RS Hermina Bogor 27-28 Maret 2018

CURRICULUM VITAE
Nama : Tommy Indrawan Rustam
Alamat : Jl Paus Raya E/90 Komplek AL 003/013 Jatikramat Bekasi
Pendidikan
1995 : Fakultas Kedokteran Universitas Diponegoro Semarang
2005 : S2 KARS, Unversitas Indonesia
Riwayat Pekerjaan :
1997 - 2000 : Puskesmas Kalibanteng Kabupaten Tegal (Dokter Puskesmas)
2000 - 2003 : RS Siaga Raya Jakarta (Dokter Fungsional)
2003 - 2005 : RS Siaga Raya Jakarta (Direktur Medis)
2005 - 2008 : RS Juwita Bekasi (Direktur)
2008 - 2011 : RS Permata Bekasi (Direktur)
2011 - 2011 : RS Hermina Arcamanik Bandung (Manajer Penunjang Medik)
2011 - 2012 : Sekretariat Hermina Hospital Grup (Manajer Mutu dan Akreditasi)
2012 - 2018 : Departemen Mutu dan Akreditasi Hermina Hospital Grup (Manajer
Akreditasi Bidang Manajemen)
2018 - Sekarang : Ketua Internal Audit HHG sejak Februari 2018
• Validasi adalah suatu tindakan pembuktian

• Analisa data adalah kegiatan mengubah data

hasil penelitian/survei menjadi informasi yg
dapat digunakan untuk mengambil
kesimpulan dan keputusan
Proses Pengumpulan dan Analisa Data
• Pengumpulan data
• Validasi data
• Analisa dan interpretasi data
• Pelaporan data
• Peningkatan/perbaikan mutu
• Bencmark ke RS lain (mungkin kita sudah baik,
tapi RS lain lebih bagus angka mutunya)
 Sumber Data
• Rekam medis
• Sistem IT
• Check list
• Quesioner
• Hasil observasi pada pasien/responden
 PEMILIHAN INDIKATOR

PENGUMPULAN DATA INFORMASI

Tetapkan
frekuen
• METODE STATISTIK
sinya
VALIDASI DATA
DIBANDINGKAN
• Didlm RS/tren
• Dng rs lain
ANALISIS DATA • Dng standar
• Dng praktik
terbaik
6
7
• Pengumpulan data tujuannya utk perbaikan dan pembelajaran,
bukan digunakan untuk mencari kekurangan
seseorang/menghukum

• Tunjuk penanggung jawab pengumpul data di setiap unit/ruangan

• Lakukan pelatihan untuk penanggung jawab pengumpul data

• Tentukan sampel/populasi untuk mengumpulkan data

• Validasi data untuk keakuratan & kelengkapan

• Lakukan perbaikan sesegara mungkin dengan membuat rencana

tindak lanjut (action plan)
 LANGKAH-LANGKAH PENGUMPULAN DATA
1. Penanggung jawab pengumpul data mencatat data kedalam
formulir sensus harian atau input data ke dalam Sistem IT
(bila RS sudah mempunyai sistem IT untuk data indikator)
2. Data direkapitulasi dan di analisa dalam bentuk grafik melalui
sistem IT
3. Interpretasi data
4. Lakukan perbaikan untuk peningkatan mutu
5. Buat laporan dari unit ke pimpinan/komite PMKP sesuai SPO
di RS
 UNIT
• Pengumpulan data indikator
• Entry data indikator
• Validasi data indikator oleh validator
• Analisa data
 Komite/Panitia Mutu
• Rekapitulasi data indikator
• Konfirmasi data indikator oleh validator
• Analisa data
• Penyajian data (Dash Board)
• Evaluasi hasil indikator
• Bencmarking dengan RS lain
• Mengusulkan rekomendasi perbaikan
 Direksi dan PT
• Menerima hasil rekomendasi perbaikan
• Menyetujui / menolak rekomendasi
• Melakukan tindak lanjut
VALIDASI DATA
 Standar PMKP 8
RS mempunyai regulasi validasi data indikator area klinik
yang baru atau mengalami perubahan dan data yang
akan dipublikasikan. Regulasi ini diterapkan dengan
menggunakan proses internal validasi data
 REGULASI VALIDASI MELIPUTI:

