CURRICULUM VITAE

Nama : Drs. Iman Sudradjat, MKM

Tempat/Tgl lahir : Singaparna, 2 April 1958
Alamat : Budi Indah A-19, RT 04/RW07 Pasirkaliki,
    Cimahi Utara, Cimahi
Agama : Islam
Pekerjaan : Staf Khusus Komite Mutu dan Keselamatan Pasien,
  RSUP Dr. Hasan Sadikin Bandung
Pangkat/Golongan : Pembina Utama Muda/IVc (pada saat pensiun)
Alamat Kantor : Jalan Pasteur No. 38 Bandung
HP : 0818941248
Email : iman.sudradjat@gmail.com
Status : Nikah, Dua Anak
Pendidikan   1. Sekolah Pengatur Rawat, Prof. Eyckman
    Bandung, 1978
    2. IKIP Bandung, 1983
  3. Singapore School of Nursing, 1987
4. S2 Kesehatan Masyarakat UI, 1992
Pekerjaan  : 1. Perawat Kamar Bedah (OK B) RSHS, 1978 s.d. 1984
    2. Ka. Sub. Seksi Diklat RSHS 1985 s.d. 1990
    3. Ka. Seksi Diklat Keperawatan RSHS, 1993 s.d. 1994
    4. Ka. Instalasi Diklat RSHS, 1995 s.d. 1996
    5. Ka. Bidang Keperawatan RSHS, 1997 s.d. 2005
    6. Ka. Bagian Perencanaan dan Evaluasi RSHS, 2006 s.d. Juli
    2011
    7. Ka. Bagian Umum RSHS, Juli 2011 s.d. Agustus 2013
    8. Ka. Bagian Umum RS Budi Kemuliaan Batam Sept 2013-Feb
    2014
  9. Wkl. Ka. Komite Mutu dan Keselamatan Pasien RSHS, Maret
2014 s.d. Desember 2016.
10.Pensiun dari PNS RSHS Mei 2016, langsung diangkat kembali
sebagai staf khusus Komite Mutu dan Keselamatan Pasien
dengan status tenaga BLU
Pelatihan/  : 1. Pendidikan dan Latihan Pimpinan Administrasi Tingkat Pertama
Workshop   (SPAMA) Angkatan III Kementerian Kesehatan RI, 1997
1. Dalam   2. Bimbingan Teknis/Pelatihan Pengadaan Barang dan Jasa Pemerintah
Negeri   Mengacu Pada Perpres No. 8 Tahun 2006 di Lingkungan Pemerintah
    Provinsi Jawa Barat, Pebruari 2008, Pemerintah Provinsi Jawa Barat,
    2008
    3. Sertifikasi Ahli Pengadaan Nasional, Lembaga Kebijakan Pengadaan
    Barang/Jasa Pemerintah, Jakarta 2010
    4. 5th Hospital Management Program “Developing Hospital Business
    Strategy to Improve Hospital Services and Quality, Center for Health
    Administration and Policy Studies (CHAMPS) FKM UI, 7-9 June 2011
    5. Seminar Hospital Management Program “Refleksi Implementasi
    Kebijakan BLU bagi Rumah Sakit”, FKM UI, Januari 2012.
    6. Pelatihan Akreditasi Versi Joint Commission International (JCI), RSUP
    Dr. Hasan Sadikin Bandung, Maret 2012
    7. Pelatihan Sistem Manajemen Persediaan di Rumah Sakit, PERSI
  Daerah Jawa Barat dan SBM ITB, Mei 2013
  8. Custom Education Program on Joint Commission International
  Standards for Hospitals 5th Edition, by Ministry of Health, Republic of
  Indonesia and Joint Commission International (JCI), 26-27 June 2014,
Bali
9. Keselamatan Pasien dan Manajemen Risiko Klinis, PERSI-IKPRS-KARS-
Jakarta 2014
    9. Workshop: Peningkatan Mutu Rumah Sakit dalam Standar Akreditasi
    Rumah Sakit, KARS- Jakarta, 2014
  10. Workshop Para Pimpinan dan Pokja Akreditasi sebagai Asesor
  Internal Rumah Sakit, Komisi Akreditasi Rumah Sakit, Jakarta, 2014
 
  11. Persiapan Dokumen Akreditasi Rumah Sakit, KARS- Bandung, 2014
  12. Pelatihan Manajemen Risiko Dalam Rangka Aplikasi Sistem
  Pengendalian Intern Pemerintah (SPIP), oleh Itjen Kemenkes di RSUP
  Dr. Hasan Sadikin Bandung, 2016
  13. Custom Education Program on Joint Commission International
  Standards for Hospitals 6th Edition, by Joint Commission International
  (JCI), and RSUP Dr. Hasan Sadikin Bandung, 17-21 April 2017, RSHS
  Bandung
 
  14. Pelatihan Manajemen Data dan Analisis di Fasilitas Kesehatan,
  IRIHM-ITB Bandung, 2018
15. Pelatihan dan Uji Kompetensi Konsultan Manajemen Kesehatan
2. Luar Pratama, IKKESINDO dan Kemenkes, 2019
Negeri 
16. Basic Supervisory Course for Nurses, Singapore 1986
17. Clinical Posting in Central Sterile Supply Department, Singapore
General Hospital, Singapore 1986.
18. Hospital Nursing Management Course, Singapore 2000
19. Emergency Preparedness, Texas & Washington, USA, 2003
20. Training on Strict Isolation for Avian Influenza, Singapore, 2005
21. Hospital Benchmarking, Europe, 2012
9. JCI International Practicum on Accreditation and Quality
Improvement, Dubai, 2015.
 Pengumpulan, Validasi
dan Analisis Data Mutu

Oleh:
Iman Sudradjat
Komite Mutu dan Keselamatan Pasien
RSUP Dr. Hasan Sadikin Bandung

Disampaikan pada:
Bandung Nutrition and Dietetic Courses 2020
dengan Tema “Profesionalisme Tenaga Gizi Dalam Aplikasi SNARS 1.1 di Era Industri 4.0.
Standar Nasional Akreditasi Rumah Sakit (SNARS) Edisi 1.1
Tahun 2019

I. Sasaran II. Pelayanan III. Manajemen

Keselamatan Berfokus Pasien Rumah Sakit
Pasien
1. IPB 1. ARK 1. PMKP
2. PKE 2. HKP 2. PPI
3. PKO HA 3. AP 3. TKRS
4. Kepastian 4. PAP 4. MFK
TL, TP, TP-TP 5. PAB 5. KKS
5. Risiko HAIs 6. PKPO 6. MIRM
6. Risk Cedera 7. MKE
Pasien V. Integrasi Pendidikan
Jatuh IV. Program Kesehatan Dlm Yan RS
Nasional (IPKP)
1. ↓ AKI/AKB
2. ↓ AK HIV/AIDS
3. ↓ AK TB
4. Kendali RA
5. Yan Geriatri
 STANDAR PENINGKATAN MUTU DAN KESELAMATAN PASIEN
MENURUT SNARS EDISI 1

