UTS Epidemiologi
UTS Epidemiologi
VETERINER
Abdul Zahid Ilyas
Laboratorium Epidemiologi
Studi mengenai frekuensi, distribusi dan determinan dari kesehatan dan penyakit
dalam populasi
2. Unit Dasar dalam Studi Epidemiologi : POPULASI
Komposisi Populasi
Penting diketahui terutama jika hendak membandingkan tingkat
penyakit/kematian akibat penyakit tertentu pada dua atau lebih populasi yang
berbeda.
Contoh komposisi: umur, breed, jenis kelamin, pola manajemen peternakan, dsb.
Population at risk : kelompok individu yang berisiko terhadap penyakit yang disidik.
3. Tujuan
• Evans’ Postulates
• Landasan Koch’s
Postulates • Formulasi Jhon
Filosofi
Stuart Mill
8. Penentuan Penyebab Penyakit Infeksius
Daerah A a, b, c, d, n Ada
Faktor n diduga
Daerah B e, f, g, h, n Ada sebagai penyebab
penyakit X
Daerah C i, j, k, l, n Ada
2. Method of Difference
Jika keadaan dimana penyakit terjadi mirip dengan keadaan dimana
penyakit tidak terjadi, kecuali untuk faktor tertentu, maka faktor diduga
menjadi penyebab penyakit
4. Method Of Analogy
Jika distribusi penyakit cukup serupa dengan penyakit yang telah dikenal,
maka penyakit yang telah dikenal diduga menjadi penyebab umum
pada penyakit yang lain
5. Method Of Residue
Jika sebuah faktor menjelaskan hanya X% dari kejadian penyakit, faktor
yang lain harus diidentifikasi untuk menjelaskan sisanya (100 – X%)
Postulat Evans (1978)
1) Proporsi individu yang sakit secara nyata lebih tinggi pada kelompok yang
terpapar kausa dugaan daripada yang tidak terpapar
2) Pemaparan terhadap kausa dugaan terdapat lebih umum pada kasus penyakit
daripada tanpa penyakit
3) Jumlah kasus baru penyakit secara nyata lebih tinggi pada kelompok yang
terpapar kausa dugaan daripada yang tidak terpapar
KONSEP DASAR
EPIDEMIOLOGI
Bahan Kuliah
Mata Kuliah Epidemiologi dan Ekonomi Veteriner
FKH IPB
Teori
Penyebab Kejadian Penyakit
LINGKUNGAN
PENYAKIT
HOST AGEN
2
Dari sudut pandang segitiga epidemiologi, inang,
agen, dan lingkungan dapat berada bersama
secara harmonis
A Papan H
L L
jungkat-jungkit
A H
misal ada bencana alam,
shgg imun host menjadi terdepres
A L
H
1
L A L
H
5 4
Dr. John Gordon
Teori
Penyebab Kejadian Penyakit
Peranan inti
genetik pada
host penyakit
Menonjolkan
Genetic
Core peranan hubungan
antara host dengan
lingkungan
hidupnya
5
Teori
Penyebab Kejadian Penyakit
Faktor 8
Faktor 3
Faktor 9 Faktor 1
Faktor 4
Faktor 10 Penyakit
Faktor 5 X
Faktor 11
Faktor 6 Faktor 2
Faktor 12
Faktor 7
8
memperbanyak dan harus punya jalan ke luar
menyebarkan
11
Riwayat Alamiah Penyakit
Natural History of Disease
12
TINGKATAN RIWAYAT ALAMIAH PENYAKIT
Eksposure/ Onset
Pamajanan Symptoms
onset setelah paparan
Periode Inkubasi
Perubahan Waktu
Patologis Diagnosis
13
Dinamika Penyakit
T I M E
Rentan Periode Periode Non Infeksius
Laten Infeksius - Dihilangkan
- Mati
Waktu Infeksi dapat Infeksi tidak - Pulih
Infeksi transimisi dapat transimisi
Dinamika Penularan
olahraga, vaksin 15
dilakukan pada masa klinis
Status dan Spektrum Penyakit dalam Populasi
Status Tidak
Terpapar
Paparan terpapar
Status Tidak
Terinfeksi Sembuh
Infeksi terinfeksi
Sub
Klinis
Klinis
Status
Penyakit Morbiditas Mortalitas
17
Penyakit Klinis VS Subklinis dalam Populasi
“ Fenomena Gunung Es ”
18
Kekebalan Kelompok – Herd Immunity
19
Kekebalan Kelompok – Herd Immunity
20
Kekebalan Kelompok – Herd Immunity
21
TRANSMISSION AND
MAINTENANCE OF INFECTION
Penularan dan
Pemeliharaan Infeksi
22
PENULARAN PENYAKIT
Langsung
(Direct)
Transmisi
Horizontal
Tidak Langsung
(Indirect)
Transmisi
Penyakit
Herediter
Transmisi
Vertikal
Kongenital
23
PENULARAN PENYAKIT
24
Lingkungan
Eksternal
Host Host
Langsung
Terinfeksi Rentan
