Kegiatan Belajar

MANAJEMEN DATA
KESEHATAN
Tujuan Pembelajaran
1. Umum
Setelah mempelajari kegiatan belajar ini diharapkan petugas
mampu melakukan manajemen data kesehatan berdasarkan
data rutin dan data yang dihasilkan dari survei, dan dapat
menghasilkan informasi kesehatan berkualitas yang
dipergunakan untuk pengambilan keputusan.
2. Khusus
Petugas mampu menjelaskan dan melaksanakan :
 pengumpulan data kesehatan yang baik,
 pengolahan data kesehatan yang baik,
 analisis dan penyajian hasil analisis data kesehatan yang baik,
 pemanfaatan hasil penyusunan analisis data kesehatan yang
baik.
Latar belakang
Era otonomi daerah saat ini pembangunan kesehatan
berdasarkan kebutuhan yang bersifat bottom up dan evidence
based Planning.
 Ilmu statistik dan epidemiologi merupakan alat untuk
pengenalan masalah kesehatan di masyarakat
 Manajemen data sangat penting agar data yang diperoleh akurat,
berkualitas dan tidak terdapat kesalahan dalam membaca dan
menafsirkan makna dari angka-angka yang disajikan.
 Hasil assessment dengan tools Health Metricts Network (HMN)-
WHO tahun 2007 diperoleh nilai 35%, yang artinya tidak adekuat
sama sekali untuk komponen manajemen data .
Mengapa data kita tidak digunakan
oleh pembuat kebijakan?
 data kesehatan seringkali sulit diakses, sukar dicerna,
dan tidak jelas.
 Tidak responsif terhadap kebutuhan mendesak para
pembuat kebijakan.
 Pada saat data kesehatan dipublikasikan, sudah “basi”
(out of date).
 Informasi bisa dikatakan 'lost in translation' karena
tidak ditujukan untuk pembuat kebijakan dalam
format yang dapat mereka pahami dan pergunakan.
 Pengertian
 Data
(bentuk jamaknya datum) artinya himpunan hasil dari
penghitungan dan pengukuran, bisa dalam bentuk
angka/bilangan (umur, berat badan) dan bukan angka
(jenis kelamin, tingkat pendidikan), dsb.
Data dapat berupa catatan-catatan dalam kertas, buku,
atau tersimpan sebagai file dalam database. Data belum
dapat berbicara banyak sebelum diolah lebih lanjut. (Sumber
: Panduan Teknis Manajemen Data, Informasi, dan Organisasi Sistem
Informasi Pemerintahan, Kemeninfo RI)
Pengertian

Informasi
Informasi merupakan hasil pengolahan
data sehingga menjadi bentuk yang
penting bagi penerimanya dan mempunyai
kegunaan sebagai dasar dalam
pengambilan keputusan. (Sumber : Panduan
Teknis Manajemen Data, Informasi, dan Organisasi Sistem
Informasi Pemerintahan, Kemeninfo RI)
Pengertian
 Manajemen Data
Rangkaian kegiatan pengelolaan data mulai dari
kegiatan pencatatan, pengumpulan, pengolahan,
analisis data hingga menjadi suatu informasi.

 Analisis data kesehatan

Merupakan upaya mengolah data menjadi informasi,
sehingga karakteristik atau sifat-sifat data tersebut
dapat dengan mudah dipahami dan bermanfaat untuk
menjawab masalah-masalah kesehatan.
 Manajemen Data Kesehatan
1. Pengumpulan Data
Jenis Data
Sumber data
Kelengkapan Data
Ketepatan Waktu

2. Pengolahan Data
Sifat-sifat Data
 Relevansi
 Tepat Waktu
 Perbandingan
 Kepercayaan
Proses Pengolahan Data
 Pengecekan Kebenaran Data
 Tabulasi Data
 Filing dan penyimpanan data
Manajemen Data Kesehatan
1. Pengumpulan Data  paling penting
Sumber Data masyarakat dan fasilitas kesehatan
Jenis data : data rutin & non rutin
Standar data yang dikumpulkan perlu ada definisi
operasional yang jelas, sederhana, stabil dan mudah
dikerjakan, yang akan sangat membantu terhadap
ketepatan jenis data yang dikumpulkan oleh siapa saja,
kapan saja dan dimana saja  instrumen/form pengumpul
data  mempengaruhi kualitas data yang dikumpulkan.

