ANALISIS DATA

Dibandingkan: Metode Statistik

Indikator Nasional Mutu • Di dlm RS dari waktu ke waktu • Run chart
Indikator Mutu Prioritas RS • RS lain • Control chart
Indikator Mutu Prioritas Unit • Standar • Pareto
• Best Practice • Bar Diagram

Pengumpulan Direktur
Analisis Data Pelaporan
Data

PIC Data Unit Komite Mutu

ANALISIS DATA sesuai STARKES
Analisis Dengan
Metode Statistik

Contro
Run Chart
l
Chart
Pareto Histogram
Run Chart
Fungsi Run Chart
• Mengetahui apakah ada perubahan signifikan
pada objek yang diukur
• Jika ada perubahan signifikan, artinya ada
dampak dari sesuatu terhadap hal yang diukur
• Perubahan ini bisa merupakan perbaikan
ataupun perburukan, tergantung nilai yang
ditampilkan pada data
• Terdapat garis target pada grafik yang berada di
atas (untuk capaian mendekati 100%) atau di
bawah (untuk capaian mendekati 0%)
Contoh Run Chart
 LANGKAH PEMBUATAN ANALIS RUN CHART
1. Susun data, minimal 15 pengamatan dalam suatu rentang waktu, dan buat grafiknya
2. Tentukan median data, dan buat garis median pada grafik
3. Identifkasi “run” pada grafik. Run adalah satu atau lebih data yang berada di atas atau di bawah garis
median (data yg jatuh tepat pada garis median, tidak dianggap sebagai “run”.
4. Cocokkan dengan “rule” dari run chart, adakah yg terpenuhi, jika ada maka menunjukkan
suatu perubahan (non random variation) sedang terjadi

7 JUMLAH
Dengan menganalisis jumlah dan
6
pola “run” kita bisa mengetahui
5 adakah perubahan yg terjadi.
4

3
Median
2

0
A B C D E F G H I J K L M N O WAKTU
Category 1
Run Chart Rule
1. Shift
2. Tren
3. Number of Run (to
few/to many)
4. Astronomical data
point
Run Chart Rule #1 (Shift)

Jika terpenuhi 6 titik data yang

berurutan, yang semuanya
berada di atas atau di bawah
garis median.
Dan ditemukan perubahan dari
yang semula di atas median
menjadi di bawah median, atau
sebaliknya

Jika ada terpenuhi rule ini, maka

menandakan sedang ada
perubahan yg signifikan pada
objek yang sedang di amati
Run Chart Rule #2 (Trend)

Jika ditemukan 5 titik data yang

berurutan semuanya menuju
naik atau menuju turun

Jika ada terpenuhi rule ini, maka

menandakan sedang ada
perubahan yg signifikan pada
objek yang sedang di amati
Run Chart Rule #3
(Astronomical Value)
Jika ditemukan ada titik data
yang terlampau mencolok
berbeda dari titik data yang lain.

Jika ada terpenuhi rule ini, maka

menandakan sedang ada
perubahan yg signifikan pada
objek yang sedang di amati
Run Chart Rule #4 (Number of Run, To Few or To Many)

Dengan menghitung jumlah

“run” lalu cocokkan dengan tabel
standar jumlah run. Bila
terpenuhi kriteria terlalu sedikit,
atau terlalu banyak run, maka
rule ini terpenuhi

Jika ada terpenuhi rule ini, maka

menandakan sedang ada
perubahan yg signifikan pada
objek yang sedang di amati
Run Chart Cocok Untuk Data dgn Kriteria Sebagai
Berikut
• Data yang sudah diolah terlebih dahulu
• Data bukan merupakan suatu monitoring terhadap
stabilitas suatu proses
• Umumnya untuk data yang dimana kita berharap
angkanya mendekati 100%, atau mendekati 0%
Run Chart Cocok Untuk Data dgn Kriteria Sebagai
Berikut
• Contoh
• Angka kepatuhan (100%)
• Angka ketercapaian (100%)
• Angka ketidaklengkapan pengisian informed
consent (0%)
• Angka ketidak-tepatan kehadiran dokter (0%)
• Jumlah complain (ingin diturunkan)
Contoh – Data Kepatuhan CP dari LoS