NO STANDAR EP NO STANDAR EP
A PENGELOLAAN KEGIATAN PMKP 11 Standar PMKP 7.2 (Dampak 4
1 Standar PMKP 1 (K/T KMKP) 4 efisiensi)
12 Standar PMKP 8 (Validasi) 4
2 Standar PMKP 2 (Ref Terkini) 3
C PELAPORAN DAN ANALISIS
3 Standar PMKP 2.1 (Tek & SDM) 3 INSIDEN KESELAMATAN PASIEN
4 Standar PMKP 3 (Diklat PMKP) 4 13 Standar PMKP 9 (Sistem 5
B PROSES PEMILIHAN, pelaporan insiden KP)
PENGUMPULAN, ANALISIS DAN 14 Standar PMKP 9.1 (Sentinel) 3
VALIDASI DATA INDIKATOR MUTU
15 Standar PMKP 9.2 (KTD) 7
5 Standar PMKP 4 (K/T terlibat) 3
16 Standar PMKP 9.3 (KNC & KTC) 2
6 Standar PMKP 5 (Pimp. RS 6 17 Standar PMKP 10 (Budaya KP) 2
Memilih/ menetapkan prioritas
pengukuran dan indikatornya) D. PENCAPAIAN DAN
MEMPERTAHAN-KAN PERBAIKAN
7 Standar PMKP 5.1 (Evaluasi 3
PPK/CP/Prot/Pros/SO) 18 Standar PMKP 11 (PMKP dicapai & 6
dipertahankan)
8 Standar PMKP 6 (Ind. Mutu Unit) 5
E MANAJEMEN RISIKO
9 Standar PMKP 7 (Pengumpulan 5
data) 19 Standar PMKP 12 (Program MR) 5
10 Standar PMKP 7.1 (Analisis data) 6 Jumlah Standar 19 Jumlah EP 80
 ALUR PIKIR PMKP
Unit Pelayanan
Pemilihan Prioritas Pengumpulan Pelaporan
Pengukuran Yan Data • Komut & KP
Klinis
Komite/Tim (Pemilihan IAK, IAM,

Feedback
Validasi Data
PMKP SKP Mengacu pada • Direktur RS

Yan Klinis Prioritas)

Referensi Terkini Analisis Data • Pemilik/Repre-
PMKP Evaluasi PPK, CP, sentasi Pemilik
Prot. Klin., Prosedur,
Teknologi & Dukungan Lain SO di Prioritas Dampak Perbaikan Perbaikan
Untuk Manaj. Data Pengukuran Yan Prioritas Terhadap Tercapai dan
Klinis Efisiensi Dapat
Dipertahankan
Prog. Pelatihan PMKP
Untuk Pimpinan & Staf Pemilihan dan
Penetapan Indikator Pelaporan dan Analisis
Mutu Unit Kerja IKP
Keterangan • Sentinel, KTD, KNC/
Pengelolaan kegiatan PMKP KTC
Pemilihan pelayanan klinis prioritas dan • Pengukuran dan
indikator mutu RS + indik. mutu unit evaluasi budaya KP
Manajemen data (pengumpulan,
pelaporan, analisis, validasi dan
publikasi data indikator mutu)
Manajemen
Risiko
Pelaporan dan analisis IKP
Manajemen risiko
Pencapaian dan mempertahankan perbaikan
 PENINGKATAN MUTU
DAN KESELAMATAN PASIEN

1 PEMILIHAN INDIKATOR MUTU

a. Kriteria Pemilihan (Selection Criteria)
b. Penyusunan Profil Indikator Mutu (Measure Description)
c. Penyusunan Formulir Pengumpul Data (Audit Tool)

2 PENGUKURAN INDIKATOR MUTU

a. Pengumpulan Data (Data Collection)
b. Validasi Data (Data Validation)

3 ANALISIS (DATA ANALYSIS)

4 PERBAIKAN (PDSA)
Perbaikan Dicapai dan Dipertahankan
(Gaining and Sustaining Improvement)
 LEVEL INDIKATOR MUTU

A. Indikator Mutu Tingkat Rumah Sakit

(Hospitalwide Measures)
Indikator dari proses yang memengaruhi atau mencermin-
kan aktivitas yang terdapat di berbagai unit pelayanan.

B. Indikator Mutu Tingkat Unit

(Department/Service Measures)
Indikator dari proses yang spesifik berlaku di unitnya
 Tanggung Jawab Pimpinan Unit
dalam Peningkatan Mutu dan Keselamatan Pasien

PIMPINAN UNIT/INSTALASI

Berpartisipasi Dalam Prioritas

Melakukan Perbaikan Asuhan
Perbaikan Tingkat Rumah Sakit
Pasien/Pelayanan Yang Spesifik Di
(Hospitalwide) Yang Terkait Dengan
Unitnya
Unitnya

Melakukan pengukuran indikator 1. Memilih indikator mutu unit

mutu prioritas rumah sakit yang 2. Mengukur indikator mutu
ditetapkan oleh pimpinan RS (pengumpulan dan validasi
(pengumpulan, validasi, analisis data)
data dan perbaikan) 3. Analisis
4. Perbaikan (PDSA)
 Pemilihan Indikator Mutu Unit

1 Didasarkan pada kegiatan atau proses yang

memerlukan perbaikan di unit tersebut
(high risk, high volume, dan problem prone)

2 Untuk tiap-tiap indikator harus dibuatkan

profil indikatornya dan ditetapkan standar/
targetnya.

3 Hasil pengukuran awal harus di bawah

standar/target.
4 Setelah dilakukan perbaikan dengan
menggunakan PDSA, capaian indikator
harus mengarah kepada tercapainya
standar/target.

5 Bila standar/target sudah tercapai dan

dapat dipertahankan selama setidak-
tidaknya empat periode pengukuran,
dapat dipilih indikator mutu yang baru.
Pengumpulan Data
(Data Collection)
 Pengumpulan Data

• Suatu kegiatan pengumpulan data/informasi yang dilaku-

kan secara sistematis oleh pengumpul data (data collector)
untuk mengukur indikator mutu dan keselamatan pasien.

• Suatu proses pemilihan subyek/sumber data dan

mengumpulkan data dari subyek/sumber data tersebut.

• Orang yang mengumpulkan data disebut pengumpul data

(data collector). Pengumpul data indikator mutu unit
adalah petugas yang sudah mengikuti pelatihan
pengumpulan data dan ditetapkan oleh kepala unit.
• Data dapat dikumpulkan dari subyek/sumber data
melalui pengamatan, pengukuran, kuesioner, atau
perekaman (recording).

