2.ukuran-Ukuran Epidemiologi

UKURAN-UKURAN
YANG DIGUNAKAN
DALAM EPIDEMIOLOGI
Ukuran Masalah Kesehatan
 Kuantifikasi kejadian penyakit
 Hitung individu yang terinfeksi, yang sakit dan yang
meninggal
 Menggunakan kata-kata
 Biasanya, kadang-kadang, jarang.
 Kesepakatan kecil tentang arti umumnya yang digunakan
kata-kata untuk frekuensi
 “biasanya”  0,5 – 0,8
 “Kadang-kadang”  0,2 – 0,6
 “jarang”  0,01 – 0,2
UKURAN FREKUENSI MASALAH
KESEHATAN
 Tipe kuantitas matematis

 Tipe ukuran yang digunakan dalam
epidemiologi
Tipe kuantitas matematis
 Enumerasi (hitungan)
 Rasio
 Proporsi
 Rate
TIPE UKURAN EPIDEMIOLOGI
 Ukuran-ukuran frekuensi
penyakit
 Ukuran-ukuran asosiasi
 Ukuran-ukuran dampak
 Hitungan (enumerasi) atau angka mutlak
 Jumlah kasar atau frekuensi
 Contoh: 10 kasus, 1961 kasus
 Rasio
 nilai yang didapat dengan pembagian suatu kuantitas
dengan kuantitas yang lain.
 kuantitas numerator (pembilang) boleh berbeda dari
kuantitas denominator (penyebut) atau denominator mungkin
a
tidak memuat numerator
 Contoh: Rasiob Dokter-Bidan
 Proporsi
 suatu fraksi atau tipe rasio yang unsur numerator
adalah bagian dari denominator
 Bila dikalikan dengan 100, biasanya disebut suatu
persentase.
 Contoh: 28/56 = 0,5; 0,5 x 100% = 50%
 Ada 28 kasus dari 56 orang. Berarti proporsi kasus
adalah 50%.
 Rate
 Tipe spesifik dari rasio yang
digunakan mengkuantifikasi
proses dinamik seperti
pertumbuhan dan kecepatan
 Rate
 pernyataan numeris dari frekuensi suatu
peristiwa
 dihitung dengan cara pembagian antara jumlah
individu yang mengalami peristiwa (numerator)
dengan jumlah total (keseluruhan) yang mungkin
dapat (kapabel) mengalami peristiwa
(denominator atau populasi berisiko) dan
perkalian dengan suatu konstanta (tetapan)
 Rate
 Format umum dari rate adalah
Numerator
Rate  xF
Denominator
Numerator adalah jumlah orang atau individu yang
mengalami peristiwa.
Denominator adalah jumlah populasi berisiko (jumlah total
orang atau keseluruhan individu yang mungkin mengalami
peristiwa).
F adalah faktor pengali, biasanya kelipatan 10, mengkonversi
rate dari suatu fraksi ke suatu jumlah keseluruhan.
 Rate
 Dapat berarti
 suatu pernyataan numeris dari frekuensi kejadian yang
terjadi dalam suatu kelompok orang tertentu
(didefinisikan) di dalam satu periode waktu tertentu
 Sinonim
 Tingkat
 Laju
 Contoh: Pada tahun 2004, ada 100 kasus demam
berdarah di suatu kota yang berpenduduk 1.250.000
orang. Berapa rate kasus demam berdarah di kota itu ?
Rate 
 kasus

100 kasus

1 kasus
 Populasi 1.250.000 orang 12500 orang
Rate demam berdarah  8 kasus per 100.000 orang

 Rate
 Bentuk khusus dari suatu proporsi yang
memuat waktu (atau faktor lain) dalam
denominator
 Contoh
Incidence rate = 3 kasus per 100 orang
per tahun
 kematian per 1000 penumpang -
kilometer
Tipe ukuran yang digunakan dalam
epidemiologi
 Ukuran frekuensi penyakit
 Merefleksikan besar kejadian penyakit
(morbiditas) atau kematian karena penyakit
(mortalitas) dalam suatu populasi
 Biasanya diukur sebagai suatu rate atau
proporsi
epidemiologi
 Ukuran asosiasi
 Merefleksikan kekuatan atau besar asosiasi
antara suatu eksposur/faktor risiko dan kejadian
suatu penyakit
 Memasukkan suatu perbandingan frekuensi
penyakit antara dua atau lebih kelompok
dengan berbagai derajat eksposur
 Beberapa ukuran assosiasi digunakan untuk
mengestimasi efek
epidemiologi
 Ukuran rasio :(Perbandingan relatif)
 rasio dua frekuensi penyakit
 membandingkan kelompok terpajan dengan
kelompok tidak terpajan
 Ukuran perbedaan: (perbandingan absolut)
 perbedaan antara ukuran frekuensi penyakit
suatu kelompok terpajan dan kelompok yang
tidak terpajan
epidemiologi
 Koefisien model
 koefisien variabel diturunkan dari model
matematis yang menujukkan besarnya hubungan
antara variabel eksposur dan penyakit
 Koefisien korelasi
 ukuran lain asosiasi yang juga diturunkan dari
model matematis, namun tidak merefleksikan
parameter kausal
epidemiologi
 Koefisien model
 Linier
 Logistik
 Cox
 Poisson
epidemiologi
 Koefisien model y  b0  b1 X 1  b2 X 2  b3 X 3  ...... bk X k
 Linier
 Interpretasi b1
 Peningkatan dalam outcome (penyakit) nilai rata-rata y
(variabel kontinu) per unit meningkat dalam X1,
disesuaikan (distandarisasi) dengan semua variabel lain
dalam model
logodds   b0  b1 X 1  b2 X 2  b3 X 3  ...... bk X k
 Logistik
 Interpretasi b1
 Peningkatan dalam log odds outcome (penyakit) per unit
meningkat dalam X1, disesuaikan dengan semua variabel
lain dalam model
epidemiologi
 Koefisien model
 Cox loghazard   b0  b1 X 1  b2 X 2  b3 X 3  ...... bk X k
 Interpretasi b1
 Peningkatan log hazard outcome per unit meningkat dalam X1,
disesuaikan (distandarisasi) dengan semua variabel lain dalam
model
 Poisson lograte  b0  b1 X 1  b2 X 2  b3 X 3  ...... bk X k

