MAKALAH KEPERAWATAN KOMUNITAS I

“PENGUKURAN-PENGUKURAN DALAM EPIDEMIOLOGI”

Diajukan untuk Memenuhi Tugas Small Group Discussion

Mata Kuliah Keperawatan Komunitas I

Dosen Pembimbing : Dr. Makhfudli, S.Kep., Ns., M.Ked.Trop.

Oleh :
Kelompok 1 Kelas A1 2019
1. Azizia Kanya Fathiarachman (131911133034)
2. Ririn Nur Mahmudah (131911133005)
3. Shafa Fadia Khanza S. (131911133035)
4. Kharisma Nuur Lutfiyah (131911133161)
5. Rosula Ridly Nur Fathonah (131911133162)
6. Silvy Octavia (131911133163)
7. Azka Chusniah Fitrah (131911133164)
8. Miftakhul Qorni Isna (131911133006)
9. Mina Imroatus Sholihah (131911133001)
10. Febi Fadilah Wanda Sari Zain (131911133069)

FAKULTAS KEPERAWATAN
UNIVERSITAS AIRLANGGA
SURABAYA

2021
 DAFTAR ISI

DAFTAR ISI......................................................................................................................... i

BAB I..................................................................................................................................... 1

PENDAHULUAN................................................................................................................ 1

1.1 Latar Belakang......................................................................................................... 1

1.2 Rumusan Masalah................................................................................................... 1

1.3 Tujuan....................................................................................................................... 2

1.4 Manfaat..................................................................................................................... 2

BAB II................................................................................................................................... 3

TINJAUAN PUSTAKA....................................................................................................... 3

2.1 Pengukuran Frekuensi (Frequency Measures)...................................................... 3

2.2 Pengukuran Frekuensi Morbiditas (Morbidity Frequency Measures)................. 6

2.3 Pengukuran Frekuensi Kematian (Mortality Frequency Measures).................... 17

2.4 Pengukuran Kelahiran (Natality Measures).......................................................... 29

2.5 Pengukuran Asosiasi (Measures of Association)................................................... 29

2.6 Pengukuran Dampak Kesehatan Masyarakat

(Measures of Public Health Impact).............................................................................. 36

BAB III…………………………………………………………………………………….. 39

PENUTUP…………………………………………………………………………………. 39

3.1 Kesimpulan……………………………………………………..…………………. 39

3.2 Saran…………………………………………………………………....….……… 40

DAFTAR PUSTAKA……………………………………………………………………… 41

i
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Permasalahan kesehatan yang dihadapi Indonesia sampai saat ini masih cukup
kompleks, karena upaya kesehatan belum dapat menjangkau seluruh lapisan masyarakat.
Fenomena permasalahan kesehatan yang menimpa populasi harus segara ditangani agar tidak
mempengaruhi dan berdampak buruk bagi sektor kehidupan yang lain. Dalam menangani hal
ini dapat dilakukan cara , salah satunnya dengan penerapan epidemiologi.
Epidemiologi berasal dari bahasa Yunani, epi = pada, demos = penduduk atau rakyat,
dan logos = ilmu. Epidemiologi dapat diartikan sebagai ilmu yang mempelajari tentang
sebaran (distribution) dan faktor (determinant) dari frekuensi penyakit pada populasi
(manusia). Epidemiologi mengukur suatu kejadian, mendistribusikan kejadian tersebut
menurut variabel orang, tempat, dan waktu, serta berupaya untuk menentukan faktor yang
menyebabkan terjadinya kejadian tersebut. (Déglin et al., 2021)
Salah satu unsur pokok penting dalam epidemiologi adalah pengukuran. Terdapat
beberapa ukuran yang dipakai dalam mengukur kejadian penyakit dan ukuran yang dipakai
tergantung tujuan dari pengukuran. Pengukuran kejadian penyakit dapat dilakukan dari hasil
penemuan masalah kesehatan yang ada di masyarakat. Secara umum, tujuan pengukuran
kejadian penyakit digunakan untuk menilai keadaan kesehatan, mengetahui potensi-potensi
untuk menanggulangi masalah kesehatan, dan mendeteksi kelompok mana yang berisiko
terkena penyakit.
Epidemiologi berperan dalam memberikan model teoretis dan bukti ilmiah bagi
pembangunan yang berkelanjutan, yakni bukti-bukti tentang determinan bio-psiko-sosial
yang terdapat dalam Sustainable Development Goals (SDGs) yang berhubungan kuat dengan
peningkatan kesehatan dan keadilan distribusi kesehatan dalam populasi. (van Smeden et al.,
2021)

1.2 Rumusan Masalah

1. Bagaimana Pengukuran dalam Epidemiologi?

1
1.3 Tujuan
1.3.1 Tujuan Umum
Untuk mengetahui dan memahami konsep dan dasar tentang pengukuran-pengukuran
dalam epidemiologi
1.3.2 Tujuan Khusus
1. Mengetahui pengukuran dalam epidemiologi
2. Mengetahui perhitungan frekuensi penyakit
3. Mengetahui ukuran mordibilitas
4. Mengetahui ukuran mortilitas
5. Mengetahui ukuran fertilitas
6. Mengetahui ukuran risiko

1.4 Manfaat
1.4.1 Manfaat Teoritis
Epidemiologi bermanfaat dalam pengembangan keilmuan dibidang keperawatan.
Pengukuran epidemiologi dapat menyediakan data-data dan menunjang
pengembangan metodologi untuk menganalisis keadaan suatu penyakit dalam upaya
mengatasi atau menanggulanginya.

1.4.2 Manfaat Praktis

Pengaplikasian pengukuran epidemiologi secara praktis bermanfaat untuk
mengarahkan intervensi yang diperlukan untuk menanggulangi masalah yang perlu
dipecahkan serta membantu melakukan evaluasi terhadap program kesehatan yang
sedang atau telah dilakukan

2
 BAB II
TINJAUAN PUSTAKA
2.1 Ukuran Frekuensi (Frequency Measures)
Ukuran frekuensi merupakan keterangan tentang banyaknya masalah kesehatan yang
ditemukan dalam sekelompok manusia yang dinyatakan dengan angka. Menggambarkan
karakteristik kejadian (occurrence) suatu penyakit atau masalah kesehatan di dalam populasi.
Ukuran data sentral atau keseluruhan memberikan nilai tunggal yang merangkum seluruh
distribusi data. Sebaliknya, ukuran frekuensi hanya mencirikan sebagian dari distribusi.
Pengukuran frekuensi membandingkan satu bagian dari distribusi ke bagian lain dari
distribusi, atau dengan keseluruhan distribusi. Menurut Principles of Epidemiology in Public
Health Practice ukuran frekuensi yang umum adalah rasio, proporsi, dan rate. Ketiga ukuran
frekuensi tersebut memiliki bentuk dasar yang sama yaitu :

Keterangan :
Numerator = angka pembilang
Denominator = angka penyebut
100 = 1 (semua angka yang dipangkatkan 0 sama dengan 1)
101 = 10 (semua angka yang dipangkatkan 1 adalah nilainya sendiri)
102 = 10 × 10 = 100
103 = 10 × 10 × 10 = 1.000

2.2.1 Ratio
Ratio adalah perbandingan suatu peristiwa (event) dengan peristiwa lainnya yang
tidak berhubungan. Ini dihitung dengan membagi satu variabel skala interval atau rasio
dengan yang lain. Pembilang dan penyebut tidak perlu berhubungan. Dalam rasio
tertentu, pembilang dan penyebut adalah kategori yang berbeda dari variabel yang sama,
seperti pria dan wanita, atau orang berusia 20-29 tahun dan 30-39 tahun. Dalam rasio
lain, pembilang dan penyebut adalah variabel yang sama sekali berbeda, seperti jumlah
rumah sakit di suatu kota dan ukuran populasi yang tinggal di kota itu. Biasanya, nilai

3
 pembilang dan penyebut rasio dibagi dengan salah satu nilai sehingga pembilang atau
penyebutnya sama dengan 1,0. Dalam epidemiologi, rasio digunakan baik sebagai
ukuran deskriptif maupun sebagai alat analitik. Sebagai ukuran deskriptif, rasio dapat
menggambarkan kontrol terhadap kasus (dua kontrol per kasus). Misalnya, rasio pria-
wanita dari partisipan dalam sebuah penelitian. Sebagai alat analisis, rasio dapat dihitung
untuk kejadian penyakit, cedera, atau kematian antara dua kelompok. Ukuran rasio ini,
termasuk rasio risiko (risiko relatif), tingkat, dan peluang. (Principles of Epidemiology
in Public Health Practice)
Rumus :

Keterangan :
a = Jumlah suatu item, event, orang, dan lain-lain, dalam satu kelompok yang sama
b = Jumlah suatu item, event, orang, dan lain-lain, dalam kelompok yang berbeda
K = Konstanta
Contoh penghitungan kasus : Angka kematian bayi di Kota A pada tahun 2001 adalah
10,7 per 1.000 kelahiran hidup. Angka kematian di Kota B pada tahun 2001 adalah 3,8
per 1.000 kelahiran hidup. Hitung rasio angka kematian bayi di Kota A dan Kota B!

Dengan demikian, angka kematian bayi Kota A 2,8 kali lebih tinggi dari angka kematian
bayi di Kota B pada tahun 2001.
2.2.2 Proporsi
Proporsi adalah suatu perbandingan dimana pembilang (numerator) selalu
merupakan bagian dari penyebut (denominator). Proporsi digunakan untuk melihat
komposisi suatu variabel dalam populasinya. Proporsi dapat dinyatakan sebagai desimal,
pecahan, atau persentase. Apabila angka dasar (konstanta) yang dipakai adalah 100,
maka disebut persentase.

