DIKEMBANGKAN OLEH
PERHIMPUNAN AHLI EPIDEMIOLOGI INDONESIA
BERSAMA KEMENTERIAN KESEHATAN REPUBLIK INDONESIA
1
[Document title]
Daftar Isi
Deskripsi 3
Tujuan 4
Konsep dan Prinsip Analisa Data 5
Tahapan Analisa Data 6
Hambatan dan tantangan 8
Indikator Analisa Data 9
Ukuran Epidemiologi 10
Kegiatan Analisa Data 13
1. Analisis Deskriptif 13
2. Analisis Analitik 19
Interpretasi Data 20
Analisa Pengendalian COVID19 Di Tingkat Puskesmas 21
Analisa Program 34
Assessmen Level PPKM 42
2
[Document title]
DESKRIPSI
Penanggulangan kejadian covid di lapangan terdiri atas kegiatan
penyelidikan epidemiologi, isolasi pada semua kasus, pelacakan serta
karantina pada semua kontak erat, yang diikuti dengan kegiatan pemantauan
selama masa isolasi dan karantina, baik di rumah sakit, di tempat
isolasi/karantina khusus, maupun di rumah masing-masing kasus/kotak.
Pemanfaatan data dan informasi menjadikan penting sebagai dasar
penyusunan strategi penanggulangan COVID19. Data akan bermanfaat dan
memiliki makna apabila telah dilakukan pengolahan dan analisa data. Tanpa
kegiatan tersebut, data tidak bermakna apa -apa dan akan hanya berhenti di
atas kertas ataupun terkumpul di sistem informasi.
Analisis data merupakan bagian yang sangat penting karena dengan
melakukannya, data yang sudah dikumpulkan akan diolah &
diinterpretasikan sehingga berguna dalam memecahkan masalah kesehatan.
Sedangkan interpretasi data merupakan proses pemberian makna terhadap
data yang telah dilakukan pengolahan. Data-data tersebut selanjutnya akan
dikelompokan, dikategorikan, dimanipulasi serta diolah sedemikian rupa
sehingga mempunyai makna yang diharapkan dapat menjawab masalah
kesehatan/surveilans ataupun menguji hipotesis.
Dalam penyusunan strategi penanggulangan COVID19 diharapkan
berdasarkan data yang diperoleh dilapangan melakukan kegiatan
3
[Document title]
penyelidikan epidemiologi, pelacakan kontak serta pemantauan isolasi dan
karantina.
Tujuan
a. Memahami ukuran – ukuran epidemiologi
b. Memahami jenis jenis analisis data epidemiologi
c. Melakukan Analisa epidemiologi untuk pengendalian di tingkat
puskesmas
d. Melakukan Analisa epidemiologi untuk kepentingan program (level
wilayah)
4
[Document title]
5
[Document title]
6
[Document title]
Terdapat beberapa jenis analisa epidemiologi :
a. Analisa Epidemiologi
b. Analisa untuk kepentingan penanggulangan
c. Analisa untuk kepentingan pelaporan
d. Analisa untuk kepentingan monitoring dan evaluasi
e. Analisa untuk kepentingan publikasi
2. Lihat indikator program
Setiap program kesehatan memiliki indikator masing masing.
Menyadari dan mengetahui indikator – indikator yang terdapat pada
program yang akan dilakukan analisa menjadi penting.
3. Lihat ketersediaan data
Jika kita telah menetapkan tujuan dilakukan analisa untuk apa dan siapa
serta telah mengetahui indikator indikator dalam programnya,
selanjutnya kita disarankan untuk melihat kembali ketersediaan data
yang kita miliki. Melihat kualitas, kelengkapan data serta
mengidentifikasi kesesuaian jenis data dengan indikator dan tujuan
analisa menjadi tahapan selanjutnya yang perlu dilakukan. Terkadang
data yang tersedia belum mampu menjawab indikator karena tidak
lengkap. Jika hal tersebut terjadi, penting kita segera melakukan
perbaikan dalam system surveilans yang ada.
