Pemilihan, Pengumpulan, Analisa Dan Validasi Data

PEMILIHAN, PENGUMPULAN, ANALISA
DAN VALIDASI DATA
Dr. Luwiharsih,MSc
BAGAIMANA MEMILIH INDIKATOR MUTU ?
8-9 November 2018 2

ALUR PEMILIHAN INDIKATOR
2.Pilih masalah
1.Identifikasi
yg ingin/dapat
masalah
diperbaiki
4. Bila ada, pilih

3. Implementasi
indikator
SNARS, capaian
berdasarkan std yg
diminta SPM, komplain, dll
5. Bila indikator 6. Lakukan uji

sdh dipilih, buat coba pengumpulan
profil indikatornya data.
7b. Uji coba tdk ada 7a. Uji coba ada

masalah  tetapkan
8-9 November 2018
masalah  balik 3
indikator tsb ke no 2
Sasaran Keselamatan Pasien
Standar Pelayanan Berfokus

STANDARISASI Pasien
Struktur/
input Standar Manajemen RS
Program Nasional
PENINGKATAN MUTU Proses
RS dalam SNARS Edisi 1 Integrasi Pendidikan kesehatan
dalam pelayanan di RS
Output
PENGUKURAN Kepatuhan impelementasi standar
dipantau dng menggunakan
MUTU
Indikator Mutu
Standarisasi menggunakan
8-9 November 2018
Pendekatan manajemen risiko 4
Standar SKP.6
• Rumah sakit melaksanakan upaya mengurangi risiko cedera akibat pasien jatuh.
Elemen Penilaian 3
Rumah sakit melaksanakan proses asesmen awal, asesmen lanjutan, asesmen ulang
dari pasien pasien rawat inap yang berdasar atas catatan teridentifikasi risiko jatuh.
(lihat juga AP 2 EP 1). (D,O,W)
8-9 November 2018 5

Indikator Mutu
1. Asesmen awal risiko jatuh di RI

2. Asesmen lanjutan risiko jatuh di RI
3. Asesmen ulang risiko jatuh di RI
Dari 1 sd 3 diatas mana yg masih bermasalah  misalnya yg masih sering belum

dilakukan adalah asesmen ulang  maka asesmen ulang menjadi ISKP di RI. Dng
diukur kepatuhannya diharapkan ada data berapa proses kepatuhan asesmennya dan
bila masih dibawah standar, maka bisa dilakukan perbaikannya
8-9 November 2018 6

Contoh : Cek lis proses identifikasi kebutuhan
pengukuran atau perbaikan
No PERTANYAAN Y/T
1. Apakah sesuai dengan visi, misi, sasaran organisasi
2. Apakah area risiko tinggi ?
3. Apakah area volume tinggi ?
4. Apakah area rawan masalah ?
5. Apa dimensi performance yg dituju ?
6. Apakah terkait dengan pengukuran yg diminta oleh pemerintah ?
7. Apakah terkait dengan pengukuran yg diminta akreditasi ?
8. Apakah terkait Sasaran Keselamatan Pasien ?
9. Pernahkah menerima kompalin pasien atau staf dalam/di area ini ?
8-9 November 2018 7
Cek lis proses identifikasi kebutuhan pengukuran atau
perbaikan
No PERTANYAAN Y/T
10. Sudahkah aktifitas ukuran menunjukan penurunan
performa ?
11. Apakah pernah teridentifikasi adanya potensial masalah
dalam literatur atau asosiasi profesi atau sumber lain ?
12. Apakah perlu kejadian khusus ?
13. Apa sumber daya yg diperlukan ?
14. Apakah proyek ini dapat menghemat biaya ?
8-9 November 2018 8

PEMILIHAN INDIKATOR
KLINIK
• Prioritas tinggi
• Sederhana
• Mulai dengan sedikit indikator
• Data tersedia
• Ditingkatkan secara bertahap
• Dampak terhadap pengguna dan pelayanan
• Mengukur berbagai dimensi mutu
8-9 November 2018 9

Pertimbangan dalam memilih indikator yang prioritas untuk
menilai mutu pelayanan
• Dipersyaratkan dalam standar akreditasi.

