542
Ind
p
Panduan Penentuan
Beban dan Target Cakupan
Penemuan dan Pengobatan Tuberkulosis
di Indonesia Tahun 2019-2024
Panduan Penentuan
Beban dan Target Cakupan
Penemuan dan Pengobatan Tuberkulosis
di Indonesia Tahun 2019-2024
Pengarah
KATA PENGANTAR : dr.________________________________________________
Anung Sugihantono, M.Kes III
dr. Wiendra Waworuntu, M.Kes
TIM PENYUSUN _____________________________________________________ V
Penanggung jawab : dr. Imran Pambudi, MPHM
DAFTAR ISI _______________________________________________________
Editor : Nurjannah, SKM, M.Kes VII
dr. Sulistya Widada
DAFTAR TABEL ____________________________________________________ IX
Sulistyo, SKM, M.Epid
DAFTAR GAMBAR__________________________________________________ XI
Kontributor :
BAB
1. 1M.Noor Farid, PhD ______________________________________________ 1
PENDAHULUAN
2.
1.1 dr. Pandu
Latar Riono,________________________________________________________
belakang PhD 1
3. dr. Indriyono Tantoro, MPH
1.1.1 Insiden Tuberkulosis................................................................................... 1
4. Nurul Badriyah, SKM
1.1.2 Estimasi Insiden TB berdasarkan Hasil Survei Nasional Prevalensi .... 3
5. Totok Haryanto, SKM
6. 1.1.3 Estimasi Insiden
Helmi Suryani, dengan Analisis Pemodelan Capture-Recapture ......... 3
SKM, M.Epid
7.
1.2 Rizka Nur
Tujuan Fadila, SKM
________________________________________________________________ 3
8. Syarifah Khodijah, SKM
1.3 Ruang lingkup ________________________________________________________ 4
9. Shena Masyita Deviernur, SKM
1.4
10. Dasar
Ameliahukum _________________________________________________________
Yuri Karlinda, SKM 4
11.
1.5 Andini Pencapaian
Upaya Ayu Lestari, Target
SKM _____________________________________________ 4
12. Dewi Nuryana, SKM
BAB 2 PERHITUNGAN INSIDEN TB DI TINGKAT NASIONAL ______ 5
13. Alfi Lailiyah, SKM
2.1 Perhitungan insiden berdasarkan data SPTB 2013-2014_______________ 5
REFERENSI ___________________________________________________ 63
viii
viii Panduan Penentuan Beban dan Target
TIM PENYUSUN
DAFTAR TABEL
xii
xii Panduan Penentuan Beban dan Target
TIM PENYUSUN
BAB 1
PENDAHULUAN
Pengarah : dr. Anung Sugihantono, M.Kes
dr. Wiendra Waworuntu, M.Kes
1.1 Latar jawab
Penanggung belakang
: dr. Imran Pambudi, MPHM
Editor : Nurjannah, SKM, M.Kes
Beban masalah penyakit Tuberkulosis di dunia dan setiap wilayah
dr. Sulistya Widada
direpresentasikan dalam angka kejadian Insiden, Prevalensi, dan Kematian
Sulistyo,
akibat penyakit Tuberkulosis SKM,
(TB) M.Epid data yang dikumpulkan melalui
berdasarkan
Kontributor
sistem surveilans dan :berbagai studi atau survei yang relevan.
1. M.Noor Farid, PhD
Sedangkan
2. angkaRiono,
dr. Pandu kematian
PhD dihitung berdasarkan Sampel Registrasi Survei
untuk penyebab Kematian, atau menghitung berdasarkan angka insisiden Case
3. dr. Indriyono Tantoro, MPH
Fatality Ratio.
4. Nurul Badriyah, SKM
5.
1.1.1 Totok
InsidenHaryanto, SKM
Tuberkulosis
6. Helmi Suryani, SKM, M.Epid
Angka
7. insiden
Rizka NurTB tidakSKM
Fadila, pernah diukur melalui studi di populasi, karena
membutuhkan studi longitudinal pada subyek kohort yang sangat banyak, butuh
8. Syarifah Khodijah, SKM
biaya yang sangat mahal dan butuh dukungan logistik yang kompleks.
9. Shena Masyita Deviernur, SKM
10.
Sistem Amelia Yuri
notifikasi Karlinda,
kasus SKM dapat digunakan sebagai penduga insiden
tuberkulosis
11. AndinidiAyu
tuberkulosis Lestari,
suatu negaraSKM
dengan sistem surveilans yang baik, yaitu jumlah
12.
kasus Dewi
yang Nuryana, SKM
tak terlaporkan minimal, dan akses layanan kesehatan yang
13. Alfi Lailiyah,
berkualitas SKM
yang mendorong sedikit kasus yang tidak terdeteksi. Dibantu
dengan studi inventori dimungkinkan mengukur tingkat ketidaklaporan kasus
tuberkulosis yang sudah berobat di fasilitas layanan kesehatan. Selain itu hasil
studi inventory dimungkinkan untuk mengestimasi angka insiden bila kondisi
data memungkinkan.
Ada empat metode yang digunakan secara global untuk menghitung angka
insiden tuberkulosis di setiap negara:
Keterbatasan metode yang mendasari pendapat para ahli tentang masalah gap
pada pelaporan dan deteksi kasus sering dipertanyakan kesahihannya, sulit
dihindari konflik kepentingan, serta keterbatasan sarana layanan, kualitas
layanan diagnostik dan perilaku penduduk dalam mencari pengobatan
tuberkulosis. Kualitas layanan diagnostik, seringkali sulit mendapatkan data
orang dengan tuberkulosis yang sudah terkonfirmasi.
Metode ketiga ini dapat dilakukan bila sistem surveilans dapat diandalkan
seperti negara maju, dengan memprtimbangkan tingkat under-reporting dan
under-diagnosis. Biasanya data surveilans cukup konsisten dengan
memperhatikan rasion Kematian TB dan Notifikasi, bila terdapat fluktuasi
maka ada masalah dalam pelaporan,
2
2 Panduan Penentuan Beban dan Target
1.1.2 T P
Estimasi Insiden TBIberdasarkan
M E N YHasil
U SSurvei
U N Nasional Prevalensi
Walaupun rancangan survei hanya digunakan mengukur prevalensi, bukan
untuk mengestimasi langsung insiden namun dengan menggunakan angka
prevalensi tersebut dimungkin untuk mengestimasi insiden.
Pengarah : dr. Anung Sugihantono, M.Kes
1.2 Tujuan
Buku ini berisi penjelasan tentang teknik perhitungan estimasi insiden TB pada
tingkat nasional, provinsi, dan kabupaten/kota. Buku ini juga berisi tentang
penjelasan cara menentukan target penemuan kasus TB di tingkat nasional,
provinsi, kabupaten/kota, dan kecamatan. Target penemuan kasus TB di tingkat
nasional dan provinsi telah ditetapkan di dalam buku ini.
Dasar hukum dari penulisan buku ini adalah Peraturan Menteri Kesehatan
Nomor 67 Tahun 2016 tentang Program Penanggulangan Tuberkulosis.