Vektor
Tidak
Langsung 25
Tipe Inang Penyakit
• Inang definitif
• Inang akhir / Final host
• Inang primer / Primary host = natural host =
maintenance host
• Inang sekunder / Secondary host = aberrant host
• Inang paratenic = mechanical vector
• Inang intermediate
• Inang amplifier
• Reservoir (reservoir host) = source of infection
26
Vektor
Vektor
27
Kontak fisik dengan
host yang terinfeksi
- Infeksi Rabies
- gigitan
- cakaran oleh host yang terinfeksi
Vektor Biologis
Vektor Mekanik perkembangan /
perbanyakan / keduanya
Agen infeksius mengalami
Memindahkan agen sebagian siklus hidup atau
infeksius secara fisik perbanyakan sebelum
dipindahkan ke inang
tanpa memperbanyak agen infeksius
29
Developmental Propagative
Transmission Transmisson
Cyclopropagative
Transmission
Herediter Kongenital
31
Rute INFEKSI
RUTE Infeksi
1. Rute Oral
- Siklus transmisi fekal-oral
2. Rute Respirasi
3. Rute melalui kulit, kornea dan membran mukosa
32
Pintu Masuk dan Keluar
Bibit Penyakit
33
Metode Transmisi/Penularan
Ada 6 metode transmisi yang membawa agen infeksius
menjadi berkontak dengan tempat infeksi yaitu :
1 Ingestion
Salmonella spp
2 Aerial Transmission
Foot and Mouth Disease
Kontak
3 Rabies
Inokulasi
4 Trypanosoma melalui lalat tsetse
Transmisi Iatrogenik
5 rabies mll transplantasi kornea
tindakan medis
6 Coitus
African Swine Fever 34
PEMELIHARAAN INFEKSI
Bahaya
Lingkungan Internal
AGEN
Bahaya
Lingkungan Eksternal
36
Penghindaran Tahap di Lingkungan Luar
Ex : melalui vertikal, venerial dan vektor
Bentuk resisten
Ex: Bacillus membentuk spora
1. Sporadik
2. Endemik
3. Epidemik
4. Pandemik
39
Sporadik
Kasus penyakit dalam periode waktu tertentu
(musim, tahun dan bisa lebih lama) sangat jarang
kejadiannya atau frekuensinya tidak teratur sehingga
kejadiannya tidak bisa diramalkan
40
hewan
manusia
41
Penyakit Epidemik atau Epizootik
44
45
Distribusi Spatial
- Regular
- Random
- Contagious
46
Pola Distribusi Spatial
50
51
Determinan Penyakit
53
Determinan Primer
Faktor yang
berpengaruh besar
terhadap kejadian
penyakit
Determinan Sekunder
Faktor yang menjadi
predisposisi penyakit
Determinan Intrinsik dan Ekstrinsik
Determinan Intrinsik-endogenous
55
56
Determinan berhubungan dengan
Agen, Inang dan Lingkungan
Determinan Inang :
Genotipe
Umur
Jenis Kelamin
Spesies dan breed (jenis dan bangsa)
Dan lain sebagianya
57
Determinan Inang
1. Bangsa dan Jenis
Bangsa :
- Antraks dan Rabies
- Mareks, Gumboro,EDS
Jenis :
- Anjing: Distemper
- Kucing: Panleukopenia
- Sapi : Ramadewa/Jembrana tidak bisa menginfeksi sapi lain
2. Jenis Kelamin
- Betina : Brucellosis, Trichomonas foetus, Vibrio foetus
3. Umur
- Distemper pada anjing : < 2 tahun
- IBD pada unggas : < 3 bulan
yang masih memiliki bursa fabricius
58
Determinan berhubungan dengan
Agen, Inang dan Lingkungan
Determinan Agen:
59
Determinan berhubungan dengan
Agen, Inang dan Lingkungan
Determinan Lingkungan:
60
Determinan Penyakit Mastitis
Cow pathogen
Anatomy
Resisten
Mekanisme atau Toksin
pertahanan rentan
intramamary Faktor virulensi
Peningkatan Resistensi
Tingkatan risiko
Lactation penyakit antimikrobial
Stres atau
Umur kerusakan Exposure and
ujung puting transmission
lingkungan
KONSEP DASAR
EPIDEMIOLOGI
Laboratorium Epidemiologi
Divisi Kesehatan Masyarakat Veteriner dan Epidemiologi
Departemen Ilmu Penyakit Hewan dan Kesmavet
Fakultas Kedokteran Hewan IPB
62
Teknik Penarikan Contoh
Bahan Kuliah Epidemiologi dan Ekonomi Veteriner (IPH 414)
FKH IPB
Terencana Tak
Terencana
Sensus:
• Mengumpulkan informasi dari setiap
individu di dalam populasi
Penarikan contoh:
• Menyeleksi sebagian kecil dari populasi
Mengapa dilakukan penarikan contoh?
