Materi - Analisa Dan Validasi Data

PENGUMPULAN DATA
Komisi Akreditasi Rumah Sakit

Standar PMKP 7
Pengumpulan data merupakan salah satu kegiatan

program peningkatan mutu dan keselamatan pasien
untuk mendukung asuhan pasien dan manajemen
rumah sakit lebih baik
instrumen 24 - 25 April 2018 6
Elemen penilaian PMKP 7 Telusur Skor
1. RS mempunyai regulasi tentang R Regulasi tentang manajemen data 10 TL
manajemen data yang meliputi a) termasuk keamanan, kerahasiaan data - -
sampai dengan c) yang ada di maksud internal dan eksternal serta benchmark 0 TT
dan tujuan (Lihat juga PMKP 2.1 ) (R) data (TKRS 11 EP 1/kriteria pemilihan
indikator)
2. Komite/Tim PMKP atau bentuk D Bukti rapat ttg koordinasi Komite/Tim 10 TL

organisasi lainnya melakukan PMKP dng unit yan dalam pengumpulan 5 TS
koordinasi dengan unit pelayanan data di unit yan & pelaporannya 0 TT
dalam pengumpulan data (D,W) (lihat TKRS 11 EP 2)
W • Komite PMKP
• Unit pelayanan
• Penanggungjawab data unit kerja
instr • IT
um en 24 - 25 April 2018
7
3. RS telah melakukan pengumpulan D Bukti hasil pengumpulan data dan 10 TL
data dan informasi untuk mendukung informasi yg meliputi IAK, IAM, ISKP 5 TS
asuhan pasien, manajemen RS, dan tingkat kepatuhan DPJP terhadap 0 TT
pengkajian praktik profesional serta PPK
program PMKP secara menyeluruh W
(D,W) • Komite PMKP
• Komite medis
• Penanggungjawab data unit kerja
4. Kumpulan data dan informasi D Bukti publikasi data ke luar RS 10 TL
disampaikan kepada badan diluar RS (12 indikator kemkes melalui sismadak) 5 TS
sesuai peraturan dan perundangan- 0 TT
undangan. (D,W) W Komite PMKP
e 8
5. Rumah sakit berkontribusi D Bukti pelaksanaan tentang 10 T

terhadap database ekternal benchmark (tolok ukur) data 5 L
dengan menjamin keamanan 0 T
dan kerahasiaan (D,W) W (12 indikator kemkes melalui S
sismadak) T
T
• Direktur RS
• Komite PMKP

PENGUMPULAN DATA
• Regulasi pengumpulan data  jadikan satu dalam regulasi system
manajemen data
• Komite mutu melakukan koordinasi pengumpulan data dari unit-unit
• Bukti-bukti pengumpulan data
• Bukti kumpulan data dan informasi sudah disampaikan kepada Kemenkes
• Data yang disampaikan sudah dijamin keamanan dan kerahasiaan

• Data meliputi : indicator mutu prioritas, indicator mutu unit, insiden
keselamatan pasien, monitoring kinerja staf klinis, pengukuran budaya
keselamatan
• Tentukan sampel/populasi untuk mengumpulkan
data
• Lakukan validasi data untuk keakuratan &

kelengkapan  IAK dan data yg dipublikasi
• Lakukan perbaikan sesegara mungkin dengan

membuat rencana tindak lanjut (action plan)

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

ANALISIS DATA

Standar PMKP 7.1
• Analisis data merupakan salah satu kegiatan program
peningkatan mutu dan keselamatan pasien untuk
mendukung asuhan pasien dan manajemen rumah
sakit

Elemen penilaian PMKP 7.1 Telusur Skor
1. RS mempunyai regulasi tentang R Regulasi tentang manajemen data 10 TL
analisis data yang meliputi a) sampai Lihat PMKP 2.1 - -
dengan b) yang ada di maksud dan 0 TT
tujuan (R)
2. RS telah melakukan pengumpulan D Bukti pengumpulan, analisis dan 10 TL

data, analisis dan menyediakan rencana perbaikannya 5 TS
informasi yang berguna untuk 0 TT
mengidentifikasi kebutuhan untuk W • Komite PMKP
perbaikan (D,W) • Penanggungjawab data unit
• Staf SIM-RS

3. Analisis data telah dilakukan dng D Bukti analisis data dengan 10 TL
menggunakan metode dan teknik2 menggunakan metode dan teknik-teknik 5 TS
statistik, sesuai kebutuhan (D,W) statistik Run chart/control chart/ 0 TT
pareto/Bar diagram
W • Komite PMKP
• Penanggungjawab data unit

4. Analisa data telah dilakukan dng D Bukti pelaksanaan tentang analisis data 10 TL
melakukan perbadingan dari waktu ke meliputi: 5 TS
waktu di dalam RS, dengan melakukan 1) Analysis trend 0 TT
perbandingan database eksternal dari 2) Perbandingan dengan data eksternal
RS sejenis atau data atau RS lain
nasional/internasional, dan melakukan 3) Perbandingan dengan standar
perbandingan dengan standar dan 4) Perbandingan dengan praktik terbaik
praktik terbaik berdasarkan referensi • Direktur RS
terkini (D,W) • Kepala bidang/divisi
W
• Kepala unit pelayanan
• Komite PMKP
• Penanggungjawab data unit

