KIA Semester I.

(1)

(2)

1.

Rasio

merupakan nilai relatif yang dihasilkan dari

perbandingan dua nilai kuantitatif yang

pembilangnya tidak merupakan bagian dari

penyebut

Contoh:

Keracunan makanan terdapat 32 orang

(3)

2. Proporsi

Perbandingan 2 nilai kuantitatif yang

pembilangnya merupakan bagian dari

penyebut

Contoh:

Proporsi



12/(12+20)= 0,375

(4)



Cara mengukur frekuensi masalah

kesehatan sangat beragam, tergantung dari

macam masalah kesehatan yang ingin

diukur atau diteliti.



Secara Umum Ukuran

–

ukuran dalam

Epidemiologi dapat dibedakan untuk :

A. mengukur masalah penyakit (angka

kesakitan/morbiditas)

(5)

 MORBIDITAS = Kesakitan : Merupakan derajat sakit,

cedera atau gangguan pada suatu populasi.

 MORBIDITAS : Juga merupakan suatu penyimpangan

dari status sehat dan sejahtera atau keberadaan suatu kondisi sakit.

 MORBIDITAS : Juga mengacu pada angka kesakitan

yaitu ; jumlah orang yang sakit dibandingkan dengan populasi tertentu yang sering kali merupakan kelompok yang sehat atau kelompok yang beresiko.

(6)



Gambaran tentang frekuensi penderita baru

suatu penyakit yang ditemukan pada suatu

waktu tertentu di satu kelompok masyarakat



Hal

yang

harus

diketahui

sebelum

menghitung insidensi :

> Data jumlah penderita baru

(7)

1. Incidence Rate

( incidence density/kepadatan insiden)

2. Attack Rate

(8)



Jumlah penderita baru suatu penyakit yang

(9)



Rumus :

Jumlah penderita baru

x K Jumlah penduduk awal tahun yg beresiko

(10)

MANFAAT :

1.Mengetahui masalah kesehatan yang dihadapi

2.Mengetahui Resiko untuk terkena masalah kesehatan yang dihadapi

(11)

 Yaitu Jumlah penderita baru suatu penyakit yang

ditemukan pada suatu saat dibandingkan dengan jumlah penduduk yang mungkin terkena penyakit tersebut pada saat yang sama.

Jumlah Penderita Baru dlm Satu Saat Attack Rate = --- X K

(12)

MANFAAT :

1. Memperkirakan derajat serangan atau

penularan suatu penyakit.

2. Makin tinggi nilai AR, maka makin tinggi pula

(13)

Jumlah penderita baru suatu penyakit yang terjangkit pada serangan kedua dibandingkan dengan jumlah penduduk dikurangi orang/penduduk yang pernah terkena penyakit pada serangan pertama.

Digunakan menghitung suatu panyakit menular dan dalam suatu populasi yang kecil ( misalnya dalam Satu Keluarga ).

Rumus :

Jml. Penderita Baru pd. Serangan Kedua

SAR = --- x K (Jml. Penddk – Penddk. Yg. Terkena Serangan

(14)

 Adalah : gambaran tentang frekuensi penderita

lama dan baru yang ditemukan pada suatu jangka waktu tertentu di sekelompok masyarakat tertentu.

 Pada perhitungan angka Prevalensi, digunakan

(15)

 Yaitu : Jumlah penderita lama dan baru suatu

penyakit yang ditemukan pada suatu jangka waktu tertentu dibagi dengan jumlah penduduk pada pertengahan jangka waktu yang bersangkutan.

 Nilai Periode Prevalen Rate hanya digunakan untuk

penyakit yang sulit diketahui saat munculnya, misalnya pada penyakit Kanker dan Kelainan Jiwa.

 Jumlah penderita lama & baru

(16)

 Jumlah penderita lama dan baru suatu

penyakit pada suatu saat dibagi dengan jumlah penduduk pada saat itu.

 Dapat dimanfaatkan untuk mengetahui Mutu

pelayanan kesehatan yang diselenggarakan.

Rumus :

Jml. Penderita lama & baru Saat itu

(17)

 Angka Prevalensi dipengaruhi oleh Tingginya

Insidensi dan Lamanya Sakit/Durasi Penyakit. Lamanya Sakit/Durasi Penyakit adalah Periode mulai didiagnosanya penyakit sampai berakhirnya penyakit tersebut yaitu : sembuh, mati ataupun kronis.

 Hubungan ketiga hal tersebut dapat dinyatakan

dengan rumus

P = I X D

P : Prevalensi I : Insidensi

(18)



Mortalitas merupakan istilah epidemiologi

dan data statistik vital untuk Kematian.



Dikalangan masyarakat kita, ada 3 hal umum

yang menyebabkan kematian, yaitu :

a) Degenerasi Organ Vital & Kondisi terkait,

b) Status penyakit,

c) Kematian akibat Lingkungan atau Masyarakat

(Bunuh diri, Kecelakaan, Pembunuhan,

(19)

 Jenis angka kematian dalam epidemiologi antara lain

1. Angka Kematian Kasar (Crude Death Rate)

2. Angka Kematian Perinatal (Perinatal Mortality

Rate)

3. Angka Kematian Bayi Baru Lahir (Neonatal Mortality

Rate)

4. Angka Kematian Bayi (Infant Mortality Rate)

5. Angka Kematian Balita (Under Five Mortality Rate) 6. Angka Kematian Janin / Angka Lahir Mati

(Postneonatal Mortality Rate)

7. Angka Kematian Ibu (Maternal Mortality Rate)

8. Angka Kematian Spesifik Menurut Umur (Age

Spesific Death Rate)

(20)

 Adalah : jumlah semua kematian yang ditemukan

pada satu jangka waktu ( umumnya 1 tahun ) dibandingkan dengan jumlah penduduk pada pertengahan waktu yang bersangkutan.