4
 Proporsi adalah ukuran deskriptif umum yang digunakan di semua bidang. Dalam
epidemiologi, proporsi paling sering digunakan sebagai ukuran deskriptif. Misalnya,
seseorang dapat menghitung proporsi orang yang terdaftar dalam penelitian di antara
semua yang memenuhi syarat (tingkat partisipasi), proporsi anak-anak di dusun yang
divaksinasi campak, atau proporsi orang yang menderita penyakit di antara semua
penumpang pesawat terbang. Proporsi juga digunakan untuk menggambarkan jumlah
penyakit yang dapat dikaitkan dengan pajanan tertentu. (Principles of Epidemiology in
Public Health Practice)
Rumus:

Keterangan :
Pembilang (A) = Jumlah suatu item, event, atau orang dengan karakteristik tertentu
Penyebut (A+B) = Jumlah total item, event, atau orang, yang mana pembilang termasuk
di dalamnya
K = Konstanta
Contoh penghitungan : Hitung proporsi pria dalam kelompok mahasiswa teknik yang
merupakan penderita diabetes!
X = 189 pria penderita diabetes
Y = Jumlah total pria = 189 + 3.151 = 3.340

2.2.3 Rate
Dalam epidemiologi, rate adalah ukuran frekuensi terjadinya suatu peristiwa
dalam populasi tertentu selama periode waktu tertentu. Rate adalah perbandingan suatu
peristiwa (event) dengan jumlah penduduk yang mungkin terkena peristiwa yang
dimaksud (population at risk) dalam waktu yang sama.( Principles of Epidemiology in
Public Health Practice)

5
 Rumus :

Keterangan :
Pembilang (a) = Jumlah kasus penyakit yang terdapat dalam suatu populasi atau sub-
group suatu populasi.
Penyebut (ab) = Jumlah populasi atau sub-group dari populasi yang mempunyai risiko
(population at risk) untuk menderita penyakit yang bersangkutan.
Waktu / kurun waktu = yang mengikuti peristiwa/kejadian penyakit yang bersangkutan.
Contoh : Angka kesakitan Demam Berdarah
- Jumlah penderita DB = 25
- Jumlah penduduk yang mungkin terkena = 275

2.2 Pengukuran Frekuensi Morbiditas (Morbidity Frequency Measures)

Morbiditas telah didefinisikan sebagai setiap keberangkatan, subjektif atau obyektif,
dari keadaan kesejahteraan fisiologis atau psikologis. Dalam praktiknya, morbiditas meliputi
penyakit, cedera, dan disabilitas. Selain itu, meskipun untuk pelajaran ini istilah tersebut
merujuk jumlah orang yang sakit, itu juga bisa digunakan untuk menggambarkan periode
penyakit yang dialami orang-orang ini, atau durasi penyakit ini. (Services et al., 2012a)
Ukuran frekuensi morbiditas mencirikan jumlah orang dalam populasi yang menjadi
sakit (insidensi) atau sakit di waktu tertentu (prevalensi). Ukuran yang umum digunakan
tercantum di table bawah ini (Services et al., 2012a)

6
Tabel 2.1 Ukuran Morbiditas yang Sering Digunakan
Ukuran Pembilang Penyebut
Jumlah kasus penyakit baru
Proporsi insiden
selama Populasi pada awal interval
(atau tingkat serangan atau
interval waktu yang waktu
risiko)
ditentukan

Jumlah kasus baru di antara

Tingkat serangan sekunder
kontak
Jumlah kasus penyakit baru
Tingkat insiden selama
(atau tarif orang-waktu) interval waktu yang
ditentukan
Jumlah total kontak
Dijumlahkan orang-tahun
observasi atau populasi rata-
rata
selama interval waktu

Jumlah kasus saat ini (baru

Populasi pada ditentukan
dan yang sudah ada
yang sama
Prevalensi titik sebelumnya)
titik waktu
pada titik waktu tertentu

Jumlah kasus saat ini (baru

Populasi rata-rata atau
Prevalensi periode dan yang sudah ada) selama
interval tengah
periode waktu tertentu

Insiden mengacu pada terjadinya kasus baru penyakit atau cedera dalam suatu
populasi selama periode waktu tertentu. Meskipun beberapa ahli epidemiologi menggunakan
insiden sebagai jumlah baru kasus dalam komunitas, yang lain menggunakan insiden sebagai
jumlah kasus baru per unit populasi. Dua jenis insiden biasanya digunakan adalah risiko
insiden dan tingkat kejadian (Services et al., 2012a)

2.2.1 Proporsi atau Risiko Insiden

1) Definisi proporsi kejadian

7
 Proporsi insiden merupakan proporsi yang awalnya bebas penyakit populasi
yang terserang penyakit, terluka, atau meninggal selama jangka waktu tertentu
(biasanya terbatas). Sinonim termasuk serangan tingkat, risiko, kemungkinan
terkena penyakit, dan insiden kumulatif. Proporsi insiden adalah proporsi karena
orang-orang di dalam pembilang, mereka yang mengembangkan penyakit,
semuanya termasuk dalam penyebut (seluruh populasi). (Services et al., 2012a)
2) Metode untuk menghitung proporsi kejadian (risiko) :
Jumlah kasus baru penyakit atau cedera selama periode tertentu
Ukuran populasi pada awal periode

CONTOH: Menghitung Proporsi Insiden (Risiko)

Contoh A: Dalam studi penderita diabetes, 100 dari 189 pria penderita diabetes meninggal
selama 13 tahun masa tindak lanjut. Hitung risiko kematian orang-orang ini.

Pembilang = 100 kematian di antara pria diabetes

Penyebut = 189 pria penderita diabetes
10n = 102 = 100
Risk = (100 / 189) x 100 = 52.9%
Contoh B: Dalam wabah gastroenteritis di antara peserta piknik perusahaan, 99 orang makan
salad kentang, 30 di antaranya mengembangkan gastroenteritis. Hitung risiko penyakit di
antara orang yang makan salad kentang.

Pembilang = 30 orang yang makan salad kentang dan menderita gastroenteritis

Penyebut = 99 orang yang makan salad kentang
10n = 102 = 100

Risiko = "Tingkat serangan khusus makanan" = (30/99) x 100 = 0,303 x 100 = 30,3%

3) Properti dan penggunaan proporsi insiden

8
 Proporsi insiden adalah ukuran risiko penyakit atau penyakit probabilitas
mengembangkan penyakit selama ditentukan Titik. Sebagai ukuran insiden, ini
hanya mencakup kasus baru penyakit di pembilang. Penyebutnya adalah bilangan
orang dalam populasi pada awal periode observasi. Karena semua orang dengan
kasus penyakit baru (pembilang) juga diwakili dalam penyebut, risikonya juga
proporsi.
Dalam setting wabah, istilah attack rate sering digunakan sebagai sinonim
untuk risiko. Ini adalah risiko terkena penyakit selama periode tertentu, seperti
durasi wabah. Varietas tingkat serangan dapat dihitung. Tingkat serangan
keseluruhan adalah jumlah total kasus baru dibagi dengan total populasi. Tingkat
serangan khusus makanan adalah jumlah orang yang makan makanan tertentu dan
jatuh sakit dibagi total jumlah orang yang makan makanan itu, seperti yang
diilustrasikan di contoh salad kentang sebelumnya. (Services et al., 2012a)
2.2.2 Tingkat Serangan Sekunder
Terkadang dihitung untuk mendokumentasikan perbedaan antara transmisi
komunitas penyakit versus penularan penyakit dalam rumah tangga, barak, atau
populasi tertutup lainnya. Ini dihitung sebagai:
Jumlah kasus di antara kontak kasus utama
X 10n
Jumlah total kontak
Seringkali, jumlah kontak di penyebut dihitung sebagai total populasi
dalam rumah tangga kasus primer, dikurangi jumlah kasus utama. Untuk tingkat
serangan sekunder, 10n biasanya 100%
CONTOH: Menghitung Tingkat Serangan Sekunder

Pertimbangkan wabah shigellosis di mana 18 orang dari 18 rumah tangga yang berbeda
semuanya jatuh sakit. Jika populasi komunitasnya adalah 1.000, maka tingkat serangan
keseluruhan adalah 18 / 1.000 x 100% = 1,8%. Satu masa inkubasi kemudian, 17 orang dalam
rumah tangga yang sama dengan kasus “primer” ini mengembangkan shigellosis. Jika 18
rumah tangga termasuk 86 orang, hitung tingkat serangan sekunder. (Services et al., 2012a)
Tingkat serangan sekunder = (17 / (86 - 18)) x 100% = (17/68) x 100% = 25.0%

9
2.2.3 Rasio Insiden atau Rasio Orang-Waktu
1. Definisi Tingkat Insiden
Incidence rate atau person-time rate merupakan ukuran kejadian itu
memasukkan waktu secara langsung ke dalam penyebut. Tarif orang-waktu
biasanya dihitung dari studi tindak lanjut kohort jangka panjang, dimana
pendaftaran diikuti dari waktu ke waktu dan terjadinya kasus baru penyakit
didokumentasikan. Biasanya, setiap orang diamati dari waktu mulai yang
ditetapkan sampai salah satu dari empat "akhir poin ”tercapai: awal penyakit,
kematian, migrasi keluar studi ("mangkir"), atau akhir studi. Mirip dengan
proporsi insiden, pembilang angka insiden adalah jumlah kasus baru yang
teridentifikasi selama periode observasi. Namun, penyebutnya berbeda. Penyebut
adalah jumlah dari waktu setiap orang diamati, dijumlahkan untuk semua orang.
Penyebut mewakili total waktu populasi berisiko dan diawasi untuk penyakit.
Jadi, angka kejadian adalah rasio dari jumlah kasus hingga total waktu populasi
berisiko penyakit. (Services et al., 2012a)
2. Metode untuk menghitung tingkat insiden

Jumlah kasus baru penyakit atau cedera selama periode tertentu

Waktu setiap orang diamati, total untuk semua orang
Dalam studi lanjutan jangka panjang tentang morbiditas, setiap peserta
studi dapat diikuti atau diamati selama beberapa tahun. Satu oran diikuti selama 5
tahun dikatakan tidak mengembangkan penyakit berkontribusi 5 orang-tahun
masa tindak lanjut. (Services et al., 2012a)
Bagaimana dengan seseorang yang diikuti selama satu tahun sebelum
tersesat tindak lanjut di tahun ke-2? Banyak peneliti berasumsi bahwa orang kalah
tindak lanjut, rata-rata, bebas penyakit selama setengah tahun, dan karenanya
berkontribusi ½ tahun untuk penyebut. Karena itu, orangnya diikuti selama satu
tahun sebelum mangkir berkontribusi 1,5 orang-tahun. Asumsi yang sama dibuat
untuk peserta didiagnosis dengan penyakit pada pemeriksaan tahun ke-2 -
beberapa mungkin telah mengembangkan penyakit di bulan 1, dan lainnya di
bulan ke-2 hingga 12. Jadi, rata-rata, mereka mengembangkan penyakit di tengah

