Indikator & pengukuran dalam epidemiologi

penyakit kronik& degeneratif serta

faktor yang mempengaruhi akurasi
Prof.Dr.dr.Rizanda Machmud M.Kes
KONSEP SEHAT - SAKIT
Batasan sehat itu sendiri sangat beragam, salah
satu konsep sehat menurut WHO, adalah: suatu
keadaan sehat yang komplit meliputi fisik, mental,
sosial dan bukan hanya ketiadaan dari penyakit
ataupun kelemahan
Penilaian terhadap kesehatan individu didasarkan
pada pemeriksaan fisik, pemeriksaan
laboratorium, dan pemeriksaan-pemeriksaan
lainnya terhadap kesehatan orang yang
bersangkutan
Penilaian terhadap kesehatan masyarakat
didasarkan pada kejadian-kejadian penting
yang menimpa penduduk atau masyarakat



Indikator kesehatan masyarakat, seperti
angka kematian, angka kelahiran, angka
kesakitan
4
Pengertian, tujuan, & manfaat
Kumpulan keterangan berbentuk angka yang
berhubungan dengan masalah kesehatan
Semua catatatan berupa angka yang
dikumpulkan secara sistematis ttg kesehatan
dan hal-hal yang berhubungan dengan
kesehatan.
Tujuannya, untuk memperoleh informasi
yang jelas & terperinci ttg keadaan
kesehatan suatu masyarakat.

5
Pengertian, tujuan, & manfaat (lanj)
Manfaat :
Mengukur derajat kesehatan masyarakat
Memonitor kemajuan status kesehatan
Mengadakan evaluasi program
Mengadakan perbandingan keadaan kesehatan
Memotivasi petugas & pengambil keputusan
Menentukan prioritas masalah

6
Proporsi, Rate & Ratio
Proporsi
Perbandingan antara dua nilai dimana pembilang
merupakan bagian dari penyebut
Rate
Perbandingan antara dua nilai dimana pembilang
merupakan bagian dari penyebut, & unsur waktu juga
diperhatikan.
Ratio
Perbandingan dimana pembilang dan penyebut
merupakan kelompok yang berbeda

Tabel 1. Distribusi Frekuensi Penyakit
Menurut 10 Penyakit Terbanyak
di Puskesmas ABC tahun XXX
Jenis \penyakit Jumlah
(Nilai absolut)
Persentase %
(Nilai Relatif)

ISPA
Dermatitis
Artritis
Diare
Gastritis
Anemia
Katarak
Ginggivitis
Tumor
Dan lain-lain