Verifikasi data bertingkat mulai dari puskesmasDinkes

kabupaten/kotabank data
Kelengkapan Data  representatif gambaran/ keadaan
sebenarnya
Ketepatan Waktu  jenis data-> periode laporan
PEMANTAUAN & UMPAN BALIK  kelengkapan,
ketepatan, kualitas
Langkah Pengumpulan Data
Data rutin • Definisi Data terkumpul
dan non rutin operasional
• Format
Pengumpulan data PUSKESMAS

DINAS KAB/KOTA
Verifikasi:
Diolah & Dilaporkan • Kelengkapan
Verifikasi • Keakuratan/
konsistensi
• Waktu
Umpan Balik

BANK DATA
 ALUR
LAPORAN/DATA

1. Sumber Data
Manual
2. Sumber Data
Komputerisasi
3. Sistem Informasi
Dinas Kesehatan
4. Sistem Informasi
Pemangku
Kepentingan
5. Bank Data
Kesehatan
Nasional
6. Penggunaan Data
oleh Kemenkes
7. Penggunaan Data
oleh Pemangku
Kepentingan dan
masyarakat
KONSISTENSI DARI INFORMASI
Data dapat menjadi tidak konsisten akibat dari:
1. Definisi data.
Beberapa organisasi atau unit tidak sepakat tentang definisi dan
arti suatu data.
2. Struktur data.
Data yang sama mempunyai format yang berbeda di beberapa
tempat seperti berbeda panjangnya, antara desimal dengan non
desimal dll.
3. Struktur penyimpanan. Data yang sama disimpan dengan
struktur yang berbeda di beberapa tempat seperti numerik
dengan integer dll.
4. Waktu perubahan. Data bisa diproses/diolah bulanan,
mingguan, harian atau secara interaktif di beberapa sistem, serta
membuat beberapa copy di tempat yang berbeda.
Pemantauan & UMPAN BALIK
Contoh Absensi penerimaan Laporan
Program Malaria Kab ………….. tahun 2010

No Puskesmas
Bulan Pelaporan Ket Tanggal
1 2 3 4 5 6 7 8 9 10 11 12
1 Randu Agung L L L L pelaporan
6/2 8/3 12/4 9/5
TL L L L manual:
2 Bantal Jaya
11/2 10/4 10/4 10/5 • PKMdinkes
3 Tilam Raya - L L L
10/3 9/4 9/5 kab/kota : 5
L TL TL -
4 Guling Ujung
10/2 10/2 10/4 • Dinkes
5 Rawa Badak L
12/2
L
12/3
L
12/4
L
10/5
kab/kotadin
6 Ujung Berung TL - L - kes prov : 10
10/4
• Dinkes
L = Laporan Lengkap , TL = Laporan Tidak Lengkap; - = Laporan tidak masuk; prov pusat :
6/2 = angka 6 menunjukkan tanggal dan angka 2 menunjukkan bulan penerimaan laporan
11/5 = Laporan tidak tepat waktu 15

Umpan balik Tergantung jenis data / kegiatan, isi

laporan , waktu pelaporan ,unit pelapor / wilayah .
Manajemen Data Kesehatan
2. Pengolahan Data
Tujuan : menyiapkan data agar mudah ditangani saat
analisis, data bebas dari kesalahan.
Proses Pengolahan Data
Pengecekan Kebenaran Data
Editing & Koding
Entri/perekaman data
Tabulasi Data
Penyimpanan data
Manajemen Data Kesehatan
 Pengecekan kebenaran data/verifikasi data dilakukan setelah
proses kompilasi/perekaman selesai dikerjakan untuk melihat
tingkat “missing data” dan “konsistensinya”, lakukan dengan
cara:
 Bandingkan hasil distribusi frekuensi menurut berbagai
karakteristik lain.
 Bandingkan hasil bulan ini dengan bulan sebelumnya.
 Bandingkan hasil menurut pengelola data yang sama.
 bila setelah verifikasi dijumpai adanya inkonsistensi maka perlu
dilakukan:
 Pengecekan ulang terhadap kelengkapan datanya