• Merupakan bagian penting dari penilaian kinerja, untuk

mendukung asuhan pasien dan manajemen yang lebih
baik
 Persiapan
Pengumpulan
Data

1 Pelajari
Profil
Indikator
2 Siapkan Instrumen Contoh 1
Pengumpulan Data Instrumen Pengumpul Data
Judul Indikator Bulan : ………………………
Asesmen gizi pada pasien yang memiliki risiko Ruang Rawat : ……………………….
masalah gizi (patient at risk for nutritional Instalasi : Rawat Inap
problems) Sumber Data : Rekam Medis
Pengumpul data: ……………………………………………. Inst. Rawat Inap

No Nama Tanggal Nomor Waktu Waktu Lama Dilengkapi Dalam Alasan

Pasien Lahir Medrek Ditetapkan Asesmen Gizi Waktu 24 Jam tidak
Hasil Skrining Dilengkapi oleh Ahli Asesmen dilengkapi
Gizi Gizi (Dietician) Dilengkapi
(8-6)
Tgl Pkl Tgl Pkl Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12

Pencapaian Jumlah pasien yang dilakukan asesmen gizi oleh ahli gizi dalam waktu 24 jam ......
setelah ditetapkan memiliki risiko masalah gizi berdasarkan hasil skrining gizi X 100% =
oleh perawat (total skor ≥ 2) dibagi Jumlah pasien yang berdasarkan hasil ......
skrining gizi pada asesmen perawat memerlukan asesmen gizi olehNama dan Tanda Tangan Pengumpul Data
ahli gizi
 Contoh 2
Instrumen Pengumpul Data

Judul Indikator
Kepatuhan penggunaan Alat Pelindung Diri (APD) Bulan :………………………
lengkap bagi pengolah makanan Unit : SI PPM
Instalasi : Gizi
Pengumpul data: ……………………………………………. Sumber Data : Inst. Gizi

No Nama Lengkap
Petugas Alat Pelindung Diri yang Dipakai (apabila salah satu Alasan tidak
yang APD tdk dipakai memakai APD
Diamati dikategorikan tdk secara
lengkap) lengkap
Baju Kerja Tutup Cele- Masker Sepatu/ Sarung Ya Tdk
Kepala mek Footwear Tangan

1 2 3 4 5 6 7 8 9 10 11

Pencapaian Jumlah total pengolah makanan (orang) yang patuh

menggunakan APD lengkap pada saat observasi dibagi ......
Jumlah seluruh pengolah makanan di Sub Instalasi X 100% =
Pengolahan dan Penyaluran Makanan (SI. PPM) dikali ......
seratus persen (100%)
 SUMBER DATA
I. Dari Berbagai Unit II. Dari Satu Unit
Indikator Mutu Indikator Mutu
(RS/Hospitalwide) (Unit Level)

U1 U2 U3 U4 U5 U6 U
Contoh:
Indikator Mutu
Asesmen gizi pada pasien yang memiliki risiko masalah gizi Contoh:
(patient at risk for nutritional problems) Kepatuhan penggunaan
Numerator Alat Pelindung Diri (APD)
Jumlah pasien yang dilakukan asesmen gizi oleh ahli gizi lengkap bagi pengolah
dalam waktu 24 jam setelah ditetapkan memiliki risiko makanan di Sub Instalasi
masalah gizi berdasarkan hasil skrining gizi oleh perawat. Pengolahan dan
Denominator Penyaluran Makanan (SI.
Jumlah pasien yang berdasarkan hasil skrining gizi pada PPM)
asesmen perawat memerlukan asesmen gizi oleh ahli gizi
 Formula Pengukuran
Numerator : Bagian atas dari suatu pecahan (upper part of a fraction)
Jumlah orang atau kejadian dengan karakteristik tertentu

Denominator:Bagian bawah dari suatu pecahan (lower part of a fraction)

Jumlah total dari orang atau kejadian yang di dalamnya terdapat
numerator sebagai bagian darinya.

Contoh: Penghitungan proporsi kematian di antara orang-orang DM di RS A

Jumlah pasien DM yang meninggal di RS A

Formula: X 100
Jumlah total pasien DM yang dirawat di RS A

 Perhatikan: numerator (jumlah pasien DM meninggal) merupakan

bagian dari denominator.
 SUMBER DATA

Rekam medis (process and outcome of care)

Survey (patient, members of family, practitioner)

Catatan/leporan keuangan (Financial Records)

Laporan statistik (Statistical Reports)

Pengamatan langsung/Direct Observation (structure,

process and outcome)
 METODOLOGI PENGUMPULAN DATA
Concurrent
• Terjadi selama perawatan/pelayanan diberikan, baik secara berkala
sebagai rutinitas, maupun ketika sesuatu terjadi yang mengharuskan
dilakukannya reviu tentang bagaimana cara penanganan kasus
sedang dikerjakan.
• Memungkinkan seseorang melakukan intervensi, dan jika perlu,
menghentikan kegiatan perawatan/pelayanan atau mengubahnya

Retrospective
• Metode yang paling sering digunakan.
• Umumnya, dilakukan dengan mereviu sampel rekam medis dan -
berdasarkan catatan serta informasi tambahan, jika perlu - membuat
penilaian pada kualitas perawatan/pelayanan.
• Tidak bisa melakukan seperti yang dilakukan dengan metode
concurrent , tetapi bisa memberi pelajaran bagaimana melakukan
yang lebih baik di masa depan, ketika kesalahan dalam
perawatan/pelayanan ditemukan dan penyebabnya dipahami.
3 Tentukan
Ukuran Sampel

SAMPLE SIZE SELECTION TABLE

FOR THREE DIFFERENT
PRECISION LEVELS
(Isaac & Michael)
Dari Tabel Isaac dan Michel dengan populasi (N) = 65 dan taraf kesalahan (significance level )
5% diperoleh sampel (n) sebesar 55

POPULASI
N = 65

1 2 3 4 5 6 7 8 9 10
SAMPEL
11 12 13 14 15 16 17 18 19 20 DILOTRE
21 22 23 24 25 26 27 28 29 30 n = 55
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50 2 3 4 5 6 7 8 9 10
51 52 53 54 55 56 57 58 59 60 11 12 13 15 16 17 18 19 20
61 62 63 64 65 21 22 23 24 26 27 28 29
31 32 33 34 35 36 37 38 39 40
Yang terpilih
42 43 44 45 47 48 49 50
51 52 53 54 56 57 58 59 60
62 64

1, 14, 25, 30, 41, 46, 55, 61, 63, 65

Yang tidak terpilih
Penentuan Ukuran Sampel (Sample Size)
Untuk Pengumpulan Data Menurut JCI
4 Ambil Sumber Data.
Mis. untuk Asesmen Gizi
Pada Pasien Yang Memiliki
Risiko Masalah Gizi
(Patient At Risk For
Nutritional Problems)
menggunakan rekam
medik rawat inap.

