PEMANFAATAN DATA DALAM MANAJEMEN

PUSKESMAS

PUSAT DATA DAN INFORMASI

KEMENTERIAN KESEHATAN
REPUBLIK INDONESIA
 Topik Bahasan
• Konsep Ukuran Statistik
• Sumber Data dan Informasi
• Menjaga Kualitas Data (Rutin)
• Analisis dan Pemanfaatan Data
KONSEP UKURAN STATISTIK
 Frekuensi
 Proporsi
 Rasio
 Rate (Insidens, Prevalens, Attack)
FREKUENSI:
# Ukuran frekuensi menggambarkan karakteristik kejadian suatu penyakit atau
masalah di dalam populasi.
# Ukuran frekuensi mengukur kejadian penyakit, cacat, ataupun kematian pada
populasi.

PROPORSI :
• Disebut pula sebagai distribusi proporsional, yaitu persentase (proporsi) di
antara jumlah keseluruhan peristiwa/kejadian dari suatu seri data yang
muncul dalam suatu kategori seri data termaksud.

Rumus:
Proporsi = x/y * k
x = jumlah kejadian atau penderita dan lain-lain, yang timbul dalam suatu kategori atau subgrup tertentu dari suatu
kelompok yang lebih besar.

y = jumlah keseluruhan dari kejadian atau penduduk dan lain-lain muncul pada semua kategori dari suatu seri data
tertentu.

k = selalu sama dengan 100.

RASIO:
• Rasio adalah suatu ukuran frekuensi relatif terjadinya suatu peristiwa/kejadian
dibandingkan dengan frekuensi peristiwa/kejadian yang lain (perbandingan
antara suatu nilai dengan nilai yang lain).

• Rasio dapat juga menunjukkan tingkat hubungan atau keterkaitan antara suatu
variabel lainnya dan menunjukkan sesuatu arti tertentu.

Rumus:
Rasio =x/y * k

x = jumlah kejadian, orang, dan lain-lain yang memiliki satu atau lebih ciri-ciri tertentu
y = jumlah kejadian, orang yang memiliki satu atau lebih ciri-ciri tertentu, namun ciri tersebut
berbeda dengan ciri-ciri kelompok X
k=1
RATE:
• Rate adalah suatu ukuran frekuensi suatu peristiwa/kejadian pada suatu
populasi tertentu, baik pada suatu saat maupun selama periode waktu tertentu.

Rumus:
Rate = x/y * k

x= jumlah orang di dalam suatu kelompok masyarakat tertentu (berdasarkan waktu, tempat, dan
orang) yang mengalami suatu kejadian (kasus) selama periode tertentu.

y= jumlah orang dalam suatu kelompok masyarakat tertentu selama jangka waktu yang sama dengan
munculnya kasus. Biasanya populasi ini diambil dari jumlah populasi pada pertengahan jangka waktu tertentu.

k= suatu angka konstanta yang biasanya dibuat sehingga rate yang terkecil yang dapat dipakai dalam
perhitungan paling kurang satu desimal (4,2/1000 bukan 0,42/1000)
Contoh ANGKA INSIDEN :

Jumlah penderita baru campak umur <15 tahun yang berobat ke Puskesmas A
tahun 2014 adalah 20 penderita.Jumlah penduduk berumur <15 pada wilayah
Puskesmas A adalah 1200 orang.

Maka incidence rate (angka insiden) di wilayah Puskesmas A pada tahun 2014
adalah:

= (20 penderita baru campak berobat umur <15 tahun)/(1200 penduduk

berumur <15 tahun) x 1000

= 17 penderita per 1000 penduduk < 15 tahun

ANGKA PREVALENS:

Jumlah penderita HIV pada penduduk dewasa umur >15 tahun di Kabupaten A
sampai bulan Desember 2013 adalah 20 penderita. Selama tahun 2014 ada
penambahan 3 kasus baru HIV pada penduduk dewasa umur >15 tahun. Jumlah
penduduk berumur > 15 di Kabupaten A adalah 1200 orang.

