MEQ 1

6.

7.

8.
9.
MEQ 2

MODIFIED ESSAY QUESTION

Blok 4.4 Kesehatan Masyarakat TA 2022/2023
Kamis, 9 Maret 2023
Bagian 1 (waktu 10 menit)

Pandemi COVID-19 sudah melewati ulang tahun yang ke-2 di Indonesia. Hingga saat ini, terpantau
angka kasus COVID-19 masih naik turun. Dibawah ini adalah rekapitulasi data COVID-19 di pulau
Jawa hingga 1 April 2022 sejak kasus pertama ditemukan di Indonesia.

Sumber data: www.antaranews.com dan www.bps.go.id

1. Berapakah case fatality rate COVID-19 di pulau Jawa?

CFR = jumlah kematian/jumlah terdiagnosis x 100%
= 3%

2. Diantara 6 provinsi tersebut, provinsi manakah yang memiliki case fatality rate COVID-19
paling tinggi? Berapakah case fatality rate-nya?
Jawa Timur (5%)

3. Diantara 6 provinsi tersebut, provinsi manakah yang memiliki prevalence rate COVID-19
paling rendah selama COVID-19 terdeteksi? Berapakah prevalence rate-nya?
Banten (1%)
 MODIFIED ESSAY QUESTION
Blok 4.4 Kesehatan Masyarakat TA 2022/2023
Kamis, 9 Maret 2023
Bagian 2 (waktu 50 menit)

Di sebuah rumah sakit dilakukan penyelidikan epidemiologi untuk mengetahui karakteristik

penderita COVID-19 dan faktor-faktor yang mempengaruhinya. Sampelnya adalah penderita
COVID-19 yang dirawat di rumah sakit tersebut dan dicari data mengenai usia, jenis kelamin, kadar
D-dimer saat masuk RS, lama dirawat (dalam hari) dan kepemilikan komorbid. Didapatkan data
sebagai berikut:

Sumber: Poudel A, Poudel Y, Adhikari A, Aryal BB, Dangol D, Bajracharya T, et al. (2021) D-dimer
as a biomarker for assessment of COVID-19 prognosis: D-dimer levels on admission and its role in
predicting disease outcome in hospitalized patients with COVID-19. PLoS ONE 16(8): e0256744.
https://doi.org/10.1371/journal.pone.0256744
No Usia Jenis kelamin Kadar D-dimer Lama dirawat Komorbid
1 57 Perempuan 1,68 2 Tidak ada
2 30 Laki-laki 0,91 9 Tidak ada
3 46 Laki-laki 1,29 11 Ada
4 73 Laki-laki 1,80 16 Tidak ada
5 87 Laki-laki 0,22 11 Ada
6 67 Laki-laki 0,56 8 Tidak ada
7 39 Perempuan 1,30 12 Ada
8 70 Perempuan 0,08 12 Ada
9 31 Perempuan 1,40 12 Ada
10 36 Laki-laki 0,72 12 Ada
11 66 Laki-laki 0,20 12 Tidak ada
12 55 Laki-laki 0,16 6 Tidak ada
13 58 Perempuan 0,37 8 Ada
14 76 Perempuan 0,25 15 Ada
15 54 Laki-laki 0,58 6 Tidak ada
16 68 Perempuan 1,52 10 Ada
17 46 Perempuan 0,57 14 Ada
18 47 Laki-laki 0,69 12 Ada
19 64 Laki-laki 1,00 7 Ada
20 59 Laki-laki 0,41 12 Ada
21 49 Laki-laki 3,85 3 Ada
22 43 Laki-laki 0,91 6 Tidak ada
23 40 Perempuan 0,19 5 Tidak ada
24 40 Perempuan 0,76 9 Tidak ada
25 70 Laki-laki 4,99 3 Ada
26 63 Laki-laki 0,77 11 Ada
27 29 Perempuan 0,80 4 Tidak ada
28 48 Perempuan 0,17 13 Tidak ada
29 29 Laki-laki 0,17 6 Tidak ada
30 46 Laki-laki 0,49 4 Tidak ada
31 43 Laki-laki 0,10 5 Tidak ada
32 76 Laki-laki 0,60 4 Tidak ada
33 61 Laki-laki 2,73 2 Ada
34 68 Perempuan 8,27 3 Ada
35 86 Laki-laki 4,13 3 Ada
36 48 Laki-laki 0,05 5 Tidak ada
37 76 Laki-laki 0,33 5 Ada
 38 37 Laki-laki 0,03 8 Ada
39 84 Laki-laki 0,38 11 Tidak ada
40 84 Laki-laki 0,72 11 Ada
41 49 Perempuan 0,02 5 Tidak ada
42 57 Laki-laki 0,95 11 Tidak ada
43 33 Laki-laki 0,03 7 Tidak ada
44 22 Laki-laki 0,02 2 Tidak ada
45 64 Laki-laki 1,24 9 Ada
46 76 Perempuan 4,10 20 Ada
47 39 Laki-laki 0,03 7 Ada
48 47 Perempuan 0,32 8 Ada
1. Apakah desain penelitian yang dilakukan rumah sakit tersebut? Sebutkan alasannya!
Cross-Sectional
2. Sebutkan skala pengukuran variabel diatas!
No Variabel Skala Pengukuran
a. Usia Rasio
b. Jenis Kelamin Nominal
c. Kadar D-Dimer Rasio
d. Lama dirawat Rasio
e. Komorbid Nominal
3. Rumah sakit ingin mengetahui bagaimana distribusi data penderita COVID-19 berdasarkan
gambaran kelima variabel tersebut. Apakah pilihan penyajian data yang tepat pada variabel
tersebut?
No Variabel Penyajian Data
a. Usia Histogram atau tabel
b. Jenis Kelamin Pie Chart
c. Kadar D-Dimer Histogram atau table
d. Lama Dirawat Histogram atau table
e. Komorbid Pie chart
4. Bagaimana distribusi data usia, kadar D-dimer, dan lama dirawat? Uji apakah yang digunakan?
Caranya = analyze  descriptive statistic  explore  dependent list (masukin semua variable
yang mau diuji)  plots (centang normality)
Cara interpretasinya 
1. Kalo data > 50 = Kolmogorov-smirnov
Kalo data < 50 = Shapiro-wilk (data cuma 48, jadi pake Shapiro-wilk)
2. p > 0,05 (data normal)  kebalikannya cari signifikan
kalo ada satu data aja yang ga normal  berarti pake uji Spearman
kalo data semua normal  pake uji pearson
 Uji spearman dan pearson hanya berlaku jika data numerik semua
Kalo data kategorik pakenya Chi-Square dengan uji alternatif fisher (kalo tidak memenuhi
syarat chi-square)
Syarat Chi-Square:
1. Data kategorik semua
2. Nilai tabel kalo 2x2 harus 0 cells (0,00%)
Kalo tabel 2x3 dst harus < 20%
3. Kalo pake fisher tabelnya harus 2x2

No Variabel Distribusi Data

a. Usia Normal (p=0,258)
b. D-Dimer Tidak normal (p=0,000)
c. Lama Dirawat Normal (p=0,068)
Uji yang digunakan: Spearman
5. Rumah sakit ingin mengetahui bagaimana hubungan antara kadar D-dimer dan lama dirawat?
a. Apakah uji statistik yang tepat? Spearman
Caranya = analyze  collate  bivariate  centang spearman  OK

Berapakah hasil uji statistiknya (p value)? P=0.92 (lihat sig-2 tailed)

 b. Bagaimanakah interpretasinya? Tidak signifikan, tidak berkolerasi
Kadar D-Dimer pada pasien tidak berhubungan dengan lama perawatan pasien dirumah
sakit
Koefisien kolerasinya lemah karena (-0,018)
6. Rumah sakit ingin mengetahui bagaimana hubungan antara usia dan lama dirawat?
a. Apakah uji statistik yang tepat? Pearson (karena data normal dan normal)

b. Berapakah hasil uji statistiknya (p value)? P=0,163 (lihat sig-2 tailed)

 c. Bagaimanakah interpretasinya? Tidak ada hubungan antara usia dan lama dirawat
Usia pasien tidak memiliki hubungfan dengan lama perawatan pasien di rumah sakit