• Biaya lebih rendah
• Waktu lebih singkat
• Tidak mungkin dilakukan pengumpulan data
pada seluruh anggota populasi
• Pengukuran kemungkinan akan lebih baik
dilakukan pada contoh daripada pada populasi
• Contoh yang representatif dapat memberikan
inferensia statistika mengenai populasi
Populasi Target
Populasi dimana akan dilakukan
generalisasi hasil penelitian yang
diperoleh
Misalnya:
• Populasi sapi laktasi di Kabupaten
Bogor
• Populasi peternak domba di Kabupaten
Sukabumi
• Populasi peternakan ayam komersial
Unit Penarikan Contoh
Unit dasar dimana prosedur penarikan contoh akan
dilakukan
• Individu: Ternak
• Kelompok: Flock, Farm, desa
• Komponen: Mata, kloakal
Kerangka Penarikan Contoh
Daftar lengkap seluruh unit
penarikan contoh dalam suatu
populasi
Misalnya:
• Katalog
• Peta
• Rekam medik
• Data sensus
Sampling
Acak
Convenience sederhana
Purposive Sistematik
Snowball
Berstrata
Quota Sampling Cluster
Mana yang terbaik?
• Teknik pengambilan sampel dengan bantuan key-informan. Key-informan ini membantu atau
akan dapat berkembang berdasarkan petunjuk yang diberikan olehnya. Dalam hal ini, peneliti
hanya mengungkapkan kriteria sebagai persyaratan untuk dijadikan sampel.
• Merupakan salah satu cara yang dapat diandalkan dan sangat bermanfaat dalam menemukan
responden yang dimaksud sebagai sasaran penelitian melalui keterkaitan hubungan dalam suatu
jaringan, sehingga dapat tercapai besaran sampel yang diperlukan.
Quota Sampling
• Teknik pengambilan sample yang
dilakukan dengan cara menentukan
klasifikasi sesuai ciri khas tertentu
hingga mencapai kuota yang
diperlukan.
• peneliti akan membagi populasi total
dalam beberapa kategori yang
berbeda dan kemudian akan diambil
sample dari masing-masing kelompok.
Quota Sampling Tahapan:
1. Membagi populasi sesuai dengan
karakteristik masing-masing individu;
2. Setelah populasi dibagi dalam sub-
grup, peneliti melakukan identifikasi
terkait proporsi masing-masing
kelompok dengan pertimbangan
populasi secara keseluruhan. Tahap
ini akan berpengaruh pada proses
pengambilan sampel.
3. Melakukan analisis tingkat akhir
terkait perbandingan proporsi sub-
grup dengan total populasi.
Contoh Acak
Contoh acak:
• Hasil merupakan generalisasi
terhadap populasi
• Hasil tidak berbias
Metode Sampling Acak (Probability
Sampling)
Acak sederhana (Simple Random Sampling)
• Melakukan pemilihan sejumlah
anggota populasi secara acak dari
seluruh anggota populasi yang ada.
• Harus tersedia sampling frame
• Setiap anggota populasi di dalam
kerangka penarikan contoh diberi
nomor 1, 2, 3, …, N, kemudian
contoh dipilih secara acak dari N
anggota populasi tersebut.
Pengacakan bisa menggunakan
daftar bilangan teracak (DBT),
kalkulator, komputer, dsb.
• Keuntungan:
Mudah
Sederhana
Representatif
• Kekurangan:
Kerangka penarikan
contoh harus tersedia
Sulit untuk populasi yang
besar
Acak Sistematik (Systematic Random Sampling)
• Penarikan sampel dilakukan
dengan selang tertentu;
• sampel pertama dipilih
secara acak dari individu-
individu yang terdapat pada
selang pertama;
• kemudian contoh berikutnya
diambil dengan selang
tertentu sampai terambil
sejumlah sampel yang telah
ditentukan.
Contoh dipilih pada interval (selang) tertetentu. Contoh yang
terpilih adalah pada setiap selang ke-k, adapun
Ukuran populasi
K=
Ukuran contoh yang diinginkan
Keuntungan:
Praktis
Tidak memerlukan
sampling frame
Kekurangan:
Hati-hati untuk populasi
yang bersifat periodik
Sulit untuk populasi yang
besar
Acak Berstrata (Stratified Random sampling)
• Populasi dibagi-bagi dalam
beberapa strata tergantung pada
tujuan kajian yang dilakukan.