 Rumus :

Jumlah Seluruh Kematian

(21)

 PMR Adalah : Jumlah kematian janin yang

dilahirkan pada usia kehamilan 28 minggu atau lebih ditambah dengan jumlah kematian bayi yang berumur kurang dari 7 hariyang dicatat selama 1 tahun per 1000 kelahiran hidup pada tahun yang sama.

 Rumus :

Jumlah kematian janin yang dilahirkan pada usia kehamilan 28 minggu atau lebih + dengan jumlah kematian bayi

yang berumur kurang dari 7 hari yang dicatat selama 1 tahun

PMR : ---X K

(22)

 Adalah : jumlah kematian bayi berumur kurang

dari 28 hari yang dicatat selama 1 tahun per 1000 kelahiran hidup pada tahun yang sama.

Jumlah kematian bayi umur kurang dari 28 hari

NMR=---X K

(23)

 Adalah : jumlah seluruh kematian bayi berumur

kurang dari 1 tahun yang dicatat selama 1 tahun per 1000 kelahiran hidup pada tahun yang sama.

 Rumus :

Jml. Kematian bayi umur 0 – 1 tahun dalam 1 tahun

IMR : ---X K

(24)

 Adalah : Jumlah kematian balita yang dicatat

selama 1 tahun per 1000 penduduk balita pada tahun yang sama.

 Rumus :

Jml. Kematian Balita yg dicatat dlm 1 tahun

UFMR=---X K

(25)

 Istilah kematian janin penggunaannya sama

dengan istilah lahir mati.

 Kematian janin adalah kematian yang terjadi

akibat keluar atau dikeluarkannya janin dari rahim, terlepas dari durasi kehamilannya. Jika bayi tidak bernafas atau tidak menunjukkan tanda – tanda kehidupan saat lahir, bayi dinyatakan meninggal.

 Tanda –tanda kehidupan biasanya ditentukan

(26)

 Angka Kematian Janin adalah Proporsi jumlah

kematian janin yang dikaitkan dengan jumlah kelahiran pada periode waktu tertentu, biasanya 1 tahun.

Jml. Kematian Janin dalam periode tertentu ( 1 tahun )

AKJ : --- X K

(27)

 Adalah : jumlah kematian ibu sebagai akibat dari

komplikasi kehamilan, persalinan dan masa nifas dalam 1 tahun per 1000 kelahiran hidup pada tahun yang sama.

Jml. Kematian Ibu Hamil, Persalinan & Nifas dlm 1 tahun

MMR=--- X K

(28)

 Manfaat ASMR/ASDR adalah :

 a) Untuk mengetahui dan menggambarkan

derajat kesehatan masyarakat dengan melihat kematian tertinggi pada golongan umur.

 b) Untuk membandingkan taraf kesehatan

masyarakat di berbagai wilayah.

(29)

ASMR/ASDR : dx X 1000‰ px

Keterangan :

dx : Jml. Kematian yang dicatat dalam 1 tahun pd penduduk golongan umur tertentu (x)

(30)

 Yaitu : Jumlah seluruh kematian karena satu

sebab penyakit dalam satu jangka waktu tertentu ( 1 tahun ) dibagi dengan jumlah penduduk yang mungkin terkena penyakit tersebut.

 Rumus :

Jml. Seluruh kematian krn. Sebab penyakit tertentu

CSMR= --- x K

(31)

 Ialah : perbandingan antara jumlah seluruh

kematian karena satu penyebab penyakit tertentu dalam 1 tahun dengan jumlah penderita penyakit tersebut pada tahun yang sama.

 Digunakan untuk mengetahui penyakit –penyakit

dengan tingkat kematian yang tinggi.

Jml. Kematian krn. Penyakit tertentu (x)

CFR=--- X K

(32)

(33)

MUTASI KROMOSOMAL

(PENYIMPANGAN KROMOSOMAL)

(34)

1. PERUBAHAN JUMLAH KROMOSOM

A. Poliploidi

Sel mempunyai satu atau lebih set kromosom

melebihi jumlah set normalnya.

Contoh : Triploid (3n)

(35)

B. Aneuploidi

Perubahan jumlah individual pada

kromosom-kromosom homolog dalam satu set kromosom-kromosom

Akibat adanya nondisjunction (kegagalan

berpisah) selama meiosis.

Contoh : Trisomi (2n+1)

Langdon-Down (1866)

Idiot mongoloid Sindroma Down

Khas : Sidik dermatoglifik , garis-garis pada

(36)

PENYIMPANGAN KROMOSOM SEKS

Fenotipe Seks Kromosom Seks

Pria normal Pria XY

Wanita normal Wanita XX

Sindroma Turner Wanita XO

Sindroma Klinefelter Pria XXY

Sindroma XYY Pria XYY

(37)

2. PERUBAHAN STRUKTUR KROMOSOM

A. Delesi

Hilangnya satu atau lebih segmen gen atau

kromosom.

