PERANAN PROBABILITAS, UTILITAS & WAKTU KEJADIAN DALAM

MENGGABUNGKAN DATA INFORMASI KESEHATAN

Tiga jenis informasi kunci sebagai dasar membuat keputusan kesehatan

1. Seberapa mungkin - Bagaimana probabilitas atau peluang terjadi hasil

tertentu?

2. Seberapa penting - Apa nilai atau kepentingan yang kita tempatkan pada
hasil baik maupun buruk?

Ketika menghitung peluang terjadinya sesuatu, kita sering menggunakan

prosentase dalam angka 0-100. Probabilitas (peluang) di sisi lain, juga
dihitung dalam skala 0-1. Prosentase dan Probabilitas sering digunakan
secara bergantian. Probabilitas 0,1 bisa dikonversi menjadi 10%, begitupun
sebaliknya.

Hasil bervariasi dari kematian sampai cacat. Beberapa hasil sangat

mempengaruhi fungsi dan membatasi masa depan kita. Kita dapat belajar
untuk hidup dengan hasil tersebut meskipun menimbulkan keterbatasan.
Ketika dihadapkan dengan kondisi tersebut kita dipaksa untuk menempatkan
angka pada nilai atau kepentingannya. Skala yang dikenal sebagai skala
utilitas adalah salah satu metode untuk mengukur dan membandingkan nilai
atau kepentingan setiap orang yang berbeda pada hasil yang berbeda pula.
Skala ini digunakan pararel dengan skala probabilitas, yang memanjang dari
1 sampai 0 atau 100% sampai 0%. angka 1% atau 100% didefinisikan
sebagai status kesehatan di mana tidak ada batasan terkait kesehatan. 0
didefinisikan sebagai kematian segera. Pada skala utilitas tidak adda yang
lebih buruk selain kematian segera.

Skala Utitiltas

Bagaimana kita dapat menggunakan skala utilitas untuk menempatkan suatu

nilai atau angka pada hasil tertentu?
Cara menggunakan skala utilitas

Dengan menggunakan skala utilitas di atas, tempatkan angka tertentu pada

kasus kebutaan total dan permanen. Pada mayoritas individu, mereka
menempatkan angka 50 untuk kasus ini. Tetapi pada kelompok individu lain
mereka menempatkan angka dalam skala 0-20, bahkan lebih luas.
Memprediksikan skala utilitas setiap orang cukup sulit karena sangat
dipengaruhi oleh jenis kelamin, sosial-ekonomi, kelompok, dsb.

Mereka yang menempatkan angka tinggi cenderung tidak merasa terganggu

hidupnya karena kebutaan total dan permanen yang dialaminya, mereka yang
menempatkan angka rendah berkata sebaliknya. Kita dapat memahami
bahwa rerata skala utilitas adalah 50%, sebagian lebih besar atau lebih kecil.
Namun cara terbaik untuk mengetahui nilai atau utilitas yang ditempatkan
setiap individu pada sebuah kasus seperti kebutaan adalah langsung
menanyakan kepada yang bersangkutan.

*Ada 2 prediksi dari setiap nilai atau kepentingan. Mereka yang lebih
berpengalaman biasanya dapat beradaptasi pada keadaan tersebut dan
memiliki skala utilitas yang lebih tinggi dibandingkan mereka yang tidak
berpengalaman. Anak muda biasanya memberikan skala utilitas lebih rendah
daripada orang tua karena keadaan atau kasus tersebut dapat memberikan
dampak jangka panjang pada kehidupannya.

Utilitas sangat penting terutama jika kita ingin mengkombinasikan bahaya

potensial dengan keuntungan potensial. Probabilitas sendiri sering tidak
memberi kita jawaban saat menangani masalah seperti racun dari lingkungan
hingga perilaku tidak sehat. Utilitas juga sangat kritikal ketika melakukan
intervensi tertentu, seperti pencegahan atau pengobatan yang menyangkut
keuntungan tapi tetap melibatkan sisi lain atau bahaya. Dengan demikian,
kapanpun kita harus mengkombinasikan kerugian atau keuntungan, kita
harus mempertimbangkan skala utilitas dan probabilitas. Probabilitas dan
utilitas sering dikombinasikan dengan mengalikan keduanya, untuk
mendapatkan utilitas yang diharapkan. Utilitas yang diharapkan sering
disajikan dalam grafik yang disebut pohon keputusan.

Pohon Keputusan adalah metode visual untuk menampilkan keutungan dan

kerugia dari dua atau lebih intervensi yang dipilih. Ini memungkinkan kita
untuk secara langsung membandingkan hasil, menggabungkan probabilitas
dan utilitas dari setiap hasil dalam sebuah proses yang dikenal sebagai
analisa keputusan. Pohon Keputusan dibuat dari 2 tipe node yaitu node
pilihan dan node peluang (ketidakpastian). Node pilihan disajikan dalam kotak
dan node peluang disajikan dalam lingkaran.
Mari kita lihat bagaimana node pilihan dan node peluang disajikan bersama
dalam pohon keputusan.