Jumlah

13.526
10.523
5.637
4.120
1200
52
45
36
12
10.560

45.801

29.53
22.98
12.31
9
2.62
0.11
0.09
0.07
0.03
23.05

100

CONTOH RATIO
Perbandingan antara pria dan wanita dalam
data kependudukan dikelurahan jumlah
penduduk laki-laki adalah 11.543 orang dan
jumlah penduduk wanita adalah 11.474
orang
11.543/ 11.474 = 1.006
Ratio jumlah penduduk antara pria dan
wanita adalah ini berarti penduduk laki-laki
lebih banyak 1.006 kali dibandingkan
penduduk wanita
STATISTIKA MORTALITAS
Angka kematian kasar
Specific death Rate
Case Fatality Rate
Proporsional Mortality Rate
ANGKA KEMATIAN KASAR
Adalah jumlah seluruh kematian selama satu
tahun berjalan dibagi jumlah penduduk pertengah
an tahun atau midyear population disuatu negara.
Angka kematian kasar atau Crude death Rate
(CDR) sangat tergantung pada komposisi seks
dan umur penduduk. Bila komposisi penduduk
terdiri dari banyak orang lanjut usia, maka CDR
akan lebih tinggi, sebaliknya bila komposisi
penduduknya terdiri dari banyak usia muda, maka
CDR akan lebih kecil.
CONTOH CDR
Total kematian penduduk Indonesia tahun XXX
sebanyak 17.308.680 orang dan jumlah penduduk
Indonesia pertengahan tahun XXX sebanyak
178.440.000 orang. Berapa CDR tahun XXX?
Perhitungan;
Angka Kematian kasar =
(17.308.680/ 178.440.000) X1000 =9.7 per 1000
Angka kematian kasar penduduk Indonesia tahun
XXX adalah 10 orang per 1000 penduduk
SPESIFIC DEATH RATE
Merupakan angka kematian yang ditujukan
kepada penyebab kematian spesifik oleh penyakit
tertentu
Biasanya dihubungkan dengan faktor-faktor yang
terdapat dimasyarakat seperti umur, seks,
pekerjaan, dan status sosial
Jumlah kematian karena sebab tertentu selama 1 thn
Spesific
Death Rate = x 100.000
Jumlah penduduk pertengahan tahun yang sama
MANFAAT
Sebagai base line data pada studi epidemiologik
Untuk mengetahui faktor-faktor risiko yang dapat
menimbulkan kesakitan dan kematian oleh
penyakit tertentu di masyarakat
Dipakai untuk estimasi terhadap etiologi penyakit.
Dipakai sebagai bahan pertimbangan untuk
menyusun rencana pencegahan dan
pemberantasan penyakit tertentu.
Dipergunakan juga untuk mengetahui tingginya
risiko kematian penduduk karena penyakit
tertentu
CONTOH
Jumlah kematian karena TBC di suatu wilayah
pada tahun XXX adala sebanyak 3.000 orang.
Jumlah penduduk pertengahan tahun adalah
13.821.000. Berapakah rate kematian karena
TBC tersebut ?
Perhitungan;
Spesific death rate =
(3.000/ 13.821.000) X 100.000 =
2 per 100.000 penduduk
CASE FATALITY RATE
Merupakan persentase angka kematian oleh sebab
penyakit tertentu yang dipakai untuk menentukan derajat
keganasan/ kegawatan suatu penyakit tersebut.
Perhitungan rasio ini dengan cepat dapat diketahui jenis
penyakit mana yang paling banyak menimbulkan
kematian, sehingga dapat segera disusun strategi
penanggulangan
Jumlah kematian akibat suatu penyakit
Case Fatality Rate(CFR) = x 100
Jumlah seluruh kasus penyakit yang sama
CONTOH
Jumlah kematian akibat kanker payudara di
rumah sakit A, dilaporkan sebanyak 56 orang dan
pasien yang dirawat dengan penyakit yang sama
sebanyak 112 orang. Berapa Case Fatality Rate
penyakit tersebut?
Perhitungan;
(56/ 112) X 100%
CFR = 50%

Proportional Mortality Rate
Merupakan proporsi angka kematian yang terjadi
pada pada golongan umur tertentu,
Menjadi salah satu indikator penting untuk
melakukan estimasi penyebab kematian utama
disuatu negara
Dipakai sebagai base line data untuk
perencanaan pelayanan kesehatan

Jumlah kematian oleh umur tertentu
yang dicatat selama 1 tahun
Proportional
Mortality Rate = x 100
Jumlah seluruh kematian dalam tahun yang sama
STATISTIKA MORBIDITAS
Di negara-negara maju dengan taraf kesehatan yang
tinggi, tingkat kematian telah dapat ditekan serendah-
rendahnya, terutama kematian yang disebabkan
penyakit infeksi.
Pola penyakit dinegara tersebut telah bergeser dari
penyaikt infeksi ke penyakit non infeksi, seperti
penyakit jantung, hipertensi, diabetes melitus dan lain
sebagainya
Di Indonesia saat ini telah terjadi suatu transisi
epidemi penyakit dimana penyakit yang timbul masih
didominasi oleh penyakit infeksi, akan tetapi terjadi
pula peningkatan penyakit non infeksi
RATE MORBIDITAS
Rate morbiditas adalah jumlah penderita yang
dicatat selama 1 tahun per 1000 penduduk
pertengahan tahun yang sama
Rate ini dapat digunakan untuk menggambarkan
keadaan kesehatan secara umum