10
 jalantahun. Akibatnya, orang yang terdiagnosis penyakit menyumbang ½ tahun
tindak lanjut selama tahun diagnosis. (Services et al., 2012a)
Penyebut tarif orang-waktu adalah jumlah dari semua orang-tahun untuk
setiap peserta studi. Jadi, seseorang kalah tindak lanjut di tahun ke-3, dan
seseorang yang didiagnosis dengan penyakit di tahun ke-3, masing-masing
memberikan kontribusi 2,5 tahun tindak lanjut bebas penyakit ke penyebut.
3. Properti dan penggunaan tingkat insiden
• Tingkat insiden menggambarkan seberapa cepat penyakit muncul di a populasi.
Ini didasarkan pada waktu orang, jadi ada beberapa keuntungan dibandingkan
proporsi insiden. Karena waktu pribadi dihitung untuk setiap mata pelajaran,
dapat menampung orang masuk dan keluar dari ruang kerja. Seperti yang telah
disebutkan sebelumnya Misalnya, penyebut menyumbang peserta studi yang
mangkir atau yang meninggal selama masa studi. Selain itu, ini memungkinkan
pendaftar memasuki studi pada waktu yang berbeda. Dalam studi tindak lanjut
NHANES, beberapa peserta ikut serta terdaftar pada tahun 1971, lainnya pada
tahun 1972, 1973, 1974, dan 1975.
• Waktu pribadi memiliki satu kelemahan penting. Orang-waktu mengasumsikan
bahwa probabilitas penyakit selama masa studi adalah konstan, sehingga 10 orang
diikuti selama satu tahun sama dengan satu orang diikuti selama 10 tahun. Karena
resikonya banyak yang menahun
penyakit meningkat seiring bertambahnya usia, asumsi ini seringkali tidak valid.
• Studi kohort jangka panjang dari jenis yang dijelaskan di sini tidak terlalu
umum. Namun, ahli epidemiologi jauh lebih umum menghitung tingkat insiden
berdasarkan pembilang kasus diamati atau dilaporkan, dan penyebut berdasarkan
pertengahan tahun populasi. Jenis tingkat insiden ini ternyata bisa dibandingkan
ke tingkat waktu orang.
• Terakhir, jika Anda melaporkan tingkat kejadian, katakanlah, penyakit jantung
belajar sebagai 2,5 per 1.000 orang-tahun, ahli epidemiologi mungkin mengerti,
tapi kebanyakan orang lain tidak. Waktu orang adalah jargon epidemiologi. Untuk
mengubah jargon ini menjadi sesuatu bisa dimaklumi, cukup ganti "orang-tahun"
dengan "orang per tahun." Melaporkan hasil sebagai 2.5 kasus baru jantung

11
 penyakit per 1.000 orang per tahun terdengar seperti bahasa Inggris dari pada
jargon. Ini juga menyampaikan pengertian tingkat insiden sebagai proses dinamis,
kecepatan terjadinya kasus baru penyakit dalam populasi. (Services et al., 2012a)
CONTOH: Menghitung Tingkat Insiden
Contoh A: Penyelidik mendaftarkan 2.100 wanita dalam sebuah penelitian dan mengikuti
mereka setiap tahun selama empat tahun untuk menentukan tingkat kejadian penyakit jantung.
Setelah satu tahun, tidak ada yang memiliki diagnosis baru penyakit jantung, tetapi 100 telah
didiagnosis mangkir. Setelah dua tahun, satu orang didiagnosis penyakit jantung baru, dan 99
lainnya mangkir. Setelah tiga tahun, tujuh lainnya didiagnosis penyakit jantung baru, dan 793
mangkir. Setelah empat tahun, 8 lainnya memiliki diagnosis baru dengan penyakit jantung,
dan 392 lainnya mangkir.
Hasil studi juga dapat digambarkan sebagai berikut: Tidak ada penyakit jantung yang
didiagnosis pada tahun pertama. Penyakit jantung didiagnosis pada satu wanita di tahun kedua,
di tujuh wanita di tahun ketiga, dan di delapan wanita di tahun keempat tindak lanjut. Seratus
wanita mangkir pada tahun pertama, 99 lainnya mangkir tindak lanjut setelah dua tahun, 793
lainnya mangkir setelah tiga tahun, dan 392 wanita lainnya mangkir tindak lanjut setelah 4
tahun, menyisakan 700 wanita yang diikuti selama empat tahun dan tetap bebas penyakit.
Hitung tingkat kejadian penyakit jantung di antara kelompok ini. Asumsikan bahwa
orang dengan diagnosis jantung baru penyakit dan mereka yang mangkir bebas penyakit
selama setengah tahun, dan dengan demikian berkontribusi ½ tahun untuk itu penyebut.
(Services et al., 2012a)

Pembilang = jumlah kasus baru penyakit jantung

= 0 + 1 + 7 + 8 = 16
Penyebut = orang-tahun pengamatan
= (2.000 + ½ x 100) + (1.900 + ½ x 1 + ½ x 99) + (1.100 + ½ x 7 + ½ x 793) +
(700 + ½ x 8 + ½ x 392)
= 6.400 orang-tahun masa tindak lanjut
atau
Penyebut = orang-tahun pengamatan
= (1 x 1,5) + (7 x 2,5) + (8 x 3,5) + (100 x 0,5) + (99 x 1,5) + (793 x 2,5) +

12
 (392 x 3,5) + (700 x 4)
= 6.400 orang-tahun masa tindak lanjut
Tingkat waktu-orang = Jumlah kasus baru penyakit atau cedera selama periode tertentu
Waktu setiap orang diamati, dijumlahkan untuk semua orang
= 16 / 6.400
= .0025 kasus per orang-tahun
= 2,5 kasus per 1.000 orang-tahun
Sebaliknya, proporsi kejadian dapat dihitung sebagai 16 / 2.100 = 7,6 kasus per 1.000
penduduk selama periode empat tahun, atau rata-rata 1,9 kasus per 1.000 per tahun (7,6 dibagi
4 tahun). Proporsi kejadian meremehkan tingkat sebenarnya karena mengabaikan orang yang
mangkir, dan mengasumsikan bahwa mereka tetap bebas penyakit selama empat tahun.
Contoh B: Studi tindak lanjut diabetes melibatkan 218 wanita diabetes dan 3.823 wanita non
diabetes. Pada akhir dari penelitian tersebut, 72 wanita penderita diabetes dan 511 wanita non
diabetes telah meninggal. Wanita penderita diabetes itu diamati selama total 1.862 orang
tahun; wanita non diabetes diamati sebanyak 36.653 orang tahun. Hitung tingkat kejadian
kematian untuk wanita diabetes dan non-diabetes.
Untuk wanita diabetes, pembilang = 72 dan penyebut = 1.862
Tarif orang-waktu = 72 / 1.862
= 0,0386 kematian per orang-tahun
= 38,6 kematian per 1.000 orang-tahun
Untuk wanita non diabetes, pembilang = 511 dan penyebut = 36.653
Tingkat waktu orang = 511 / 36.653 = 0,0139 kematian per orang-tahun
= 13,9 kematian per 1.000 orang-tahun
Contoh C: Pada tahun 2003, 44.232 kasus baru sindrom imunodefisiensi didapat (AIDS)
dilaporkan di Amerika Serikat. Perkiraan populasi pertengahan tahun di AS pada tahun 2003
adalah sekitar 290.809.777. Hitung angka kejadian AIDS pada tahun 2003.
Pembilang = 44.232 kasus baru AIDS
Penyebut = 290.809.777 perkiraan populasi tengah tahun
10n = 100.000
Tingkat insiden = (44.232 / 290.809.777) x 100.000
= 15,21 kasus baru AIDS per 100.000 penduduk

13
2.2.4 Prevalensi
1) Definisi prevalensi
Prevalensi, kadang-kadang disebut sebagai angka prevalensi, adalah
proporsi orang dalam suatu populasi yang memiliki penyakit tertentu atau atribut
pada titik waktu tertentu atau selama periode tertentu waktu. Prevalensi berbeda
dari kejadian yang termasuk dalam prevalensi semua kasus, baik yang baru maupun
yang sudah ada sebelumnya, pada populasi di waktu tertentu, sedangkan
insidensinya terbatas pada kasus baru saja. (Services et al., 2012a)
Prevalensi titik mengacu pada prevalensi yang diukur pada suatu titik
tertentu titik waktu. Ini adalah proporsi orang dengan tertentu penyakit atau atribut
pada tanggal tertentu.
Prevalensi periode mengacu pada prevalensi yang diukur selama suatu
interval waktu. Ini adalah proporsi orang dengan penyakit tertentu atau atribut
setiap saat selama interval.

Metode untuk menghitung prevalensi penyakit :

Semua kasus baru dan yang sudah ada sebelumnya selama jangka waktu
X 10n
Populasi selama periode waktu yang sama

Metode untuk menghitung prevalensi suatu atribut :

Orang yang memiliki atribut tertentu selama jangka waktu tertentu

X 10n
Populasi selama periode waktu yang sama

Nilai 10n biasanya 1 atau 100 untuk atribut umum. Itu nilai 10n mungkin 1.000,
100.000, atau bahkan 1.000.000 untuk langka atribut dan untuk sebagian besar
penyakit. (Services et al., 2012a)

CONTOH: Menghitung Prevalensi

14
Dalam survei terhadap 1.150 wanita yang melahirkan di Maine pada tahun 2000, sebanyak
468 dilaporkan mengonsumsi multivitamin setidaknya 4 orang kali seminggu selama sebulan
sebelum hamil. Hitung prevalensi sering penggunaan multivitamin di
kelompok ini.
Pembilang = 468 pengguna multivitamin
Penyebut = 1.150 wanita
Prevalensi = (468 / 1.150) x 100 = 0.407 x 100 = 40.7% (Services et al., 2012a)

2) Properti dan penggunaan prevalensi

• Prevalensi dan insidensi sering membingungkan. Prevalensi mengacu pada
proporsi orang yang memiliki kondisi di atau selama periode waktu tertentu,
sedangkan insiden mengacu pada proporsi atau tingkat orang yang
mengembangkan suatu kondisi selama a jangka waktu tertentu. Jadi prevalensi dan
insidensinya serupa, tetapi prevalensi termasuk kasus baru dan yang sudah ada
sebelumnya insiden hanya mencakup kasus baru. Perbedaan utamanya ada pada
mereka pembilang.
Pembilang kejadian = kasus baru yang terjadi selama jangka waktu tertentu
Pembilang prevalensi = semua kasus yang ada selama diberikan jangka waktu
• Pembilang proporsi atau tingkat insiden hanya terdiri orang yang penyakitnya
dimulai selama interval yang ditentukan. Pembilang prevalensi mencakup semua
orang yang sakit dari penyebab tertentu selama interval tertentu terlepas dari saat
penyakitnya mulai. Ini tidak hanya mencakup kasus baru, tetapi juga kasus yang
sudah ada sebelumnya mewakili orang-orang yang tetap sakit selama beberapa
bagian dari interval yang ditentukan.
• Prevalensi didasarkan pada insidensi dan durasi penyakit. Prevalensi penyakit
yang tinggi dalam suatu populasi mungkin mencerminkan insiden tinggi atau
kelangsungan hidup lama tanpa penyembuhan atau keduanya. Sebaliknya,
prevalensi yang rendah mungkin menunjukkan insiden yang rendah, proses fatal
yang cepat, atau pemulihan yang cepat.