4
4 Panduan Penentuan Beban dan Target
B A B 2 P E RT T UPNEGNAYNU S
HIIM IN SIDEN TB DI
UN
TINGKAT NASIONAL
�𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝;𝑝𝑝𝑝𝑝𝑎𝑎𝑎𝑎𝑝𝑝𝑝𝑝𝑎𝑎𝑎𝑎 = �
𝑝𝑝𝑝𝑝 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝;𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝 × 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑎𝑎𝑎𝑎𝑝𝑝𝑝𝑝𝑎𝑎𝑎𝑎/𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝
dengan:
�𝑝𝑝𝑝𝑝𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 = �𝑝𝑝𝑝𝑝
𝑝𝑝𝑝𝑝 �𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝;𝑝𝑝𝑝𝑝𝑎𝑎𝑎𝑎𝑝𝑝𝑝𝑝𝑎𝑎𝑎𝑎 × c� + �𝑝𝑝𝑝𝑝
�𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝;𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝 × (1 − c)�
dengan:
6
6 Panduan Penentuan Beban dan Target
T I M𝑝𝑝𝑝𝑝̂𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇P=E N𝑝𝑝𝑝𝑝̂𝑝𝑝𝑝𝑝𝑑𝑑𝑑𝑑𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
YUSUN
1 − Pr(𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸)
dengan:
Pengarah
• Pr(𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸) adalah: proporsi
dr. Anungkasus
Sugihantono,
baru TBM.Kes
ektra paru yang ternotifikasi
(data notifikasidr. WiendraTB
Program Waworuntu,
Nasional, M.Kes
2008-2012), secara rerata dari
Penanggung
data 5jawab : dr. Imran
tahun tersebut Pambudi,
adalah MPHM
0,09 dengan simpangan baku (SD) 0,007
Editor : Nurjannah, SKM, M.Kes
• Asumsi yang digunakan dalam penghitungan ini adalah (1) proporsi
dr. Sulistya Widada
kasus TB ekstra paru terhadap TB semua bentuk yang ternotifikasi sama
Sulistyo, SKM, M.Epid
dengan pada kasus TB di populasi dan (2) proporsi kasus TB ektra paru
Kontributor :
sama untuk semua kelompok umur
1. M.Noor Farid, PhD
Hasil penghitungan
2. angka
dr. Pandu Riono, PhD estimasi prevalensi TB tersebut adalah sebagai
berikut:dr. Indriyono Tantoro, MPH
3.
4. Nurul Badriyah, SKM
• Estimasi prevalensi TB paru per 100.000 penduduk adalah 600 (95% CI:
5. Totok Haryanto, SKM
466 – 734),
6. Helmi Suryani, SKM, M.Epid
7. • Estimasi
Rizka Nurprevalensi TB semua bentuk per 100.000 penduduk adalah 659
Fadila, SKM
8. (95% CI: Khodijah,
Syarifah 512 – 806),SKM
dan
9. Shena Masyita Deviernur, SKM
• Estimasi jumlah kasus prevalensi TB adalah 1.600.000 (95% CI:
10. Amelia Yuri Karlinda, SKM
1,200,000 – 1,900,000)
11. Andini Ayu Lestari, SKM
12. Dewi Nuryana,
Uncertainty estimates SKM
(dalam bentuk 95% CI) untuk setiap penghitungan
estimasiAlfi
13. prevalensi
Lailiyah,menggunakan
SKM metode propagation.
Metode 1
di mana S adalah jumlah suspek TB, I adalah kasus baru TB (insiden) dari S
dengan proporsi yang menjadi kasus TB sebesar β. Selanjutnya dari kasus
insiden TB ini ada sebagian yang belum diobati (U) dan sebagian lagi diobati (T),
dengan proporsi yang diobati sebesar δ. Dari kasus insiden TB saat belum
diobati mempunyai tingkat kesembuhan sebesar (θU) dan tingkat kematian
sebesar (µU). Dari kasus insiden TB yang telah diobati mempunyai tingkat
kesembuhan sebesar (θT) dan tingkat kematian sebesar (µT).
Cambodia 2002 260 42 12 (10 – 15) 2,9 (1,9 – 4,0) 4,0 (2,5 – 5,8)
Cambodia 2011 205 80 8,3 (7,1 – 9,8) 1,2 (0,8 – 1,6) 6,7 (4,5 – 9,3)
Myanmar 2009 300 79 6,1 (5,0 – 7,5) 1,8 (1,1 – 1,6) 3,3 (2,0 – 4,8)
Thailand 2012 136 60 2,5 (1,9 – 3,5) 1,1 (0,5 – 1,6) 2,3 (1,0 – 3,5)
Indonesia 2013 407 122 6,6 (5,2 – 8,1) 1,6 (1,0 – 2,2) 4,1 (2.4 – 5.8)
8
8 Panduan Penentuan Beban dan Target
T
Keterbatasan dalam metodeIini
Madalah
EN P
(1)Ybahwa
U S Uinformasi
N tentang kepositifan
kultur untuk kasus TB yang diobati (T) saat mulai pengobatan tidak tersedia
(hanya tersedia untuk sputum mikroskopis), T mungkin over-estimates dan
estimasi durasi dan insiden mungkin bias, dan (2) bahwa SPTB 2013-2014 tidak
didesain untuk mengestimasi
Pengarah U/TSugihantono,
: dr. Anung dengan presisi yang telah ditetapkan untuk
M.Kes
penentuan jumlah sampel.
dr. Wiendra Waworuntu, M.Kes
Penanggung jawab : dr. Imran Pambudi, MPHM
Metode 2
Editor : Nurjannah, SKM, M.Kes
dr.rumus
Metode 2 menggunakan Sulistya Widadaprevalensi dari insiden, sehingga jika
estimasi
prevalensi diketahui, angka insiden
Sulistyo, SKM,bisa diestimasi. Durasi penyakit dibedakan
M.Epid
menjadi 4 kategori dengan
Kontributor : durasi penyakit mengikuti distribusi Uniform, yaitu
Cambodia 2002 12 (10 – 15) 4,0 (2,5 – 5,8) 2,2 (1,5 – 2,9)
Cambodia 2011 8,3 (7,1 – 9,8) 6,7 (4,5 – 9,3) 3,8 (2,2 – 5,8)
Myanmar 2009 6,1 (5,0 – 7,5) 3,3 (2,0 – 4,8) 3,4 (2,0 – 5,1)
Thailand 2012 2,5 (1,9 – 3,5) 2,3 (1,0 – 3,5) 1,1 (0,7 – 1,6)
Indonesia 2013 6,6 (5,2 – 8,1) 4,1 (2,4 – 5,8) 4,3 (2,2 – 7,2)
Ensemble
402 (276 – 552) per 100.000/tahun
Metode 1
410 (240 – 580) per 100.000/tahun
Method 2
430 (220 – 720) per 100.000/tahun
10
10 Panduan Penentuan Beban dan Target
T I berdasarkan
2.2 Perhitungan insiden M PENYU SU
data N 2017-2018
IVS
ln 𝐸𝐸𝐸𝐸�𝑎𝑎𝑎𝑎𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑎𝑎𝑎𝑎 � = 𝑝𝑝𝑝𝑝 + 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴 𝐼𝐼𝐼𝐼(𝑖𝑖𝑖𝑖 = 1) + 𝑝𝑝𝑝𝑝𝑇𝑇𝑇𝑇 𝐼𝐼𝐼𝐼(𝑗𝑗𝑗𝑗 = 1) + 𝑝𝑝𝑝𝑝𝐶𝐶𝐶𝐶 𝐼𝐼𝐼𝐼(𝑎𝑎𝑎𝑎 = 1) + 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴𝑇𝑇𝑇𝑇 𝐼𝐼𝐼𝐼(𝑖𝑖𝑖𝑖 = 𝑗𝑗𝑗𝑗 = 1)
+ 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 𝐼𝐼𝐼𝐼(𝑖𝑖𝑖𝑖 = 𝑎𝑎𝑎𝑎 = 1) + 𝑝𝑝𝑝𝑝𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝐼𝐼𝐼𝐼(𝑗𝑗𝑗𝑗 = 𝑎𝑎𝑎𝑎 = 1) + 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 𝐼𝐼𝐼𝐼(𝑖𝑖𝑖𝑖 = 𝑗𝑗𝑗𝑗 = 𝑎𝑎𝑎𝑎 = 1)
dimana 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴𝑇𝑇𝑇𝑇 , 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴𝐶𝐶𝐶𝐶 , dan 𝑝𝑝𝑝𝑝𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 adalah two-way interaction terms antara berbagai
sumber data, dan 𝑝𝑝𝑝𝑝𝐴𝐴𝐴𝐴𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 adalah three-way interaction term.
