MATERI

SURVEILANS & ANALISA DATA

Dalam mendukung upaya pencegahan dan pengendalian COVID19

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]

KONSEP DAN PRINSIP ANALISIS DATA

Pemanfaatan data dan informasi menjadi hal yang penting sebagai dasar
penyusunan strategi. Suatu data akan memiliki manfaat lebih dan bermakna
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. Apabila kita memiliki
sekumpulan data yang berkualitas dan atau memiliki sistem informasi yang
baik dalam mendukung pelaporan akan menjadi sia-sia jika tidak dilakukan
kegiatan analisa data.

Pelaksanaan analisis tanpa disertai dengan kegiatan analisis yang tepat
menyebabkan ketidaktepatan informasi yang didapatkan. Oleh sebab itu,
menentukan tujuan dari kegiatan pelaksanaan dilakukannya analisis
menjadi penting.

Analisis merupakan suatu kegiatan yang dilakukan guna menggambarkan
suatu kondisi berdasarkan data yang tersedia. Selanjutnya, data tersebut
dapat digunakan sebagai :
a. Dasar dilakukannya operasional penanganan dan penanggulangan
suatu masalah kesehatan
b. Monitoring dan evaluasi program
c. Strategis digunakan sebagai dasar penyusunan kebijakan

5
 [Document title]

TAHAPAN ANALISA DATA

Dalam kegiatan analisa data , terdapat beberapa tahapan yang dilakukan
untuk melakukan analisis data :






1. Lihat tujuan dilakukan analisa
Menyadari akan tujuan dilakukannya suatu kegiatan analisa data
menjadi penting mengingat hal tersebut akan membuat kita lebih terarah
dan focus. Sehingga informasi yang dihasilkan melalui kegiatan analisa
data menjadi tepat. Setiap unit memiliki kebutuhkan analisa data yang
spesifik. Tidak dapat kita melakukan generalisasi kebutuhan analisa data
untuk semua unit. Menyadari kebutuhan analisa data berdasarkan
tempat/unit menjadikan penting. Kebutuhan analisa data di tingkat
puskesmas pasti akan berbeda jika dibandingkan dengan dinas
kesehatan kab/kota/provinsi. Pemahaman kegiatan analisa data
dilakukan hanya di tingkat dinas kesehatan atau kementerian menjadi
kurang tepat. Puskesmas perlu melakukan analisa data dalam rangka
operasional penanggulangan suatu masalah kesehatan. Begitu pula
untuk tingkat dinas kesehatan kab/kota dengan provinsi atau tingkat
lebih lanjut pasti memiliki kebutuhan analisa data yang spesifik. Oleh
sebab itu, mengetahui tujuan dilakukan analisa data berdasarkan
tempat/unit menjadi penting.

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]

HAMBATAN DAN TANTANGAN

Berikut ini merupakan hambatan dan tantangan yang sering dihadapi saat
menjalankan kegiatan analisa data :
a. Belum disadari akan pentingnya melakukan analisis sesuai dengan
tujuannya
b. Adanya persepsi puskesmas tidak perlu menjalankan analisis
c. Memahami pentingnya dilakukan penyajian data yang baik dan benar
d. Orang yang menjalankan analisis diharapkan menyadari akan pentingnya
sumber data dan referensi
e. Sering kali analisis data tidak digunakan sebagai dasar penyelesaian
masalah/ kebijakan

8
 [Document title]

INDIKATOR ANALISA DATA

Dalam melakukan kegiatan penguatan dalam rangka peningkatan kapasitas
analisa data perlu diperhatikan indikator ketercapaiannya sehingga kita
dapat mengetahui dan mengukur, apakah kegiatan penguatan yang kita
lakukan telah mengalami perbaikan/peningkatan.