Maka prevalence rate (angka prevalensi) HIV di Kabupaten A pada tahun 2014
adalah:

= (20 penderita lama HIV + 4 penderita baru HIV umur >15 tahun)/(1200 penduduk
berumur >15 tahun) x 1000
= 20 penderita per 1000 penduduk > 15 tahun

Sedangkan incidence rate HIV di Kabupaten A pada tahun 2014 adalah:

= (4 penderita baru HIIV umur > 15 tahun)/(1200 penduduk berumur > 15 tahun) x
1000

= 3 penderita per 1000 penduduk >15 tahun

ANGKA KEFATALAN:

Jumlah penderita HIV pada penduduk dewasa umur >15 tahun di Kabupaten A sampai
bulan Desember 2013 adalah 20 penderita. Selama tahun 2014 ada penambahan 3
kasus baru HIV pada penduduk dewasa umur >15 tahun. Jumlah penduduk berumur
>15 di Kabupaten A adalah 1200 orang.Selama tahun 2014 ada 4 penderita HIV yang
meninggal.

Maka case fatality rate HIV di Kabupaten A pada tahun 2014 adalah:

= (4 penderita HIV umur>15 tahun yang meninggal)/(24 total penderita HIV

berumur>15 tahun) x 100%

= 17 kematian per 100 penderita HIV

ANGKA SERANGAN:

Selama tiga bulan terjadi wabah kolera di desa Warna Sari, Kecamatan Belimbing. Dari
3800 penghuni desa tersebut, 162 diantaranya terserang kolera.

Insiden kumulatif (angka serangan)=162/3800 = 0.043 = 4.3%

SUMBER DATA DAN INFORMASI
Sumber Data & Informasi
SURVEY B Dashboard
(Community based) A Termasuk
-Peta GIS-

N DataPimpinan

Fasilitas Kesehatan
K Analisis
-16 tools WHO
- dll

D
A Reports
-MDGs
-IKU
T -INPRES
-SPM
(Facility based) A -Profil
 Community Based Vs Facillity Based
• Community Based: • Facility Based:
# Bisa Sampling #
Error atau Non Sampling Under Reported
Error. # Laporan Bulanan,
Triwulanan atau Tahunan.
# Riskesdas,Podes # Profil Kesehatan,
Susenas, SP, SDKI. Standart Pelayanan
# Update Minimal.
Interval tahun (3 th, 5 th, #
10 th). # Update bulanan, tahunan.
Individual atau Agregat RT
. #
MENJAGA KUALITAS DATA (Rutin)
 BRAINWARE
(PENGUKUR)

DATA YANG
BAGUS

HARDWARE SOFTWARE
(ALAT) (METODE)
Prinsip Umum Menjaga Kualitas Data
LO
GIC
AL

CH
ECK

PENGOLAHAN INFORMASI
PULTA ANALISIS DATA (HASIL)
DATA

Editing P
M
Koding K
Entry D
Cleaning R PERENCANAAN

ADVOKASI

MONEV

PROFIL – SPM
 Logical Check Analysis
• Antar Indikator Berbeda Program
• Antar Indikator Satu program
• Antar Indikator berbeda Sumber Data #)
 (Logical Check Analysis) Jumlah Bayi dan Jumlah Immunisasi, 2013

Jumlah Jlh bayi usia Imm dasar logical

provinsi Jumlah bayi KN1 KN lengkap BCG HB0 DPT/HB1
Bulin 6-11 bln lengkap analisis