B. Duplikasi

Terdapat satu atau lebih salinan segmen

kromosom pada kromosom itu sendiri atau

kromosom lain.

Terjadi pada 2 untai DNA homolog saling

(38)

C. Inversi

Terjadi perpatahan dalam sebuah kromosom

dan segmen tersebut berputar 180 sebelum

akhirnya bergabung kembali.

D. Translokasi

Terjadi ketika kromosom-kromosom

(39)

(40)

(41)

Lingkup Penyakit Genetik

Penyakit dalam lingkup genetik diklasifikasikan

menjadi 4 yaitu :

•

kromosomal,

•

single-gene,

•

multifaktorial,

(42)

Sindrom Down adalah contoh kelainan

(43)

Kelainan single-gene atau monogenetic

disorders adalah terjadinya mutasi pada satu

gen

saja namun sudah menimbulkan penyakit.

Contohnya adalah cystic fibrosis dan

(44)

Kelainan multifaktorial (kompleks)

paling sering dijumpai di populasi.

Multifaktorial karena tidak hanya melibatkan

beberapa

gen

tetapi juga lingkungan, dan

bagaimana interaksi antara

gen

dan

lingkungan tersebut.

(45)

Kelainan mitokondria terjadi karena ada mutasi

pada kromosom sitoplasma mitokondria.

Uniknya, kelainan mitokondria hanya diturunkan

secara maternal karena saat pembuahan

mitokondria sperma tidak ikut melebur ke

dalam ovum.

(46)

PENGANTAR

EPIDEMIOLOGI KLINIK

Oleh :

Dr. Edison, MPH

Bagian Ilmu Kesehatan Masysarakat dan Ilmu Kedokteran Komunitas

(47)

•

EPIDEMIOLOGI :

Ilmu yang mempelajari

frekuensi

dan

distribusi

masalah

kesehatan

pada

sekelompok penduduk

serta

faktor-faktor

yang mempengaruhinya.

(48)

•

Epidemiologi :

* Epidemiologi klinik

* Epidemiologi gizi

* Epidemiologi yankes

* Epidemiologi kecelakaan lalin

* Epidemiologi penyakit menular

* Epidemiologi penyakit tdk menular

* Epidemiologi bencana

(49)

•

Epidemiologi Klinik

*

Penerapan prinsip-prinsip dan metoda-metoda

epidemiologi untuk masalah-masalah dalam ilmu

kedokteran klinik.

* Studi mengenai variasi dalam hal luaran dan

perjalanan penyakit pada perorangan atau

kelompok dan sebab variasinya.

* Bagaimana menduga kejadian-kejadian klinik

pada manusia secara utuh.

(50)

•

Tujuan

*

Menggunakan metode epidemiologi dalam observasi klinik dan interpretasi yang mengacu kepada suatu

kesimpulan yang tepat berdasarkan prinsip-prinsip dasar ilmiah, sehingga dapat menghasilkan kesimpulan yang sahih dalam pengelolaan pasien.

* Menjembatani kedokteran klinik dengan ilmu dasar

Mekanisme Penyakit Luaran

penyakit

(51)

•

Ciri Pendekatan Epid. Klinik

1. Normalitas dan abnormalitas

Ditentukan dengan distribusi kekerapan ( mean, median dengan sebarannya ).

* Batasan :

- Biasanya sudah ditentukan - Kalau belum, dibuat sendiri

* Abnormalitas dapat ditinjau dari :

- Abnormalitas statistik

- Abnormalitas berhubungan dengan penyakit

(52)

•

Kriteria Abnormalitas

* Biasanya tidak mudah, karena penyakit terjadi secara bertahap.

Kelainan biokimia tubuh kelainan sel

kelainan jaringan Gejala

kelainan organ klinik

* Untuk fenomena kedokteran / perawatan dasar dan klinik, alat ukur biasanya sudah tersedia.

(53)

•

Bila garis pemisah normal dan abnormal tidak

jelas, dipakai kriteria :

1. Sesuatu yang tidak biasa abnormal

2. Tanda kilinis yang berasosiasi dengan penyakit ( abn ) 3. Bila dirawat / diobati lebih baik ( asimptomatik )

2. Perjalanan penyakit

– Yaitu waktu berlangsungnya suatu penyakit, mulai dari onset biologis ( masuk agen ) sampai penyakit berakhir ( sembuh, cacat atau mati )

(54)

•

Kegunaan pengetahuan tentang perjalanan

penyakit :

1. Pemilihan intervensi ( promotif, preventif, kuratif, atau rehabilitatif ).

2. Menilai prognosis penyakit

3. Merencanakan strategi perawatan / pengobatan atau tindakan lain.

Metoda penilaian :

1. Observasi klinis

2. Registrasi ( kanker, CHD, strok dll ) 3. Studi kohort

(55)

•

Perjalanan penyakit dipengaruhi oleh :