ln 𝐸𝐸𝐸𝐸(𝑎𝑎𝑎𝑎000 ) = 𝑝𝑝𝑝𝑝
12
12 Panduan Penentuan Beban dan Target
T
I MRegresi
Tabel 3 Model EN P Y U yang
Poisson SUN digunakan
NTP*
NTP* NTP* IVSpublic*
Model IVSpublic*
IVSpublic IVSprivate IVSprivate
IVSprivate
Pengarah
Model 1 Ya : dr. Anung Sugihantono,
Ya M.KesYa Ya
12.
Model 4Dewi Nuryana,
3.340,8SKM 71,0 3.204,6 – 3.482,8 12.732,3
13.
Model 5Alfi Lailiyah, SKM
4.927,1 88,0 4.757,5 – 5.102,7 14.211,3
𝑝𝑝𝑝𝑝
Pr(𝑝𝑝𝑝𝑝) =
𝑝𝑝𝑝𝑝 + 𝑑𝑑𝑑𝑑
dengan:
SE(𝑝𝑝𝑝𝑝) × Pr(𝑝𝑝𝑝𝑝)
SE(Pr(𝑝𝑝𝑝𝑝)) =
𝑝𝑝𝑝𝑝
dengan:
𝑎𝑎𝑎𝑎⁄(1 − Pr(𝑝𝑝𝑝𝑝))
𝐼𝐼𝐼𝐼 =
(1 − Pr(𝑝𝑝𝑝𝑝))
dengan:
14
14 Panduan Penentuan Beban dan Target
• T
Sampling uncertaintyI M P
E N Y Uproporsi
untuk estimasi S U Nunder-reporting kasus TB
dari Studi Inventory TB
• Uncertainty untuk estimasi proporsi kasus TB yang tidak terdiagnosis
hasil analisis capture-recapture dengan regresi Poisson
Pengarah : dr. Anung Sugihantono, M.Kes
dr. Wiendra Waworuntu, M.Kes
Distribusi kasus
Penanggung TB menurut
jawab notifikasi
: dr. Imran Pambudi,danMPHM
diagnosis status dapat di lihat pada
Gambar 3.
Editor : Nurjannah, SKM, M.Kes
dr. Sulistya Widada
Sulistyo, SKM, M.Epid
Kontributor :
1. M.Noor Farid, PhD
2. dr. Pandu Riono, PhD
3. dr. Indriyono Tantoro, MPH
4. Nurul Badriyah, SKM
5. Totok Haryanto, SKM
6. Helmi Suryani, SKM, M.Epid
7. Rizka Nur Fadila, SKM
8. Gambar
Syarifah3 Khodijah,
Distribusi SKM
kasus TB menurut notifikasi dan diagnosis status
Gambar 4 Tren estimasi insiden kasus TB per 100.000 penduduk dari kedua metode
(berdasarkan data SPTB (orange) dan IVS (biru) dan tren notifikasi (hitam)
1) Berdasarkan data
2) Dibangun berdasarkan hasil prevalensi survei
3) Sederhana
4) Dapat digunakan dan didiseminasi oleh kabupaten/kota
1) Tingkat kabupaten/kota
a. Jumlah populasi (Sumber: Proyeksi, BPS)
b. Angka notifikasi TB (sumber: Nasional TB Program (NTP))
c. Persentase Penduduk yang tinggal di daerah urban (sumber: BPS,
Susenas)
d. Persentase penduduk dengan luas tempat tinggal per kapita <8m2
(sumber: BPS, Susenas)
18
18 Panduan Penentuan Beban dan Target
T
IM
e. Persentase penduduk P
Eyang
N Y Utelah
SUN menyelesaikan pendidikan
hanya sampai tingkat SMP (sumber: BPS, Susenas)
f. Persentase penduduk yang terinfeksi HIV (sumber: Subdit AIDS,
Kemenkes)
Pengarah : dr. Anung Sugihantono, M.Kes
2) Tingkat kawasan (Sumatera, Jawa-Bali, dan KTI)
dr. Wiendra Waworuntu, M.Kes
a. Risiko Relatif (RR) TB berdasarkan daerah urban/rural (Sumber:
Penanggung jawab : dr. Imran Pambudi, MPHM
NPS)
Editor : Nurjannah, SKM, M.Kes
b. RR TB berdasarkan luas tempat tinggal perkapita < 8m2 (sumber:
dr. Sulistya Widada
NPS)
Sulistyo, SKM,
c. RR TB berdasarkan M.Epid
tingkat pendidikan (sumber: NPS)
Kontributord. RR TB: berdasarkan status HIV (sumber: Clinical Infectious
1. M.NoorDiseases,
Farid, PhD
Volume 50, Issue Supplement_3, 15 May 2010, Pages
2. dr. Pandu Riono, PhD
S201–S207, https://doi.org/ 10.1086/651492)
3. dr. Indriyono Tantoro,
e. Prevalensi MPH
TB per 100.000 penduduk (source: NPS)
4. Nurul Badriyah, SKM
5. 3) Totok
Tingkat nasionalSKM
Haryanto,
6. a. Suryani,
Helmi EstimasiSKM,
insiden TB
M.Epid
7. b. Nur
Rizka Target cakupan
Fadila, SKM penemuan dan pengobatan TB
8. Syarifah Khodijah, SKM
9. Shena Masyita Deviernur, SKM
Sebaran data per kabupaten/kota yang dipakai dalam model ini adalah sebagai
10. Amelia Yuri Karlinda, SKM
berikut
11. Andini Ayu Lestari, SKM
12. Dewi Nuryana, SKM
13. Alfi Lailiyah, SKM
Gambar 7 Distribusi proporsi penduduk yang tinggal di rumah dengan luas per
kapita kurang dari 8 meter persegi di setiap kabupaten/kota
Gambar 8 Distribusi proporsi penduduk dengan tingkat pendidikan SMP atau lebih
rendah di setiap kabupaten/kota
20
20 Panduan Penentuan Beban dan Target
TIM PENYUSUN
Estimasi insiden
tingkat kabupaten/kota
Estimasi insiden
tingkat provinsi
Gambar 11 Proses SUBSET untuk estimasi insiden dan penentuan target penemuan
dan pengobatan TB tingkat wilayah
1. Method
Worksheet ini berisikan informasi awalan terkait data yang dipakai dalam
workbook nasional. Tampilan worksheet method seperti pada Gambar 12.