• Dipersyaratkan oleh pemilik (pertanggung jawaban)
• Ketersediaan data
• High risk, high cost, high volume, problem prone

• Konsensus
• Dipersyaratkan oleh customer
8-9 November 2018 10

Cara menetapkan threshold
(Katz & Green, 1997)
• Sentinel event (kejadian luar biasa, a serious, undesirable, target = 0, misalnya

pembedahan pada sisi yang salah
• Rate based indicator:
– Kumpulkan data untuk periode waktu tertentu
– Hitung mean dan standard deviasi
– Tetapkan simpangan yang bisa diterima
– Ingat rate-based indicator tidak pernah 100 %

Cara menetapkan threshold
(Katz & Green, 1997)
• Rujukan (referensi) sebagai konsensus nasional atau konsensus

profesi
• Jika rate based indicator belum dapat ditentukan, dapat ditetapkan
threshold secara konsensus pada tahun pertama.
• Adakalanya threshold tidak dapat ditetapkan, penilaian terhadap
indikator berdasarkan trend naik atau turun.

INDIKATOR MUTU PRIORITAS RS

Topik
Implementasi di IAK, IAM dan
pelayanan yg 5 PPK
unit mana saja ISKP
akan diperbaiki

5 PPK yan Implementasi
Pelayanan IAK, IAM,
bedah (KSM di RJ, IGD,
Bedah ISKP bedah
Bedah) IRI, ICU, OK

Unit IAK IAM ISKP Keterangan
IGD
IRJ
IRI
OK
ICU

INDIKATOR MUTU NASIONAL
Kepatuhan Penggunaan Formularium Nasional

1.
Kepatuhan Identifikasi Pasien; 7.
(FORNAS); --> hanya utk RS provider BPJS
2.
Emergency Respon Time (EMT); 8.
Kepatuhan Cuci Tangan;
Kepatuhan Upaya Pencegahan Risiko Cedera Akibat

3. Tunggu Rawat Jalan;
Waktu 9.
Pasien Jatuh
Penundaan
4. Operasi Elektif; Kepatuhan
10 terhadap Clinical Pathway;
Kepatuhan
5. jam visite dokter Kepuasan
11 Pasien dan Keluarga;
Waktu
6. Lapor Hasil Tes Kritis Laboratorium; Kecepatan
12 Respon Terhadap Komplain
Benchmark
KARS
Dilengkapi form
Dilengkapi profil
Indikator mutu pengumpulan
indikator mutu
data

Data apa saja yang harus dikumpulkan ?

DATA YG HARUS DIKUMPULKAN MELIPUTI
• Data indikator mutu nasional (PMKP)
• Data indikator mutu prioritas RS (PMKP) Regulasi meliputi :
• Pengumpulan data
• Data indikator mutu unit (PMKP)
• Analisis data
• Data indikator mutu Ponek & PPRA (ProgNas) • Interpretasi data
• Data indikator mutu pada bab PAB (PAB) • Validasi data

• Pelaporan
• Data hasil surveillance (PPI)
• Benchmark data
• Data insiden keselamatan pasien (PMKP) • Publikasi data internal
• Data insiden/kejadian/kecelakaan di RS (MFK) dan external
10 mei 2017
INDIKATOR MUTU PONEK
(PROGRAM NASIONAL STANDAR 1 EP 6)
Pelaporan dan analisis meliputi :

• angka keterlambatan operasi section caesaria (SC) ( > 30 menit)
• angka keterlambatan penyediaan darah ( > 60 menit)
• angka kematian ibu dan bayi
• kejadian tidak dilakukannya inisiasi menyusui dini (IMD) pada bayi baru lahir
 Sumber data di unit pelayanan
10 mei 2017
INDIKATOR MUTU PPRA
a) perbaikan kuantitas penggunaan antibiotik

b) perbaikan kualitas penggunaan antibiotik
c) peningkatan mutu penanganan kasus infeksi secara multidisiplin dan
terintegrasi
d) penurunan angka infeksi rumah sakit yang disebabkan oleh mikroba resisten
e) indikator mutu PPRA terintegrasi pada indikator mutu PMKP

INDIKATOR MUTU PAB
a) Asesmen Pra Sedasi
b) Proses Monitoring Status fisiologis selama anestesi
c) Proses Monitoring proses pemulihan anestesi dan sedasi dalam
d) Evaluasi ulang bila terjadi konversi tindakan dari local/regional ke general

 Buat Indikator mutu pada proses kegiatan pelayanan pada a) sampai dengan d);
Unit pelayanan sebagai sumber data, agar mengumpulkan data
10 mei 2017
INDIKATOR PPI
1) Indikator Ventilator Associated Pneumonia (VAP)
2) Indikator Infeksi Saluran Kencing (ISK)
3) Indikator Infeksi Daerah Operasi (IDO)
4) Indikator Hospital Acquired Pneumonia (HAP)

