SESI 4 (PERTANYAAN PEMICU)

EPIDEMIOLOGI INTERMEDIATE
DOSEN : PROF. Dr. dr. Sudarto Ronoatmodjo, S.KM, M.Sc

UKURAN FREKUENSI
PENYAKIT
Oleh kelompok 3 :
1. Fitri Dwi Anggraini (2006560535)
2. Rahmadhini (1906336265)
3. Ryan Augustian (2006560245)
4. Sidhi Laksono (2006560756)
 JENIS UKURAN DALAM
EPIDEMIOLOGI

TIPE MATEMATIK
• Dengan denominator
• Tanpa denominator

TIPE EPIDEMIOLOGIK
• Ukuran Frekuensi Penyakit (UFP)
• Ukuran Asosiasi
• Ukuran Dampak/Efek
TIPE MATEMATIK
 JENIS UKURAN TIPE MATEMATIK
• Hitungan/Enumerasi/Angka Mutlak
– Merupakan jumlah kasar atau frekuensi
– Misal: 10 kasus, 1867 kasus
• Rasio
– Didapat dengan pembagian satu kuantitas dengan kuantitaslain. Misal: a/b,
dimana a = pria dan b = wanita;
– Unsur denominator (penyebut) berbeda atau bukan merupakan bagian dari
nominator (pembagi)
• Proporsi
– Seperti halnya rasio, bedanya nominator bagian dari denominator. Bila
dikalikan 100 disebut juga persentase.
– Misal: 28/56 = 0,5 ➔ 0,5 x 100% = 50%. Pada contoh ini, angka 28 merupakan
bagian dari angka 56, atau ada 28 kasus dari 56 kasus.
• Rate/Tingkat/Laju
– Tipe rasio untuk mengkuantifikasi proses dinamik (mis: pertumbuhan,
percepatan)
– Mis: jumlah individu yang mengalami peristiwa (numerator) dibagi dengan
jumlah total individu yang DAPAT mengalami peristiwa atau populasi berisiko
(denominator), kemudian dikalikan dengan suatu konstanta
– 5/100.000 x 10.000 = 0,5 per 10.000 penduduk
➢ Rate
– Format umum dari rate adalah :

Numerator σ 𝑘𝑎𝑠𝑢𝑠
Rate = x F → 𝑅𝑎𝑡𝑒 =
Denomin ator σ 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖

▪ Numerator adalah jumlah orang atau individu yang mengalami peristiwa

▪ Denominator adalah jumlah populasi berisiko (jumlah total orang atau
keseluruhan individu yang mungkin mengalami peristiwa)
▪ F adalah faktor pengali, biasanya kelipatan 10, mengkonversi rate dari
suatu fraksi ke suatu jumlah keseluruhan

– Contoh
• Incidence rate = 3 kasus per 100 orang per tahun
• Kematian per 1000 penumpang - kilometer
➢ Contoh perhitungan RATE :
• Pada tahun 2004, ada 100 kasus DB di suatu
kota yang berpenduduk 1.250.000 orang.
Berapa rate kasus DB di kota itu?
• Jawab =
Rate =
 kasus
 konstanta =
100
100.000 = 8
 populasi 1.250.000
atau 8 kasus per 100.000
➢ Contoh perhitungan RATE :
• Hepatitis C spesifik di kota (2000)
Kasus (thn Populasi pertengahan Kasus / Rate per
2000) tahun 2000 Populasi 100.000
Kota A 15 784.712 ? ?
Kota B 13 1.500.546 ? ?

