Ukuran-Ukuran Dasar Dalam

Epidemiologi
Created by : dindin
What Is The Unique Skill
Of Epidemiologists?

MEASURING
DISEASE
FREQUENCY IN
POPULATIONS
 A. Perhitungan Frekuensi Penyakit
1. Rasio
- Dapat dinyatakan dalam a/b
- Berguna untuk pembandingan
- Contoh ukuran yang menggunakan rasio
Sex ratio
Dependency ratio
Rasio bidan per penduduk
Rasio puskesmas per penduduk
How Many?
Community A Community B
 2. Proporsi / Persentase

• Menyatakan besar relatif suatu kelompok

terhadap total semua kelompok
• Untuk dua kelompok a dan b, proporsi a=
a/(a+b) atau persentase a = a/(a+b) x 100%

Misal : Proporsi kematian karena DHF adalah

jumlah yang mati karena DHF dibagi jumlah
seluruh kematian
 Distribusi Frekuensi, Proporsi dan Persentase
Responden Menurut Tingkat Pendidikan

Tingkat Pendidikan Frekuensi Proporsi %

Tidak sekolah/tdk tamat SD 5 5/53 9,4

Tamat SD 23 23/53 43,4
Tamat SLTP 10 10/53 18,9
Tamat SLTA 11 11/53 20,8
Tamat Diploma/Universitas 4 4/53 7,5
Jumlah 53 100
 3. Rate
• Besarnya peristiwa yang terjadi terhadap jumlah
keseluruhan penduduk dimana peristiwa itu
berlangsung dalam suatu batas waktu tertentu
• Memasukkan unsur waktu dalam perhitungan
rasio maupun proporsi
• Contoh:
– CDR (crude death rate)
– CBR (crude birth rate)
– RNI (rate of natural increase)
 Rate
N kelahiran hidup dalam setahun
CBR   1000
populasi tengah ta hun

N kematian dalam setahun

CDR   1000
populasi tengah ta hun

RNI  CBR  CDR

 B. Ukuran Morbiditas
1. Insidensi
Jumlah kejadian/penyakit (kasus baru) pada
kelompok pddk tertentu dlm suatu kurun waktu
tertentu
Pada penyakit menular tertentu dengan
masa tunas yg pendek dapat dihitung attack
rate (angka serangan), misal pada wabah
atau Kejadian Luar Biasa (KLB) yg biasanya
berlangsung tidak terlalu lama (beberapa
hari atau minggu saja).
2. Prevalensi

a. Point prevalence, jlh seluruh penderita

(lama+baru) yg ada pada suatu saat
tertentu
b. Periode prevalence, jlh seluruh penderita
(lama+baru) yg ada pada suatu periode
tertentu
 Contoh soal :
1. Jika kita ingin memperoleh ukuran insidensi
kanker payudara diantara wanita di Tanah
Datar selama tahun 2009, kasus kanker
payudara mana yg kita jadikan penyebut
(numerator) ?
a. Seluruh kasus kanker payudara diantara
wanita Tanah Datar tahun 2009 ?, atau
b. Hanya kasus baru kanker payudara diantara
wanita Tanah Datar tahun 2009 ?
 Contoh soal :
2: Diasumsikan kita mulai menghitung insidensi
pada 1 januari 2009, wanita Tanah Datar
mana yg kita jadikan pembilang (denuminator)
dari ukuran insidensi ?

a. Seluruh wanita di Tanah Datar pada tahun

2009.
b. Hanya wanita tanpa kaknker payudara di
Tanah Datar pada 1 Januari 2009
 Contoh soal :
3: Untuk menghitung prevalensi kanker payudara
pada wanita Tanah Datar tahun 2009, kasus
kanker payudara mana yang kita jadikan
numeraor ?

a. Seluruh kasus kanker payudara yg dilaporkan

pad atahun 2009?
b. Seluruh kasus kanker payudara yg pernah
dilaporkan?, atau
c. Seluruh kasus kanker payudara yg masih
bertahan yg pernah dilaporkan?
 Contoh soal :
4. Selama tahun 2009 ditemukan 100 org
penderita TB baru. Penderita TB tahun 2008
yang masih bertahan sampai tahun 2009 50
orang. Jumlah pddk Tanah Datar 400.000
orang.