4. Lakukan analisa
Sebaik baiknya kegiatan analisa ialah analisa yang dilakukan sesuai
dengan tujuan.
7
[Document title]
8
[Document title]
9
[Document title]
UKURAN EPIDEMIOLOGI
a. Proporsi
Perbandingan dimana pembilang (nominator) masuk dalam penyebut
(denominator)
!
Rumus :
!"#
Contoh :
Banyaknya kasus COVID19 berjenis kelamin perempuan di antara
seluruh kasus di Rumah Sakit X ?
Diketahui : Kasus COVID berjenis kelamin laki laki: 50 kasus
Kasus COVID berjenis kelamin perempuan : 5 kasus
!
Dijawab : : 9%
!"!#
Proporsi Kasus COVID19 berjenis kelamin perempuan di Rumah Sakit X
ialah sebesar 9%.
b. Ratio
Atau yang sering disebut dengan nilai perbandingan. Untuk
menghitung nilai ratio dapat dihitung dari perbandingan pembilang
(nominator) dengan penyebut (denominator). Dimana nominator
bukan termasuk dalam denominator.
!
Rumus :
#
10
[Document title]
Contoh :
Ratio Kontak Erat COVID19 didapatkan dengan melihat jumlah kasus
dibandingkan dengan jumlah kontak erat.
Jika diketahui jumlah Kontak Erat COVID19 di Puskesmas Y adalah 6
sedangkan kasusnya berjumlah 2 kasus. Maka rationya didapatkan
dengan membandingkan kasus dan kontak yaitu 2:6 atau jika
disederhanakan menjadi 1:3. Sehingga dapat disimpulkan jika setiap 1
kasus ditemukan 3 kontak erat.
c. Rate
Proporsi dimana denominatornya berupa jumlah populasi berisiko
dikalikan lama waktu berisiko (menunjukkan kecepatan terjadinya
masalah kesehatan)
d. Prevalence
Frekuensi penderita lama dan baru suatu penyakit/masalah kesehatan
pada suatu kelompok masyarakat pada waktu tertentu.
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑎𝑠𝑢𝑠 𝑙𝑎𝑚𝑎 𝑑𝑎𝑛 𝑏𝑎𝑟𝑢
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 𝑘𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑎
𝐽𝑢𝑚𝑙𝑎ℎ 𝑡𝑜𝑡𝑎𝑙 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖
Berguna untuk :
● Menggambarkan besarnya masalah penyakit
● Berguna untuk perencanaan kebutuhan fasilitas Kesehatan dan
sumber daya manusia yang harus disediakan
● Untuk memonitoring program pengendalian penyakit
● Untuk mengetahui mutu pelayanan Kesehatan
11
[Document title]
Kondisi – kondisi yang menyebabkan suatu angka prevalensi kasus
naik:
● Durasi penyakit terlalu lama
● Terjadi peningkatan kasus baru
● Terjadinya migrasi kasus ke dalam populasi
● Migrasi dari orang sehat
● Migrasi ke dalam orang orang yang memiliki kerentanan tinggi
● Peningkatan metode/ prasarana diagnostic ‘NAIK”
● Peningkatan surveilans (pelaporan baik)
Kondisi – kondisi yang menyebabkan angka prevalensi kasus turun :
● Migrasi ke dalam dari orang2 sehat
● Durasi penyakit pendek
● Menurunya angka insiden
● Meningkatnya tingkat fatalitas penyakit
● Meningkatnya kesembuhan (metode pengobatan yang baik)
● Prevalence
e. Insiden
Frekuensi penderita baru suatu penyakit/masalah kesehatan pada
suatu populasi tertentu (populasi berisiko) pada waktu tertentu.