Jumlah penderita yang dicatat selama 1 tahun
Rate Morbiditas = x 1000
Jumlah penduduk pertengahan tahun yang sama.
RATE PREVALENSI
Rate prevalensi suatu penyakit adalah jumlah
penyakit tertentu yang dicatat selama 1 tahun per
1000 penduduk yang berisiko terkena penyakit
yang sama.
Rate ini merupakan frekuensi penyakit lama dan
baru yang berjangkit di masyarakat di suatu
wilayah pada waktu tertentu
Rumus;
Jumlah penyakit tertentu yang dicatat selama 1 tahun
Rate = x 1000
Prevalensi Jumlah penduduk pertengahan tahun yang sama.
MANFAAT
Rate prevalensi sangat bermanfaat untuk
mempelajari penyakit kronik yang terjadi dalam
masyarakat dan digunakan untuk mengetahui
tingkat keberhasilan program pemberantasan
penyakit.
Rate ini dapat juga digunakan untuk menyusun
rencana tentang pelayanan kesehatan yang
dibutuhkan, obat-obatan dan lain-lain
JENIS RATE PREVALENSI
Bila rate prevalensi ditentukan pada suatu
saat misalnya pada bulan juli tahun X, maka
disebut point prevalence rate;
Apabila ditentukan selama suatu periode
tertentu misalnya dari 1 Januari sampai
dengan 31 Desember tahun X, maka
disebut sebagai periode prevalence rate.

RATE INSIDENSI
Rate insidensi adalah jumlah kasus baru atau penderita
baru penyakit tertentu yang dicatat selama 1 tahun per
1000 penduduk yang mempunyai resiko untuk terkena
penyakit tersebut
Jumlah kasus baru atau penderita baru penyakit tertentu
yang dicatat selama 1 tahun
Rate = x 1000
Insidensi
Jumlah penduduk yang mempunyai resiko untuk terkena
penyakit tersebut.
MANFAAT
Mengetahui tingkat keberhasilan program
imunisasi yang dijalankan terhadap penyakit-
penyakit yang dapat dicegah dengan imunisasi.
Mengetahui adanya letusan penyakit.
Membandingkan tingkat perkembangan penyakit
pada berbagai kelompok masyarakat.
Mengetahui secara langsung risiko untuk terkena
penyakit tertentu.
Gambar kejadian Incidens dan
Prevalence Rate penyakit TBC
di daerah XYZ
Kasus TBC
1. B S
2. B S R
3. B S
4. B S
5. B M
6. R S

1 Januari th XY 31 Desember thXY

keterangan : B = Kasus baru S = Sembuh
R = Relaps M= mati jumlah penduduk = 300
Berapakah point prevalence rate pada tanggal 1 Januari
tahun XY?
Jumlah orang yang menderita penyakit TBC 4 orang
tgl 1 Jan th XY
X 1000 = 13
Jumlah penduduk 300 orang