15
 • Prevalensi daripada insiden sering diukur untuk kronis penyakit seperti diabetes
atau osteoartritis yang sudah lama durasi dan tanggal onset yang sulit ditentukan.
(Services et al., 2012a)

CONTOH: Insiden versus Prevalensi

Gambar dibawah merepresentasikan 10 kasus penyakit baru selama sekitar 15 bulan dalam
populasi 20 orang. Setiap horizontal garis mewakili satu orang. Panah bawah menunjukkan
tanggal timbulnya penyakit. Garis penuh melambangkan durasi penyakit. Panah atas dan salib
masing-masing mewakili tanggal pemulihan dan tanggal kematian (Services et al., 2012a)

Kasus Penyakit Baru dari 1 Oktober 2004 - 30 September 2005

Contoh A: Hitung tingkat insiden dari 1 Oktober 2004 sampai 30 September 2005,
menggunakan titik tengah populasi (populasi yang hidup pada tanggal 1 April 2005) sebagai
penyebut. Nyatakan tarif per 100 populasi.

Pembilang tingkat insiden = jumlah kasus baru antara 1 Oktober dan 30 September
= 4 (6 lainnya semua memiliki onset sebelum 1 Oktober, dan tidak termasuk)
Penyebut tingkat insiden = populasi 1 April
= 18 (orang 2 dan 8 meninggal sebelum 1 April)
Tingkat insiden = (4/18) x 100
= 22 kasus baru per 100 populasi
Contoh B: Hitung prevalensi titik pada tanggal 1 April 2005. Prevalensi titik adalah jumlah
orang yang sakit di tanggal dibagi dengan populasi pada tanggal tersebut. Pada tanggal 1

16
April, tujuh orang (orang 1, 4, 5, 7, 9, dan 10) sakit.
Prevalensi poin = (7/18) x 100
= 38,89%
Contoh C: Hitung prevalensi periode dari 1 Oktober 2004 sampai 30 September 2005.
Pembilang dari prevalensi periode mencakup siapa saja yang sakit setiap saat selama periode
tersebut. Pada Gambar diatas orang pertama adalah semua sakit pada suatu waktu selama
periode tersebut.
Prevalensi haid = (10/20) x 100
= 50,0%

2.3 Pengukuran Frekuensi Kematian (Mortality Frequency Measures)

2.3.1 Tingkat Kematian
Angka kematian adalah ukuran frekuensi terjadinya kematian dalam populasi tertentu
selama interval tertentu. Ukuran morbiditas dan mortalitas seringkali sama secara matematis
tergantung dari masalah apa yang dipilih untuk diukur, misalnya penyakit atau kematian.

Rumus kematian populasi tertentu dan selama periode waktu tertentu, adalah:

Kematian yang terjadi selama periode waktu tertentu

Ukuran populasi di antaranyakematian terjadi
x10n

Jika angka kematian didasarkan pada statistik vital (misalnya, penghitungan sertifikat
kematian), penyebut yang paling umum digunakan adalah ukuran populasi di tengah periode
waktu. Di Amerika Serikat, nilai 1.000 dan 100.000 keduanya menggunakan 10n untuk
sebagian besar jenis angka kematian. Tabel 3.4 merangkum rumus pengukuran mortalitas
yang sering digunakan. (Services et al., 2012)

Ukuran Kematian yang Sering Digunakan

Measure Numerator/Pembilang Denominator/Penyebut 10n
Tingkat Jumlah total kematian Populasi interval 1.000 atau

17
kematian kasar selama interval waktu menengah 100.000
tertentu
Tingkat Jumlah kematian yang Populasi interval 100.000
kematian dikaitkan dengan menengah
spesifik penyebab spesifik selama
penyebab interval waktu tertentu
Kematian Jumlah kematian yang Jumlah total kematian dari 100 atau
proporsional dikaitkan dengan semua penyebab selama 1.000
penyebab spesifik selama interval waktu yang sama
interval waktu tertentu
Rasio kematian Jumlah kematian yang Jumlah kasus baru dari 100
terhadap kasus dikaitkan dengan penyakit yang sama
penyebab spesifik selama dilaporkan selama interval
interval waktu tertentu waktu yang sama
Angka kematian Jumlah kematian di Jumlah kelahiran hidup 1.000
neonatal antara anak-anak selama selang waktu yang
<28 hari selama interval sama
waktu tertentu
Angka kematian Jumlah kematian di Jumlah kelahiran hidup 1.000
postneonatal antara anak-anak usia 28- selama selang waktu yang
364 hari selama selang sama
waktu tertentu
Angka kematian Jumlah kematian di Jumlah kelahiran hidup 1.000
bayi antara anak-anak selama selang waktu yang
<1 tahun selama interval sama
waktu tertentu
Angka kematian Jumlah kematian yang Jumlah kelahiran hidup 100.000
ibu dikaitkan dengan selama selang waktu yang
penyebab terkait sama
kehamilan selama
interval waktu tertentu

1. Angka Kematian Kasar

Angka kematian kasar adalah angka kematian dari semua penyebab kematian
suatu populasi. Di Amerika Serikat pada tahun 2003, total 2.419.921 kematian terjadi.
Populasi diperkirakan 290.809.777. Oleh karena itu, angka kematian kasar pada tahun
2003 adalah (2.419.921 ⁄ 290.809.777) × 100.000 atau 832,1 kematian per 100.000
penduduk. (Services et al., 2012)

18
2. Angka Kematian Spesifik Penyebab
Angka kematian spesifik penyebab adalah angka kematian dari penyebab
tertentu untuk suatu populasi. Pembilangnya adalah jumlah kematian yang dikaitkan
dengan penyebab tertentu. Penyebut tetap menjadi ukuran populasi pada titik tengah
periode waktu. Fraksi ini biasanya dinyatakan per 100.000 penduduk. (Services et al.,
2012)
3. Angka Kematian Khusus Usia
Angka kematian khusus usia adalah angka kematian yang dibatasi pada
kelompok usia tertentu. Pembilangnya adalah jumlah kematian pada kelompok usia
tersebut, sedangkan penyebutnya adalah jumlah orang dalam kelompok usia tersebut
dalam populasi.
Beberapa jenis angka kematian spesifik usia adalah angka kematian neonatal,
postneonatal, dan bayi, seperti yang dijelaskan di bagian berikut. (Services et al.,
2012)
4. Angka Kematian Bayi
Angka kematian bayi mungkin merupakan ukuran yang paling umum
digunakan untuk membandingkan status kesehatan antar negara. Angka kematian
bayi dihitung dengan cara sebagai berikut:

Jumlah kematiandi antaraanak −anak <1 tahun

yang dilaporkan selama periode waktu tertentu
x1.000
Jumlah kelahiran hidup
yang dilaporkan selama periode waktu yang sama

Angka kematian bayi umumnya dihitung setiap tahun. Ini adalah ukuran
status kesehatan yang banyak digunakan karena mencerminkan kesehatan ibu dan
bayi selama kehamilan dan tahun sesudahnya. Kesehatan ibu dan bayi, pada
gilirannya mencerminkan berbagai faktor termasuk akses ke perawatan pranatal,
prevalensi perilaku kesehatan ibu pranatal (seperti penggunaan alkohol atau tembakau
dan nutrisi yang tepat selama kehamilan, dll), perawatan pascakelahiran dan perilaku
(termasuk imunisasi masa kanak-kanak dan nutrisi yang tepat), sanitasi, dan
pengendalian infeksi. (Services et al., 2012)
5. Angka Kematian Neonatal

19
 Periode neonatal mencakup kelahiran tetapi tidak termasuk 28 hari setelah
kelahiran. Oleh karena itu, pembilang angka kematian neonatal adalah jumlah
kematian di antara anak-anak di bawah usia 28 hari selama periode waktu tertentu.
Penyebut angka kematian neonatal, seperti angka kematian bayi adalah jumlah
kelahiran hidup yang dilaporkan selama periode waktu yang sama. Angka kematian
neonatal biasanya dinyatakan per 1.000 kelahiran hidup. (Services et al., 2012)
6. Angka Kematian Postneonatal
Periode postneonatal didefinisikan sebagai periode dari usia 28 hari tetapi
tidak termasuk usia 1 tahun. Oleh karena itu, pembilang angka kematian postneonatal
adalah jumlah kematian di antara anak-anak dari usia 28 hari tetapi tidak termasuk
usia 1 tahun selama periode waktu tertentu. Penyebutnya adalah jumlah kelahiran
hidup yang dilaporkan selama periode waktu yang sama. Angka kematian
postneonatal biasanya dinyatakan per 1.000 kelahiran hidup. (Services et al., 2012)
7. Angka Kematian Ibu
Angka kematian ibu sebenarnya adalah rasio yang digunakan untuk mengukur
kematian yang berhubungan dengan kehamilan. Pembilang adalah jumlah kematian
selama periode waktu tertentu di antara wanita saat hamil atau dalam 42 hari setelah
penghentian kehamilan, terlepas dari durasi dan lokasi kehamilan, dari penyebab apa
pun yang terkait atau diperburuk oleh kehamilan atau penatalaksanaannya, tetapi
bukan karena penyebab accidental atau incidental. Penyebutnya adalah jumlah
kelahiran hidup yang dilaporkan selama periode waktu yang sama. Angka kematian
ibu biasanya dinyatakan per 100.000 kelahiran hidup. (Services et al., 2012)
8. Angka Kematian Spesifik Jenis Kelamin
Angka kematian spesifik jenis kelamin adalah angka kematian baik di antara
pria maupun wanita. Pembilang dan penyebut dibatasi pada satu jenis kelamin.
(Services et al., 2012)