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑎𝑠𝑢𝑠 𝑏𝑎𝑟𝑢
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 100%
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑒𝑟𝑖𝑠𝑖𝑘𝑜
12
[Document title]
ANALISA DATA
Kegiatan Analisa Data
1. Analisis Deskriptif
13
[Document title]
Berikut ini adalah macam – macam Analisa deskriptif :
1. Analisis Deskriptif Sebaran Data
Pada jenis analisis ini, dapat dilakukan dengan melihat hal hal berikut:
- Nilai maksimum
Merupakan nilai terbesar dari sekumpulan angka
Contoh :
Tabel 1. Data Masa Inkubasi COVID19 di Puskesmas X Tahun
2021
A 15
B 1
C 4
D 7
E 10
F 1
G 5
14
[Document title]
- Nilai minimum
Merupakan nilai terkecil dari sekumpulan angka
Contoh :
Tabel 2. Data Masa Inkubasi COVID19 di Puskesmas Y Tahun
2021
L 11
S 1
C 4
W 5
E 10
15
[Document title]
- Range
Merupakan perbedaan antara nilai yang terbesar (maksimum) dan
nilai yang terkecil (minimum) dari frekuensi distribusi
Contoh :
Tabel 3. Data COVID19 Bulan Oktober di Kota X Tahun 2021
1 Mekar 15
2 Anggrek 1
3 Sedapmalam 4
4 Caladium 7
5 Melati 10
16
[Document title]
- Nilai Rata Rata ( mean)
Mean atau rerata atau average adalah hasil penjumlahan semua
nilai observasi dibagi dengan banyaknya observasi
Contoh :
Tabel 4. Data COVID19 Bulan Oktober di Kota X Tahun 2021
1 Pangsud 50
2 Gajah Mada 18
3 Panglima Polim 42
4 Tugu Muda 7
5 Basuki Rahmat 31
17
[Document title]
2. Analisis Deskriptif Berdasarkan Variabel Epidemiologi
18
[Document title]
c) Analisis Deskriptif Terhadap Variabel Tempat
Analisis deskriptif terhadap variabel tempat pada sebuah data
surveilans dapat menggali atau menguraikan diantaranya
yaitu:
● Angka absolut jumlah kasus berdasarkan tempat lokasi /
wilayah administrasi.
● Proporsi dan rasio kasus berdasarkan tempat / lokasi
(berdasarkan wilayah administrasi; RT, RW, dusun, desa,
kecamatan, kabupaten/kota, provinsi, negara, berdasarkan
geografi: pegunungan, pantai, berdasarkan
sosiodemografi; perkotaan, desa, industri, pertanian,
perkebunan, dll).
● Nilai minimum, maksimum, rata – rata, median, range,
standar deviasi kasus dari data kontinu pada variabel orang
(usia, berat badan, tinggi badan, kadar Hb, dll).
● Attack Rate berdasarkan wilayah administrasi.
● Case Fatality Rate menurut wilayah administrasi, dll.
2. Analisis Analitik
19
[Document title]
INTERPRETASI DATA
20
[Document title]
ANALISA PENGENDALIAN COVID19 DI TINGKAT PUSKESMAS
21
[Document title]
22
[Document title]
b. Buat penyajian bisa dengan excel atau software lainnya. Berikut
contoh penyajian data
c. Analisa
Berikut contoh analisa berdasarkan data diatas :
Di Puskesmas X jika dilihat berdasarkan gambar diatas terlihat jika
pada saat terjadi second wave/peningkatan kasus di fasilitas
kesehatan kondisi terkait dengan waktu pengiriman sampel <24
jam mengalami penurunan. Sampel yang tidak segera dilakukan
pengiriman dan pemeriksaan menyebabkan pasien terduga covid
tidak mengetahui statusnya. Seringkali orang – orang tersebut
karena beranggapan tidak covid (belum keluar hasil lab) melakukan
kegiatan seperti biasa dan kontak dengan banyak orang. Hal ini jika
dibiarkan dapat menyebabkan terjadinya penularan berkelanjutan
dan rantai penularan sulit diputuskan.