22
22 Panduan Penentuan Beban dan Target
TIM PENYUSUN
9. menyelesaikan
Shena pendidikan
Masyita Deviernur, hanya sampai tingkat SMP (Sumber :
SKM
Susenas, BPS)
10. Amelia Yuri Karlinda, SKM
5) Jumlah penduduk yang terinfeksi HIV (Sumber: Estimasi, Subdit AIDS)
11. Andini Ayu Lestari, SKM
6) Proporsi penduduk yang terpapar polusi udara (Sumber: BMKG)
12. Dewi Nuryana, SKM
13. Alfi Lailiyah, SKM
3. Input 2
Worksheet ini berisikan informasi untuk input pada tingkat nasional yaitu
insiden TB dan target penemuan dan pengobatan TB dan pada tingkat kawasan
yaitu RR untuk setiap faktor risiko dan prevalensi TB.
Pada worksheet ini dilakukan penginputan data Risk Ratio TB untuk setiap
variabel pada setiap kawasan. Data ini yang akan digunakan sebagai multiplier
atau pengali dalam pembuatan skor variabel di setiap kabupaten/kota. Data
yang diinput berasal dari hasil SPTB 2013-2014 untuk variabel status
urban/rural, luas lantai per kapita, dan tingkat pendidikan, namun untuk status
HIV berasal dari data Subdit AIDS, Kemenkes dan polusi udara dari data
Informasi Air Quality Index di Indonesia. Sedangkan untuk angka prevalensi
yang digunakan adalah angka prevalensi TB paru pada penduduk dewasa yang
didapatkan dari hasil SPTB 2013-2014.
24
24 Panduan Penentuan Beban dan Target
Penentuan target penemuanI MT E Npada
kasus TB P
Y Utingkat
S U Nnasional didasarkan pada
persentase penemuan dan pengobatan TB yang ingin dicapai pada strategi
pengendalian TB nasional yang telah ditetapkan dan estimasi angka insiden TB
nasional. Perkiraan beban kumulatif kasus TB di suatu kawasan dihitung
dengan mengalikan angka
Pengarah prevalensi
: dr. Anung TB di kawasan
Sugihantono, M.Kes tersebut dengan jumlah
penduduk di kawasan tersebut, yaitu
dr. Wiendra Waworuntu, M.Kes
Penanggung jawab : dr. Imran Pambudi, MPHM
𝐸𝐸𝐸𝐸𝑝𝑝𝑝𝑝 × 𝑁𝑁𝑁𝑁𝑝𝑝𝑝𝑝
Editor : Nurjannah, 𝐵𝐵𝐵𝐵𝑝𝑝𝑝𝑝SKM,
= M.Kes
100.000
dr. Sulistya Widada
dengan:
Sulistyo, SKM, M.Epid
Kontributor :
• Br adalah perkiraan beban kumulatif TB di kawasan r
1. • M.Noor Farid,
Pr adalah PhD TB (per 100.000 penduduk) di kawasan r
prevalensi
2. • dr. Pandu Riono,
Nr adalah jumlahPhD
penduduk di kawasan r
3. dr. Indriyono Tantoro, MPH
4. Nurul Badriyah, SKM
Contoh Totok
5. perhitungan beban
Haryanto, SKM kumulatif kasus TB di tingkat kawasan adalah
sebagaiHelmi
6. berikut:
Suryani, SKM, M.Epid
7. Rizka
Diketahui Nur prevalensi
bahwa Fadila, SKMTB per 100.000 penduduk pada Kawasan Sumatera
8.
adalah Syarifah
913 danKhodijah, SKM
jumlah penduduk di Kawasan Sumatera adalah 56.742.000
orang, maka
9. Shenaperkiraan beban kumulatif
Masyita Deviernur, SKM kasus TB di kawasan Sumatera adalah
(913 x 56.742.000)/100.000
10. = 518.050
Amelia Yuri Karlinda, SKM (28% dari total beban kumulatif nasional).
Hasil penghitungan
11. beban SKM
Andini Ayu Lestari, kumulatif kasus TB di setiap kawasan terdapat di
Tabel 5.Dewi Nuryana, SKM
12.
13. Alfi Lailiyah, SKM
Tabel 5 Prevalensi, jumlah penduduk, dan beban kumulatif TB per kawasan
Jumlah
Prevalensi Proporsi
penduduk Beban
Kawasan (per 100 ribu beban
(dalam kumulatif
penduduk) kumulatif
ribuan)
Sumatera 913 56.742 518.050 28%
Jawa-Bali 593 152.032 901.551 48%
KTI 842 52.317 440.509 24%
dengan:
• ∑ 𝐵𝐵𝐵𝐵𝑝𝑝𝑝𝑝 adalah total beban kumulatif seluruh kawasan atau angka beban
kumulatif nasional
• I adalah angka insiden TB nasional
Insiden TB
Kawasan Batas rendah Batas tinggi
(nilai tengah)
Sumatera 234.501 213.613 255.946
Jawa Bali 408.097 371.747 445.418
KTI 199.401 181.640 217.636
Pada worksheet ini akan dilakukan perhitungan skor per variabel dan total skor
per kabupaten/kota (sebagai alokator) yang digunakan untuk memperkirakan
insiden TB di setiap kabupaten/kota. Estimasi insiden TB per provinsi dihitung
dengan menjumlahkan insiden TB per kabupaten/kota dalam suatu provinsi.
Estimasi insiden TB per provinsi ini akan digunakan sebagai salah satu faktor
dalam menentukan target penemuan dan pengobatan TB di setiap provinsi.
26
26 Panduan Penentuan Beban dan Target
Skor adalah penjumlahan dua T
I Mskor, yaitu
ENY (1)Uskor
S Uuntuk P
N penduduk risiko tinggi
dan (2) skor untuk penduduk risiko rendah. Skor risiko tinggi adalah perkalian
antara proporsi penduduk yang berisiko lebih tinggi dengan faktor pengali risiko
tersebut. Skor risiko rendah adalah proporsi penduduk yang berisiko lebih
rendah.
Pengarah : dr. Anung Sugihantono, M.Kes
dr. Wiendra Waworuntu, M.Kes
Skor variabel tersebut dihitung dengan mengalikan proporsi penduduk yang
Penanggung jawab : dr. Imran Pambudi, MPHM
memenuhi kondisi suatu variabel dengan risk ratio atau faktor pengali risiko
Editor : Nurjannah, SKM, M.Kes
untuk variabel tersebut ditambah dengan proporsi penduduk yang tidak
dr. Sulistya Widada
memenuhi kondisi variabel tersebut, yaitu
Sulistyo, SKM, M.Epid
Kontributor : (𝑣𝑣𝑣𝑣)
𝑑𝑑𝑑𝑑𝑖𝑖𝑖𝑖
(𝑣𝑣𝑣𝑣)
= �𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖
(𝑣𝑣𝑣𝑣)
× 𝑝𝑝𝑝𝑝 𝑅𝑅𝑅𝑅;𝑣𝑣𝑣𝑣 � + �1 − 𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖 �
1. M.Noor Farid, PhD
dengan
2. : Pandu Riono, PhD
dr.
3. dr. (𝑣𝑣𝑣𝑣)
Indriyono Tantoro, MPH
• 𝑝𝑝𝑝𝑝𝑖𝑖𝑖𝑖 adalah proporsi penduduk yang memenuhi kondisi variabel (𝑣𝑣𝑣𝑣) di
4. Nurul Badriyah, SKM
kabupaten/kota i
5. Totok Haryanto, SKM
• 𝑝𝑝𝑝𝑝 𝑅𝑅𝑅𝑅;𝑣𝑣𝑣𝑣 adalah faktor pengali untuk variabel (𝑣𝑣𝑣𝑣) pada kawasan R
6. Helmi Suryani, SKM, M.Epid
7. Rizka Nur Fadila, SKM
8. Syarifah Khodijah, SKM
9. Shena Masyita Deviernur, SKM
10. Amelia Yuri Karlinda, SKM
11. Andini Ayu Lestari, SKM
12. Dewi Nuryana, SKM
13. Alfi Lailiyah, SKM
Gambar 15 Worksheet perhitungan skor variabel dan total skor per kabupaten/kota
Nilai skor untuk variabel urban berkisar antara minimal 1 dan maksimal nilai
faktor pengali risiko di suatu kawasan. Misalnya pada setiap daerah yang
termasuk dalam Kawasan Sumatera dengan RR=1,72, maka skor akan bernilai 1
jika 100% penduduk tinggal di daerah pedesaan dan skor akan bernilai 1,72 jika
100% penduduk tinggal di daerah perkotaan.