 Hitung angka insidensi dan prevalensi TB di

Kab Tanah Datar tahun 2009!
Manfaat ukuran insidensi
1. Angka insidensi dapat digunakan untuk
mengukur angka kejadian penyakit. Perubahan
angka insidensi dapat menunjukkan adanya
perubahan faktor2 penyebab penyakit, yaitu
fluktuasi alamiah dan adanya program
pencegahan.
2. Dalam penelitian epidemiologi  sebab akibat
3. Perbandingan antara berbagai populasi dengan
pemamapan yg berbeda
4. Untuk mengukur besarnya risiko determinan
tertentu
Manfaat ukuran prevalensi
1. Menggambarkan tingkat keberhasilan
program pemberantasan penyakit
2. Penyusunan perencanaan pelayanan
kesehatan, misal obat, tenaga, ruangan
3. Menyatakan banyaknya kasus yg dapat
didiagnosis
 C. Ukuran Mortalitas
1. Crude Death Rate (CDR)
Angka kematian kasar adalah jumlah kematian
yg dicatat selama satu tahun per 1000 penduduk
di pertengahan tahun yg sama

AKK/CDR = Jmh kematian yg dicatat dlm thn kalender X 1000

Jlh seluruh pddk pertengahan thn yg sama
2. Age Specific Death Rate (ASDR)

Jmlh kematian pada kelompok umur tertentu

tertentu selama satu tahun
/ 1000
Jmlh penduduk golongan umur tersebut pada
pertengahan tahun yg sama

• Bisa interval 5 tahunan atau

• Kelompok umur khusus spt : neonatus, bayi,
balita, usia sekolah, dewasa, usia lanjut, dll.
 Kelompok Umur
Cth : Angka Kematian Bayi (Infant Mortality Rate)
Dirinci lagi menjadi :
Perinatal Mortality Rate (Kematian Janin >28 mgg Usia
Kehamilan s.d bayi berusia 7 hari)
Neonatal Mortality Rate (0 – 1 bulan)
Post Neonatal Mortality Rate (1 bulan – 1 tahun)
Examples for age spesific death rates:

A. Infant mortality rate (IMR)

Jmlh kematian bayi selama satu tahun
/ 1000
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama

Tinggi rendahnya IMR berkaitan dengan

1. Penyakit infeksi yg dapat dicegah dgn imunisasi

2. Diare yg dapat menyebabkan dehidrasi
3. Personal higiene dan sanitasi lingkungan yg
kurang memadai, serta sosial ekonomi rendah
4. Gizi buruk dan daya tahan tubuh yg menurun
Examples for age spesific death rates:

B. Perinatal mortality rate (PMR)

Jmlh kematian janin pada kehamilan 28 mgg atau lebih

+ jumlah kematian bayi < 7 hari selama satu tahun / 1000
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama

Tinggi rendahnya PMR berkaitan dengan

1. Banyaknya bayi Berat Badan Lahir Rendah (BBLR)

2. Status gizi ibu dan bayi
3. Keadaan sosial ekonomi
4. Penyakit infeksi terutama ISPA
5. Pertolongan persalinan
Examples for age spesific death rates:

C. Neonatal mortality rate (NMR)

Jmlh kematian bayi berumur < 28 hari selama satu tahun

/ 1000
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama

Tinggi rendahnya NMR berguna untuk mengetahui :

1. Tinggi randahnya usaha perawatan antenatal/

selama kehamilan dan post natal/perawatan bayi
setelah lahir
2. Program imunisasi
3. Pertolongan persalinan
4. Penyakit infeksi terutama ISPA
Examples for age spesific death rates:

D. Post Neonatal mortality rate (PNMR)

Jmlh kematian bayi berumur > 28 hari sampai 1 tahun

selama satu tahun / 1000

Jmlh bayi lahir hidup di area yg sama dan tahun yg sama

Tinggi rendahnya PNMR berkaitan dengan :