• Jawaban
Kasus (thn Populasi pertengahan Kasus / Rate per
2000) tahun 2000 Populasi 100.000
Kota A 15 784.712 0,00001912 1,91
Kota B 13 1.500.546 0,00000866 0,87
TIPE EPIDEMIOLOGIK
JENIS UKURAN TIPE EPIDEMIOLOGIK
1. UKURAN FREKUENSI PENYAKIT / UFP
▪ UFP = kuantifikasi kejadian suatu penyakit dengan menghitung individu yang
terinfeksi, sakit (morbiditas), atau meninggal (mortalitas) pada suatu populasi;
▪ Interpretasi UFP biasanya memakai kata-kata (mis: kadang-kadang,
jarang);
▪ Kesepakatan umum dalam interpretasi UFP
– Bila angka 0,6 – 0,8 ➔”biasanya”
– Bila angka 0,2 – 0,5 ➔ “kadang-kadang”
– Bila angka 0,01 – 0,2 ➔”jarang”
▪ Biasanya diukur sebagai suatu rate atau proporsi
▪ Mencakup :
a. Insidens (incidence)
b. Prevalens (prevalens)
c. Mortalitas (mortality)
 UKURAN – UKURAN FREKUENSI
PENYAKIT
a. Insidens
– Merefleksikan jumlah kasus baru (insiden) yang berkembang dalam suatu
periode waktu di antara populasi yang berisiko
• Yang dimaksud kasus baru adalah perubahan status dari sehat menjadi sakit
• Periode Waktu adalah jumlah waktu yang diamati selama sehat hingga menjadi
sakit
− Merupakan alat ukur untuk penelitian etiologi suatu penyakit baik akut
maupun kronis
− Merupakan indikator yang baik untuk mengestimasi suatu “resiko” oleh karena
insidens mengukur secara langsung peluang bahwa seseorang yang sehat akan
menjadi sakit
− Insidens rate yang tinggi dari suatu penyakit menunjukkan resiko yang tinggi
untuk mendapatkan penyakit tersebut
− Insidens memberikan informasi mengenai efektifitas dari suatu pencegahan
atau intervensi terhadap suatu penyakit
1) Insidens Kumulatif / Cumulative Incidence = Risk = Proporsi
Insidens
– Berarti rata-rata risiko seorang individu terkena penyakit
– Orang-orang yang berada dalam denominator haruslah terbebas dari
penyakit pada permulaan periode (observasi atau tindak lanjut)
– Metode ini hanya layak bila ada sedikit atau tidak ada kasus yang lolos dari
pengamatan karena kematian, tidak lama berisiko, hilang dari pengamatan
– Memerlukan bahwa semua non-kasus diamati selama seluruh periode
pengamatan
– Probabilitas individu berisiko berkembang menjadi penyakit dalam periode
waktu tertentu
– menyatakan individu tidak meninggal karena sebab lain selama periode itu
– Tidak berdimensi, dinilai dari nol sampai satu
– Merujuk pada individu
– Mempunyai periode rujukan waktu yang ditentukan dengan baik

Jumlah kasus insidens selama periode waktu tertentu

Insidens kumulatif =
Jumlah orang berisiko pada permulaan waktu
2) Attack Rate
- Jenis khusus insidens kumulatif yang berguna selama
epidemik
- Contoh :
Makanan Makan ARM Tidak Makan ARTM
Sakit Tidak Sakit Tidak
sakit Sakit

Salad 30 70 30/100 5 35 5/40

Krecek 16 84 16/100 4 21 4/25

ARM = Attack Rate Makan

ARMTM = Attack Rate tidak makan
3) Densitas Insidens = Insidens orang – waktu (Person –
Time Incidence) -= Tingkat insidens (Incidence rate)
- Menyatakan suatu jumlah kasus baru per orang-waktu
- Berarti rata-rata rate untuk populasi berisiko selama waktu
yang ditentukan karena denominator diukur dalam orang-
waktu, hal ini tidak perlu bahwa semua individu diamati
untuk periode yang sama
- Rumusnya :

Jumlah kasus insidens terjadi dalam periode waktu

Densitas insidens =
Jumlah orang − waktu
❖ Contoh :
Gambar 1.

1 2 3 4 5 6 7 Jumlah waktu dalam jangka

observasi dan dalam keadaan sehat
(tahun)

A 7

B 7

C ⚫* 2

D 7

E 3

F 2

G 5

Keterangan

Periode sehat

Periode sakit

Hilang dalam pengamatan selanjutnya

⚫* Meninggal
• Dari Gambar 1.
1. Berapa Insiden Kumulatif (IK) selama 7 tahun waktu pengamatan?
➢ Jawab :

IK =
 Kasus baru
 Populasi berisiko pada awal pengamatan
3 kasus
IK = = 43 kasus per 100 orang
7 orang
2. Hitunglah nilai Densitas Insidens (DI)= Insidens orang-waktu (PTI) = Incidence
Rate (IR)?
➢ Jawab:
– Hitung jumlah orang-waktu terlebih dulu :

 (orang − waktu) = 7 + 7 + 2 + 7 + 3 + 2 + 5 = 33 orang − tahun

– Kemudian hitung : DI = IR = PTI =
 kasus baru
 (orang − waktu )
3 kasus
DI = IR = PTI = = 9,1 kasus per 100 orang - tahun
33 orang − tahun
4) Instantaneous insidence density = instantaneous
incidence rate = person-time incidence rate
– Kejadian segera dari kasus baru pada suatu “titik atau segera
dalam waktu T, per unit waktu di antara populasi berisiko
selama waktu T
– Ukuran teoritis jumlah kasus yang terjadi per satuan populasi-
waktu (orang-tahun berisiko)
– Mengukur kejadian penyakit pada satu titik waktu t
(ditentukan secara matematik sebagai limit, seperti t ➔ 0
– Probabilitas seseorang yang sehat pada waktu t akan
mengalami sakit dalam interval t+t dibagi t
– Juga disebut force of morbidity, hazard rate
5) Incidence Rate
– Tidak ada periode rujukan (tidak ada seperti rate 2-tahun)
– Mempunyai dimensi yang invers waktu (misal :
0,001/tahun)
– Mempunyai nilai nol dan infiniti (~)