1. Pola penyakit ( akut / kronik ) 2. Geografis ( terisolir / tidak )

3. Keadaan ekonomi masyarakat 4. Kemajuan diagnosis dan terapi 5. Karakteristik individu

3. Diagnosis

Berdasarkan - anamnesis

- pemeriksaan fisik

(56)

•

Membuat diagnosis dengan memakai suatu alat

adalah suatu proses yang tidak pasti ( probability)

Penyakit

Ada Tidak

Hsl Pos a b

tes Neg c d

(57)

•

Menentukan akurasi suatu alat / metoda dalam

menegakkan diagnosis dibandingkan dengan

Gold standard

Gold std

Sakit Tidak

Hsl Pos a b

tes Neg c d

Sensitivitas = a/a+c Specivisitas = d/b+d

(58)

•

Penggunaan Gold-standard :

- Biaya mahal - Prosedur sulit - Resiko tinggi

Penggunaan tes yang sensitif :

1. Ada resiko buruk dari penyakit yang tdk ditemukan 2. Bila banyak kemungkinan

3. Bila probabilitas penyakit relatif rendah Tes yang spesifik :

(59)

•

4. Kekerapan ( frekuensi )

Hasil observasi klinik biasanya dinyatakan dalam bentuk ukuran-ukuran :

* jumlah kasus

* proporsi / persentase * insidens

(60)

•

5. Resiko penyakit

Faktor resiko penyakit : suatu kondisi / sifat fisik / perilaku yang dapat meningkatkan probabilitas kejadian penyakit pada manusia ( Knap, 1992 ).

Jenis-jenis faktor resiko : 1. faktor lingkungan

2. faktor perilaku / kebijakan 3. faktor biologis

4. faktor sosial

(61)

•

Kegunaan faktor resiko :

1. Prediksi kejadian penyakit

2. Mempelajari penyebab penyakit 3. Membantu menegakan diagnosa

4. Menentukan hasil dari penyakit ( prognosis ) 5. Untuk pencegahan penyakit

Studi faktor resiko :

1. Cohort study

(62)

•

Pada penyakit kronis

,

sulit menentukan FR

krn

:

1. Masa laten panjang

2. Frek paparan sulit diketahui 3. Insidens penyakit rendah 4. Resiko biasanya kecil

5. Penyakit bersifat umum

6. Penyebab penyakit multikompleks

(63)

•

6. Prognosis

– Perkiraan / prediksi perjalanan penyakit setelah penyakitnya timbul.

– F. RESIKO

- sembuh? SEHAT SAKIT----prognosis --- - cacat?

- mati?

Gambaran Prognosis :

1. Harapan hidup 5 tahun

(64)

• 2. Kasus fatal

Persentase penderita yang mati karena penyakit itu ( Case fatality rate = CFR )

3. Respon

Persentase penderita yang menunjukan adanya perbaikan setelah adanya intervensi.

4. Remisi

Persentase pasien yang mencapai fase dimana penyakit tidak dapat dideteksi.

5. Kambuh

(65)

•

7. Pengobatan / perawatan

– Yaitu upaya untuk penyembuhan dan menghindari cacat dari penyakit.

– Teknik / cara pengobatan diperoleh melalui Uji Klinik

8. Pencegahan

Bertujuan untuk tidak sakit dan mencegah perjalanan penyakit.( ringan menjadi tidak berat )

Luaran dari kesehatan adalah mencegah 6 D :

- Death - Discomfort

(66)

•

Tingkat pencegahan :

1. Primordial prevention 2. Primary prevention 3. Secondary prevention 4. Tertiary prevention

9. Kausa

Yaitu kondisi yang menimbulkan penyakit dan patogenesis.

(67)

•

Pengetahuan tentang kausa berguna utk

:

1. Pengobatan penyakit 2. Diagnosis penyakit 3. Pencegahan penyakit

Kriteria kausa :

1. Temporal 5. Konsistensi

2. Kekuatan 6. Biologi plausibility 3. Dose response 7. Spesifik

(68)

•

10. Ekonomi pengobatan / perawatan

- Pelayanan kesehatan harus efektif dan efisien - Keputusan pengobatan / perawatan pasien

berorientasi :

* Kesembuhan paisen * Biaya

* Manfaat tindakan

* Sumber Inefisiensi :

1. Tindakan diagnostik 2. Pemilihan obat

(69)

(70)

(71)

Probabilitas

2



Definisi peluang untuk terjadi atau tidak terjadi



Probabilitas untuk keluarnya mata satu dalam

pelemparan satu kali sebuah dadu ?



Berapakah peluang seorang anak yang sudah diimunisasi

(72)

Konsep probabilitas

3



Pandangan Klasik /intuitif



Pandangan Empiris / Probabilitas Relatif

(73)

Probabilitas Klasik /intuitif

4



Didalam pandangan klasik ini probabilitas/peluang

adalah harga angka yang menunjukkan seberapa besar

kemungkinan bahwa suatu peristiwa terjadi, diantara

keseluruhan peristiwa yang mungkin terjadi



Contoh : Sebuah mata uang logam mempunyai sisi dua

(gambar dan angka), kalau mata uang tersebut

(74)

Probabilitas Empiris / Relatif

5



Dalam pandangan ini probabilitas berdasarkan observasi,

pengalaman atau kejadian(peristiwa) yang telah terjadi.



