EPIDEMIOLOGI

“RANGKUMAN UKURAN IMPLEMENTASI EPIDEMIOLOGI

ILMU KEBIDANAN”

OLEH :

BETTY MAHARANI
NIM: P05140419065

DOSEN PEMBIMBING
HERU LAKSONO, M.KES

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN BENGKULU
PRODI DIPLOMA IV ALIH JENJANG KEBIDANAN CURUP
T.A 2020/2021
A. Pengumpulan data Pencatatan insidensi terhadap population at risk.
Pencatatan insidensi berdasarkan laporan rumah sakit,
puskesmas, dan sarana pelayanan kesehatan lain, laporan petugas
surveilans di lapangan, laporan masyarakat, dan petugas kesehatan
lain; Survei khusus; dan pencatatan jumlah populasi berisiko terhadap
penyakit yang sedang diamati. Tehnik pengumpulan data dapat dilakukan
dengan wawancara dan pemeriksaan. Tujuan pengumpulan data adalah
menentukan kelompok high risk; Menentukan jenis dan karakteristik
(penyebabnya); Menentukan reservoir; Transmisi; Pencatatan kejadian
penyakit; dan KLB.
B. Pengolahan data
Data yang diperoleh biasanya masih dalam bentuk data
mentah (row data) yang masih perlu disusun sedemikian rupa
sehingga mudah dianalisis. Data yang terkumpul dapat diolah dalam
bentuk tabel, bentuk grafik maupun bentuk peta atau bentuk lainnya.
Kompilasi data tersebut harus dapat memberikan keterangan yang
berarti.Sebelum data diolah dilakukan pembersihan koreksi dan cek ulang,
selanjutnya data diolah dengan cara perekaman data, validasi, pengkodean,
alih bentuk (transform) dan pengelompokan berdasarkan variabel tempat,
waktu, dan orang.
Hasil pengolahan dapat berbentuk tabel, grafik, dan peta menurut variabel
golongan umur, jenis kelamin, tempat dan waktu, atau berdasarkan faktor
risiko tertentu. Setiap variabel tersebut disajikan dalam bentuk ukuran
epidemiologi yang tepat (rate, rasio dan proporsi). Pengolahan data yang
baik akan memberikan informasi spesifik suatu penyakit dan atau masalah
kesehatan. Selanjutnya adalah penyajian hasil olahan data dalam bentuk
yang informatif, dan menarik. Hal ini akan membantu pengguna data
untuk memahami keadaan yang disajikan.
C. Analisis dan interpretasi data
Data yang telah disusun dan dikompilasi, selanjutnya
dianalisis dan dilakukan interpretasi untuk memberikan arti dan
memberikan kejelasan tentang situasi yang ada dalam masyarakat.
 Analisis data dilakukan dengan menggunakan metode epidemiologi
deskriptif dan/atau analitik untuk menghasilkan informasi yang sesuai
dengan tujuan surveilans yang ditetapkan. Analisis dengan metode
epidemiologi deskriptif dilakukan untuk mendapat gambaran tentang
distribusi penyakit atau masalah kesehatan serta faktor-faktor yang
mempengaruhinya menurut waktu, tempat dan orang. Sedangkan analisis
dengan metode epidemiologi analitik dilakukan untuk mengetahui
hubungan antar variable yang dapat mempengaruhi peningkatan kejadian
kesakitan atau masalah kesehatan. Untuk mempermudah melakukan
analisis dengan metode epidemiologi analitik dapat menggunakan alat
bantu statistik. Hasil analisis akan memberikan arah dalam menentukan
besaran masalah, kecenderungan suatu keadaan, sebab akibat suatu
kejadian, dan penarikan kesimpulan. Penarikan kesimpulan hasil analisis
harus didukung dengan teori dan kajian ilmiah yang sudah ada.
D. Penyajian Data
Prinsip dasar penyajian data adalah bagai mana data dapat
komunikatif dan lengkap dalam arti data yang disajikan dapat menarik
perhatian pihak lain untuk membaca dan mudah memahami.
Jenis Penyajian tabel dan kegunaannya :
1. Tabel
Penyajian data dalam bentuk Tabel banyak digunakan karena lebih
efisien dan cukup komunikatif. Ada 2 macam Tabel, yaitu Tabel biasa
dan Tabel distribusi frekuensi. Setiap Tabel berisi judul Tabel, judul
setiap kolom, nilai data dalam setiap kolom, dan sumber data
darimana data tersebut diperoleh. Tabel dapat disajikan berdasarkan
skala data (Tabel data nominal, Tabel data ordinal , dan Tabel data
interval.

Tabel Tingkat Mortalitas Menurut Jenis Kelamin

Dan Kelompok Usia

Usia Lk Pr Rasio Lk : Pr
 (Tahun)
<1 162.9 137.1 1.2
1-4 28.3 24.0 1.2
5-14 3.8 3.7 1.0
15-44 9.0 6.1 1.5
45-64 25.4 18.9 1.3
> 65 116.5 114.6 1.0
*) Jumlah kematian per 1000 penduduk

2. Grafik
a. Grafik Garis
Grafik biasanya digunakan untuk menunjukan perkembagan suatu
keadaan atau trend peningkatan atau penurunan sesuatu. Hal ini
akan nampak secara visual melalui garis dalam grafik.
Grafik Distribusi Frekuensi Kejadian ISPA menurut Umur
14
13
12 12 12