23
[Document title]
2. Waktu tunggu hasil pemeriksaan NAAT
● Waktu tunggu merupakan waktu dari sampel diterima laboratorium
sampai keluar hasil pemeriksaan.
● Waktu tunggu hasil yang singkat penting untuk pengambilan
keputusan klinis dan kesehatan masyarakat.
● Variabel yang dibutuhkan
a. Tanggal sampel diterima laboratorium
b. Tanggal sampel keluar hasil pemeriksaan
c. Lama hasil pemeriksaan-tgl sampel diterima lab–tgl keluar hasil
lab
● Tahapan -tahapan :
a. Identifikasi lama waktu tunggu hasil pemeriksaan
Contoh format :
24
[Document title]
b. Buat penyajian bisa dengan excel atau software lainnya. Berikut
contoh penyajian data
c. Analisa
25
[Document title]
● Contoh :
26
[Document title]
● Analisa :
Pada grafik diatas diketahui jika di Puskesmas X prosentase kasus
yang dilakukan wawancara/ penyelidikan epidemiologi <24 jam
belum mencapai target yang ditetapkan yaitu >80%. Dalam satu bulan
terakhir kecepatan wawancara semakin mengalami
penurunan(makin lama/>24 jam).
Penyelidikan epidemiologi seyogyanya dilakukan sesegera mungkin
setelah diketahui/ditemukan kasus terkonfirmasi. Hal ini bertujuan
agar dapat segera dilakukan isolasi dan penanganan yang tepat pada
kasus. Selain itu, dengan dilakukan penyelidikan epidemiologi maka
akan diketahui riwayat kasus termasuk kontak eratnya. Jika telah
teridentifikasi siapa saja yang menjadi kontak erat. Kita dapat segera
melakukan pelacakan, melakukan pemeriksaan pada kontak serta
melakukan karantina. Dengan demikian penularan berkelanjutan
dapat ditekan dan cluster di wilayah dapat diselesaikan.
27
[Document title]
4. Proporsi kontak erat yang di tes dalam 72 jam sejak kasus terkonfirmasi
● Pemeriksaan pada kontak erat penting dilakukan untuk sesegera
mungkin mengidentifikasi kasus yang harus ditindaklanjuti dengan
isolasi dan identifikasi kontak erat lanjutan
● Cara Perhitungan :
𝑅𝑢𝑚𝑢𝑠
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑎𝑘𝑢𝑘𝑎𝑛 𝑝𝑒𝑚𝑒𝑟𝑖𝑘𝑠𝑎𝑎𝑛
𝑑𝑎𝑙𝑎𝑚 72 𝑗𝑎𝑚 𝑠𝑒𝑗𝑎𝑘 𝑘𝑎𝑠𝑢𝑠 𝑡𝑒𝑟𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
∶ 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑚𝑢𝑘𝑎𝑛
28
[Document title]
● Analisis :
Berdasarkan grafik diatas terlihat jika banyak kontak yang tidak
dilakukan tes selain itu kontak yang menjalankan pemeriksaan sesuai
dengan ketentuan juga masih sangat rendah <20%. Padahal
seharusnya seluruh kontak perlu untuk dilakukan pemeriksaan dan
diketahui status akhir pasca kontak dengan pasien terkonfirmasi.
Dengan diketahui status klinisnya, dapat dilakukan tindak lanjut baik
dengan karantina ataupun isolasi dan juga treatment jika dibutuhkan.
Hal ini perlu dilakukan guna memutus mata rantai penularan.
Kontak erat yang tidak dilakukan pemeriksaan pasca kontak dengan
kasus konfirmasi menyebabkan tidak diketahuinya status klinis oleh
pasien. Hal ini memungkinkan terjadinya penularan berkelanjutan
dikarenakan penderita tidak mengetahui statusnya dan beraktivitas
seperti biasa.
