Pengukuran dalam

Epidemiologi
Kelompok 1 A2-2018
Nama
Anggota
Kelompok 1. Julfia Aina Sari (131811133025)
2. Amalia Bella Fernanda (131811133026)
3. Titis Mustikowati D (131811133027)
4. Nadilla Salsabilla (131811133077)
5. Rahajeng Mahardhini (131811133085)
6. Mahayu Sarita (131811133127)
Pengukuran dalam Epidemiologi

Ukuran
Morbiditas Ukuran Fertilitas

Perhitungan
Frekuensi Ukuran Ukuran
Penyakit Mortalitas Risiko
 A. Perhitungan Frekuensi Penyakit
Pada epidemiologi alat terpenting untuk mengukur frekuensi kejadian adalah rate
(angka, sering juga disebut tingkat) tetapi juga digunakan rasio dan proporsi.

a. Rasio
Rasio mencerminkan hubungan antara dua bilangan dalam bentuk hasil bagi x/y.
Contoh kasus :
Rasio masyarakat yang tidak merokok dan merokok di Kecamatan X pada Januari
2010 adalah 1000:250 adalah 40 tidak merokok dibanding 1 merokok atau 400 tidak
merokok untuk tiap 100 merokok. Dalam hal ini maka rasio tidak merokok dibanding
merokok adalah 4:1.
 A. Perhitungan Frekuensi Penyakit
b) Proporsi
Proporsi merupakan bentuk khusus dari rasio, dimana denominator (penyebut) dan
juga numerator (pembilang) serta hasilnya adalah nilai dalam bentuk persentase.
Contohnya kasus :
Pada Kecamatan B terdapat 25 kasus penyakit x terdiri dari 12 wanita dan 13 laki-
laki. Jumlah orang-orang dari masing masing jenis kelamin berada dalam kelompok
yang tidak diketahui. Berapa proporsi kasus menurut jenis kelamin?

Proporsi Wanita = 12/25 x 100 = 26,9%

Proporsi Laki-laki = 13/25 x 100 = 73,1%
 A. Perhitungan Frekuensi Penyakit
c) Rate
Rate merupakan hitungan frekuensi kejadian suatu penyakit atau masalah
kesehatan selama periode waktu tertentu. Rate digunakan untuk menilai faktor etiologi
dan membandingkan perkembangan terjadinya penyakit ataupun masalah kesehatan
pada dua populasi yang berbeda.
Contoh kasus :
Campak beresiko pada balita
Diare beresiko pada semua penduduk
Ca servik beresiko pada wanita
 B. Ukuran Morbiditas
 
a) Incidence Rate (I)
Incidence Rate (I) adalah angka kasus baru dari suatu penyakit dari populasi yang
beresiko selama periode waktu tertentu.

IR = Incidence Rate/Angka Insiden

K= Konstanta
 B. Ukuran Morbiditas
 
Contoh Kasus :

Pada bulan Desember 2008 di Desa S terdapat penderita campak 50 anak. Jumlah
balita yang mempunyai resiko penyakit tersebut di Desa C adalah 2.000. Maka
incidence rate penyakit campak di Desa tersebut ?

Penyelesaian :
 B. Ukuran Morbiditas
 
b) Attack Rate (AR)
Attack Rate (AR) adalah bila penyakit terjadi secara mendadak dan orang yang menderita
dengan jumlah yang besar. Contohnya : Keracunan makanan.

Contoh Kasus :
Saat terjadi wabah Demam Berdarah di Desa P pada tahun 2003 terdapat 20 anak yang
menderita DB. Jumlah anak yang mempunyai resiko di Desa P tersebut adalah ?
Penyelesaian :
 B. Ukuran Morbiditas
 
c) Prevalensi Rate (PR)
Prevalensi Rate (PR) adalah semua populasi yang menderita penyakit (kasus baru dan
lama) dari populasi yang beresiko menderita penyakit tersebut dalam periode waktu tertentu.