 Interpretasi b1
 Peningkatan dalam log rate outcome (penyakit) per unit meningkat
dalam X1, disesuaikan dengan semua variabel lain dalam model
epidemiologi
y  b0  b1 X
 b0 = intersep yaitu nilai y yang diestimasi ketika x = 0

 b1 = koefisien korelasi (regresi) yaitu peningkatan yang
diperkirakan pada dependen variabel (y) per unit dalam
variabel prediktor (x). Jika x =1, y = b0+b1, jika x=2, y = b0
+ b1 * 2.
epidemiologi
 Ukuran efek/dampak
 Merefleksikan dampak suatu faktor pada
frekuensi atau risiko dari suatu masalah
(outcome) kesehatan
 Merefleksikan kelebihan jumlah kasus karena
suatu faktor (attributable) atau jumlah kasus
yang dapat dicegah oleh eksposur (pemajan)
Ukuran-ukuran frekuensi penyakit
 Insidens (incidence)
 Prevalens (prevalens)
 Mortalitas (mortality)
Ukuran-ukuran frekeunsi penyakit
 Insidens
 merefleksikan jumlah kasus baru (insiden) yang
berkembang dalam suatu periode waktu di
antara populasi yang berisiko
 Yang dimaksud kasus baru adalah perubahan
status dari sehat menjadi sakit
 Periode Waktu adalah jumlah waktu yang diamati
selama sehat hingga menjadi sakit
 Prevalens
 Merefleksikan jumlah kasus yang ada (kasus
lama maupun kasus baru) dalam populasi dalam
suatu waktu atau periode waktu tertentu
 probabilitas bahwa seorang individu menjadi
kasus (atau menjadi sakit) dalam waktu atau
periode waktu tertentu
 Mortalitas
 Merefleksikan jumlah kematian dalam suatu
populasi
 Insidens
 Insidens kumulatif (Cumulative Incidence)
 Nama lain: Risk, proporsi insidens
 Densitas insidens (Incidence Density)
 Nama lain: insidens orang – waktu (Person – Time
Incidence), Tingkat insidens (Incidence rate)
 Insidens kumulatif = Risk = Proporsi Insidens
 Berarti rata-rata risiko seorang individu terkena
penyakit
 Orang-orang yang berada dalam denominator
haruslah terbebas dari penyakit pada permulaan
periode (observasi atau tindak lanjut)
 Metode ini hanya layak bila ada sedikit atau tidak
ada kasus yang lolos dari pengamatan karena
kematian, tidak lama berisiko, hilang dari
pengamatan
 Memerlukan bahwa semua non-kasus diamati
selama seluruh periode pengamatan
 Probabilitas individu berisiko berkembang
menjadi penyakit dalam periode waktu tertentu
 menyatakan individu tidak meninggal karena
sebab lain selama periode itu
 Tidak berdimensi, dinilai dari nol sampai satu
 Merujuk pada individu
 Mempunyai periode rujukan waktu yang
ditentukan dengan baik
 Rumus Insidens kumulatif = Risk = Proporsi Insidens
Jumlah kasus insidens selama periode waktu tertentu

Insidens kumulatif 
Jumlah orang berisiko pada permulaan waktu
 Attack rate
 jenis khusus insidens kumulatif yang berguna selama
epidemik
 Contoh
Makanan Makan ARM Tidak Makan ARTM
Sakit Tidak Sakit Tidak
sakit Sakit
Salad 30 70 30/100 5 35 5/40
Krecek 16 84 16/100 4 21 4/25
ARM = Attack Rate Makan

ARMTM = Attack Rate tidak makan
Gambar 1 1 2 3 4 5 6 7 Jumlah waktu dalam jangka

observasi dan dalam keadaan sehat
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
Hilang dalam pengamatan selanjutnya
* Meninggal
 Dari gambar 1.
 Berapa Insiden Kumulatif (IK) selama 7 tahun waktu
pengamatan?
 Jawab
IK 
 Kasus baru
 Populasi berisiko pada awal pengamatan
3 kasus
IK   43 kasus per 100 orang
7 orang
 Densitas insidens = Insidens orang-waktu
 Berarti rata-rata rate untuk populasi berisiko
selama waktu yang ditentukan
 Karena denominator diukur dalam orang-waktu,
hal ini tidak perlu bahwa semua individu diamati
untuk periode yang sama
 Densitas insidens = Insidens orang-waktu =
Incidence Rate
 Menyatakan suatu jumlah kasus baru per orang-waktu
 Rumusnya:
Jumlah kasus insidens terjadi dalam periode waktu
Densitas insidens 
Jumlah orang  waktu
1 2 3 4 5 6 7 Jumlah waktu dalam jangka
Gambar 1 observasi dan dalam keadaan sehat
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
* Meninggal
 Dari Gambar 1. Hitunglah nilai Densitas Insidens
(DI)= Insidens orang-waktu (PTI) = Incidence
Rate (IR)?
 Jawab:
 Hitung jumlah orang-waktu terlebih dulu
 orang  waktu   7  7  2  7  3  2  5  33 orang  tahun

