ANALISIS DAN

INTERPRETASI
DATA

SURVEILENS
KESEHATAN
MAYARAKAT
 Tujuan Pelajaran 6
 Mendeskripsikan pendekatan metodologis pada analisis
surveilens
 Mendeskripsikan pendekatan praktis pada analisis
surveilens
 Menyajikan data surveilens menurut waktu, tempat,
orang
 Mendeskripsikan konsep rates dan standarisasi rates
 Mendeskripsikan pendekatan pada eksplorasi analisis
data
 Mendemonstrasikan kegunaan grafik, dan peta (map)
 Mendeskripsikan interpretasi yang sistematik dari data
surveilens
 Pertimbangan dalam analisis
data surveilens
 Mengetahui kesatuan karakteristik yang
tidak biasa dari susunan data
 Melakukan dari yang paling sederhana ke
yang paling kompleks
 Menyadari bila ketidaktepatan dalam data
tidak memungkinkan analisis yang canggih
Konsep kunci yang menentukan
akurasi data surveilens
 Reliabilitas:  Validitas:
Apakah suatu Apakah kondisi
kondisi penting seperti yang
dilaporkan secara dilaporkan
mencerminkan
konsisten oleh kondisi
pengamat yang sesungguhnya
berbeda-beda? memang terjadi?
Parameter epidemiologik dasar
 Waktu
 Tempat
 Orang
 Analisis data menurut waktu
 Membandingkan jumlah laporan kasus
yang diterima selama interval waktu
tertentu

 Membandingkan jumlah kasus untuk

periode saat ini dengan jumlah yang
dilaporkan dalam interval yang sama
selama periode waktu sebelumnya
 Analisis data menurut tempat
 Dimana pemajanan terjadi, bukan dari mana
pemajanan dilaporkan

 Memungkinkan terpilihnya suatu cara

pencegahan yang efektif dari berbagai alternatif
pencegahan

 Menggunakan komputer dan perangkat lunak

pemetaan yang memungkinkan untuk analisis
yang canggih
 Analisi data menurut orang

 Variabel yang mungkin

 Umur
 Jender
 Ras atau etnis
 Status perkawinan
 Pekerjaan
 Tingkat pendapatan dan pendidikan
 Interaksi antara waktu, tempat
dan orang
 Interaksi dapat mengaburkan pola penyakit
dan cedera
 Sifilis dalam tahun 1980-an
Rate = Frekuensi dari suatu peristiwa (event)

 Numerator:  Denominator:
Jumlah kejadian Jumlah populasi
dari suatu peristiwa dimana peristiwa
selama waktu terjadi
tertentu
 Rasio / Proporsi / Rate

 Rasio: berbagai angka yang diperoleh dengan

pembagian satu kuantitas dengan kuantitas lain.
 Proporsi: tipe khusus rasio yang
numeratornyanya bagian (subset) dari suatu
populasi denominator
 Rate: mungkin suatu proporsi atau mungkin
dibatasi dalam suatu ruang lingkup
 Manfaat rate dalam
epidemiologi
 Merumuskan dan menguji hipotesis
tentang sebab akibat
 Mengidentifikasi faktor risiko penyakit dan
cedera
 Menyiapkan perbandingan yang valid
dalam atau di antara populasi selama
waktu tertentu
 Jenis-jenis rates
 Crude rates: mendeskripsikan suatu
populasi
 Specific rates : menjelaskan perbedaan
diantara subpopulasi dan kesatuan populasi
 Standarisasi rate: menstandarisasi rate
ketika membandingkan populasi
 Kapan harus menggunakan
standarisasi tak langsung?
 Bila angka specific rates populasi dalam
populasi studi tidak tersedia

 Bila ada angka yang begitu kecil dalam

kategori strata yang datanya tidak dapat
dipercaya
Data yang harus tersedia untuk menggunakan
standarisasi tidak langsung terhadap suatu
rate:

 Specific rates untuk populasi yang dipilih

 Distribusi untuk populasi studi melalui
strata yang sama seperti yang digunakan
dalam perhitungan specific rates
 Crude rate untuk populasi studi
 Crude rate untuk populasi standar
 Keuntungan menstandarisasi
rate
 Dapat menstandarisasai untuk variabel perancu
(konfonding)
 Menyediakan pengukuran yang mudah untuk
dibandingkan
 Mempunyai standar error yang lebih kecil dari
spesific rates
 Lebih akurat dan stabil daripada specific rates
 Lebih tersedia untuk kelompok tertentu
 Kerugian menstandarisasi rate
 Mungkin dapat menyembunyikan
perbedaan

 Besarnya adalah buatan (angka fiktif)

bergantung dari populasi standar
 Analisis rate
 Hitung crude rate
 Hitung spesific rates yang sesuai
 Pilih populasi standar (jika layak)
 Presentasikan informasi dengan
menggunakan tabel atau peta (map)
 Terapkan prosedur statistik (uji z,
parameter Poisson, metode time series)
Eksplorasi Analisis Data (EAD)

 Menyediakan langkah awal dalam analisis

 Menyediakan enumeratif, membuat grafik
penemuan
 Meminimkan asumsi
 Memungkinkan data untuk memotivasi
analisis
 Mengkombinasikan deskripsi yang mudah
dengan pengetahuan kuantitatif
 Langkah-langkah dalam EAD
1. Menggunakan peragaan visual untuk
menyampaikan struktur data dan analisis
data
2. Mentransformasikan data secara
matematik untuk penyederhanaan
distribusi
3. Menginvestigasi pengaruh outliers (nilai-
nilai ekstrim)
4. Menguji residual
 Tujuan pembuatan grafik
 Memperagakan secara visual ukuran
kuantitas
 Memungkinkan para peneliti untuk
menangkap penyajian dan analisis
 Mengorganisasi, meringkas dan
memperagakan informasi secara jelas dan
efektif
 Tabel
 Menyusun data dalam baris dan kolom
 Mendemonstrasikan pola data dan
hubungan diantara variabel-variabel
 Menyediakan sebagai sumber informasi
untuk tipe lain dari grafik data
Petunjuk untuk pembuatan tabel
 Judul mendeskripsikan apa, kapan, dimana
 Memberi label garis dan kolom secara jelas
 Menyediakan unit pengukuran
 Menyediakan total baris dan kolom
 Menjelaskan singkatan dan simbol-simbol
 Mencatat ekslusi data
 Sumber rujukan
 Haruslah berdiri sendiri
 Grafik
 Memperagakan secara visual informasi
kuantitatif
 Menyediakan sistem koordinat
 Membantu pembaca memvisualisasikan
pola-pola dan kecenderungan
 Petunjuk dalam pembuatan
grafik
 Melabel judul, sumber, aksis, skala, keterangan
 Meminimalkan jumlah garis ordinat
 Letakkan frekuensi skala vertikal m ulai dari
angka nol
 Letakkan metode klasifikasi pada skala
horizontal
 Tunjukkan satuan pengukuran
 Jelaskan singkatan dan simbol-simbol
 Catatkan ekslusi data
 Peta
 Secara grafik mewakili data yang
penggunaannya untuk lokasi dan koordinat
geografik
 Sajikan dengan cara yang jelas, ringkas
dan cepat untuk pemahaman data
 Limitasi-limitasi dalam data

 Under reporting

 Ketidakterwakilan/representativeness

 Definisi kasus yang tidak konsisten

 Pertimbangan untuk
menginterpretasi data
 Apakah sifat pelaporan diubah?
 Apakah telah ada petugas baru atau daerah
geografik yang dimasuki sistem tersebut?
 Apakah definisi kasus telah diubah?
 Apakah intervensi baru telah
diperkenalkan?
 Interpretatif yang digunakan
untuk data surveilens
 Memonitor kecenderungan
 Mengidentifikasi epidemik
 Mengidentifikasi sindrom
 Menilai kebijakan publik
 Memproyeksikan kebutuhan masa depan