103.971 95.582 91.685 89.678

ACEH 98.934 108.836 81.863 89.918 81.797
283.624 240.673 193.479 278.768
SUMUT 266.644 237.762 241.652 283.854 238.497
102.664 93.748 89.602 95.865
SUMBAR 95.180 102.654 84.759 95.318 87.684
131.002 118.932 114.696 128.439
RIAU 127.525 142.322 102.690 129.714 114.936
72.383 64.142 62.722 70.907
JAMBI 69.208 74.498 63.115 72.628 62.329
174.935 164.664 161.338 160.835
SUMSEL 156.943 174.920 142.164 162.931 139.369
34.620 31.466 30.290 36.518
BENGKULU 32.259 38.939 30.635 36.177 32.623
168.996 156.155 150.521 158.337
LAMPUNG 160.579 159.072 136.765 158.809 150.665
tidak
27.698 27.245 26.167 171.592 logis
BABEL 26.038 28.080 137.588 167.537 155.860
tidak
58.281 55.024 50.193 892.326 logis
KEPRI 43.268 51.445 824.937 704.226 745.684
tidak
150.408 148.895 141.841 571.370 547.634 logis
DKI JKT 141.304 174.263 571.009 556.612
tidak
949.392 884.680 850.592 47.934 47.315 logis
JABAR 911.708 1.011.320 35.396 43.722
 K1, K4 vs Fe1, Fe3
Per Puskesmas Di Banjar Baru
 Balita Banjar Baru: Giburkur, 2014
• Jumlah Balita : 20.871
• Di timbang : 17.226
• Tidak Ditimbang = 3.645
# BGM = 122 ; Gibur = 2;
• Giburkur terlaporkan = 124 balita.

• Riskesdas: 9,85 % x 20.871 = 2.055 balita

• Tak terlaporkan = 2.055 – 124 = 1.931 Balita

• Bisakah 1.931 Balita Giburkur tak terlaporkan

BERSEMBUNYI di 3.645 Balita tak ditimbang ??
 Balita Giburkur per Puskesmas di Banjar
Baru, 2014
NO PUSKESMAS Jml. Balita Balita Laporan RKD Kekurang
. Timbang Giburkur (9.8%) annya

1. Banjar Baru 2.600 2.278 18 256 238

2. Sungai Besar 1.845 1.773 9 180 171
3. Cempaka 2.942 1.359 18 288 270
4. Guntung 5.379 4.331 8 527 519
Payung
5. Landasan Ulin 2.367 2.123 35 231 196
6. Liang Anggang 1.262 1.231 20 123 103
7. Banjar Baru 2.825 2.602 12 276 264
Utara
8. Sungai Ulin 1.651 1.529 4 161 157
 Jml. Lahir Hidup vs Jumlah Bayi
NO. PUSKESMAS JML. LHR JML. BAYI KETERANGAN
HIDUP
1. Banjar Baru 567 572
2. Sungai Besar 329 346
3. Cempaka 516 594
4. Guntung Payung 1.226 1.134 Non logik
5. Landasan Ulin 500 543
6. Liang Anggang 309 306 Non logik
7. Banjar Baru Utara 835 632 Non logik
8. Sungai Ulin 364 388
Jumlah Kematian Neonatal_Balita di Banjar
Baru Kalsel, 2014
NO. PUSKESMAS Neonatal Bayi Anak Balita Balita
1. Banjar Baru 4 0 0 0
2. Sungai Besar 0 0 0 0
3. Cempaka 3 0 0 0
4. Guntung Payung 4 0 0 0
5. Landasan Ulin 6 0 0 0
6. Liang Anggang 3 1 1 0
7. Banjar Baru Utara 3 4 1 0
8. Sungai Ulin 4 0 0 0
Jumlah 27 5 2 0

Data Jumlah Kematian 100 % Tidak Logik.