CP mulai Target ≥ 80%

diterapkan Di ukur kepatuhan CP berkaitan
LoS

Mulai dilakukan pengukuran sejak

CP diterapkan, dan selama
perjalanannya dilakukan 4 kali
siklus perbaikan menggunakan
PDSA
PDSA PDSA PDSA PDSA
Rule number of run terpenuhi (to
fee/terlalu sedikit run)
→  sehingga data
menunjukkan sudah ada
perubahan signifikan
Contoh – Data Kejadian Medication Error
Ada data terkait medication error

Anda mengetahui ada perubahan,

hanya apakah signifikan?

Maka dengan menganalisis

menggunakan run chart, anda
mengetahui perubahan itu
Penambahan signifikan adanya (memenuhi rule
karyawan baru shift)
(perawat & TTK)
Sehingga disimpulkan, penambahan
karyawan baru berkorelasi dengan
kejadian medication error
Control Chart
Control Chart
• Digunakan untuk memantau stabilitas suatu proses
yang diamati
• Data yang diharapkan adalah stabil, yaitu berada
pada suatu rentang nilai normal
• Data yang digunakan adalah data mentah
• Jika anda mengharapkan suatu proses itu
stabil, maka gunakan control chart untuk
mendeteksi apakah ada ketidakstabilan
Control Chart
• Cocok digunakan untuk memantau
• Length of Stay (jumlah hari rawat) suatu penyakit
• Tagihan tarif untuk suatu penyakit
• Jumlah BMHP terpakai
Control Chart Rule
• Jika terpenuhi, maka menandakan:
• Ada suatu kondisi non stabil yang sedang terjadi,
• Contoh:
Tiba-tiba terjadi lonjakan beban biaya operasional
Tiba-tiba terjadi kenaikan insiden keselamatan pasien
• atau
• Ada perubahan dan perubahan itu sudah mencapai kondisi
yang stabil
• Contoh:
Dilakukan upaya pest control untuk tikus, dan ternyata kejadian munculnya
tikus sudah menurun secara stabil
Anatomi Control Chart

Zona A

Zona B

Zona C
Mean/
average
Zona C

Zona B

Zona

A
Langkah Pembuatan Control Chart
• Dapatkan minimal 15 data pengamatan, buatlah
grafiknya
• Hitung mean/average data dan buat garis mean
• Hitung standar deviasinya (SD)
• Buat garis +1 sigma/-1 sigma, dengan cara mean
ditambah /dikurangi SD
• Buat garis +2 sigma/-2 sigma, dengan cara mean
ditambah /dikurangi dua kali SD
• Buat garis +3 sigma/-3 sigma, dengan cara mean
ditambah/dikurangi tiga kali SD
 Control Chart Rule
Jika terpenuhi, artinya ada perubahan
signifikan yang sedang terjadi
1 1. Poin di atas UCL atau
di bawah LCL
2 3
4 2. 2 dari 3 poin di atas
garis +2 sigma/di
bawah garis -2 sigma
3. 4 dari 5 poin di atas
4 garis +1 sigma/di
bawah garis -1 sigma
2 3 4. 8 poin di atas CL atau
8 poin di bawah CL

1
Control Chart Rule Jika terpenuhi, artinya ada perubahan signifikan
yang sedang terjadi, kecuali rule 6 menandakan
proses berjalan stabil sesuai yg diharapkan

5 5 5. 6 poin berurutan
mengarah ke atas, atau
6 ke bawah

6. 15 poin dalam zona C

→ mendandakan
proses
yg stabil
 Contoh Control Chart
Disajikan data jumlah pasien klinik anak
Terpenuhi rule ada 6 poin data berurutan mengarah ke atas → tren
nkai
90terkonfirmasi
85
Zona A +3 sigma
80

