4 - 6 kategori Tiap bagian tidak terlalu kecil dan diberi warna pembeda
Diagram Pie PT 4%
TS 8%
SD 23%
SMA 34%
SMP 31%
Gambar 4. Distribusi Responden Berdasarkan Pendidikan Terakhir di Kab X Tahun Y
Benar atau Salah??
Benar atau Salah?? Pie untuk data dengan 2 kategori????
Perempuan 38%
Laki-laki 62%
Gambar 5. Distribusi Responden Berdasarkan Jenis Kelamin di Kab X Tahun Y
Benar atau Salah?? Apalagi 1 kategori!!!
Lakilaki, 100%
Gambar 5. Distribusi Responden Berdasarkan Jenis Kelamin di Kab X Tahun Y
Scatter Plot Efektif untuk menyajikan bagaimana suatu variabel berubah dalam hubungannya terhadap perubahan variabel lain Kedua data tersebut harus berskala numeric dan harus menggunakan nilai absolut untuk setiap observasi Kedua data tersebut diambil berpasangan dan ditampilkan sebagai dots (titik-titik) untuk menunjukkan hubungan kedua variabel dalam kedua sumbu x dan y.
180
Scatter Plot
120
140
sistolik
160
OUTLIER
40
60
80
100
BB
Gambar 6. Sebaran Data BB (kg) dengan Tekanan Darah Sistolik (mmHg) di Kab X Tahun Y
Scatter Plot p:0,02 r:0,38
30
Bangka Belitung South Kalimantan
East Kalimantan
West Java Gorontalo
Central Sulawesi
West Kalimanta South Sulawesi North Sulawesi Central Kalimantan Central Java Jawa Timur
South Sumatra
25
Yogayakrta
Maluku
Lampung North Sumatra
Jambi West Nusa Tenggara East Nusa Tenggara
Banten South East Sulawesi Kepulauan Riau Aceh
West Sumatra West Sulawesi
North Maluku Bengkulu Riau
20
West Papua Jakarta
Bali
15
Papua
50
60
70 Low Physical Activity
Hypertension (%)
80
90
Fitted values
Gambar 7. Sebaran Data Aktivitas Fisik Rendah dengan Kejadian Hipertensi di Indonesia Tahun 2013 (Riskesdas, 2013)
4
Scatter Plot Central Sulawesi
P<0,01 r:0,52
North Sulawesi South Sulawesi East Nusa Tenggara
3
Yogyakarta Jakarta Gorontalo East Kalimantan Aceh Jawa Timur
Bangka Belitung
Papua
North Sumatra West Sulawesi North Maluku Maluku
2
South Kalimantan
West Java
Central Java
South East Sulawesi
West Sumatra Banten
Central Kalimantan Riau Islands
Bali West Nusa Tenggara
South Sumatra Jambi West Papua
Riau
1
West Bengkulu Kalimanta Lampung
30
35
40 Sedentary Activity NIDDM (%)
45
50
Fitted values
Gambar 8. Sebaran Data Aktivitas Sedentary dengan Kejadian DM Tipe II di Indonesia Tahun 2013 (Riskesdas, 2013)
Ratio (%) of Pandemic (H1N1) 2009 in ILI Out-patients of 13 Sentinel Hospitals 19 July 2009 – 23 January 2010 Case No.
% positive
140
100.0
120 80.0 100 60.0
80 60
40.0
40 20.0 20 0
19 26 2 9 16 23 30 6 13 20 27 4 11 18 25 1 8 15 22 29 6 13 20 27 3 10 18 24 Jul Jul Aug Aug Aug Aug Aug Sep Sep Sep Sep Oct Oct Oct Oct Nov Nov Nov Nov Nov Dec Dec Dec Dec Jan Jan Jan Jan
Neg
20
52
49
52
70
75
86
78
90 109 92
76
87
76
76
60
75
75
75
65
51
62
63
56
56
70
64
Flu A
0
0
1
1
1
1
1
0
2
0
1
3
1
3
3
0
2
0
0
1
0
0
0
0
1
0
0
Flu A:H3
0
0
0
0
0
0
0
1
0
3
0
3
2
3
6
3
2
2
2
0
0
0
0
0
0
0
0
H1N1 PDM
44
45
52
52
42
43
43
39
26
27
23
14
11
6
7
5
6
5
6
4
4
4
6
6
8
10
22
% H1N1 in ILI 68. 46. 51. 49. 37. 36. 33. 33. 22. 19. 19. 14. 10. 6.8 7.6 7.4 7.1 6.1 7.2 5.7 7.3 6.1 8.7 9.7 12. 12. 25.
week
0.0
Mana yang Benar?? A
B
C
D
Mana yang Benar?? A
B
C
D
Mana yang Benar?? A
B
C
D
Menganalisis data adalah seni untuk menyajikan data hingga ia dapat bernyanyi dengan sendirinya. Permasalahannya, bukan lagi mengenai skill/kemampuan kita, namun kemauan dan keajegan kita untuk membuat ia bernyanyi.
SALAM EPIDEMIOLOGI…..