 Cek ulang penghitunganya

 Cek ulang data dasar (sumber datanya)

 Pertimbangkan memeriksa definisi operasional

 Pertimbangkan ratio pemakaian sarana/bahan

 Manajemen Data Kesehatan
Kompilasi hasil imunisasi TT Bumil Puskesmas X Bulan Mei 2009
Manajemen Data Kesehatan

Laporan Data Komdat Tahun 2010

s/d Maret 2011
JUMLAH
Kelompok umur
Kabupaten Bayi (0 Anak Balita (12 - Penduduk
Penduduk berisiko (25-60
- 11 bulan) 59 bulan) miskin
tahun)
(6) (11) (8) (7) (10) (12)
1 KAB. BADUNG
2 KAB. BULELENG 650,237 11,583 79,465 480,619 177,505
3 KAB. GIANYAR 445,032 6,895 31,105 76,371 30,315
4 KAB. JEMBRANA 307,804 4,114 18,133 157,033 11,561
5 KAB. KARANG ASEM 7,590 34,061
6 KOTA DENPASAR 671,035 11,855 18,497 372,434 16,483

Missing dan inkonsistensi /invaliditas data ?

3. Penyajian / Visualisasi Data

 Menampilkan data /sumber informasi secara jelas

dan akurat
 Beberapa metode
1. Narasi
2. Tabel
3. Grafik/Gambar
Manajemen Data Kesehatan
3. Penyajian Tabel dan Grafik
Penyajian Tabel
a. Tabel Frekuensi Satu Arah (One way tabulation)
Tabel 2.1 Jumlah Balita menurut Penolong Kelahiran di
Kabupaten X Tahun 2010
Manajemen Data Kesehatan
Penyajian tabel
b. Tabel Silang
Contoh tabel silang:
Tabel 2.2 Jumlah Balita menurut Penolong Kelahiran
dan Daerah di Kabupaten X Tahun 2010
 Rekomendasi Presentasi Tabel
 Data numerik (kuantitatif) sebaiknya ditampilkan
sebagai rerata/mean dan standar deviasi (apabila data
terdistribusi secara simetris) atau sebagai median
atau range dan interquartile range (untuk data yang
tidak terdistribusi simetris).

 Data kategori (kualitatif) sebaiknya dalam bentuk

frekuensi dan persentase (%).
Mengapa menggunakan grafik/gambar?

 Grafik menyampaikan informasi lebih detail tanpa

menghilangkan informasi terkait. Berbeda halnya apabila
kita menampilkan angka rerata/mean & standar deviasi,
sebagian informasi akan hilang, misalnya pola distribusi &
adanya outliers.
 Grafik memungkinkan memudahkan visualisasi hubungan
antar berbagai variabel yang kompleks yang bisa
ditampilkan dengan 2 atau lebih dimensi.
 Dengan menampilkan grafik, pesan yang ingin disampaikan
bisa ditangkap dengan lebih mudah dan cepat
 Grafik yang sama dapat dilihat pada berbagai tingkatan
informasi yang berbeda, misalnya bisa menampilkan kesan
secara umum atau bisa dilihat detail dari suatu lokasi atau
kasus.
Kekurangan Grafik
 Meski demikian, ada beberapa kekurangannya,
terutama apabila dipresentasikan dengan keliru.
 Grafik memerlukan ruang yang lebih luas meskipun
hanya untuk menampilkan isu yang kecil/sedikit.
 Apabila yang ingin disampaikan adalah nilai mutlak
dari suatu kasus/penyakit misalnya, maka visualisasi
dalam bentuk tabel lebih sesuai.
Penyajian Grafik