Berikut ini merupakan Indikator Peningkatan Kapasitas Analisa Data :

• Mampu melakukan analisis epidemiologi (mis: perkembangan kasus

yang selanjutnya dapat digunakan untuk strategi selanjutnya)

• Mampu melakukan analisa untuk kepentingan operasional

penanggulangan

• Mampu melakukan analisa untuk kepentingan laporan àtabel yang

ketika dibaca pemangku kebijakan dia paham (mis : angka kesakitan)

• Mampu melakukan analisa untuk kepentingan monev àdilaporkan

kepada manajer (lebih ke indikator program)

• Mampu membuat laporan untuk pemangku kebijakan/dipublikasi

• Mempresentasikan/menulis untuk kepentingan karya

ilmiah/pertemuan di dinas kesehatan

• Mengikuti pelatihan analisa data (bukti sertifikat)

• Memiliki kemampuan dalam mencari referensi

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

Analisis deskriptif yaitu analisis yang dilakukan untuk melihat gambaran

atau menjelaskan karakteristik data dengan meringkas agar lebih
dipahami (understandable ) tanpa kehilangan atau memutarbalikkan
informasi. Umumnya menggunakan table, chart, frequency, percentage,
dan ukuran – ukuran tendensi sentral untuk menjelaskan karakteristik
dasar dari sampel (Munro, 2005).

Terdapat tiga variabel epidemiologi yang lazim dianalisis secara
deskriptif, yaitu: variable orang, waktu, dan tempat. Analisis deskriptif
lebih sering memberikan informasi kecenderungan dan penyebaran
penyakit, masalah kesehatan, kondisi lingkungan atau karakteristik
populasi tertentu lainnya.

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

Kasus Masa Inkubasi (hari)

A 15
B 1
C 4
D 7
E 10
F 1
G 5

Berapakah masa inkubasi terpanjang COVID19 di puskesmas X

pada tahun 2021?
Jawab : Masa inkubasi terpanjang bisa dilihat dengan mencari nilai
maksimal/terbesar pada data yang tersedia. Sehingga
dapat disimpulkan jika masa inkubasi terpanjang COVID19
pada puskesmas X adalah 15 hari yang terjadi pada kasus
A.

14
 [Document title]



- Nilai minimum
Merupakan nilai terkecil dari sekumpulan angka
Contoh :
Tabel 2. Data Masa Inkubasi COVID19 di Puskesmas Y Tahun
2021

Kasus Masa Inkubasi (hari)

L 11
S 1
C 4
W 5
E 10

Berapakah masa inkubasi terpendek COVID19 di puskesmas X

pada tahun 2021?
Jawab : Masa inkubasi terpendek bisa dilihat dengan mencari nilai
Minimum/terkecil pada data yang tersedia. Sehingga
dapat disimpulkan jika masa inkubasi terpendek COVID19
pada puskesmas X tahun 2021 ialah 1 hari yang terjadi
pada kasus S.

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

No Puskesmas Total Kasus

1 Mekar 15
2 Anggrek 1
3 Sedapmalam 4
4 Caladium 7
5 Melati 10

Berapakah range kasus COVID19 pada bulan oktober di Kota X

pada tahun 2021?
Jawab :
● Untuk menghitung nilai range, dapat diketahui dengan
melihat nilai minimum(kasus terendah) serta nilai
maksimum (kasus tertinggi).
● Kasus tertinggi : 15 kasus
● Kasus terendah : 1
● Kesimpulan : Berdasarkan Tabel 3 didapatkan informasi
jika kasus COVID19 di Kota X pada tahun 2021 range
kasusnya ialah 1-15 kasus.

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

No Puskesmas Total Kasus

1 Pangsud 50
2 Gajah Mada 18
3 Panglima Polim 42
4 Tugu Muda 7
5 Basuki Rahmat 31

Berapakah rata-rata (mean) kasus COVID19 pada bulan oktober di

Kota X pada tahun 2021?
Jawab : Nilai mean dapat didapatkan dari jumlah rata rata kasus
COVID19 bulan Oktober di Kota X tahun 2021.
!
Rumus : x = ∑ " = 50+18+42+7+31 = 29,6 kasus

Sehingga dapat ditarik kesimpulan jika rata rata kasus

COVID19 pada bulan Oktober 2021 di Kota X adalah 29,6
kasus

5

17
 [Document title]




2. Analisis Deskriptif Berdasarkan Variabel Epidemiologi

a) Analisis Deskriptif Terhadap Variabel Orang

Analisis deskriptif terhadap variabel orang pada sebuah data
surveilans dapat menggali atau menguraikan diantaranya
yaitu:
● Angka absolut jumlah kasus.
● Proporsi dan rasio kasus berdasarkan jenis kelamin,
kelompok umur, pendidikan, pekerjaan, 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 per jenis kelamin, kelompok umur
● Case Fatality Rate menurut jenis kelamin, kelompok usia,
jenis penyakit, dll

b) Analisis Deskriptif Terhadap Variabel Waktu:

Analisis deskriptif terhadap variabel waktu pada sebuah data
surveilans dapat menggali atau menguraikan diantaranya
yaitu:
● Jumlah kasus berdasarkan: menit, jam, tanggal, minggu
epidemiologi, bulan, triwulan, semester, tahun.
● Proporsi kasus berdasarkan waktu kejadian. dll.
● Nilai minimum, maksimum, rata – rata, median, mode,
range, standar deviasi kasus dari data kontinu pada
variabel waktu (waktu inkubasi, lama masa perawatan,
lama KLB).

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

Analisis yang dilakukan untuk melihat hubungan antara variabel terikat

(dependent variable) dengan variabel bebas (independent variable).
Dalam melihat hubungan antar variabel tersebut metode statistik
dibedakan menjadi dua kelompok, yaitu analisis bivariat, dan analisis
multivariate.

19
 [Document title]



INTERPRETASI DATA

Interpretasi data merupakan proses memberi arti dan signifikansi terhadap

analisis yang dilakukan, menjelaskan pola – pola deskriptif, mencari
hubungan dan keterkaitan antar deskripsi – deskripsi data yang ada
(Barnsley & Elis , 1992). Interpretasi data tidak dapat dipisahkan dari
analisis data sehingga interpretasi juga merupakan aspek tertentu dari
analisis.

Analisis data dan interpretasi data merupakan hal yang saling terkait.
Analisis data merupakan proses untuk pengorganisasian data dalam rangka
mendapatkan pola – pola atau bentuk – bentuk keteraturan. Sedangkan
interpretasi data adalah proses pemberian makna terhadap pola – pola atau
keteraturan – keteraturan yang ditemukan dalam sebuah penelitian atau
data surveilans.

20
 [Document title]



ANALISA PENGENDALIAN COVID19 DI TINGKAT PUSKESMAS

● Puskesmas dalam pembagian peran pengendalian COVID19 sebaiknya

tidak hanya berfokus pada kegiatan pengumpulan data (penyelidikan
epidemiologi, pelacakan dan pemantauan kasus ataupun kontak),
melainkan diharapkan juga mampu mengendalikan cluster yang ada di
wilayah kerjanya
● Pengendalian cluster dapat dilakukan dengan mengupayakan strategi-
strategi penanganan dan penanggulangan yang tepat. Ketepatan strategi
yang diusung dapat disusun berdasarkan data yang telah dikumpulkan
dan dilakukan analisa.
● Kedalaman analisis tingkat puskesmas akan berbeda jika dibandingkan
pada tingkat kabupaten/kota/provinsi atau tingkat lebih lanjut.
● Analisa data di puskesmas berfokus pada output strategi pengendalian
cluster (local strategi). Dengan demikian diharapkan puskesmas mampu
menyelesaikan cluster di wilayah kerjanya sehingga pemutusan rantai
penularan serta pencegahan penularan berkelanjutan dapat dihentikan.
● Berikut ini beberapa jenis analisa sederhana yang diharapkan dilakukan
secara rutin oleh puskesmas diantaranya :
a. Grafik perkembangan kasus konfirmasi, sembuh, dan kematian
b. % sampel kasus yang dikirimkan dalam kurun waktu 24 jam
c. % sampel memiliki waktu tunggu hasil pemeriksaan NAAT ≤48 jam
d. % kasus yang diwawancarai dalam 24 jam setelah kasus terkonfirmasi
e. % kontak erat yang memulai karantina dalam 48 jam setelah kasus
terkonfirmasi
f. % kasus terkonfirmasi yang diisolasi dalam 24 jam setelah
terkonfirmasi

21
 [Document title]