5. Pelaksana analisis data yaitu staf D Bukti sertifikat pelatihan Komite/Tim 10 TL
komite/tim PMKP dan PIC data di unit PMKP dan penanggung jawab data unit 5 TS
yanan/kerja sudah mempunyai dan pengalaman kerja 0 TT
pengalaman, pengetahuan dan (Lihat PMKP 7)
keterampilan yang tepat sehingga W Komite/Tim PMKP
dapat berpartisipasi dalam proses Penanggungjawab data unit
tersebut dengan baik. (D,W)
6. Hasil analisis data telah D 1) Bukti laporan hasil analisis data 10 T

disampaikan kepada Direktur, para 2) Bukti laporan hasil analisis data
disampaikan kepada Direktur, kepala 5 L
kepala bidang/divisi dan kepala unit bidang dan kepala unit
0 T
untuk ditindaklanjuti. (D,W) . 3) Bukti tindak lanjut/rencana perbaikan W
Direktur/kepala bidang/divisi/ Kepala unit/ S
Komite PMKP T
18
Standar PMKP 7.2
• Program PMKP prioritas di rumah sakit telah
dianalisis dan mempunyai dampak terhadap
peningkatan mutu dan efisiensi biaya pertahun

1. Komite/Tim PMKP atau bentuk D Bukti tentang analisis data program 10 TL
PMKP prioritas 5 TS
organisasi lainnya telah 0 TT
mengumpulkan dan menganalisis data W Komite/Tim PMKP
program PMKP prioritas yang meliputi

a) sampai dengan d) yang ada di
maksud dan tujuan (lihat PMKP 5).
(D,W)
2. Ada bukti Direktur rumah sakit telah D Bukti tentang tindaklanjut perbaikan 10 TL
5 TS
menindaklanjuti hasil analisis data W Direktur 0 TT
yang meliputi a) sampai d) yang ada Kepala bidang/divisi
Kepala unit pelayanan
dimaksud dan tujuan (D,W) Komite/Tim PMKP
Penanggungjawab data unit

3. Ada bukti program PMKP prioritas D Bukti tentang hasil perbaikan prioritas 10 TL
telah menghasilkan perbaikan di kegiatan PMKP RS 5 TS
rumah sakit secara keseluruhan (D,W) 0 TT
W Komite PMKP
4. Ada bukti program PMKP prioritas D Bukti tentang hasil efisiensi sumber 10 TL
telah menghasilkan efisiensi daya prioritas kegiatan PMKP RS 5 TS
penggunaan sumber daya (D,W) (Lihat TKRS 5 EP 5) 0 TT
W • Komite PMKP
• Bagian keuangan/ billing
• S taf S IM -RS
instrum en 24 -25 Apr il20 18 21
Indikator mutu DIBANDINGKAN Metode statistik. 
• Didlm RS/tren Runchart, Control
• Nasional, • Dng rs lain Chart, Pareto dan bar
• Prioritas RS • Dng standar diagram
• Dng praktik
• Unit terbaik
Pengumpulan
data Analisis data Laporan
PIC data di setiap Komite PMKP & Dir &

unit kerja PIC data pimpinan RS

Indikator area Indikator area DATA
klinis manajemen
(IAK) (IAM)
ANALISIS
Pengukuran DATA
mutu
PRIORITAS
DAMPAK
TERHADAP
5 Panduan Praktik Indikator
penerapan SKP EFISIENSI
Klinis yang di
evaluasi &
(ISKP)
EFEKTIFIT
AS YAN
(kendali
mutu &
STANDAR NASIONAL AKREDITASI RUMAH SAKIT edisi 1
biaya) 23
KENDALI MUTU DAN KENDALI BIAYA
Standarisasi :
- Obat Standarisasi Kendali mutu &
PPK - CP biaya biaya
-Pem penunjang
- LOS

ANALISIS DATA
• Analisa melalui grafik sangat membantu memperlihatkan perubahan
apakah menuju perbaikan sesuai yang diharapkan
• Gunakan alat statistik :
– Run charts
– Control charts
– Histograms
– Pareto charts
25
ANALISIS DATA
• Run chart sangat bermanfaat tergantung berapa banyak data
yang dikumpulkan, sangat sederhana dan mudah
diinterpretasikan
• Control chart merupakan cara analisa hasil yang lebih rumit dan
memerlukan data lebih banyak

• Run chart juga dikenal sebagai grafik garis adalah
grafik sederhana yang menggambarkan data dari
waktu ke waktu
• Sumbu Y : peristiwa/event;
• sumbu X periode waktu
• Digunakan untuk
-memahami gambaran umum suatu proses
- trend dan shift/pergeseran dalam proses
- variasi dari waktu ke waktu