• Kebijakan data yang harus divalidasi yaitu

– Merupakan pengukuran area klinik baru;
– Bila ada perubahan sistem pencatatan pasien dari manual ke
elektronik sehingga sumber data berubah ;
– Bila data dipublikasi ke masyarakat baik melalui di web site
rumah sakit atau media lain
– Bila ada perubahan pengukuran
– Bila ada perubahan data pengukuran tanpa diketahui sebabnya
– Bila ada perubahan subyek data seperti perubahan umur rata
rata pasien, protokol riset diubah, panduan praktik klinik baru
diberlakukan, ada teknologi dan metodologi pengobatan baru
 REGULASI VALIDASI MELIPUTI:
• Proses validasi data mencakup namun tidak terbatas sebagai
berikut :
 Mengumpulkan ulang data oleh orang kedua yang tidak terlibat
dalam proses pengumpulan data sebelumnya (data asli)
 Menggunakan sampel tercatat, kasus dan data lainnya yang sahih
secara statistik. Sample 100 % hanya dibutuhkan jika jumlah
pencatatan, kasus atau data lainnya sangat kecil jumlahnya.
 Membandingkan data asli dengan data yang dikumpulkan ulang
 Menghitung keakuratan dengan membagi jumlah elemen data yang
ditemukan dengan total jumlah data elemen dikalikan dengan 100.
Tingkat akurasi 90 % adalah patokan yang baik.
 Jika elemen data yang diketemukan ternyata tidak sama, dengan
catatan alasannya (misalnya data tidak jelas definisinya) dan
dilakukan tindakan koreksi
 Koleksi sample baru setelah semua tindakan koreksi dilakukan untuk
memastikan tindakan menghasilkan tingkat akurasi yang diharapkan
(lihat juga KKS.11, EP 4)
 REGULASI VALIDASI MELIPUTI:
• Proses validasi data yang akan dipublikasi di
web site atau media lainnya agar diatur
tersendiri, dan dapat menjamin kerahasiaan
pasien dan keakuratan data jelas definisinya)
dan dilakukan tindakan koreksi
Tujuan
– Monitoring akurasi data yg dikumpulkan
– Verifikasi bahwa pengambilan data adalah
konsisten dan reproducible
– Verifikasi ekspektasi tentang volume data
yang dikumpulkan.

18
 DATA
• Reliability:
– Repeatability: di ulang oleh orang yang sama, alat
sama, catatan sama, kondisi sama
– Reproducibility: di ulang oleh orang yang
berbeda, alat sama, catatan sama, kondisi sama 
VALIDASI
Aplikasi
– Tanggung jawab mutu pelayanan kesehatan untuk
masyarakat/publik.
– Mendorong peningkatan dalam proses
pengumpulan data.
– Ukuran yang dapat dipercaya untuk potensial
benchmarking selanjutnya
– Meningkatkan kepercayaan dalam gerakan
pembuatan keputusan berdasarkan data.

20
• Siapa yang melakukan

 Komite/Panitia/Tim PMKP

 Ka Instalasi pelayanan/Ka Unit Pelayanan

 Prinsip : validator adalah bukan pengumpul data (orang

ke dua)
 Kapan dilakukan validasi
• Indikator/pengukuran baru diimplementasikan
• Data akan di publikasikan
• Perubahan indikator dari sebelumnya
• Data dari indikator/pengukuran, berubah
tanpa dapat dijelaskan
• Sumber data berubah
• Subjek pengumpulan data berubah
 3 Metode Validasi
(Reproducibility)
1. Measurement Result Agreement
kesepakatan pengukuran berdasarkan hasil
membandingkan nilai atau presentase
90 % agreement
2. Measure Category Agreement
Kesepakatan pengukuran berdasarkan kategori
Nilai kesepakatan dgn membandingkan Numerator,
Denominator, Ekslusi
75% agreement
3. Data Element Agreement
Kesepakatan berdasarkan data elemen
Membandingkan semua data elemen yang ada dalam
indikator
80% agreement
a). Mengumpulkan ulang data oleh orang kedua yang
tidak terlibat dalam pengumpulan data sebelumnya

b). Menggunakan sample statistik sahih dari catatan,

kasus dan data lain. Sample 100 % dibutuhkan
hanya jika jumlah pencatatan, kasus atau data
lainnya sangat kecil jumlahnya.

c).Membandingkan data asli dengan data yang

dikumpulkan ulang 24
d). Kalkulasi akurasi dng membagi jml elemen data yg ditemukan
dng total jml data elemen dikalikan dng 100. Tk akurasi 90 %
adalah patokan yang baik.

