Konsep

Data Quality (DQ)

Meira Hidayati, s.st., m.m
PENGERTIAN

PENTINGNYA DATA
QUALITY (DQ)

PERAN HIM DALAM

DATA QUALITY (DQ)

KARAKTERISTIK
DATA QUALITY (DQ)
 Data

Kualitas /
Mutu

Data
Quality
 Data Catatan atas kumpulan fakta

Kualitas / Tingkat baik buruknya atau taraf atau

Mutu derajat sesuatu

Bersifat generik dan dapat

diadaptasi untuk pengaturan dan
berbagai aplikasi. bagi para
Data
profesional Infokes untuk
Quality
melakukan transisi kedalam
organisasi atau peran DQM yang
lebih luas
Data
Ketika kita bicara tentang
DATA, yang terpikirkan
pertama kali adalah hasil
capture/tangkapan berupa fakta-
fakta lapangan atau arsip-arsip
yang biasanya berserakan
dimana-mana, atau data dapat
didefinisikan sesuatu yang
belum memiliki makna (cikal
bakal informasi).
Lanjutan

• Menurut Turban et al. (2005, p38), data adalah

deskripsi dasar tentang sesuatu, kejadian, kegiatan,
dan transaksi yang ditangkap, direkam, disimpan, dan
diklasifikasikan namun tidak terorganisir untuk
menyampaikan suatu arti khusus.
• Menurut McLeod dan Schell (2007, p12), data terdiri
dai fakta dan gambaran yang secara umum tidak dapat
digunakan oleh user (perlu diolah).
• Dari kedua definisi diatas, dapat diambil kesimpulan
bahwa data adalah fakta yang masih mentah dan belum
memiliki arti bagi pengguna karena belum diolah.
Keterangan

Semakin banyaknya data yang menumpuk dalam

sebuah perusahaan, maka dibutuhkan sebuah
penyortiran atau penilaian apakah data tersebut
berkualitas atau tidak, sehingga hanya data yang
berkualitas saja yang dipertahankan dan diarsipkan, data
yang tidak berkualitas, ya masuk sampah. Jika tidak ada
penilaian atau pengukuran seperti ini akan mungkin
begitu menumpuknya data tetapi tidak berkualitas. 
 Data Quality
• Menurut Mark Mosley (2008) pengertian
kualitas data adalah level data yang
menyatakan data tersebut akurat (accurate),
lengkap (complete), timely (update), konsisten
(consistent) sesuai dengan semua kebutuhan
peraturan bisnis dan relevan.
• Manajemen kualitas data sangat terkait dengan
strategi pengelolaan data, semakin mampu
perusahaan dapat mengelola data – data yang
terkait maka akan semakin mudah bagi perusahaan
untuk mengatasi setiap masalah dan problem yang
terkait hubungan nya dengan kualitas data.
• Kualitas Data yang buruk akan menyebabkan
perusahaan akan kehilangan kendali atas data
karena kurangnya keyakinan atas data yang tidak
konsisten, tidak akurat, tidak lengkap dan bahkan
tidak dapat dipercaya 
Manajemen kualitas data adalah sesuatu yang sangat
penting untuk membuat kendali atas data menjadi lebih
baik, sehingga mampu memberikan keputusan yang lebih
baik, meningkatkan pelayanan kepada pelanggan dan
mengurangi biaya. Bila perusahaan mengabaikan
manajemen kualitas data maka perusahaan berpotensi
menuai kerugian dari sisi keuangan dan investasi organisasi.
Manajemen dapat salah dalam pengambilan keputusan
yang akurat akibat dari data yang kurang dapat dipercaya. 
Dengan demikian maka keputusan bisnis bergantung pada
data yang baik, dan data yang baik sangat bergantung
kepada pengelolaan data yang efektif menggunakan
Manajemen Kualitas Data.
PENTINGNYA
DATA QUALITY

Meningkatkan percayaan diri dalam

pengambilan keputusan
Memperbaiki pelayanan kepada Customer
Meningkatkan kesempatan memperbaiki
kinerja
Mengurangi resiko dari keputusan yang
berbahaya
Mengurangi biaya, terutama untuk
pemasaran
Mengembangkan strategi untuk pembuatan
keputusan
Meningkatkan produktivitas dengan
memangkas beberapa proses
Menghindari efek komplikasi dari data yang
terkontaminasi
 Peran
HIM (Health Information Management)
dalam DQ (Data Quality)

