PANDUAN VALIDASI DATA MUTU DAN KESELAMATAN PASIEN

BAB 1

DEFINISI

Validasi merupakan derajad ketepatan antara data yang terjadi pada obyek yang diukur dengan
data yang dapat dilaporkan oleh pengumpul data. Dengan demikian, data yang valid adalah data
yang tidak berbeda antar data yang dilaporkan oleh pengumpul data dengan data yang
sesungguhnya terjadi pada obyek yang diukur..

Menurut Azwar ( 1986) validitas berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya.
Bailey mengatakan : “ The validity of measuring instrument may be defined as the extent to
which difference in scores on it reflects true differences among individuals on the
characteristic that we seek to measure, rather than constant or random errors.

Berdasarkan pengertian menurut Bailey diatas, validasi mengandung dua unsur, yaitu :
(1) bahwa instrumen pengukuran adalah mengukur secara aktual konsep dalam
pertanyaan, dan bukan berupa konsep lain; dan (2) bahwa konsep dapat diukur secara
akurat.
Dengan demikian, data yang valid dapat diperoleh melalui alat ukur yang valid ( alat ukur yang
betul - betul dapat mengukur objek yang diukur) dan proses pengumpulan data yang benar
(menggunakan teknik pengukuran yang sama oleh dua orang yang berbeda, yaitu pengumpulan
data dan validator )

Yang dimaksud validasi data dalam panduan ini adalah membandingkan hasil data
yang dikumpulkan oleh pengumpul data ( orang pertama) dengan hasil data yang dikumpulkan
oleh validator (orang kedua). Apabila tingkatkeakuratannya ± 90 %, maka data yang
dikumpulkan dapat dikatakan akurat (valid)
 BAB II

RUANG LINGKUP

Ruang Lingkup Panduan Validasi data meliputi latar belakang yang menguraikan
justifikasi atau alasan mengapa panduan tersebut disusun, maksud dan tujuan darI panduan
validasi data, tata laksana merupakan cara atau langkah - langkah validasi data, dan dokumentasi
dari validasi data.

.
 BAB III

TATA LAKSANA

Kapan data akan divalidasi :

1. Indikator baru diimplementasi / a new measure is implemented.

2. Data akan dipublikasikan pada website RS atau dengan cara lain/ data will e made public
on the organization website or in other way;
3. Ada perubahan terhadap pengukuran saat ini, misal perubahan tool/ proses pegumpulan
data/ perubahan individu yang mengumpulkan data / a change has been made to an
existing measure.
4. Data yang dihasilkan dari indikator yang ada telah berubah tanpa dapat dijelaskan/ the
data resulting rom an exiting measure his changed in an unexplainable way;
5. Sumber data telah berubah, misalkan RM ERM/ The data source has changed.
6. Subyek pengumpulan data teah berubah, mis usia penyakit penyerta,PPK/ The subject o
the data collection has changed.

Ada 2 cara validasi data

1. Reliability
a. Repeatability
 Diulang pengukuran hasil oleh orang yang sama atau alat yang sama pada catatan
yang sama dan kondisi yang sama.
 Orang yang sama mengumpulkan data dengan catatan yang sama pada waktu
yang berbeda.
b. Reproducibility
 Diulang pengukuran hasil oleh orang yang berbeda pada catatan yang sama dan
kondisi yang sama
 Orang yang berbeda mengumpulkan catatan yang sama untuk data yang sama

Reproducibility Testing ada 3 cara :

1) Measurement Result Agreement ( MRA)
 Membandingan Nilai Persentase
 90 % kesepakatan dalam hasil kalkulasi antara pengumpul data pertama dan
kedua
2) Measure Category Agreement ( MCA)
 Nilai kesepakatan Numerator, denominator, Eksklusi
 ( Calculate agreement or assigning numerator-E, denominator-D, Exlusion-B)
 80 % kesepakatan dalam kategori numerator, denominator, dan ekslusi antara
pengumpul data pertama dan kedua.
3) Data Element Agreement
  Nilai kesepakatan untuk semua data elemen ( Calculate agreement or
assigning All data element or dependent and independend variables)
 80 % kesepakatan dalam dokumentasi elemen data antara pengumpul data
dan validator