5) Indikator Infeksi Aliran Darah (IAD)
6) Indikator Phlebitis
 PMK 27 tahun 2017 tentang PPI pada Fasyankes
10 mei 2017
KEJADIAN SENTINEL
Setiap RS menetapkan definisi operasional kejadian sentinel paling sedikit meliputi:
a) Kematian yang tidak diduga, termasuk, dan tidak tidak terbatas hanya,
– Kematian yg tidak berhubungan dng perjalanan penyakit pasien atau kondisi pasien (contoh,
kematian setelah infeksi pasca operasi atau emboli paru paru)
– Kematian bayi aterm
– Bunuh diri
b) Kehilangan permanen fungsi yang tidak terkait penyakit pasien atau kondisi
pasien
c) Operasi salah tempat, salah prosedur, salah pasien
10 mei 2017
KEJADIAN SENTINEL
Setiap RS menetapkan definisi operasional kejadian sentinel paling sedikit meliputi:
d) Terjangkit penyakit kronik atau penyakit fatal akibat transfusi darah atau produk
darah atau transplantasi organ atau jaringan
e) Penculikan anak termasuk bayi atau anak termasuk bayi dikirim ke rumah bukan
rumah orang tuanya
f) Perkosaan, kekejaman di tempat kerja seperti penyerangan (berakibat kematian
atau kehilangan fungsi secara permanen) atau pembunuhan (yang disengaja) atas
pasien, anggota staf, dokter, mahasiswa kedokteran, siswa latihan, pengunjung atau
vendor/pihak ketiga ketika berada dalam lingkungan rumah sakit (lihat juga KKS
8.2) 10 mei 2017
KEJADIAN TAK DIHARAPKAN
a) Semua reaksi transfusi yang sudah dikonfirmasi, jika sesuai untuk rumah
sakit (lihat AP.5.11)
b) Semua kejadian serius akibat efek samping obat, jika sesuai dan sebagaimana
yang didefinisikan oleh rumah sakit
c) Semua kesalahan pengobatan yang signifikan jika sesuai dan
d) Semua perbedaan besar antara diagnosis praoperasi dan diagnosis
pascaoperasi
instrumen 13-14 Maret 2018 38

e) Efek samping atau pola efek samping selama sedasi moderat atau
mendalam dan pemakaian anestesi
f) Kejadian-kejadian lain; misalnya,

g) Infeksi yang berkaitan dengan pelayanan kesehatan atau wabah penyakit
menular sebagaimana yang didefinisikan oleh rumah sakit
h) Pasien jiwa yang melarikan diri dari ruang perawatan keluar lingkungan
RS yang tidak meninggal/ tidak cedera serius. (Khusus untuk RS Jiwa dan
RS Umum yang mempunyai ruang perawatan jiwa).

Pengumpulan
Rekapitulasi data
data
Input data di
sismadak
Upload dokumen Komite PMKP

pendukung Supervisi
INPUT DATA DI SISMADAK
1. Data total populasi, Input data setiap hari, tetapkan

pengumpulan data setiap hari siapa yg input data bila hari
(sensus harian) minggu/libur. JANGAN : lebih dari
3 hari.
2. Data simple random sampling, Data yg di input setiap hari,
pengumpulan data setiap hari tetapkan siapa yg input data bila
(sensus harian) hari minggu/libur. JANGAN : lebih
dari 3 hari.
10 mei 2017
INPUT DATA DI SISMADAK
3. Data total populasi, Input data setiap awal bulan,

pengumpulan retrospektif tetapkan input paling lambat
tanggal berapa.
4. Data simple random sampling, Tetapkan pemilihan samplenya,
pengumpulan retrospektif Input data setiap awal bulan,
tetapkan input paling lambat
tanggal berapa.
10 mei 2017
SUMBER DATA OBSERVASI
• Tetapkan PIC/observer nya  harus dilatih sehingga persepsi sama
• Tetapkan metodologi pengambilan data  total populasi/sampel

• Tetapkan teknik observasi  waktu dan metode observasi
• Siapkan check list untuk observasi
• Data (+)  input/catat  analisa  pelaporan, sama dengan data yang

sumber data tertulis
• PERHATIAN : data yg sumber data dari observasi, tidak bisa di validasi
PMKP luwi edit 15 Jan 2017 43