 Kemudian hitung DI  IR  PTI 
 kasus baru
 orang  waktu 
3 kasus
DI  IR  PTI   9,1 kasus per 100 orang - tahun
33 orang  tahun
 Instantaneous insidence density = instantaneous
incidence rate = person-time incidence rate
 Kejadian segera dari kasus baru pada suatu “titik atau
segera dalam waktu T, per unit waktu di antara populasi
berisiko selama waktu T
 Ukuran teoritis jumlah kasus yang terjadi per satuan
populasi-waktu (orang-tahun berisiko).
 Mengukur kejadian penyakit pada satu titik waktu t
(ditentukan secara matematik sebagai limit, seperti t 
0.
 Probabilitas seseorang yang sehat pada waktu t akan
mengalami sakit dalam interval t+t dibagi t
 Juga disebut force of morbidity, hazard rate
 Incidence Rate
 Tidak ada periode rujukan (tidak ada seperti rate
2-tahun)
 Mempunyai dimensi yang invers waktu (misal:
0,001/tahun)
 Mempunyai nilai nol dan infiniti (~)
 Latihan menghitung Incindence Rate
Populasi 1
D = permulaan sakit
D
0 25 50 75 100
Tahun
Hitung Incidence Rate pada populasi 1

 Latihan menghitung Incindence Rate
Populasi 2
D = permulaan sakit
D
0 25 50 75 100
Tahun
Hitung Incidence Rate pada populasi 2

 Densitas Insiden = Insidens orang
waktu=Incidence Rate = 9,1 kasus/100 orang-
tahun
 Unit (satuan) orang-tahun dalam contoh di atas adalah
1 x 100 x orang-tahun = 4 x 25 orang- tahun
 Angka ini dari orang-waktu dapat diakumulasi dengan
observasi 100 orang selama 1 tahun, 25 orang selama 4
tahun, 10 orang selama 10 tahun.
 Prevalens
 Prevalens titik (Point of Prevalence)
 Nama lain: prevalens, proporsi prevalens
 Prevalens periode (Periode of Prevalence)
 Prevalens tahunan (Annual of Prevalence)
 Prevalens selama hidup (Lifetime of Prevalence)
 Prevalens = prevalens titik = proporsi prevalens
 probabilitas bahwa seorang individu menjadi
kasus (atau menjadi sakit) pada suatu titik waktu

 Tidak mempunyai dimensi
 Variasi nilai antara nol dan satu

 Rumus Prevalens = prevalens titik (Point
Prevalence) = proporsi prevalens
Jumlah kasus yang ada pada satu titik dalam waktu T

Prevalens titik 
Total jumlah orang pada waktu T
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
* Meninggal
 Dari Gambar 1. Hitung prevalens pada tahun ke 2, 3, 4, 5, 6, 7 .
 Rumus Prevalens = prevalens titik (Point Prevalence) = proporsi
prevalens
Jumlah kasus yang ada pada satu titik waktu T

Prevalens titik 
Total jumlah orang pada waktu T
Jawaban: Jawaban:
PT pada T = 2 0/7 PT pada T = 5 2/6
PT pada T = 3 2/7 PT pada T = 6 2/5
PT pada T = 4 2/6 PT pada T = 7 2/5
 Prevalens periode
 probabilitas seorang individu berada dalam keadaan sakit kapan saja
selama suatu periode waktu.
Jumlah kasus yang ada selama suatu periode waktu

Prevalens Periode 
Jumlah orang selama periode
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
* Meninggal
 Dari Gamabar 1. : Hitunglah Prevalens Periode (PP) dari
tahun ke 1 hingga tahun ke 4.
Jumlah kasus yang ada selama p eriode waktu tahun ke 1  4
PP 
Jumlah orang selama periode tahun ke 1 - 4
Karena jumlah orang (populasi) dalam pengamatan

berubah-ubah, maka kita dapat menggunakan jumlah
rata-rata dari populasi, atau yang umum digunakan
adalah jumlah populasi pada tengah tahun pengamatan
(midpoint year)
2
P P   0,29
7
 Dari gambar 1.
 A, B,C,D, E, F, G.  individu yang diamati (ada 7
orang)
 1, 2, 3, 4, 5, 6, 7.  tahun yang diamati (ada 7
tahun pengamatan)
 Jumlah kasus baru selama 7 tahun pengamatan
ada 3 kasus
 Rata-rata lama sakit = (3+5+2)/3 tahun = 3,3
tahun
 Dari gambar 1
 Orang – waktu (Person – Time)
 Jumlah waktu seseorang yang memberikan kontribusi masa
sehat sejak awal pengamatan.
 Untuk A  masa sehat 7 tahun
 Untuk B  masa sehat 7 tahun
 Untuk C  masa sehat 2 tahun
 Untuk D  masa sehat 7 tahun
 Untuk E  masa sehat 3 tahun
 Untuk F  masa sehat 2 tahun
 Untuk G  masa sehat 5 tahun
 Total orang – tahun = (7+7+2+7+3+2+5) orang- tahun = 33
orang tahun
 Hubungan antara insidens dan prevalens
 Jika dalam kondisi yang tetap, maka hubungan insidens
dan prevalens adalah
 P=IxD
 Prevalens (P) [Prevalens periode] = Insidens (I) [Densitas
Insindens] x rata-rata lama sakit (D)
 Dari gambar 1. (untuk pengamatan selama 7 tahun)
 I = 3 kasus/33 orang-tahun. D = 3,3 tahun
 P = 3 kasus/33 orang tahun x 3,3 tahun
 P = 3 kasus/10 orang
 P = 30 kasus/100 orang
 Perbandingan Insidens dan Prevalens
Insidens Prevalens
 Hanya menghitung kasus baru  Menghitung kasus yang ada
(kasus baru dan lama)
 Bergantung pada rata-rata lama
 Tingkat tidak bergantung durasi
rata-rata penyakit (durasi) sakit
 Dapat diukur sebagai rate atau  Selalu diukur sebagai proporsi
proporsi
 Merefleksikan kemungkinan  Merefleksikan kemungkinan
menjadi penyakit sepanjang waktu terjadi penyakit pada satu waktu
 Lebih disukai bila melakukan tertentu
studi etiologi penyakit  Lebih disukai bila studi utilisasi
pelayanan kesehatan
Insidens Prevalens
Insidens Incidence Titik Periode
Kumulatif Rate
Sinonim Proporsi Incidence
Insidens Density
Nunerator Kasus baru Kasus baru Kasus yang Kasus yang
ada ada/baru
Denominator Populasi Orang - Populasi Populasi
inisial Waktu Inisial pertengahan
Unit Tidak ada Kasus per Tidak ada Tidak ada