Contoh:

 _{Dari 10.000 hasil suatu produksi}_{100 rusak P(rusak) = 1%}

=0,01

 _{Upah(Rp 1000)} _Jumlah _%

200 - 499 90 30

500 - 749 165 55

(75)

Probabilitas Subyektif

6



Didalam pandangan subyektif probabilitas ditentukan

oleh yang membuat pernyataan



Seorang mahasiswa S2 Biomedik menyatakan

keyakinannya (90%) bahwa bisa menyelesaikan

pendidikannya dalam waktu kurang dari 2 tahun.



Kebenaran dari probabilitas subyektif ini sangat

(76)

Distribusi Probabilitas

(77)

DISTRIBUSI PROBABILITAS

8

Ada bermacam-macam distribusi teoritis :



Distribusi Binomial (Bernaulli)



Distribusi Poisson



Distribusi Normal (Gauss)



Distribusi Student ( ‘t’)

(78)

Distribusi Normal

9



Untuk suatu sampel yang cukup besar terutama untuk gejala

alam seperti berat badan, tinggi badan biasnya kurva yang

dibentuk dari distribusi tersebut juga simetris dengan

(79)

10



Laplace 1775



1809

Gauss mempublikasi Distribusi

Gauss- laplace ( N Gauss )



Variabel random kontinu

(80)

Ciri-ciri distribusi normal

11



Symetris



Seperti lonceng



Titik belok

  

(81)

 _{Untuk dapat menentukan} probabilitas didalam kurva normal umum, maka nilai yang akan dicari

ditransformasikan dulu

kenilai kurva normal standar melalui tranformasi Z

(deviasi relatif )

Z



x







Z

x

s





(82)

Distribusi Normal Standar

13

0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45

  

 

(83)

CONTOH SOAL

14



Seorang peneliti dilaboratorium telah mengumpulkan

data kolesterol darah dari 20.000 pasien dirumah sakit

RSUP Dr. M. Djamil selama 2 tahun. Dari hasil

pengolahan data diketahui bahwa data tersebut

menghasilkan sebaran simetris dengan rata-rata 180

mg/dl dengan simpangan baku 50 mg/dl. Hitunglah

 _{Probabilitas seorang pasien dengan kadar kolesterol lebih besar dari}

(84)

Jawaban



Z=

= 200

–

180 = 0.4

50



Nilai p pada z = 0.4 adalah 0.1554



Probabilitas seorang pasien dengan kadar kolesterol lebih

besar dari 200 mg/dl adalah 0.5

–

0.1554 = 0.3446 atau

34.46 %









15

(85)

CONTOH SOAL

16

Probabilitas seorang pasien dengan kadar kolesterol kurang dari

150 mg/dl



Z=

= 150

–

180 = -0.6

50



Nilai p pada z = -0.6 adalah 0.2257



Probabilitas seorang pasien dengan kadar kolesterol

(86)

CONTOH SOAL

17

Probabilitas seorang pasien dengan kadar kolesterol antara 150 s/d 200 mg/dl

 _{Z1 = 150}– _{180 = -0.6} 50

Nilai p pada z = -0.6 adalah 0.2257

 _{Z2 = 200}– _{180 = 0.4} 50

 _{Probabilitas seorang pasien dengan kadar kolesterol antara 150 s/d 200} mg/dl

(87)

Contoh soal

18

Probabilitas seorang pasien dengan kadar kolesterol diatas 220 mg/dl

 _{Z = 220} – _{180 = 0.8} 50

 _{Probabilitas seorang pasien dengan kadar kolesterol diatas 220} mg/dl adalah 0.5- 0.2881 = 0.2119 atau 21.19%

(88)

CONTOH SOAL



Seorang peneliti dilaboratorium telah mengumpulkan

data kolesterol darah dari 30.000 pasien dirumah sakit

RSUP Dr. M. Djamil selama 2 tahun. Dari hasil

pengolahan data diketahui bahwa data tersebut

menghasilkan sebaran simetris dengan rata-rata 215

mg/dl dengan simpangan baku 60 mg/dl. Hitunglah

 _{Probabilitas seorang pasien dengan kadar kolesterol lebih besar dari}

250 mg/dl

 Probabilitas seorang pasien dengan kadar kolesterol lebih kecil dari 200 mg/dl

(89)

(90)

1

PENYAJIAN DATA

Prof. Dr.dr. Rizanda Machmud M.Kes

(91)

(92)

Prof.Dr.dr. Rizanda Machmud MKes

3 Knowledge,

science and theory

Research gap, research interest and ideas Conceptualization, operationalization and Hypothesis Research designs Sampling and representatives Ethics in Research Data mining and collection

Data Analysis

(93)

4 MISI ANALISIS & PENYAJIAN HASIL

.Menjawab Masalah Penelitian; Tujuan & Hipotesis

(Menjawab Secara Efektif-efisien-elegan)

STRATEGI ANALISIS & PENYAJIAN HASIL

•Analisa Deskriptif/univariat & Bi-/multivariat (Bila Perlu)

•Penyajian Tekstular/tabular/grafikal

•Pengunaan Bahasa Ilmiah Yang Baik

VALIDASI HASIL DENGAN STUDI DAN PANDANGAN LAIN:

•.Metode Konfirmasi Dan Kontras

(94)