Catatan : Probabilitas dari setiap hasil dari masing-masing intervensi adalah

1% atau 100%

Intervensi 1: Hasil : sembuh (0.8%) atau kematian (0.2%)

Intervensi 2: Hasil: sembuh (0.7%), kebutaan (0.2%) atau kematian (0.1%)

Untuk membanding intervensi 1 dan 2 kita harus lebih mengetahui dari

sekedar probabilitas masing-masing hasil, kita harus mengetahui utilitas
setiap hasil tersebut.

Untuk membandingkan intervensi 1 dan 2 kita asumsikan bahwa:

Kematian memiliki utilitas 0

Sembuh memiliki utilitas 1

Kebutaan (karena utilitas bersifat sangat subjektif maka kita asumsikan rerata
mayoritas individu, seperti contoh sebelumnya) memiliki utilitas 0.5
*EU :Expeceted Utility (utilitas yang diharapkan)

Pada diagram di atas probabilitas dan utilitas dari setiap intervensi telah diisi
angkanya dan saling dikalikan sehingga mendapatakan angka yang disebut
sebagai utilitas yang diharapkan.

PERHATIKAN

Ketika kita menggunakan skala utilitas 0.5, semua hasil utilitas yang
diharapkan dari kedua intervensi sama yaitu 0.8.

Sekarang kita ubah skala utilitas menjadi 0,2 dan 0,8.

PERHATIKAN Diagram 3.10 (atas)

Ketika skala utilitas kebutaan diubah menjadi 0,8 maka utilitas yang
diharapkan pada intervensi 2 lebih besar daripada intervensi 1. Hal ini
menandakan bahwa analisa keputusan lebih merekomendasikan intervensi 2.

NAMUN pada Diagram 3.11 (bawah)

Ketika skala utilitas kebutaan diubah menjadi 0,2, maka utilitas yang
diharapkan pada intervensi 1 lebih besar daripada intervensi 2. Hal ini
menandakan bahwa anaisa keputusan merekomendasikan intervensi 1.

Ketika kita menempatkan skala utilitas pada kebutaan ternyata dapat

mengubah rekomendasi intervensi.

Pohon keputusan dan Analisa Keputusan banyak digunakan untuk

menampilkan pilihan atau intervensi dan membandingkan probabiltas dan
utilitas. Pohon keputusan telah menjadi bagian dari kesehatan masyarakat
untuk membuat keputusan terkait populasi atau keputusan kebijakan publik.
Pohon keputusan sering lebih kompleks dalam upaya untuk menggambarkan
realitas pengambilan keputusan. Analisa keputusan dapat membantu kita
untuk membandingkan intervensi dan mengetahui mengapa individu atau
kelompok masyarakat memiliki kesimpulan berbeda terhadap intervensi yang
dipilihnya.

3. Bagaimana waktunya (segera atau tidak) - Kapan, apakah hasil tersebut

segera terjadi

Waktu kejadian juga mempengaruhi bagaimana kita memandang hasilnya.

Kebanyakan orang memandang terjadinya hal jelek dalam waktu dekat lebih
buruk daripada jangka waktu bertahun-tahun yang akan datang. Sebaliknya,
kita memandang hal baik akan lebih berharga jika terjadi dalam waktu dekat.
Jadi ketika kita mengkombinasikan keuntungan dan kerugian, kita harus
bertanya kapan hal tersebut terjadi. Ketika hasil baik maupun buruk terjadi
dalam waktu dekat, waktu tidak menjadi masalah. Pada kesehatan
masyarakat dan farmasi, ini jarang terjadi. Ketika menyetujui suatu
pengobatan atau perawatan, keuntungan akan datang terlebih dahulu
kemudia kerugian akan terjadi setelahnya. Ktika melakukan vaksin atau
operasi biasanya terjadi rasa sakit dan efek samping baru kemudian muncul
keuntungan. Keuntungan dan kerugian jarang didapatkan dalam waktu
bersamaan. Maka dari itu, kita perlu memperhitungkan waktunya. Proses ini
dikenal sebagai discounting. Proses ini adalah proses dimana kita harus
memberikan bobot pada peristiwa yang akan terjadi di waktu dekat atau masa
depan.

Kita telah melihat bahwa probabilitas, utilitas dan waktu adalah komponen
kunci dalam komunikasi kesehatan yang harus dikombinasikan ketika
membuat keputusan kesehatan. Namun, ada beberapa faktor lain yang bukan
berasal dari data itu sendiri melain dari si pembuat keputusan. Keputusan
yang dibuat oleh individu, tenaga kesehatan profesional atau organisasi
seperti organisasi nonprofit, perusahaan atau pemerintah. Mari kita beralih
pada pembuat keputusan dan bertanya bagaimana kita dapat membuat
keputusan. Untuk melakukan ini kita harus mengatasi masalah di luar
probabilitas, utilitas dan waktu.