orang waktu
Tipe Proporsi Rate Proporsi Proporsi
Dinamik prevalens
Insidens (aliran masuk)
Prevalens
(Permukaan air)
Kasus Baru
Kasus Lama
Sembuh
atau meninggal
Bekas-bekas kasus
 Ukuran mortalitas
 Ratio kematian terhadap kasus (Death-to-case Ratio)
DTCR 
 kematian dari penyakit tertentu selama periode tertentu
 kasus baru dari penyakit yang didentifikasi selama periode yang sama 
Contoh:
Pada tahun 2004, ada 200 kasus baru tuberkulosis paru-paru
yang dilaporkan di suatu wilayah. Pada tahun yang sama ada 15
kematian yang terjadi pada penderita tuberkulosis paru-paru,
maka DTCR = 15/200  75 kematian per 1000 kasus baru
 Infant Mortality Rate (IMR)
Contoh: IMR = 7,2 bayi
IMR 
 bayi yang meninggal  yang meninggal per
1000 kelahiran hidup
 bayi yang lahir hidup 
 Neonatal
 mortality
kematian ratedalam
bayi umur (NMR)28 hari pertama kehidupan
NMR 
 bayi yang lahir hidup
Contoh: NMR = 5,4 kematian neonatal per 1000

kelahiran hidup
 Postneonatal Mortality Rate (PNMR)
PNMR 
 bayi yang meninggal umur 28 sampai 11 bulan
 bayi yang lahir hidup 
Contoh: PMNR = 2,8 kematian postneonatal per 1000 kelahiran hidup
  kematian
Maternal
MMR  Mortality Rate
ibu oleh sebab berkaitan dengan kehamilan, kelahiran dan nifas 
yang(MMR)
 bayi yang lahir hidup
Contoh: MMR = 6,1 kematian ibu per 100.000 kelahiran hidup

 Case Fatality Rate (CFR)
 meninggal diantara kasus insidens 
CFR 
 Jumlah kasus insidens 
 Propotionate Mortality (PM)

 kematian karena sebab tertentu 
PM 
 kematian semua sebab
 Propotionate Mortality Ratio (PMR)
 Membandingkan Propotionate Mortality pada
satu kelompok umur dengan kelompok umur
yang lain pada satu populasi
PM grup1
PMR 
PM grup2
Contoh: PM pada semua kasus = 7,1%; PM pada umur 25 –
44 = 2,5%; PM pada umur 45 – 64 = 4,3%. PMR antara
umur 45 – 64 dan 25 – 44 adalah (4,3/2,5) = 1,72
Ukuran-ukuran asosiasi
 Merefleksikan kekuatan atau besar asosiasi
antara suatu eksposur/faktor risiko dan
kejadian suatu penyakit
 Melibatkan suatu perbandingan frekuensi
penyakit antara dua atau lebih kelompok
dengan berbagai derajat eksposur
 Beberapa ukuran asosiasi digunakan untuk
mengestimasi efek
 Ukuran rasio (perbandingan relatif)
 rasio dua frekuensi penyakit membandingkan
kelompok terpajan dengan kelompok tidak
terpajan
 Ukuran perbedaan efek (perbadingan
absolut)
 perbedaan antara ukuran frekuensi penyakit
suatu kelompok terpajan dan kelompok yang
tidak terpajan
 Koefisien model
 koefisien variabel diturunkan dari model
matematis yang menujukkan besarnya
hubungan antara variabel eksposur dan
penyakit
 ukuran lain asosiasi yang juga diturunkan dari
model matematis, namun tidak merefleksikan
parameter kausal
 Ukuran rasio
 Rasio risiko atau risiko relatif (RR)
Risiko pada kelompok terpajan
RR 
Risiko pada kelompok tidak terpajan
 Rasio Insidens Kumulatif (RIK)
Insidens kumulatif pada kelompok terpajan

RIK 
Insidens kumulatif pada kelompok tidak terpajan
 Ukuran rasio
 Rasio rate atau rasio densitas insidens (RDI)
Densitas insidens pada kelompok terpajan
RDI 
Densitas insidens pada kelompok tidak terpajan
 Rasio Prevalens (RP)
Prevalens pada kelompok terpajan

RP 
Prevalens pada kelompok tidak terpajan
Contoh 5.
Tabel 1. Kaitan antara merokok dan angka insidens stroke dalam
suatu kohort.
Kategori Jumlah kasus Orang-tahun Tingkat
merokok stroke observasi insidens stroke
(lebih dari 8 (per 100.000
tahun) orang tahun)
Tidak pernah
merokok
70 395.594 17,7
Mantan perokok
65 232.712 27,9
Perokok
139 280.141 49,6
Total 274 908.447 30,2