Prof.Dr.dr. Rizanda Machmud MKes 5

Dukungan statistician Mengetahui hasil

komputasi Mengetahui alat-alat statistik

Tim Pakar Substantif Kemampuan

substantif

UNSUR

DALAM

PENELITI

HASIL DATA

ANALISIS

UNSUR

PENDUKUNG

(95)

6

JENIS DAN KELUASAN ANALISIS

TERGANTUNG DARI:

1. Pertanyaan Penelitian/Tujuan studi/Hipotesis

2.Skala Pengukuran

3. Metode Sampling

(96)

7

TOPIK PENELITIAN

VARIABEL DEPENDEN - Y VARIABEL DEPENDEN - Y

MENCARI HUBUNGAN ATAU PERBEDAAN DENGAN VARIABEL LAIN

VARIABEL INDEPENDEN - X

MENCARI HUBUNGAN ATAU PERBEDAAN DENGAN VARIABEL LAIN

VARIABEL INDEPENDEN - X

(97)

8

JUDUL /TOPIK

BESAR SAMPEL

ANALISA STATISTIK

HUBUNGAN

(98)

9

VARIABEL DEPENDEN(Y)

vs BESAR SAMPEL

HASIL MENGUKUR

Y

KONTINU

KATEGORI

(99)

10

PENGUKURAN VARIABEL

HASIL MENGUKUR

X & Y

KONTINU

KATEGORI

(100)

11

HASIL UKUR

VARIABEL

Y

KATEGORI

KONTINU

X

KATEGO

RI

GORI-GORI

GORI-TINU

KONTIN

U

(101)

12

HASIL UKUR vs

ANALISIS STATISTIK

•

Gori-gori

– Chi-square

•

Tinu-gori

– Regresi logistik

•

Gori-tinu

– Gori 2 : uji T

• Tidak berhubungan- independen

• Berhubungan- related

– Gori 3 : uji Anova

•

Tinu-tinu

(102)

13

ANALISIS BIVARIAT

skala NOMINAL ORDINAL Intv&Rasio

NOMINAL Chi-Sq. Phi-Coeff. Cramer's V G-K Lambda Relative Risk Fisher's Excat

ORDINAL Chi-Sq. Chi-Sq.

G-K Lambda G-K Lambda

Kruskal-Wallis Kendal's Tau Median test Spearman r

Sign Test Somer's d

Wicoxon Test Somer's d

Kolmogorov Runs test

INTERVAL Paired t-test Pearson-r

(103)

14

skala

NOMINAL/ORD

INT&RASIO

NOMINAL/

Regresi logistik

ORDINAL

INTERVAL

Reg. Multipel

Multiple r

& RASIO

(Var. Dummy)

Reg. Multipel

An. Diskriminan

Reg. Non-linier

ANOVA

An. Path

MANOVA

An. Faktor

ANCOVA

Time-series

An. Survival

Reg. Cox

(104)

15

PERTNY. PENELITIAN V-INDEPENDEN V-DEPENDEN JENIS ANALISIS

Apakah ada perbedaan

pemanfaatan yankes setelah Intervensi? Klp. Intervensi-Kontrol (Nominal) Ya/Tidak Memanfaatkan (Nominal/Ordina)l Uji Khi-Kuadrat/ MannWhitney/ RR/Regresi logistik Apakah ada perbedaan tk.

kepuasan pasien stlh. Itv?

Klp. Intervensi-Kontrol (Nominal) Skor Kepuasan (Interval) Uji-t independen/ Regresi linier Apakah ada perbedaan tk.

polusi suara (noise) di

berbagai kepadatan jalan?

Klp A=Sangat padat; B=Padat; C=Krg Padat(Nominal) Skor audiometri (dB) (Interval) Uji Anova/ Regresi linier (Dummy variable)

(105)

16

ANALISA UNIVARIAT

 Mean, Median, Mode, Sd, Se, Range, Min-Max, Skewness, Kurtosis

 Boxplot; Stem-Leaf

Tujuan:

1. Deskripsi setiap variabel diteliti 2. Diagnosis asumsi statistik lanjut

3. Deteksi nilai ekstrim/outlier

ANALISIS BIVARIAT:

(106)

17

PENYAJIAN TABULAR:

Judul tabel lengkap

Badan tabel terdiri dari

.Variabel/konsep

.Distribusi frek

.Distribusi proporsi

.Uji stat (bila perlu)

Hindari tabel yg kompleks

Desimal seperlunya

Hindari duplikasi (tabel kemudian diikuti oleh teks dan/atau grafik

PENYAJIAN TEKSTULAR

Menggunakan bahasa yg benar

Ringkas tetapi efektif

Menghindari bahasa berbunga

Paragraf mengandung:

.Tema

.Data/fakta pendukung tema

.Pendapat/opini

PENYAJIAN GRAFIKAL

Histogram/Bargram

Diagram Pie

Diagram Garis

(107)

18

CONTOH TEKSTULAR (ALINEA YANG BAIK)

Angka Kematian Ibu (AKI) di

Indonesia masih tinggi bila dibandingkan dengan negara tetangga. Data Bank Dunia tahun 1995 menunjukkan bahwa AKI di

Indonesia adalah 600 per 100.000 kelahiran, sedang Thailand hanya sebesar 100 per

100.000 kelahiran; Singapura 50/100.000 kelahiran.. dst. Data SKRT 1995 juga

menunjukkan tingkat AKI yang relatif sama, yaitu 550/100.000 kelahiran . Hal ini

menunjukkan bahwa pelayanan kesehatan di Indonesia masih memprihatinkan.