Contoh Kasus :
Kasus pada penyakit TB paru di Desa K dilakukan survei pada periode maret 2005 yaitu 30
orang dari 1500 penduduk di Desa K. Maka prevalence rate TB paru di Desa K adalah?
Penyelesaian :
 Konsep-konsep lain yang terkait dengan
pengertian mortalitas adalah:
a. Neo-natal death adalah kematian
yang terjadi pada bayi yang belum
berumur satu bulan.
C. Ukuran Mortalitas b. Lahir mati (still birth) atau yang
sering disebut kematian janin (fetal
Faktor yang mempengaruhi
death) adalah kematian sebelum
mortalitas :
dikeluarkannya secara lengkap bayi
a) Fak. Pendukung kematian
dari ibunya pada saat dilahirkan tanpa
(Promortalitas)
melihat lamanya dalam kandungan.
secara natural/alami atau
c. Post neo-natal adalah kematian anak
kurangnya perhatian pada
yang berumur antara satu bulan
kesehatan dan prasarana yang
sampai dengan kurang dari satu
mendukung.
tahun.
b) Fak. Penghambat
d. Infant death (kematian bayi) adalah
kematian (Antimortalitas)
kematian anak sebelum mencapai
umur satu tahun.
 C. Ukuran Mortalitas
a) Tingkat kematian kasar (Crute Death rate/CDR)
Tingkat kematian kasar didefinisikan sebagai banyaknya orang yang meninggal pada suatu
tahun dibagi jumlah penduduk pertengahan tahun tersebut dan dinyatakan tiap 1.000 orang.

Satu tahun
 C. Ukuran Mortalitas
 
Contoh Kasus CDR:

Jumlah seluruh kematian Penduduk Indonesia selama tahun 2001 = 17.308.680. Bila
jumlah penduduk pertengahan tahun 2001= 178.440.000. Berapa CDR tahun 2001 ?

Penyelesaian :
 C. Ukuran Mortalitas
b) Tingkat Kematian Umur Khusus (Age Specific Death Rate)
Tingkat kematian kasar pengukuran sangat kasar sekali, karena resiko penduduk
pergolongan umur tidak sama. Tingkat kematian pergolongan penduduk dipengaruhi oleh
beberapa faktor, antara lain: umur, jenis kelamin, pekerjaan, dan lain-lain.
 C. Ukuran Mortalitas
 Contoh Kasus ASDR :

Pada tahun 2014 jumlah penduduk umur 55 tahun kota Surabaya sebanyak 100.000 orang.
Dalam kelompok tersebut telah terjadi kematian sebanyak 600 orang selama satu tahun.
Tentukan ASDR kota surabaya untuk umur tersebut ?

Penyelesaian :
 C. Ukuran Mortalitas
c) Tingkat Kematian Bayi ( Infant Mortality Rate/ IMR )
Infant mortality rate adalah angka yang menunjukkan banyaknya kematian bayi yang
berumur kurang dari 1 tahun per 1000 kelahiran pada suatu waktu tertentu. Infant Mortality Rate
mempuyai hubungan yang erat dengan tingkat kesehatan masyarakat di suatu daerah. Pada
umumnya ada korelasi yang negatif antara IMR dengan tingkat kesehatan masyarakat suatu
daerah.
 C. Ukuran Mortalitas
 Contoh Kasus IMR :

Di Desa G tahun 2010 terdapat kelahiran hidup 1000 bayi. Bayi meninggal sebelum ulang
tahunnya yang pertama sebanyak 20 bayi. Maka angka mortalitas Bayi?

Penyelesaian :
 C. Ukuran Mortalitas
d) Angka Kematian Balita
Banyaknya kematian anak berumur 0-5 tahun selama satu tahun tertentu per 1.000 anak
umur yang sama pada pertengahan tahun.
 C. Ukuran Mortalitas
 Contoh kasus angka kematian balita:

Sebuah penelitian kohort ingin mengetahui angka kematian balita (1-4 tahun) di Kabupaten
A. Didapatkan data di kabupaten A telah terdapat 3.000 jiwa penduduk yang masih berusia 1-4
tahun dan terdapat kasus 42 balita meninggal pada pertengahan tahun 2014.