Sumber: diterjemahkan dari:Beaglehole et al. Basic Epidemiology. WHO. 1993. 18.
 Dari Tabel 1.
 Hitunglah:
 Rasio rate atau rasio densitas insidens (RDI)
Densitas insidens pada kelompok terpajan
RDI 
Densitas insidens pada kelompok tidak terpajan
49,6
RDI   2,8
17,7
 Ukuran rasio
 Rasio odds (Odds ratio = OR)
 Nama lain: Odds relative; rasio kros-produk
 rasio dua odds yang digunakan dalam studi kasus-
kontrol untuk mengestimasi rasio rate atau rasio risiko
 Ukuran rasio
 Rasio odds (Odds ratio = OR)
 odds untuk satu kelompok dibagi dengan odds
untuk kelompok yang lain
 Mempunyai interpretasi yang sama seperti risiko
relatif
 Odds suatu kejadian
 rasio probabilitas bahwa kejadian terjadi
terhadap probabilitas kejadian tidak terjadi
P
Odds suatu peristiwa 
1 P
P = Probabilitas suatu kejadian terjadi

1–P = Probabilitas suatu kejadian tidak terjadi
Tabel 1. Tabulasi silang pemajan dan status sakit,
insidens sakit dan Probabilitas odds sakit.
Status sakit
Pemajan Sakit Tidak Total Insiden sakit Probabilitas odds sakit

sakit (Risk)
+ a b a+b a/(a+b) a
ab a

 a  b
1  
ab
c
- c d c+d c/(c+d) cd 
c
 c  d
1  
cd 
Total a+c b+d a+b+c+d

a
ac a
OR pemajan / kasus  
 a  c
1  
 a  c 
kasus kontrol
+ a b a
Pemajan
axd
- c d OR pemajan  c   ORsakit
b bxc
d
b
bd b
OR pemajan / kontrol  
 b  d
1  
 b  d 
Odds Ratio (OR) = Relative Odds = Cross
Product Ratio
Odds pemajan untuk kasus
Odds Ratio 
Odds pemajan untuk kontrol
Faktor Kasus Kontrol Total

Perokok 650 (a) 950 (b) 1600
Bukan 50 (c) 350 (d) 400
perokok
Total 700 1300 2000
Odds Ratio (OR) = Relative Odds
Odds pemajan untuk kasus
Odds Ratio 
Odds pemajan untuk kontrol
a
Odds Ratio  c axd
b bxc
d
a x d 650 x 350
Odds Ratio    4,8
bxc 950 x 50
Perokok mempunyai risiko menjadi kasus 4,8 kali dari yang bukan
perokok.
Interpretasinya: odds perokok menjadi kasus 4,8 kali lebih besar
dari odds bukan perokok
Prevalence Odds Ratio (POR) = Cross Product Ratio
 bila data didasarkan pada kasus-kasus prevalens
650 x 350
Prevalence Odds Ratio   4,8
950 x 50
650 / 1600 0,40625

Prevalence ( proportion) Ratio    3,25
50 / 400 0,125
Faktor Kasus Kontrol Total

Perokok 650 (a) 950 (b) 1600
Bukan 50 (c) 350 (d) 400

perokok
Total 700 1300 2000
Incidence Odds Ratio (POR) = Cross Product Ratio 
bila data didasarkan pada kasus-kasus insidens
20 x 990
Incidence Odds Ratio   2,02
10 x 980
20 / 1000 0,02
Incidence proportion (risk ) Ratio    2,00
10 / 1000 0,01
Faktor Sakit Tidak sakit Total

Perokok 20 (a) 980 (b) 1000
Bukan 10 (c) 990 (d) 1000

perokok
Total 30 1970 2000
 Pada penyakit yang jarang terjadi,nilai
Odds Ratio hampir sama dengan nilai
Relative Risk (Risk Ratio). Nilai Prevalence
Odds Ratio hampir sama dengan nilai
Prevalence Proportion Ratio.
 Pada penyakit yang umum terjadi, nilai
Odds Ratio lebih ekstrim dari pada Risk
Ratio.
Ukuran-ukuran dampak
 Ukuran perbedaan dampak/efek
 Perbedaan risiko = Risk Difference (RD) = Attributable
Risk (AR) = Excess Risk (ER) = Absolute Risk (AR)
 [Risiko pada kelompok terpajan] – [Risiko pada
kelompok tidak terpajan]
 Berguna untuk mengukur besarnya masalah kesehatan
masyarakat yang disebabkan oleh suatu pemajan
 bermanfaat untuk penilaian prioritas untuk aksi
kesehatan masyarakat (Public Health Action)
Ukuran-ukuran dampak/efek
 Ukuran perbedaan efek
 Attributable Risk (AR) Percent = AR%
Insidensterpajan   Insidenstidak terpajan 

AR%  x 100%
Insidensterpajan 
 Ukuran perbedaan dampak/efek
 Perbedaan insidens kumulatif = Cumulative
Incidence Difference= CID
 [IK pada kelompok terpajan] - [IK pada kelompok
tidak terpajan]
IK = Insidens Kumulatif
 Ukuran perbedaan efek
 Perbedaan rate/ perbedaan densitas insidens (IDD
= Insidence Density Difference)
 IDD = [Densitas insidens dalam kelompok terpajan] -
[Densitas insidens pada kelompok tidak terpajan]
 Perbedaan prevalens (PD = Prevalence
Differrence)
 PD = [Prevalens dalam kelompok terpajan] -
[Prevalens dalam kelompok tidak terpajan]
 Ukuran dampak
 Fraksi atributabel = fraksi etiologik = Etiologic Fraction (EF)
= attributable fraction = AF
 Dinyatakan sebagai pembagian risk difference dengan rate
kejadian pada populasi yang terpajan.
 Proporsi penyakit yang akan dieliminasi jika tidak ada
pemajan pada populasi yang tertentu
Insidens populasi   Insidenstidak terpajan 