• Starata yang digunakan biasanya
berkaitan dengan penyakit yang
diteliti, berdasarkan sifat-sifat
hospes (misal: ras), sifat
lingkungan (misal: skala usaha
peternakan), atau wilayah
geografis.
• Selanjutnya, sampel dipilih pada
setiap strata dengan
menggunakan p.c.a sederhana
atau sistematik.
• Alasan melakukan
stratifikasi:
1. Untuk menghitung
estimasi pada setiap
strata selain pada
populasi
2. Secara operasional lebih
mudah dilaksanakan
3. Mendapatkan hasil
dugaan yang lebih tepat
karena keragaman yang
rendah.
Keuntungan:
Contoh dapat menggambarkan
populasi keseluruhan
Keragaman kecil galat kecil
Kekurangan:
Status unit penarikan contoh
harus diketahui sebelumnya
Acak Bergerombol (Cluster Random Sampling)
• Pemilihan sampel dilakukan bukan
pada individu ternak atau satuan
penarikan contoh, tetapi sekelompok
unit penarikan sampel
• Lalu sebagian atau seluruh anggota
kelompok tersebut dipilih sebagai
sampel.
• Pada umumnya sampel dipilih dua
tahap atau disebut two-stage
sampling, yaitu tahap pertama
memilih desa atau peternakan dan
tahap berikutnya adalah memilih
ternak di desa atau peternakan
terpilih.
Cluster Sampling vs Stratified Sampling
Peluang terpilihnya 1
Desa Populasi Farm farm
1 200 1/200 or 0.5%
2 100 1/100 or 1%
3 500 1/500 or 0.2%
Kekurangan:
Galat besar
Besaran Sampel (Sample Size)
• Besaran sampel ≠ jumlah
sampel
• Besarannya ditentukan oleh:
• Tujuan survey
• Metode penarikan contoh
yang digunakan
• Tingkat ketelitian yang
diharapkan
• Tingkat ketepatan yang
diharapkan
Hubungan antara Besaran Sampel dan Besarnya Galat
(Error)
Galat (error)
Besaran sampel
Besaran sampel pada cross sectional
study (survey)
a.Besaran sampel untuk menduga
prevalensi penyakit
Metode sampling: Penarikan contoh acak
sederhana
Untuk populasi tak terhingga pada tingkat
kepercayaan 95%:
n = 4pq/L2
p = prevalensi dugaan
q=1–p
L = Kesalahan maksimum yang bisa
diterima
Pada populasi ‘kecil’ (terhingga)
1/n = 1/n* + 1/N
n = ukuran contoh
n*= ukuran contoh pada populasi tak hingga
N = ukuran populasi
b. Besaran sampel untuk menduga
keberadaan penyakit (detection of
disease)
n = [1-(1-a)1/D] [N-(D-1)/2]
n = ukuran contoh
D = Minimum jumlah hewan terinfeksi
yang terdeteksi D/N=minimum
expected prevalence
N = ukuran populasi
a = tingkat kepercayaan
Prevalensi harapan minimum (minimum expected
prevalence)
Ilustrasi:
• Sebuah outbreak rinderpest pada sapi terjadi dalam suatu daerah yang
semula bebas. Empat desa tetangganya terkena juga, dan populasi semua
sapi di desa tersebut disembelih untuk membebaskan dari penyakit
tersebut. Semua desa dalam radius 10 km diperiksa secara klinis dan
serologis untuk mencari kemungkinan adanya infeksi rinderpest. Tak
seekorpun sapi divaksinasi, sehingga kalau ada rinderpest yang menyerang
desa-desa ini, maka penyebaran penyakitnya akan terjadi sangat cepat, dan
mempengaruhi sebagian besar ternak sapi di desa, mungkin lebih dari
50%. Sangat tidak umum kalau hanya 10% atau kurang hewan di desa
tersebut yang terinfeksi oleh penyakit menular seperti rinderpest.