Diketahui : Jumlah Kematian Balita = 42;

Jumlah Penduduk Balita= 3.000
 C. Ukuran Mortalitas
e) Angka Kematian Ibu/AKI (Maternal Mortality)
Kematian ibu menurut WHO adalah kematian yang berkaitan dengan kehamilan dan persalinan oleh
sebab apapun, tetapi bukan kecelakaan atau kelalaian, dan terjadi selama kehamilan sampai dengan 42
hari setelah persalinan (masa nifas) serta tidak tergantung umur atau letak kehamilan. Ada 2 ukuran:
• Maternal mortality rate

• Maternal mortality ratio

 C. Ukuran Mortalitas
 Contoh kasus Maternal mortality rate:
Jumlah kematian Ibu oleh sebab kehamilan di Indonesia 2 orang pada tahun 1995, dengan
jumlah perempuan umur 27 tahun 50.000 orang. Berapa MMR pada tahun 1995?
Penyelesaian :

Contoh kasus Maternal mortality ratio:

Pada tahun 2002-2003 jumlah kematian ibu di kabupaten A sebanyak 12, jumlah kelahiran
hidup 60. Berapa Maternal Mortality Ratio AKI pada tahun 2003 ?
Penyelesaian :

Jadi, AKI di Kabupaten A pada tahun 2003 sebesar 5 per 100.000 kelahiran hidup
 1. Faktor yang mempengaruhi tingginya angka
D. Ukuran Fertilitas
Fertilitas atau yang sering
dikenal dengan kelahiran dapat
diartikan sebagai hasil reproduksi
yang nyata dari penduduk (actual
2. Faktor-faktor yang menghambat kelahiran
reproduction performance) atau
jumlah anak hidup yang dilahirkan  
oleh seorang atau sekelompok
perempuan. Kelahiran yang
dimaksud hanya mencakup
kelahiran hidup, yaitu bayi yang
dilahirkan menunjukkan tanda-tanda
hidup meskipun hanya sebentar dan
terlepas dari lamanya bayi itu
dikandung.
kelahiran :
• Perkawinan di usia muda
• Anggapan bahwa banyak anak berarti banyak
rezeki
• Kebutuhan tenaga kerja
• Kurangnya informasi tentang keluarga
berencana
• Keinginan memperoleh anak laki-laki.
(antinatalitas), antara lain:
• Pelaksanaan program keluarga berencana
• undang-undang perkawinan (membatasi
usia pernikahan, wanita min. 16 tahun dan
laki-laki min. 19 tahun) Adanya anggapan
anak menjadi beban keluarga
• Adanya pembatasan tunjangan anak (PNS)
yang diberikan hanya sampai anak ke 3
• Penundaan usia perkawinan
 D. Ukuran Fertilitas
a) Angka Kelahiran Khusus
Angka kelahiran khusus atau Age Spesific Birth Rate (ASBR) menunjukkan banyaknya bayi lahir setiap
1.000 orang wanita pada usia tertentu dalam waktu satu tahun.
 D. Ukuran Fertilitas
 Contoh kasus Angka Kelahiran Khusus :

Sebuah penelitian kohort ingin mengetahui angka kelahiran khusus di Kabupaten A. Peneliti
ingin menghitung banyaknya bayi yang lahir pada wanita usia 20-24 tahun di Kabupaten A.
Didapatkan data di kabupaten A terdapat wanita usia 20 - 24 sebanyak 300.000 jiwa. Banyaknya
bayi yang lahir pada tahun tersebut sebanyak 3.000 anak.

Diketahui : Bx = 3.000; Px =300.000

 D. Ukuran Fertilitas
b) Angka Kelahiran Kasar
Angka kelahiran kasar atau Crude Birth Rate (CBR) menunjukkan jumlah bayi yang lahir setiap 1.000
penduduk dalam satu tahun.
 D. Ukuran Fertilitas
 Contoh kasus Angka Kelahiran Kasar :

Sebuah penelitian kohort ingin mengetahui angka kelahiran kasar di Kabupaten A. Peneliti
ingin menghitung banyaknya bayi yang lahir pada 2010 di Kabupaten A. Didapatkan data di
kabupaten A terdapat jumlah penduduk 25 juta jiwa pada pertengahan tahun 2010 dan
banyaknya bayi yang lahir hidup pada tahun tersebut sebanyak 500.000 jiwa.

