ANALISIS DAN INTERPRETASI

DATA

SURVEILENS KESEHATAN MASYARAKAT

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
 Grafik
garis
TREND ISPA
SELURUH ANGKA INSIDENSI TB DAN TOTAL SELURUH KASUS TB
ANGKA KASUS BARU, KASUS TERDETEKSI DAN KASUS
TEROBATI PASIEN DSTB
% TOTAL BIAYA PROGRAM BERDASARKAN ALGORITMA KOMPONEN
BIAYA PER KAPITA TIAP KONDISI