1. Penyakit infeksi yang sebenarnya dapat dicegah

dengan imunisasi
2. Diare yg mengakibatkan dehidrasi
3. Lingkungan dan higiene sanitasi yg kurang memadai
4. Gizi buruk dan penurunan daya tahan tubuh
Examples for age spesific death rates:

E. Angka Kematian Balita (Akaba)

Jmlh kematian balita dalam 1 tahun

/ 1000
Jmlh balita di area yg sama dan tahun yg sama

Tinggi rendahnya Akaba berkaitan dengan :

1. Program pelayanan kesehatan

2. Program imunisasi
3. Program perbaikan gizi
4. Tingkat pendidikan, keadaan sosial ekonomi, dll
Examples for age spesific death rates:

F. Maternal Mortality Rate (MMR)

Jmlh kematian ibu karena kehamilan, persalinan dan

masa nifas selama satu tahun / 100 000

Jmlh kelahiran hidup pada tahun dan wilayah yg sama

Tinggi rendahnya MMR berkaitan dengan

1. Keadaan sosial ekonomi

2. Kesehatan ibu selama hamil, bersalin dan nifas
3. Pelayanan kesehatan terhadap ibu
4. Pertolongan persalinan dan perawatan masa nifas
3. Cause Specific Mortality Rate (CSMR)

Jmlh kematian karena sebab penyakit tertentu

selama satu tahun / 100000
Jmlh penduduk pada pertengahan tahun yg sama

Jumlahnya sangat kecil dibandingkan jumlah

penduduk
Maka digunakan konstanta 100.000 untuk
menghindari angka desimal
4. Case Fatality Rate (CFR)

Jmlh kematian karena penyebab penyakit tertentu

dlm suatu lingkungan dan kurun waktu tertentu / 1 000
Jmlh penderita penyakit tsb dlm lingkungan dan kurun
waktu yg sama

Lebih menunjukkan keganasan penyakit

tersebut pada kondisi atau lingkungan
tertentu

Seperti kematian saat Kejadian Luar Biasa

(KLB) penyakit tertentu
 Contoh soal :
Selama tahun 2009 di Tanah Datar dilaporkan
9.000 kasus DBD. 100 org diantaranya
meninggal dunia. Jumlah pddk Tanah Datar
400.000 orang.

 Hitung angka :
1. Cause Spesific Mortality Rate (CSMR)
2. Case Fatality Rate (CFR)
 D. Ukuran Fertilitas
1. Crude Birth Rate (CBR)
Angka kelahiran kasar adalah jumlah kelahiran
yg dicatat selama satu tahun per 1000 penduduk
di pertengahan tahun yg sama

Jmlh kelahiran hidup selama satu tahun

/ 1000
Jmlh penduduk pada pertengahan tahun yg sama
 Keterbatasan CBR

• Perhitungan CBR ini sederhana, mudah

dihitung tetapi kasar.
• Perhitungan ini disebut perhitungan kasar
karena yang menjadi pembagi adalah
seluruh penduduk baik laki-laki maupun
perempuan seluruh usia termasuk yang
bukan perempuan usia reproduksi (15-49
tahun).
2. Age Specific Birth Rate (ASBR)
Jumlah kelahiran hidup oleh ibu pada golongan
umur tertentu yg dicatat selama satu tahun per
1000 penduduk wanita golongan umur tertentu
pada pertengahan tahun yg sama

Jmlh kelahiran hidup oleh ibu golongan umur

tertentu selama satu tahun
/ 1000
Jmlh penduduk wanita golongan umur tertentu
pada pertengahan tahun yg sama
Age Specific Birth Rate (ASBR)
• Biasanya dengan interval 5 tahun
• Usia subur = 15 – 49 tahun  7 interval.
• Dapat disusun menjadi distribusi frekuensi pada
setiap golongan umur (interval).
• Dapat diketahui : umur berapa yang punya
tingkat kesuburan yang tinggi.
• Usia 15-20  5/25 x 1000 = 200 per 1000
• Usia 20-25  10/30 x 1000 = 333 per 1000

Dapat disimpulkan wanita usia 20-25 tahun.