AF 
Insidens populasi 
 Ukuran dampak
 Fraksi atributabel dalam kelompok terpajan (AFE =
attributable Fraction in exposed)
 proporsi rate (tingkat) insidens penyakit di antara terpajan
yang akan direduksi jika eksposur dieliminasi
Insidensterpajan  Insidenstidak terpajan

AFE 
Insidens populasi
 Fraksi yang dicegah dalam populasi = Fraction
Prevented in population = PF
 proporsi jumlah beban penyakit dalam populasi yang telah
dicegah oleh faktor eksposur
Insidenstidak terpajan   Insidens populasi 

PF 
Insidenstidak terpajan 
 Fraksi yang dicegah dalam kelompok terpajan
(PFE = Prevented Fraction in the Exposed)
Insidenstidak terpajan  Insidensterpajan

PFE 
Insidenstidak terpajan
 Population Attributable Risk (PAR)
 = Attributable Fraction (population) atau Etiologic Fraction (population) =
Population Attributable Risk Proportion = Population Attributable Risk
Fraction
 Proporsi (atau fraksi) rate penyakit pada seluruh populasi yang mewakili rate
penyakit dalam kelompok terpajan
 Rumus PAR
PAR  Insidenspopulasi  Insidenstidak terpajan

 Population Attributable Risk Percent (PARP)
attributable fraction (population) atau etiologic
fraction (population)
 Berarti proporsi kasus baru yang dapat dicegah jika pada semua
orang yang tidak terpajan
 Rumus PAR%
Insidens populasi   Insidens tidak terpajan 

PAR%  x 100%
Insidens populasi 
Contoh 1
 Pada suatu wabah terdapat 40 orang laki-
laki menderita penyakit hepatitis, dan 20
orang perempuan menderita hepatitis.
Berapa proporsi perempuan yang menderita
hepatitis? Berapa rasio penderita laki-laki :
penderita perempuan?
Jawaban contoh 1.
 Proporsi penderita perempuan

20 x 100%  33,3%
20  40
 Rasio penderita laki-laki : perempuan = 40:20 =

2:1
Contoh 2.
 Ada 1200 kasus baru terjadi dalam periode
3 tahun pada suatu kota yang berpenduduk
4 juta orang. Berapa tingkat insidensnya
(Incidence Rate =IR) penyakit tersebut ?
Jawaban contoh 2.
 kasus baru 
IR 
 Orang  waktu 
1200
IR  6
 10 kasus / 100.000 orang  tahun
4 x 10 x 3
Contoh 3.
 Dalam suatu wilayah diestimasikan bahwa
penduduk pada pertengahan tahun
200.000 orang, kemudian dilaporkan ada
40 kasus malaria selama tahun 1996.
Berapakah tingkat insidensnya?
Jawaban contoh 3.
40
IR  5
 0,0002 kasus / orang  tahun
2 x 10
Tingkat insidens ini dapat juga dinyatakan dengan:

0,002 kasus/100 orang-tahun
0,2 kasus/1000 orang-tahun
2 kasus /10.000 orang-tahun
Contoh 4.
 Pada tanggal 1 Juni 2004 ada 120 orang menderita
(kasus) TBC paru-paru di suatu wilayah yang
diperkirakan ada 200.000 penduduk. Berapakah
prevalens (point of prevalence) dari penyakit TBC
paru-paru?
Jawaban contoh 4.
120
P 5
 0,0006 kasus / orang
2 x 10
= 0,06 kasus per 100 orang penduduk pada 1 Juni 1996
= 0,6 kasus per 1000 orang penduduk
= 6 kasus per 10.000 orang penduduk
Contoh 5.
Tabel 1. Kaitan antara merokok dan angka insidens stroke dalam
suatu kohort.
Kategori Jumlah kasus Orang-tahun Tingkat
merokok stroke observasi insidens stroke
(lebih dari 8 (per 100.000
tahun) orang tahun)
Tidak pernah
merokok
70 395.594 17,7
Mantan perokok
65 232.712 27,9
Perokok
139 280.141 49,6
Total 274 908.447 30,2

Contoh 5. Pertanyaan untuk tabel
1.
1. Berapa Risk difference (perbedaan risiko) =
attributable risk = excess risk/absolute risk
antara kelompok yang terpajan (perokok)
dengan yang tidak terpajan (tidak pernah
merokok)?.
2. Berapa nilai Attributable Fraction = Etiological
Fraction ?
3. Berapa nilai Population Attributable Risk (PAR)
dan PAR%?
Jawaban contoh 5.1
Risk difference (perbedaan risiko)
= Attributable Risk = AR
= excess risk/absolute risk antara kelompok yang terpajan
(perokok) dengan yang tidak terpajan (tidak pernah merokok)
AR  Insidens (rate) terpajan   Insidens (rate) tidak terpajan 
AR = [(49,6 – 17,7) per 100.00 orang-tahun]

= 31,9 per 100.00 orang-tahun.
Jawaban contoh 5.2
Attributable Fraction = Etiological Fraction = AR%
Insidens (rate)terpajan  Insidens (rate)tidak terpajan