9. Angka Kematian Khusus Ras

Angka kematian khusus ras adalah angka kematian yang terkait dengan
kelompok ras tertentu. Pembilang dan penyebut dibatasi untuk ras tertentu. (Services
et al., 2012)
10. Kombinasi Angka Kematian Spesifik

20
 Tingkat kematian dapat dikelompokkan berdasarkan kombinasi penyebab,
usia, jenis kelamin, dan/atau ras. Misalnya, pada tahun 2002 angka kematian akibat
penyakit jantung pada wanita usia 45–54 tahun adalah 50,6 per 100.000. Angka
kematian akibat penyakit jantung pada laki-laki dalam kelompok usia yang sama
adalah 138,4 per 100.000 atau lebih dari 2,5 kali lebih tinggi dibandingkan dengan
wanita. Angka ini adalah angka spesifik penyebab, usia, dan jenis kelamin karena
mengacu pada satu penyebab (penyakit jantung), satu kelompok usia (45–54 tahun),
dan satu jenis kelamin (wanita atau laki-laki). (Services et al., 2012)
Contoh:

Tabel diatas menyajikan jumlah kematian dari semua penyebab dan dari kecelakaan
(cedera yang tidak disengaja) menurut kelompok usia di Amerika Serikat pada tahun
2002. Tinjau angka-angka berikut ini. Tentukan apa yang dipanggil masing-masing,
kemudian hitung dengan menggunakan data yang disediakan pada Tabel 3.5.
1) Angka kematian khusus cedera yang tidak disengaja untuk seluruh populasi

21
 Jumlah kematian akibat cedera
Nilai = yang tidak disengaja di seluruh populasi x100.000
Perkiraan populasi tengahtahun
= (106,742 ⁄ 288,357,000) × 100,000
= 37,0 kematian terkait cedera yang tidak disengaja per 100.000
penduduk

2) Angka kematian semua penyebab untuk usia 25-34 tahun

J umlah kematian dari semua penyebab
Nilai = di antarausia 25−34 tahun x100.000
P erkiraan populasi tengah tahun dariusia 25 – 34 tahun
= 103,6 kematian per 100.000 orang berusia 25–34 tahun

3) Semua penyebab kematian di antara laki-laki

J umlah kematian
dari semua penyebab diantara laki−laki
Nilai = x100.000
P erkiraan populasi laki−laki
pada pertengahantahun
= (1,199,264 ⁄ 141,656,000) × 100,000
= 846,6 kematian per 100.000 laki-laki

4) Kematian spesifik cedera yang tidak disengaja di antara pria berusia 25 hingga 34
tahun
J umlah kematian akibat cedera yang tidak disengaja
diantara priaberusia 25−34 tahun
Nilai = x100.000
P erkiraan populasi pria berusia 25 – 34 tahun
pada pertengahantahun
= (9,635 ⁄ 20,203,000) × 100,000
= 47,7 kematian terkait cedera yang tidak disengaja per 100.000 usia
25-34 tahun
11. Angka Kematian yang Disesuaikan dengan Usia
Angka kematian dapat digunakan untuk membandingkan angka kematian di
satu area dengan angka di area lain, atau untuk membandingkan angka dari waktu ke
waktu. Namun, karena angka kematian jelas meningkat seiring bertambahnya usia,

22
 angka kematian yang lebih tinggi di antara satu populasi daripada yang lain mungkin
hanya mencerminkan fakta bahwa populasi pertama lebih tua daripada populasi
kedua. (Services et al., 2012)
Untuk menghilangkan distorsi yang disebabkan oleh distribusi usia yang
berbeda dalam populasi yang berbeda, teknik statistik digunakan untuk menyesuaikan
atau membakukan tingkat di antara populasi yang akan dibandingkan. Teknik-teknik
ini mengambil rata-rata tertimbang dari angka kematian spesifik usia, dan
menghilangkan pengaruh distribusi usia yang berbeda di antara populasi yang
berbeda. Angka kematian yang dihitung melalui teknik ini adalah angka kematian
yang disesuaikan dengan usia atau standar usia. (Services et al., 2012)
12. Rasio Kematian terhadap Kasus
Rasio kematian terhadap kasus adalah jumlah kematian yang dikaitkan
dengan penyakit tertentu selama periode waktu tertentu dibagi dengan jumlah kasus
baru penyakit yang diidentifikasi selama periode waktu yang sama. Rasio kematian
terhadap kasus adalah rasio tetapi belum tentu proporsi, karena beberapa kematian
yang dihitung dalam pembilang mungkin terjadi di antara orang-orang yang
mengembangkan penyakit pada periode sebelumnya, sehingga tidak dihitung dalam
penyebut. (Services et al., 2012)
 Metode untuk Menghitung Rasio Kematian Per Kasus

Jumlah kematian yang dikaitkan dengan kasus

penyakit tertentu selama periode tertentu x10n
Jumlah kasus baru penyakit yang teridentifikasi
selama periode yang ditentukan

Contoh:
Antara 1940 dan 1949, sebanyak 143.497 kasus kejadian difteri dilaporkan. Selama
dekade yang sama, 11.228 kematian dikaitkan dengan difteri. Hitung rasio kematian
terhadap kasus.
Rasio kematian terhadap kasus = 11.228 / 143.497 x 1 = 0,0783
atau
= 11.228 / 143.497 x 100 = 7,83 per 100
 Tingkat Fatalitas Kasus

23
 Angka fatalitas kasus adalah proporsi orang dengan kondisi tertentu (kasus)
yang meninggal karena kondisi tersebut. Ini adalah ukuran tingkat keparahan kondisi.
Rumusnya adalah:

Jumlah kematian yang disebabkan

kasus insiden tertentu x10n
Jumlah kasus insiden

Contoh:
Dalam epidemi hepatitis A yang ditelusuri ke daun bawang dari restoran, 555 kasus
diidentifikasi. Tiga dari kasus- pasien meninggal akibat infeksi mereka. Hitung
tingkat fatalitas kasus.
Tingka fatalitas kasus = (3/555) x 100 = 0,5%
Angka fatalitas kasus adalah proporsi, bukan angka sebenarnya. Akibatnya,
beberapa ahli epidemiologi lebih menyukai istilah tersebut rasio kasus fatalitas.
Konsep di balik case-fatality rate dan death-to-case ratio serupa, tetapi
formulasinya berbeda. Rasio kematian terhadap kasus hanyalah jumlah kematian
spesifik penyebab yang terjadi selama waktu tertentu dibagi dengan jumlah kasus
baru penyakit yang terjadi pada waktu yang sama. Kematian yang termasuk dalam
pembilang rasio kematian-terhadap-kasus tidak terbatas pada kasus-kasus baru dalam
penyebut; Faktanya, untuk banyak penyakit, kematian terjadi pada orang-orang yang
awal penyakitnya bertahun-tahun sebelumnya. Sebaliknya, dalam kasus fatalitas
kasus, kematian yang termasuk dalam pembilang dibatasi pada kasus dalam penyebut.
(Services et al., 2012)
13. Kematian Proporsional
 Definisi kematian proporsional
Kematian proporsional menggambarkan proporsi kematian dalam populasi
tertentu selama periode waktu yang disebabkan oleh penyebab yang berbeda. Setiap
penyebab dinyatakan sebagai persentase dari semua kematian, dan jumlah penyebab
harus berjumlah 100%. Proporsi ini bukanlah angka kematian, karena penyebutnya
adalah semua kematian, bukan populasi tempat kematian terjadi. (Services et al.,
2012)
 Metode untuk menghitung kematian proporsional

24
 Kematian disebabkanoleh sebab tertentu
Kematian karena semua penyebab
x100

Kadang-kadang, terutama dalam epidemiologi pekerjaan, kematian

proporsional digunakan untuk membandingkan kematian dalam populasi yang
diminati (katakanlah, tempat kerja) dengan kematian proporsional pada populasi yang
lebih luas. Perbandingan dua mortalitas proporsional ini disebut rasio kematian
proporsional atau Proportionate Mortality Ratio (PMR). PMR yang lebih besar dari
1,0 menunjukkan bahwa penyebab tertentu menyebabkan proporsi kematian yang
lebih besar dalam populasi yang diminati daripada yang diperkirakan. Misalnya,
pekerja konstruksi mungkin lebih mungkin meninggal karena cedera daripada
populasi umum.
Namun, PMR bisa menyesatkan, karena tidak didasarkan pada angka
kematian. Tingkat mortalitas spesifik penyebab yang rendah dalam populasi yang
diminati dapat meningkatkan mortalitas proporsional untuk semua penyebab lainnya,
karena harus berjumlah 100%. Para pekerja dengan kematian proporsional terkait
cedera tinggi sangat mungkin memiliki mortalitas proporsional yang lebih rendah
untuk kondisi kronis atau melumpuhkan yang membuat orang tidak masuk kerja.
Dengan kata lain, orang yang bekerja lebih mungkin lebih sehat daripada populasi
secara keseluruhan. Ini dikenal sebagai efek pekerja yang sehat. (Services et al.,
2012)
14. Tahun Potensi Kehilangan Nyawa

Tahun potensi kehilangan nyawa atau Years of potential life lost (YPLL)
merupakan salah satu ukuran dampak kematian dini pada suatu populasi. Tindakan
tambahan mencakup kecacatan dan ukuran kualitas hidup lainnya. YPLL dihitung
sebagai jumlah dari perbedaan antara titik akhir yang telah ditentukan dan usia
kematian bagi mereka yang meninggal sebelum titik akhir tersebut. Dua titik akhir
yang paling umum digunakan adalah usia 65 tahun dan harapan hidup rata-rata.

Penggunaan YPLL dipengaruhi oleh perhitungan ini, yang mengimplikasikan

sistem nilai di mana lebih banyak bobot diberikan kepada kematian ketika terjadi
pada usia yang lebih dini. Tarif YPLL dapat digunakan untuk membandingkan YPLL
di antara populasi dengan ukuran yang berbeda. Karena populasi yang berbeda

25
mungkin juga memiliki distribusi usia yang berbeda, tingkat YPLL biasanya
disesuaikan dengan usia untuk menghilangkan efek distribusi usia yang berbeda.
(Services et al., 2012)
 Metode untuk menghitung YPLL dari daftar baris

Langkah 1. Tentukan titik akhir (65 tahun, harapan hidup rata-rata, atau
lainnya).

Langkah 2. Kecualikan catatan semua orang yang meninggal pada atau setelah
titik akhir.