Dapat
dipergunaka
Perlu form n untuk
Input data di
pengumpul verifikasi/
sismadak
data validasi data
yg akan
dipublikasi

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

Maksud dan Tujuan PMKP 7.1
Bank data dari luar banyak bentuknya mulai bank data asuransi sampai RS agar
menyusun regulasi analisis data yang meliputi :
a) Penggunaan statistik dalam melakukan analisis data
b) Analisis yang harus dilakukan yaitu :

• Membandingkan data di rumah sakit dari waktu kewaktu data (analisis trend),
misalnya dari bulanan ke bulan, dari tahun ke tahun
• Membandingkan dengan rumah sakit lain, bila mungkin yang sejenis, seperti
melalui database eksternal baik nasional maupun internasional

• Membandingkan dengan standar-standar, seperti yang ditentukan oleh badan
akreditasi atau organisasi profesional ataupun standar-standar yang ditentukan
oleh peraturan perundang-undangan
• Membandingkan dengan praktik-praktik yang diinginkan yang dalam literatur
digolongkan sebagai best practice (praktik terbaik) atau better practice (praktik
yang lebih baik) atau practice guidelines (panduan praktik klinik)

ANALISIS DATA DIBANDINGKAN
•
•
Run chart
Control chart
• Indikator mutu (PMKP 7.1 EP 4) • Pareto
• Didlm RS/tren • Bar diagram
Kemenkes • Dng rs lain/data based
• Indikator mutu prioritas external
RS • Dng standar Metode statistik PMKP 7.1 EP 3
• Indikator mutu unit • Dng praktik terbaik
Pengumpulan Analisis data Laporan (TKRS

data (PMKP 7, 7.1) (PMKP 7.1; 7.2) 4.1, PMKP 7.1 EP 6)
Validasi data
Untuk IAK baru/ada Dir RS &
perubahan (PMKP 8)
PEMILIK RS
6 feb 2019 48
Elemen penilaian PMKP 7.1 Telusur Skor
R Regulasi tentang manajemen data 10 TL
1. RS mempunyai regulasi tentang analisis
Lihat PMKP 2.1 - -
data yang meliputi a) sampai dengan b) 0 TT
yang ada di maksud dan tujuan (R)
2. RS telah melakukan pengumpulan data, D Bukti pengumpulan, analisis dan rencana 10 T

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

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

4. Analisa data telah dilakukan dng
meliputi:
melakukan perbadingan dari waktu ke 1) Analysis trend
5 L
2) Perbandingan dengan data eksternal atau 0 T
waktu di dalam RS, dengan melakukan
RS lain S
perbandingan database eksternal dari RS 3) Perbandingan dengan standar T
4) Perbandingan dengan praktik terbaik
sejenis atau data nasional/internasional, dan T
melakukan perbandingan dengan standar W • Direktur RS
• Kepala bidang/divisi
dan praktik terbaik berdasarkan referensi
• Kepala unit pelayanan
terkini (D,W) • Komite PMKP
5. Pelaksana analisis data yaitu staf D Bukti sertifikat pelatihan Komite/Tim PMKP 10 TL
dan penanggung jawab data unit dan 5 TS
komite/tim PMKP dan penanggung jawab pengalaman kerja 0 TT
(Lihat PMKP 7)
data di unit pelayanan/kerja sudah
mempunyai pengalaman, pengetahuan dan W
Komite/Tim PMKP
keterampilan yang tepat sehingga dapat Penanggungjawab data unit
berpartisipasi dalam proses tersebut dengan
baik. (D,W)
6. Hasil analisis data telah disampaikan D 1) Bukti laporan hasil analisis data 10 T
2) Bukti laporan hasil analisis data disampaikan
kepada Direktur, para kepala bidang/divisi kepada Direktur, kepala bidang dan kepala 5 L
unit 0 T
dan kepala unit untuk ditindaklanjuti. 3) Bukti tindak lanjut/rencana perbaikan S
(D,W) .
W Direktur/kepala bidang/divisi T
Kepala unit T
Komite PMKP
Standar PMKP 7.2
• Program PMKP prioritas di rumah sakit telah dianalisis
dan mempunyai dampak terhadap peningkatan mutu dan
efisiensi biaya pertahun