75 Dilakukan
72
71 71 71 Zona B +2 sigma
70 70 upaya 70
69 69
70 68 marketin 68 68
65 g 64 64 Zona C +1 sigma
65 63 63 63
Mean/
59 59
60 58
56
57
58 58 average
Zona C -1 sigma
55
54
55 53
52

48
Zona B +2 sigma
50

45
Zona A +3 sigma
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
 Contoh Control Chart
Disajikan data beban biaya pasien utk layanan stroke
Terpenuhi rule ada 15 poin data berurutan berada dalam zona C
→ proses berjalan stabil
Diterapkan CP
St rok e Zona A +3 sigma
85

Zona B +2 sigma
75

Zona C +1 sigma
65 Mean/
average
55 Zona C -1 sigma
Zona B +2 sigma

45
Zona A +3 sigma

35
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Pareto
Chart
Fokus pada sedikit hal yang penting,
ketimbang menghandle seluruh hal yang
tidak penting
Konsep
Pareto

Fokus pada 20% hal yang penting

Contoh Pareto
Jenis Komplain Jumlah
AC 23
Perawat 45
Dokter 10
Kebersihan 120
Makanan 32
Fasilitas 21
Pendaftaran 11
Tarif 7
Security 4
Parkir 3
Bidan 30

Ada 11 jenis komplain, namun ternyata dengan berfokus pada 4 saja (kebersihan, perawat,
makanan, & bidan), kita akan menyelesaikan 80% total jumlah komplain yang ada
Langkah Membuat & Menggunakan Pareto
Chart
Jenis Komplain Jumlah

1
AC 23
Perawat
Dokter
45
10
1. Buat tabel data permasalahan
Kebersihan 120 2. Buat grafik Pareto

2
Makanan 32
Fasilitas 21 menggunakan excel (otomatis)
Pendaftaran 11
Tarif 7 3. Tetapkan jumlah porsi
permasalahan yang ingin
4 3
Security 4
Parkir 3 diselesaikan (misalnya 80%)
Bidan 30
4. Buat garis perpotongan
5 horizontal antara poin 3 yg
ditetapkan di atas, dengan
kurva lengkung
5. Buat garis vertikal dari titik
perpotongan yg tercipta dari
poin 4
6. Identifikasi jenis permasalahan
6 yg harus diselesaikan
Kegunaan Pareto Chart
• Mencari proses/masalah yang paling
signifikan memberikan perubahan/dampak
bila dilakukan intervensi/upaya perbaikan
Histogra
m
Mengelompokkan data untuk melihat sebaran dan frekuensi
 Frekuensi

Conto
h
pasien ke Tagihan pasien ke Tagihan pasien ke Tagihan

1 3.450.400 11 2.876.575 21 1.503.847

2 3.232.222 12 7.645.322 22 10.462.382

3 4.543.453 13 6.548.553 23 9.847.382

4 5.644.554 14 4.352.621 24 9.632.543

5 3.526.435 15 7.376.123 25 8.565.373

6 2.354.735 16 4.232.312 26 8.302.484

7 1.249.237 17 3.746.312 27 8.909.092

Tagihan
8 1.753.853 18 2.039.383 28 7.836.430

9 2.765.053 19 1.748.390 29 10.736.432

10 5.454.312 20 1.302.439 30 9.090.943

Dari histogram di atas, didapatkan informasi tagihan

pasien paling banyak berkisar antara Rp 1.249.237 sd Rp
2.830.436
 Contoh 120
Histogram

• Disajikan data 500 pasien rawat

inap, masing-masing beserta 100

kecamatan asal.
• Dengan histogram, kita bisa 80
mengelompokkan secara otomatis
ke dalam “bin” atau kategori