7. Rumah sakit ingin mengetahui hubungan antara jenis kelamin dan kadar D-dimer (D-Dimer
<1.5μg/ml normal dan D-Dimer ≥1.5μg/ml tinggi).
a. Apakah uji statistik yang tepat? Chi-Square  tidak memenuhi  Fisher
Kenapa chi-square? Karena jenis kelamin kategorik dan d-dimer suruh ngubah jadi
kategorik
cara ngubahnya d-dimer jadi kategorik adalah transform  record into different variable
 old and new values

b. Berapakah hasil uji statistiknya (p value)? P=0,457

Analyze  descriptive statistic  crosstab  row (variable bebas) = jenis kelamin,
colums (variable terikat) = d-dimer 2 (d-dimer yang baru udah diganti ke kategorik) 
statistic (pilih chi-square)  cells
 Hasilnya tidak memenuhi chi-square karena >20% (25%)  langsung yang diliuhat fisher
p=0,457
c. Bagaimanakah interpretasinya? Tidak ada hubungan antara jenis kelamin dan kadar D-
Dimer
8. Rumah sakit ingin mengetahui hubungan antara kepemilikan komorbid dan kadar D-dimer (D-
Dimer <1.5μg/ml normal dan D-Dimer ≥1.5μg/ml tinggi).
a. Apakah uji statistik yang tepat? Chi-Squre  tidak memenuhi  Fisher
 Janlup centang risk

b. Berapakah hasil uji statistiknya (p value)? P=0,151

 Chi-square tidak memenuhi karena > 20% (50%) jadi diliuhat fisher p=0,151)
c. Bagaimanakah interpretasinya? Tidak ada hubungan antara komorbid dengan kadar D-
Dimer
9. Tanpa melihat hasil signifikansi uji statistiknya, rumah sakit ingin mengetahui besar resiko
kepemilikan komorbid terhadap kadar D-dimer normal atau tinggi.
a. Apakah pengukuran risiko yang paling tepat? Cross- sectional pake OR
b. Berapakah besar pengukuran risiko tersebut?

c. Bagaimana interpretasinya? Orang yang memiliki komorbid beresiko 2,9 kali lebih besar

Notes:
- Lihat normalitas data
- Kalo ga normal gunakan uji alternatifnya
MEQ 3

1. Maternal Mortality Ratio = angka kematian ibu/jumlah kelahiran hidup x 100.000

 MODIFIED ESSAY QUESTION
Blok 4.4 Kesehatan Masyarakat TA 2022/2023
Selasa, 14 Maret 2023
Bagian 2 (waktu 45 menit)

Di sebuah rumah sakit dilakukan penyelidikan epidemiologi untuk mengetahui faktor-faktor yang
mempengaruhi kematian bayi. Pengambilan data diawali dengan mengidentifikasi bayi yang
meninggal dan yang sehat, kemudian ditelaah lebih lanjut mengenai usia ibu saat melahirkan,
pendidikan ibu, dan kepemilikan asuransi kesehatan selama kehamilan dan persalinan. Didapatkan
data sebagai berikut:
No Usia Pendidikan Ibu Kepemilikan Asuransi Bayi meninggal