lebih subur daripada usia 15-20 tahun
 E. Ukuran Risiko
Risiko dapat diartikan sebagai derajad ketidakpastian
Risiko = 0
Ada kepastian suatu peristiwa tidak akan terjadi
Risiko = 1
Terdapat kepastian bahwa suatu peristiwa pasti akan
terjadi

Besarnya risiko untuk terkena penyakit dapat

dibandingkan dengan menghitung besarnya
insidensi suatu penyakit antara orang yg
terpapar dgn faktor penyebab penyakit tsb dgn
yg tidak terpapar
 1. Risiko Atribut (Attribute Risk/AR)
• Selisih angka insidensi antara kelompok terpapar dgn
tidak terpapar
• Dianggap sbg akibat pemaparan oleh faktor penyebab
penyakit (atribut)

Cth : Hubungan antara merokok dgn kanker paru

Dari 100 perokok berat  5 menderita ca paru  besar
risiko = 5/100 = 0,05
Dari 100 bukan perokok  2 menderita ca paru  besar
risiko = 2/100 = 0,02
Risiko Atribut = 0,05 – 0,02 = 0,03  3% insidensi ca
paru disebabkan oleh kebiasaan merokok
Risiko atribut bermanfaat untuk memperkirakan
besarnya risiko yg dapat dihindarkan bila ‘atribut’
yg dianggap sbg penyebab penyakit dihindarkan.
Cth : Hubungan antara kontrasepsi oral dgn tromboflebitis
Dari 1700 pengguna kontrasepsi oral  17 menderita
tromboflebitis
Dari 1000 yg tdk menggunakan kontrasepsi  5 menderita
tromboflebitis
Risiko Atribut = (17/1700) – (5/1000) = 0,005  0,5%

Risiko tromboflebitis yg dapat dihindarkan dgn tidak

menggunakan kontrasepsi oral adalah 0,53%
Risko atribut penting diketahui untuk :

• Penyuluhan kepada masyarakat ttg

manfaat yg diperoleh bila faktor penyebab
penyakit dihindarkan
• Menyusun rencana pencegahan penyakit
dgn menghilangkan atau mengurangi
‘atribut’ atau faktor yg dianggap sbg
penyebab timbulnya penyakit
 2. Risiko Relatif (Risk Ratio/RR)
• Menghitung rasio antara 2 kelompok
• Membandingkan insidensi antara kelompok terpapar dgn
yg tidak terpapar

Cth : Hubungan antara merokok dgn kanker prostat

Dari 1000 perokok  90 menderita ca prostat

Dari 1000 bukan perokok  30 menderita ca prostat
 Besarnya risiko yg ditanggung oleh perokok untuk terkena
ca prostat dibandingkan dgn bukan perokok dapat
dijelaskan sbb.

Ca Prostat Jumlah Risiko

+ -
Perokok 90 910 1000 0,09
Bukan 1000 0,03
perokok 30 970

Jumlah 120 1880 2000 RR=3,0

Kesimpulan : Perokok mempunyai risiko menderita Ca Prostat

3 kali lebih besar dibandingkan dengan bukan perokok
 3. Odds Ratio (OR)
• Pada penelitian retrospektif perhitungan risiko relatif
hanya berdasarkan perkiraan saja yg disebut odds ratio.
• Yg dibandingkan bukan angka insidensi tetapi
pemaparan

Cth : Hubungan antara merokok dgn kanker prostat

Dari 1000 perokok  90 menderita ca prostat

Dari 1000 bukan perokok  30 menderita ca prostat
 Besarnya risiko yg ditanggung oleh perokok untuk terkena
ca prostat dibandingkan dgn bukan perokok dapat
dijelaskan sbb.

Ca Prostat Odds
+ -
Perokok 90 910 90/910
Bukan 30 970 30/970
perokok
Odds 90/30 910/970 OR=3,2

Kesimpulan : Besarnya risiko untuk menderita Ca Prostat

pada perokok 3,2 kali lebih besar dibandingkan dengan risiko
menderita prostat pada yang bukan perokok
• OR = 90/910 : 30/970
= 90 x 970/30x910
= 87300/27300
= 3,2
Thank You