➢ Menghitung Incindence Rate :

Populasi 2 D = permulaan sakit

D • Densitas Insiden = Insidens orang

waktu=Incidence Rate = 9,1 kasus/100
D orang-tahun
– Unit (satuan) orang-tahun dalam
contoh di atas adalah 1 x 100 x
orang-tahun = 4 x 25 orang- tahun
0 25 50 75 100
– Angka ini dari orang-waktu dapat
Tahun diakumulasi dengan observasi 100
orang selama 1 tahun, 25 orang
selama 4 tahun, 10 orang selama
Hitung Incidence Rate pada populasi 2 10 tahun
 UKURAN – UKURAN FREKUENSI
PENYAKIT
b. Prevalens
– Merefleksikan jumlah kasus yang ada (kasus lama maupun
kasus baru) dalam populasi dalam suatu waktu atau
periode waktu tertentu
– Probabilitas bahwa seorang individu menjadi kasus (atau
menjadi sakit) dalam waktu atau periode waktu tertentu
– Terdiri dari :
1) Prevalens titik (Point of Prevalence)
• Nama lain: prevalens, proporsi prevalens
2) Prevalens periode (Periode of Prevalence)
• Prevalens tahunan (Annual of Prevalence)
• Prevalens selama hidup (Lifetime of Prevalence)
1) Prevalens = Prevalens Titik = Proporsi Prevalens
– Probabilitas bahwa seorang individu menjadi kasus (atau menjadi sakit)
pada suatu titik waktu
– Tidak mempunyai dimensi
– Variasi nilai antara nol dan satu

➢ Rumus Prevalens = prevalens titik (Point Prevalence) = proporsi

prevalens :

Jumlah kasus yang ada pada satu titik dalam waktu T

Prevalens titik =
Total jumlah orang pada waktu T

2) Prevalens Periode
– Probabilitas seorang individu berada dalam keadaan sakit kapan saja
selama suatu periode waktu

Jumlah kasus yang ada selama suatu periode waktu

Prevalens Periode =
Jumlah orang selama periode
❖ Contoh :
Gambar 2.

1 2 3 4 5 6 7 Jumlah waktu dalam jangka

observasi dan dalam keadaan sehat
(tahun)

A 7

B 7

C ⚫* 2

D 7

E 3

F 2

G 5

Keterangan

Periode sehat

Periode sakit

Hilang dalam pengamatan selanjutnya

⚫* Meninggal
• Dari Gambar 2.
1. Hitung prevalens pada tahun ke 2, 3, 4, 5, 6, 7 .
Rumus Prevalens = prevalens titik (Point Prevalence) = proporsi prevalens
Jumlah kasus yang ada pada satu titik waktu T
Prevalens titik =
Total jumlah orang pada waktu T
➢ Jawaban : ➢ Jawaban :
PT pada T = 2 ➔0/7 PT pada T = 5 ➔2/6
PT pada T = 3 ➔2/7 PT pada T = 6 ➔2/5
PT pada T = 4 ➔2/6 PT pada T = 7 ➔2/5

2. Hitunglah Prevalens Periode (PP) dari tahun ke 1 hingga tahun ke 4.

Jumlah kasus yang ada selama p eriode waktu tahun ke 1 − 4
PP =
Jumlah orang selama periode tahun ke 1 - 4
Karena jumlah orang (populasi) dalam pengamatan berubah-ubah, maka kita
dapat menggunakan jumlah rata-rata dari populasi, atau yang umum digunakan
adalah jumlah populasi pada tengah tahun pengamatan (midpoint year)
2
PP = = 0,29
7
➢ Dari Gambar 2.
– A, B,C,D, E, F, G. ➔ individu yang diamati (ada 7 orang)
– 1, 2, 3, 4, 5, 6, 7. ➔ tahun yang diamati (ada 7 tahun pengamatan)
– Jumlah kasus baru selama 7 tahun pengamatan ada 3 kasus
– Rata-rata lama sakit = (3+5+2)/3 tahun = 3,3 tahun
– Orang – waktu (Person – Time)
• Jumlah waktu seseorang yang memberikan kontribusi masa sehat
sejak awal pengamatan.
– Untuk A ➔ masa sehat 7 tahun
– Untuk B ➔ masa sehat 7 tahun
– Untuk C ➔ masa sehat 2 tahun
– Untuk D ➔ masa sehat 7 tahun
– Untuk E ➔ masa sehat 3 tahun
– Untuk F ➔ masa sehat 2 tahun
– Untuk G ➔ masa sehat 5 tahun
• Total orang – tahun = (7+7+2+7+3+2+5) orang- tahun = 33 orang
tahun
 HUBUNGAN INSIDENS DAN
PREVALENS
– Jika dalam kondisi yang tetap, maka hubungan
insidens dan prevalens adalah
• P=IxD
• Prevalens (P) [Prevalens periode] = Insidens (I) [Densitas
Insindens] x rata-rata lama sakit (D)
• Dari gambar 1. (untuk pengamatan selama 7 tahun)
– I = 3 kasus/33 orang-tahun. D = 3,3 tahun
– P = 3 kasus/33 orang tahun x 3,3 tahun
– P = 3 kasus/10 orang
– P = 30 kasus/100 orang
− Prevalens yang tinggi dapat oleh karena :
• Insidens yang tinggi
• Durasi sakit yang panjang
• Contoh :
Penggunaan insulin menyebabkan penderita DM bertahan hidup
lama → durasi sakit menjadi panjang → prevalens meningkat
 PERBANDINGAN INSIDENS DAN
PREVALENS
INSIDENS PREVALENS
▪ Hanya menghitung kasus ▪ Menghitung kasus yang ada
baru (kasus baru dan lama)
▪ Tingkat tidak bergantung ▪ Bergantung pada rata-rata
durasi rata-rata penyakit lama (durasi) sakit
▪ Dapat diukur sebagai rate ▪ Selalu diukur sebagai
atau proporsi proporsi
▪ Merefleksikan kemungkinan ▪ Merefleksikan kemungkinan
menjadi penyakit terjadi penyakit pada satu
sepanjang waktu waktu tertentu
▪ Lebih disukai bila ▪ Lebih disukai bila studi
melakukan studi etiologi utilisasi pelayanan
penyakit kesehatan
 Insidens Prevalens