Diketahui : B= 500.000; P =25.000.000

 D. Ukuran Fertilitas
c) Angka Kelahiran Umum (General Fertility Rate / GFR)
GFR merupakan suatu angka yang menunjukkan jumlah kelahiran per 1.000 perempuan dalam usia
produktif ( 15 – 44 dan 15 – 49 tahun) dalam suatu periode tertentu.
 D. Ukuran Fertilitas
 Contoh kasus GFR :

Sebuah penelitian kohort ingin mengetahui angka kelahiran kasar di Kabupaten A. Peneliti
ingin menghitung angka kelahiran umum di Kabupaten A. Diperoleh data banyaknya wanita
berumur 15-49 tahun pada pertengahan 2006 ada 9.000 orang, sedangkan jumlah bayi yang
lahir sebanyak 900 anak.

Diketahui : B= 900; Pf (15-49) =9.000

• Risiko adalah rasio jumlah subjek yang mengembangkan
hasil minat pada periode waktu tertentu untuk total
jumlah subjek yang diikuti selama periode waktu yang
sama (Noordzij, Van Diepen, Caskey, & Jager, 2017).
• Risiko dinyatakan sebagai persentase atau proporsi dan
hanya dapat ditafsirkan dengan benar jika periode waktu
dimana risiko berlaku didefinisikan.
• Kelemahan dalam menghitung risiko adalah bahwa
semua subjek harus memiliki tindak lanjut yang lengkap
karena dapat memberikan hasil yang sangat bias saat
ada subjek yang hilang untuk ditindaklanjuti (Noordzij et
al., 2017).
• Risiko juga bisa dikatakan sebagai tingkat kejadian atau
E. Ukuran Risiko
tingkat bahaya.
• Risiko dihitung dengan membagi jumlah yang terkena
penyakit selama periode yang ditentukan oleh total
populasi sasaran selama periode itu. Risiko yang paling
sering digunakan yaitu membandingkan kejadian atau
prevalensi kondisi kesehatan atau masalah dalam dua
kelompok, satu yang mengalami faktor atau kondisi risiko
(disebut terpapar) dan orang yang tidak (disebut sebagai
yang tidak terpapar) (FHOP, 2013).
 E. Ukuran Risiko
a) Risiko Absolut
Risiko absolut merupakan ukuran efek perbedaan antara risiko dalam dua kelompok;
biasanya antara kelompok yang terpapar dan tidak terpapar (Noordzij et al., 2017). Angka ini
biasanya dinyatakan sebagai persentase, meskipun dapat juga dinyatakan dengan cara lain
seperti per 1.000 atau per 100.000 orang dalam populasi yang berisiko. Hal ini juga dapat
dinyatakan dalam paparan orang per tahun terhadap faktor risiko (Andrade, 2015).
Contoh kasus :
Hipotesis dari suatu penelitian terdapat 120 subjek: 60 pada kelompok yang terpapar faktor
lingkungan dan 60 pada kelompok yang tidak terpapar. Setelah 2 tahun masa tindak lanjut diukur
apakah subjek memiliki hasil yang menarik (hitam) atau tidak memiliki hasil (putih).
 E. Ukuran Risiko
b) Risiko Relatif/RR (Relative risk)
Risiko relatif (disebut rasio risiko) adalah adalah rasio risiko terjadinya penyakit di antara
orang yang terpapar dengan yang tidak terpapar (Bonita & Beaglehole, 1994).