Cara yang sama dilakukan untuk variabel lain di setiap kabupaten/kota yaitu
proporsi penduduk yang tinggal di rumah dengan luas rumah per kapita kurang
dari 8 m2, proporsi penduduk yang mempunyai tingkat pendidikan tertinggi
SMP atau lebih rendah, dan proporsi penduduk dengan status HIV positif.
(𝑣𝑣𝑣𝑣)
𝑑𝑑𝑑𝑑𝑖𝑖𝑖𝑖 = 𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖 × � 𝑑𝑑𝑑𝑑𝑖𝑖𝑖𝑖
∀𝑣𝑣𝑣𝑣
dengan:
28
28 Panduan Penentuan Beban dan Target
I M dengan
Skor total per kawasan didapat ENYU T
SUN
menjumlahkan P
skor total seluruh
kabupaten/kota yang berada di suatu kawasan. Hasil perhitungan total skor di
setiap kawasan seperti pada Tabel 7.
143/88.578 = 0,001614
30
30 Panduan Penentuan Beban dan Target
TIM PENYUSUN
𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖
𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 ×
𝑇𝑇𝑇𝑇
dengan:
Worksheet ini berisikan ringkasan hasil perhitungan yang telah dilakukan pada
setiap kabupaten/kota. Worksheet ini untuk mempermudah dalam perhitungan
estimasi insiden di tingkat provinsi.
32
32 Panduan Penentuan Beban dan Target
T
Sebaran hasil estimasi insiden P
I MTB (absolut
E N Ydan
U Srate
UN per 100.000 penduduk) dan
cakupan penemuan dan pengobatan TB per kabupaten/kota dapat dilihat di peta
berikut ini.
Dari peta di atas menunjukkan angka cakupan penemuan dan pengobatan kasus
TB menurut kabupaten/kota di mana faskes melaporkan (A) dan menurut
kabupaten/kota di mana kasus TB berdomisili (B) di beberapa kabupaten/kota di
Provinsi Jawa Tengah dan DI Yogyakarta. Dari peta A diketahui bahwa di setiap
kota, yaitu Kota Salatiga, Kota Magelang, Kota Surakarta, dan Kota
Yogyakarta, mempunyai angka cakupan yang tinggi bahkan melebihi 100% jika
34
34 Panduan Penentuan Beban dan Target
T
dibandingkan dengan perkiraan P
I M insiden
E NTB
Y UdiSkota-kota
U N tersebut. Namun jika
dilihat dari cakupan menurut domisili, semua menunjukkan angka cakupan
antara 20-60%. Hal ini disebabkan karena kasus TB yang bertempat tinggal di
kabupaten yang berada di dekat dengan kota, misal kabupaten Boyolali,
Karanganyar, dan Sukoharjo
Pengarah yang
: dr. Anung mengelilingi
Sugihantono, Kota Surakarta, atau Kota
M.Kes
Magelang yang berada dr. di tengahWaworuntu,
Wiendra KabupatenM.Kes
Magelang, sebagian mencari
pelayanan kesehatan
Penanggung jawab ke kota
: dr. yang
Imran mungkinMPHM
Pambudi, lebih mudah untuk dicapai daripada
ke ibukota kabupaten.: Nurjannah, SKM, M.Kes
Editor
dr. Sulistya Widada
3.5 Tingkat provinsi
Sulistyo, SKM, M.Epid
Kontributor :
Langkah selanjutnya adalah melakukan estimasi insiden TB di tingkat provinsi
1.
denganM.Noor Farid, PhD
menjumlahkan angka estimasi insiden TB di setiap kabupaten/kota yang
2. dr. Pandu
sebelumnya telahRiono, PhD sesuai dengan provinsinya masing-masing. Pada
dihitung
3.
tingkatdr. Indriyono
provinsi jugaTantoro,
dihitungMPH
estimasi cakupan penemuan dan pengobatan TB
4. Nurul Badriyah,
baik berdasarkan SKM maupun domisili, dan juga dihitung estimasi
fasyankes
insidenTotok
5. TB-HIV seperti SKM
Haryanto, pada Tabel 8. Berikut adalag contoh worksheet untuk
menghitung
6. Helmiestimasi
Suryani,diSKM,
setiapM.Epid
provinsi.
7. Rizka Nur Fadila, SKM
8. Syarifah Khodijah, SKM
9. Shena Masyita Deviernur, SKM
10. Amelia Yuri Karlinda, SKM
11. Andini Ayu Lestari, SKM
12. Dewi Nuryana, SKM
13. Alfi Lailiyah, SKM
Cakupan
Provinsi Notifikasi Insiden TB Insiden TB-HIV
penemuan
Nilai Batas Batas Nilai Batas Batas
Fasilitas Domisili Fasilitas Domisili
tengah rendah tinggi tengah rendah tinggi
Aceh 7209 7229 20101 18311 21940 36% 36% 485 269 768
Sumut 26111 26151 62671 57088 68402 42% 42% 1307 726 2070
Sumbar 9297 9305 22917 20875 25012 41% 41% 747 415 1182
Riau 10185 10194 27569 25113 30090 37% 37% 856 476 1355
Jambi 3923 3932 13649 12433 14897 29% 29% 431 240 683
Sumsel 15100 15031 33693 30692 36774 45% 45% 475 264 751
Bengkulu 2465 2477 7741 7052 8449 32% 32% 260 145 412
Lampung 10153 10224 29438 26816 32130 34% 35% 320 178 506
Kepri 4360 4017 10814 9851 11803 40% 37% 248 138 393
DKI Jakarta 37693 34935 47319 43104 51646 80% 74% 5319 2955 8422
Jabar 84799 84456 127754 116374 139437 66% 66% 3525 1958 5581
Jateng 51767 46643 82879 75497 90458 62% 56% 3708 2060 5872
DIY 3495 3375 9053 8247 9881 39% 37% 254 141 402
Jatim 54771 52401 95697 87173 104449 57% 55% 3567 1981 5647
Banten 17113 17761 33019 30078 36039 52% 54% 865 480 1369
Bali 3531 3495 12376 11274 13508 29% 28% 1626 904 2575
NTB 6769 6788 17694 16118 19312 38% 38% 410 228 650
NTT 7065 7089 18811 17135 20531 38% 38% 816 453 1292
Kalbar 5914 5928 17192 15661 18764 34% 34% 297 165 470
Kalteng 3384 3414 9358 8524 10214 36% 36% 234 130 370
Kalsel 7570 6702 15051 13711 16428 50% 45% 366 203 580
Kaltim 6144 6160 14425 13140 15744 43% 43% 731 406 1157
Kaltara 1704 1702 2765 2519 3018 62% 62% 167 93 264
Sulut 7098 6155 9510 8663 10380 75% 65% 476 265 754
Sulteng 5166 5175 10195 9287 11127 51% 51% 221 123 350
Sulsel 17163 17155 30948 28191 33778 55% 55% 879 488 1392
Sultra 3917 3927 8982 8182 9803 44% 44% 235 131 373
Gorontalo 1932 1933 4296 3913 4689 45% 45% 104 58 165
Maluku 4571 4421 6571 5986 7172 70% 67% 361 201 572
Malut 2167 1913 4183 3810 4565 52% 46% 120 67 190
Papua Barat 2052 2066 6501 5922 7096 32% 32% 2031 1128 3216
Papua 11671 10433 18486 16839 20176 63% 56% 4409 2449 6981
Nasional 440370 426502 842000 767000 919000 52% 51% 36000 20000 57000
36
36 Panduan Penentuan Beban dan Target
TIM PENYUSUN
38
38 Panduan Penentuan Beban dan Target
TIM PENYUSUN
40
40 Panduan Penentuan Beban dan Target
B A B 4 PTEI M
R HPI E
TNUY
NUGSAUNNT A R G E T
PENEMUAN DAN PENGOBATAN TB
Gambar 32 Tren angka insiden TB per 100.000 penduduk pada tahun 2000-2017
(GTB 2018) dan prediksi pada tahun 2018-2019
42
42 Panduan Penentuan Beban dan Target
Dari prediksi tren insiden I
TBT P
Mper 100.000
E N Y Upenduduk
S U N tersebut dan perkiraan
jumlah penduduk di tahun-tahun tersebut maka dapat ditentukan perkiraan
tren insiden TB di tahun 2018-2024 seperti pada gambar berikut ini.
