ANALISIS DAN

INTERPRETASI DATA
Surveilens Kesehatan Masyarakat
TUJUAN PELAJARAN
• Mendeskripsikan pendekatan epidemiologis pd analisis surveilens
• Mendeskripsikan pendekatan praktis pd analisis surveilens
• Menyajikan data surveilens mnrt waktu,tempat,orang
• Mendeksripsikan konsep rates dan standardisasi rates
• Mendeskripsikan pendekatan pd eksplorasi analisis data
• Mendemonstrasikan kegunaan grafik,dan peta (map)
• Mendeskripsikan interpretasi yg sistematik dr data surveilens
Pertimbangan dalam Analisis data surveilens
• Mengetahui kesatuan karakteristik yang tidak biasa dari susunan data
• Melakukan dari yang paling sederhana ke yang paling kompleks
• Menyadari bila ketidaktepatan dalam data tidak memungkinkan
analisis yang canggih
Konsep kunci penentu akurasi data
surveilens
Reliabilitas
• Apakah suatu kondisi penting
dilaporkan secara konsisten oleh
pengamat yang berbeda-beda?
Validitas
• Apakah kondisi yang penting
seperti yang dilaporkan
mencerminkan kondisi yang
sesungguhnya terjadi?
 Orang

Parameter
epidemiologik Tempat
dasar
Waktu
Analisis data menurut orang
• Variabel yang mungkin:
• Umur
• Jender
• Ras atau etnis
• Status perkawinan
• Pekerjaan
• Tingkat pendapatan dan pendidikan
Analisis data menurut tempat
• Dimana pemajanan terjadi,bukan darimana pemajanan dilaporkan
• Memungkinkan identifikasi sumber-sumber pencegahan sebagai sasaran
secara efektif
• Menggunakan komputer dan perangkat lunak pemetaan yang
memungkinkan untuk analisis yang canggih
• Perkotaan vs pedesaan (urban vs rural)
• Pemukiman vs non pemukiman
• Domestik vs asing
• Di dalam vs di luar
• Institusi vs non institusi
Analisis data menurut tempat (lanjutan)
• Perbedaan luas geografik
• Hambatan alamiah ; gunung,sungai, pohon, laut,garis politik(demarkasi)
• Perbedaan lokasi
• Pemetaan faktor lingkungan
• Perbedaan urban dan rural
• Perbandingan internasional
• migrasi
• Variasi dalam institusi tunggal
Analisis data menurut waktu
• Membandingkan jumlah laporan kasus yang diterima selama interval
waktu tertentu
• Membandingkan jumlah kasus untuk periode saat ini dengan jumlah
yang dilaporkan dalam interval yang sama selama periode waktu
sebelumnya
• Cara umum untuk menggali variabilitas waktu adalah memplot data ke
bentuk kurve epidemik
• Variasi jangka pendek:
• Sporadik (kejadian jarang tanpa keteraturan)
• Endemis (kejadian dapat diprediksi hanya dengan sedikit atau fluktuasi yang
dapat diprediksi)
Variabel waktu
• Variasi jangka pendek:
• Epidemik
• Common source,point of source =
point epidemic:kejadian jelas
meningkat pd suatu
waktu,kemudian menurun ke arah
normal secara cepat
• Propagated;kejadian jelas
meningkat dg kelanjutan
peningkatan dlm suatu waktu
Variabel waktu
• Jangka pendek:
• Pandemik (kejadian penyakit hampir meliputi semua benua)