Steps In Reproducibility Testing Method :

1) Pengumpul data mengumpulkan data dari beberapa RM ( sumber data)
2) RM yang sama dan sudah digunakan oleh pengumpul data diberikan ke validator
untuk dilakukan pengumpulan data ulang.
3) Result Calculations First Abstractor. (pengumpul data dan validator diberikan
pelatihan pengumpulan data yang sama )
4) Validator mengumpulkan data pada semua sampel/ populasi yang sama dengan
pengumpul data
5) Kalkulasi akurasi atau persentase kesepakatan
6) Cari solusi/ corrective action perbedaan data yang dikumpulkan oleh pengumpul
data pertama dan validator.
7) Implementasi correction actions
8) Kumpulkan sampel baru setelah corrective actions diimplementasikan

RSU Nirmala Purbalingga menggunakan teknik

VALIDATOR
Kriteria :
1. Dilatih dengan cara yang sama seperti pengumpul data
2. Menggunakan definisi operational data yang sama
3. Mereveiw data yang sudah dikumpulkan oleh pengumpul data
4. Mengumpulkan data dari sampel yang sudah ditentukan dan dikumpulkan oleh
pengumpul pertama
Secara umum, sampel yang baik adalah yang dapat mewakili sebanyak mungkin
karakteristik populasi. Dalam bahasa pengukuran, artinya sampel harus valid, yaitu bisa
mengukur sesuatu yang seharusnya diukur.

Contoh :
Kalau yang ingin diukur adalah pemberian Aspirin pada pasien AMI saat masuk RS.
Pengumpul data mencatat empat elemen data :
 Kode AMI : jawaban iya atau tidak/ ICD Code for AMI
 Usia pasien : jawaban < 18 tahun atau > 18 tahun.
 Aspirin diberikan dalam waktu 24 jam: jawaban ya atau tidak.
 Dokumentasi alasan tidak diberikan aspirin : jawaban ya atau tidak ( eksklusi dari
denominator)
Data Elemen Kategori
 Eksklusi = B/ Excluded from denominator
 Denominator = D/ memenuhi kriteria denominator
 Numerator = E / memenuhi kriteria numerator dan denominator

Tahap 1

1) RS memilih indikator AMI : pemberian Aspirin pada pasien AMI saat masuk RS.
2) RS Identifikasi 500 DRM yang layak untuk dijadikan populasi ( diagnosa AMI)
3) RS memutuskan tidak dapat mengumpulkan data untuk semua populasi diatas, karena
terlalu besar dibanding dengan sumber daya sta yang tersedia.
4) RS melakukan random sampel 20 % yang setara dengan 100 rekam medis
5) Pengumpulan data pertama mengumpulkan data elemen dari 100 sampel rekam
medis.
6) Setiap data elemen dikelompokkan dalam Denominator dan Numerator berdasar
kriteria yang sudah ditentukan dan form pengumpulan lengkap.
 > 18 years : denominator = D
 AMI diagnosis : denominator = D
 Aspirin received within 24 hours : allowable answer Yes or No : inclusion in
numeraor = E
 Documented Reason or Aspirin : denominator eclusion criteria = B

Tahap 2

1) 100 rekam medis kasus AMI dikumpulkan

2) Semua kasus > 18 tahun
3) Semua kasus memiliki diagnosa AMI
4) 50 dari 100 kasus diberikan ASA dalam waktu 24 jam
5) 15 dari 100 kasus tidak diberikan ASA dan tidak ada kontraindikasi ( tidak sesuai
numerator)
6) 35 dari 100 kasus kontraindikasi ASA

Tekanan darah pada pasien hipertensi sedangkan dijadikan sampel adalah pasien pasien
yang bukan hipertensi, maka sampel tersebut tidak valid, karena tidak mengukur sesuatu
yang seharusnya diukur ( tekanan darah pada pasien hipertensi). Sampel yang valid
ditentukan oleh dua pertimbangan.
Pertama, akurasi atau ketepatan, yaitu tingkat ketidakadaan “bias” ( kekeliruan) dalam
sampel. Dengan kata lain, makin sedikit tingkat kekeliruan yang ada dalam sampel,
makin akurat sampel tersebut.
Kedua, presisi. Kriteria kedua dari sampel yang baik adalah memiliki tingkat presisi
estimasi. Presisi mengacu pada persoalan sedekat mana estimasi kita dengan karakteristik
populasi.