Hasil perhitungan RR dapat diinterpretasikan :

• Bila hasil perhitungan = 1, artinya tidak ada hubungan antara paparan dan
penyakit.
• Bila hasil perhitungan > 1, artinya paparan merupakan faktor risiko penyakit,
paparan meningkatkan risiko terkena penyakit tertentu
•Bila hasil perhitungan < 1, artinya paparan memiliki efek protektif terhadap
penyakit, paparan melindungi atau mengurangi risiko penyakit tertentu.
Contoh kasus RR :
E. Ukuran Risiko
 
Sebuah penelitian kohort ingin melihat risiko orang yang merokok untuk terkena kanker paru di
Propinsi X. Pada awal penelitian sebanyak 5.000 orang yang merokok dijadikan subjek penelitian
dan 5.000 orang lainnya sebagai kelompok pembanding (tidak merokok). 20 tahun kemudian
diketahui di antara 5.000 orang yang merokok 200 orang diantaranya mengalami kanker paru,
dan di antara 5.000 orang yang tidak merokok terdapat 50 orang yang mengalami kanker paru?

Diketahui : a = 200; b = 5000; c = 50; d = 5000

Artinya, faktor risiko penyakit kanker paru meningkatkan risiko terkena penyakit kanker paru.
 E. Ukuran Risiko
 
c) Risiko Atribut/AR (Attributable risk)
a) Attributable risk
selisih antara populasi yang terkena penyakit karena terpapar faktor resiko dengan
populasi yang terkena penyakit tetapi tidak terpapar faktor risiko (Andrade, 2015). AR
dihitung dengan mengurangi kejadian yang terpapar (Ie) dari kejadian yang tidak terpapar (Iu)
(Olsen, Marie, & George, 2004):
 E. Ukuran Risiko
 
Contoh kasus AR :

Sebuah penelitian kohort ingin melihat risiko orang yang merokok untuk terkena kanker paru di
Propinsi X. Pada awal penelitian sebanyak 5.000 orang yang merokok dijadikan subjek penelitian
dan 5.000 orang lainnya sebagai kelompok pembanding (tidak merokok). 20 tahun kemudian
diketahui di antara 5.000 orang yang merokok 200 orang diantaranya mengalami kanker paru,
dan di antara 5.000 orang yang tidak merokok terdapat 50 orang yang mengalami kanker paru?

Diketahui : a = 200; b = 5000; c = 50; d = 5000

0,0396 - 0,0096 = 0,03
 E. Ukuran Risiko
 

c) Risiko Atribut/AR (Attributable risk)

b) Attributable risk percent (AR%)
AR% adalah persentase dari angka attributable risk dibagi jumlah populasi yang terjena
penyakit karena terpapar faktor risiko (Olsen et al., 2004). AR% dihitung dengan membagi
risiko yang dapat diatribusikan (AR) dengan kejadian di paparan (Ie) dan kemudian
mengalikan produk kali 100 untuk mendapatkan persentase:

atau
 E. Ukuran Risiko
 
Contoh kasus AR% :

Sebuah penelitian kohort ingin melihat risiko orang yang merokok untuk terkena kanker paru di
Propinsi X. Pada awal penelitian sebanyak 5.000 orang yang merokok dijadikan subjek penelitian
dan 5.000 orang lainnya sebagai kelompok pembanding (tidak merokok). 20 tahun kemudian
diketahui di antara 5.000 orang yang merokok 200 orang diantaranya mengalami kanker paru,
dan di antara 5.000 orang yang tidak merokok terdapat 50 orang yang mengalami kanker paru?

Diketahui : a = 200; b = 5000; c = 50; d = 5000

0,0396 - 0,0096 = 0,03
 E. Ukuran Risiko
 

c) Risiko Atribut/AR (Attributable risk)

c) Population attributable risk
Insiden penyakit dalam suatu populasi yang terkait dengan (atau dikaitkan dengan)
paparan faktor risiko (Bonita & Beaglehole, 1994). Ukuran ini berguna untuk menentukan
kepentingan relatif dari paparan untuk seluruh populasi. PAR adalah proporsi tingkat kejadian
hasil di seluruh populasi yang akan berkurang jika paparan dihilangkan. PAR dihitung dengan
mengurangi insiden pada yang tidak terpapar (Iu) dari insiden di total populasi (terbuka dan
tidak terbuka) (Ip) (Olsen et al., 2004):
 E. Ukuran Risiko
 