TEMA

DATA

(108)

19

TABEL

Beberapa hal yang harus diperhatikan untuk membuat tabel yang dapat menerangkan dirinya :

- Judul singkat (apa, dimana,siapa/kelompok apa dan kapan)

- Judul tabel ditempatkan di atas tabel dan dianjurkan meratakan pinggir kiri

- keterangan kolom dan baris harus jelas (termasuk unit pengukuran)

- Jelaskan kode, singkatan, atau simbol pd catatan kaki - Jelaskan sumber data pada catatan kaki jika data

(109)

20

Tabel satu variabel / distribusi

frekuensi

Untuk data nominal dan ordinal

- Untuk menampilkan data diskrit atau kontinu dalam distribusi frekuensi, data harus dipecah (kategori) terlebih dahulu.

- kolom pertama memperlihatkan nilai atau kelompok - kolom berikutnya jumlah subyek dan sering ditambah

dengan kolom ke-3 yaitu presentase tiap kategori - Tabel dan kolom harus di beri label dan unit

(110)

21 Variables Frequency % 1. Sex

 Male

 Female

77 173

30.8 69.2 2. Education

 Illiterate

 Elementary

 Junior High

 Senior High

 Graduate

17 74 61 89 9 6.8 29.6 24.4 35.6 3.6 3. Type of Employment

 Unemployed

 Civil Servant

 Public company

 Military

 Private company

 Other

[image:110.720.202.693.53.521.2]

1 30 9 11 79 120 0.4 12.0 3.6 4.4 31.6 48.0

TAMPILAN

TABULAR

Tabel No X:

(111)

[image:111.720.34.682.26.505.2]

22

Tabel 7. Distribusi responden

menurut variabel penelitian

(112)

23

Interpretasinya

•

Pada tabel 7. terlihat distribusi perlemakan hati

pada resoponden dapat dilihat pada tabel 6.

Hasil penelitian dilaporkan bahwa prevalensi

perlemakan hati sebesar 30.6%.

•

Gambaran jenis kelamin responden dilaporkan

bahwa sebagian besar adalah wanita yaitu

(113)

24

PENYAJIAN DATA

•

Penyajian data

mempunyai prinsip

efisiensi, artinya

sajikan hanya

informasi penting

saja, jangan semua

output komputer

disajikan dalam

laporan. Contoh

penyajian data

kategorik sbb:

PENDIDIKAN RESPONDEN 8 8.9 12 13.3 24 26.7 26 28.9 16 17.8 4 4.4 90 100.0 Tdk sekolah

SD tdk tamat

Tamat SD

Tamat SMP

Tamat SMU

Tamat D3/P T

Total Valid

(114)

25

Contoh Interpretasi

• “Distribusi frekuensi tingkat pendidikan

responden dapat dilihat pada Tabel-1,

terlihat bahwa sebagian besar responden

adalah tamat SMP (28.9%), kemudian

(115)

[image:115.720.23.700.142.479.2]

26 Table :

Descriptive Values of Patient Characteristics

Variables _Mean_S.e Median

S.d Min-max values

Skewness Kurtosis

1. Age 31.3  0.8 27

12.5 17-75 1.4 1.7

2. Length of stay 5.5  0.4 4.0

5.8 2-75 7.7 85.8

(116)

27

Interpretasi variabel dengan data

numerik/kontinyu

• Nilai rata-rata dapat dilihat pada kolom Mean,

sedangkan nilai standar deviasi dapat dilihat pada Std Devation.

• Pada contoh di atas, rata-rata umur ibu adalah 28.8 tahun dengan standar deviasi 4.5 tahun dan umur minimun 18 tahun serta umur maksimum 35 tahun.

Descriptive Statistics

90 18 35 28.28 4.50

90 UMUR

Valid N (listwise)

(117)

28 77 / 31%

173 / 69% Lk

Pr

Pie Diagram Sex of Respondents

77 / 31%

173 / 69% Lk

Pr

Pie Diagram Sex of Respondents

77 173

Bar Diagram Sex of Respondents

SEX Lk Pr n 180 160 140 120 100 80 60 77 173

Bar Diagram Sex of Respondents

[image:117.720.30.719.46.525.2]

(118)

29

GRAFIK LINGKARAN (PIE DIAGRAM)

•

Untuk menampilkan informasi dari variabel

dengan skala kategori

•

Besar atau jumlah relatif tiap komponen

digambarkan oleh luas potongan lingkaran

•

Dipakai jika jumlah kategori tidak terlalu

(119)

30

Prevalensi Pneumonia

Balita

5%

95%

(120)

31

GRAFIK BATANG (BAR CHART)

Harus simpel dan self explanatory

- Harus disertai judul (mengikuti kaidah judul tabel), serta sumber kutipan atau keterangan yang diperlukan

- Kurang memberikan informasi secara detail

- menggambarkan distribusi frekuensi data nominal atau ordinal

- Sumbu horisontal adalah sumbu x (variabel

independen) dan sumbu vertikal adalah sumbu Y (variabel dependen)