AR%  x 100%
Insidens (rate)terpajan
49,6  17,7
AR%  x 100%  64%
49,6
Artinya: Diharapkan akan terjadi pengurangan risiko sebesar 64%

untuk terkena stroke di antara perempuan yang merokok, jika
mereka berhenti merokok, dengan asumsi bahwa merokok adalah
penyebab dan dapat dicegah.
Jawaban contoh 5.3
Population Attributable Risk (PAR)
PAR  Insidens (rate)populasi  Insidens (rate)tidak terpajan 

PAR  (30,2  17,7) per 100.000 orang  tahun
PAR  12,5 per 100.000 orang  tahun
PAR  (30,2  17,7) per 100.000 orang  tahun

Jawaban contoh 5.3
Population attributable risk (PAR) Percent = PAR%
= Etiologic Fraction in population
Insidens (rate)populasi  Insidens (rate)tidak terpajan 

PAR%  x 100%
Insidens (rate)populasi
(30,2  17,7)
PAR%  x 100%
30,2
PAR%  41,4%
Berarti bahwa 41,4% kasus baru dapat dicegah jika semua individu
tidak terpajan
Ringkasan
 Risk Difference (RD)
 = Attributable Risk (AR)
 = Excess Risk (ER)
 = Absolute Risk (AR)
 Attributable Risk (AR) Percent = AR%
 = Attributable Fraction in exposed = AF E
 = Etiologic Fraction in exposed = EFE
Ringkasan
 Risk Difference (RD) in Population
 = Population Attributable Risk (PAR)
 = Excess Risk (ER) in population
 Population Attributable Risk Percent
(PARP) = PAR%
 = Attributable Fraction in population = AF P
 = Etiologic Fraction in population= EF P
Contoh 6.
Tabel 2. Kaitan antara kadar kolesterol dan angka insidens penyakit
jantung koroner dalam suatu kohort (Data hipotetis)
Kategori kadar Jumlah kasus Orang-tahun Tingkat
kolesterol stroke observasi insidens stroke
(per 100.000
orang tahun)
rendah
60 300.000 20,0
Tinggi 180 360.000 50,0
Total
240 660.000 36,4

Pertanyaan contoh 6.
 Hitunglah nilai
 1. RR
 2. RD
 3. AR%
 4. PAR
 5. PAR%
 6. PFE
 7. PFP
Jawaban contoh 6.1
I E 50
RR    2,5
I E 20
I E  Insidens terpajan (Exposed )
I E  Insidens tidak terpajan ( Non Exposed )

Jawaban pertanyaan contoh 6.2 –
6.3
RD  I E  I E  (50  20) kasus / 100.000 orang  tahun
RD  30 kasus / 100.000 orang  tahun (2)
IE  IE
AR%  x 100%
IE
50  20
AR%  x 100%
50
AR%  60% (3)

Jawaban pertanyaan contoh 6.4 –
6.5
PAR  I P  I E  (36,4  20) kasus / 100.000 orang  tahun
PAR  16,4 kasus / 100.000 orang  tahun (4)
IP  IE
PAR %  x 100%
IP
36,4  20
PAR %  x 100%
36,4
PAR %  45,1% (5)

Jawaban pertanyaan contoh 6.6
IE  IE
PFE 
IE
(6)
IE  IE 20  50
PFE  
IE 20
PFE  1,5
Jawaban pertanyaan contoh 6.7
IE  IP
PFP 
IE
(7)
IE  IP 20  36,4
PFP  
IE 20
PFP  0,82
Rumus lain untuk PFP (Prevented Fraction in
the Population)
pc (1  RR )
PFP 
pc (1  RR)  RR
Pc = fraksi kasus terpajan untuk faktor pencegah

Kerterkaitan antar rumus antara
ukuran-ukuran
IE  IE RD
AFE  
IE IE
IE  IE IE IE 1 RR  1
AFE     1 
IE IE IE RR RR
AFE = Attributable Fraction in Exposed

RD = Risk Difference = Excess Risk = Absolute Risk
RR = Risk Ratio = Relative Risk = Risiko Relatif
Kerterkaitan antar rumus antara
ukuran-ukuran
IE  IE IE IE
PFE     1  RR
IE IE IE
IP  IE ERP I P I E IE
AFP      1
IP IP IP IP IP
PFE = Prevented Fraction in Exposed.

AFP = Attributable Fraction in Population
ERP = Excess Risk in Population
Cara lain menghitung PARP (Population
Attributable Risk Percent)
 Cara 1.
 Hitung Attributable Risk  IE  IE
(AR)
 Lalu kalikan AR dengan
Prevalens faktor risiko
  AR  x P
( AR ) x P
 Kemudian dibagi dengan  x 100%
tingkat (rate) Insidens di I Pop
populasi, setelah itu
kalikan 100%
 Cara 2.
P x RR  1
 Kalikan AR dengan
Prevalens faktor risiko
dengan (RR-1)
P ( RR  1)
 PARP
 Kemudian [P x (RR-1)] P RR  1  1
dibagi [P x (RR-1)]+1}
Cara 2 ini menggunakan RR, sangat berguna karena
dengan metode ini kita dapat menghitung estimasi risiko
relatif dari dua studi (kasus kontrol dan kohort). Metode
ini disebut Odds Ratio untuk studi kasus kontrol)
 Cara 3.
 I Pop  I E
 Hitung Population
Attributable Risk (PAR)
I Pop  I E
 Kemudian dibagi  x 100%
dengan tingkat (rate) I Pop
Insidens di populasi,
setelah itu kalikan 100%
Ringkasan ukuran
Tipe
Kuantitas
Matematis
Tanpa Dengan
denominator denominator
Enumerasi
Hitung, Rasio Proporsi Rate
angka mutlak
Ringkasan ukuran
Tipe
Kuantitas
Matematis
Enumerasi Rasio Proporsi Rate
•RR •% •Crude
•OR •AR% •Spesific
•IDR •PAR% •Adjusted
Ringkasan ukuran
Ukuran
dalam
epidemiologi
Ukuran
Ukuran Ukuran efek
Frekuensi
asosiasi /dampak
Penyakit
Ukuran frekuensi penyakit
Ukuran
frekuensi
Penyakit
Insidens Prevalens Mortalitas
Insidens Incidence Prevalens Prevalens

