RANGKUMAN MATERI STATISTIK (28/10/23)

1.Dari data presentasi mahasiswa : Data tidak boleh ada missing, Jika ada missing harus
diperbaiki. Hal – hal yang membuat data missing salah satunya adalah peletakan titik

2. MATERI 1 : UKURAN ASOSIASI

 Tujuan  Merefleksikan kekuatan atau besar asosiasi antara suatu exposure (factor risiko)
terhadap kejadian suatu penyakit

 Tdd 2 yaitu : 1) Relative dan 2) Absolute

Relative tdd :
1) RR (Relative Risk) : Risk Ratio dan Rate Ratio

Rumus : a/(a+b)
c/c+d

Tabel 2x2 :
Disease
Yes No Total
total
a b
Y a+b
Exposure
N c d c+d

Total : a+c b+d

Contoh :

Relative Risk = 70/(70+300) = 9.0

15/(15+700)
Artinya : partisipan yang merokok 9 kali lebih besar kemungkinannya terkena kanker paru
dibandingkan mereka yang tidak merokok
 INTERPRETASI RR :
RR 1,0 Artinya : menunjukkan kejadian penyakit pada kelompok terpapar dan tidak terpapar
adalah sama: Tidak ada hubungan yang teramati antara kelompok yang terpajan dan tidak
terpajan.

RR > 1,0 Artinya : menunjukkan adanya hubungan positif, atau peningkatan risiko di antara
mereka yang terpapar.

RR < 1,0 Artinya : terdapat penurunan risiko pada kelompok terpapar.

2) OR (ODD RATIO)
 Yaitu : Rasio probabilitas bahwa kejadian terjadi terhadap probabilitas kejadian tidak
terjadi

 RUMUS :
Rumus : ad/bc

INTERPRETASI OR :
Jika OR > 1 = Ada Hubungan
Jika OR < 1 = Faktor Protektif/pencegahan
Jika OR = 1 = Tidak ada hubungan

3. MATERI 2 : UKURAN DAMPAK (EFEK)

 Tujuan : untuk mengukur besarnya masalah kesehatan masyarakat yang disebabkan oleh
suatu pemajan , bermanfaat untuk penilaian prioritas untuk aksi kesehatan masyarakat (Public
Health Action)
 TDD :
1. Attributable Risk (AR) Number
2. Attributable Risk Percent (AR%) Percentage
3. Population Attributable Risk (PAR) Number
4. Population Attributable Risk Percent (PAR%) Percentage

Risiko Relatif : Ukuran kekuatan asosiasi, dan indikator yang digunakan untuk menilai kemungkinan
adanya hubungan sebab akibat. Contoh : Etiologi  BERBEDA DENGAN ATTRIBUTABLE RISK

1) Attributable Risk : Ukuran potensi pencegahan penyakit jika paparan dapat dihilangkan
(dengan asumsi adanya hubungan sebab akibat). Contoh : Keputusan kebijakan, Keputusan
pendanaan (misalnya program pencegahan)

[Risiko pada kelompok terpajan] – [Risiko pada kelompok tidak terpajan

CONTOH : Develop CHD I = 84 / 3000
SM

= 0.028 = 28.0 / 1000

I = 87 / 5000
NS

= 0.0174 = 17.4 / 1000

(background risk)

AR = (28.0 – 17.4) / 1000 = 10.6 / 1000

Artinya : Di kalangan PEROKOK, 10,6 dari 28/1000 kasus kejadian PJK disebabkan oleh fakta bahwa
orang-orang tersebut merokok. Di kalangan PEROKOK, 10,6 dari 28/1000 kejadian kasus PJK yang terjadi
dapat dicegah jika kebiasaan merokok dihilangkan.

AR% = AR = (28.0 – 17.4) / 28.0 = 37.9%

Artinya : Di antara PEROKOK, 38% morbiditas akibat PJK mungkin disebabkan oleh merokok
Di antara PEROKOK, 38% angka kesakitan akibat PJK dapat dicegah jika kebiasaan merokok dihilangkan.

2. Population Attributable Risk (PAR)

 Menyatakan proporsi (atau fraksi) rate penyakit pada seluruh populasi yang mewakili rate
penyakit dalam kelompok terpajan

 RUMUS PAR

PAR = Itotal – Inonexposed

Diabetes
I = 1100 / 10000
T
= 0.11 = 110 / 1000
I = 250 / 5500
NE
= 0.0455 = 45.5 / 1000
(background risk)
PAR = (110 – 45.5) / 1000 = 64.5 / 1000
Artinya : 64,5 dari 110/1000 kejadian kasus diabetes disebabkan oleh obesitas.
64,5 dari 110/1000 kejadian kasus diabetes yang terjadi dapat dicegah dengan
penurunan berat badan yang cukup.

 RUMUS PAR% :

PAR% = (110 – 45.5) / 110 = 58.6%

Artinya : 59% kasus diabetes mungkin disebabkan oleh obesitas pada populasi.
59% kasus diabetes dapat dicegah jika penduduk menurunkan berat badan
dalam jumlah yang cukup.