-untuk mengidentifikasi penurunan atau
peningkatan proses dari waktu ke waktu

• Harus dibuat pada awal kegiatan dan di update dng data baru sesuai
kegiatan yg berjalan
• Merupakan grafik yg mengilustrasikan perubahan mutu dari waktu ke

waktu
• Pengukuran dilakukan pada titik tertentu dan dihubungkan dengan garis.
Hal ini akan menghasilkan grafik variasi dari waktu ke waktu, dan
membantu tim melihat apakah perubahan yg terjadi mengarah pada
perbaikan
• Run chart memilik komentar dengan panah yg menunjuk waktu bila ide-2
perubahan untuk perbaikan diuji
• Run chart merupakan suatu alat untuk process improvement yang sederhana, kuat, dan
mudah digunakan.
• Run chart menampilkan data yang diamati dalam urutan waktu. Seringkali, data yang
ditampilkan mewakili beberapa aspek output atau kinerja dari manufaktur atau proses
lainnya.
• Proses didefinisikan sebagai serangkaian kegiatan yang mengubah input menjadi output.
Proses perubahan terjadi dari waktu ke waktu. Menentukan apakah perubahan telah terjadi
merupakan suatu hal yang penting untuk proses perbaikan.
• Run chart digunakan untuk menentukan apakah tendensi pusat dari suatu proses
mengalami perubahan atau tidak. Tidak perlu menggunakan perhitungan rumit yang
membosankan maupun software, melainkan hanya mengamati nilai pada sumbu Y dan
waktu pada sumbu X.

• Run chart digunakan secara bergantian dengan grafik term-series. Dalam beberapa hal,
run chart mirip dengan diagram kontrol yang digunakan dalam kontrol proses statistic,
tetapi tidak menunjukkan batas kontrol proses.
• Run chart dapat digunakan untuk mempelajari data pengamatan tren atau pola selama
periode waktu tertentu dan fokus pada perubahan penting dalam proses. Run chart
dapat menentukan apakah suatu proses memiliki penyebab umum atau variasi
penyebab khusus. Hal ini penting karena proses selalu berada pada satu diantara 4
fase berikut:
• Ideal  proses stabil, sesuai harapan
• Ambang Batas  masih dapat di predeksi, walau tidak selalu sesuai harapan
• Ambang Kekacauan  tdk dpt dipredeksi, ttp hasil akhir masih sesuai harapan
• Kacau  tdk dpt dipredeksi dan tidak sesuai dng harapan

CONTROL CHART

Control Charts
•Control charts help track a process
•Graphical “alert” to process owners if a process moves out of
“control” or established limits
Max: 6 hours
6
Hours
0
Min: N/A
Time from Blood Draw to Lab Result
34
Example: Control Chart

• Adalah grafik yg menggambarkan data dari waktu ke waktu,
control chrat lebih spesifik daripada Run Chart karena dapat
menilai apakah proses berada dalam kontrol/tidak; garis
kontrol atas (UCL) dan garis control bawah (LCL)
• Control chart mirip run chart, namun lebih memiliki daya

statistik untuk mendeteksi perubahan
• Control chart digunakan untuk QI, dan juga untuk monitoring
perbaikan (contoh : dashboard atau scorecard)
•
• Data bisa dipresentasikan dalam beberapa bentuk :
 Persentase
 Rates
 Counts
 Individual values
• Banyak model control charts diperlukan sesuai jenis data yg
berbeda – namun semua control chart mirip dan
dinterpretasikan dng cara yg sama
Apa saja yang termasuk special cause?
• Setiap kejadian yang memiliki pola yang berulang,
tidak hanya berupa variasi yang acak, dapat
digolongkan menjadi special cause. Para ahli statistic
telah menciptakan beberapa tanda untuk mendeteksi
special cause ini. Yang paling sering digunakan
adalah 4 tanda berikut ini:

4 tanda untuk mendeteksi Special cause
• Outlier – Outlier adalah poin data yang berada di UCL dan dibawah LCL. Karena
batasan kontrol (control limit) dikalkulasi berdasarkan teori probabilitas, sebuah
outlier sangat jarang ditemukan dalam proses yang hanya memiliki variasi common
cause.
• Shift – Kemungkinan proses yang stabil akan menghasilkan sembilan poin berturut-
turut pada sisi yang sama itu sama saja dengan melempar koin dan mendapatkan
„kepala‟ sebanyak sembilan kali berturut-turut. Hal itu mungkin saja, tapi sangat
jarang. Keberadaan sembilan poin berturut-turut pada sisi yang sama dari garis
tengah mengindikasikan sebuah shift pada mean. Ini adalah indikator yang kuat yang
menandakan proses telah berubah dan memerlukan investigasi.
• Trend – sebuah tren didefinisikan sebagai enam poin yang muncul
berturut-turut, masing-masing lebih tinggi dari poin sebelumnya. Tren
mengindikasikan special cause dengan efek gradual. Carilah
perubahan proses yang mungkin dimulai pada permulaan tren.
• Cycle – Pola-pola berulang yang disebut cycle ditandai dengan 14