Insiden TB Insiden TB
Tahun
(dalam ribuan) (per 100.000 penduduk)
2017 842 (767 – 919) 319 (291 – 348)
2018 843 (768 – 919) 316 (288 – 344)
2019 843 (768 – 919) 313 (285 – 341)
2020 844 (768 – 919) 310 (282 – 337)
2021 844 (767 – 919) 307 (279 – 334)
2022 843 (766 – 916) 304 (276 – 330)
2023 842 (764 – 915) 301 (273 – 327)
2024 841 (762 – 913) 298 (270 – 323)
Tabel 10 Target cakupan penemuan dan pengobatan TB dan kasus TB yang harus
ditemukan, 2019-2024
44
44 Panduan Penentuan Beban dan Target
T
juga akan digunakan untukImenentukan
M ENY U S di
target P
U tingkat
N provinsi pada tahun
2020-2024.
Target angka cakupan penemuan dan pengobatan TB dan jumlah kasus TB yang
harus ditemukan dan diobati di setiap provinsi pada tahun 2019-2024 dapat di
lihat di tabel-tabel berikut ini.
Jumlah kasus
Target cakupan
yang harus
Provinsi Estimasi insiden penemuan dan
ditemukan dan
pengobatan
diobati
Aceh 20125 54% 10881
Sumut 62745 60% 37643
Sumbar 22944 65% 14922
Riau 27601 67% 18419
Jambi 13665 36% 4917
Sumsel 33733 79% 26528
Bengkulu 7750 50% 3869
Lampung 29473 53% 15559
Babel 5916 49% 2884
Kepri 10827 64% 6891
DKI Jakarta 47375 90% 42638
Jabar 127906 90% 115115
Jateng 82978 86% 71315
DIY 9064 63% 5674
Jatim 95811 84% 80037
Banten 33058 80% 26369
Bali 12391 44% 5470
NTB 17715 54% 9623
NTT 18833 59% 11053
Kalbar 17212 51% 8792
Kalteng 9369 60% 5631
Kalsel 15069 72% 10863
Kaltim 14442 74% 10718
Kaltara 2768 90% 2492
Sulut 9521 88% 8410
Sulteng 10207 80% 8171
Sulsel 30985 88% 27196
Sultra 8992 63% 5689
Gorontalo 4301 74% 3195
Sulbar 4440 72% 3209
Maluku 6579 90% 5921
Malut 4188 66% 2754
Papua Barat 6509 42% 2745
Papua 18508 90% 16657
Nasional 843000 75% 632250
46
46 Panduan Penentuan Beban dan Target
T
IM
Tabel 12 Target angka cakupan P
E Ndan
penemuan YU S U N TB dan jumlah kasus TB
pengobatan
yang harus ditemukan dan diobati tahun 2020
Jumlah kasus
Target cakupan
yang harus
Provinsi Estimasi insiden penemuan dan
ditemukan dan
Pengarah pengobatan
: dr. Anung Sugihantono, M.Kes diobati
Aceh dr.20149
Wiendra Waworuntu,
60%M.Kes 12094
Sumut
Penanggung jawab : dr.62819 65%
Imran Pambudi, MPHM 40948
Sumbar 22971 74% 16964
Editor : Nurjannah, SKM, M.Kes
Riau 27634 80% 22028
Jambi dr.13681
Sulistya Widada 37% 5079
Sumsel Sulistyo,
33773 SKM, M.Epid 90% 30396
Bengkulu
Kontributor : 7760 57% 4399
Lampung 29508 58% 17190
1. M.Noor Farid, PhD
Babel 5923 54% 3225
2. dr. Pandu Riono, PhD
Kepri 10840 73% 7882
3. dr. Indriyono Tantoro,
DKI Jakarta 47431MPH 90% 42688
4.
Jabar Nurul Badriyah, 128057
SKM 90% 115252
Jateng Totok Haryanto, SKM
5. 83076 90% 74768
DIY 9074 71% 6426
6. Helmi Suryani, SKM, M.Epid
Jatim 95925 90% 86332
7.
Banten Rizka Nur Fadila,33098
SKM 90% 29788
8.
Bali Syarifah Khodijah, SKM
12406 49% 6099
NTB
9. 17736
Shena Masyita Deviernur, SKM 59% 10414
NTT 18856 65% 12337
10. Amelia Yuri Karlinda, SKM
Kalbar 17233 56% 9680
11. Andini Ayu Lestari, SKM
Kalteng 9380 69% 6431
12.
Kalsel Dewi Nuryana, SKM
15087 81% 12293
13.