1 39 SD Tidak Tidak

2 23 SMA Tidak Ya

3 21 SMP Tidak Tidak

4 37 SMA Tidak Ya

5 24 SMP Tidak Ya

6 22 SMP Tidak Ya

7 28 SMA Tidak Ya

8 40 SD Tidak Tidak

9 36 SD Tidak Ya

10 27 SMA Tidak Ya

11 23 Perguruan Tinggi Tidak Ya

12 24 Perguruan Tinggi Tidak Ya

13 35 SMA Ya Tidak

14 34 SMA Tidak Tidak

15 46 SD Tidak Tidak

16 24 SMP Tidak Tidak

17 17 SMP Tidak Tidak

18 24 SD Tidak Tidak

19 21 SD Tidak Ya

20 39 SD Tidak Ya

21 20 SMP Tidak Ya
22 16 SMP Ya Ya

23 30 Perguruan Tinggi Ya Tidak

24 17 SD Ya Ya

25 23 SMP Tidak Ya

26 29 Perguruan Tinggi Ya Tidak

27 18 SMP Ya Tidak

28 30 SMA Ya Ya

29 35 SD Ya Ya

30 20 SMA Tidak Tidak

31 20 SD Tidak Ya

32 37 SMA Ya Tidak

33 18 SMA Tidak Ya

34 19 SMA Tidak Ya

35 25 Perguruan Tinggi Tidak Tidak

36 35 SD Ya Tidak

37 27 SMP Ya Tidak

38 40 SD Ya Tidak

39 37 SMP Ya Tidak

40 36 Perguruan Tinggi Ya Tidak

41 34 SD Tidak Ya

42 16 SD Tidak Ya

43 39 SD Tidak Tidak

44 21 SMA Ya Ya

45 19 SMA Tidak Tidak

46 37 SD Tidak Ya

47 21 SD Tidak Tidak

48 20 SD Tidak Ya

49 19 SD Tidak Ya
 50 23 SMA Tidak Tidak

1. Apakah desain penelitian yang dilakukan rumah sakit tersebut? Sebutkan alasannya!
Case control karena pengambilan data diambil dari outcomenya
2. Sebutkan skala pengukuran variabel diatas!
No Variabel Skala Pengukuran
a. Usia Ratio
b. Pendidikan Ibu Ordinal
c. Kepemilikan Asuransi Nominal
d. Bayi Meninggal Nominal

3. Rumah sakit ingin mengetahui bagaimana distribusi data berdasarkan gambaran keempat variabel
tersebut. Apakah pilihan penyajian data yang tepat pada variabel tersebut?
No Variabel Penyajian Data
a. Usia Tabel, histogram, box plot
b. Pendidikan Ibu Pie chart, tabel, bar chart
c. Kepemilikan Asuransi Pie Chart, tabel, bar chart
d. Bayi Meninggal Pie chart, tabel, bar chart

4. Rumah sakit ingin mengetahui bagaimana hubungan antara kematian bayi dengan kepemilikan
asuransi.
a. Apakah uji statistik yang tepat? Chi Square (nominal-nominal)
Caranya seperti chi-square biasa
b. Berapakah hasil uji statistiknya (p-value)? 0,084

Karena memenuhi syarat chi-square (0%)  hasilnya dilihat pearson chi-square p=0,084
(p>0,05)
c. Bagaimanakah interpretasinya? Tidak signifikan. Tidak terdapat hubungan kepemilikan
asuransi dengan kematian bayi

5. Rumah sakit ingin mengetahui hubungan antara kematian bayi dengan lama pendidikan ibu (SD
SMP dikelompokkan menjadi ≤ 9 tahun dan SMA Perguruan tinggi menjadi >9 tahun).
a. Apakah uji statistik yang tepat? Chi Square
b. Berapakah hasil uji statistiknya (p-value)? 0,817
 c.

d. Memenuhi chi-square  p=0,817

e. Bagaimanakah interpretasinya? Tidak signifikan. Tidak terdapat hubungan antara
kematian bayi dengan lama Pendidikan ibu

6. Rumah sakit ingin mengetahui hubungan antara kematian bayi dengan usia ibu saat melahirkan
(≤24 tahun dianggap sebagai usia muda dan ≥25 tahun dianggap sebagai usia cukup).
a. Apakah uji statistik yang tepat? Chi-Square
b. Berapakah hasil uji statistiknya (p-value)? 0,049

Memenuhi chi-square p=0,049

c. Bagaimanakah interpretasinya? Signifikan. Terdapat pengaruh antara kematian bayi
dengan usia ibu melahirkan