poin berturut-turut yang bergantian naik turun. Pola ini menandakan
perubahan siklikal yang repetitive dalam proses dan tentunya
membutuhkan investigasi. Kasus yang mungkin terjadi meliputi,
over-adjusment, variasi shift-to-shift, dan variasi machine-to-
machine.
• Sinyal-sinyal tersebut (outlier, shift, trend, dan cyle)
berlaku pada semua common cause pada control
chart. Jika tidak ada special cause yang ditemukan,
kita bisa menyimpulkan proses masih berada dalam
kendali. Berarti proses masih stabil dan tidak
berubah, dan hanya variasi common cause yang
mempengaruhi perilakunya.

RUN CHART vs CONTROL CHART
Perbedaan antara control chart dan run chart sangat sempit sehingga
sulit untuk memahami perbedaannya. Diagram kontrol dan diagram run
dapat diidentifikasi sebagai alat statistik yang digunakan untuk melacak
kinerja organisasi dalam periode tertentu. Kedua metode ini
menggunakan waktu sebagai garis dasar dan ukuran kinerja sebagai
pengukuran yang dilacak dalam periode tertentu. Namun, di mana mereka
digunakan berbeda, tergantung pada tujuannya..

RUN CHART CONTROL CHART
Dalam grafik run, nilai tertentu telah diplot dan Bagan kendali adalah jenis grafik tertentu yang
garis rata-2 telah ditarik utk mengklarifi-kasi digunakan untuk mempelajari fluktuasi dalam
pergerakan data menjauh dari rata-rata. Garis suatu proses selama periode tertentu. Bagan
tengah ini mewakili titik tengah pengukuran yg kendali ditarik termasuk garis atas untuk batas
dilacak (lihat diagram di bawah). Menjalankan kontrol atas, garis bawah untuk batas kontrol
grafik digunakan untuk menampilkan kinerja bawah dan garis tengah rata-rata. Garis ini
proses tertentu dalam jangka waktu tertentu. ditentukan menurut data masa lalu. Grafik ini
Siklus, tren ke atas dan ke bawah terlihat pada berguna dalam membuat perbandingan dan
grafik ini. Diagram run terutama digunakan menyimpulkan konsistensi atau variasi proses.
untuk melacak kinerja suatu proses tertentu
yang membutuhkan perbaikan lebih lanjut.

• Data ditampilkan dalam
grafik.
• Mudah utk melihat trend
• Easy to “eye-ball”
• Tidak ideal untuk analisis
statistik.
M Tu W Th F
44
• 250
Pareto Chart
• 200
•Shows relative impact

• 150
•Easy to construct
•Visually powerful
• 100
• 50
• 0
• 1 2 3 4 5 6 7 8 9 10 11 12
45
• Pareto chart merupakan tool yg membantu membantu tim melihat
penyebab atau masalah yg paling sering terjadi.
• Chart memperlihatkan aktifitas atau area yg berkontribusi paling buruk

mutunya
• Pareto chart berbasis teori bahwa jumlah kecil penyebab akan memiliki
kontribusi paling buruk mutunya
• Bila beberapa aktifitas berkontribusi paling besar pada masalah disebut

Pareto Effect
• A classic Pareto Effect diamati bila 20 % penyebab berkontribusi pada 80

% semua masalah
Sasaran dari analisis data adalah agar dapat dilakukan PERBANDINGAN bagi rumah sakit melalui
empat cara :
1. Dengan diri sendiri dalam waktu tertentu, seperti dari bulan ke bulan atau satu tahun ke
tahun berikutnya.
2. Dengan rumah sakit lain yang sama seperti menggunakan data base referensi
3. Dengan standar, seperti ditetapkan oleh badan akreditasi, ikatan profesional atau
menggunakan ketentuan yang ditetapkan dalam undang-undang atau peraturan.
4. Dengan praktek-praktek yang diakui di kepustakaan sebagai pedoman praktek yang lebih
baik atau paling baik
Perbandingan ini membantu rumah sakit memahami sumber dan sifat perubahan yang tidak
dikehendaki serta membantu fokus pada upaya perbaikan.
dr Luwi - PMKP 10 des 2013 50

