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
2. Proporsi
Perbandingan 2 nilai kuantitatif yang
pembilangnya merupakan bagian dari
penyebut
Contoh:
Proporsi
12/(12+20)= 0,375
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)
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.
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
1. Incidence Rate
( incidence density/kepadatan insiden)
2. Attack Rate
Jumlah penderita baru suatu penyakit yang
Rumus :
Jumlah penderita baru
x K Jumlah penduduk awal tahun yg beresiko
MANFAAT :
1.Mengetahui masalah kesehatan yang dihadapi
2.Mengetahui Resiko untuk terkena masalah kesehatan yang dihadapi
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
MANFAAT :
1. Memperkirakan derajat serangan atau
penularan suatu penyakit.
2. Makin tinggi nilai AR, maka makin tinggi pula
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
Adalah : gambaran tentang frekuensi penderita
lama dan baru yang ditemukan pada suatu jangka waktu tertentu di sekelompok masyarakat tertentu.
Pada perhitungan angka Prevalensi, digunakan
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
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
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
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,
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)
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
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
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
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
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
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
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
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
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.
ASMR/ASDR : dx X 1000‰ px
Keterangan :
dx : Jml. Kematian yang dicatat dalam 1 tahun pd penduduk golongan umur tertentu (x)
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
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
MUTASI KROMOSOMAL
(PENYIMPANGAN KROMOSOMAL)
1. PERUBAHAN JUMLAH KROMOSOM
A. Poliploidi
Sel mempunyai satu atau lebih set kromosom
melebihi jumlah set normalnya.
Contoh : Triploid (3n)
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
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
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
C. Inversi
Terjadi perpatahan dalam sebuah kromosom
dan segmen tersebut berputar 180 sebelum
akhirnya bergabung kembali.
D. Translokasi
Terjadi ketika kromosom-kromosom
Lingkup Penyakit Genetik
Penyakit dalam lingkup genetik diklasifikasikan
menjadi 4 yaitu :
•
kromosomal,
•
single-gene,
•
multifaktorial,
Sindrom Down adalah contoh kelainan
Kelainan single-gene atau monogenetic
disorders adalah terjadinya mutasi pada satu
gen
saja namun sudah menimbulkan penyakit.
Contohnya adalah cystic fibrosis dan
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.
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.
PENGANTAR
EPIDEMIOLOGI KLINIK
Oleh :
Dr. Edison, MPH
Bagian Ilmu Kesehatan Masysarakat dan Ilmu Kedokteran Komunitas
•
EPIDEMIOLOGI :
Ilmu yang mempelajari
frekuensi
dan
distribusi
masalah
kesehatan
pada
sekelompok penduduk
serta
faktor-faktor
yang mempengaruhinya.
•
Epidemiologi :
* Epidemiologi klinik
* Epidemiologi gizi
* Epidemiologi yankes
* Epidemiologi kecelakaan lalin
* Epidemiologi penyakit menular
* Epidemiologi penyakit tdk menular
* Epidemiologi bencana
•
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.
•
Tujuan
*
Menggunakan metode epidemiologi dalam observasi klinik dan interpretasi yang mengacu kepada suatukesimpulan 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
•
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
•
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.
•
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 )
•
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
•
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
•
Membuat diagnosis dengan memakai suatu alat
adalah suatu proses yang tidak pasti ( probability)
Penyakit
Ada Tidak
Hsl Pos a b
tes Neg c d
•
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
•
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 :
•
4. Kekerapan ( frekuensi )
Hasil observasi klinik biasanya dinyatakan dalam bentuk ukuran-ukuran :
* jumlah kasus
* proporsi / persentase * insidens
•
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
•
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
•
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
•
6. Prognosis
– Perkiraan / prediksi perjalanan penyakit setelah penyakitnya timbul.
– F. RESIKO
- sembuh? SEHAT SAKIT----prognosis --- - cacat?
- mati?
Gambaran Prognosis :
1. Harapan hidup 5 tahun
• 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
•
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
•
Tingkat pencegahan :
1. Primordial prevention 2. Primary prevention 3. Secondary prevention 4. Tertiary prevention
9. Kausa
Yaitu kondisi yang menimbulkan penyakit dan patogenesis.