Kaltim Alfi Lailiyah, SKM
14459 86% 12461
Kaltara 2772 90% 2495
Sulut 9532 90% 8579
Sulteng 10219 90% 9197
Sulsel 31022 90% 27919
Sultra 9003 68% 6119
Gorontalo 4306 85% 3641
Sulbar 4445 82% 3639
Maluku 6587 90% 5928
Malut 4193 71% 2978
Papua Barat 6516 44% 2857
Papua 18530 90% 16677
Nasional 844000 80% 675200
Jumlah kasus
Target cakupan
yang harus
Provinsi Estimasi insiden penemuan dan
ditemukan dan
pengobatan
diobati
Aceh 20149 74% 14840
Sumut 62819 78% 49297
Sumbar 22971 90% 20674
Riau 27634 90% 24871
Jambi 13681 43% 5821
Sumsel 33773 90% 30396
Bengkulu 7760 71% 5501
Lampung 29508 71% 20982
Babel 5923 67% 3977
Kepri 10840 90% 9756
DKI Jakarta 47431 90% 42688
Jabar 128057 90% 115252
Jateng 83076 90% 74768
DIY 9074 88% 8011
Jatim 95925 90% 86332
Banten 33098 90% 29788
Bali 12406 60% 7503
NTB 17736 70% 12478
NTT 18856 81% 15192
Kalbar 17233 68% 11779
Kalteng 9380 86% 8072
Kalsel 15087 90% 13578
Kaltim 14459 90% 13013
Kaltara 2772 90% 2495
Sulut 9532 90% 8579
Sulteng 10219 90% 9197
Sulsel 31022 90% 27919
Sultra 9003 81% 7292
Gorontalo 4306 90% 3876
Sulbar 4445 90% 4000
Maluku 6587 90% 5928
Malut 4193 85% 3566
Papua Barat 6516 51% 3300
Papua 18530 90% 16677
Nasional 844000 85% 717400
48
48 Panduan Penentuan Beban dan Target
T
IM
Tabel 14 Target angka cakupan P
E Ndan
penemuan YU S U N TB dan jumlah kasus TB
pengobatan
yang harus ditemukan dan diobati tahun 2022
Jumlah kasus
Target cakupan
yang harus
Provinsi Estimasi insiden penemuan dan
ditemukan dan
Pengarah pengobatan
: dr. Anung Sugihantono, M.Kes diobati
Aceh dr.20125
Wiendra Waworuntu,
81%M.Kes 16246
Sumut
Penanggung jawab : dr.62745 85%
Imran Pambudi, MPHM 53061
Sumbar 22944 90% 20650
Editor : Nurjannah, SKM, M.Kes
Riau 27601 95% 26221
Jambi dr.13665
Sulistya Widada 44% 5980
Sumsel Sulistyo,
33733 SKM, M.Epid 95% 32046
Bengkulu
Kontributor : 7750 79% 6122
Lampung 29473 78% 22865
1. M.Noor Farid, PhD
Babel 5916 74% 4373
2. dr. Pandu Riono, PhD
Kepri 10827 90% 9745
3. dr. Indriyono Tantoro,
DKI Jakarta 47375MPH 95% 45006
4.
Jabar Nurul Badriyah, 127906
SKM 95% 121510
Jateng Totok Haryanto, SKM
5. 82978 95% 78829
DIY 9064 90% 8157
6. Helmi Suryani, SKM, M.Epid
Jatim 95811 95% 91020
7.
Banten Rizka Nur Fadila,33058
SKM 95% 31405
8.
Bali Syarifah Khodijah, SKM
12391 66% 8233
NTB
9. 17715
Shena Masyita Deviernur, SKM 75% 13373
NTT 18833 89% 16684
10. Amelia Yuri Karlinda, SKM
Kalbar 17212 74% 12800
11. Andini Ayu Lestari, SKM
Kalteng 9369 90% 8432
12.
Kalsel Dewi Nuryana, SKM
15069 95% 14316
13.
Kaltim Alfi Lailiyah, SKM
14442 95% 13720
Kaltara 2768 95% 2630
Sulut 9521 95% 9045
Sulteng 10207 95% 9697
Sulsel 30985 95% 29436
Sultra 8992 86% 7776
Gorontalo 4301 95% 4086
Sulbar 4440 95% 4218
Maluku 6579 95% 6250
Malut 4188 90% 3769
Papua Barat 6509 52% 3416
Papua 18508 95% 17582
Nasional 843000 90% 758700
Jumlah kasus
Target cakupan
yang harus
Provinsi Estimasi insiden penemuan dan
ditemukan dan
pengobatan
diobati
Aceh 20101 82% 16396
Sumut 62671 84% 52744
Sumbar 22917 90% 20625
Riau 27569 95% 26190
Jambi 13649 42% 5685
Sumsel 33693 95% 32008
Bengkulu 7741 81% 6267
Lampung 29438 78% 22982
Babel 5909 75% 4431
Kepri 10814 90% 9733
DKI Jakarta 47319 95% 44953
Jabar 127754 95% 121366
Jateng 82879 95% 78735
DIY 9053 90% 8148
Jatim 95697 95% 90912
Banten 33019 95% 31368
Bali 12376 67% 8326
NTB 17694 75% 13242
NTT 18811 90% 16885
Kalbar 17192 75% 12834
Kalteng 9358 90% 8422
Kalsel 15051 95% 14299
Kaltim 14425 95% 13704
Kaltara 2765 95% 2627
Sulut 9510 95% 9034
Sulteng 10195 95% 9685
Sulsel 30948 95% 29401
Sultra 8982 85% 7664
Gorontalo 4296 95% 4081
Sulbar 4434 95% 4213
Maluku 6571 95% 6243
Malut 4183 90% 3765
Papua Barat 6501 50% 3272
Papua 18486 95% 17561
Nasional 842000 90% 757800
50
50 Panduan Penentuan Beban dan Target
T
IM
Tabel 16 Target angka cakupan P
E Ndan
penemuan YU S U N TB dan jumlah kasus TB
pengobatan
yang harus ditemukan dan diobati tahun 2024
Jumlah kasus
Target cakupan
yang harus
Provinsi Estimasi insiden penemuan dan
ditemukan dan
Pengarah pengobatan
: dr. Anung Sugihantono, M.Kes diobati
Aceh dr.20077
Wiendra Waworuntu,
82%M.Kes 16547
Sumut
Penanggung jawab : dr.62596 84%
Imran Pambudi, MPHM 52509
Sumbar 22889 90% 20601
Editor : Nurjannah, SKM, M.Kes
Riau 27536 95% 26159
Jambi dr.13633
Sulistya Widada 40% 5424
Sumsel Sulistyo,
33653 SKM, M.Epid 95% 31970
Bengkulu
Kontributor : 7732 83% 6404
Lampung 29403 79% 23110
1. M.Noor Farid, PhD
Babel 5902 76% 4487
2. dr. Pandu Riono, PhD
Kepri 10802 90% 9721
3. dr. Indriyono Tantoro,
DKI Jakarta 47263MPH 95% 44900
4.
Jabar Nurul Badriyah, 127602
SKM 95% 121222
Jateng Totok Haryanto, SKM
5. 82781 95% 78642
DIY 9042 90% 8138
6. Helmi Suryani, SKM, M.Epid
Jatim 95584 95% 90804
7.
Banten Rizka Nur Fadila,32980
SKM 95% 31331
8.
Bali Syarifah Khodijah, SKM
12362 68% 8419
NTB
9. 17673
Shena Masyita Deviernur, SKM 74% 13135
NTT 18789 90% 16910
10. Amelia Yuri Karlinda, SKM
Kalbar 17172 75% 12877
11. Andini Ayu Lestari, SKM
Kalteng 9347 90% 8412
12.
Kalsel Dewi Nuryana, SKM
15033 95% 14282
13.
Kaltim Alfi Lailiyah, SKM
14408 95% 13687
Kaltara 2762 95% 2624
Sulut 9499 95% 9024
Sulteng 10183 95% 9674
Sulsel 30911 95% 29366
Sultra 8971 84% 7569
Gorontalo 4291 95% 4076
Sulbar 4429 95% 4208
Maluku 6563 95% 6235
Malut 4178 90% 3746
Papua Barat 6493 48% 3146
Papua 18464 95% 17541
Nasional 841000 90% 756900
(𝑘𝑘𝑘𝑘−1)
(𝑘𝑘𝑘𝑘)
𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 (𝑘𝑘𝑘𝑘)
𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 = (𝑘𝑘𝑘𝑘−1)
× 𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖
𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖
di mana:
(𝑡𝑡𝑡𝑡)
• 𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑗𝑗𝑗𝑗 adalah target kasus TB yang harus ditemukan dan diobati di
kabupaten/kota j provinsi i pada tahun t
(𝑡𝑡𝑡𝑡)
• 𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖 adalah target kasus TB yang harus ditemukan dan diobati di provinsi
i pada tahun t
(𝑘𝑘𝑘𝑘−1)
• 𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 adalah jumlah kasus TB yang ditemukan dan diobati di
kabupaten/kota j provinsi i pada tahun t-1
(𝑘𝑘𝑘𝑘−1)
• 𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖 adalah jumlah kasus TB yang ditemukan dan diobati di provinsi i
pada tahun t-1
52
52 Panduan Penentuan Beban dan Target
IMT
Contoh: Dari hasil angka penemuan P
Ekasus
N Yper
U Skabupaten/kota
UN di Provinsi Bali
tahun 2017 didapat distribusi temuan per kabupaten/kota seperti pada Gambar
34.