10

8 8 8 8
Jumlah

7
6 6 6
5 5
4 4

2 2

0 0
12 13 14 15 16 17 18
Usia
ISPA(Bulan) Kontrol

b. Grafik batang
Grafik batang biasanya disajikan untuk membandingkan dua
karakteristik dari subjek.
 Grafik Jumlah Remaja Anemia
Di Puskesmas X Bulan Januari - Juni Tahun 2019
70

60

50
jumlah remaja anemia
40

30

20

10

0
januari februari maret april mei juni

3. Diagram
Diagram pie biasanya digunakan untuk mengabarkan berdasarkan
proporsi. Misal jenis kelamin.
Diagram presentase kasus Baru AIDS menurut Jenis kelamin Provinsi “X”
Tahun 2019
 RANGKUMAN UKURAN ASOSIASI

A. Pengertian
Ukuran Asosiasi adalah besar kecilnya keterikatan atau saling pengaruh
antara dua atau lebih variabel, dimana hubungan tersebut dapat bersifat
hubungan sebab akibat maupun bukan sebab akibat. Ukuran asosiasi
dalam epidemiologi biasa dikenal sebagai berikut :
 Merefleksikan kekuatan atau besar asosiasi antara suatu
eksposur/faktor risiko dan kejadian suatu penyakit.
 Memasukkan suatu perbandingan frekuensi penyakit antara dua atau
lebih kelompok dengan berbagai derajat eksposur.
 Beberapa ukuran assosiasi digunakan untuk mengestimasi efek .

B. Jenis ukuran asosiasi

1. Relative Risk (RR)
Digunakan untuk mencari sebab-akibat antara eksposur dengan
penyakit. Yang dapat dilakukan adalah menghitung adanya
kemungkinan hubungan atau asosiasi antara 2 variabel. Dalam hal ini
maka besarnya risiko terjadinya suatu penyakit akibat eksposur
dinyatakan dengan RR atau relative risk atau risiko relatif.
a. RR dapat dikalkulasi secara langsung pada penelitian-penelitian
dengan disain : studi kohort dan studi eksperimen karena pada
studi kohort dan studi eksperimen insidens dapat diestimasikan
secara langsung
b. RR tidak dapat dikalkulasikan secara langsung pada penelitian -
penelitian dengan disain : studi kasus-kontrol karena pada studi
kasus kontrol insidens tidak dapat diestimasikan secara langsung.

Rumus : Risiko pada kelompok terpajan

RR=
Risiko pada kelompok tidak terpajan

Contoh perhitungan RR pada suatu studi kohort :

 • Insiden keguguran pada 100 ibu hamil
yang terpapar dengan insektisida = 30 %
• Insiden keguguran pada ibu hamil
yang tidak terpapar dengan insektisida = 10 %

Keguguran + Keguguran - Total

Insektisida + 30 (a) 70 (a) 100 (a+b)
Insektisida - 10 (c) 90 (d) 100 (c+d)
Total 40 (a+c) 160 (a+d) 200 (a+b+c+d)

Insidens keguguran pada kelompok terpapar

dengan insektisida
RR = ------------------------------------------------------------------------------------
Insidens keguguran pada kelompok tidak terpapar
dengan insektisida
 
30/100
RR = ----------- = 3
10/100
 
Interpretasi :
Ibu hamil yang terpapar pestisida 3 kali lebih besar
peluangnya untuk mendapat/mengalami keguguran
dibandingkan ibu-ibu hamil yang tidak terpapar
dengan insektisida

Interpretasi dari RR :

a) Kejadian penyakit pada individu-individu yang terpapar dengan “exposure”

“RR” kali lebih besar dari pada individu-individu yang tidak terpapar dengan “exposure”
b) Semakin besar nilai RR  semakin kuat hubungan (asosiasi) antara
“exposure” dan penyakit
c) Nilai RR >1 menunjukkan adanya asosiasi yang positif antara “exposure”
dengan kejadian penyakit
d) Nilai RR < 1 menunjukkan adanya asosiasi negatif antara “exposure” dengan
kejadian penyakit ( “exposure” = faktor protektor)
e) Nilai RR = 1 menunjukkan tidak adanya asosiasi antara “exposure” dengan
kejadian penyakit
 

2. Odds Ratio (OR)

Merupakan salah satu bentuk comparative risk / ukuran asosiasi yang
membandingkan antara :
 odds kejadian penyakit pada kelompok terpapar dengan “exposure”
dengan
odds kejadian penyakit pada kelompok tidak terpapar dengan
“exposure”
Odds suatu kejadian adalah perbandingan probabilitas antara kejadian
yang terjadi dengan probabilitas kejadian yang tidak terjadi.
Rumus :
Odds pemajan untuk kasus
Odds Ratio=
Odds pemajan untuk kontrol

Interpretasi OR pada studi kasus-kontrol :

Odds orang yang terpapar dengan faktor resiko pada kelompok orang
yang sakit (kasus) “OR” kali odds orang yang terpapar dengan faktor
resiko pada kelompok orang yang sehat

Contoh kalkulasi OR pada kasus-kontrol :

Faktor Kasus Kontrol Total

Perokok 650 (a) 950 (b) 1600
Bukan 50 (c) 350 (d) 400
perokok
Total 700 1300 2000

Odds pemajan untuk kasus

Odds Ratio=
Odds pemajan untuk kontrol
a
c a xd
Odds Ratio = =
b b x c
d
a x d 650 x 350
Odds Ratio= = =4,8
b x c 950 x 50
Interpretasi : Perokok mempunyai risiko menjadi kasus 4,8 kali dari yang
bukan
perokok.
Odds perokok menjadi kasus 4,8 kali lebih besar dari odds
bukan perokok