Jumlah sumber data bisa

total sample (sama
dengan jumlah populasi),
bisa juga sampel(sebagian
dari populasi) tergantung
dari jumlah populasi.
 5 Lihat data pada sumber data (rekam medis) dan masukkan data tersebut
pada instrumen pengumpul data yang sudah disiapkan

Judul Indikator
Bulan :………………………
Asesmen gizi pada pasien yang memiliki risiko
Ruang Rawat :……………………….
masalah gizi (patient at risk for nutritional
Instalasi : Rawat Inap
problems)
Sumber Data : Rekam Medis
Pengumpul data: …………………………………………….
Inst. Rawat Inap
No No Nama Tanggal Nomor Waktu Waktu Lama Dilengkapi
popu- Pasien Lahir Medrek Ditetapkan Hasil Asesmen Gizi Waktu Dalam 24
lasi Skrining Gizi Dilengkapi oleh Asesmen Jam
(N) Ahli Gizi Dilengkapi
(9-7)
Tgl Pkl Tgl Pkl Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12

2 1 Amin 2 Jan 60 1408981 1 Des 09.15 2 Des 09.30 24.15 √

3 2 Sakinah 9 Feb 78 1408982 1 Des 09:30 1 Des 16:45 07:15 √
4 3 Mawardah 3 Des 80 1408983 1 Des 09:55 1 Des 16:22 06:27 √
5 4 Rahmah 29 Nov 82 1408984 2 Des 11:17 2 Des 19.34 08:17 √
6 5 Chusnul 2 Apr 68 1408985 2 Des 11:20 3 Des 11:10 23:50 √
7 6 Deni 17 Agus 82 1408986 2 Des 13:20 3 Des 14:15 25:15 √
 No No Nama Tanggal Nomor Waktu Ditetapkan Waktu Lama Dilengkapi
popu- Pasien Lahir Medrek Hasil Skrining Gizi Asesmen Gizi Waktu Dalam 24
lasi Dilengkapi oleh Asesmen Jam
(N) Ahli Gizi Dilengkapi
(8-6)
Tgl Pkl Tgl Pkl Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12
10 9 Muhammadi 7 Nov 65 1408989 4 Des 13:14 5 Des 08:24 19:10 √
11 10 Dedi 10 April 59 1408990 4 Des 14:30 5 Des 14:45 24:15 √
12 11 Fina 10 Mei 72 1408991 7 Des 08:40 8 Des 09:02 24:22 √
13 12 Tuti 2 April 87 1408992 7 Des 10:55 7 Des 15:40 04:45 √
15 13 Nurbavadal 18 Des 61 1408993 8 Des 09:25 9 Des 09:30 24:05 √
16 14 Euis 22 Apr 80 1408994 8 Des 10:15 8 Des 14:07 03:52 √
17 15 Beni 17 Ags 85 1408995 8 Des 14:24 9 Des 09:44 19:20 √
18 16 Noor Komar 2 Mei 60 1408996 9 Des 08:35 10 Des 08:50 24:15 √
19 17 Ahmad 20 Mei 80 1408997 10 Des 09:06 10 Des 18:03 08:57 √
20 18 Ade 1 Sep 65 1408998 10 Des 10:12 11 Des 11:00 25:12 √
21 19 Boyke 21Jan 59 1408999 11 Des 11:45 12 Des 11:47 24:02 √
22 20 Didi 15 Apr 80 1408910 11 Des 13:15 12 Des 08:06 18:51 √
23 21 Dani 5 Jun 84 1408911 11 Des 14:00 11 Des 17:30 03:30 √
24 22 Epi 6 Sep 60 1408989 14 Des 08:15 14 Des 15:15 07:00 √
26 23 Iwan 13 Feb 59 1408990 14 Des 09:41 14 Des 17:22 07:41 √
 No No Nama Tanggal Nomor Waktu Waktu Lama Dilengkapi
popu- Pasien Lahir Medrek Ditetapkan Asesmen Gizi Waktu Dalam 24
lasi Hasil Skrining Dilengkapi oleh Asesmen Jam
(N) Gizi Ahli Gizi Dilengkapi
(8-6)
Tgl Pkl Tgl Pkl Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12

29 26 Dendi 18 Des 61 1408993 15 Des 14:00 16 Des 14:20 24:20 √

31 27 Barjah 21 Apr 79 1408994 15 Des 14:17 16 Des 14:23 24:07 √
32 28 Sodik 4 Jun 85 1408995 15 Des 14:30 16 Des 11:19 20:49 √
33 29 Elang 7 Jul 1060 1408996 16 Des 09:00 16 Des 22:20 13:20 √
34 30 Aan 20 Mei 73 1408997 16 Des 09:30 16 Des 16:45 07:15 √
35 31 Didin 30 Sep 60 1408991 16 Des 09:55 16 Des 16:22 06:27 √
36 32 Apang 11 Okt 80 1408998 16 Des 11:17 16 Des 19.34 08:17 √
37 33 Deden 15 Feb 59 1408990 16 Des 11:20 16 Des 11:10 23:50 √
38 34 Wawat 10 Apr 70 1408991 16 Des 13:17 16 Des 21.34 08:17 √
39 35 Wiwi 20 Mei 85 1408992 16 Des 13:20 16 Des 13:10 23:50 √
40 36 Taufiq 10 Sep 65 1408989 17 Des 09:55 17 Des 16:22 06:27 √
42 37 Fitri 11 Jan 60 1408990 17 Des 11:20 18 Des 11:10 23:50 √
43 38 Chandra Dewi 18 Apr 83 1408991 17 Des 14:30 18 Des 11:19 20:49 √
44 39 Lanny 7 Mei 87 1408992 18 Des 10:15 18 Des 14:07 03:52 √
 No Nama Tanggal Nomor Waktu Waktu Lama Dilengkapi
Pasien Lahir Medrek Ditetapkan Hasil Asesmen Gizi Waktu Dalam 24
Skrining Gizi Dilengkapi oleh Asesmen Jam
Ahli Gizi Dilengkap
i
Tgl Pkl Tgl Pkl Ya Tdk
(8-6)

1 2 3 4 5 6 7 8 9 10 11

47 41 Suhartanti 11 Apr 78 1408994 18 Des 12:42 19 Des 12:55 24:13 √

48 42 Sukma 14 Jun 87 1408995 18 Des 14:31 19 Des 11:20 20:49 √
49 43 i Yulianti 9 Jun 60 1408996 21 Des 08:45 22 Des 09:02 24:17 √
50 44 Arief 20 Mei 83 1408997 21 Des 08:55 21 Des 15:22 06:27 √
51 45 Herawati 30 Ags 67 1408991 21 Des 09:50 21 Des 16:21 06:31 √
52 46 Siti 11 Nov 84 1408998 21 Des 11:35 22 Des 11:20 23:40 √
53 47 Yeyet 15 Jun 60 1408990 22 Des 08.00 22 Des 12:30 04:30 √
54 48 Lilis 11 Apr 75 1408991 22 Des 09:34 22 Des 14:40 05:06 √
56 49 Hastuty 21 Mar 87 1408992 22 Des 14:17 16 Des 14:18 24:01 √
57 50 Ahmad 5 Des 65 1408989 23 Des 08:55 23 Des 15:22 06:27 √
58 51 Dudi 13 Mar 69 1408990 23 Des 09:50 23 Des 16:21 06:31 √
59 52 Azis 1 Apr 72 1408991 24 Des 11:35 25 Des 11:20 23:40 √
60 53 Yeni 5 Mei 85 1408992 25 Des 08.00 25 Des 12:30 04:30 √
62 54 Eni 18 Des 61 1408993 28 Des 09:34 28 Des 14:40 05:06 √
6 Hitung capaian indikator dengan menggunakan formula yang ditetapkan
dalam profil indikator.

