PENGUMPULAN,

ANALISA, DAN
VALIDASI DATA
PELATIHAN PENGUMPULAN, ANALISA DAN VALIDASI DATA
RSPBK
NOVEMBER 2018
STATISTIK…..?

• Angka atau data

• Sekumpulan konsep dan metode untuk mengumpulkan data tentang suatu
kegiatan tertentu dan mengambil kesimpulan dalam situasi diamana ada
ketidakpastian dan variasi.
• Kumpulan fakta berbentuk angka, disusun dalam tabel/ grafik yang
menggambarkan suatu persoalan.
TUJUAN STATISTIK

• Menjawab permasalahan
• Membuktikan dugaan yang belum terbukti
• Meringkas data sehingga data menghasilkan informasi
PENGGOLONGAN STATISTIK

1. Statistik Deskriptif
Untuk menggambarkan atau menganalisa hasil penelitian, tapi tidak digunakan untuk membuat
kesimpulan yang lebih luas.

2. Statistik Inferensial
Untuk menganalisa sampel dan hasilnya digeneralisasi untuk populasi dimana sampel diambil.
Terdiri dari 2:
a.Statistik Parametris: Untuk menganalisa data interval atau ratio yang diambil dari populasi
berdistribusi normal.
b.Statistik Non Parametris: untuk menganalisa data nominal/ordinal yang diambil dari populasi
yang berdistribusi bebas.
PEMBAGIAN DATA

• Data Kategorik/ Kualitatif

- Data hasil pengklasifikasian/ penggolongan suatu data.
- Ciri: data berupa kata-kata
- Contoh: jenis kelamin, jenis pekerjaan, dll
- Berisi variable skala nominal dan ordinal
- Misal: kurus, sedang, gemuk
PEMBAGIAN DATA

• Data Numerik/ Kuantitatif

-Hasil dari suatu pengukuran (kontinu) dan perhitungan (diskrit)
-Ciri: isi variabel berupa angka
-Berisi skala interval dan ratio
-Misal: <45kg, 45-50kg, >50kg
SKALA PENGUKURAN

• Nominal
-diperoleh atas dasar proses penggolongan, menghitung dan membilang
-contoh: jenis kelamin, kehadiran, jabatan, dll
• Ordinal
-data berjenjang/ berbentuk peringkat
-missal: juara, tingkat Pendidikan, golongan
SKALA PENGUKURAN

• Interval
-pengukuran bersifat kontinyu
-mengurutkan objek berdasarkan suatu atribut, memberi informasi tentang interval
-tidak memiliki 0 absolut
• Rasio
-data yang jaraknya sama tapi memiliki nilai 0 absolut
TAHAP KEGIATAN STATISTIK

1. Pengumpulan Data
2. Pengolahan Data
3. Analisa dan Penyajian Data
4. Penarikan Kesimpulan
1. PENGUMPULAN DATA

• Data merupakan himpunan angka yang merupakan nilai dari unit sampel kita sebagai
hasil mengamati/ mengukur
• 3 cara memperoleh data:
1. DATA PRIMER: diperoleh peneliti dari hasil pengukuran, pengamatan, atau survey.
2. DATA SEKUNDER: data dari pihak lain yang secara rutin mengumpulkan data (BPS).
3. DATA TERSIER: data dari orang/ badan/ instansi yang telah dipublikasikan dari pihak lain
dalam bentuk table, grafik, atau laporan penelitian.
PENGUMPULAN DATA (PMKP 7)

• Merupakan salah satu kegiatan program peningkatan mutu dan

keselamatan pasien pasien untuk mendukung asuhan pasien dan
manajemen rumah sakit agar lebih baik.
• Data meliputi; indikator mutu prioritas, indikator mutu unit,
insiden keselamatan pasien, monitoring kinerja staf klinis,
pengukuran budaya keselamatan.
METODE PENGUMPULAN DATA

• Wawancara
• Observasi
• Kuesioner/ Angket
• Studi Dokumen
LANGKAH LANGKAH PENGUMPULAN DATA

• Penanggung jawab pengumpul data mencatat data kedalam formulir sensus

harian atau input data ke dalam system IT
• Data direkapitulasi dan di Analisa dalam bentuk grafik melalui system IT
• Interpretasi data
• Lakukan perbaikan untuk peningkatan mutu
• Membuat laporan dari unit ke komite PMKP sesuai SOP di RS.
2. PENGOLAHAN DATA

• Suatu proses untuk memperoleh data berdasar suatu kelompok data mentah sehingga
menghasilkan informasi yang diperlukan.
• Ada 5 tahap:
1. Editing/ Memeriksa
2. Coding
3. Processing
4. Cleansing
5. Mengeluarkan Informasi
PENGOLAHAN DATA…

1. Editing; memeriksa daftar pertanyaan yang telah diserahkan pengumpul data

(kelengkapan jawaban, tulisan dan relevansi jawaban)
2. Coding; untuk mempermudah analisa dan entri data
3. Processing; entri data ke system IT
4. Cleansing; cek data yang di entri
5. Mengeluarkan Informasi, sesuai tujuan penelitian
3. ANALISA DAN PENYAJIAN DATA

• Data diolah → dianalisa → diambil kesimpulan

• Tujuan:
1. Mengetahui komponen komponen yang mempunyai sifat menonjol dan punya nilai
ekstrim.
2. Membandingkan antara komponen dengan nilai rasio.
3. Membandingkan antara komponen dengan keseluruhan menggunakan nilai proporsi
(persentase) dan menyimpulkan.
ANALISA

• Analisa statistik deskriptif

- Menggambarkan dan meringkas data dalam bentuk table/ grafik
- Data yang disajikan: frekuensi, proporsi, rasio, ukuran pemusatan (mean, median, modus),
ukuran variasi (simpangan, varian, rentang)

• Analisa statistik inferensial

- Estimasi: penafsiran nilai parameter (interval batas atas- batas bawah)
- Pengujian hipotesis: membandingkan keputusan yang diambil melalui uji statistik
BAGAIMANA ANALISA DATA….?