Berapa incident rate penyakit
tersebut?
Jumlah kasus baru 5 kasus
X 1000 = 17
Jumlah penduduk yang berisiko 294
Berapakah periode prevalence
rate dari tanggal 1 January 31
Desember th XY ?
Jumlah kasus penderita TBC 1 Jan-31Des th XY 6 kasus
X 1000 = 20
Jumlah penduduk 300 orang
FAKTOR- FAKTOR YANG
MEMPENGARUHI AKURASI
BIAS
TOPIK BAHASAN
ERROR
BIAS
PENGUKURAN
BERBAGAI KESALAHAN DALAM PENELITIAN
PENGENDALIAN KESALAHAN
MEASUREMENT ERROR
RANDOM ERROR
SYSTEMATIC ERROR
JENIS-JENIS BIAS
SELECTION BIAS
BIAS INFORMASI
CONFOUNDING
SELECTION BIAS
Penyimpangan perkiraan pengaruh yang
diakibatkan oleh cara pemilihanpengaruh
Terdiri dari
a) Prevalence incidens bias
b) Berkson bias
c) Non-respon bias
d) Wrong sample size bias
Prevalence incidens bias
Terjadi dalam kasus case control
Selective survival pada prevalent cases
Kasus-kasus ringan sudah membaik kasus berat
mengakibatkan kematian
Dalam memilih kasus, kita terlambat melihat
penyakitnya
Kasus-kasus berat yang sudah menimbulkan
kematian tidak akan muncul daiantara outcome
Lanj.
Tingginya CFR pada tahap dini dari penyakit
jantung koroner akan mengurangi invalidate
studi terhadap faktor-faktor etiologik yang
mungkin ada karena orang-orang yang tersedia
adalah orang yang masih hidup (kasus-kasus
parah tidak terdapat)
Pada studi kohort serum kolesterol memiliki OR
2.4 sedangkan pada studi case kontrol memiliki
OR 1.16
BERKSON BIAS
Selektif dalam penerimaan pasien dirumah sakit
Penyebabnya tergantung gejala, akses, rumah sakit
rujukan utk penyakit tertentu, populer atau tdak RS tsb
Contoh;
Individu yang memiliki 2 gejala cenderung dirawat inap di
RS dibanding yang memiliki 1 gejala
Contoh
Pada penyakit muskuloskletal dengan penyakit
pernafasan
Pada populasi umum OR 1.06; tidak ada hubungan antara
penyakit muskuloskletal dengan pernafasan
Pada orang yang di rawat di RS OR 4.06 ada hubungan
antara penyakit muskuloskletal dengan pernafasan
NON-RESPONSE BIAS
Adanya penolakan untuk berperan serta dalam suatu
penelitian
Orang yang tidak memberikan tanggapan pada sampel
cenderung berbeda dari orang yang tersedia
Kebiasaan merokok, ternyata yang memberikan
tanggapan lebih baik hanya dari rokok kretek dibanding
rokok cerutu
WRONG SAMPLE SIZE
Sampel yang terlampau kecil ketidak mampuan untuk
mendeteksi perbedaan-perbedaan klinik secara penting
Sampel yang terlampau besar ukuran-ukuran statistik
bermakna atas perbedaan-perbedaan secara klinik tidak
penting
INFORMATION BIAS
Kekeliruan ketidak pastian atau informasi didalam
pengukuran paparan atau outcome
Distorsi didalam memperkirakan pengaruh yang
diakibatkan measurement error atau misclasification
atas subjek-subjek pada satu atau lebih variabel
TERDIRI ATAS
a) Diagnostic bias
b) Recall bias
DIAGNOSTIC BIAS
Terjadi karena penampilan tatacara diagnostik
kasus tidak proporsional dengan tatacara
diagnostik pada kontrol
Pengetahuan mengenai subjek sebelum
keterpaparannya dengan suatu hal yang diduga
sebagai penyebab penyakit dapat berpengaruh
dalam proses diagnostik outcome
Contoh
Penyakit yang manifestasi klinik yang langka dan
memerlukan uji labor utk prosedur diagnostik, akan missed
dalam kelompok kontrol
Ca cervix pada individu yang terpapar dan tidak terpapar
terapi estrogen, prosedur yang sama harus dilakukan untuk
kedua kelompok
Pencegahannya, blinding terhadap kasus dan kontrol
Recall bias
Kesalahan pengelompokan bila informasi mengenai
variabel paparan tidak diketahui atau tidak akurat.
Contoh;
Ibu-ibu yang kehamilan terakhirnya berakhir dengan
kecacatan atau kematian janin (kasus) dan ibu-ibu yang
sepadan yang kehamilannya berahir normal (kontrol)
ibu2 kasus melaporkan lebih banyak keterpaparan
dengan obat2an.
CONFOUNDING
Bias yang terjadi bila data pengaruh faktor yang diteliti
tercampur dengan data pengaruh variabel luar
(extraneous)
Hubungan rsebab akibat yang menghubungkan faktor
yang diteliti dengan variabel lain yang merancukan
dengan penyakit didalam populasi.
Variabel umum sebagai perancu; umur, jenis kelamin,
status sosial ekonomi, tingkat keparahan penyakit
confounding
Bias confounding dapat dikontrol dalam analisis, bias
seleksi tidak dapat dikontrol
Contoh;
Hubungan konsumsi alkohol dengan infark miokard.
Merokok sebagai sebagai salah satu penyebab penyakit
infark miokard
Alkohol dan merokok saling berhubungan
Upaya penanggulangan bias
Restriksi - Kriteria inklusi dan eksklusi
Matcing
Stratifikasi
Control melalui analisis
SYARAT-SYARAT
PENGUKURAN(1)
ISOMORFISME(1)
Ukuran harus sedekat mungkin dengan benda/ kejadian yang
diukurnya (identik dengan yang diukur)
Kesulitannya: Yg diukur adalah (umumnya) sebagian
karakteristik/properti dari obyek yang diukur
Seringkali bahkan hanya indikan-nya saja
Indikan= sesuatu yang dapat menunjukkan keadaan sesuatu yang lainnya.
Mengukur kondisi fisik lebih sederhana dp. kondisi psikologis (BB vs.
Komitmen bekerja)
SYARAT-SYARAT
PENGUKURAN(3)
EXHAUSTIVE
Pengukuran harus meliputi seluruh kemungkinan ukuran sesuai
dengan tujuan studi
Misal:
Jenis kelamin: Lk/Pr
Pendidikan: Buta-huruf s/d PT
3
MUTUALLY EXCLUSIVE
Pengukuran tidak tumpang tindih
Misal:
Kategorisasi umur: 0-1| >1-5| >5-10| dst
Realiable & Valid
TEORI RELIABILITAS(1)
Setiap alat ukur mengandung komponen:
Nilai Sebenarnya (True value=Xt), dan
Nilai Kesalahan (Error=Xe)
Xu = Xt + Xe