Direktur rumah sakit mengukur keberhasilan program PMKP prioritas melalui:
a) Pengukuran capaian-capaian indikator area klinik dan area manajemen
b) Pengukuran kepatuhan penerapan sasaran keselamatan pasien

c) Pengukuran kepatuhan pelaksanaan PPK-CP sehingga mengurangi variasi dalam
pemberian pelayanan
Pengukuran penggunaan sumber daya termasuk biaya yang dipergunakan untuk
perbaikan di program prioritas rumah sakit tersebut

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

D Bukti tentang hasil perbaikan prioritas 10 TL
3. Ada bukti program PMKP prioritas
kegiatan PMKP RS 5 TS
telah menghasilkan perbaikan di rumah 0 TT
W Komite PMKP
sakit secara keseluruhan (D,W)
D Bukti tentang hasil efisiensi sumber daya 10 TL

4. Ada bukti program PMKP prioritas
prioritas kegiatan PMKP RS 5 TS
telah menghasilkan efisiensi penggunaan W (Lihat TKRS 5 EP 5) 0 TT
sumber daya (D,W)
• Komite PMKP
• Bagian keuangan/ billing
• Staf SIM-RS

BAGAIMANA MELAKUKAN
ANALISA DATA ?
Komisi Akreditasi Rumah Sakit

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
• Penggunaan alat statistic dipilih sesuai kebutuhan dan dijelaskan di profil
25
indicator, pada kolom metodologi Analisa data
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
RUN CHART 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

RUN CHART
• 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 memiliki komentar dengan panah yg menunjuk waktu bila ide-2
perubahan untuk perbaikan diuji

The 4 rules
• Rule 1 – a shift
• Rule 2 – a trend
• Rule 3 – too few or too many data points
• Rule 4 – an astronomical point
Data analysis: Introduction to run charts
156
154
152
150
148
Weight (lbs)
146
144
142
140
138
136
154 155
153
152 151
150 149
Weight (lbs)
148 147
Weight (lbs)
146 145
144 143
141
142 139
140 137
138 135
136
Data tells a story:
New healthier me!
154
152
Weight (lbs)
150
148
146
144
142
Change 140
138
136
n n n n 04 11 18 25 04 11 18 25 01 08 15 22
-Ja -Ja -Ja -Ja
0 7 1 4 2 1 2 8
CONTROL CHARTS
• 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)
•

CONTROL CHARTS
• 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

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
67
Example : Co ntro l Chart

Histogram
• Data ditampilkan dalam
grafik.
• Mudah utk melihat trend
• Easy to “eye-ball”
• Tidak ideal untuk analisis
statistik.
M Tu W Th F
69
• Sebuah tim menggunakan analisis histogram untuk memahami pola variasi dalam waktu
turnaround elektrokardiogram (EKG). Tim mengumpulkan data tentang waktu turnaround
EKG dalam hitungan hari, mengumpulkan 32 titik data (lihat tabel data).
• Waktu turnaround rata-rata adalah 8,3 hari, yang mengungkapkan relatif sedikit tentang
kinerja proses. Untuk mendapatkan pemahaman yang lebih baik tentang data, tim kemudian
mengurutkan data, menghitung jumlah titik data di setiap 10 kategori: 1-2 hari, 3-4 hari, dan
seterusnya. Tim kemudian menampilkan data dalam histogram.
• Histogram memberikan tim informasi baru yang berharga tentang distribusi waktu putar
EKG: sebagian besar waktu turnaround jatuh dalam rentang 1- hingga 2 hari, dengan rumpun
yang lebih kecil dalam rentang 7 hingga 10 hari, dan sepertiga rumpun dalam kisaran 13
hingga 20 hari.

days, 3-4 days, and so on. The team then displayed the data in a histogram. The histogram provided the team va
information about the distribution of EKG turnaround times: the vast majority of turnaround times fall in the 1-
range, with a smaller clump in the 7- to 10-day range, and a third clump in the 13- to 20-day range.
S ample Data Table : EKG Turnaro und Time

EKG Turnaro und Time in Days
9 16 1 4
15 8 13 1
13 16 14 17
7 2 20 2
2 2 18 3
1 1 2 7
1 2 15 2
Ave ra ge = 8 .3 D a ys
S ample His to g ram: EKG Turnaro und

Komisi Akreditasi Rumah Sakit Time
S ample His to g ram: EKG Turnaro und Time

Pareto Chart
250
200 •Shows relative impact

•Easy to construct
150 •Visually powerful
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12
73
Pareto Charts
• 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
Example: Data Table and Pareto Chart Errors During
Surgical Set-up
• Satu tim menggunakan analisis Pareto untuk mengidentifikasi faktor "vital beberapa" yang
berkontribusi terhadap kesalahan selama pengaturan bedah. Tim mengidentifikasi delapan
jenis kesalahan pengaturan bedah, dan mengumpulkan data pada frekuensi masing-masing
jenis (lihat tabel). Mereka menghitung persentase dari total efek untuk setiap jenis kesalahan,
kemudian daftar jenis kesalahan dalam urutan dari terbesar ke efek terkecil. Akhirnya, mereka
menghitung persentase efek kumulatif.

