GIRI WIDAGDO, S.Kp.

, MKM
Problem
- Kompleksitas Masalah
Kesehatan
- Perkembangan Teknologi
Informasi
1. Petugas tidak terjun kelapangan tapi
dibelakang meja data tidak akurat
2. Pengumpul data menggunakan data tidak up
to date
3. Data yang dikumpulkan tidak relevan dgn
masalah yang terjadi
4. Data yang dikumpulkan tidak respresentatif
thd populasi
5. Petugas tidak tahu cara, mengolah,
menyajikan, menganalisis dan
menginterpretasikan data dgn benar
6. Akses data/informasi yang lambat atau susah
7. Dalam pengambilan keputusan sipengambil
kebijakan tidak menggunakan data/informasi
yg sudah dilaporkan krn tidak yakin akan
keakuratan dan kebenaran data/informasi yg
dihasilkan
 Solusi :
Diperlukan Keahlian
- Statistik Kesehatan (Bostatistik)
- Informatika Kesehatan
Tantangan :
 Ketersediaan data yang akurat
 Keterampilan manajemen dan
analisis data yang memadai
 Keterampilan pengembangan sistem
informasi yang cepat
 Perlunya pengambilan keputusan yg didasari pada
pendekatan ilmiah (fakta empiris), maka perlu
penyediaan data dan informasi yg benar

 Syarat-syarat data yang baik ; AKURAT , memenuhi kriteria:

1. Valid : Ketepatan/kecermatan pengukuran, berarti
ketepatan antara data yg sesungguhnya dgn data
yg dikumpulkan peneliti, contoh; mengukur
waktu lomba lari cepat dgn jam tangan (akan
valid bila menggunakan stopwatch
2. Reliabel :konsisten dalam pengukuran,
contoh: bila hasil pengukuran
berwarna merah, maka hari ini
atau besok bila diukur tetap berwarna
merah
3. Objektif : menunjukkan derajat persamaan
persepsi antar orang, mis: orang
lain melihat suatu obyek
berwarna putih maka orang lainnya
juga menyatakan hal yg sama
 Sekumpulan konsep dan metode yang
digunakan untuk mengumpulkan dan
menginterpretasi data tentang bidang
kegiatan tertentu dan mengambil kesimpulan
dalam situasi dimana ada ketidakpastian dan
variasi
1. Penghitungan dan pengambilan sampel yang salah
2. Pengukuran yang salah, mis : eksklusif
3. Memasukkan data yang salah
4. Penyajian data yang salah
mis : tdk tepat memilih grafik, pembuatan tabel/grafik
yg salah atau double penyajian data
5. Melakukan analisis data yang salah
mis ; memilih uji statistik yg salah atau interpretasi
baca tabel yg salah
a. Untuk menguji validitas dan reliabilitas
instrumen
b. Menghitung besar sampel yang akan diteliti
c. Alat untuk mengolah data
d. Menganalisis data
e. Untuk menyajikan data
a. Mengukur status dan masalah kesehatan
b. Membandingkan status kesehatan
c. Monev suatu program kesehatan yang
dilaksanakan
d. Dapat mengestimasi kebutuhan pelayanan
kesehatan
e. Merencanakan progrram kesehatan
f. Untuk keperluan riset dan publikasi masalah
kesehatan, mis: analisis data dll
 TEORI

GENERALISASI HIPOTESA

STATISTIK

OBSERVASI
 Dataadalah himpunan angka-angka yang
merupakan nilai dari unit sampel kita
sebagai hasil dari mengamati /
mengukur.

 Data merup. bentuk jamak (plural) dari

kata “datum”. Jadi tidak ada istilah
“data-data”, cukup menyatakan “data”
saja.
 Berdasarkan sifat data:
1. Data diskrit: data dalam bentuk bilangan
bulat.
cth: jumlah anak dalam keluarga, jumlah
penderitapenyakit TBC.
2. Data kontinu: merupakan rangkaian data,
nilainya
dalam bentuk desimal. cth: Tinggi badan
(162,5 cm), berat badan (63,5 kg).
 Variabel : ciri individu yang dipelajari dan
diukur dan bentuknya memiliki nilai-nilai yg
bervariasi
 Jenis Variabel : menurut skala pengukuran ;
Nominal, Ordinal, Interval dan Rasio
• Dalammengumpulkan nilai dari
variabel perlu diketahui skala
pengukuran dari variabel
tersebut.
• Variabel adalah sifat yang akan
diukur atau diamati yang nilainya
bervariasi antara satu objek ke
objek lainnya.
• Ada 4 macam:
1. Nominal
2. Ordinal
3. Interval
4. Ratio
• Nilai dapat dibedakan/klasifikasi
pengamatan dapat dilakukan

• Nilainya sederajat
Contoh: Jenis Kelamin, Agama
 • Nilai dapat dibedakan

• Ada tingkatan/ urutan pengamatan

dapat dilakukan tapi belum ada jarak.
Contoh:
Pendidikan: SD, SMP, SMU
Status Ekonomi: Baik, Sedang, Kurang
•
 Nilai dapat dibedakan
 Ada tingkatan
 Ada jarak
Contoh: Suhu / temperatur
 20’C & 40’C (Panas 40’C bukan
berarti 2 x panas 20’C)
• Nilai dapat dibedakan
• Ada tingkatan
• Ada Jarak
• Sudah ada kelipatan
Contoh: Berat badan
 Berat 60 kg adalah 2 x
berat 30 kg
1. KATEGORIK :
Variabel hasil pengelompokkan /
pengklasifikasian/penggolongan
Ciri: isinya berbentuk kata-kata
Misal: sex : pria dan wanita
pekerjaan; PNS, TNI, swasta
umur : remaja, dewasa, tua dll
2. NUMERIK :
 Variabel hasil pengukuran atau penghitungan
Ciri : isinya berbentuk angka
Misal: umur: 23, 25. 40 ,25 dst…
tinggi badan : 150, 165, dst……
Jumlah anak: 3, 3, 5, 1, dst…
 Dapatdikatakan variabel kategorik bila variabel
numerik tapi sudah dikelompokkan datanya, mis:
Berat badan dgn kelompok Kurus (<50 kg)-
sedang (50-60kg) – gemuk (> 60 kg)
Umur agama bb sex umur1 bb1
45 2 60 1 2
3
34 4 72 1 2 1
23 1 65 2 1 2
34 3 56 1 3 4
Dst ……

Umur : numerik
Agama : katagorik (koding: 1=islam, 2=kristen, 3=katolik,
4=hindu)
Bb : numerik
Sex : katagorik (koding: 1=pria, 2=wanita)
Umur1 : katagorik (koding: 1= <20th (remaja), 2= 20-30 th
(dewasa), 3= >30 th (tua))
Bb1 : katagorik (koding: 1=<60 kg, 2=60-70 kg, 3=70-80
kg, 4= >70kg)