 Fluktuasi jangka panjang

 Perubahan siklik (fluktuasi periodeik:musiman atau tahunan)
Variasi kecenderungan jangka panjang (secular trends)
Contoh variabel waktu
• Waktu pengamatan
• Harian
• Perbedaan musiman
• Waktu sejak diagnosis
• Waktu sejak kausal beraksi
• Waktu survival (berjuang hidup,berlangsung hidup)
• Waktu kalender
• Umur (waktu sejak lahir)
• Siklus fisiologik dan siklus hormonal
Interaksi antara waktu,tempat
dan orang
• Interaksi dapat mengaburkan pola
penyakit dan cedera
• Sifilis dalam tahun 1980-an
 Numerator: Jumlah kejadian
dari suatu peristiwa selama
Rate&Frekuensi waktu tertentu
suatu peristiwa
(event) Denominator: Jumlah
populasi dimana peristiwa
terjadi
Rasio,Proporsi & Rate
Rasio:berbagai angka yg diperoleh dengan pembagian satu kuantitas dengan kuantitas yang
lain, misal: rasio pria dan Wanita di kelas A rumus: X: Y

Proporsi:tipe khusus rasio yang numeratornya bagian (subset) dari suatu populasi
denominator, contoh proporsi pria di kalangan mahasiswa kesehatan.
Rumus : (x/ x+y) *100%

Rate: mungkin suatu proporsi atau mungkin dibatasi dalam suatu ruang lingkup. Misal insiden
rate.Rumus: kasus baru per 1000 penduduk
Manfaat rate dalam epidemiologi

1 2 3
Merumuskan dan Mengidentifikasi faktor Menyiapkan
menguji hipotesis risiko penyakit dan perbandingan yang
tentang sebab akibat cedera valid dalam atau
diantara populasi
selama waktu tertentu
 Crude rates:mendeskripsikan
suatu populasi

Jenis-jenis Specific rates:menjelaskan

perbedaan diantara subpopulasi
rates dan kesatuan populasi

Standarisasi
rate:menstandarisasi rate ketika
membandingkan populasi
 Bila angka specific rates
dalam populasi studi tidak
Kapan harus tersedia
menggunakan
standardisasi Bila angka yang begitu kecil
tak langsung? dalam kategori strata yang
datanya tidak dapat
dipercaya
 Specific rates untuk populasi yang dipilih

Data yang harus

Distribusi untuk populasi studi melalui strata
tersedia untuk yang sama seperti yang digunakan dalam
menggunakan perhitungan specific rates

standardisasi tidak
langsung terhadap Crude rate untuk populasi studi

suatu rate:
Crude rate utk populasi standar
 Dapat menstandardisasi untuk variabel
perancu (konfounding)

Menyediakan pengukuran yang mudah

untuk dibandingkan
Keuntungan
menstandardisasi Mempunyai standar error yang lebih kecil
dari specific rates
rate
Lebih akurat dan stabil daripada specific
rates

Lebih tersedia untuk kelompok tertentu

Kerugian menstandardisasi rate

Besarnya adalah
Mgkn dapat
buatan (angka fiktif)
menyembunyikan
bergantung dari
perbedaan
populasi standar
Analisis rate

Hitung crude rate

Hitung specific rates yg sesuai

Pilih populasi standar (jika layak)

Presentasikan informasi dgn menggunakan tabel atau peta (map)

Terapkan prosedur statistik (uji z, parameter Poison,metode time series)

Eksplorasi Analisis Data (EAD)

Menyediakan langkah awal dlm analisis

Menyediakan enumeratif,membuat grafik penemuan

Meminimkan asumsi

Memungkinkan data utk memotivasi analisis

Mengkombinasikan deskripsi yg mudah dg pengetahuan kuantitatif

 1. Menggunakan peragaan visual utk
Langkah- menyampaikan struktur data dan analisis
langkah dalam data
2. Mentransformasikan data scr matematik
EAD utk penyederhanaan distribusi
3. Menginvestigasi pengaruh outliers (nilai-
nilai ekstrim)
4. Menguji residual
Tabel

Mendemonstrasikan Menyediakan
Menyusun data
pola data dan sebagai sumber
dalam baris dan
hubungan diantara informasi untuk tipe
kolom
variabel-variabel lain dari grafik data
 Petunjuk untuk pembuatan tabel