29
[Document title]
5. Proporsi kontak erat yang memulai karantina dalam 48 jam setelah
kasus terkonfirmasi
● Karantina kontak erat penting dilakukan untuk mencegah penularan
dari mereka yang mungkin menjadi sumber penularan tidak bergejala.
Karantina harus dilakukan segera setelah kontak teridentifikasi, tanpa
menunggu hasil pemeriksaan laboratorium
● Cara Perhitungan :
(𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑘𝑎𝑟𝑎𝑛𝑡𝑖𝑛𝑎
𝑑𝑎𝑙𝑎𝑚 48 𝑗𝑎𝑚 𝑠𝑒𝑗𝑎𝑘 𝑘𝑎𝑠𝑢𝑠 𝑡𝑒𝑟𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖 )
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑘𝑎𝑠𝑖
● Contoh
30
[Document title]
Analisa :
Berikut contoh analisa berdasarkan data diatas :
Di Puskesmas X, terlihat pada beberapa waktu sebelumnya proporsi
kontak erat yang menjalankan karantina pada kontak erat telah
beberapa kali mencapai target yang telah ditetapkan. Meskipun
demikian tren ini sangat fluktuatif. Harapannya seluruh kontak erat
yang ditemukan dilakukan karantina dalam kurun waktu <48 jam.
Sehingga kontak erat yang mungkin pada saat itu belum diketahui
status klinisnya karena hasil belum keluar, melakukan pembatasan
kegiatan/aktivitas melalui karantina. Dengan demikian, pemutusan
mata rantai penularan dapat berjalan dengan efektif.
31
[Document title]
6. Proporsi kasus terkonfirmasi yang diisolasi dalam 24 jam setelah
terkonfirmasi
● Kasus terkonfirmasi adalah sumber penularan. Isolasi yang dilakukan
segera akan mengurangi kemungkinan penularan dan dapat
mengurangi beban pelacakan kontak
● Cara Perhitungan :
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑑𝑖𝑖𝑠𝑜𝑙𝑎𝑠𝑖
𝑑𝑎𝑙𝑎𝑚 24 𝑗𝑎𝑚 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 𝑡𝑒𝑟𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
● Contoh :
● Analisa :
Kasus konfirmasi yang menjalankan isolasi <24 jam masih sangat
rendah. Rendahnya hal tersebut menunjukkan jika upaya pencegahan
dan pengendalian belum berjalan dengan baik. Isolasi seharusnya
dilakukan secepat mungkin untuk dapat segera dilakukan treatment.
32
[Document title]
33
[Document title]
ANALISA PROGRAM
Terdapat beberapa indikator dalam program yang digunakan untuk menilai
keberhasilan penanggulangan COVID19 guna menghambat transmisi,
mencegah dan mengurangi kejadian kesakitan dan kematian serendah-
rendahnya. Indikator keberhasilan upaya penanggulangan tersebut sebagai
berikut :
Transmisi Kapasitas
Vaksinasi
Komunitas Respon
1. Level transmisi
34
[Document title]
Contoh :
35
[Document title]
2. Kapasitas respon
a. Testing
1) Positivity rate
● Positivity rate menunjukkan tingkat penularan di masyarakat.
● Cara Perhitungan :
𝑅𝑢𝑚𝑢𝑠
𝐽𝑢𝑚𝑙𝑎ℎ 𝑜𝑟𝑎𝑛𝑔 𝑦𝑎𝑛𝑔 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑐𝑜𝑣𝑖𝑑 𝑑𝑖𝑎𝑛𝑡𝑎𝑟𝑎 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑟𝑖𝑘𝑠𝑎 𝑐𝑜𝑣𝑖𝑑
𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢
∶ 𝑥 100
𝑇𝑜𝑡𝑎𝑙 𝑗𝑢𝑚𝑙𝑎ℎ 𝑜𝑟𝑎𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑟𝑖𝑘𝑠𝑎 𝑝𝑎𝑑𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑦𝑎𝑛𝑔 𝑠𝑎𝑚𝑎
2) Testing dalam rangka penemuan kasus
● Syarat minimal rate pemeriksaan 1/1000/minggu harus dicapai,
yang dilakukan kepada kelompok sasaran sesuai dengan strategi
penanggulangan pandemi.