•
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
•
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
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
Konsep probabilitas
3
Pandangan Klasik /intuitif
Pandangan Empiris / Probabilitas Relatif
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
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
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
Distribusi Probabilitas
DISTRIBUSI PROBABILITAS
8
Ada bermacam-macam distribusi teoritis :
Distribusi Binomial (Bernaulli)
Distribusi Poisson
Distribusi Normal (Gauss)
Distribusi Student ( ‘t’)
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
Distribusi Normal (Gauss)
10
Laplace 1775
1809
Gauss mempublikasi Distribusi
Gauss- laplace ( N Gauss )
Variabel random kontinu
Ciri-ciri distribusi normal
11
Symetris
Seperti lonceng
Titik belok
Distribusi Normal (Gauss)
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
x
s
Distribusi Normal Standar
13
0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45
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
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
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
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
Nilai p pada z = 0.4 adalah 0.1554
Probabilitas seorang pasien dengan kadar kolesterol antara 150 s/d 200 mg/dl
Contoh soal
18
Probabilitas seorang pasien dengan kadar kolesterol diatas 220 mg/dl
Z = 220 – 180 = 0.8 50
Nilai p pada z = 0.8 adalah 0.2881
Probabilitas seorang pasien dengan kadar kolesterol diatas 220 mg/dl adalah 0.5- 0.2881 = 0.2119 atau 21.19%
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
1
PENYAJIAN DATA
Prof. Dr.dr. Rizanda Machmud M.Kes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
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
Prof.Dr.dr. Rizanda Machmud MKes
6
JENIS DAN KELUASAN ANALISIS
TERGANTUNG DARI:
1. Pertanyaan Penelitian/Tujuan studi/Hipotesis
2.Skala Pengukuran
3. Metode Sampling
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
8
JUDUL /TOPIK
BESAR SAMPEL
ANALISA STATISTIK
HUBUNGAN
Prof.Dr.dr. Rizanda Machmud MKes
9
VARIABEL DEPENDEN(Y)
vs BESAR SAMPEL
HASIL MENGUKUR
Y
KONTINU
KONTINU
KATEGORI
Prof.Dr.dr. Rizanda Machmud MKes
10
PENGUKURAN VARIABEL
HASIL MENGUKUR
X & Y
KONTINU
KONTINU
KATEGORI
Prof.Dr.dr. Rizanda Machmud MKes
11
HASIL UKUR
VARIABEL
Y
KATEGORI
KONTINU
X
KATEGO
RI
GORI-GORI
GORI-TINU
KONTIN
U
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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)
Prof.Dr.dr. Rizanda Machmud MKes
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:
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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:
Prof.Dr.dr. Rizanda Machmud MKes
[image:111.720.34.682.26.505.2]22
Tabel 7. Distribusi responden
menurut variabel penelitian
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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 sekolahSD tdk tamat
Tamat SD
Tamat SMP
Tamat SMU
Tamat D3/P T
Total Valid
Prof.Dr.dr. Rizanda Machmud MKes
25
Contoh Interpretasi
• “Distribusi frekuensi tingkat pendidikan
responden dapat dilihat pada Tabel-1,
terlihat bahwa sebagian besar responden
adalah tamat SMP (28.9%), kemudian
Prof.Dr.dr. Rizanda Machmud MKes
[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
Prof.Dr.dr. Rizanda Machmud MKes
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)
Prof.Dr.dr. Rizanda Machmud MKes
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]Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
30
Prevalensi Pneumonia
Balita
5%
95%
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
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
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
Prof.Dr.dr. Rizanda Machmud MKes
35
Prof.Dr.dr. Rizanda Machmud MKes
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
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
Prof.Dr.dr. Rizanda Machmud MKes
38
Tabel dua variabel
- Penelitian kohort : persen baris
Prof.Dr.dr. Rizanda Machmud MKes
[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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
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
Prof.Dr.dr. Rizanda Machmud MKes
42
Hasil uji BEDA RATA2 ANTARA KELOMPOK
DISEASE NON DISEASE
VARIABEL t Nilai p
Umur: Umur menengah Umur tua
2.933 2.185
0.004 0.031
Hipertrigliserida 4.308 < 0.0001
Diabetes Melitus 3.365 0.001
Prof.Dr.dr. Rizanda Machmud MKes
43