No Nama Tanggal Nomor Waktu Ditetapkan Waktu Lama Waktu Dilengkapi

Pasien Lahir Medrek Hasil Skrining Gizi Asesmen Gizi Asesmen Dalam 24
Dilengkapi oleh Dilengkapi Jam
Ahli Gizi (8-6)
Tgl Pkl Tgl Pkl Ya Tdk

1 2 3 4 5 6 7 8 9 10 11
Pencapaian Jumlah pasien yang dilakukan asesmen gizi oleh ahli gizi dalam
waktu 24 jam setelah ditetapkan memiliki risiko masalah gizi 39/55 X
berdasarkan hasil skrining gizi oleh perawat (≥2) dibagi Jumlah 100% =
pasien yang berdasarkan hasil skrining gizi pada asesmen perawat
memerlukan asesmen gizi oleh ahli gizi (≥2) dikalikan 100%
70,9%

Nama & Tanda Tangan Pengumpul Data

 Validasi Data
(Validation of Measurement Data)
 VALIDASI DATA

• Validasi data adalah alat penting untuk

memahami mutu data dan untuk menetapkan
tingkat kepercayaan (level of confidence) para
pengambil keputusan terhadap data itu sendiri.

• Keabsahan dan keterpercayaan pengukuran

adalah inti dari perbaikan dalam program
peningkatan mutu.
• Jika datanya tidak valid, maka upaya perbaikan
tidak akan efektif.

• Oleh karena itu, validasi data menjadi salah satu

langkah penting dalam proses peningkatan
mutu dan keselamatan pasien

• Validasi data bisa dilakukan secara internal/

internal validation (KARS dan JCI) atau
eksternal/external validation (JCI)
 Kapan Validasi Data Hasil Pengukuran Dilakukan?

1. Bila diterapkan indikator baru (khususnya, indikator-indikator klinis yang

dimaksudkan untuk membantu rumah sakit mengevaluasi dan memperbaiki
proses klinis atau outcome penting).
2. Bila data akan dipublikasikan di website rumah sakit atau dengan cara
lainnya;
3. Bila telah dilakukan perubahan indikator yang ada, seperti perubahan pada
alat pengumpul data, perubahan proses abstraksi data atau abstraktor.
4. Bila telah terjadi perubahan data yang dihasilkan dari indikator yang ada
tanpa penjelasan.
5. Bila sumber data telah diubah, seperti kalau sebagian dari rekam medis
pasien digantikan dengan format elektronik sehingga sumber data sekarang
berupa kertas dan elektronik.
6. Bila subjek pengumpulan data telah berubah, seperti perubahan usia rata-
rata pasien, komorbiditas, perubahan protokol penelitian, diterapkannya
pedoman praktek baru, atau diperkenalkannya teknologi dan metodologi
pengobatan baru.
 Prosedur Validasi Data
(Diadaptasi dari JCI Standards for Hospital Accreditation, 4th Ed)

Validasi dilakukan oleh validator. Validator harus orang

yang berbeda dengan pengumpul data (data collector).
Validator disebut juga orang kedua (second person) dan
pengumpul data disebut orang pertama (first person) .

Langkah-langkah
1. Validator menentukan jumlah subjek pengukuran
(rekam medis, kasus, atau data lainnya) yang akan
diukur untuk validasi, dengan ketentuan:
a. Apabila jumlah subjek pengukuran yang diambil
oleh pengumpul data ≤ 50 maka validator
mengambil seluruh jumlah tersebut sebagai subjek
pengukuran untuk validasi.
 b. Apabila subjek pengukuran yang diukur oleh
pengumpul data >50, maka validator menetapkan
jumlah sampel dengan menggunakan Tabel Isaac dan
Michael (Tabel terlampir).

2. Dengan menggunakan subjek pengukuran yang sama

yang diambil oleh pengumpul data, validator melakukan
pengumpulan ulang data dari populasi/sampel yang
telah ditetapkan dengan menggunakan kamus indikator
yang sama seperti yang dilakukan oleh pengumpul data.

3. Validator membandingkan data awal yang dikumpulkan

oleh pengumpul data dengan data yang dikumpulkan
ulang oleh validator.
1 Siapkan Instrumen
Validasi Data Instrumen Validasi Data
Bulan :………………………
Judul Indikator Ruang Rawat :……………………….
Asesmen gizi pada pasien yang memiliki risiko Instalasi : Rawat Inap
masalah gizi (patient at risk for nutritional Sumber Data : Rekam Medik
problems) Inst. Rawat Inap
Yang Sudah Diambil
Validator data: ……………………………………………. oleh Pengumpul Data
No Nama Tanggal Nomor Waktu Ditetapkan Waktu Lama Waktu Dilengkapi Dalam 24
Pasien Lahir Medrek Hasil Skrining Gizi Asesmen Gizi Asesmen Jam
Dilengkapi Dilengkapi
oleh Ahli Gizi (8-6)
Tgl Pkl Tgl Pkl Ya Tdk

1 2 3 4 5 6 7 8 9 10 11

Pencapaian Jumlah pasien yang dilakukan asesmen gizi oleh ahli gizi dalam waktu 24 jam
setelah ditetapkan memiliki risiko masalah gizi berdasarkan hasil skrining gizi ......
oleh perawat (≥2) dibagi Jumlah pasien yang berdasarkan hasil skrining gizi X 100% =
 SAMPLE SIZE SELECTION TABLE
2

FOR THREE DIFFERENT PERCISION LEVELS

(Isaac & Michael)
Tentukan
Ukuran Sampel
Untuk Validasi Data
Penentuan Ukuran Sampel (Sample Size)
Untuk Validasi Data Menurut JCI
Dari Tabel Isaac dan Michel dengan populasi (N) = 55 dan taraf kesalahan (significance level )
5% diperoleh sampel (n) sebesar 48

POPULASI
N = 55

1 2 3 4 5 6 7 8 9 10
SAMPEL
11 12 13 14 15 16 17 18 19 20 DILOTRE
21 22 23 24 25 26 27 28 29 30 n = 48
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50 1 2 3 4 6 7 8 9 10
51 52 53 54 55 11 12 14 5 16 17 19 20
21 22 23 24 26 27 28 30
31 32 33 34 35 36 37 38 39 40
Yang terpilih
42 43 44 45 47 48 49 50
51 52 53 54 55

5, 13, 18, 25, 29, 41, 46

Yang tidak terpilih
4. Validator menghitung keakuratan/validasi data
dengan membagi jumlah elemen data yang sama
dengan jumlah total elemen data, dikalikan 100. Bila
hasilnya ≥90%, maka hasil pengukuran data yang
dilakukan oleh pengumpul data dikatakan
akurat/valid.

5. Jika hasilnya <90%, validator mereviu kembali teknis

pengukuran yang telah dilaksanakan oleh pengumpul
data, mencari penyebabnya dan melakukan
perbaikan.