Example: Data Table and Pareto Chart Errors During
Surgical Set-up
• Ketika tim menampilkan data ini dalam bagan Pareto, mereka menemukan bahwa tiga jenis
kesalahan menyumbang 75% dari semua kesalahan. Alih-alih bekerja pada semua jenis
kesalahan, tim memutuskan untuk memfokuskan upaya pada tiga jenis kesalahan "beberapa
penting" ini - Pemasok Salah, Jumlah Kelebihan, dan Jumlah Terlalu Sedikit - karena
bersama-sama mereka menyumbang sekitar 80% masalah.

Pare to Chart: Type s o f Erro rs Dis c o ve re d During S urg ic al S e t-up

ANALISIS DATA
Sasaran dari analisis data adalah agar dapat dilakukan PERBANDINGAN bagi rumah sakit melalui
empat cara :
1. Dengan melihat tren didalam RS 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

dr Luwi - PMKP 10 des 2013 79

ANALISIS DATA
• Analisis Perbandingan ini membantu rumah sakit memahami sumber dan sifat perubahan
yang tidak dikehendaki serta membantu fokus pada upaya perbaikan.
• Regulasi analisis perbandingan untuk setiap indikator ada di profil indikator
• Setiap indikator mutu boleh melakukan analisis perbandingan hanya salah satu saja atau
semuanya  merupakan pilihan dari Komite PMKP. Tapi keempat analisis perbandingan
tersebut harus dilaksanakan di RS. Sebagai contoh : IAK 1 dengan analisis perbadingan No.
1, IAK 2 dengan No. 2, dst
• Untuk melihat tren  tidak cukup hanya 3 titik, tetapi minimal 5-6 titik. Karena itu bila data
hanya 3 bulan dan analisa data setiap bulan, sehingga pada waktu survei hanya ada 3
titik/data  maka analisa tren dianggap belum dilakukan

YANG PERLU DIPERHATIKAN !
• Analisa data dengan menggunakan alat statistik  Run chart, control chart,
pareto, histogram  merupakan pilihan untuk setiap indicator
• Analisis data dengan membandingkan  didalam RS (tren), dng RS lain/data
based eksternal, dengan standar dan dengan praktik terbaik
• Analisis data BUKAN DENGAN PDSA/PDCA.
• PDSA/PDCA  Untuk rencana perbaikan yang memerlukan uji coba (PMKP

11)

Form PDSA
Topik uji coba : .......... Cara : .................. Siklus : ............
PLAN :
Saya berencana : ...........
Saya berharap : ............
Tindakan yg akan dilakukan :
DO
Apa yang diamati :
STUDY
Apa yg dapat dipelajari
Apakah sesuai dng measurement goal
ACTION :
Apa yg dapat anda simpulkan dari siklus ini

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
90
80
70
60
50
40 Asesmen medis
30 Asesmen perawat
20
10
0
juli agust sept okt nov des
TREND
g
Dn
Std DATA AGUSTUS 2017
No INDIKATOR STANDAR CAPAIAN RTL
1. Asesmen medis 100 % 80 % 1) ....
2) .......
2. Tidak adanya kesalahan pemberian 100 % 98 % Risk grading 
hasil 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 100 % 60 % Lakukan
antibiotika profilaksis RCA,/Diagaram fish
bone shg diketahui
akar penyebab ke
tdk patuh an

Dn
g
Std
DATA AGUSTUS 2017
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 i% 80 % Edukasi

ditingkatkan
10. Kejadian infeksi paska operasi ≤ 1,5 % 0,5 % Risk grading 
RCA/ investigasi
11. Ethical clereance 100 %