Langkah 3. Untuk setiap orang yang meninggal sebelum titik akhir, hitung
YPLL orang tersebut dengan mengurangkan usia saat kematian dari titik akhir.

YPLLindividu = titik akhir - usia saat kematian

Langkah 4. Jumlahkan YPLL individu.

YPLL = ∑ YPLLindividu

 Metode untuk menghitung YPLL dari frekuensi

Langkah 1. Pastikan bahwa kelompok usia terpecah pada titik akhir yang
diidentifikasi (mis., 65 tahun). Singkirkan semua kelompok usia yang
lebih tua dari titik akhir.

Langkah 2. Untuk setiap kelompok usia yang lebih muda dari titik akhir,
identifikasi titik tengah kelompok usia tersebut, dengan titik tengah =

Kelompok usiausia termuda dalam tahun+usia

tertua+ 1
2

Langkah 3. Untuk setiap kelompok usia yang lebih muda dari titik akhir,
identifikasi YPLL kelompok usia tersebut dengan mengurangi titik
tengah dari titik akhir.

Langkah 4. Hitung YPLL khusus usia dengan mengalikan YPLL kelompok usia
dengan jumlah orang dalam kelompok usia tersebut.

26
 Langkah 5. Jumlahkan YPLL khusus usia.

Tingkat YPLL mewakili tahun-tahun potensi hilangnya nyawa per 1.000

populasi di bawah usia titik akhir, misalnya 65 tahun. Tingkat YPLL harus digunakan
untuk membandingkan kematian dini pada populasi yang berbeda, karena YPLL tidak
memperhitungkan perbedaan ukuran populasi.
Rumus tingkat YPLL adalah sebagai berikut:
Tahun potensi kehilangan nyawa
Penduduk di bawahusia 65tahun
x10n
Contoh:

Tabel 2.2 Deaths Attributed to HIV or Leukemia by Age Group – United States,
2002

Tabel 2.3 Deaths and Years of Potential Life Attributed to Leukemia by Age Group – United States, 2002

Gunakan data pada table 2.2 dan 2.3 di atas untuk menghitung angka kematian terkait
leukemia untuk semua usia, angka kematian untuk orang di bawah usia 65 tahun,
YPLL, dan angka YPLL.

1) Angka kematian terkait leukemia, semua usia

27
 = (21.498/288.357.000) x 100.000 = 7,5 kematian akibat leukemia per 100.000
penduduk.
2) Angka kematian terkait leukemia untuk orang di bawah usia 65 tahun
125+316 +472+ 471+767 +1.459+2.611
= x100.000
(19.597+ 41.037+ 40.590+ 39.928+44.917+ 40.084+26.602)
= 6.221 / 252.755.000 = x 100.000
= 2,5 kematian akibat leukemia per 100.000 orang di bawah usia 65 tahun
3) YPLL terkait leukemia
1. Hitung titik tengah setiap interval usia. Menggunakan rumus yang ditunjukkan
sebelumnya, titik tengah kelompok usia 0–4 tahun adalah (0 + 4 + 1) / 2, atau
5/2, atau 2,5 tahun. Dengan menggunakan rumus yang sama, titik tengah harus
ditentukan untuk setiap kelompok usia hingga dan termasuk kelompok usia 55
hingga 64 tahun (lihat kolom 3 Tabel 2.2).
2. Kurangi titik tengah dari titik akhir untuk menentukan tahun-tahun hilangnya
nyawa potensial untuk kelompok usia tertentu. Untuk kelompok usia 0–4
tahun, setiap kematian mewakili 65 dikurangi 2,5, atau 62,5 tahun potensi
kehilangan nyawa (lihat kolom 4 dari Tabel 2.2).
3. Hitung usia spesifik tahun potensi kehilangan nyawa dengan mengalikan
jumlah kematian pada kelompok usia tertentu dengan tahun potensi nyawa
hilang. Untuk kelompok usia 0–4 tahun, 125 kematian x 62,5 = 7,812,5 YPLL
(lihat kolom 5 Tabel 2.2).
4. Total YPLL spesifik usia. Total YPLL yang dikaitkan dengan leukemia di
Amerika Serikat pada tahun 2002 adalah 117.033 tahun (lihat Total kolom 5,
Tabel 2.2).
4) Tingkat YPLL terkait leukemia

= YPLL 65 menilai

= YPLL dibagi populasi hingga usia 65 tahun

= (117.033 / 252.755.000) x 1.000

0,5 YPLL per 1.000 penduduk di bawah usia 65 tahun

2.4 Pengukuran Kelahiran (Natality Measures)

28
 Ukuran kelahiran adalah ukuran kelahiran berdasarkan populasi. Langkah-langkah ini
digunakan terutama oleh orang-orang yang bekerja di bidang kesehatan ibu dan anak. Tabel
2.4 mencakup beberapa ukuran kelahiran yang umum digunakan.(Services et al., 2012b)
Tabel 2.4 Ukuran Natalitas yang Sering Digunakan

Ukur Penyebut Numerator 10n

Angka kelahiran Jumlah kelahiran Penduduk interval 1000
kasar hidup selama menengah
selang waktu
tertentu
Tingkat kesuburan Jumlah kelahiran Jumlah wanita 1000
kasar hidup selama usia 15–44 tahun
selang waktu pada interval
tertentu tengah
Tingkat kasar Jumlah kelahiran , Penduduk 1000
kenaikan alami hidup dikurangi dengan interval
jumlah kematian menengah
selama selang
waktu tertentu
Rasio berat badan Jumlah kelahiran Jumlah kelahiran 100
lahir rendah hidup <2.500 hidup dalam
gram selama selang waktu yang
selang waktu sama
tertentu

2.5 Pengukuran Asosiasi (Measures of Association)

Pengukuran asosiasi mengukur hubungan antara pajanan dan penyakit di antara dua
kelompok. Paparan digunakan secara luas tidak hanya berarti paparan makanan, nyamuk,
pasangan dengan penyakit menular seksual, atau tempat pembuangan limbah beracun, tetapi
juga karakteristik yang melekat pada orang (misalnya, usia, ras, jenis kelamin), karakteristik
biologis (status kekebalan) ), karakteristik yang diperoleh (status perkawinan), aktivitas
(pekerjaan, aktivitas rekreasi), atau kondisi di mana mereka tinggal (status sosial ekonomi
atau akses ke perawatan medis). (Department Health et al., 2006)

29
Pengukuran asosiasi yang dijelaskan di bagian berikut membandingkan kejadian penyakit di
antara satu kelompok dengan kejadian penyakit di kelompok lain. Contoh pengukuran
asosiasi meliputi risk ratio (relative risk), rate ratio, odds ratio, dan proportionate mortality
ratio.
2.5.1 Risk Ratio
Rasio risiko (RR), disebut juga risiko relatif, membandingkan risiko
peristiwa kesehatan (penyakit, cedera, faktor risiko, atau kematian) pada kelompok
beresiko dengan kelompok lain. Risk ratio membagi risiko (proporsi insiden, tingkat
serangan) di kelompok 1dengan risiko (proporsi insiden, tingkat serangan) dalam
kelompok 2. Kedua kelompok tersebut biasanya dibedakan oleh faktor demografis
seperti jenis kelamin (mis. pria versus wanita) atau karena terpapar faktor risiko yang
dicurigai (misalnya, pernah atau tidak makan salad kentang). Seringkali, kelompok
primer minat diberi label sebagai kelompok terpapar, dan kelompok pembanding
adalah diberi label kelompok yang tidak terpapar. (Department Health et al., 2006)
Cara mengukur risk ratio

Sumber : (Department Health et al., 2006)

Keterangan :
Risk ratio bernilai 1,0 menunjukkan risiko yang identik di antara kedua kelompok.
Risk ratio bernilai lebih besar dari 1,0 menunjukkan peningkatan risiko untuk grup di
pembilang (numerator), biasanya grup yang terpapar.
Risk ratio bernilai kurang dari 1,0 menunjukkan penurunan risiko untuk kelompok yang
terpapar, yang menunjukkan bahwa mungkin paparan sebenarnya melindungi dari
timbulnya penyakit.

Contoh Kasus :

30
Contoh A: Dalam wabah tuberkulosis di antara narapidana di Carolina Selatan pada tahun
1999, 28 dari 157 narapidana yang tinggal di sayap timur asrama menderita tuberkulosis,
dibandingkan dengan 4 dari 137 narapidana yang tinggal di sayap Barat. Data ini
diringkas dalam tabel dua-dua yang disebut karena memiliki dua baris untuk eksposur
dan dua kolom untuk hasil. Berikut adalah format dan notasinya secara umum.
Tabel 2.5 General Format and Notation for a Two-by-Two Table

Sumber : (Department Health et al., 2006)

Dalam contoh ini, paparan yang terjadi di asrama (dan hasilnya adalah tuberkulosis)
diilustrasikan pada Tabel 2.6. Penghitung rasio risiko.

Tabel 2.6 Incidence of Mycobacterium Tuberculosis Infection Among Congregated, HIV-

Infected Prison Inmates by Dormitory Wing-South Carolina, 1999

Sumber : (Department Health et al., 2006)

Untuk menghitung rasio risiko, pertama-tama hitung risiko atau tingkat serangan (attack
rate) untuk setiap kelompok. Berikut rumusnya:

Attack Rate (Risk)

Attack rate for exposed = a / a+b
Attack rate for unexposed = c / c+d

(Department Health et al., 2006)

Contoh penghitungan :

31
 Risiko pada asrama = 28 / 157
sayap timur =0.178=17.8%
Risiko pada asrama = 4 / 137 = 0.029 = 2.9%
sayap barat

Risk ratio merupakan pembagian antara kedua risiko, sehingga didapatkan

Risk Ratio = 17,8 / 2,9 = 6,1

Jadi, narapidana yang tinggal di sayap timur asrama 6,1 kali lebih mungkin untuk
mengembangkan tuberkulosis daripada mereka yang tinggal di sayap barat.

Contoh B : Dalam wabah varicella (cacar air) di Oregon pada tahun 2002, varicella
didiagnosis pada 18 dari 152 anak yang divaksinasi dibandingkan dengan 3 dari 7 anak
yang tidak divaksinasi. Hitung rasio risiko.