6. Validator membuat laporan validasi data dengan

menggunakan format yang ditetapkan.
 3 Lihat data pada rekam medis yang sudah diambil pengumpul data dan
terpilih sebagai sampel validasi kemudian masukkan data tersebut pada
instrumen validasi data yang sudah disiapkan
Judul Indikator
Bulan :………………………
Asesmen gizi pada pasien yang memiliki risiko
Ruang Rawat :……………………….
masalah gizi (patient at risk for nutritional
Instalasi : Rawat Inap
problems)
Sumber Data : Rekam Medis
Pengumpul data: …………………………………………….
Inst. Rawat Inap

No N Nama Tanggal Nomor Waktu Waktu Lama Waktu Dilengkapi Kesamaan

popu- o Pasien Lahir Medrek Ditetapkan Asesmen Gizi Asesmen Dalam 24 Elemen Data
lasi Hasil Skrining Dilengkapi oleh Dilengkapi Jam
(N) Gizi Ahli Gizi (9-7)
Tgl Pkl Tgl Pkl Ya Tdk Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12

1 1 Amin 2 Jan 60 1408981 1 Des 09.15 2 Des 09.30 24.15 √ √

2 2 Sakinah 9 Feb 78 1408982 1 Des 09:30 1 Des 16:45 07:15 √ √
3 3 Mawardah 3 Des 80 1408983 1 Des 09:55 2 Des 16:22 35.57 √ √
4 4 Rahmah 29 Nov 82 1408984 2 Des 11:17 2 Des 19.34 08:17 √ √
6 5 Chusnul 2 Apr 68 1408985 2 Des 11:20 3 Des 11:10 23:50 √ √
7 6 Deni 17 Agus 82 1408986 2 Des 13:20 3 Des 14:15 25:15 √ √
8 7 Agus 5 Mar 85 1408987 2 De 14:00 3 Des 16:05 26:05 √ √
 No No Nama Tanggal Nomor Waktu Waktu Lama Dilengkapi Kesamaan
popu- Pasien Lahir Medrek Ditetapkan Hasil Asesmen Gizi Waktu Dalam 24 Elemen
lasi Skrining Gizi Dilengkapi oleh Asesmen Jam Data
(N) Ahli Gizi Dilengkapi
(8-6)
Tgl Pkl Tgl Pkl Ya Tdk Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12
10 9 Muhammadi 7 Nov 65 1408989 4 Des 13:14 5 Des 08:24 19:10 √ √
11 10 Dedi 10 April 59 1408990 4 Des 14:30 5 Des 14:45 24:15 √ √
12 11 Fina 10 Mei 72 1408991 7 Des 08:40 8 Des 09:02 24:22 √ √
14 12 Tuti 2 April 87 1408992 7 Des 10:55 8 Des 15:40 28:45 √ √
15 13 Nurbavadal 18 Des 61 1408993 8 Des 09:25 9 Des 09:30 24:05 √ √
16 14 Euis 22 Apr 80 1408994 8 Des 10:15 8 Des 14:07 03:52 √ √
17 15 Beni 17 Ags 85 1408995 8 Des 14:24 9 Des 09:44 19:20 √ √
19 16 Noor Komar 2 Mei 60 1408996 9 Des 08:35 10 Des 08:50 24:15 √ √
20 17 Ahmad 20 Mei 80 1408997 10 Des 09:06 10 Des 18:03 08:57 √ √
21 18 Ade 1 Sep 65 1408998 10 Des 10:12 11 Des 11:00 25:12 √ √
22 19 Boyke 21Jan 59 1408999 11 Des 11:45 12 Des 11:47 24:02 √ √
23 20 Didi 15 Apr 80 1408910 11 Des 13:15 12 Des 08:06 18:51 √ √
24 21 Dani 5 Jun 84 1408911 11 Des 14:00 12 Des 17:30 27:30 √ √
26 22 Epi 6 Sep 60 1408989 14 Des 08:15 14 Des 15:15 07:00 √ √
27 23 Iwan 13 Feb 59 1408990 14 Des 08:41 14 Des 17:22 08:41 √ √
28 24 Desi 10 Apr 70 1408991 15 Des 13:22 16 Des 13:20 23:58 √ √
 No No Nama Tanggal Nomor Waktu Waktu Lama Dilengkapi Kesamaan
popu- Pasien Lahir Medrek Ditetapkan Hasil Asesmen Gizi Waktu Dalam 24 Elemen
lasi Skrining Gizi Dilengkapi oleh Ahli Asesmen Jam Data
(N) Gizi Dilengkapi
(8-6)
Tgl Pkl Tgl Pkl Ya Tdk Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12

31 26 Dendi 18 Des 61 1408993 15 Des 14:00 16 Des 14:20 24:20 √ √

32 27 Barjah 21 Apr 79 1408994 15 Des 14:17 16 Des 14:23 24:07 √ √
33 28 Sodik 4 Jun 85 1408995 15 Des 14:30 16 Des 11:19 20:49 √ √
34 29 Elang 7 Jul 1060 1408996 16 Des 09:00 16 Des 22:20 13:20 √ √
35 30 Aan 20 Mei 73 1408997 16 Des 09:30 16 Des 16:45 07:15 √ √
36 31 Didin 30 Sep 60 1408991 16 Des 09:55 17 Des 16:22 30:27 √ √
37 32 Apang 11 Okt 80 1408998 16 Des 11:17 16 Des 19.34 08:17 √ √
38 33 Deden 15 Feb 59 1408990 16 Des 11:20 16 Des 11:10 23:50 √ √
39 34 Wawat 10 Apr 70 1408991 16 Des 13:17 17 Des 21.34 32:17 √ √
40 35 Wiwi 20 Mei 85 1408992 16 Des 13:20 16 Des 13:10 23:50 √ √
42 36 Taufiq 10 Sep 65 1408989 17 Des 09:55 17 Des 16:22 06:27 √ √
43 37 Fitri 11 Jan 60 1408990 17 Des 11:20 18 Des 11:10 23:50 √ √
44 38 Chandra 18 Apr 83 1408991 17 Des 14:30 18 Des 11:19 20:49 √ √
Dewi
45 39 Lanny 7 Mei 87 1408992 18 Des 10:15 19 Des 14:07 23:52 √ √
47 40 Sopian 19 Nov 61 1408993 18 Des 11:25 19 Des 11:15 23:50 √ √
 No No Nama Tanggal Nomor Waktu Ditetapkan Waktu Lama Waktu Dilengkapi Kesamaan
popu- Pasien Lahir Medrek Hasil Skrining Gizi Asesmen Gizi Asesmen Dalam 24 Elemen
lasi Dilengkapi oleh Dilengkapi Jam Data
(N) Ahli Gizi (8-6)
Tgl Pkl Tgl Pkl Ya Tdk Ya Tdk

1 2 3 4 5 6 7 8 9 10 11 12

48 41 Suhartanti 11 Apr 78 1408994 18 Des 12:42 19 Des 12:55 24:13 √ √

49 42 Sukma 14 Jun 87 1408995 18 Des 14:31 19 Des 11:20 20:49 √ √
50 43 Yulianti 9 Jun 60 1408996 21 Des 08:45 22 Des 09:02 24:17 √ √
51 44 Arief 20 Mei 83 1408997 21 Des 08:55 21 Des 15:22 06:27 √ √
52 45 Herawati 30 Ags 67 1408991 21 Des 09:50 21 Des 16:21 06:31 √ √
53 46 Siti 11 Nov 84 1408998 21 Des 11:35 22 Des 11:20 23:40 √ √
54 47 Yeyet 15 Jun 60 1408990 22 Des 08.00 23 Des 12:30 28:30 √ √
55 48 Lilis 11 Apr 75 1408991 22 Des 09:34 22 Des 14:40 05:06 √ √
Jumlah Asesmen Dilengkapi Dalam 24 Jam 27 21
Jumlah Elemen Data Yang Sama 39 9
 4 Hitung capaian indikator dengan menggunakan formula yang diteapkan
dalam profil indikator.
No Nama Tanggal Nomor Waktu Ditetapkan Waktu Lama Dilengkapi
Pasien Lahir Medrek Hasil Skrining Gizi Asesmen Gizi Dilengkapi Waktu Dalam 24
oleh Ahli Gizi Asesmen Jam
Dilengkapi
Tgl Pkl Tgl Pkl (8-6) Ya Tdk