Menghitung Ukuran Dampak Kesehatan

Masyarakat (Studi Kasus-Kontrol)

1) AR% (Case-Control Studies)

(OR – 1)
AR% = ----------- x 100
OR

2) PAR% (Case-Control Studies)

(PE) (OR – 1)
PAR% = ---------------------------- x 100
[(PE) (OR – 1)] + 1
where PE = proportion of exposed controls
(dengan asumsi bahwa proporsi kelompok kontrol yang terpapar mewakili
proporsi yang terpapar pada populasi sumber)

PAR% in Cohort & Case-Control Studies

• Cohort study

where P = % population exposed

• Case-control study
If % controls exposed  % population exposed:

Ringkasan – Pengukuran
Dampak Kesehatan Publik
Measure Cohort Population-based Other type of
case-control study case-control study
study

AR Yes Yes No

AR% Yes Yes Yes

PAR Yes Yes No

PAR% Yes Yes Yes

3) MATERI 3 : SKRINING
 Tdd 3 Tes yaitu :

1. VALIDITAS  Kemampuan Dari Suatu Pemeriksaan/Test Untuk Menentukan

Individu Mana Yang Mempunyai Penyakit/Berisiko (Tidak Normal) Dan Individu Mana
Yang Tidak Mempunyai Penyakit (Normal/Sehat).
 Tdd 2 Komponen yaitu :
a) Sensitivitas : proporsi kasus yang hasil tesnya positif (mengidentifikasi org yang
sakit)
RUMUS : TP / TP + FN = a/a+c

b) Spesifisitas : proporsi non-kasus yang hasil tesnya negative (Mengidentifikasis

yang tidak sakit)
RUMUS : TN / TN + FP = d/d+b

Contoh tabel 2 x 2
Status penyakit

sakit+ sakit− Total

Test

Tes+ TP (a) FP (b) TP+FP

Tes− FN © TN (d) FN+TN

Total TP+FN FP+TN N

Keterangan :
TP = true positives : orang sakit yang hasil tesnya positif
TN = true negatives : orang sehat dan hasilnya negatif
FP = false positives : orang sehat tp hasil tesnya positif
FN = false negatives : orang sakit yang hasil tesnya negatifs

• ACCURACY : Adalah proporsi true test diantara semua yang di-test:

RUMUS : (a+d)/(a+b+c+d)
 2) REABILITAS  Kemampuan Test Atau Pengukuran Untuk Menghasilkan Nilai
Yang Sama Pada Individu Dan Kondisi Yang Sama

Atasi Variasi dengan :

1) Percent Agreement
Abnormal Suspect Normal Total
Abnormal A B C A+B+C (X)
Suspect D E F D+E+F (Y)
Normal G H I G+H+I (Z)
Total A+D+G (O) B+E+H (P) C+F+I (Q) total
RUMUS :
 Observed Agreement/Accuracy = (A + E + I ) / Total
 Agreement Expected By Chance = (X.O/Tot + Y.P/Tot + Z.Q/Tot )/ Total
 Percent Agreement = (A + E + I ) / Total x 100% = …%

2) KAPPA

Interpretasi nilai Kappa (Altman, 1991):

0.8 - 1 : sangat baik (very good), Misal : Pemeriksaan / Pembacaan sediaan patologi
kanker paru yg dilakukan oleh Ahli patologi A dan B sangat mirip (tidak bervariasi), atau
mempunyai Agreement yang sangat baik. (Kappa = 0.81)

0.6 - <0.8 : baik (good)

0.4 - <0.6 : moderate
0.2 - <0.4 : cukup (fair)
<0.2 : buruk (poor)

3) EFFICACY  diukur dengan tes :

1. POSITIF PREDICTIVE VALUE : PERSENTASE DARI MEREKA DENGAN HASIL TEST POSITIF
YANG BENAR BENAR SAKIT

RUMUS : a/(a+b) = TP/TP+FP

Contoh : Dari 720 orang yang dinyatakan positif oleh tes X, hanya 570 orang yang benar – benar
sakit (dinyatakan oleh Gold Standard)  PPV = 570/720 = 0.79 atau 79%

2. NEGATIVE PREDICTIVE VALUE : PERSENTASE DARI MEREKA DENGAN HASIL TEST

NEGATIF YANG BENAR BENAR SEHAT

RUMUS : d/(c+d) = TN/TN+FN

Contoh : Dari 880 orang yang dinyatakan negative oleh tes X tetapi yang dinyatakan benar -benar sehat
oleh gold standard hanya 850 orang  NPV = 850/880 = 0.96 atau 96%

4) MATERI 4 : BESAR SAMPEL

Besar sampel untuk 1 sampel populasi presisi
RUMUS :

 n = Besar sampel

 Z1-α/2 = 1,96 pada α 0,05

 P = Proporsi kepuasan pasien (0,3)

 d = Presisi ditetapkan (0,1)

 =1.962 x 0,3 x (1-0,3)/0,12

 N = 80,6736 = 81 sampel
Contoh Kasus : Suatu penelitian dilakukan di Kabupaten Bantul untuk mengetahui
Kepuasan Pasien di RS X. Jika penelitian yang dilakukan menginginkan ketepatan 10% (d), tingkat
kemaknaan 95% (Z1/2α) dan diketahui proporsi kepuasan30% (p) . Berapa sampel yang harus
diambil pada kasus diatas?

Jawaban :
n = (Z1/2α)2 x P ( 1 – P ) /d2 = (1.96) 2 x 0,3 (1 – 0,3 ) / 0.01 = 3.84 x 0.21 / 0.01 = 80.64 = 81
Sampel