Judul Memberi label

Menyediakan unit Menyediakan total
mendeskripsikan garis dan kolom
pengukuran baris dan kolom
apa,kapan, dimana scr jelas

Menjelaskan
Mencatat ekslusi Haruslah berdiri
singkatan dan Sumber rujukan
data sendiri
simbol2
 Memperagakan secara visual
informasi kuantitatif

Menyediakan sistem koordinat

Grafik
Membantu pembaca
memvisualisasikan pola-pola dan
kecenderungan
 • Melabel judul,sumber,axis,skala,keterangan
• Meminimalkan jumlah garis ordinat
Petunjuk • Letakkan frekuensi skala vertikal mulai dr
angka angka nol
dalam • Letakkan metode klasifikasi pd skala
pembuatan horizontal
grafik • Tunjukkan satuan pengukuran
• Jelaskan singkatan dan symbol-simbol
• Catatkan ekslusi data
 Memperagakan secara visual ukuran
kuantitas

Tujuan
Memungkinkan para peneliti untuk
pembuatan menangkap penyajian dan analisis
grafik
Mengorganisasi,meringkas dan
memperagakan informasi secara
jelas dan efektif
 Berbeda dengan tabel, gambar sudah ditentukan peruntukannya sesuai
jenis data

Data numerik:
• Histogram,
• Frek poligon,
• Ogive,
• Stem & leaf,
• Box plot,

Gambar • Scatter diagram

Data kategorik:
• Bar , Single bar, multiple, subdivided
• Pareto chart
• Pie
• Line diagram
• Pictogram
• Mapgram
Gambar:2 (Frek Poligone)
Distr BB Mhs KesMas tahun 2021
Ogive

Y
Less then

Md

Posisi
Md

More then

Nilai
Md
X
 Stem & leaf
40 44555677899 11
50 00022445677889 14
60 011122333444666778899 21
70 001122233355 12
80 022334 6
90 0045 4

Batang Daun Frek

Box & plot
Box Plot
Batas atas
K3

Kuartil2= Median

K1

Batas bawah
Scatter Diagram
• Scatter
+
+
TB + +
+
+ + +
+
+

BB
Bar diagram/single bar
Jumlah akseptor baru di Psk X triwulan I, II & III th 2020

50 52
45
40
35
30
20

10

Trwl I Trwl II Trwl III

Sub divided bar
 Jumlah Kasus Kematian di RS X tahun 2004

100 95
90
80
Pareto Chart 70
60
Jumlah Kematian dan 60
3penyebab di RS “X” 50
th 2020 40 35
30
20
10
0
Kecelakaan PJK Ca
Pie Diagram
 Jumlah HIV AIDs dan H5N1 di Jakarta
th 2000-2004

Line diagram

jml

HIV
AIDs
H5N
1

2001 2002 2003 2004

2000
Pictogram
jumlah PJK thn 2001 – 2005

Tahun 2001:

Tahun 2003:

Tahun 2005:

Keterangan:

= 10 kasus
Peta

Secara grafik mewakili

Sajikan dengan cara
data yang
yang jelas,ringkas dan
penggunaannya untuk
cepat untuk
lokasi dan koordinat
pemahaman data
geografik
Map gram

DHF
H5N1
Limitasi-limitasi dalam data
• Under reporting
• Ketidakterwakilan /representativeness
• Definisi kasus yang tidak konsisten
Pertimbangan untuk menginterpretasi data
• Apakah sifat pelaporan diubah?
• Apakah telah ada petugas baru atau daerah geografik yg dimasuki
sistem tersebut?
• Apakah definisi kasus telah diubah?
• Apakah intervensi baru telah diperkenalkan?
Interpretatif yang harus digunakan untuk data
surveilens
• Memonitor kecenderungan
• Mengidentifikasi epidemik
• Mengidentifikasi sindrom
• Menilai kebijakan publik
• Memproyeksikan kebutuhan masa depan
This Photo by Unknown Author is licensed under CC BY-NC

This Photo by Unknown Author is licensed under CC BY