1 2 3 4 5 6 7 8 9 10 11
Pencapaian Jumlah pasien yang dilakukan asesmen gizi oleh ahli gizi dalam waktu 24 jam
setelah ditetapkan memiliki risiko masalah gizi berdasarkan hasil skrining gizi oleh 27/48 X
perawat (≥2) dibagi Jumlah pasien yang berdasarkan hasil skrining gizi pada
Nama & Tanda Tangan Pengumpul
100%Data
=
asesmen perawat memerlukan asesmen gizi oleh ahli gizi (≥2) dikalikan 100%
56,3%
5 Hitung tingkat validitas dengan menggunakan rumus:

Jumlah elemen data yang sama

X 100%
Jumlah total elemen data

Validitas: 39/48 X 100% = 81,3%

6 Buat laporan pengukuran validasi

Laporan Pengukuran Validasi

(Dibuat oleh Validator)
 Asesmen gizi pada pasien yang memiliki risiko masalah gizi
JUDUL INDIKATOR (patient at risk for nutritional problems) dilakukan dalam waktu
24 jam setelah ditetapkan hasil skrining gizi
Jumlah pasien yang dilakukan asesmen gizi oleh ahli gizi dalam
NUMERATOR waktu 24 jam setelah ditetapkan memiliki risiko masalah gizi
berdasarkan hasil skrining gizi oleh perawat
Jumlah pasien yang berdasarkan hasil skrining gizi pada asesmen
DENOMINATOR perawat memerlukan asesmen gizi oleh ahli gizi
SUMBER DATA Rekam Medis
STANDAR CAPAIAN
100% ≤ 24 jam
INDIKATOR
HASIL CAPAIAN
INDIKATOR OLEH 39/55 X 100% = 70,9%
PENGUMPUL DATA
JUMLAH SUMBER
DATA (PASIEN,
REKAM MEDIS, DLL) 55 Rekam Medis Pasien
YANG DIAMBIL
PENGUMPUL DATA
JUSTIFIKASI PERLU
Perlu divalidasi karena baru pertama kali dilakukan pengukuran
VALIDASI
 1. Validator mengambil sampel data dari pengumpul data dengan
menggunakan tabel Isaac dan Michael dengan derajat
kepercayaan 95%.  48 rekam medis
2. Validator melakukan pengecekan kebenaran data yang
dikumpulkan oleh pengumpul data dengan cara
METODE VALIDASI membandingkan data yang dikumpulkan oleh pengumpul data
dan validator
3. Validator menghitung persentase validasi dengan rumus :
Jumlah data yang sama / jumlah sample x 100 %

TARGET VALIDASI ≥ 90%

HASIL VALIDASI 39/48 X 100% = 81,3%
KESIMPULAN
Tidak Valid
VALIDASI
HASIL CAPAIAN
INDIKATOR OLEH 27/48 X 100% = 56,3%
VALIDATOR
Menjelaskan kepada pengumpul data mengenai alasan
RENCANA TINDAK
ditemukannya hasil pengumpulan data yang tidak sama (empat
LANJUT
hasil pengumpulan data tidak sama)

Nama dan Tanda Tangan Validator

 Analisis Data
(Analysis of Measurement Data)
 Analisis Data
• Untuk mencapai kesimpulan dan membuat keputusan, data harus
dikumpulkan, dianalisis dan diubah menjadi informasi yang
berguna

• Upaya atau cara untuk mengolah data menjadi informasi

sehingga karakteristik data tersebut bisa dipahami dan
bermanfaat untuk solusi permasalahan, tertutama masalah yang
berkaitan dengan pengukur-an mutu.
 PMKP 7.7

Dalam melakukan analisis, RS agar menyusun regulasi analisis, meliputi:

1. Penggunaan statistik dalam melakukan analisis data
2. Analisis dilakukan dengan membandingkan data rumah sakit
dengan empat cara, yaitu:
a. Dengan data sendiri dari waktu ke waktu, seperti bulan dengan
bulan atau satu tahun dengan tahun berikutnya (month to month or
one year to the next).
b. Dengan rumah sakit lain yang serupa (similar hospital/ organization)
baik secara lokal, nasional maupun internasional.
c. Dengan standar-standar, seperti yang ditetapkan oleh lembaga
akreditasi dan profesi atau peraturan perundang-undangan.
d. Dengan praktik-praktik yang diinginkan yang dalam literatur
digolongkan sebagai praktik terbaik (best practice ) atau praktik yang
lebih baik (better practice) atau pedoman praktik (practice
guidelines)
 Mengapa Membandingkan?
• Pembandingan merupakan alat yang efektif untuk:
– Mengetahui posisi mutu/kinerja kita dibanding dengan
standar dan rumah sakit lain.
– Mengidentifikasi peluang untuk perbaikan

• Pengguna/pembayar pelayanan sering meminta

informasi tentang data-data tersebut.

• Rumah sakit bisa saja diminta oleh peraturan dan

perundang-undangan untuk memberikan data-data
tersebut, mis. kepada Kemenkes, Pemda, dsb.
 Teknik Statistik
Pemahaman terhadap teknik statistik dapat berguna dalam
proses analisis data , khususnya dalam menafsirkan variasi dan
memutuskan area yang paling membutuhkan perbaikan.untuk
memahami pola dan variasi dalam pelayanan kesehatan.

Contoh motode statistik yang sangat berguna dalam memahami

pola dan variasi dalam pelayanan kesehatan adalah:
1. Run chart
2. Control chart (diagram kontrol)
3. Histogram
4. Diagram Pareto
 Run Chart Contoh Run Chart (Bukan Data Sesungguhnya)
Asesmen Gizi Pada Pasien Yang Memiliki Risiko
Run chart merupakan suatu Masalah Gizi Dilakukan Dalam Waktu 24 Jam Setelah
alat mutu (quality tool) untuk
Ditetapkan Hasil Skrining Gizi
perbaikan proses (process
improvement) yang sederhana
RSUP Dr. Hasan Sadikin Bandung, Tahun 2018
dan mudah digunakan.
100 100
94 95
Run chart menampilkan data 90
87
yang diamati dalam urutan 80 81
78
waktu yang menunjukkan
70 70
trend, sehingga
memungkinkan untuk persen 60
56 57
61