Contoh : dari 140 perawat yang bekerja di RSU Nirmala Purbalingga diambil sampel 50
orang. Setelah dilakukan pengamatan terhadap sampel tersebut, ternyata dari 50 perawat,
45 orang (90%) melaksanakan hand hygiene pada lima saat ( five moment) artinya diatara
laporan harian yang dihitung berdasarkan populasi dengan hasil pengamatan yang
dihasilkan dari sampel terdapat perbedaan 5 %. Makin kecil tingkat perbedaan diantara
rata-rata populasi dengan ratarata sampel, maka makin tinggi tingkat presisi sampel
tersebut.

Tahap 3 : result Calculation First Abstractor

1) Total abstracted = 100
2) Exclude (B) = 35
3) Total numerator (E) =50
4) Total Denominator ( D) = 65
5) Calculated % of compliance :
E/D = 50/65 = .7692 x 100 % = 76.92%
Compliance results for performance measure

Tahap 4 :
Data Validation Sampling or Total Original Records Second Abstractor
1) Pengumpul data kedua ditunjuk untuk validasi data
2) Pengumpul data kedua memutuskan tidak akan mengumpulkan data ulang pada 100
rekam medis yang dikumpul sebelumnya, dia melakukan random sampel rekam
medik yang digunakan pengumpul data pertama dengan menggunakan tabel sampel
validasi.
3) Random sampel 1 rekam medik dari 100 rekam medik dikumpul ulang sesuai “Tabel
sampling validasi”
4) Pengumpulan data kedua pengumpul dari 16 rekam medis yang sudah dikumpulkan
oleh pengumpul data pertama
5) Validasi termasuk besar sampel minimum 16 kasus
6) Minimum 16 kasus untuk sumber data 16 hingga 180
Contoh Validasi :
AMI Aspirin on Arrival
 Kelompokkan data elemen kedalam denominator dan numerator berdasar kriteria dan
form pengumpulan data lengkap
 18 tahun : Denominator = D
 Diagnosa AMI = denominator = D
 Aspirin received within 24 hours : allowable answers Yes or No : inclusion in
numerator = E
 Documented Reasion for no Aspirin : denominator eclusion criteria = B
 Catat data yang dikumpul ulang pada form pengumpulan data dan input ke
spreadsheet elektronik
 Singkirkan kasus – kasus yang tidak sesuai kriteria denominator
 < 18 Tahun
 Tidak diagnosa AMI
 Alasan valid tidak diberi ASA
 Semua kasus yang tertinggal mewakili denominator
 Identifikasi kasus denominator yang termasuk kriteria numerator
 ASA diberi dalam waktu 24 jam pasien admisi

Data element reabstraction : second abstractor

 16 sampel dari 100 kasus dikumpulkan

 Semua kasus > 18 tahun ( denominator )
 Semua kasus memiliki diagnosa AMI ( denominator )
 8 dari 16 kasus diberi ASA dalam 24 jam admisi ( numerator)
 6 dari 16 kasus tidak diberi ASA dan tidak kontraindikasi ( tidak sesuai numerator)
 2 dari 1 kasus kontraindikasi di beri ASA ( eksklusi dari denominator)

Tahap 5 :

Calculated Results second Abstractor

1) Total Sample abstacted = 16

2) Total Ecluded ( B ) = 2
3) Total numerator ( E ) = 8
4) Total Denominator ( D) = 14
5) Calculated % of compliance :
6) E/D = 8/14 = .5714 x 100 % = 57.14 %

Tahap 6 :

Comparison Agreement Comparing Measurement Result

1) Measurement Result Agreement

 Pengumpul data pertama memiliki nilai kepatuhan 76.92%
 Pengumpulan data kedua memiliki kepatuhan 57.14 %
 9 x 76.92% = 69.20 %
  Hasil pengumpulan ulang kurang dari 90 %
2) Measure Category Assignment
 16 sampel disiapkan untuk pengumpul data kedua
 Untuk tiap 16 rekam medis, review dan dokumentasikan bagaimana pengumpul
data pertama mengelompokkan data
 Kumpul ulang data oleh pengumpul data kedua, kelompokkan dan catat hasilnya