Insidens Incidence Titik Periode

Kumulatif Rate

Sinonim Proporsi Incidence

Insidens Density

Nunerator Kasus baru Kasus baru Kasus Kasus yang

yang ada ada/baru
Denominator Populasi Orang - Populasi Populasi
inisial Waktu Inisial pertengahan

Unit Tidak ada Kasus per Tidak ada Tidak ada

orang
waktu

Tipe Proporsi Rate Proporsi Proporsi

 DINAMIK PREVALENS

Insidens (aliran masuk)

Prevalens
(Permukaan air)
Kasus Baru

Kasus Lama

Sembuh
atau meninggal

Bekas-bekas kasus
 UKURAN – UKURAN FREKUENSI
PENYAKIT
c.c.Mortalitas
Mortality
− Merefleksikan jumlah kematian dalam suatu populasi
− Ukuran mortalitas
▪ Ratio kematian terhadap kasus (Death-to-case Ratio)

DTCR =
 (kematian dari penyakit t ertentu selama periode tertentu )
 (kasus baru dari penyakit yang didentifik asi selama periode yang sama )
Contoh :
Pada tahun 2004, ada 200 kasus baru tuberkulosis paru-paru yang dilaporkan di
suatu wilayah. Pada tahun yang sama ada 15 kematian yang terjadi pada
penderita tuberkulosis paru-paru, maka DTCR = 15/200 ➔ 75 kematian per 1000
kasus baru
− Ukuran Mortalitas :
▪ Infant Mortality Rate (IMR)
IMR =
 (bayi yang meninggal)
 (bayi yang lahir hidup)
Contoh : IMR = 7,2 bayi yang meninggal per 1000 kelahiran hidup
▪ Neonatal mortality rate (NMR)
 (kematian bayi umur dalam 28 hari pertama kehidupan)
NMR =
 (bayi yang lahir hidup)
Contoh : NMR = 5,4 kematian neonatal per 1000 kelahiran hidup

▪ Postneonatal Mortality Rate (PNMR)

PNMR =
 (bayi yang meninggal umur 28 sampai11 bulan)
 (bayi yang lahir hidup)
Contoh : PMNR = 2,8 kematian postneonatal per 1000 kelahiran hidup

▪ Maternal Mortality Rate (MMR)

MMR =
 (kematian ibu oleh sebab yang berkaitan dengan kehamilan, kelahiran dan nifas )
 (bayi yang lahir hidup )
Contoh : MMR = 6,1 kematian ibu per 100.000 kelahiran hidup
▪ Case Fatality Rate (CFR)
 (meninggal diantara kasus insidens )
CFR =
 (Jumlah kasus insidens )
▪ Propotionate Mortality (PM)

 (kematian karena sebab tertentu )

PM =
 (kematian semua sebab)
▪ Propotionate Mortality Ratio (PMR)
- Membandingkan Propotionate Mortality pada satu kelompok umur
dengan kelompok umur yang lain pada satu populasi