No Indikator J A S O N D
1. Asesmen medis 30 50 50 60 70 80
2. Asesmen prwt 40 55 75 80 80 85
90
80
70
60
50 Asesmen medis
40 Asesmen perawat
30
20
10
0
juli agust sept okt Nov Des
TREND
1. Asesmen medis 30 50 50 60 70 80
2. Asesmen prwt 40 55 75 80 80 85
90
80
70
60
50
Asesmen medis
40 Asesmen perawat
30
20
10
0
juli agust Sept Okt Nov Des TREND
1. Asesmen medis 30 50 50 60 70 80
2. Asesmen prwt 40 55 75 80 80 85
100
80
60
40 Asesmen medis
20 Asesmen perawat
0
juli agust sept
okt nov des
TREND
DATA MARET 2018
No INDIKATOR STANDAR CAPAIAN Rencana perbaikan
1. Asesmen medis 100 % 80 % Edukasi ke dokter
ditingkatkan
2. Tidak adanya kesalahan pemberian hasil 100 % 98 % Risk grading
pemeriksaan laboratorium  RCA/
investigasi
3. Tidak ada kesalahan pemberian label 100 % 100 % -
4. Tidak adanya kejadian operasi salah sisi 100 % 100 % -
5. Operasi eleKtif tidak menggu nakan antibiotika 100 % 60 % Lakukan
profilaksis RCA,/Diagaram fish
bone shg diketahui
akar penyebab ke tdk
patuh an
Catatan : yang melakukan rencana perbaikan adalah Kepala bidan/divisi dan kepala unit BUKANKomite
Mutu

DATA AGUSTUS 2017
No INDIKATOR STANDAR CAPAIAN RTL
6. Tidak adanya kejadian kesalahan pemberian 100 % 90 % Risk grading
obat  RCA/
investigasi
7. Komplikasi anestesi ≤ 6% 4% Risk grading 
RCA/ investigasi
8. Kejadian reaksi transfusi ≤ 0,01 % 0,02 % Risk grading

 RCA/
investigasi
9. Kelengkapan pengisian inform consent 100 % 80 % Edukasi
ditingkatkan
10. Kejadian infeksi paska operasi ≤ 1,5 % 0,5 % Risk grading
 RCA/
investigasi
11. Ethical clereance 100 % 100 %
DATA AGUSTUS 2017
No INDIKATOR STANDAR CAPAIAN RTL

1. Aspirin on arrival pd pasien AMI 100 % 100 %
5. Aspirin at discharge pd pasien AMI 100 % 90 % Lakukan audit
medis atau peer
review

• Dapat melalui sismadak
• Saran  data yg dibandingkan adalah data PPI (hasil
surveilance PPI)
• Langkah-langkah membandingkan data :
- Melakukan pertemuan dng RS pembanding
- Menyamakan profil. indikator

- Melakukan training bersama PJ/PIC pengumpul
data dari RS & RS Pembanding

TEKNOLOGI INFORMASI SISTEM MANAJEMEN DATA
TERINTEGRASI
Integrasi seluruh
 Data indikator mutu
data di tingkat RS
unit & prioritas
& unit meliputi :
 Insiden keselamatan
pasien (IKP) • pengumpulan
• pelaporan
 Indikator kinerja staf
• analisa
klinis
• validasi dan
 Pengukuran budaya
• publikasi
keselamatan
indikator mutu
STANDAR NASIONAL AKREDITASI RUMAH SAKIT edisi 1 58

Pengum
Hasil Rekap validasi Valid
pulan
Koreksi Tidak valid

Tujuan
– Monitoring akurasi data yg dikumpulkan
– Verifikasi bahwa pengambilan data adalah
konsisten dan reproducible
– Verifikasi ekspektasi tentang volume data
yang dikumpulkan.
61
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.
instrumen 13-14 Maret 2018 59

1. Rumah sakit mempunyai regulasi R Regulasi tentang manajemen data 10 TL
termasuk validasi data - -
validasi data sesuai dengan a) 0 TT
sampai c) yang ada di maksud dan
tujuan (R)
2. Rumah sakit telah melakukan D Bukti pelaksanaan validasi data IAK 10 T

validasi data pada pengukuran mutu 5 L
0 T
area klinik yang baru dan bila terjadi
W Komite PMKP S
perubahan sesuai dengan regulasi T
(D,W) T

3. Rumah sakit telah melakukan validai D Bukti pelaksanaan validasi data yang 10 TL
dipublikasikan 5 TS
data yang akan dipublikasikan di web 0 TT
site atau media lainnya termasuk W Komite PMKP
kerahasiaan pasien dan keakuratan

sesuai regulasi (D,W)
4. Rumah sakit telah melakukan D Bukti pelaksanaan perbaikan data 10 TL

5 TS
perbaikan berdasarkan hasil validasi berdasarkan hasil validasi data 0 TT
data. (D,W)
W Komite PMKP

PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. )
Maksud dan Tujuan PMKP. 8
Validasi data adalah alat penting untuk memahami mutu dari data dan
untuk menetapkan tingkat kepercayaan (confidence level) para pengambil
keputusan terhadap data itu sendiri. Validasi data menjadi salah satu
langkah dalam proses menetapkan prioritas penilaian, memilih apa yang
harus dinilai, memilih dan mengetes indikator, mengumpulkan data,
validasi data dan menggunakan data untuk peningkatan.

DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. ))

Keabsahan dan ketepercayaan pengukuran adalah inti dari semua
perbaikan dalam program peningkatan mutu. Proses validasi data
secara internal perlu dilakukan karena program mutu dianggap valid
jika data yang dikumpulkan sudah sesuai, benar dan bermanfaat .
Untuk memastikan bahwa data yang dikumpulkan baik, proses validasi
perlu dilakukan.

5.1, 6, 7,7.1,7.2, 8. ))
Rumah sakit agar menetapkan regulasi validasi data yang antara lain
meliputi :
a) 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
5.1, 6, 7,7.1,7.2, 8. ))

 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

5.1, 6, 7,7.1,7.2, 8. )
Maksud dan Tujuan PMKP 8

b) 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.

5.1, 6, 7,7.1,7.2, 8. )
 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 yg diketemukan ternyata tidak sama, dng catatan
alasannya (misalnya data tidak jelas definisinya) dan dilakukan tindakan
koreksi

5.1, 6, 7,7.1,7.2, 8. )
 Koleksi sample baru setelah semua tindakan koreksi dilakukan
untuk memastikan tindakan menghasilkan tingkat akurasi yang
diharapkan (lihat juga KKS.11, EP 4)‟
c) Proses validasi data yang akan dipublikasi di web site atau media
lainnya agar diatur tersendiri, dan dapat menjamin kerahasiaan pasien
dan keakuratan data.

5.1, 6, 7,7.1,7.2, 8. )

Proses validasi data mencakup namun tidak terbatas pada b)
tersebut diatas, oleh karena itu, dalam melakukan validasi data,
rumah sakit dapat menggunakan cara/proses lain sesuai dengan
referensi ilmiah terkini.
Proses validasi data yang akan di publikasi diatur tersendiri

dan dapat menjamin kerahasiaan pasien dan keakuratan data.

PMKP 8
Proses validasi data memuat paling sedikit
indikator area klinis dan data yang akan
dipublikasikan
– 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.
74
• Siapa yang melakukan
 Prinsip : validator adalah bukan pengumpul data/tidak terlibat dalam

proses pengumpul data (orang ke dua)
Kapan dilakukan :
 Bila indikator klinik baru saja dikumpulkan (indikator baru)

 Bila ada perubahan sumber data, numerator, denumerator, definisi
operasional, subyek pengumpulan data dirubah & PIC pengumpul data
telusur data luwi - 10 nov 2013

Tabel Krecjie untuk Menentukan Ukuran Sampet Minimum
pada Taraf Signifikansi ‹x = 0,01 (1 O o)j 0,05 (5 O o)j dan 0, 10 (10 O2o’)
10 10 10 10 320 216 167 147 3,000 543 312 248

15 15 14 14 340 225 172 151 3,500 558 317 251
20 19 19 19 360 234 177 155 4,000 569 320 254
25 24 23 23 380 242 182 158 4,500 578 323 225
30 19 28 27 400 250 186 162 5,000 586 326 257
35 33 32 31 420 257 191 165 6,000 598 329 259
40 38 36 35 440 265 195 168 7,000 606 332 261
45 42 40 39 460 272 198 171 8,000 613 334 263
50 47 44 42 480 279 202 173 9,000 618 335 263
55 51 48 46 500 285 205 176 10,000 622 336 263
60 55 51 49 550 301 213 182 15,000 635 340 266
65 59 55 53 600 315 221 187 20,000 642 342 267
70 63 58 56 650 329 227 191 30,000 649 344 268
75 67 62 59 700 341 233 195 40,000 653 345 269
80 71 65 62 750 352 238 199 50,000 655 346 269
85 75 68 65 800 363 243 202 75,000 658 346 270
90 79 72 68 850 373 247 205 100,000 659 347 270
95 83 75 71 900 382 251 208 150,000 661 347 270
100 87 78 73 950 391 255 211 200,000 661 347 270
Tabel jumlah sampel berdasarkan jumlah populasi
Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)
10 10 220 140 1200 291

15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 205 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
75
Populasi (N) Sampel (n) Populasi (N) Sampel (n) Populasi (N) Sampel (n)
100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 1000000 384
Morgan & Krecjie, dalam Uma Sekaran, 2003
76
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 September 2017
JML PASIEN RI BULAN 900 pasien
OKT 2017
JUSTIFIKASI PERLU Data baru pertama kali dikumpulkan
VALIDASI
METODE VALIDASI 1. Menggunakan metode simple random sampling  misalnya 900 RM
dilakukukan sampling (table) menjadi 269 RM
2. Melakukan telaah RM di data yg disample 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 Komite PMKP :
LANJUT • Menetapkan capaian indikator asesmen pasien pada bulan
September 2017 = 35 %  revisi data capaian indikator
• Karena validitas data masih diragukan maka data bulan Oktober
validasi lagi
Ka bidang pelayanan dan Ka unit rawat Inap melakukan: Edukasi PIC
pengumpul data
• Edukasi ke medis untuk peningkatan kelengkapan asesmen