Tabel 2.7 Incidence of Varicella Among Schoolchildren in 9 Affected Classrooms – Oregon, 2002

(Department Health et al., 2006)

Risiko varicella pada anak yang = 18 / 152 = 0.118 =
divaksinasi 11.8%
Risiko varicella pada anak yang tidak =3/7 = 0.429 =
divaksinasi 42.9%

Risk ratio merupakan pembagian antara kedua risiko, sehingga didapatkan

Risk ratio = 0.118 / 0.429 = 0.28
Rasio risiko kurang dari 1,0, menunjukkan penurunan risiko atau efek perlindungan
untuk anak-anak yang terpajan (divaksinasi).

32
 Rasio risiko 0,28 menunjukkan bahwa anak-anak yang divaksinasi hanya sekitar
seperempat kemungkinannya (sebenarnya 28%) untuk mengembangkan varicella
dibandingkan dengan anak-anak yang tidak divaksinasi.

2.5.2 Rate Ratio

Rate Ratio membandingkan tingkat insiden, tingkat orang-waktu, atau tingkat kematian
dari dua kelompok. Lain halnya dengan rate risk, kedua kelompok tersebut biasanya
dibedakan berdasarkan faktor demografis atau keterpaparan kepada agen penyebab yang
dicurigai. Pada rate ratio penghitungan dilakukan dengan membagi tingkat Insidensi
(incidence rate) pada kelompok terpapar dengan tingkat insidensi pada kelompok tidak
terpapar. (Department Health et al., 2006)
Rumus :

(Sari, 2018)
Keterangan:
Interpretasi nilai rate ratio mirip dengan risk ratio. Artinya, rate ratio 1,0 menunjukkan
tingkat yang sama di dua kelompok, rate ratio lebih besar dari 1,0 menunjukkan
peningkatan risiko untuk grup di pembilang (numerator), dan rate ratio kurang dari 1,0
menunjukkan penurunan risiko untuk grup di pembilang (numerator).
Contoh Kasus:
Dinas kesehatan dipanggil untuk menyelidiki dugaan peningkatan kunjungan ke rumah
sakit kapal karena infeksi saluran pernapasan akut (ISPA) oleh penumpang kapal pesiar
di Alaska pada tahun 1998.13 Petugas dinas kesehatan membandingkan kunjungan
penumpang dengan ISPA di rumah sakit kapal selama Mei – Agustus 1998 dengan
periode yang sama tahun 1997. Mereka mencatat 11,6 kunjungan untuk ISPA per 1.000
wisatawan per minggu pada tahun 1998, dibandingkan dengan 5,3 kunjungan per 1.000
wisatawan per minggu pada tahun 1997. Hitung rate ratio
Rate ratio = 11.6 / 5.3 = 2.2
Penumpang kapal pesiar di Alaska selama Mei – Agustus 1998 dua kali lebih mungkin
mengunjungi rumah sakit kapal akibat ISPA daripada penumpang pada tahun 1997.

33
 (Catatan: Dari 58 isolat virus yang diidentifikasi menggunakan kultur hidung pada
penumpang, sebagian besar adalah influenza A, menjadikannya wabah influenza musim
panas terbesar di Amerika Utara.) (Department Health et al., 2006)
2.5.3 Perbandingan Risk Ratio dan Risk Rate
Nilai Insiden risk berbading lurus dengan lamanya waktu pengamatan. Misalnya kita
ambil contoh pada kasus dari 10 kelompok terpapar (Obase), dalam periode pengamatan
terdapat 4 kasus CHD baru dan dari 10 kelompok tidak terpapar (non obase) terdapat 2
kasus CHD baru. Pada kelompok terpapar terdapat 4 kasus /482 orang per bulan
pengamatan sedangkan pada kelompok tidak terpapar terdapat 2 kasus /580 orang per
bulan pengamatan. Data disajikan di dalam tabel

Bila pengamatan sampai tahun ke dua, maka didapatkan insiden risknya = 1/10 = 0,10.
Bila pengamatan sampai 3 tahun menjadi 3/10 atau 0,30 dan bila sampai lima tahun
menjadi 4/10 atau 0,40. Jadi makin lama pengamatan, makin besar pula nilai insiden risk.
Sedangkan nilai insiden rate tidak tergantung dari lama pengamatan karena pembaginya
adalah orang-waktu. Dengan menggunakan contoh di atas, insiden rate sampai tahun ke
dua = 1/238 = 0,0042, sampai tahun ke 3 = 3/338 = 0,0088, dan sampai tahun ke 5 =
4/482 = 0,0082. Pada contoh ini tampak insiden rate tidak berbading lurus dengan lama
pengamatan. (Widarsa et al., 2016)
2.5.4 Rasio Peluang (Odds Ratio)
Rasio peluang (OR) didefinisikan sebagai ukuran hubungan antara eksposur dan hasil.
OR mewakili peluang bahwa suatu hasil akan terjadi karena paparan tertentu,
dibandingkan dengan peluang hasil yang terjadi tanpa adanya paparan tersebut. Rasio
peluang paling umum digunakan dalam studi kasus-kontrol, namun juga dapat digunakan
dalam desain studi cross-sectional dan kohort (dengan beberapa modifikasi dan / atau
asumsi). (Szumilas, 2010)

34
Definisi lain dari rasio peluang (OR) adalah pengukuran asosiasi yang mengkuantifikasi
hubungan antara dua kategori eksposur dengan luaran kesehatan (health outcome).
(Department Health et al., 2006)
Rasio peluang dirumuskan dengan

Sumber : (Department Health et al., 2006)

Keterangan :
a = jumlah orang yang terpajan dan dengan penyakit
b = jumlah orang yang terpajan tetapi tanpa penyakit
c = jumlah orang yang tidak terpajan tetapi dengan penyakit
d = jumlah orang yang tidak terpajan: dan tanpa penyakit
a = jumlah total orang dengan penyakit (pasien kasus)
+
c
b = jumlah total orang tanpa penyakit (kontrol)
+
d
Rasio peluang terkadang disebut rasio produk silang karena pembilangnya didasarkan
pada perkalian nilai di kolom "a" dikalikan nilai dalam kolom "d", sedangkan
penyebutnya adalah hasil kali dari kolom "b" dan kolom "c." Baris dari kolom "a" ke
kolom "d" (untuk pembilang) dan lainnya dari kolom "b" ke kolom "c" (untuk penyebut)
membuat tanda x atau tanda silang pada tabel dua kali dua. (Department Health et al.,
2006).

(Department Health et al., 2006)

35
 Contoh penghitungan rasio peluang (menggunakan data tabel 3.15)
1. Risk ratio 5.0 / 1.0 = 5.0
2. Odds ratio (100 x 7,920) / (1,900 x 80) =
5.2
Perhatikan bahwa rasio peluang 5,2 mendekati risk ratio 5,0. Itu adalah salah satu fitur
menarik dari rasio peluang ketika hasil kesehatan tidak umum (jarang ditemui), maka
rasio peluang memberikan perkiraan perbandingan risiko yang masuk akal. Fitur menarik
lainnya adalah rasio peluang dapat dihitung dengan data dari studi kasus kontrol,
sedangkan risk ratio maupun risk rate tidak dapat. (Department Health et al., 2006).
Odds ratio biasanya digunakan untuk data studi kasus-kontrol, tetapi adakalanya karena
penggunaan analisis statistik tertentu, dipakai juga untuk data studi kohort ataupun data
uji klinik. Untuk penyakit yang jarang ditemukan (rare disease), odds ratio merupakan
aproksimasi yang baik untuk risk ratio. (Harlan, 2019)

2.6 Pengukuran Dampak Kesehatan Masyarakat (Measures of Public Health Impact)

Ukuran dampak kesehatan masyarakat digunakan untuk menempatkan hubungan antara
paparan dan hasil ke dalam konteks kesehatan masyarakat yang bermakna. Sementara ukuran
asosiasi mengukur hubungan antara pajanan dan penyakit, dan dengan demikian mulai
memberikan wawasan tentang hubungan sebab akibat, ukuran dampak kesehatan masyarakat
mencerminkan beban yang dikontribusikan oleh pajanan terhadap frekuensi penyakit dalam
populasi. Dua ukuran dampak kesehatan masyarakat yang sering digunakan adalah proporsi
yang dapat diatribusikan dan kemanjuran atau efektivitas.
2.6.1 Definisi proporsi yang dapat diatribusikan
Proporsi yang dapat diatribusikan juga dikenal sebagai persentase risiko yang
dapat diatribusikan adalah ukuran dampak kesehatan masyarakat dari suatu faktor
penyebab. Penghitungan ukuran ini mengasumsikan bahwa kejadian penyakit pada
kelompok yang tidak terpajan mewakili risiko dasar atau risiko yang diharapkan
untuk penyakit tersebut. Selanjutnya diasumsikan bahwa, jika risiko penyakit pada
kelompok yang terpapar lebih tinggi daripada risiko pada kelompok yang tidak
terpapar, perbedaan tersebut dapat dikaitkan dengan keterpaparan. Jadi, proporsi yang
dapat diatribusikan adalah jumlah penyakit pada kelompok terpapar yang disebabkan

36
 oleh pajanan. Ini mewakili penurunan penyakit yang diharapkan jika paparan bisa
dihilangkan (atau tidak pernah ada).
Penggunaan yang tepat dari proporsi yang dapat diatribusikan bergantung
pada satu faktor risiko yang bertanggung jawab atas suatu kondisi. Ketika beberapa
faktor risiko dapat berinteraksi (misalnya, aktivitas fisik dan usia atau status
kesehatan), ukuran ini mungkin tidak tepat.
2.6.2 Metode untuk menghitung proporsi yang dapat diatribusikan
Proporsi yang dapat diatribusikan dihitung sebagai berikut:
Risiko untuk kelompok terpapar - risiko untuk kelompok tidak terpapar
Risiko kelompok terpapar ×100% Proporsi
yang dapat diatribusikan
dapat dihitung untuk tarif
dengan cara yang sama.
Contoh : Dalam studi lain tentang merokok dan kanker paru-paru, angka kematian
akibat kanker paru-paru di antara bukan perokok adalah 0,07 per 1.000 orang per
tahun. Angka kematian akibat kanker paru-paru di antara orang yang merokok 1–14
batang per hari adalah 0,57 kematian akibat kanker paru per 1.000 orang. per tahun.
Hitung proporsi yang dapat diatribusikan.
Proporsi yang dapat diatribusikan = (0,57 - 0,07) ⁄ 0,57 × 100% = 87,7%
Mengingat hubungan sebab-akibat yang terbukti antara merokok dan kanker paru-
paru, dan dengan asumsi bahwa kelompok-kelompok tersebut sebanding dalam
semua hal lainnya, dapat dikatakan bahwa sekitar 88% kanker paru-paru di antara
perokok yang memiliki 1-14 batang rokok per hari mungkin disebabkan oleh
kebiasaan merokok mereka. Sisa 12% dari kasus kanker paru-paru dalam kelompok
ini akan tetap terjadi.
Contoh : Dalam studi lain tentang merokok dan kanker paru-paru, angka kematian
akibat kanker paru-paru di antara bukan perokok adalah 0,07 per 1.000 orang per
tahun. Angka kematian akibat kanker paru-paru di antara orang yang merokok 1–14
batang per hari adalah 0,57 kematian akibat kanker paru per 1.000 orang. per tahun.
Hitung proporsi yang dapat diatribusikan.
Proporsi yang dapat diatribusikan = (0,57 - 0,07) ⁄ 0,57 × 100% = 87,7%