Pengukuran berulang menghasilkan varians:
Vu=Vt + Ve
TEORI RELIABILITAS(2)
Reliabilitas (=r) adalah proporsi Varians Sebenarnya thd
Varians Pengukuran:

r = Vt / Vu; Nilai Vt biasanya tidak diketahui
Sedangkan Vu = Vt + Ve atau Vt = Vu-Ve

r = (Vu-Ve) / Vu atau r = 1 - (Ve/Vu)
Bila Ve = 0; maka r = 1

VALIDITAS PENGUKURAN
Menjawab pertanyaan:
Apakah alat ukur yg dipakai memang mengukur sesuatu yg ingin diukur:
Timbangan badan u/ mengukur BB
Pita ukur u/ mengukur TB
Jenis Validitas Pengukuran (American Psychological
Association):
V-Construct (V-konstruk)
V-Content (V-Isi)
V-Criterion (V-kriterium)
VALIDITAS ISI
Adalah adekuasi sampling isi alat ukur
(representativeness)
Menjawab pertanyaan:
Apakah isi alat ukur telah mewakili populasi properti dari sesuatu
yang ingin diukur
Misal:
isi ujian Metlit harus mewakili TIU/TIK mata ajaran Metlit
kuesioner ttg kepuasan pasien mewakili seluruh aspek/dimensi kepuasan
pasien
VALIDITAS KRITERIUM
Adalah kemampuan alat ukur memprediksi kriteria lain yang
berhubungan
Apakah alat ukur yang dipakai dapat memprediksi sesuatu
dengan baik?
Ujian Metlit yg baik memprediksi keberhasilan tesis
Pasien yg puas akan kembali untuk berobat (re-visit)
Penyulit:
Menemukan kriteria yang benar
VALIDITAS KONSTRUK
Adalah kemampuan alat ukur dalam menerjemahkan aspek
teoritis
Faktor apakah yang berperan dalam menjelaskan hasil ukur?
Faktor apa yg berkaitan dengan keberhasilan/kegagalan ujian metlit
dpl. faktor berkaitan dengan variasi hasil
mengapa data menunjukkan sukses Metlit berkaitan dengan konstruk
kreativitas/imajinasi?
proses validasi konstruk berkaitan erat dengan proses penelahaan
ilmiah empiris (empirical scientific enquiry)
External validiti
External validity
BERBAGAI KEMUNGKINAN
KESALAHAN
No Tahapan Studi Kemungkinan Kesalahan
1 Pengembangan konsep dan
hipotesis
V-Konstruk/Kriteria (Pengukuran)
2 Pemilihan Desain V-Internal Penelitian
2 Pengembangan instrumen V-Isi/Reliabilitas (Pengukuran)
3 Sampling V-Eksternal Penelitian
4 Pengumpulan data Bias bersumber responden &
pewawancara (Reliabilitas)
5 Manajemen data
Kuesioner tidak terbaca
Salah "entry"
6 Analisa data Penggunaan jenis statistik
7 Interpretasi hasil & Proses
Induktif
V-Konstruk
PENANGGULANGAN BIAS
Summary of how research works
RESEARCH
QUESTION