PM grup1
PMR =
PM grup2
Contoh : PM pada semua kasus = 7,1%; PM pada umur 25 – 44 = 2,5%; PM
pada umur 45 – 64 = 4,3%. PMR antara umur 45 – 64 dan 25 – 44 adalah
(4,3/2,5) = 1,72
JENIS UKURAN TIPE EPIDEMIOLOGIK
2. UKURAN ASOSIASI
– Merefleksikan kekuatan atau besar asosiasi
antara suatu eksposur/faktor risiko dan kejadian
suatu penyakit
– Mengukur keeratan hubungan statistik antara
faktor tertentu dengan kejadian penyakit yang
diduga merupakan akibat pemaparan tersebut.
Hubungan antara pemaparan dan akibatnya
diukur dengan menggunakan Relative Risk (RR)
atau Odds Ratio (OR)
– Beberapa ukuran assosiasi digunakan untuk
mengestimasi efek
 UKURAN – UKURAN ASOSIASI

– Ukuran Rasio (Perbandingan Relatif) :

• Rasio dua frekuensi penyakit membandingkan
kelompok terpajan dengan kelompok tidak
terpajan
• Membandingkan kelompok terpajan dengan
kelompok tidak terpajan

– Ukuran Perbedaan Efek (Perbandingan

Absolut) :
• Perbedaan antara ukuran frekuensi penyakit suatu
kelompok terpajan dan kelompok yang tidak
terpajan
 UKURAN – UKURAN ASOSIASI
KOEFISIEN MODEL
– Koefisien variabel diturunkan dari model
matematis yang menujukkan besarnya hubungan
antara variabel eksposur dan penyakit
– Terdiri dari :
• Linier
• Logistik
• Cox
• Poisson
 KOEFISIEN MODEL
• Linier
– Interpretasi b1
Peningkatan dalam outcome (penyakit) nilai rata-rata y (variabel kontinu) per unit meningkat dalam X1, disesuaikan
(distandarisasi) dengan semua variabel lain dalam model

y = b0 + b1 X 1 + b2 X 2 + b3 X 3 + ...... bk X k
• Logistik
– Interpretasi b1
Peningkatan dalam log odds outcome (penyakit) per unit meningkat dalam X1, disesuaikan dengan semua variabel lain dalam
model

log (odds) = b0 + b1 X 1 + b2 X 2 + b3 X 3 + ...... bk X k

• Cox
– Interpretasi b1
Peningkatan log hazard outcome per unit meningkat dalam X1, disesuaikan (distandarisasi) dengan semua variabel lain dalam
model

log (hazard ) = b0 + b1 X 1 + b2 X 2 + b3 X 3 + ...... bk X k

• Poisson
– Interpretasi b1
Peningkatan dalam log rate outcome (penyakit) per unit meningkat dalam X1, disesuaikan dengan semua variabel lain dalam
model
log (rate ) = b0 + b1 X 1 + b2 X 2 + b3 X 3 + ...... bk X k
 UKURAN – UKURAN ASOSIASI

KOEFISIEN KORELASI
– Ukuran lain asosiasi yang juga diturunkan dari
model matematis, namun tidak merefleksikan
parameter kausal

y = b0 + b1 X
b0 = intersep yaitu nilai y yang diestimasi ketika x = 0
b1 = koefisien korelasi (regresi) yaitu peningkatan yang diperkirakan pada
dependen variabel (y) per unit dalam variabel prediktor (x). Jika x =1, y =
b0+b1, jika x=2, y = b0 + b1 * 2.
UKURAN – UKURAN ASOSIASI
UKURAN RASIO
❖ Rasio risiko atau risiko relatif (RR)
Risiko pada kelompok terpajan
RR =
Risiko pada kelompok tidak terpajan
❖ Rasio Insidens Kumulatif (RIK)
Insidens kumulatif pada kelompok terpajan
RIK =
Insidens kumulatif pada kelompok tidak terpajan
❖ Rasio Rate atau Rasio Densitas Insidens (RDI)
Densitas insidens pada kelompok terpajan
RDI =
Densitas insidens pada kelompok tidak terpajan
❖ Rasio Prevalens (RP)
Prevalens pada kelompok terpajan
RP =
Prevalens pada kelompok tidak terpajan
• Risk rasio atau disebut juga Relative risk (RR) merupakan
rasio dari risiko untuk terjadinya penyakit pada
kelompok terpapar dibandingkan kelompok yang tidak
terpapar
• Resiko relatif sebagai ukuran yang dapat menunjukkan
berapa kali risiko untuk mengalami penyakit pada
populasi terpapar relatif dibandingkan dengan populasi
tidak terpapar
• Risiko rasio disebut juga rasio insidensi kumulatif (RIK) /
Cummulative Incidence Ratio (CIR)
• Incidence density adalah potensi perubahan status
penyakit per satuan waktu, relatif terhadap besarnya
populasi individu yang sehat pada waktu itu
➢ Contoh :
Tabel 1. Kaitan antara merokok dan angka insidens stroke dalam
suatu kohort
Kategori merokok Jumlah kasus stroke Orang-tahun Tingkat insidens
observasi (lebih stroke (per 100.000
dari 8 tahun) orang tahun)

Tidak pernah 70 395.594 17,7

merokok

Mantan perokok 65 232.712 27,9

Perokok 139 280.141 49,6

Total 274 908.447 30,2

Sumber: diterjemahkan dari:Beaglehole et al. Basic Epidemiology. WHO. 1993. 18.