• Analisa data melalui grafik sangat membantu memperlihatkan perubahan apakah menuju
perbaikan sesuai yang diharapkan
• Dapat menggunakan alat statistik:
• Run charts
• Control charts
• Histograms
• Pareto charts
ANALISA DATA

• RUN CHART sangat bermanfaat tergantung berapa banyak data

yang dikumpulkan, sangat sederhana dan mudah
diinterpretasikan
• CONTROL CHART merupakan cara Analisa hasil yang lebih
rumit dan memerlukan data yang lebih banyak
RUN CHART

• Harus dibuat pada awal kegiatan dan diupdate dengan data baru sesuai kegiatan
yang sedang berjalan.
• Merupakan grafik yang mengilustrasikan perubahan mutu dari waktu ke waktu.
• Pengukuran dilakukan pada titik tertentu dan dihubungkan dengan garis sehingga
membantu tim melihat apakah perubahan yang terjadi mengarah pada perbaikan.
• Merupakan alat untuk process improvement yang sederhana, kuat, dan mudah
digunakan.
RUN CHART…

• Dapat digunakan untuk mempelajari data pengamatan tren atau pola

selama periode waktu dan focus pada perubahan penting dalam proses.
Run chart dapat menentukan apakah suatu proses memiliki penyebab
umum atau variasi penyebab khusus. Hal ini penting karena proses selalu
berada pada satu diantara 4 fase berikut:
• Ideal: proses stabil
• Ambang batas: masih dapat diprediksi, walau tidak sesuai harapan
• Ambang kekacauan: tidak dapat diprediksi, tetapi hasil akhir masih sesuai harapan
• Kacau: tidak dapat diprediksi dan tidak sesuai harapan
CONTROL CHART

• Adalah grafik yang menggambarkan data dari waktu ke waktu, control

chart lebih spesifik daripada run chart karena dapat menilai apakah
suatu proses berada dalam kontrol atau tidak; garis kontrol atas
(UCL) dan garis kontrol bawah (LCL)
• Dapat dipresentasikan dalam beberapa bentuk:
• Persentase
• Rates
• Counts
• Individual values
HISTOGRAM

• Data ditampilkan dalam grafik.

• Mudah untuk melihat trend.
• Tidak ideal untuk analisis statistik
PARETO CHART

• Merupakan tool yang membantu tim melihat penyebab atau masalah yang paling sering
terjadi.
• Memperlihatkan aktifitas atau area yang berkontribusi paling buruk mutunya.
• Berbasis teori bahwa jumlah kecil penyebab akan memiliki kontribusi paling buruk
mutunya.
• Bila beberapa aktifitas berkontribusi paling besar pada masalah tersebut Pareto Effect.
• Classic pareto effect diamati bila 20% penyebab berkontribusi pada 80% semua masalah.
ANALISA DATA

• Sasaran dari analisis data adalah agar dapat dilakukan PERBANDINGAN

bagi RS melalui:
1. Dengan diri sendiri dalam waktu tertentu
2. Dengan RS lain yang sama seperti menggunakan data base referensi
3. Dengan standar, seperti ditetapkan oleh badan akreditasi, ikatan professional atau
menggunakan ketentuan yang ditetapkan Undang-undang atau peraturan.
4. Dengan praktek-praktek yang diakui di kepustakaan sebagai pedoman praktek yang
lebih baik atau paling baik.
4. PENARIKAN KESIMPULAN

• MENYIMPULKAN: untuk menentukan alternative pemecahan masalah

• MENOLAK HIPOTESIS:
- Nilai uji statistic > nilai table
- Nilai tingkat kemaknaan yang diperoleh P< alfa
• 2 KEMUNGKINAN
- Signifikan: ada hubungan, perbedaan, pengaruh pada taraf signifikansi tertentu
- Tidak signifikan: tidak ada hubungan, perbedaan, pengaruh sampel yang diteliti
VALIDASI
DATA
VALIDASI DATA

• Tujuan:
- Monitoring akurasi data yang dikumpulkan
- Verifikasi bahwa pengambilan data adalah konsisten dan
reproducible
- Verifikasi ekspetasi tentang volume data yang dikumpulkan
MEKANISME VALIDASI DATA

• Siapa yang melakukan:

- prinsip: validator adalah bukan pengumpul data/ tidak terlibat dalam proses
pengumpul data (orang kedua).

• Kapan dilakukan:
-Bila indikator klinik baru saja dikumpulkan (indikator baru)
-Bila ada perubahan sumber data, numerator, denumerator, definisi operasional, subyek
pengumpul data dirubah dan PIC pengumpul data.
PROSEDUR PENGAMBILAN SAMPEL

• Probability Sampling • Non Probability Sampling

1. Simple Random Sampling 1. Convenience/ Accidental
Sampling
2. Sistematik Random Sampling
2. Purposive Sampling
3. Cluster Random Sampling
3. Judgement Sampling
4. Cluster Random Sampling
4. Expert Sampling
5. Multistage Random
5. Quota Sampling
Sampling
DLL