Frequency
60

No Nama Pasien/Identitas Kecamatan Frequency

40

1 Tn A Winong

2 Tn B Tayu 20

3 Tn C Juwana
0
4 Tn D Juwana

Dst sampai pasien ke 500

Bin
 RINGKASAN
PENGGUNAAN METODE STATISTIK
UNTUK
ANALISIS DATA
 Run Chart
• Data yang kita harapkan mencapai 100% atau
0%
• Data yang kita harapkan naik, atau turun
• Fungsinya untuk mengetahui apakah
perubahan
ada signifikan (baik itu perbaikan
perburukan)
atau pada proses yang kita ukur dan
analisis
• Contoh
• Angka kepatuhan
• Angka ketepatan
• Angka ketidaklengkapan
• Angka ketidakhadiran
• Jumlah pasien
 Control Chart
• Analisis untuk data pada proses yang kita
harapkan stabil
• Data yang kita ingin analisis, sudah kita
ketahui/tetapkan rentang normal yg kita harapkan
• Data yang digunakan, umumnya data yg mentah
• Fungsinya mendeteksi apakah ada proses
berjalan
yg tidak stabil
• Contoh
• Waktu tunggu pelayanan obat (dalam satuan
waktu), bukan ketepatannya
• Data BOR (dimana misalnya kita sudah tahu
bahwa BOR optimal adalah sekitar 75%)
Pareto Chart
• Untuk melakukan analisis sebab akibat, supaya
kita bisa memetakan intervensi yang tepat
• Untuk mengetahui sebab apa
yang menghasilkan akibat
terbanyak
• Untuk mengetahui intervensi yang paling
berdampak pada jumlah kasus
• Contoh
• Data penyebab komplain
• Data penyebab kerusakan alat
Histogram Chart
• Untuk memetakan sebaran dan frekuensi
• Mengelompokkan data mentah menjadi
kelompok data yang mudah di amati
• Datanya merupakan data mentah dan
jumlahnya banyak
• Contoh
• Data LoS pasien individual
• Data tagihan pasien individual
• Data tinggi badan individual
• Data berat badan individual
Analisis Dengan Metode Lain
Membandingkan Dengan Diri Sendiri Dari Waktu ke
Waktu
Tahun Q1 Q2 Q3 Q4 Total Annual
• Misalnya kita 2015 1.232.444.000 1.012.210.100 1.430.392.200 1.503.049.000 5.178.095.300
komparasikan data
2016 1.102.010.100 900.129.000 1.101.100.000 1.234.920.000 4.338.159.100
pendapatan dari waktu
ke waktu 2017 1.320.122.100 1.210.202.000 1.435.300.000 1.230.213.330 5.195.837.430

2018 1.402.030.300 1.545.430.000 1.254.000.000 1.454.000.000 5.655.460.300

2019 1.504.050.500 1.325.443.300 1.264.390.000 1.328.000.000 5.421.883.800

2020 1.010.200.000 982.300.000 953.423.000 847.030.000 3.792.953.000

2021 1.909.000.000 1.750.305.000 1.543.500.000 1.643.240.000 6.846.045.000

2022 1.302.030.000 986.500.000 N/A N/A 2.288.530.000

Membandingkan Dengan RS Lain
• Misalnya kita komparasikan data
waktu tunggu layanan farmasi
dari RS kita (A), dengan RS
Komparasi Waktu Tunggu
pembanding (B) 60

RS A RS B 50

Januari 34 37
40
Februari 35 40
Maret 32 33 30

April 29 32 RS A

Mei 28 30 20 RS B

Juni 30 33
10
Juli 27 32
Agustus 26 30 0
September 25 30
Oktober 33 40
November 34 45
Desember 36 55
Membandingkan Dengan Standar
• Kita membutuhkan
acuan/standar untuk kemudian
kita bandingkan dengan
pencapaian kita

Analisis Angka Kepatuhan Cuci Tangan dengan Standar

100%
90%
80%
70%
60%
50%
RS A
40%
30% Standar
20%
10%
0%
Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember
Membandingkan Dengan Best
Practice/Guideline
TERIMA KASIH