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 2017
JUSTIFIKASI PERLU Validasi ulang karena hasil bulan Okt belum valid
VALIDASI
METODE VALIDASI 1. Menggunakan metode simple random sampling  800
RM dilakuku kan sampling (tabel) menjadi 260 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 (Komie PMKP)
Melakukan edukasi ke staf medis untuk meningkatkan
kelengkapan pengisian asesmen awal (Ka Bidang/divisi)

Y T
IAK baru
IAM
IAK lama, PIC data baru
IAK lama, sumber data RM & berubah RM

elektronik, perlu validasi tdk ?
Hasil validasi, data sdh akurat, bln depan
perlu alidasi tdk ?
Data awal 80 %, hasil validasi 35 %, perlu
revisi data tdk ?
• MEASUREMENT RESULT AGREEMENT  90 % kesepakatan dalam hasil kalkulasi
antara pengumpul data pertama dan kedua
• MEASURE CATEGORY AGREEMENT  75 % kesepakatan dalam kategori numerator,
denominator, dan ekslusi antara pengumpul data pertama dan data kedua
• DATA ELEMENT AGREEMENT  80 % kesepakatan dalam dokumentasi elemen data

antara pengumpul data pertama dan kedua

UKURAN SAMPEL
POPULASI DAN VALIDASI
☺VALIDASI
☺JIKA JUMLAH KASUS/SUMBER
☺ 1-16  TOTAL SAMPEL
☺ 17-160  MIN 16 ATAU 10 %
☺ 161-480  10 %
☺ > 480  48 SAMPEL
UPM 2016 86
• Contoh 16 RM untuk pengumpul data kedua
• Untuk setiap 16 RM ini, review dan dokumentasikan bagaimana
pengumpul data pertama mengkategorikan data
• Data yang dikumpulkan dan pengumpul data kedua, dikategorikan dan

catat hasilnya

Pengumpul Pengumpul
data I data II
Sampel dari 100 16 16
Exclude (B) 4 2
Total numerator (E) 6 8
Total Denominator (D) 12 14

• Total kecocokan (D) = 16
• Tidak cocok pada ekslusi (B) = 2
• Tidak cocok pada numerator E = 2
• Total tidak cocok = 4
• Total cocok = 12
• % MCA kesepakatan = 12/16 = 75 %

• Karena ketidaksepakatan tidak < 75 %, maka tidak
sepakat
• Contoh 16 RM untuk pengumpul data kedua
• Untuk setiap 16 RM ini, revivew dan dokumen bgmn pengumpul data
pertama mengakatogorikan data
• Data dikumpulkan oleh pengumpul data kedua, didentifikasi elemen

datanya dan catat hasilnya

Pengumpul data Pengumpul
I data II
Usia 16 kasus (denominator) > 18 tahun > 18 tahun

Diagnose AMI (denominator) 16 16
Pemberian ASA 24 jam 12 dari 16 8 dari 16

(numerator)
Tidak diberikan ASA(kontra 2 dari 16 6 dari 16

indikasi tidak ada)  tidak
sesuai numerator
Kontra indikasi pemberianASA 1 dari 16 2 dari 16
(ekslusi dari denominator)

• Ada 4 elemen data di setiap rekam medis
- 16 elemen data RM dikumpulkan pengumpul data
kedua
- Total elemen dat = 4 X 16 = 64
• Tidak cocok 5
• Cocok 59 dari 64 elemen data
• Nilai kesepakatan elemen 59/64 X 100 = 92 %
• Nilai > 80 % tidak perlu investigasi

Prosedur Validasi Data
1 1. Pengumpul Data I yang merupakan Pengumpul Data Unit Kerja mengumpulkan
data dengan panduan kamus, form, dan Instruksi Kerja (IK) pengumpulan data
yang telah disiapkan oleh korporat/unit kerja.
2 1. Pengumpul Data II yang juga Pengumpul Data Unit Kerja melakukan validasi data
dengan mengumpulkan data dari seluruh atau sampel sumber data yang sama
yang digunakan oleh Pengumpul Data I, dengan panduan kamus, instruksi kerja
dan form pengumpulan data yang sama dengan yang digunakan oleh Pengumpul
Data I.
3 1. Pengumpul Data II melakukan validasi data dengan terlebih dahulu mengkaji data
yang telah dikumpulkan oleh Pengumpul Data I.
Prosedur Validasi Data..(cont)
4 1. Cara menentukan jumlah sumber data yang dinilai oleh Pengumpul Data II adalah
dengan menggunakan metode sampel (tidak seluruh sumber data yang dinilai oleh
Pengumpul Data I), menggunakan rumus:
a. Jika sumber data yang dinilai ≥ 180, sampel minimal untuk validasi data adalah 5% atau
maksimal hingga 50 sampel
b. Jika sumber data < 180, minimal diambil 9 sampel atau,
c. Jika sumber data < 9, semuanya dinilai.
5 1. Pengumpul Data I dan Pengumpul Data II menghitung akurasi atau Frekuensi (%)
kesesuaian data dengan cara:
a. Seluruh data yang dinilai oleh Pengumpul Data II dibandingkan dengan data yang sama
yang dikumpulkan oleh Pengumpul Data I.
b. Elemen data yang dinilai kesesuaiannya adalah Numerator (N), Denominator (D), dan
Kriteria Eksklusi (E).
c. Untuk setiap data, bandingkan apakah data yang dikumpulkan Pengumpul Data I dan
Pengumpul Data II sama-sama menjadi E atau N dan atau D.
Contoh Pembandingan Data
Pengumpul Data Pengumpul Data
NRM Sesuai
I II
1 N N Ya
2 D D Ya
3 D D Ya
4 D N Tdk
5 E D Tdk
6 N N Ya
7 D D Ya
8 N N Ya
5
a. Hitung Frekuensi (%) kesesuaian data dengan rumus:
e. Pada contoh tabel di atas, Frekuensi (%) kesesuaian data dapat dihitung:
6/8:100%=75%
6 1. Jika kesesuaian data ≥ 75%, data dianggap baik dan dianggap tidak ada
ketidaksesuaian.
7 1. Jika terdapat ketidaksesuaian (Frekuensi (%) kesesuaian <75%), kedua