37
 Mengingat hubungan sebab-akibat yang terbukti antara merokok dan kanker
paru-paru, dan dengan asumsi bahwa kelompok-kelompok tersebut sebanding dalam
semua hal lainnya, dapat dikatakan bahwa sekitar 88% kanker paru-paru di antara
perokok yang memiliki 1-14 batang rokok per hari mungkin disebabkan oleh
kebiasaan merokok mereka. Sisa 12% dari kasus kanker paru-paru dalam kelompok
ini akan tetap terjadi.
2.6.3 Khasiat vaksin atau efektivitas vaksin
Kemanjuran vaksin dan keefektivan vaksin mengukur penurunan proporsional
dalam kasus di antara orang-orang yang divaksinasi. Khasiat vaksin digunakan ketika
penelitian dilakukan dalam kondisi ideal, misalnya selama uji klinis. Efektivitas
vaksin digunakan ketika studi dilakukan di bawah kondisi lapangan (yaitu, kurang
dari kontrol sempurna). Efikasi / efektivitas vaksin (VE) diukur dengan menghitung
risiko penyakit di antara orang-orang yang divaksinasi dan tidak divaksinasi dan
menentukan persentase penurunan risiko penyakit di antara orang-orang yang
divaksinasi relatif terhadap orang-orang yang tidak divaksinasi. Semakin besar
persentase penurunan penyakit pada kelompok yang divaksinasi, semakin besar pula
kemanjuran / efektivitas vaksin tersebut. Rumus dasarnya ditulis sebagai:
Risiko di antara kelompok yang tidak divaksinasi - risiko di antara kelompok
yang divaksinasi Risiko di antara kelompok yang tidak divaksinasi
ATAU: 1 - rasio risiko
Pada rumus pertama, pembilang (risiko di antara yang tidak divaksinasi -
risiko di antara yang divaksinasi) kadang disebut sebagai risiko perbedaan atau risiko
berlebih. Kemanjuran / efektivitas vaksin diartikan sebagai penurunan penyakit yang
proporsional di antara kelompok yang divaksinasi. Jadi VE sebesar 90%
menunjukkan penurunan 90% dalam kejadian penyakit di antara kelompok yang
divaksinasi, atau penurunan 90% dari jumlah kasus yang Anda harapkan jika mereka
belum divaksinasi.
2.6.4 Menghitung Efektivitas Vaksin
Hitung efektivitas vaksin dari data varicella
VE = (42,9 - 11,8) ⁄ 42,9 = 31,1 ⁄ 42,9 = 72% Atau, VE = 1 - RR = 1 - 0,28 = 72%

38
 Jadi, kelompok yang divaksinasi mengalami 72% lebih sedikit kasus varicella
dibandingkan jika mereka tidak divaksinasi.
BAB III
PENUTUP
3.1 Kesimpulan
1. Bagaimana cara pengukuran dalam epidemiologi?
Epidemiologi mempelajari tentang sebaran (distribution) dan faktor (determinant) dari
frekuensi penyakit pada populasi (manusia). Epidemiologi mengukur suatu kejadian,
mendistribusikan kejadian tersebut menurut variabel orang, tempat, dan waktu, serta
berupaya untuk menentukan faktor yang menyebabkan terjadinya kejadian tersebut. Cara
mengukur frekuensi masalah kesehatan yang dapat dipergunakan dalam epidemiologi
sangat bragam karena tergantung dari macam masalah kesehatan yang ingin diukur atau
diteliti.
2. Bagaimana perhitungan frekuensi penyakit?
Pada epidemiologi alat terpenting untuk mengukur frekuensi kejadian adalah rate (angka,
sering juga disebut tingkat) tetapi juga digunakan rasio dan proporsi. Rasio
mencerminkan hubungan antara dua bilangan dalam bentuk hasil bagi x/y. Proporsi
merupakan bentuk khusus dari rasio, dimana denominator (penyebut) dan juga numerator
(pembilang) serta hasilnya adalah nilai dalam bentuk persentase dan Rate seringkali
digunakan sebagai dasar perbandingan untuk populasi yang berbeda atau populasi yang
sama pada waktu yang berbeda
3. Bagaimana pengukuran mordibilitas?
Ukuran morbiditas dapat dilakukan dengan Incidence Rate (I), Attack Rate (AR), dan
Prevalensi Rate (PR)
4. Bagaimana pengukuran mortalitas?
Ukuran mortalitas dapat dilakukan dengan Tingkat Kematian Kasar (Crute Death
rate/CDR), Tingkat Kematian Umur Khusus (Age Specific Death Rate), Tingkat
Kematian Bayi ( Infant Mortality Rate/ IMR ), Angka Kematian Balita, dan Angka
Kematian Ibu/AKI (Maternal Mortality)
5. Bagaimana pengukuran fertilitas?

39
 Ukuran fertilitas dapat dilakukan dengan Angka kelahiran khusus, angka kelahiran kasar,
dan Angka kelahiran Umum (General Fertility Rate/ GFR)

6. Bagaimana pengukuran risiko?

Ukuran risiko dapat dilakukan dengan Risiko Absolut (Absolute risk), Risiko Relatif/RR
(Relative risk), Risiko Atribut/AR (Attributable risk), dan Odds Ratio (OR)
3.2 Saran
Apabila Epidemiologi dapat dipahami dan diterapkan dengan baik, akan diperoleh manfaat
sebagai berikut:
1. Membantu Pekerjaan Administrasi Kesehatan.
Epidemiologi membantu pekerjaan dalam Perencanaan (Planning) dari pelayanan
kesehatan, Pemantauan (Monitoring) dan Penilaian (Evaluation) suatu upaya kesehatan.
Data yang diperoleh dari pekerjaan epidemiologi akan dapat dimanfaatkan untuk melihat
apakah upaya yang dilakukan telah sesuai dengan rencana atau tidak (Pemantauan) dan
ataukah tujuan yang ditetapkan telah tercapai atau tidak (Penilaian).
2. Dapat Menerangkan Penyebab Suatu Masalah Kesehatan.
Dengan diketahuinya penyebab suatu masalah kesehatan, maka dapat disusun langkah –
langkah penaggulangan selanjutnya, baik yang bersifat pencegahan ataupun yang
bersifat pengobatan.
3. Dapat Menerangkan Perkembangan Alamiah Suatu Penyakit.
Salah satu masalah kesehatan yang sangat penting adalah tentang penyakit. Dengan
menggunakan metode epidemiologi dapat diterangkan riwayat alamiah perkembangan
suatu penyakit (Natural History of Disease). Pengetahuan tentang perkembangan
alamiah ini amat penting dalam menggambarkan perjalanan suatu penyakit. Dengan
pengetahuan tersebut dapat dilakukan berbagai upaya untuk menghentikan perjalanan
penyakit sedemikian rupa sehingga penyakit tidak sampai berkelanjutan. Manfaat atau
peranan epidemiologi dalam menerangkan perkembangan alamiah suatu penyakit adalah
melalui pemanfaatan keterangan tentang frekuensi dan penyebaran penyakit terutama
penyebaran penyakit menurut waktu. Dengan diketahuinya waktu muncul dan
berakhirnya suatu penyakit, maka dapat diperkirakan terkait perkembangan penyakit
tersebut.

40
 DAFTAR PUSTAKA

CDC, D. o. (2012, Mei 18). Principles of Epidemiology in Public Health Practice, Third Edition :
An Introduction to Applied Epidemiology and Biostatistics. USA.

Déglin, S. E., Chen, C. L., Miller, D. J., Lewis, R. J., Chang, E. T., Hamade, A. K., & Erickson,
H. S. (2021). Environmental Epidemiology and Risk Assessment: Exploring a Path to
Increased Confidence in Public Health Decision-Making. Global Epidemiology, 3,
100048. https://doi.org/10.1016/j.gloepi.2021.100048

Department Health, U. O., Services, H., & for Disease Control, C. (2006). Principles of
Epidemiology in Public Health Practice, Third Edition: An Introduction.

Doll R, Hill AB. Smoking and carcinoma of the lung. Br Med J 1950;1:739–48.

Harlan, J. (2019). Buku Analisis Data Epidemiologi (1st ed., Issue 1). Penerbit Gunadarma.

Sari, M. W. P. (2018). MEASURING HEALTH AND DISEASE.

http://perpustakaanrsmcicendo.com/wp-content/uploads/2018/08/Mengukur-status-
kesehatan-penyakit.Mega-Wulan-Purnama-Sari.pdf
XHarlan, J. (2019). Buku Analisis Data Epidemiologi (1st ed., Issue 1). Penerbit Gunadarma.

Sari, M. W. P. (2018). MEASURING HEALTH AND DISEASE.

Services, H., Control, D., & Cdc, P. (2012a). Principles of Epidemiology in Public Health
Practice. October 2006.

Services, H., Control, D., & Cdc, P. (2012b). Principles of Epidemiology in Public Health
Practice. May.

Szumilas, M. (2010). Explaining odds ratios. Journal of the Canadian Academy of Child and
Adolescent Psychiatry, 19(3), 227–229.

van Smeden, M., Penning de Vries, B. B. L., Nab, L., & Groenwold, R. H. H. (2021).
Approaches to Addressing Missing Values, Measurement Error, and Confounding in
Epidemiologic Studies. Journal of Clinical Epidemiology, 131, 89–100.
https://doi.org/10.1016/j.jclinepi.2020.11.006

Widarsa, T., Putra, I. W. G. A. E., & Astuti, P. A. S. (2016). MODUL ANALISIS DATA UNTUK

41
VARIABEL OUTCOME BERSKALA NOMINAL DUA KATEGORI (BINARY OUTCOME).

42