• Maka prevalensi harapan minimum adalah 10%
c. Besaran sampel untuk menduga rataan
populasi
Pengukuran Kejadian
Penyakit
Oleh Drh. Abdul Zahid Ilyas, MSi
Rasio:
• Perbandingan dua buah nilai (suatu nilai dibagi dengan nilai yang lain)
• Ratio =
𝑎
𝑏
→ a dan b mutually exlcusive
Proporsi:
• Bentuk khusus dari rasio, yaitu nilai pembilangnya merupakan himpunan
bagian dari penyebutnya
𝑎
• Proporsi =
𝑎+𝑏
5
• Biasanya disajikan dalam persen
• Rasio dapat diubah menjadi proporsi
36
Jantan
(20%)
Jika rasio jantan dan betina 1:4, maka proporsi
betina: 1/(1+4)= 20% & proporsi jantan: 4/(1+4)= 80%
144 Betina
(80%)
6
Rate:
• Suatu rasio yang mengekspresikan suatu perubahan dalam nilai
pembilang terhadap penyebutnya
• Waktu selalu tercakup daam penyebut
𝒂
• Rate = 𝒙 → a termasuk dalam x; x mencerminkan waktu populasi
ETC : Periode waktu studi/penelitian
ITC : Periode waktu pengukuran penyakit
yang lamanya lebih pendek atau sama
dengan periode waktu studi
External Time
Component Ilustrasi:
(ETC) vs
Internal Time
Component
(ITC)
7
8
1. Prevalence (Crude Prevalence Proportion)
Jumlah individu sakit dalam suatu populasi pada
suatu titik waktu tertentu (tanpa membedakan
kasus lama atau kasus baru)
Tingkat 𝐽𝑢𝑚𝑙𝑎ℎ 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑠𝑎𝑘𝑖𝑡 𝑝𝑎𝑑𝑎 𝑡𝑖𝑡𝑖𝑘 𝑤𝑎𝑘𝑡𝑢 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢
Kesakitan 𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑠𝑖 (𝑃) =
𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑒𝑟𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝑡𝑖𝑡𝑖𝑘 𝑤𝑎𝑘𝑡𝑢 𝑦𝑔 𝑠𝑎𝑚𝑎
(Morbidity Ilustrasi:
Rate) 10 ekor dari 100 ekor sapi perah di satu
peternakan pada 1 Sept 2021 menderita
kelumpuhan, maka prevalensi kelumpuhan di
peternakan tersebut adalah = (10/100) x 100%
= 0.10 =10%
Ilustrasi Prevalensi 9
Survei: 1 September, 2021
2. Insidensi
Menggambarkan jumlah kasus baru
yang terjadi di dalam suatu populasi
Tingkat selama periode waktu tertentu.
Kesakitan
(Morbidity Mengukur pergerakan individu dari status
bebas penyakit ke status sakit.
Rate)
Dua tipe ukuran insidensi: Cumulative
Incidence dan Incidence Rate
11
Insidensi Kumulatif (Cumulative Incidence/CI)
Disebut juga risk rate (Rr) : Estimasi langsung probabilitas kejadian penyakit selama
periode penelitian.
Memiliki interpretasi terhadap individu dan populasi. Nilai 0-1, atau 0-100%.
Prasyarat :
• Resiko setiap individu/hewan dihitung penuh sejak awal periode pengamatan
• Tidak ada penambahan individu selama pengamatan (jumlah resiko awal)
Cara 1:
= 2/(1+0.33+0.67)
= 2/2 = 1 kasus per ekor-tahun
Cara 2:
=2/{[(3+1)/2]x1}
=2/2 = 1kasus per ekor-tahun
Hampir sama dengan insidensi, tetapi digunakan jika periode risiko terpapar penyakit
sangat singkat, misal: akibat keracunan makanan, air dsb.
Keterangan :
sr : Nilai spesifik pada populasi yang dipelajari
S : Jumlah kelompok spesifik dalam populasi standar
N : Jumlah total dalam populasi standar (N=S1+S2+…..Sn)
24
Ilustrasi: Crude Measure, Specific
Measure, dan Adjustment of Rate
Peternakan Periode Laktasi (PL) Jml Ternak (ekor) Jml Kasus Insidensi
- PL Pertama 600 12 0.02
A - PL Kedua 200 8 0.04
- PL Ketiga 200 20 0.10
- PL Pertama 100 2 0.02
B - PL Kedua 100 4 0.04
- PL Ketiga 400 40 0.10
= 1 + 1 + 2.5
= 4.5
Peternakan A = sama
Peternakan A:
Jumlah penyakit berdasarkan populasi standard:
- PL-Pertama = 0.02 x 1000 = 20
- PL-Kedua = 0.04 x 500 = 20
- PL-Ketiga = 0.10 x 500 = 50
Total Kasus = 90
Total Pop Standard = 2000
90
Insidensi = = 4.5 per-100