▪ Hitunglah Rasio rate atau rasio densitas insidens (RDI) :

Densitas insidens pada kelompok terpajan
RDI =
Densitas insidens pada kelompok tidak terpajan
49,6
RDI = = 2,8
17,7
❖ Rasio Odds (Odds Ratio = OR) / Odds Relative
• Odds Ratio (OR) atau rasio odds merupakan perbandingan odds subyek sakit
dengan odds subyek tak sakit
• Odds menunjukkan rasio dua nilai dikotomi
• Rasio dua odds yang digunakan dalam studi kasus – kontrol untuk
mengestimasi rasio rate atau rasio risiko
• Mempunyai interpretasi yang sama seperti risiko relative
Odds pemajan untuk kasus a
Odds Ratio = Odds Ratio = c =axd
Odds pemajan untuk kontrol b bxc
d

• Odds kasus artinya perbandingan jumlah kasus terpapar dengan kasus tidak
terpapar, sedangkan odds kontrol artinya perbadingan jumlah kontrol
terpapar dan kontrol tidak terpapar
• Odds suatu kejadian adalah rasio probabilitas bahwa kejadian terjadi
terhadap probabilitas kejadian tidak terjadi
P
Odds suatu peristiwa =
1− P
P = Probabilitas suatu kejadian terjadi
1–P = Probabilitas suatu kejadian tidak terjadi
 Tabel 2. Tabulasi silang pemajan dan status sakit,
insidens sakit dan Probabilitas odds sakit

Status sakit

Pemajan Sakit Tidak Total Insiden sakit Probabilitas odds sakit

sakit (Risk)
+ a b a+b a/(a+b) a
a+b = a
 a  b
1−  
a+b

- c d c+d c/(c+d) c
c+d =
c
 c  d
1−  
c+d 

Total a+c b+d a+b+c+d

 Ukuran-ukuran asosiasi
a
ORpemajan/ kasus = a + c =
a
 a  c
1−  
a+c
kasus kontrol

+ a b a
Pemajan
axd
- c d ORpemajan = c = = ORsakit
b bxc
d
b
ORpemajan/ kontrol = b + d =
b
 b  d
1−  
b+d 
Prevalence Odds Ratio (POR) = Cross Product Ratio ➔
bila data didasarkan pada kasus-kasus prevalens

Faktor Kasus Kontrol Total

Perokok 650 (a) 950 (b) 1600

Bukan 50 (c) 350 (d) 400

perokok
Total 700 1300 2000
650 x 350
Prevalence Odds Ratio = = 4,8
950 x 50
650 / 1600 0,40625
Prevalence ( proportion ) Ratio = = = 3,25
50 / 400 0,125
 Incidence Odds Ratio (POR) = Cross Product Ratio ➔
bila data didasarkan pada kasus-kasus insidens

Faktor Sakit Tidak sakit Total

Perokok 20 (a) 980 (b) 1000

Bukan 10 (c) 990 (d) 1000

perokok
Total 30 1970 2000
20 x 990
Incidence Odds Ratio = = 2,02
10 x 980

20 / 1000 0,02
Incidence proportion (risk ) Ratio = = = 2,00
10 / 1000 0,01
 KAPAN OR DIANGGAP BAIK UNTUK
MEMPREDIKSI NILAI RR?
RR OR
• Digunakan jika periode • Odds ratio merupakan
waktu penyakit memiliki sebuah pendekatan relative
durasi yang tetap atau pasti. risk yang digunakan dalam
Namun, jika penyakit studi case control
memiliki masa inkubasi
lama atau bervariasi,
penetapan risk ratio
membutuhkan periode
observasi yang cukup lama.
▪ Jumlah orang yang berpindah status dari tidak
sakit ke status sakit selama periode waktu
tertentu merupakan hasil paduan antara tiga
faktor, yaitu :
1) Ukuran besarnya populasi
2) Lama periode pengamatan
3) Kekuatan penyebaran penyakit (force of morbidity)
▪ Pada penyakit yang jarang terjadi, nilai Odds
Ratio hampir sama dengan nilai Relative Risk
(Risk Ratio). Nilai Prevalence Odds Ratio hampir
sama dengan nilai Prevalence Proportion Ratio
▪ Pada penyakit yang umum terjadi, nilai Odds
Ratio lebih ekstrim dari pada Risk Ratio
JENIS UKURAN TIPE EPIDEMIOLOGIK
1. UKURAN DAMPAK / EFEK
– Merefleksikan dampak suatu faktor pada frekuensi atau risiko dari
suatu masalah (outcome) kesehatan
– Merefleksikan kelebihan jumlah kasus karena suatu faktor
(attributable) atau jumlah kasus yang dapat dicegah oleh eksposur
(pemajan)
– Ukuran yang digunakan adalah Attributable Risk Percent dan
Population Attributable Risk. Ukuran ini berguna untuk meramalkan
efficacy atau effectiveness suatu pengobatan dan strategi intervensi
pada populasi tertentu
– Perbedaan risiko = Risk Difference (RD) = Attributable Risk (AR) =
Excess Risk (ER) = Absolute Risk (AR)
• [Risiko pada kelompok terpajan] – [Risiko pada kelompok tidak terpajan]
• Berguna untuk mengukur besarnya masalah kesehatan masyarakat yang
disebabkan oleh suatu pemajan
• bermanfaat untuk penilaian prioritas untuk aksi kesehatan masyarakat (Public
Health Action)
❖ Ukuran Perbedaan Efek
– Attributable Risk (AR) Percent = AR%
Insidens ( terpajan) − Insidens ( tidak terpajan)
AR% = x 100 %
Insidens (terpajan)
– Perbedaan insidens kumulatif = Cumulative Incidence Difference=
CID
• [IK pada kelompok terpajan] - [IK pada kelompok tidak
terpajan]
IK = Insidens Kumulatif
– Perbedaan rate/ perbedaan densitas insidens (IDD = Insidence
Density Difference)
• IDD = [Densitas insidens dalam kelompok terpajan] - [Densitas
insidens pada kelompok tidak terpajan]