Tahap 7

1. Measure Category Assignment ( First Abstractor)

 Sample of 16 of total abstracted = 100
 Exclude ( B ) = 4
 Total numerator ( E ) = 6
 Total denominator ( D ) = 12

2. Measure Categori Assignment ( Second Abstractor )

 Total Sample abstracted = 16

 Total excluded ( B ) = 2
 Total numerator ( E) = 8
 Total Denominator ( D) = 14

No Pengumpulan data validator Keterangan

1 B B Ya
2 B B Ya
3 B B Tidak
4 B D Tidak
5 B D Ya
6 B B Tidak
7 D E Ya
8 D D Ya
9 B B Ya
10 B B Ya
11 D D Ya
12 D D Ya
13 D D Ya
14 D D Ya
15 D D Ya
16 D D Ya
Tahap 8

Measure Category Assignment

Level Comparison & Calculation

 Total kecocokan = 16
 Tidak cocok pada eksklusi ( B ) = 2
 Tidak cocok pada numerator (E) = 1
 Total tidak cocok = 3
 Total cocok = 13
 % MCA Agreement = 13/16 = 81,25 %

Data Element Agreement/ Kesepakatan Elemen Data

 Contoh 16 rekam medis untuk pengumpul data kedua

 Untuk setiap 16 rekam medis ini, direview dan dokumen bagaimana pengumpul
data pertama mengkategorikan data
 Data yang dikumpulkan oleh pengumpul data kedua, diidentifikasi elemen
datanya dan catat hasilnya.

Data element Astraction ( first abstractor)

Sampel 16 rekam medis dikumpulkan datanya

 Semua 16 kasus usia > 18 tahun ( denominator)

 Semua 16 kasus memiliki diagnosa AMI ( denominator)
 12 dari 16 kasus diberikan ASA dalam waktu 24 jam ( numerator)
 2 dari 16 kasus tidak diberikan ASA dan tidak memiliki kontraindikasi ( tidak
sesuai numerator )
 1 dari 16 kasus memiliki kontraindikasi pemberian ASA ( eksklusi dan
denominator)

Data elements Reabstraction ( Second Abstarctor)

 Sampel 16 rekam medis dikumpulkan datanya

 Semua 16 kasus usia > 18 tahun ( denominator)
 Semua 16 kasus memiliki diagnosa AMI ( denominator)
 8 dari 16 kasus diberikan ASA dalam waktu 24 jam ( numerator)
 6 dari 16 kasus tidak diberikan ASA dan tidak memiliki kontraindikasi ( tidak
sesuai numerator )
 2 dari 16 kasus memiliki kontraindikasi pemberian ASA ( eksklusi dan
denominator)
Method three
 Data Element Assignment Table

Abstactor One Abstractor two

Numerator Denominator Numerator Denominator
1 RM
Diagnosa AMI Y Y
Usia > 18 thn Y Y
Diberikan ASA Y
Kontraindikasi ASA N Y
2 RM
Diagnosa AMI Y Y
Usia > 18 thn Y Y
Diberikan ASA N N
Kontraindikasi ASA N
3 RM
Diagnosa AMI Y Y
Usia > 18 thn Y Y
Diberikan ASA Y N
Kontraindikasi ASA N Y

Method Two

Categorization Assignment Table

 Ada 4 elemen data setiap rekam medis

 16 rekam medis dikumpulkan pengumpul data kedua
 Total elemen data = 4 x 16 = 64
 Tidak cocok = 5
 Cocok 59 dari 64 elemen data
 Nilai kesepakatan elemen 59/64x 100 = 92 %
 Nilai > 80 %, tidak perlu investigasi
 BAB IV
DOKUMENTASI

Formulir - formulir rekam medis yang berlaku di Rumah Sakit Nirmala Purbalingga.

Direktur

Dr Krishna Tjahja Wibowo, M.Kes