2000
Peternakan B: sama
28
Terima Kasih
1
Uji Diagnostik
(Screening Test)
(1). Repeatability : Kemampuan dari suatu uji untuk memberikan hasil yang konsisten
(1) Positif Uji : Proporsi dari positif uji yang benar-benar terinfeksi
penyakit
(2) Negatif Uji : Proporsi dari negatif uji yang benar-benar tidak
terinfeksi penyakit
8
Ilustrasi Tabel 2 x 2 : Penurunan Rumus
Penyakit (D)
+ -
+ a b a+b
Hasil Uji (T)
- c d c+d
a+c b+d n
Akurasi : (a+d)/n
Proporsi hewan yang status penyakitnya
teridentifikasi secara tepat oleh uji
Misklasifikasi : (b+c)/n
Proporsi hewan yang status penyakitnya tidak
teridentifikasi secara tepat oleh uji
F. Kesalahan dalam Pengujian 11
% Hewan
Ambang
d a
c b
Titer
% Hewan
d a
c b
Titer
Sakit
+ - Total
Uji + 90 90 180
- 10 810 820
Total 100 900 1000
Sakit
+ - Total
Uji + 9 99 108
- 1 891 892
Total 10 990 1000
Sensitivitas
Spesifitas
True Prevalence
I. Faktor Koreksi :
Jika Se dan Sp diketahui maka True Prevalence dapat dihitung berdasarkan
prevalensi studi (estimated prevalence)
(0,108 + 0,90 − 1)
Dari Contoh 2 : TP = = 𝟏%
(0,90 + 0,90 − 1)
J. Bagaimana Mengatasi Permasalahan dalam Uji Diagnostik ? 16
Contoh (3) : Hasil uji diagnostik dengan Sensitivity= 95%, Specificity= 85%, True
Prevalence = 1% dan populasi 10.000
Penyakit
+ - Total
+ 95 1485 1580
Uji I
- 5 8415 8420
Total 100 9900 10000
Penyakit
+ - Total
+ 90 30 120
Uji II
- 5 1455 1460
Total 95 1485 1580
Interpretasi Paralel :
- Jika salah satu atau kedua uji menyatakan positif maka hewan dianggap
positif terhadap penyakit
- Meningkatkan sensitivitas dan nilai prediktif negatif uji dibandingkan dengan
uji tunggal
Interpretasi Serial :
- Jika hasil setiap uji (dua atau lebih) menyatakan positif maka hewan baru
dianggap positif terhadap penyakit
- Meningkatkan spesifisitas dan nilai prediktif positif uji dibandingkan dengan uji
tunggal
Ilustrasi: 19
Sensitivitas Spesifisitas
Interpretasi Paralel : 150/200 = 75% 7620/7800 = 97.7%
Interpretasi Serial : 70/200 = 35% 7770/7800 = 99,6%
Awal :
Sakit
+ -
+ 100 100 200
Uji I
- 100 7700 7800
Se = 100/200 = 50%
200 7800 Sp = 7700/7800 = 98.7%
Sakit
+ -
+ 120 110 230 Se = 120/200 = 60%
Uji II Sp = 7690/7800 = 98.6%
- 80 7690 7770
200 7800 8000
Interpretasi Paralel : 22
Sakit
+ -
+ 150 180 330
Uji
(I & II) - 50 7620 7670 Se = 150/200 = 75%
200 7800 8000 Sp = 7620/7800 = 97,7%
Interpretasi Serial :
Sakit
+ -
+ 70 30 100
Uji
(I & II) - 130 7770 7900 Se = 70/200 = 35%
200 7800 8000 Sp = 7770/7800 = 99,6%
23
Terima Kasih
Departemen Ilmu Penyakit Hewan dan Kesmavet
Fakultas Kedokteran Hewan
Statistika Deskriptif
Etih Sudarnika
Divisi Kesmavet dan Epidemiologi, FKH IPB
Tipe Data
Data
Kategorik Numerik
Ukuran Ukuran
Skala Proporsi
Pemusatan Penyebaran
Nominal Ya tidak tidak
Ordinal ya tidak tidak
Interval Ya, tetapi harus Ya Ya
dikategorikan dahulu
Rasio Ya, tetapi harus Ya Ya
dikategorikan dahulu
Ukuran Pemusatan
Menggambarkan lokasi pemusatan data
modus, median, rata-rata, dan rata-rata
geometrik
Memilih ukuran terbaik untuk digunakan pada
distribusi tertentu sangat bergantung pada dua
faktor:
➢ Bentuk atau kemiringan distribusinya
➢ Tujuan penggunaan.
Modus
Nilai yang paling banyak muncul dari suatu set data
Ditentukan hanya dengan menghitung berapa kali setiap
nilai muncul
Contoh:
0, 0, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4
Modus: 3
Modus
➢ Menunjukkan nilai mana yang paling umum
➢ Merupakan ukuran "deskriptif". Tidak digunakan dalam
manipulasi atau analisis statistik.