 Penilaian Kualitas Data Melalui PMKDR
Penilaian Mandiri Kualitas Data Rutin (PMKDR) adalah suatu metode yang dirancang untuk staf
pengolah data program kesehatan pada tingkat nasional, provinsi, atau kabupaten/kota
dalam menilai kualitas data rutin dan meningkatkan kualitas data.
 Akurasi Data Capaian CNR TB
80 %

2 SD

Konsistensi capaian indikator : Rasio capaian Konsistensi antar indikator : Rasio evaluasi
CNR TB tahun 2011 terhadap kasus TB (semua tipe) terhadap kasus TB
capaian 3 tahun terakhir (2008-2010) (semua tipe) yang diobati

Contoh Hasil PMKDR : Telaah Laporan Rutin

33 %

Konsistensi Eksternal Data

Sasaran Program

Konsistensi Cakupan K1 Data Rutin

dengan Hasil Survei
 ANALOGI PADA PUSTU: AKURASI DATA

Pustu % Linakes Rata2 -1SD -2SD -3SD +1SD +2SD +3SD

Pustu A 65 68.67 65.72 62.78 59.83 71.61 74.55 77.50
Pustu B 70 68.67 65.72 62.78 59.83 71.61 74.55 77.50
Pustu C 66 68.67 65.72 62.78 59.83 71.61 74.55 77.50
Pustu D 73 68.67 65.72 62.78 59.83 71.61 74.55 77.50
Pustu E 68 68.67 65.72 62.78 59.83 71.61 74.55 77.50
Pustu F 70 68.67 65.72 62.78 59.83 71.61 74.55 77.50

80.00

75.00

70.00

65.00

60.00

55.00

50.00
Pustu A Pustu B Pustu C Pustu D Pustu E Pustu F
ANALISIS dan PEMANFAATAN DATA
PERAN DATA DALAM SIKLUS PERENCANAAN DAN MONEV
 Analisis Data dan Pemanfaatannya

A. PERENCANAAN – MONEV – ADVOKASI

B. PENGHITUNGAN AKI-AKB BERBASIS DATA RUTIN
TUJUAN ANALISIS DATA
 DATA:
Keterangan berbentuk angka atau
huruf
 ANALISIS
Memilah bahan/materi sampai ke
bagian terkecil yang akan dipelajari

 PEMANTAUAN: bandingkan dg rencana kerja

 EVALUASI: bandingkan dg tujuan program

 ANALISIS DATA LEBIH LANJUT/MENDALAM?

32
DATA vs VARIABEL
 Variabel: CONTOH:

Karakteristik yang GENDER

diteliti atau diamati Laki
yang nilainya Perempuan
bervariasi

 Data: 1. Laki
2. Laki
Nilai dari variabel
3. Perempuan
yang diteliti hasil dari 4. Laki
pengukuran atau 5. Perempuan
6. ......
pengamatan 7. Dst
33
UNIT ANALISIS
Puskesmas Kasus Diare
1 1 diare
1
1
2
3
tidak
tidak Individu
1 4 tidak
1 5 diare

Puskesmas Diare -
prevalensi
1
2
40%
15%
Agregat
3 20%
4 25%

34
 TEKNIK ANALISIS DATA
SECARA UMUM
Berdasarkan Skala variabel
 Untuk membedakan individu satu dg yg lain

 NOMINAL beda
 ORDINAL beda, urut
 INTERVAL beda, urut, besar-beda
 RASIO beda, urut, besar-beda,
kelipatan

35
SKALA VARIABEL

SKALA UKUR CONTOH

NOMINAL Beda Gender:
laki, perempuan
ORDINAL Beda, Urutan Tingkat Pendidikan:
SD, SMP, SMA
INTERVAL Beda, Urutan, Suhu:
Besar beda derajat Celsius
RASIO Beda, Urutan, Berat-badan bayi
Besar beda, dalam gram
Kelipatan
36
 TEKNIK ANALISIS DATA
BERDASARKAN SKALA VARIABEL
 Skala variabel: Numerik (Interval atau
Rasio) dan Kategorik (Nominal atau
Ordinal)
 Analisis satu variabel

SKALA UKURAN PUSAT UKURAN VARIASI

Numerik Mean, median, Simpang-baku,
modus kisaran (min-
maks),
P25-P75 (IQR)
Kategorik
37
 TEKNIK ANALISIS DATA
BERDASARKAN SKALA VARIABEL
 Analisis dua variabel

SKALA Numerik Kategorik

Numerik Koef. Korelasi K=2
Persamaan Regresi Uji T (parametrik)
Linier sederhana, K>2
Anova, MLA Uji Oneway-Anova

Kategorik Uji Chi-kuadrat

38
PEMANFAATAN PERENCANAAN:

# Jumlah penduduk, kelahiran, kematian, jumlah target sasaran kegiatan,

sarana, dan informasi umum lainnya yang mendukung upaya kesehatan.