100 %
n g yg
D ik
DATA AGUSTUS 2017
a kt k
pr bai

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

MEMBANDINGKAN DATA DNG RS
LAIN
• Dapat melalui sismadak
• Data yang dibandingkan : Indikator mutu nasional  Kontribusi data

based external (PMKP 7, MIRM 4)
• Bila membandingkan data dengan RS harus :
- Melakukan pertemuan dng RS pembanding

- Menyamakan profil/kamus 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
• pengumpulan
pasien (IKP)
• pelaporan
 Indikator kinerja staf
• analisa
klinis
• validasi dan
 Pengukuran budaya
• publikasi indikator
keselamatan
mutu
STANDAR NASIONAL AKREDITASI RUMAH SAKIT edisi 1 90

ANALISA DATA PROGRAM PRIORITAS RS

Evaluasi kendali biaya
Prioritas perbaikan : 5 PPK Pelayanan pre dan post
Pelayanan Jantung Jantung pelaksanaan program
prioritas

Trend, bandingkan dng
IAK, IAM, ISKP yan data based eksternal,
bandingkan dng
Jantung di RJ, RI, Capaian indicator target/standar, bandingkan
IGD, KO, ICCU dng praktik yg baik/PPK-
CP

VALIDASI DATA

Pengum
Hasil Rekap validasi Valid
pulan
Koreksi Tidak valid

VALIDASI DATA
Tujuan
– Monitoring akurasi data yg dikumpulkan
– Verifikasi bahwa pengambilan data adalah konsisten dan
reproducible
– Verifikasi ekspektasi tentang volume data yang dikumpulkan.
96
VALIDASI DATA
– 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.
97
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.

Maksud dan Tujuan PMKP 8
RS 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 RS atau media lain
 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

b) Proses validasi data mencakup namun tidak terbatas sebagai berikut :Merupakan pengukuran
area klinik baru;
 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.
 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 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 jelas definisinya) dan dilakukan tindakan koreksi
• 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.

IAK baru atau Profil Prosedur validasi no A
indicator berubah
VALIDASI DATA
Data di publikasi di Prosedur validasi no B

website atau media lain

Elemen penilaian PMKP 8 Telusur Skor
R Regulasi tentang manajemen data 10 T
1. Rumah sakit mempunyai
termasuk validasi data - L
regulasi validasi data sesuai dengan 0 -
T
a) sampai c) yang ada di maksud
T
dan tujuan (R)
D Bukti pelaksanaan validasi data IAK 10 T

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

Elemen penilaian PMKP 8 Telusur Skor
D Bukti pelaksanaan validasi data yang 10 T
3. Rumah sakit telah melakukan
dipublikasikan 5 L
validai data yang akan 0 TS
W Komite PMKP T
dipublikasikan di web site atau
T
media lainnya termasuk
kerahasiaan pasien dan keakuratan
sesuai regulasi (D,W)
D Bukti pelaksanaan perbaikan data 10 T
4. RS telah melakukan perbaikan
berdasarkan hasil validasi data 5 L
berdasarkan hasil validasi data.
Komite PMKP
0 T
(D,W) W S
T
T
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
108
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
109
SAMPLE SIZE
• Tabel
• Menghitung dengan rumus

• Internet

Contoh validasi data, sesuai dengan yang
ada di maksud dan tujuan

CONTOH :
LAPORAN VALIDASI DATA BULAN SEPT
JUDUL INDIKATOR 2017
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 OKT 900 pasien
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

CONTOH :
LAPORAN VALIDASI DATA BULAN SEP
2017
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 September: belum akurat
RENCANA TINDAK LANJUT 1. Tetapkan bahwa capaian indikator asesmen pasien pada bulan
September 2017 = 35 %  revisi data capaian indikator
2. Edukasi untuk PIC pengumpul data
3. Edukasi ke medis untuk peningkatan kelengkapan asesmen
4. Karena validitas data masih diragukan maka data bulan November perlu
dilakukan validasi lagi

CONTOH :
LAPORAN VALIDASI DATA BULAN OKT
JUDUL INDIKATOR asesmen awal medis 2017
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 Oktober 80 %
JML PASIEN RI BULAN 800 pasien
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

CONTOH :
LAPORAN VALIDASI DATA BULAN OKT
2017
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 Oktober : sudah
akurat
RENCANA TINDAK Validasi akan dilakukan kembali bila ada perubahan PIC
LANJUT pengumpul data, sumber data, numerator, denomerator,
sistem RM menjadi E-RM
Melakukan edukasi ke staf medis untuk meningkatkan
kelengkapan pengisian asesmen awal