7. Tanpa melihat hasil signifikansi uji statistiknya, rumah sakit ingin mengetahui besar resiko
kematian bayi dengan usia ibu saat melahirkan (usia muda dan usia cukup).
a. Apakah pengukuran risiko yang paling tepat?
OR = ad/bc = 17x15 / 9x9 = 3,148
b. Berapakah besar pengukuran risiko tersebut? Tuliskan beserta hitungannya!
 c. Bagaimana interpretasinya? Wanita yang melahirkan usia muda berisiko 3,148 kali
lipat kematian bayi

8. Apakah sajakah faktor yang mempengaruhi kematian bayi berdasarkan data di atas? Apakah saran
yang dapat diberikan berdasarkan hasil tersebut?
Usia mempengaruhi kematian bayi  sarannya melahirkan saat usia bayi cukup, kehamilan
sebaiknya direncanakan
MEQ 4

MODIFIED ESSAY QUESTIONs

Kamis, 16 Maret 2023
Bagian 1 (30 menit)

Dokter Andi adalah kepala unit Pencegahan dan Pengendalian Penyakit di Dinas Kesehatan
Sumberadi mendapatkan sedang menganalisis data laporan jumlah kasus demam berdarah dengue di
Kabupaten Sumberadi selama tahun 2012 sampai 2014. Berikut ini adalah data penyakit demam
berdarah di kabupaten Sumberadi.

No Waktu Jumlah kasus Meninggal

1 Jan-12 20 1
2 Feb-12 15 2
3 Mar-12 8 0
4 Apr-12 5 0
5 Mei-12 4 0
6 Jun-12 5 0
7 Jul-12 6 1
8 Agust-12 9 2
9 Sep-12 15 0
10 Okt-12 10 1
11 Nov 2012 23 0
12 Des-12 25 0
13 Jan-13 34 2
14 Feb-13 23 0
15 Mar-13 23 0
16 Apr-13 14 1
17 Mei-13 5 1
18 Jun-13 7 0
19 Jul-13 6 0
20 Agust-13 14 3
21 Sep-13 23 0
22 Okt-13 14 0
23 Nov 2013 23 2
24 Des-13 160 5
25 Jan-14 120 3
26 Feb-14 24 0
27 Mar-14 23 0
28 Apr-14 12 0
29 Mei-14 25 0
30 Jun-14 13 1
 31 Jul-14 4 1
32 Agust-14 6 1
33 Sep-14 7 0
34 Okt-14 12 2
35 Nov 2014 23 1
36 Des-14 35 2

Pertanyaan :
1. Buatlah kurva jumlah kasus menurut waktu (time series).

Chart Title
180
160
140
120
100
80
60
40
20
0
12 2 2 2 12 12 13 r-13 i-13 l-13 13 13 14 r-14 i-14 l-14 14 14
n- -1 -1 -1 p- v- n- p- v- n- p- v-
Ja ar ei J ul e o J a a e J u e o J a a e J u e o
M M S N M M S N M M S N
Series1 Series2
2. Apakah status penyakit Demam berdarah dengue di kabupaten Sumberadi? jelaskan
alasannya!
Endemi  karena setiap waktu terdapat kasus
3. Apakah status penyakit demam berdarah pada bulan desember 2013 dan januari 2014?
Jelaskan alasannya!
KLB  karena terdapat lonjakan lebih dari 2 kali lipat
4. Berdasarkan laporan 2012 sd 2014, berapakah case fatality rate demam berdarah dengue di
kabupaten Sumberadi?
CFR = jumlah kematian/jumlah kasus = 4%
5. Diketahui jumlah penduduk di kabupaten Sumberadi adalah 25000 jiwa. Berapakah attack
rate demam berdarah dengue pada periode desember 2013-januari 2014 ?
AR = jumlah kasus (kurun waktu)/jumlah penduduk) x 100% = 1%
 MODIFIED ESSAY QUESTION
Kamis, 16 Maret 2023
Bagian 2 (30 menit)