Syarat grafik yang baik :

1. Judul grafik
2. Badan grafik
3. Catatan kaki/keterangan
Manajemen data kesehatan
Tujuan & Manfaat Bentuk Presentasi Grafik
No Jenis Grafik Tujuan & Manfaat
1. Garis Untuk menggambarkan trends/perkembangan suatu nilai
dari waktu ke waktu
2. a. Histogram Untuk menggambarkan trends perkembangan suatu nilai
dari waktu ke waktu
b. Bar diagram Untuk membandingkan satu nilai atau lebih dari
beberapa kategori
3. Pie Untuk membandingkan suatu nilai dari beberapa kategori
4. Scatter Untuk menggambarkan keeratan hubungan (sebab
akibat) antara dua variabel
5. Gambar Untuk membandingkan suatu nilai dari beberapa kategori
sekaligus melihat perkembangan dari waktu ke waktu
6. PETA Untuk menggambarkan penyebaran suatu nilai menurut
konsep wilayah
MANAJEMEN DATA KESEHATAN
JENIS-JENIS GRAFIK
1. GRAFIK GARIS
1.a. Grafik Garis Tunggal

Gambar 1. Estimasi angka kematian bayi per 1.000 kelahiran hidup di

Indonesia tahun 1991-2010
Sumber : Profil Kesehatan Indonesia Tahun 2010

Menurut hasil SDKI terjadi penurunan AKB sejak tahun 1991. Pada tahun 1991
diestimasikan AKB sebesar 68 per 1.000 kelahiran hidup. Sedangkan hasil SDKI
2007 mengestimasikan AKB sebesar 34 per 1.000 kelahiran hidup. Hasil estimasi
tersebut memperhitungkan Angka Kematian Bayi dalam periode 5 tahun terakhir
sebelum survei, misalnya pada SDKI tahun 2007 diperoleh AKB untuk periode 5
tahun sebelumnya yaitu tahun 2003-2007 sebesar 34 per 1.000 kelahiran hidup.
MANAJEMEN DATA KESEHATAN
1.b. Grafik Frekuensi Kumulatif

Gambar 2. Jumlah kumulatif kasus AIDS Tahun 2001 – 2010

Sumber : Profil Kesehatan Indonesia Tahun 2010
Gambar diatas menampilkan jumlah kumulatif kasus AIDS yang terjadi sampai
dengan tahun 2010. Jumlah kasus AIDS kumulatif terus meningkat, dari
sebesar 826 kasus pada tahun 2001, terus meningkat menjadi sebesar 24.131
kasus pada tahun 2010.
MANAJEMEN DATA KESEHATAN
1.c. Grafik Garis Berganda

Gambar 3.Proporsi cacat tingkat II dan proporsi anak di antara kasus baru kusta di
Indonesia tahun 2001-2010.
Sumber : Profil Kesehatan Indonesia 2010
Keberhasilan dalam mendeteksi kasus baru dapat diukur dari tinggi rendahnya proporsi
cacat tingkat II, sedangkan untuk mengetahui tingkat penularan di masyarakat
digunakan indikator proporsi anak (0-14 tahun) di antara penderita 57 baru. Proporsi
cacat tingkat II pada tahun 2010 sebesar 10,71%. Sedangkan proporsi anak di antara
penderita baru pada tahun 2010 sebesar 11,19%.
Pada kurun waktu 2002-2010 terjadi kecenderungan peningkatan proporsi cacat tingkat
II. Kecenderunggan peningkatan proporsi pada anak nampak dari tahun 2005 sampai
dengan tahun 2009. Sedikit penurunan nampak dari tahun 2009-2010, dari 11,44%
menjadi 11,19%.
MANAJEMEN DATA KESEHATAN
1.d. Grafik Garis Komponen Majemuk