Kumulatif Density titik periode
Ukuran
Rasio
Insidence
Risk Odds Prevalence
Density
Ratio Rasio Ratio
Ratio
RD = Risk Difference
Ukuran
AR = Attributable Risk
Efek
ER = Excess Risk
/dampak
PAR = Population Attributable Risk
PF = Prevented Fraction
Perbedaan Fraksi
efek Efek
RD
AR
AR% PAR% PF
ER
PAR
Bahan Rujukan
 1. Page RM, Cole GE, Timmreck TC. Basic Epidemiological
Methods and Biostatistics. A Practical Guidebook. John and
Barlett Publisher. Boston, London.1995.
 2. CDC. Principles of Epidemiology 2nd . An Introduction to
Applied Epidemiology and Biostatistics. 1992
 3. Szklo M, Nieto FH. Epidemiology Beyond the Basics. AN
Aspen Publication.Gaithersburg. Maryland. 2000
 4. Lilienfeld DE, Stolley PD. Foundations of Epidemiology. 3rd .
New York, NY: Oxford University Oress; 1994
 5. Gordis L. Epidemiology. Philadelphia. WB Saunders 1996.
 6. Rothman KJ, Greenland S. Modern Epidemiology. 2nd .
Philadelphia. Lippincott-Raven Publishers; 1998.

2.ukuran-Ukuran Epidemiologi

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

2.ukuran-Ukuran Epidemiologi

Diunggah oleh

Hak Cipta:

Format Tersedia

UKURAN-UKURAN

 Tipe kuantitas matematis

Rate demam berdarah  8 kasus per 100.000 orang

 Koefisien model y  b0  b1 X 1  b2 X 2  b3 X 3  ...... bk X k

 Poisson lograte  b0  b1 X 1  b2 X 2  b3 X 3  ...... bk X k

 b0 = intersep yaitu nilai y yang diestimasi ketika x = 0

Jumlah kasus insidens selama periode waktu tertentu

ARM = Attack Rate Makan

Gambar 1 1 2 3 4 5 6 7 Jumlah waktu dalam jangka

Hilang dalam pengamatan selanjutnya

Hilang dalam pengamatan selanjutnya

 orang  waktu   7  7  2  7  3  2  5  33 orang  tahun

Hitung Incidence Rate pada populasi 1

Hitung Incidence Rate pada populasi 2

kasus (atau menjadi sakit) pada suatu titik waktu

 Variasi nilai antara nol dan satu

Jumlah kasus yang ada pada satu titik dalam waktu T

Hilang dalam pengamatan selanjutnya

Jumlah kasus yang ada pada satu titik waktu T

selama suatu periode waktu.

Jumlah kasus yang ada selama suatu periode waktu

Hilang dalam pengamatan selanjutnya

Karena jumlah orang (populasi) dalam pengamatan

Unit Tidak ada Kasus per Tidak ada Tidak ada

Contoh: NMR = 5,4 kematian neonatal per 1000

Contoh: MMR = 6,1 kematian ibu per 100.000 kelahiran hidup

 Propotionate Mortality (PM)

 Rasio Insidens Kumulatif (RIK)

Insidens kumulatif pada kelompok terpajan

 Rasio Prevalens (RP)

Prevalens pada kelompok terpajan

Total 274 908.447 30,2

P = Probabilitas suatu kejadian terjadi

Pemajan Sakit Tidak Total Insiden sakit Probabilitas odds sakit

Total a+c b+d a+b+c+d

Faktor Kasus Kontrol Total

650 / 1600 0,40625

Faktor Kasus Kontrol Total

Bukan 50 (c) 350 (d) 400

Faktor Sakit Tidak sakit Total

Bukan 10 (c) 990 (d) 1000

Insidensterpajan   Insidenstidak terpajan 

Insidens populasi   Insidenstidak terpajan 

Insidensterpajan  Insidenstidak terpajan

Insidenstidak terpajan   Insidens populasi 

Insidenstidak terpajan  Insidensterpajan

PAR  Insidenspopulasi  Insidenstidak terpajan

Insidens populasi   Insidens tidak terpajan 

 Rasio penderita laki-laki : perempuan = 40:20 =

Tingkat insidens ini dapat juga dinyatakan dengan:

Total 274 908.447 30,2

AR  Insidens (rate) terpajan   Insidens (rate) tidak terpajan 

AR = [(49,6 – 17,7) per 100.00 orang-tahun]

Insidens (rate)terpajan  Insidens (rate)tidak terpajan

Artinya: Diharapkan akan terjadi pengurangan risiko sebesar 64%

PAR  Insidens (rate)populasi  Insidens (rate)tidak terpajan 

PAR  (30,2  17,7) per 100.000 orang  tahun

Insidens (rate)populasi  Insidens (rate)tidak terpajan 

Sumber: diterjemahkan dari:Beaglehole et al. Basic Epidemiology. WHO. 1993. 18.

I E  Insidens tidak terpajan ( Non Exposed )

RD  30 kasus / 100.000 orang  tahun (2)

AR%  60% (3)

PAR  16,4 kasus / 100.000 orang  tahun (4)