menemukan pola data dari 50 49

52

waktu ke waktu. Misalnya,

40
naik turunnya: waktu tunggu
rawat jalan, length of stay 30

(ALOS), dan sebagainya. 20

Trend adalah perkembangan
kecenderungan nilai-nilai data
yang menggambarkan
perubahan secara bertahap
dari waktu ke waktu.
10
0
Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt Nov Des
Capaian : (garis) warna merah : belum mencapai standar
(garis) warna hijau : sudah mencapai standar
Control Chart (Diagram kendali)
Merupakan diagram berbentuk grafik
yang digunakan untuk memantau
stabilitas dari suatu proses dan
mempelajari perubahan proses dari
waktu ke waktu.
Tujuan utama dari penggunaan control
chart adalah untuk mengendalikan
proses pelayanan sehingga dapat
menghasilkan kualitas yang unggul
dengan cara mendeteksi penyebab
variasi dan untuk mengurangi variasi
yang terdapat dalam proses sehingga
menghasilkan proses yang stabil.
Control chart paling sering digunakan untuk indikator proses dan merupakan alat pengendali
mutu yang lebih sensitif dibanding run chart. Fokus dari control chart adalah bukan pada trend
melainkan pada variasi proses.
Oleh karena itu, control chart memiliki upper line (garis atas) untuk upper control limit /UCL
(batas kontrol tertinggi), lower line (garis bawah) untuk lower control limit/LCL (batas control
terendah) dan central line (garis tengah) untuk average (rata-rata).
Control chart cocok untuk indikator yang memiliki nilai nilai batas bawah dan batas atas
standar seperti: ALOS (6 s.d. 9 hari), BOR (60 s.d. 85%), TOI (1 s.d. 3 hari), suhu lemari
pendingin untuk penyimpanan obat (2-8oC).
 Contoh Diagram Pareto
Pareto Diagram (Diagram Pareto) Penyebab Lamanya Waktu Tunggu Rawat Jalan >60menit
RSUP Dr. Hasan Sadikin Bandung, Januari 2017
45 42 100% 1
Adalah grafik batang vertikal dengan 40
94%
0.9
86%
batang tersusun dari yang terpanjang 35 0.8

pada sebelah kiri dan bergerak 30

30 72% 0.7

berturut-turut menuju batang yang 25

0.6
0.5
terpendek di sebelah kanan. 20 42% 0.4
15 14
0.3
Masing-masing batang menggam- 10 8
6 0.2
barkan jumlah/frekuensi dari masalah 5 0.1

atau penyebab spesifik suatu masalah. 0 0

Pengiriman Dokter datang Jumlah dokter Jumlah kamar Lain-lain
rekam medis ke terlambat kurang pemeriksaan
klinik lama kurang

Jumlah Persen Kumulatif

Dalam aplikasinya, diagram Pareto sangat bermanfaat dalam menentukan dan

mengidentifikasi prioritas permasalahan/penyebab masalah yang akan diselesaikan.
Permasalahan/penyebab masalah yang paling banyak dan sering terjadi adalah prioritas
utama untuk diselesaikan/ dicarikan solusinya.

Dari diagram Pareto di bawah terlihat bahwa hanya dengan menyelesaikan dua
masalah/penyebab masalah yang jumlah/frekuensinya paling banyak, yaitu dokter datang
terlambat dan penyimpanan rekam medis yang tidak sistematis, masalah dapat terselesaikan
sebesar 69%.
Mencapai dan Mempertahankan Perbaikan

1. Informasi dari analisis data dipergunakan

untuk mengidentifikasi potensi perbaikan
atau menurunkan atau mencegah kejadian
tidak diharapkan (KTD).

2. Perbaikan dilakukan dengan menggunakan

siklus PDSA.
 SIKLUS PDSA
(Siklus Untuk Melakukan Pebaikan Secara Terus Menerus,
Besterfield D, at.all 2003. TQM)
 
Fase 1: Identifikasi Peluang
a. Identifikasi Masalah
b. Bentuk Tim, bila perlu Fase 2: Analisis Proses Saat Ini
c. Menetapkan Cakupan a. Buat diagram alur
(Scope) b. Tentukan penyebab masalah pada
Fase 7 proses
Melaksanakan terus perbaikan yang c. Tetapkan target indikator kinerja
sudah distandarisasi.
Fase 3: Kembangkan solusi yang optimal
a. Tetapkan apa yang akan dilakukan
Fase 6
(solusi) untuk meng-hilangkan
Bila uji coba solusi/perbaikan berhasil,
penyebab masalah
dilakukan standarisasi solusi/ perbaik-
b. Bila terkait dengan proses:
an.
membuat proses baru,
 
menggabungkan beberapa proses
yang berbeda, atau memodifikasi
proses yang sudah ada
Fase 5: Pelajari hasil c. Melakukan evaluasi atau pengujian
terhadap solusi
a. Monitoring dan evaluasi efektifitas
 
solusi/perbaikan
b. Pengumpulan data dan analisis data.
c. Membandingkan hasil dengan target yang
ditetapkan
Fase 4: Implementasikan solusi
d. Pengukuran perubahan proses dengan: run
a. Menyiapkan implementasi rencana,
chart, control chart, Pareto diagram, histogram,
b. Memperoleh persetujuan (bila diperlukan),
check sheet, atau kuesioner
c. Melaksanakan perbaikan proses.
e. Bila masih ditemukan masalah, perlu
d. Melakukan monitoring
mengulang kembali langkah-langkah PDSA
 CONTOH FISHBONE DIAGRAM UNTUK WTRJ

(ISHIKAWA ATAU CAUSE AND EFFECT DIAGRAM)

Untuk mencari penyebab masalah (kepala ikan= masalah, tulang ikan: penyebab masalah)

Penyebab Masalah
Lingkungan Prosedur
Terlalu banyak
Jumlah kamar pemeriksaan Pengiriman rekam medis pasien pekerjaan tulis
kurang ke klinik lama menulis
Lokasi lemari suplai untuk
Verifikasi BPJS lama
Lemari obat terkunci, harus pemeriksaan jauh.
memerlukan waktu yang lama
untuk mencari kunci Pendaftaran terlalu lama
Waktu Tunggu Rawat
Jalan > 60 Menit (100
Pasien yang tidak terjadwal Jumlah perawat menit)
Pemeliharaan kurang kurang
Pasien datang lebih
awal dari jadwal
Tidak tersedia kursi Jumlah dokter kurang
Pasien datang
roda
terlambat dari Dokter datang
jadwal
terlambat
Peralatan SDM
 Diseminasi Hasil
1. Hasil analisis dan perbaikan mutu dilaporkan
kepada mereka yang bertanggung jawab untuk
menindaklanjutinya:
a. Kepala Unit
b. Komite Mutu dan Keselamatan Pasien
c. Direktur/Direktur Utama

2. Hasil analisis dan perbaikan didisiminasikan/

dikomunikasikan kepada seluruh staf yang terkait.
 Cara Diseminasi Hasil
Hasil analisis atau perbaikan didesiminasikan/
dikomunikasikan secara berkala melalui:
1. Quality board (papan informasi indikator mutu) unit
2. Rapat berkala dengan staf.
3. Website rumah sakit
4. Hospital intranet
5. Newsletter/majalah rumah sakit
TERIMA KASIH