Gambar 4. Jumlah kunjungan ibu hamil, ibu menyusui, bayi, dan anak balita di
Puskesmas X Kabupaten A tahun 2006-2010
Berdasarkan gambar di atas dapat diketahui bahwa jumlah kunjungan ibu hamil, ibu
menyusui, bayi, dan anak balita di Puskesmas X Kabupaten A dari tahun 2006 hingga
tahun 2010 terus meningkat. Peningkatan jumlah kunjungan yang paling signifikan
terjadi pada kunjungan anak balita dari tahun 2006 ke tahun 2007, sebesar 199
kunjungan.
MANAJEMEN DATA KESEHATAN
1.e. Grafik Garis Persentase Komponen Majemuk

100
80
persen

60
40
20
0
2000 2001 2002 2003 2004 2005

DPT-1 100,7 96,3 96,4 96,6 97,2 82,8

Campak 93,9 87,3 90,6 89,2 91,8 86,7

DO 7,4 10,1 5,8 7,7 5,6 1,5

Gambar 5. Persentase cakupan imunisasi DPT-1 dan campak serta angka

drop out (DO) di Indonesia tahun 2000 – 2005
Sumber : Profil Kesehatan Indonesia Tahun 2005

Pada gambar di atas menunjukkan bahwa angka drop out (DO) DPT 1-
Campak selama tahun 2000-2004 tidak melewati angka 5.8%-10.1%,
tetapi pada tahun 2005 angka drop out menurun cukup tajam (1.48%).
MANAJEMEN DATA KESEHATAN
1.f. Grafik Garis Seimbang

Gambar 6. Jumlah Bayi Lahir Hidup dan Lahir Mati di Kabupaten X Tahun
2006-2010.

Pada grafik di atas dapat kita ketahui bahwa angka lahir hidup
berlawanan dengan angka lahir mati, yaitu jumlah angka lahir
hidup jauh lebih besar dibandingkan dengan angka bayi lahir
mati.
MANAJEMEN DATA KESEHATAN
2. GRAFIK BATANG
2.a. Grafik Frekuensi Histogram

Gambar 8. Target Penemuan Penderita Pneumonia Balita Tahun 2005-2009

Sumber : Profil Kesehatan Indonesia Tahun 2009

Pada gambar di atas dapat kita ketahui bahwa target penemuan penderita
pneumonia balita sejak tahun 2005 hingga tahun 2009 terus meningkat, yaitu
sebesar 46 % pada tahun 2005 dan terus meningkat menjadi 86 % pada tahun
2009.
MANAJEMEN DATA KESEHATAN
2.b Grafik Batang Tunggal

Gambar 8. Kebutuhan Tenaga Kesehatan Tahun 2010 Untuk Mencapai Indonesia

Sehat 2010 Menurut Jenis Tenaga
Sumber : Profil Kesehatan Indonesia Tahun 2008

Berdasarkan data rasio tenaga kesehatan dan dengan menggunakan proyeksi

penduduk 2010, jumlah kebutuhan tenaga kesehatan diperkirakan sampai
tahun 2010 dapat dilihat pada gambar di atas.
MANAJEMEN DATA KESEHATAN
2.c. Grafik Batang Ganda

Gambar 9. Persentase Peserta KB Baru Menurut Tempat Pelayanan KB di

Indonesia Tahun 2006 – 2010
Sumber : Badan Kependudukan dan KB Nasional

Sesuai data BKKBN, tempat pelayanan peserta KB baru pada tahun 2010 tidak jauh
berbeda dengan tahun‐tahun sebelumnya. Sebagian besar peserta KB baru
memanfaatkan klinik KB pemerintah sebagai tempat pelayanan KB yaitu sebesar 62,16%.
Selain klinik KB pemerintah, bidan praktek swasta juga banyak dimanfaatkan peserta KB
baru sebagai tempat pelayanan KB yaitu sebesar 30,28%.
MANAJEMEN DATA KESEHATAN
2.d. Grafik Batang Komponen
2500

2000

1500
2008
2007
1000
2006

500

0
Pil IUD Suntik

Gambar 10. Jumlah Akseptor KB di Puskesmas X Berdasarkan Jenis Alat KB

Tahun 2006-2008.