(2019) 202
𝑇𝑇𝑇𝑇𝐽𝐽𝐽𝐽𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = × 5470 = 312,9 ≈ 313
3531
(2019) 313
𝐶𝐶𝐶𝐶𝐽𝐽𝐽𝐽𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 = × 100% = 44,6% ≈ 45%
702
Tabel 17 Jumlah temuan kasus, perkiraan insiden TB, target dan cakupan
penemuan dan pengobatan TB tahun 2019
Dari tabel di atas diketahui bahwa jika target penemuan dan pengobatan TB
dialokasikan secara proporsional terhadap jumlah temuan kasus TB di
kabupaten/kota maka angka cakupan penemuan dan pengobatan TB per
kabupaten/kota adalah cukup bervariasi. Angka cakupan terendah ada di
Kabupaten Bangli (18%) sedangkan tertinggi di Kabupaten Buleleng (66%).
54
54 Panduan Penentuan Beban dan Target
T IdiMtingkat
4.4 Perhitungan target P E Nkecamatan
YUSUN
Perhitungan target penemuan kasus TB di tingkat kecamatan dapat dilakukan
dengan memperhatikan apakah kabupaten yang akan melakukan perhitungan
target TB di tingkat kecamatan mempunyai wilayah kota didalamnya atau
Pengarah : dr. Anung Sugihantono, M.Kes
tidak. Prinsip perhitungan target penemuan kasus di tingkat kecamatan sama
dr. Wiendra Waworuntu, M.Kes
dengan di tingkat kabupaten/kota yang dengan mengalokasikan target temuan
Penanggung jawabkabupaten/kota
kasus di tingkat : dr. Imran Pambudi, MPHM
secara proporsional terhadap angka temuan
Editor : Nurjannah,
kasus di fasyankes yang SKM, M.KesAngka temuan yang digunakan
ada di kecamatan.
dr. Sulistya
dapat berupa data histori/tren Widada
selama beberapa tahun terakhir, misalnya 3
Sulistyo,
tahun terakhir, tergantung SKM, M.Epid
ketersediaan data.
Kontributor :
Angka target penemuan dan pengobatan kasus TB per kecamatan dihitung
1. M.Noor Farid, PhD
dengan mengalikan proporsi penemuan dan pengobatan kasus TB di semua
2. dr. Pandu Riono, PhD
fasyankes yang berada di kecamatan tersebut terhadap penemuan dan
3. dr. Indriyono Tantoro, MPH
pengobatan kasus TB di tingkat kabupaten/kota pada tahun sebelumnya dengan
4. Nurul Badriyah, SKM
target penemuan di tingkat kabupaten/kota yang telah ditetapkan, yaitu
5. Totok Haryanto, SKM
6. Helmi Suryani, SKM, M.Epid (𝑘𝑘𝑘𝑘)
(𝑘𝑘𝑘𝑘−1)
𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑎𝑎𝑎𝑎 (𝑘𝑘𝑘𝑘)
𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑎𝑎𝑎𝑎 = (𝑘𝑘𝑘𝑘−1) × 𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
7. Rizka Nur Fadila, SKM 𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
8. Syarifah Khodijah, SKM
dengan:
9. Shena Masyita Deviernur, SKM
10. Amelia
(𝑡𝑡𝑡𝑡) Yuri Karlinda, SKM
• 𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑗𝑗𝑗𝑗𝑗𝑗𝑗𝑗 adalah target kasus TB yang harus ditemukan dan diobati di
11. Andini Ayu Lestari, SKM
kecamatan k kabupaten/kota j provinsi i pada tahun t
12. Dewi(𝑡𝑡𝑡𝑡)
Nuryana, SKM
• 𝑇𝑇𝑇𝑇𝑖𝑖𝑖𝑖𝑗𝑗𝑗𝑗 adalah target kasus TB yang harus ditemukan dan diobati di
13. Alfi Lailiyah, SKM
kabupaten/kota i provinsi i pada tahun t
(𝑘𝑘𝑘𝑘−1)
• 𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑎𝑎𝑎𝑎 adalah jumlah kasus TB yang ditemukan dan diobati di kecamatan
k kabupaten/kota j provinsi i pada tahun t-1, atau rata-rata dari beberapa
tahun sebelumnya
(𝑘𝑘𝑘𝑘−1)
• 𝑁𝑁𝑁𝑁𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 adalah jumlah kasus TB yang ditemukan dan diobati di
kabupaten/kota j provinsi i pada tahun t-1, atau rata-rata dari beberapa
tahun sebelumnya
Untuk kabupaten yang tidak ada kota didalamnya maka target penemuan dan
pengobatan TB dilakukan secara independen hanya untuk kabupaten tersebut.
Contoh: penentuan target penemuan dan pengobatan TB di setiap kecamatan di
Kabupaten Luwu Timur, Provinsi Sulawesi Selatan.
(2019) 21
𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇 = × 633 = 49
268
56
56 Panduan Penentuan Beban dan Target
I Mdan target
Tabel 18 Jumlah temuan kasus T
E Npenemuan
Y U S U dan P
N pengobatan TB menurut
kecamatan di Kabupaten Luwu Timur, Provinsi Sulawesi Selatan Tahun 2019
13.
Untuk Alfi Lailiyah, SKM
kecamatan yang mempunyai lebih dari satu puskesmas, seperti
Kecamatan Malili, Towuti, dan Wasuponda, pembagian target penemuan dan
pengobatan TB di setiap puskesmas diserahkan kepada Dinas Kabupaten Luwu
Timur dan puskesmas terkait.
Untuk kabupaten yang ada kota didalamnya maka target penemuan dan
pengobatan TB dilakukan untuk kabupaten dan kota tersebut secara bersama.
Misal Kabupaten dan Kota Magelang di Provinsi Jawa Tengah.
Pada contoh ini, target penemuan dan pengobatan kasus TB digabung antara
kabupaten dan kota. Misal dari hasil estimasi insiden TB tahun 2019 di
Kabupaten dan Kota Magelang adalah 2.876 dan 631, atau secara total adalah
3.507 kasus TB. Misalkan pada tahun 2019 ingin dicapai cakupan penemuan
dan pengobatan TB sebesar 75% atau sebanyak 2.630 kasus maka perhitungan
target penemuan dan pengobatan TB di setiap kecamatan adalah seperti pada
Tabel 19.
(2019) 18
𝑇𝑇𝑇𝑇𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 = × 2630 = 34
1407
(2019) 6
𝑇𝑇𝑇𝑇𝑀𝑀𝑀𝑀𝑑𝑑𝑑𝑑𝑀𝑀𝑀𝑀𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑀𝑀𝑀𝑀 𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 = × 2630 = 11
1407
58
58 Panduan Penentuan Beban dan Target
T
Tabel 19 Jumlah temuan kasus P
I Mdan target
E Npenemuan
Y U S U dan
N pengobatan TB menurut
kecamatan di Kabupaten dan Kota Magelang, Provinsi Jawa Tengah Tahun 2019
1. World
M.NoorHealth
Farid,Organization,
PhD Geneva, Switzerland