1. Waktu pengiriman sampel

● Waktu pengiriman merupakan waktu dari pengambilan swab
sampai sampel diterima oleh laboratorium untuk pemeriksaan
NAAT.
● Waktu pengiriman sampel yang terlalu lama mengakibatkan
penundaan pemeriksaan, pengambilan keputusan klinis dan
manajemen kesehatan masyarakat(misalnya pelacakan kontak)
● Variabel yang dibutuhkan
a. Tanggal sampel diambil swab
b. Tanggal sampel terima laboratorium
c. Lama pengiriman sampel = tgl sampel diterima lab – tgl diswab
● Tahapan -tahapan :
a. Identifikasi lama waktu pengiriman (lama waktu dari
pengambilan swab sampai sampel diterima oleh laboratorium)
pada setiap sampel kemudian kelompokkan berdasarkan waktu
yang ditetapkan
Contoh format :

Sampel Tanggal Lama waktu Lama waktu

pemeriksaan pemeriksaan
Sampel diambil Sampel terima (B-A) dalam hari ≤24 jam
swab (A) laboratorium(B)
A ……………. ……………. ……………. …………….
B ……………. ……………. ……………. …………….
C ……………. ……………. ……………. …………….
D ……………. ……………. ……………. …………….
E ……………. ……………. ……………. …………….

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 :

Sampel Tanggal Lama waktu Lama waktu

tunggu hasil tunggu ≤48
Sampel terima Sampel keluar hasil pemeriksaan jam
laboratorium(A) pemeriksaan(B) (B-A) dalam
hari
A ……………. ……………. ……………. …………….
B ……………. ……………. ……………. …………….
C ……………. ……………. ……………. …………….
D ……………. ……………. ……………. …………….
E ……………. ……………. ……………. …………….

24
 [Document title]



b. Buat penyajian bisa dengan excel atau software lainnya. Berikut
contoh penyajian data

c. Analisa

Berikut contoh analisa berdasarkan data diatas :

Waktu tunggu hasil pemeriksaan sejak minggu ke 27 hingga 30 di
puskesmas X yang <48 jam mengalami penurunan secara
signifikan dan lama tunggu hasil bergeser pada kurun waktu
dominan yaitu >5 hari.
Semakin lama waktu hasil pemeriksaan keluar menyebabkan
terjadi keterlambatan pengambilan keputusan klinis apabila kasus
terkonfirmasi dan kesehatan masyarakat. Jika kasus terlambat
didiagnosis, hal ini berimplikasi terhadap keterlambatan
penanganan kasus (perlu di rawat di RS atau cukup isolasi mandiri
dirumah, pemberian obat dll) serta pelaksanaan tracing yang
merupakan langkah penting untuk mengidentifikasi kontak serta
melihat kondisi kontak. Hal ini bertujuan untuk memutus mata
rantai penularan

25
 [Document title]

3. Proporsi kasus konfirmasi yang diwawancarai dalam 24 jam setelah

kasus terkonfirmasi untuk mengidentifikasi kontak erat
● Kasus konfirmasi dilakukan wawancara dalam waktu 24 jam oleh
tenaga Kesehatan/tracer terhitung sejak hasil pemeriksaan
laboratorium keluar (terkonfirmasi) untuk diidentifikasi kontak
eratnya
● Cara Perhitungan :

𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑑𝑖𝑤𝑎𝑤𝑎𝑛𝑐𝑎𝑟𝑎𝑖
24 𝑗𝑎𝑚 𝑠𝑒𝑡𝑒𝑙𝑎ℎ 𝑡𝑒𝑟𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑒𝑚𝑢𝑘𝑎𝑛 𝑝𝑎𝑑𝑎 𝑤𝑎𝑘𝑡𝑢 𝑡𝑒𝑟𝑠𝑒𝑏𝑢𝑡

● Variabel yang dibutuhkan

a. Tanggal terkonfirmasi (keluar hasil pemeriksaan)
b. Tanggal dilakukan penyelidikan epidemiologi (PE)
c. Lama waktu PE = tgl PE – tgl terkonfirmasi

● 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

● Variabel yang dibutuhkan

a. Tanggal teridentifikasi sebagai kontak
b. Tanggal pemeriksaan swab pada kontak
c. Lama waktu tes kontak = tgl teridentifikasi kontak – tgl tes swab

● Contoh:

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]

7. Proporsi kasus terkonfirmasi yang menyelesaikan masa isolasi sesuai

ketentuan
● Kontak konfirmasi dinyatakan selesai isolasi mengacu pada buku
pedoman COVID19 BAB IV huruf D terkait lama isolasi
● Cara Perhitungan :

𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑑𝑖𝑖𝑠𝑜𝑙𝑎𝑠𝑖
𝑑𝑎𝑙𝑎𝑚 24 𝑗𝑎𝑚 𝑠𝑡𝑒𝑙𝑎ℎ 𝑡𝑒𝑟𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑎𝑠𝑢𝑠 𝑘𝑜𝑛𝑓𝑖𝑟𝑚𝑎𝑠𝑖

8. Proporsi kontak erat yang menyelesaikan masa karantina sesuai

ketentuan
● Kontak erat dinyatakan selesai karantina mengacu pada buku
pedoman COVID19 BAB IV huruf D terkait lama isolasi
● Cara Perhitungan :

𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑜𝑛𝑡𝑎𝑘 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔
𝑚𝑒𝑛𝑦𝑒𝑙𝑒𝑠𝑎𝑖𝑘𝑎𝑛 𝑚𝑎𝑠𝑎 𝑘𝑎𝑟𝑎𝑛𝑡𝑖𝑛𝑎 𝑠𝑒𝑠𝑢𝑎𝑖 𝑘𝑒𝑡𝑒𝑛𝑡𝑢𝑎𝑛
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑘𝑎𝑠𝑢𝑠 𝑒𝑟𝑎𝑡 𝑦𝑎𝑛𝑔 𝑡𝑒𝑟𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑘𝑎𝑠𝑖

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

PENGUKURAN LEVEL TRANSMISI KOMUNITAS

LEVEL TRANSMISI KOMUNITAS

KRITERIA INDIKATOR
TK1 TK2 TK3 TK4
Kasus Konfirmasi Kasus konfirmasi baru per
100.000 penduduk per <20 20-<50 50-150 >150
minggu
Rawat inap rumah Angka kejadian rawat inap
sakit covid per 100.000 <5 5-<10 10-30 >30
penduduk per minggu
Kematian Angka kematian akibat
covid per 100.000 <1 1-<2 2-5 >5
penduduk per minggu

Penentuan level transmisi covid berdasarkan TK tertinggi.

34
 [Document title]

Contoh :

Contoh : PENGUKURAN LEVEL TRANSMISI KOMUNITAS

KOTA MATAHARI

LEVEL TRANSMISI KOMUNITAS
KRITERIA INDIKATOR
TK1 TK2 TK3 TK4
Kasus Konfirmasi Kasus konfirmasi baru per
100.000 penduduk per
<20 20-<50 50-150 >150
minggu (30/100.000
penduduk pada minggu ini)
Rawat inap rumah Angka kejadian rawat inap
sakit covid per 100.000
penduduk per minggu <5 5-<10 10-30 >30
(15/100.000 penduduk
pada minggu ini)
Kematian Angka kematian akibat
covid per 100.000
penduduk per minggu <1 1-<2 2-5 >5
(6/100.000 penduduk per
minggu ini)
Kesimpulan :
Level transmisi covid Kota Matahari pada minggu ini adalah level transmisi komunitas TK4
(ditetapkan berdasarkan level transmisi komunitas tertinggi). Hal ini berarti jika insiden di
Kota Matahari masih sangat tinggi kasus yang ditularkan secara lokal dan tersebar luas dalam
14 hari terakhir. Risiko infeksi yang sangat tinggi untuk populasi Umum


Catatan : dalam mengukur level transmisi komunitas, tidak hanya dilihat
pada salah satu komponen/indikator yang terendah melainkan untuk
mengambil kesimpulan perlu dilihat kondisi wilayah pada ke 3 indikator
tersebut. Penentuan level transmisi diambil berdasarkan level komunitas
tertinggi pada ke 3 indikator tersebut

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

● Testing perlu ditingkatkan sesuai dengan tingkat positivity rate

mingguan dengan ketentuan sebagai berikut :

36
 [Document title]

Positivity rate Jumlah Tes (per 1000 penduduk per

minggu)
<5% 1
>5%-<15% 5
<15%-<25% 10
>25% 15
Sumber : Inmendagri No 31 Tahun 2021