● Pemeriksaan deteksi COVID-19 diprioritaskan pada kasus
suspek, kontak erat, tenaga kesehatan dan masyarakat yang
tinggal di fasilitas tertutup yang memiliki risiko penularan tinggi.
● Pemeriksaan RDT-Ag dapat dilakukan perhitungan indikator ini,
namun dalam pencatatan harus dibedakan antara pemeriksaan
RDT-Ag dan NAAT.
● Laju pemeriksaan harus ditingkatkan lebih dari 1 orang per 1000
penduduk per minggu jika positivity rate masih tinggi
36
[Document title]
b. Tracing
● Dilihat dengan melakukan perhitungan rasio kontak erat : kasus
terkonfirmasi
● Seluruh kontak erat dari kasus konfirmasi harus teridentifikasi agar
dapat ditindaklanjuti dengan karantina dan pemeriksaan.
● Jumlah kontak erat dari kasus terkonfirmasi akan bervariasi.
● Prinsip pelacakan kontak erat ialah harus dapat menjangkau dan
menemukan seluruh kontak erat dan segera dilakukan treatment
37
[Document title]
● Cara Perhitungan :
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑘𝑎𝑠𝑖
𝑅𝑢𝑚𝑢𝑠 ∶
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
Secara teori, dalam melakukan perhitungan rasio kontak dapat
dilakukan dengan perhitungan sesuai rumus diatas yaitu jumlah
semua kontak erat yang teridentifikasi dibagi dengan jumlah semua
kasus konfirmasi.
Hal ini akan berbeda, jika kita akan melakukan komparasi jumlah rasio
kontak dibandingkan dengan hasil perhitungan SILACAK. Terdapat
perbedaan rumus dalam melakukan perhitungan tersebut. Hingga
tanggal 21 Nov 2021, perhitungan rasio kontak didapatkan melalui
rumus berikut :
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑘𝑎𝑠𝑖
𝑅𝑢𝑚𝑢𝑠 ∶
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑑𝑖𝑙𝑎𝑐𝑎𝑘
Terdapat perbedaan antara rumus perhitungan pada SILACAK dengan
perhitungan secara teori yaitu pada denumeratornya. Pada SILACAK,
denumerator hanya menggunakan jumlah kasus konfirmasi yang
dilacak saja. Hal ini akan berimplikasi terhadap besaran rasio yang
dihasilkan. Sedangkan, jika dilakukan dengan perhitungan tersebut
fungsi evaluasi berdasarkan kondisi dilapangan tidak berjalan
38
[Document title]
sebagaimana semestinya mengingat denumerator hanya
menggunakan jumlah kasus konfirmasi dari kasus yang dilacak.
Padahal, dilapangan banyak kasus yang mungkin tidak dilakukan
pelacakan dan akhirnya lose dari penilaian dan pertimbangan yang
dilakukan. Hal ini akan berakibat bias informasi.
c. BOR
Bed Occupancy Rate (BOR) merupakan angka yang menunjukkan
persentase tingkat penggunaan tempat tidur pada satuan waktu
tertentu di unit rawat inap. Data BOR ini dapat digunakan untuk
mengetahui tingkat pemanfaatan sarana pelayanan, mengetahui mutu
pelayanan rumah sakit, dan mengetahui tingkat efisiensi pelayanan
rumah sakit.
Pada situasi covid, BOR digunakan untuk analisa ketersediaan fasilitas
rumah sakit yang sanggup disediakan oleh setiap wilayah. Jika BOR
tinggi, menunjukkan ketersediaan fasilitas pelayanan berisiko tinggi.