e). Jika elemen data yg diketemukan ternyata tidak sama, dng

catatan alasan nya (misalnya data tidak jelas definisinya) &
dilakukan tindakan koreksi

f). Koleksi sample baru setelah semua tindakan koreksi dilakukan

untuk memastikan tindakan menghasilkan tingkat akurasi
yang diharapkan
25
 Masalah Terjadinya Data Yang Tidak
Valid
• Pengumpul data dan validator tidak memakai
sumber data yang sama
• Pengumpul data dan validator salah dalam
mengkategorikan numerator denumerator
• Kamus indikator tidak ada/tidak jelas
• Definisi elemen data tidak jelas
• Definisi operasional berbeda
• Ada elemen yang hilang (omission vs do not
apply)
• Input data tidak benar
• Data bermasalah di rekam medis
 Penyebab Data Tidak Konsisten
• Kurang pelatihan yang adekuta
• Kurang waktu
• Definisi operasional tidak jelas
• Lupa
• Kurang baik mendisain pengumpulan data
JUDUL INDIKATOR asesmen awal medis harus lengkap dalam waktu 24 jam
setelah pasien masuk RI
NUMERATOR Jml asesmen awal medis lengkap dlm waktu 24 jam di RI
DENOMINATOR Jumlah pasien masuk di RI
SUMBER DATA Rekam Medis
CAPAIAN INDIKATOR 70 % pada bulan Oktober 2013
JML PASIEN RI 1000 pasien
BULAN OKT 2013
JUSTIFIKASI PERLU Data baru pertama kali dikumpulkan
VALIDASI
METODE VALIDASI 1. Menggunakan metode sampling  1000 RM dilakuku
kan sampling menjadi 100 RM
2. Melakukan telaah RM di data yg disampling tsb
3. Analisa kelengkapan pengisian asesmen medis awal
HASIL VALIDASI Kelengkapan asesmen awal medis harus lengkap dalam
waktu 24 jam setelah pasien masuk RI = 35 %
HASIL ANALISA 35/70 X 100 % = 50 %  < 90 %
KESIMPULAN Data kelengkapan asesmen medis bulan Oktober : belum
akurat
RENCANA TINDAK 1. Tetapkan bahwa capaian indikator asesmen pasien
LANJUT pada bulan Oktober 2013 = 35 %  revisi data capaian
indikator
2. Edukasi untuk PIC pengumpul data
3. Edukasi ke medis untuk peningkatan kelengkapan
asesmen
4. Karena validitas data masih diragukan maka data bulan
November perlu dilakukan validasi lagi
JUDUL INDIKATOR asesmen awal medis harus lengkap dalam waktu 24 jam
setelah pasien masuk RI
NUMERATOR Jml asesmen awal medis lengkap dlm waktu 24 jam di RI
DENOMINATOR Jumlah pasien masuk di RI
SUMBER DATA Rekam Medis
CAPAIAN INDIKATOR Bulan November 80 %
JML PASIEN RI 800 pasien
BULAN NOV 2013
JUSTIFIKASI PERLU Validasi ulang karena hasil bulan Okt belum valid
VALIDASI
METODE VALIDASI 1. Menggunakan metode sampling  800 RM dilakuku
kan sampling menjadi 80 RM
2. Melakukan telaah RM di data yg disampling tsb
3. Analisa kelengkapan pengisian asesmen medis awal
HASIL VALIDASI Kelengkapan asesmen awal medis harus lengkap dalam
waktu 24 jam setelah pasien masuk RI = 75 %
HASIL ANALISA 75/80 X 100 % = 93,75 %  > 90 %
KESIMPULAN Data kelengkapan asesmen medis bulan November : sudah
akurat
RENCANA TINDAK Validasi akan dilakukan kembali bila ada perubahan PIC
LANJUT pengumpul data, sumber data, numerator, denomerator,
sistem RM menjadi E-RM
Melakukan edukasi ke staf medis untuk meningkatkan
kelengkapan pengisian asesmen awal
 DATA YANG DILAKUKAN VALIDASI
• Data indikator mutu unit & prioritas
• Insiden keselamatan pasien (IKP)
• Indikator kinerja staf klinis
• Pengukuran budaya keselamatan
Dengan memakai “TEKNOLOGI INFORMASI
SISTEM MANAJEMEN DATA TERINTEGRASI”