– Perbedaan prevalens (PD = Prevalence Differrence)

• PD = [Prevalens dalam kelompok terpajan] - [Prevalens dalam
kelompok tidak terpajan]
❖ Ukuran Dampak
– Fraksi atributabel = fraksi etiologik = Etiologic Fraction (EF) = attributable
fraction = AF
• Dinyatakan sebagai pembagian risk difference dengan rate kejadian pada
populasi yang terpajan.
• Proporsi penyakit yang akan dieliminasi jika tidak ada pemajan pada
populasi yang tertentu
Insidens( populasi) − Insidens(tidak terpajan)
AF =
Insidens( populasi)
− Fraksi yang dicegah dalam populasi = Fraction Prevented in population = PF
• Proporsi jumlah beban penyakit dalam populasi yang telah dicegah oleh
faktor eksposur
Insidens(tidak terpajan) − Insidens( populasi)
PF =
Insidens(tidak terpajan)

− Fraksi yang dicegah dalam kelompok terpajan (PFE = Prevented Fraction in the
Exposed)
Insidens (tidak terpajan) − Insidens (terpajan)
PFE =
Insidens (tidak terpajan)
RISIKO ATRIBUT (AR)

• Resiko : ukuran kuantitatif yang menunjukkan besarnya probabilitas subjek

untuk mengalami penyakit dalam kelompoknya
• Atribut: Fakta-fakta kualitatif (ex. Faktor penyebab penyakit)
• Rasiko atribut : Selisih angka insidensi antara kelompok terpapar dan
kelompok tidak terpapar
• Manfaat: mengukur besarnya masalah kesehatan masyarakat yang
disebabkan oleh suatu pajanan, sehingga dapat menilai prioritas untuk
aksi kesehatan masyarakat

Kasus Kontrol Jumlah

Terpajan a b a+b
Tidak terpajan c d c+d
Jumlah a+c b+d

AR = Resiko pada kelompok terpajan – Resiko pada kelompok tidak terpajan

➢ Contoh :
Diabetes Tidak diabetes Jumlah

Obesitas 6 94 100
Tidak obesitas 2 98 100
Jumlah 8 182

• Dari 100 orang obesitas, 6 orang menderita diabetes → Resiko: 0,06

• Dari 100 orang tidak obesitas, 2 orang menderita diabetes → Resiko: 0,02
• Besar resiko atrribut (AR) = 0,06 – 0,02 = 0,04
• Kesimpulan = 4% insidensi diabetes disebabkan oleh obesitas
➢ Semakin besar AR, semakin banyak jumlah kasus yang dapat dihindari dengan
melakukan pencegahan paparan pada kelompok terpapar

• AR% = Resiko terpapar – Resiko tidak terpapar x 100%

Resiko terpapar
• AR% = 0,06 – 0,02 x 100% = 66,67%
0,06
• Kesimpulan = 66,67% insidensi diabetes disebabkan oleh obesitas
POPULATION ATTRIBUTABLE RISK (PAR)
➢ Attributable Fraction (population) atau Etiologic Fraction (population) = Population
Attributable Risk Proportion = Population Attributable Risk Fraction
• Merupakan resiko terkena penyakit tertentu pada seluruh populasi studi baik
yang terpajan maupun tidak terpajan dan jumlah penyakit tertentu pada
seluruh populasi baik yang terpajan maupun tidak terpajan
• Menujukkan resiko relatif suatu paparan terhadap keseluruhan kejadian
• Proporsi (atau fraksi) rate penyakit pada seluruh populasi yang mewakili rate
penyakit dalam kelompok terpajan