Contoh kasus PAR :

Sebuah penelitian kohort ingin melihat risiko orang yang merokok untuk terkena kanker paru di
Propinsi X. Pada awal penelitian sebanyak 5.000 orang yang merokok dijadikan subjek penelitian
dan 5.000 orang lainnya sebagai kelompok pembanding (tidak merokok). 20 tahun kemudian
diketahui di antara 5.000 orang yang merokok 200 orang diantaranya mengalami kanker paru,
dan di antara 5.000 orang yang tidak merokok terdapat 50 orang yang mengalami kanker paru?

Diketahui : a = 200; b = 5000; c = 50; d = 5000

 E. Ukuran Risiko
 

c) Risiko Atribut/AR (Attributable risk)

d) Population attributable risk percent (PAR%)
Population attributable risk percent adalah persentase kejadian penyakit dalam populasi
(terpapar dan tidak terpapar) yang disebabkan oleh paparan (Olsen et al., 2004).

atau
 E. Ukuran Risiko
 
Contoh kasus PAR% :

Sebuah penelitian kohort ingin melihat risiko orang yang merokok untuk terkena kanker paru di
Propinsi X. Pada awal penelitian sebanyak 5.000 orang yang merokok dijadikan subjek penelitian
dan 5.000 orang lainnya sebagai kelompok pembanding (tidak merokok). 20 tahun kemudian
diketahui di antara 5.000 orang yang merokok 200 orang diantaranya mengalami kanker paru,
dan di antara 5.000 orang yang tidak merokok terdapat 50 orang yang mengalami kanker paru?

Diketahui : a = 200; b = 5000; c = 50; d = 5000

 E. Ukuran Risiko
d) Odds Ratio (OR)
Odds Ratio (OR) adalah rasio frekuensi (atau kemungkinan) dari kejadiannya terhadap
frekuensi (atau kemungkinan) dari tidak terulangnya kejadian tersebut (Andrade, 2015). OR
adalah perbandingan peluang kejadian setelah paparan faktor risiko dengan peluang kejadian itu
dalam situasi kontrol. OR dihitung menggunakan jumlah kasus pasien yang memiliki atau
yang tidak memiliki faktor paparan (seperti makanan tertentu) dan jumlah kontrol yang
memiliki atau tidak memiliki paparan. OR memiliki kemungkinan pajanan lebih tinggi di antara
pasien kasus daripada di antara Kontrol.

Odds Ratio :
• 1.0 (atau mendekati 1.0) menunjukkan bahwa peluang pajanan di antara pasien
kasus sama dengan, atau mirip dengan, peluang paparan di antara kontrol.
Paparan tidak terkait dengan penyakit.
• Lebih besar dari 1,0 menunjukkan bahwa peluang pajanan di antara pasien kasus
lebih besar daripada kemungkinan paparan antara kontrol.
• Kurang dari 1,0 menunjukkan bahwa peluang pajanan di antara pasien kasus lebih
rendah daripada kemungkinan paparan antara kontrol.
 E. Ukuran Risiko
 Contoh kasus OR :

Suatu asosiasi menyelidiki antara trombosis akses vaskular dan trombofilia. Mereka
menemukan 107 pasien dengan akses trombosis (kasus) dan 312 pasien tanpa fistula
thrombosis (kontrol). Secara keseluruhan, di antara 107 pasien dengan akses trombosis, 59
pernah bukti trombofilia dan 48 tidak, sementara di antara 312 tanpa akses trombosis 122
memiliki trombofilia dan 190 tidak.

Diketahui :
Odds dari thrombophilia pada pasien dengan akses thrombosis = 59/48 = 1,229
Odds dari thromophilia pada pasien tanpa akses thrombosis = 122/190 = 0,642
OR = 1,229/0,642 = 1,91

Artinya, rasio odds (OR) 1,91 berarti peluang paparan trombofilia 91% lebih tinggi pada
pasien dengan vascular akses trombosis daripada mereka yang tanpa komplikasi ini.
THANK YOU
Any Question ?