➢ Tidak terpengaruh oleh nilai ekstrim (pencilan)
Median
Nilai tengah dari sekumpulan data yang telah diurutkan
(persentil ke-50)
Posisi median: (n+1)/2
Contoh:
2, 0, 3, 1, 0, 1, 2, 2, 4, 8, 1, 3, 3, 12, 1, 6, 2, 5, 1
1. Urutkan.
0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 5, 6, 8, 12
2. Tentukan posisinya, yaitu urutan ke-: (19 + 1) ⁄ 2 = 10
3. Tentukan nilai pada posisi tersebut.
0, 0, 1, 1, 1, 1, 1, 2, 2, *2*, 2, 3, 3, 3, 4, 5, 6, 8, 12
median = 2
Median
➢ Median adalah ukuran deskriptif yang baik, terutama untuk data
yang tidak simetris, karena merupakan titik pusat distribusi.
➢ Median relatif mudah diidentifikasi.
➢ Median, seperti modus, umumnya tidak dipengaruhi oleh nilai
ekstrim (pencilan)
➢ Jarang digunakan dalam manipulasi dan analisis statistik.
Rata-rata
Nilai yang paling dekat dengan semua nilai lain dalam
sebuah distribusi.
Metode untuk menghitung rata-rata:
➢ Langkah 1. Tambahkan semua nilai yang diamati dalam distribusi.
➢ Langkah 2. Bagilah jumlah tersebut dengan jumlah pengamatan.
Rata-rata
Karena sifat pemusatannya, rataan disebut juga pusat
gravitasi dari suatu distribusi frekuensi. Jika distribusi
frekuensi diplot pada grafik, dan grafik diseimbangkan pada
titik tumpu, rata-rata merupakan titik di mana distribusi
akan seimbang.
Rata-rata adalah ukuran deskriptif terbaik untuk data yang
terdistribusi normal.
Tidak baik untuk data yang tidak simetris atau memiliki
nilai ekstrim.
Rata-rata Geometrik
Rata-rata sekumpulan data yang diukur pada skala
logaritmik.
Untuk menghitung rata-rata geometris, Anda memerlukan
kalkulator ilmiah dengan tombol log dan yx.
Rata-rata Geometrik
Ada dua metode untuk menghitung rata-rata geometris.
➢ Hitung logaritma setiap nilai.
➢ Hitung rata-rata nilai log dengan menjumlahkan nilai log, lalu
membaginya dengan jumlah pengamatan.
➢ Ambil antilog nilai log rata-rata untuk mendapatkan mean
geometris.
Rata-rata Geometrik
Contoh:
Hitunglah nilai rata-rata geometric dari data berikut ini:
10, 10, 100, 100, 100, 100, 10,000, 100,000, 100,000, 1,000,000
log10(xi) = 1, 1, 2, 2, 2, 2, 4, 5, 5, 6
Rata-rata log10(xi) = (1+1+2+2+2+2+4+5+5+6) / 10 = 30 / 10 = 3
1. Antilog10(3) = 103 = 1,000.
2. Rata-rata geometrik = 1,000.
Rata-rata Geometrik
Rata-rata geometrik adalah ukuran pilihan untuk variabel
yang diukur pada skala eksponensial atau logaritmik,
seperti titer antibodi.
Rata-rata geometrik sering digunakan untuk sampel
lingkungan, ketika level dapat berkisar pada beberapa kali
lipat. Misalnya, tingkat koliform dalam sampel yang diambil
dari suatu badan air dapat berkisar dari kurang dari 100
hingga lebih dari 100.000.
Memilih ukuran yang tepat
SE = s / n
Bagaimana menghitung selang
kepercayaan untuk rataan?
x t / 2, SE
atau
x t / 2 , s / n
Data Kualitatif (Data Kategori)
Ringkasan data
➢ Proporsi contoh (p) sebagai penduga
proporsi populasi
Cara menghitung p:
➢ Hitung jumlah dengan karakteristik yang
dipilih (x) lalu bagi dengan jumlah total
(n).