● Mengingat salah satu kelemahan positivity rate yaitu dengan
karakter sasaran yang diperiksa berubah, sehingga disarankan
tidak mengkaitkan tinggi rendahnya positivity rate berdasarkan
jumlah orang yang diperiksa.
● Cara Perhitungan :

𝐽𝑢𝑚𝑙𝑎ℎ 𝑜𝑟𝑎𝑛𝑔 𝑦𝑎𝑛𝑔 𝑑𝑖𝑝𝑒𝑟𝑖𝑘𝑠𝑎
𝑅𝑢𝑚𝑢𝑠 ∶ 𝑥 1000
𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘

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

PENILAIAN TINGKAT VAKSINASI

UKURAN
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
Vaksinasi Total Rasio kontak erat : >70% 50-70% <50%
kasus terkonfirmasi
Vaksinasi Lansia Bed occupancy ratio, >60% 40-60% <40%
proporsi keterisian
tempat tidur rumah
sakit

Contoh

PENILAIAN TINGKAT VAKSINASI

UKURAN
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
Vaksinasi Total Rasio kontak erat : >70% 50-70% <50%
kasus terkonfirmasi
(65%)
Vaksinasi Lansia Bed occupancy ratio, >60% 40-60% <40%
proporsi keterisian

41
 [Document title]



PENILAIAN TINGKAT VAKSINASI
UKURAN
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
tempat tidur rumah
sakit (50%)

ASSESSMEN LEVEL PPKM

Penetapan level wilayah selain didasarkan pada transmisi komunitas dan
kapasitas respon, juga ditambahkan dengan indikator capaian vaksinasi yang
disampaikan dalam www.vaksin.kemenkes.go.id diakses pada tanggal 21
November 2021. Berikut ini adalah perhitungannya :
1. Penentuan assessment situasi pandemic COVID
Berdasarkan asesmen tingkat transmisi dan kapasitas respon, dapat
ditetapkan tingkat situasional pandemi pada suatu kabupaten/kota. Hal
ini dapat menginformasikan apakah perlu dilakukan penyesuaian strategi
penanggulangan pandemic

Asesmen Level Situasi Pandemi Covid

Level Kapasitas Respon

Level Transmisi Covid
Memadai Sedang Terbatas
Tidak Ada Kasus 0 0 1
Kasus Impor/sporadis 0 1 1
Klaster 1 1 2
Komunitas TK 1 1 2 2
Komunitas TK 2 2 2 3
Komunitas TK 3 2 3 3
Komunitas TK 4 3 3 4

42
 [Document title]



Contoh

Contoh : Asesmen Level Situasi Pandemi Covid

Di Puskesmas MATAHARI
Level Kapasitas Respon
Level Transmisi Covid
Memadai Sedang Terbatas
Tidak Ada Kasus 0 0 1
Kasus Impor/sporadis 0 1 1
Klaster 1 1 2
Komunitas TK 1 1 2 2
Komunitas TK 2 2 2 3
Komunitas TK 3 2 3 3
Komunitas TK 4 3 3 4
Kesimpulan :
Level situasi epidemi covid adalah 4 (*)

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

Contoh : Asesmen Level Situasi Pandemi Covid

Di Puskesmas MATAHARI
Level Kapasitas Respon
Level Transmisi Covid
Memadai Sedang Terbatas
Tidak Ada Kasus 0 0 1
Kasus Impor/sporadis 0 1 1
Klaster 1 1 2
Komunitas TK 1 1 2 2
Komunitas TK 2 2 2 3
Komunitas TK 3 2 3 3
Komunitas TK 4 3 3 4
Kesimpulan :
Level situasipandemi covid adalah 4 (*)

44
 [Document title]



b. Vaksinasi

PENILAIAN TINGKAT VAKSINASI

UKURAN
KRITERIA INDIKATOR
MEMADAI SEDANG TERBATAS
Vaksinasi Total Rasio kontak erat : kasus >70% 50-70% <50%
terkonfirmasi
(65%)
Vaksinasi Lansia Bed occupancy ratio, >60% 40-60% <40%
proporsi keterisian tempat
tidur rumah sakit (50%)

Kesimpulan

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

Kesimpulan : level PPKM Kota Matahari ialah level 4. Yang berarti jika transmisi yang tidak
terkontrol dengan kapasitas respons tidak memadai

45