PAR = insiden (populasi) – insiden (tidak terpajan)

insiden total populasi

− Population Attributable Risk Percent (PARP)➔ attributable fraction (population)

atau etiologic fraction (population)
▪ Berarti proporsi kasus baru yang dapat dicegah jika pada semua orang yang
tidak terpajan

Insidens (populasi) − Insidens ( t idak t erpajan)

PAR% = x 100%
Insidens (populasi)
 POPULASI
1. Populasi Tertutup
Populasi yang anggotanya tertutup dari
faktor penambahan dan pengurangan,
artinya populasi dianggap konstan selama
waktu penelitian.
2. Populasi Terbuka (dinamik)
Populasi terbuka merupakan populasi yang
anggotanya bisa bertambah atau berkurang
karena faktor kelahiran ataupun kematian.
➢ Contoh :
Diabetes Tidak diabetes Jumlah

Obesitas 6 94 100

Tidak obesitas 2 98 100

Jumlah 8 182

• PAR = 0,04 – 0,02 = 0,5

0,04
• PAR% = 0,5 x 100% = 50%
 CARA LAIN MENGHITUNG PARP
(POPULATION ATTRIBUTABLE RISK PERCENT)
• Cara 1.
– Hitung Attributable Risk (AR) = IE − IE
– Lalu kalikan AR dengan

= ( AR ) x P
Prevalens faktor risiko

– Kemudian dibagi dengan

tingkat (rate) Insidens di
( AR ) x P
populasi, setelah itu kalikan
100%
= x 100 %
I Pop
 CARA LAIN MENGHITUNG PARP
(POPULATION ATTRIBUTABLE RISK PERCENT)
• Cara 2.
– Kalikan AR dengan Prevalens P x (RR −1)
faktor risiko dengan (RR-1)

– Kemudian [P x (RR-1)] dibagi

[P x (RR-1)]+1} P( RR − 1)
= PARP
P(RR − 1) + 1
Cara 2 ini menggunakan RR, sangat berguna karena dengan metode ini
kita dapat menghitung estimasi risiko relatif dari dua studi (kasus
kontrol dan kohort). Metode ini disebut Odds Ratio untuk studi kasus
kontrol)
 CARA LAIN MENGHITUNG PARP
(POPULATION ATTRIBUTABLE RISK PERCENT)
• Cara 3.
– Hitung Population = I Pop − I E
Attributable Risk (PAR)

– Kemudian dibagi dengan

I Pop − I E
tingkat (rate) Insidens di
populasi, setelah itu kalikan
= x 100%
100%
I Pop
 Dalam Manajemen Program Pengendalian
Penyakit efektifitas program dinilai dengan
apa?
▪ Program pencegahan yang berhasil akan menurunkan
INSIDENSI
▪ Pengobatan yang berhasil untuk penyakit akut, akan
berdampak pada pengurangan PREVALENSI, dan untuk
penyakit kronis kadangkala akan meningkatkan angka
prevalensi
▪ Contoh : Pengobatan HIV/AIDS bukan mengurangi jumlah
orang yang mengidap HIV tetapi memperpanjang usia
orang dengan HIV, sehingga prevalensi orang yang
mengidap HIV tetap atau bahkan meningkat
▪ Selain itu, kita juga harus menilai RR dan OR. Dari hasil RR
dan OR dapat dilihat apakah kelompok yang terpajan atau
yang tidak terpajan yang lebih besar hasilnya. Ketika nilai
RR masih besar, berarti Program Pengendalian Penyakit
belum efektif
 Risiko pada kelompok terpajan
RR =
Risiko pada kelompok tidak terpajan
Odds pemajan untuk kasus
Odds Ratio =
Odds pemajan untuk kontrol
▪ Odds kasus artinya perbandingan jumlah kasus terpapar
dengan kasus tidak terpapar, sedangkan odds kontrol
artinya perbadingan jumlah kontrol terpapar dan
kontrol tidak terpapar

➢ Tabulasi silang pemajan dan status sakit, insidens sakit dan Probabilitas
odds sakit
Status sakit

Pemajan Sakit Tidak Total Insiden sakit Probabilitas odds sakit

sakit (Risk)

+ a b a+b a/(a+b)

- c d c+d c/(c+d)

Total a+c b+d a+b+c+d

Pada penyelidikan KLB diare akut, ukuran
apa yang digunakan untuk menilai sebab
makanan yang diduga menjadi penyebab?
Diare Tidak diare Jumlah
Makan X a b a+b
Tidak makan X c d c+d
Jumlah a+c b+d a+b+c+d

➢ AR = menilai besarnya insiden diare akibat

makan makanan X (diduga penyebab)
➢ PAR = menilai resiko relatif makanan X
terhadap keseluruhan kejadian diare
 SEKIAN
DAN
TERIMA KASIH