Angka BOR diharapkan disetiap rumah sakit pada suatu wilayah ialah
dinamis bukan statis. Dinas Kesehatan bersama dengan rumah sakit
diharapkan aktif dan responsif mengambil strategi pada situasi
pandemi saat ini.
39
[Document title]
Selain menilai tingkat penularan, kita perlu juga untuk memahami
kapasitas respon sistem kesehatan yang tersedia. Kapasitas respon
dibagi menjadi kapasitas memadai, sedang, dan terbatas berdasarkan
tiga indikator utama. Indikator tersebut telah ditetapkan dapat pada
KMK 4805 tentang Indikator Penyesuaian Upaya Kesehatan Masyarakat
dan Pembatasan Sosial dalam Penanggulangan Pandemi CORONAVIRUS
Disease 2019 Pengukuran kapasitas respon dapat dilihat pada tabel
dibawah ini :
PENGUKURAN KAPASITAS RESPON
UKURAN KAPASITAS RESPON
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
Testing Positivity rate <5% 5-15% >15 %
pemeriksaan kasus
per minggu.
Testing dalam >= 1/1000 >= 1/1000 <1/1000
rangka penemuan pdd/ pdd/ pdd
kasus minggu minggu
Tracing Rasio kontak erat : >14 5-14 <5
kasus terkonfirmasi
Treatment Bed occupancy ratio, <60% 60-80% >80%
proporsi keterisian
tempat tidur rumah
sakit
Penentuan kapasitas respon ditentukan berdasarkan ukuran kapasitas respon
terendah.
Contoh :
(contoh) PENGUKURAN KAPASITAS RESPON
KOTA MATAHARI
UKURAN KAPASITAS RESPON
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
Testing Positivity rate <5% 5-15% >15 %
pemeriksaan kasus
per minggu (4,1 %
pada minggu ini)
40
[Document title]
(contoh) PENGUKURAN KAPASITAS RESPON
KOTA MATAHARI
UKURAN KAPASITAS RESPON
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
Testing dalam >=1/1000 >= 1/1000 <1/1000
rangka penemuan pdd/ pdd/ pdd
kasus (1,2/1000 minggu minggu
pdd/minggu pada
minggu ini)
Tracing Rasio kontak erat : >14 5-14 <5
kasus terkonfirmasi
(6)
Treatment Bed occupancy ratio, <60% 60-80% >80%
proporsi keterisian
tempat tidur rumah
sakit (20 %)
Kesimpulan :
Kapasitas respon Kota Matahari adalah “sedang”. Kapasitas respon ditentukan
berdasarkan ukuran tingkat kapasitas respon terendah.
3. Vaksinasi
41
[Document title]
PENILAIAN TINGKAT VAKSINASI
UKURAN
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
tempat tidur rumah
sakit (50%)
42
[Document title]
Contoh
2. Vaksinasi
Pengukuran vaksinasi dilihat berdasarkan 2 komponen yaitu total
vaksinasi dosis 1 (satu) dan vaksinasi dosis 1 (satu) lanjut usia di atas 60
(enam puluh) tahun dari target vaksinasi dengan ketentuan
43
[Document title]
PERHITUNGAN ASSESSMENT LEVEL PPKM
Perhitungan didasarkan akan penilaian tingkat transmisi komunitas,
kapasitas respon serta vaksinasi.
Tingkat transmisi Vaksinasi
komunitas & kapasitas
respon Memadai Sedang Terbatas
0 0 2 3
1 1 2 3
2 2 2 3
3 3 3 3
4 4 4 4
Contoh Perhitungan Level Wilayah:
a. Level transmisi dan kapasitas respon
44
[Document title]
b. Vaksinasi
0 0 2 3
1 1 2 3
2 2 2 3
3 3 3 3
4 4 4 4
Kesimpulan : level PPKM Kota Matahari ialah level 4. Yang berarti jika transmisi yang tidak
terkontrol dengan kapasitas respons tidak memadai
45