- Batang harus memiliki lebar yang sama dan terpisah satu dan lain agar tidak menunjukkan adanya

(121)

32 - Dapat juga untuk menggambarkan data dua variabel atau

lebih berskala kategorik dengan grafik balok berkelompok (group bar chart) atau grafik balok bertumpuk

kel umur >=80 70-79 60-69 40-59 80 60 40 20 0 kel umur >=80 70-79 60-69 40-59 80 60 40 20 0 jenis kelamin wanita pria

Gambar 1. Distribusi frekuensi

[image:121.720.35.684.18.518.2]

subjek berdasarkan kelompok umur pada survei hipertensi di Indonesia Juni 2002

Gambar 2. Distribusi frekuensi

subjek berdasarkan kelompok umur dan jenis kelamin pada survei

(122)

[image:122.720.153.583.51.388.2]

Prof.Dr.dr. Rizanda Machmud MKes 33 kel umur >=80 70-79 60-69 40-59 160 140 120 100 80 60 40 20 0 jenis kelamin pria wanita

Gambar 3. Distribusi frekuensi subjek

(123)

Prof.Dr.dr. Rizanda Machmud MKes 34 Physician Nurse 2.9 2.8 3.1 3.0

Mean of Satisfaction Score For Physician & Nurse According to Sex of Respondents

SEX M W M e a n o f S c o re 3.1 3.0 2.9 2.8 2.7 Physician Nurse 2.9 2.8 3.1 3.0

Mean of Satisfaction Score For Physician & Nurse

According to Sex of Respondents

SEX M e a n o f S c o re M W 5.0 4.5 4.0 3.5 3.0 2.5 2.0 1.5 1.0 .5 0.0

Satisfaction Mean Score For Physician & Nurse According to Sex of Respondents

SEX Lk Pr M e a n S c o r e 3.1 3.0 2.9 2.8 2.7 Physician Nurse

(124)

35

(125)

36

Grafik garis

•

Untuk mengilustrasikan hubungan dua

variabel kontinyu

•

Digunakan bila tujuannya untuk melihat

kecenderungan

, biasanya menurut

waktu

•

Garis penghubung antar titik akan

memperlihatkan bagaimana

(126)

Prof.Dr.dr. Rizanda Machmud MKes 37 kel umur >=8 0 7 0-79 6 0-69 4 0-59 M ea n 1 50 1 40 1 30 1 20 1 10 1 00 9 0 8 0 7 0

te ka n an d a ra h si sto l ik

[image:126.720.86.695.37.406.2]

td d ia st ol ik d ud u k

(127)

38

Tabel dua variabel

- Penelitian kohort : persen baris

(128)

[image:128.720.41.718.94.517.2]

39

Tabel 8. Hasil uji bivariat variabel independen dengan variabel perlemakan hati

VARIABEL PERLEMAKAN HATI

Perlemakan hati Normal Frekuensi % Frekuensi %

Nilaip OR dengan CI 95% Jenis Kelamin Pria Wanita 87 160 33.3 29.3 174 387 66.7 70.7

0.254 1.2 (0.9–1.7) 1 Kategori Umur Umur Muda Umur Menengah Umur Tua 31 141 75 15.3 37.2 33 171 238 152 84.7 62.8 67 < 0.0001* < 0.0001* 1 3.3 (1.9-5.6) 2.7 (1.6-4.5) Pola konsumsi

Diet tinggi lemak Diet rendah Lemak

40 207 32.8 30.2 82 479 67.2 69.8

0.533 1.1 (0.8-1.7) 1 Hiperlipidemia Hipertrigliserida Normal 71 176 56.8 25.8 54 507 43.2 74.2

< 0.0001* 3.8 (2.6-5.5) 1 Diabetes Melitus Penderita DM Bukan penderita 61 186 52.6 26.9 55 506 47.4 73.1

<0.0001* 3.0 (2.0-4.5) 1 Kegemukan Kegemukan Tidak gemuk 193 54 47.4 13.5 214 347 52.6 86.5

<0.0001* 5.8 (4.2-8.0) 1

Aktivitas fisik dan olah raga Kurang aktif Aktif 210 37 31.2 27.6 464 97 68.8 72.4

(129)

40

Contoh analisis data bivariat

kategori

VARIABEL PERLEMAKAN HATI

Perlemakanhati Normal Frekuensi % Frekuensi %

Nilai p OR dengan CI 95% Hiperlipidemia Hipertrigliserida Normal 71 176 56.8 25.8 54 507 43.2 74.2

(130)

41

Interpretasi Hipertrigliserida

• Hiperlipidemia yang dilihat melalui kadar trigliserida diduga berhubungan dengan perlemakan hati.

• Hasil penelitian dilaporkan bahwa proporsi responden hipertrigliserida yang mengindap perlemakan hati

dengan sebesar 56.8%. Proporsi responden dengan kadar trigliserida dalam darah normal sebesar 25.8 %. • Hasil uji kai kuadrat dapat disimpulkan bahwa ada

hubungan antara perlemakan hati dengan hipertrigliserida, dan nilai p < 0.0001.

• Dimana penderita hipertrigliserida berisiko 3.8 kali

(131)

42