Dokter Andi beserta tim kemudian mengumpulkan data yang berasal dari penyelidikan
epidemiologi dan surveillance. Disamping itu juga didapatkan data curah hujan yang berasal dari
BMKG. Data yang didapatkan adalah sebagai berikut.
.
cakupan Angka Bebas Curah
No Waktu PSN(%) Jentik(%) hujan
1 Jan-12 30 60 230
2 Feb-12 25 67 170
3 Mar-12 30 56 160
4 Apr-12 35 55 100
5 Mei-12 34 34 30
6 Jun-12 45 65 10
7 Jul-12 36 70 7
8 Agust-12 23 56 6
9 Sep-12 45 47 35
10 Okt-12 44 75 48
11 Nov 2012 40 39 90
12 Des-12 32 84 210
13 Jan-13 56 46 190
14 Feb-13 45 83 150
15 Mar-13 40 74 35
16 Apr-13 47 46 32
17 Mei-13 36 45 25
18 Jun-13 43 40 24
19 Jul-13 25 34 5
20 Agust-13 23 35 10
21 Sep-13 14 31 22
22 Okt-13 15 56 29
23 Nov 2013 16 43 170
24 Des-13 35 45 258
25 Jan-14 34 40 210
26 Feb-14 12 76 100
27 Mar-14 15 53 78
28 Apr-14 36 35 45
29 Mei-14 21 25 63
30 Jun-14 34 34 30
31 Jul-14 21 45 19
32 Agust-14 25 32 10
33 Sep-14 36 27 23
34 Okt-14 45 30 30
35 Nov 2014 42 34 90
36 Des-14 16 24 200
Pertanyaan :
6. Buatlah kurva time series antara jumlah kasus, curah hujan, cakupan PSN dan ABJ!

Chart Title
300

250

200

150

100

50

0
12 r-12 i-12 l-12 12 12 13 r-13 i-13 l-13 13 13 14 r-14 i-14 l-14 14 14
a n- a e J u ep- ov- a n- a e J u ep- ov- a n- a e J u ep- ov-
J M M S N J M M S N J M M S N

Series1 Series2 Series3 Series4

7. Peneliti ingin mengetahui apakah terdapat hubungan antara curah hujan, cakupan PSN dan
persentase ABJ terhadap kejadian DB? Interpretasikanlah hasilnya.

Test normality p>0,05

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Jumlah_kasus .351 36 .000 .501 36 .000

Cakupan_PSN .127 36 .152 .958 36 .190
Angka_BebasJentik .143 36 .060 .935 36 .035
Curah_hujan .227 36 .000 .837 36 .000
a. Lilliefors Significance Correction

Normal = cakupan PSN

Tidak normal = jumlah kasus, angka bebas jentik, curah hujan

Uji korelasi yg data numerik:

Uji Spearman (karena tidak normal)
Uji pearson (data normal)

Correlations

Jumlah_kasu Cakupan_PS Angka_BebasJenti Curah_huja

s N k n
Spearman' Jumlah_kasus Correlatio
s rho n 1.000 -.139 .033 .706**
Coefficient

Sig. (2-
. .419 .846 .000
tailed)

N 36 36 36 36

Cakupan_PSN Correlatio
n -.139 1.000 .137 .015
Coefficient

Sig. (2-
.419 . .427 .930
tailed)

N 36 36 36 36

Angka_BebasJenti Correlatio
k n .033 .137 1.000 .234
Coefficient

Sig. (2-
.846 .427 . .169
tailed)

N 36 36 36 36

Curah_hujan Correlatio
n .706** .015 .234 1.000
Coefficient

Sig. (2-
.000 .930 .169 .
tailed)

N 36 36 36 36

**. Correlation is significant at the 0.01 level (2-tailed).

Kekuatan kolerasi:
1. 0-0,19 = sangat rendah
2. 0,2-0,39 = rendah
3. 0,4-0,59 = sedang
4. 0,6-0,79=kuat
5. 0,8-0,99=sangat kuat
6. 1 = kolerasi sempurna

Hasil yang Signifikan hanya jumlah kasus dan curah hujan p=0,000 (P<0,05)
Kolerasi jumlah kasus dan curah hujan positif dengan kekuatan kolerasinya kuat (koef=0,706)