 Bertanggung jawab untuk melaksanakan

fungsi manajemen data
 Perbaikkan mutu secara
berkesinambungan demi keutuhan
integritas data organisasi
 Mengembangkan kebijakan
 Memonitor kualitas data dan audit
Karakteristik-karakteristik kualitas data yang diterbitkan oleh The
American Health Information Management Association (AHIMA) dapat
menjadi dasar dalam menetapkan standar kualitas data, karena
karakteristik-karakteristik ini merepresentasikan dimensi-dimensi umum
data kesehatan yang harus selalu ada.
Application
• Tempat dimana data berasal untuk disimpan

Collection
• Proses-proses dimana elemen-elemen data
diakumulasikan

Warehousing
• Proses-proses dan sistem-sistem yang digunakan
untuk mengarsip data dan jurnal data

Analysis
• Proses translasi data menjadi informasi yang
digunakan untuk suatu aplikasi
 Comprehensiveness

Timeliness Consistency

Accessibility Karakteristik Accuracy

Definition Relevancy

Precision Granularity Currency

 Data accuracy

Data harus benar, nilai valid adalah nilai yang

akurat. Kesalahan penulisan (typografi) nama
adalah contoh ketidakakuratan data.
 Data accessibility

Data yang tidak tersedia saat pengambil

keputusan adalah tak berguna
 Data comprehensiveness

Semua data yang dibutuhkan untuk

keperluan tertentu harus ada dan tersedia
bagi pengguna, data tak akan berguna bila
tidak lengkap
 Data consistency

Data berkualitas harus konsisten. Penggunaan singkatan

yang memiliki 2 arti berbeda merupakan contoh yang tepat
akan kurangnya konsistensi dapat menimbulkan masalah.
Contoh, perawat yang mungkin menggunakan singkatan
CPR untuk cardiopulmonary Resuscitation pada satu
waktu dan menggunakan CPR untukcomputer-based
patient record di lain waktu, akan membingungkan.
 Data definition

Definisi elemen data yang jelas harus disediakan

sehingga baik pengguna data saat ini dan nanti
akan mengetahui apa arti data tersebut. 1 cara
untuk menyediakan definisi data yang jelas
adalah menggunakan data dictionaries.
 Data currency

Banyak tipe data kesehatan menjadi

kadaluwarsa setelah periode waktu tertentu.
Hasil pengakuan diagnosis pasien sering tidak
sama dengan pencatatan diagnosis saat
pemulangan. Saat eksekutif rumah sakit
 membutuhkan laporan diagnosis selama kurun
waktu tertentu, catatan diagnosis mana yang
harus diberikan?
 Data precision

Presisi sering berelasi dengan data numerik.

Presisi menunjukkan seberapa dekat ke ukuran
sebenarnya, berat atau standar pengukuran
tertentu. Beberapa data kesehatan harus sangat
presisi. Contoh, dosis obat tak boleh dibulatkan
ke gram terdekat saat obat didosiskan dalam
milligram.
 Data granularity
Data yang tidak dapat dipecah lagi menjadi
elemen yang lebih kecil. Contoh, nama pasien
seharusnya disimpan dalam 3 elemen data, nama
akhir, nama awal, nama
tengah. Granularity direlasikan dengan tujuan
dari data disimpan.
 Data relevancy

Data harus relevan dengan tujuan mereka

disimpan.
 Data timeliness
Ketepatan waktu adalah dimensi penting dalam
kualitas berbagai jenis data kesehatan. Contoh, nilai
lab untuk pemeriksaan kritis harus tersedia untuk
penyedia layanan kesehatan dengan tepat waktu. Hasil
akurat yang terlambat disediakan dari tenggat waktu
yang seharusnya atau bahkan tersedia setelah
kepulangan pasien akan mengecilkan atau meniadakan
nilai gunanya bagi perawatan pasien.
Terima
Kasih
Pertanyaan…

1. Coba jelaskan dampak dari rendahnya Data Quality (Kualitas Data)

Jelaskan manfaat dari meningkatkan Data Quality (Kualitas Data)