Apakah perlu validasi data ?
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 validasi
tdk ?
Data awal 80 %, hasil validasi 35 %, perlu revisi data
tdk ?
Tiga metode utk kalkulasi reproducibility : % agreement
• 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

MEASURE CATEGORY ASSIGNMENT
• 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

MEASURE CATEGORY ASSIGNMENT
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

MEASURE CATEGORY ASSIGNMENT LEVEL COMPARISON &
CALCULATION
• Total kecocokan = 16
• Tidak cocok pada ekslusi (B) = 2
• Tidak cocok pada numerator € = 2
• Total tidak cocok = 4
• Total cocok = 12
• % MCA kesepakatan = 12/16 = 75 %
• Karena ketidaksepakatan tidak < 75 %, maka tidak
sepakat
DATA ELEMENT AGREEMENT
• 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

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

Diagnose AMI (denominator) 16 16
Pemberian ASA 24 jam (numerator) 12 dari 16 8 dari 16
Tidak diberikan ASA (kontra 2 dari 16 6 dari 16

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

ASSIGNMENT
• 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

Pemilihan, Pengumpulan, 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

Pemilihan, Pengumpulan, Analisa Dan Validasi Data

Diunggah oleh

Hak Cipta:

Format Tersedia

PEMILIHAN, PENGUMPULAN, ANALISA

DAN VALIDASI DATA

8-9 November 2018 2

4. Bila ada, pilih

5. Bila indikator 6. Lakukan uji

7b. Uji coba tdk ada 7a. Uji coba ada

Standar Pelayanan Berfokus

8-9 November 2018 5

1. Asesmen awal risiko jatuh di RI

Dari 1 sd 3 diatas mana yg masih bermasalah  misalnya yg masih sering belum

8-9 November 2018 6

8-9 November 2018 8

• Mengukur berbagai dimensi mutu

8-9 November 2018 9

• Dipersyaratkan dalam standar akreditasi.

• High risk, high cost, high volume, problem prone

8-9 November 2018 10

• Sentinel event (kejadian luar biasa, a serious, undesirable, target = 0, misalnya

8-9 November 2018 11

• Rujukan (referensi) sebagai konsensus nasional atau konsensus

8-9 November 2018 12

8-9 November 2018 13

8-9 November 2018 14

8-9 November 2018 15

8-9 November 2018 16

Kepatuhan Penggunaan Formularium Nasional

Kepatuhan Upaya Pencegahan Risiko Cedera Akibat

8-9 November 2018 29

8-9 November 2018 30

• Data indikator mutu pada bab PAB (PAB) • Validasi data

• Data insiden/kejadian/kecelakaan di RS (MFK) dan external

Pelaporan dan analisis meliputi :

 Sumber data di unit pelayanan

a) perbaikan kuantitas penggunaan antibiotik

8-9 November 2018 33

d) Evaluasi ulang bila terjadi konversi tindakan dari local/regional ke general

4) Indikator Hospital Acquired Pneumonia (HAP)

 PMK 27 tahun 2017 tentang PPI pada Fasyankes

instrumen 13-14 Maret 2018 38

f) Kejadian-kejadian lain; misalnya,

instrumen 13-14 Maret 2018 39

Upload dokumen Komite PMKP

1. Data total populasi, Input data setiap hari, tetapkan

3. Data total populasi, Input data setiap awal bulan,

• Tetapkan PIC/observer nya  harus dilatih sehingga persepsi sama

• Tetapkan metodologi pengambilan data  total populasi/sampel

• Data (+)  input/catat  analisa  pelaporan, sama dengan data yang

PMKP luwi edit 15 Jan 2017 43

8-9 November 2018 44

instrumen 13-14 Maret 2018 45

b) Analisis yang harus dilakukan yaitu :

instrumen 13-14 Maret 2018 46

instrumen 13-14 Maret 2018 47

Pengumpulan Analisis data Laporan (TKRS

2. RS telah melakukan pengumpulan data, D Bukti pengumpulan, analisis dan rencana 10 T

instrumen 13-14 Maret 2018 49

D Bukti pelaksanaan tentang analisis data 10 T

instrumen 13-14 Maret 2018 52

b) Pengukuran kepatuhan penerapan sasaran keselamatan pasien

instrumen 13-14 Maret 2018 53

instrumen 13-14 Maret 2018 54

D Bukti tentang hasil efisiensi sumber daya 10 TL

instrumen 13-14 Maret 2018 55