pengumpul data mengidentifikasi penyebab perbedaan data, melakukan
tindakan perbaikan, kemudian mengumpulkan sampel baru untuk dinilai.

Materi - Analisa Dan Validasi Data

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Materi - Analisa Dan Validasi Data

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGUMPULAN DATA

Komisi Akreditasi Rumah Sakit

Pengumpulan data merupakan salah satu kegiatan

2. Komite/Tim PMKP atau bentuk D Bukti rapat ttg koordinasi Komite/Tim 10 TL

5. Rumah sakit berkontribusi D Bukti pelaksanaan tentang 10 T

instrumen 24 - 25 April 2018 9

• Komite mutu melakukan koordinasi pengumpulan data dari unit-unit

• Bukti-bukti pengumpulan data

• Bukti kumpulan data dan informasi sudah disampaikan kepada Kemenkes

• Data yang disampaikan sudah dijamin keamanan dan kerahasiaan

• Lakukan validasi data untuk keakuratan &

• Lakukan perbaikan sesegara mungkin dengan

Komisi Akreditasi Rumah Sakit

2. Data direkapitulasi dan di analisa dalam bentuk grafik melalui sistem IT

4. Lakukan perbaikan untuk peningkatan mutu

5. Buat laporan dari unit ke pimpinan/komite PMKP sesuai SPO di RS

Komisi Akreditasi Rumah Sakit

Komisi Akreditasi Rumah Sakit

instrumen 24 - 25 April 2018 11

2. RS telah melakukan pengumpulan D Bukti pengumpulan, analisis dan 10 TL

instrumen 24 - 25 April 2018 12

instrumen 24 - 25 April 2018 13

instrumen 24 - 25 April 2018 14

6. Hasil analisis data telah D 1) Bukti laporan hasil analisis data 10 T

instrumen 24 - 25 April 2018 19

program PMKP prioritas yang meliputi

instrumen 24 - 25 April 2018 29

PIC data di setiap Komite PMKP & Dir &

Komisi Akreditasi Rumah Sakit

Komisi Akreditasi Rumah Sakit

• Gunakan alat statistik :

Komisi Akreditasi Rumah Sakit

• sumbu X periode waktu

-memahami gambaran umum suatu proses

- trend dan shift/pergeseran dalam proses

- variasi dari waktu ke waktu

Komisi Akreditasi Rumah Sakit

• Merupakan grafik yg mengilustrasikan perubahan mutu dari waktu ke

Komisi Akreditasi Rumah Sakit

• Ideal  proses stabil, sesuai harapan

• Kacau  tdk dpt dipredeksi dan tidak sesuai dng harapan

Komisi Akreditasi Rumah Sakit

Komisi Akreditasi Rumah Sakit

• Control chart mirip run chart, namun lebih memiliki daya

Komisi Akreditasi Rumah Sakit

• Cycle – Pola-pola berulang yang disebut cycle ditandai dengan 14

Komisi Akreditasi Rumah Sakit

Komisi Akreditasi Rumah Sakit

Komisi Akreditasi Rumah Sakit

•Shows relative impact

• Chart memperlihatkan aktifitas atau area yg berkontribusi paling buruk

• Bila beberapa aktifitas berkontribusi paling besar pada masalah disebut

• A classic Pareto Effect diamati bila 20 % penyebab berkontribusi pada 80

dr Luwi - PMKP 10 des 2013 50

Komisi Akreditasi Rumah Sakit

8. Kejadian reaksi transfusi ≤ 0,01 % 0,02 % Risk grading

No INDIKATOR STANDAR CAPAIAN RTL

Komisi Akreditasi Rumah Sakit

• Langkah-langkah membandingkan data :

- Melakukan pertemuan dng RS pembanding

- Menyamakan profil. indikator

data dari RS & RS Pembanding

Komisi Akreditasi Rumah Sakit