➢ Mis., # ayam positif AI → x
➢ skor/jumlah total unggas yang diamati →
n
Simpangan baku untuk p:
p(1 − p)
n
Selang kepercayaan untuk p
1 Breeding Farm 3
2 Hatchery 2
5 Broiler sector 3 35
6 Layer sector 3 5
Jumlah 69
No Jenis Poultry Jumlah Persentase
2 Hatchery 2 2.9%
Jumlah 69 100.0%
Sapi Sapi
Kambing/Domba Kerbau
Tahun Perah Potong
(ekor) (ekor)
(ekor) (ekor)
2000 5000 500 1200 120
2001 5500 375 1250 100
Lebih dari 1 2002 5500 400 2500 121
2003 4500 450 3000 150
variabel 2004 5500 455 3550 122
2005 6000 500 4650 145
2006 6500 600 4500 155
2007 6800 675 4000 155
2008 7500 700 4675 160
2009 8100 750 4870 175
Tidak Terinfeksi
Biosekuriti Terinfeksi AI Total
AI
Buruk 75 15 90
Tabel
Kontingensi Sedang 60 40 100
• Menunjukkan 45-54
≥55
------ (……)
------ (……)
bagaimana data Not answer
Formal Education
------ (……)
Tingkat
Jumlah Persen
Pendidikan
Tidak sekolah 12 8
SD 43 29
SMP 65 43
SMA 17 11
Universitas 13 9
Total 150 100
Variabel Nominal
Layer 22 18
Broiler 78 65
Breeding 3 3
Hatchery 17 14
Total 120 100
Pembuatan Grafik
• Grafik menampilkan data numerik dalam bentuk
visual
Grafik • Grafik dapat menampilkan pola, tren,
penyimpangan, persamaan, dan perbedaan
dalam data yang mungkin tidak terlihat dalam
tabel
• Grafik dapat menjadi alat penting untuk
menganalisis dan memahami data
• Grafik sering kali merupakan cara yang efektif
untuk menyajikan data kepada orang lain yang
kurang memahami data tersebut.
• Pastikan bahwa grafik dapat berdiri sendiri dengan
memberi label yang jelas pada judul, sumber, sumbu,
skala, dan legenda;
Membuat • Identifikasi variabel digambarkan dengan jelas
Grafik (legenda, judul sumbu, dll), termasuk satuan ukuran;
• Minimalkan jumlah garis pada grafik
• Umumnya menggambarkan frekuensi pada skala
vertikal, dimulai dari nol, dan variabel klasifikasi pada
skala horizontal
• Pastikan skala untuk setiap sumbu sesuai untuk data
yang disajikan
• Beri keterangan singkatan atau simbol apa pun
• Beri keterangan jika ada data apa yang dikecualikan
• Menunjukkan pola atau tren pada beberapa
variabel, seringkali waktu;
• Secara epidemiologi, grafik jenis ini digunakan
Grafik Garis untuk menampilkan beberapa data series dan
untuk membandingkan data series tersebut;
• Grafik garis dapat menampilkan angka,
kecepatan, proporsi, atau ukuran kuantitatif
lainnya pada sumbu y.
• Umumnya, sumbu x untuk grafik ini digunakan
untuk menggambarkan periode waktu terjadinya,
pengumpulan, atau pelaporan data (misalnya,
hari, minggu, bulan, atau tahun)
Histogram adalah grafik distribusi frekuensi suatu
variabel kontinu, berdasarkan interval kelas
Luas setiap kolom sebanding dengan jumlah
pengamatan dalam interval tersebut
Kurva epidemi adalah histogram yang menampilkan
jumlah kasus penyakit selama wabah atau epidemi
berdasarkan waktu onset
Sumbu y mewakili jumlah kasus; sumbu x mewakili
tanggal dan / atau waktu onset penyakit
Histogram
Bobot
Bobot badan
badan anakumur
pedet babi3umur tiga(kg)
minggu minggu
16
Frekuensi
14
12
10
0
2.55 - 3.05 3.55 - 4.05 4.55 - 5.05 5.55 - 6.05
3.05 - 3.55 4.05 - 4.55 5.05 - 5.55 6.05 - 6.55
Bobotbadan
Bobot badan (kg)
(kg)
Poligon, seperti histogram, adalah grafik distribusi
frekuensi;
Dalam poligon, jumlah pengamatan dalam suatu
interval ditandai dengan satu titik yang ditempatkan
di titik tengah interval;
Setiap titik kemudian dihubungkan ke titik
berikutnya dengan garis lurus;
Poligon frekuensi berisi area yang sama di bawah
garis seperti halnya histogram dari data yang sama
POLIGON
Bobot
Bobotbadan
badananak babiumur
pedet
pedet umur 3
tiga minggu
minggu
16
14
12
frekuensi
10
8
6
4
2
0
2.3 2.8 3.3 3.8 4.3 4.8 5.3 5.8 6.3 6.8
Bobot badan (kg)
Perbedaan Poligon dengan grafik garis:
Poligon (atau histogram) digunakan untuk menampilkan
2
A B
Jenis ras
Jumlah laporan sindrom harian di i-SIKHNAS per tahun
“Visualization gives you answers to
questions you didn’t know you had.”
– Ben Schneiderman
Laboratorium Epidemiologi
Divisi Kesmavet dan Epidemiologi
Departemen IPHK, FKH IPB
Jl Agatis Kampus IPB Dramaga Bogor 16680
Telp.: 0251-8628811
E-mail: epidemiologi_fkhipb@apps.ipb.ac.id