TRUTH IN THE
UNIVERSE
STUDY
PLAN












TRUTH IN THE
STUDY
Target
population
Women aged
50-69





Phenomena
of interest
The proportion
who take estrogen
Intended
sample
All women aged 50-
69 seen in clinic(s)
in one year



Intended variables
Self reported
estrogen treatment
Errors
design
infer
Errors
implement
ACTUAL
STUDY











FINDINGS IN THE
STUDY
Actual Subjects


Actual
Measurements
Errors
OPTIMASI VALIDITAS SUDI
MAKSIMASI VARIANS
KONTROL VARIABEL LUAR
MINIMISASI KESALAHAN
MAKSIMASI VARIANS
PRINSIP SEBANYAK MUNGKIN (melalui
proses deduksi yg komprehensif)
Pelajari semua variabel yang mungkin
berhubungan dengan var dep.
Pelajari antar-hubungan variabel2 yg ada
REDUKSI MODEL SESUAI KEBUTUHAN
Mereduksi variabel yg kecil pengaruhnya
Mampu laksana
KRITERIA INKLUSI
Homogenisasi
Variabel luar dijadikan konstan
Matching
Kelompok Intervensi dan Kontrol memiliki
kesamaan dalam hal variabel luar
KONTROL VARIABEL LUAR (BEBAS)
STATISTIK MULTIVARIAT
Melihat pengaruh/hubungan antara var
dependen dengan var independen
(utama) dengan
mengendalikan/mengontrol var
independen lainnya
Pengaruh motivasi thd kinerja dengan
mengendalikan faktor pendidkan, persepsi
peran, masa kerja, pembinaan, dst
KONTROL VARIABEL LUAR (BEBAS)
12
VARIABEL NON-EKSPERIMENTAL
(CONFOUNDING)
VARIABEL SUBYEK
Mis.: Genet ik, Umur, Sex, Pendidikan, dll
Pengendalian:
Randomisasi
Matching
Rancangan-Ulang
Rancangan analisa statistik
VARIABEL LINGKUNGAN
Keadaan sekit ar yang pengaruhi st udi
Pengendalian:
Lingkungan dibuat konstan
Randomisasi
Rancangan analisa statistik
OPTIMASI VALIDITAS STUDI
MINIMASI KESALAHAN PENGUKURAN
PENGENDALIAN KESALAHAN SISTEMATIK
Pembakuan alat ukur
peneraan alat ukur
pelatihan
pengukuran ganda
pengendalian lingkungan saat mengukur
RELIABILITAS & vALIDITAS PENGUKURAN
Konsisten - Tepat - Teliti
Construct - Content - Criterion related
13
KESALAHAN DALAM PENELITIAN
(ERROR)
KESALAHAN PENGUKURAN
Inst rumen t idak valid/reliabel
Pengendalian:
Uji-coba instrumen
Counter-balance
KESALAHAN PENELITI
Subyekt ivit as
Pengendalian:
Blind experiment
Pengukuran ganda (pengukur/frek)
Terimakasih