# Data pola penyakit dan distribusi penyakit menurut tempat, waktu, dan orang
(umur, jenis kelamin, dll) dari kartu individu, register, dan Laporan Bulanan
Kesakitan.

# Data peralatan seperti, permintaan dan pemakaian obat-obatan dari Laporan

Pemakaian dan Lembar Permintaan Obat (LPLPO).

# Data cakupan kegiatan dihitung dari hasil kegiatan pokok Puskesmas

bersumber dari laporan Laporan Bulanan Puskesmas.
Untuk Keperluan MONEV :
 Jumlah Kasus Kesakitan pada Anak Balita (12-59 bl)
di Kec. X, Kab Y Tahun 2014
Pnemoni Diare Campak Difteri Malaria

804

623
599
577
546
479
428
346

147
122
85 80 76 76 68
43 53 55
0 0 1
0 0 0 0 0 0 0 1
0 0 0
JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC
Analisis Continum of Care:
Missed Opportunity
UNTUK ADVOKASI / PERENCANAAN

K1, K4 vs Fe1, Fe3

Per Puskesmas Di Banjar Baru
(Bisa dianalogikan ke DESA)
 UNTUK PENGHITUNGAN AKI-AKB:

Jumlah Kematian Neonatal_Balita di Banjar Baru

Kalsel, 2014 (Bisa di analogikan ke DESA)
NO. PUSKESMAS Neonatal Bayi Anak Balita Balita
1. Banjar Baru 4 0 0 0
2. Sungai Besar 0 0 0 0
3. Cempaka 3 0 0 0
4. Guntung Payung 4 0 0 0
5. Landasan Ulin 6 0 0 0
6. Liang Anggang 3 1 1 0
7. Banjar Baru Utara 3 4 1 0
8. Sungai Ulin 4 0 0 0
Jumlah 27 5 2 0

Data Jumlah Kematian 100 % Tidak Logik.

 Balita Giburkur per Puskesmas di Banjar
Baru, 2014
NO PUSKESMAS Jml. Balita Balita Laporan RKD Kekurang
. Timbang Giburkur (9.8%) annya

1. Banjar Baru 2.600 2.278 18 256 238

2. Sungai Besar 1.845 1.773 9 180 171
3. Cempaka 2.942 1.359 18 288 270
4. Guntung 5.379 4.331 8 527 519
Payung
5. Landasan Ulin 2.367 2.123 35 231 196
6. Liang Anggang 1.262 1.231 20 123 103
7. Banjar Baru 2.825 2.602 12 276 264
Utara
8. Sungai Ulin 1.651 1.529 4 161 157
 % ANGGARAN KESEHATAN
DIBANDING TOTAL APBD,2013 (bisa sebagai Ref. analogi ke DESA)

NO. KABUPATEN / KOTA % ALOKASI PER KAPITA DELTA IPKM

(Cakupan
Program)
1. KARIMUN 4,24 % 203.617 0,207 (f)

2. BINTAN 9,57 % 566.626 0,254 (c)

3. NATUNA 3,55 % 1.047.253 0,271 (b)

4. LINGGA 7,3 % 713.166 0,289 (a)

5. BATAM 9,27 % 105.862 0,218 (e)

6. TANJUNG PINANG 13.19 % 482.664 0,174 (g)

7. KEP. ANAMBAS 8,09 % 2.404.065 0,246 (d)

 TERIMAKASIH

Email: didik.budijanto@kemkes.go.id
didikb2001@yahoo.com
dbudijanto@gmail.com

HP: 081295442229 / 081803157599