Berdasarkan gambar di atas dapat diketahui bahwa pada tahun 2006

kebanyakan akseptor KB menggunakan pil sebagai alat kontrasepsi.
Sedangkan pada tahun 2007 dan 2008 jumlah akseptor KB yang
menggunakan pil, IUD, dan suntik jumlahnya seimbang.
MANAJEMEN DATA KESEHATAN
2.f. Grafik Batang Mendatar

Gambar 11. Piramida penduduk Indonesia tahun 2010 (Jutaan Jiwa)

Sumber : Profil Kesehatan Indonesia tahun 2010
Gambar 11. menunjukkan bahwa struktur penduduk di Indonesia termasuk struktur
penduduk muda. Hal ini dapat diketahui dari banyaknya jumlah penduduk usia muda (0‐14
tahun), walaupun jumlah kelahiran telah menurun jika dibandingkan dengan lima tahun
yang lalu dan angka harapan hidup yang semakin meningkat yang ditandai dengan
meningkatnya jumlah penduduk usia tua. Badan piramida membengkak, ini menunjukkan
banyaknya penduduk usia kerja terutama pada kelompok umur 25‐29 tahun baik laki‐laki
maupun perempuan.
MANAJEMEN DATA KESEHATAN
3. PIE CHART

Gambar 12. Proporsi Penderita AIDS Secara Kumulatif (%) Menurut Cara
Penularan s.d. Tahun 2007
Sumber : Profil Kesehatan Indonesia Tahun 2007
Pada gambar diatas nampak bahwa penggunaan narkoba suntik memiliki persentase
tertinggi sebesar 49,9% diikuti oleh hubungan seksual pada heteroseksual sebesar
41,9% dan hubungan seksual sejenis (homoseksual) sebesar 3,9%. Penderita AIDS
masih didominasi oleh kelompok laki-laki dengan proporsi 79,6% berbanding 19,8%
terhadap perempuan.
MANAJEMEN DATA KESEHATAN
4. GRAFIK PETA

Gambar 13. Persentase Penduduk yang Berobat Jalan ke Puskesmas/Pustu Tahun 2007
Sumber : Profil Kesehatan Indonesia Tahun 2007
Pada tahun 2007, tercatat provinsi dengan persentase penduduk yang berobat jalan ke
Puskesmas/Pustu terbesar adalah Papua sebesar 65,30%, diikuti oleh Nusa Tenggara Timur
sebesar 65,10% dan Sulawesi Barat 62,75%. Sedangkan provinsi dengan persentase penduduk
yang berobat jalan ke Puskesmas/Pustu terendah adalah Sumatera Utara sebesar 21,93%, diikuti
oleh Jawa Timur sebesar 26,20% dan Bali sebesar 26,25%.
Manajemen Data kesehatan…
3.1. Analisis dan Interpretasi Datadi kabupaten/kota

Metode Analisis Data:

A. Analisis Deskriptif : melihat gambaran/deskripsi
nilai-nilai suatu variabel data.
 Ukuran Kecenderungan (Central tendency)
a) Nilai Tengah : Median, modus
b) Proporsi :
• Ratio, contohnya sex ratio
• Rate, contohnya IMR, terdiri dari : a. Prevalensi
b. Insidens
c. Case Fatality
 Variasi (Variation)
a) Jangkauan (Range)
b) Simpangan Baku
c) Simpangan kuartil
 X
 Nilai yang baik dalam mewakili suatu data
 Contoh: n pengamatan yang terdiri dari x1,
x2,x3,……,xn, maka nilai rata-rata adalah
X = x1 + x2 + x3 + …….+xn
n
Contoh: data dari BB 5 orang dewasa
56, 62, 52, 48, 68 kg
Rata-rata BB lima orang ini adalah :
56 + 62 + 52 + 48 + 68 = 57 kg
5
 Adalah nilai yang terletak pada observasi yang
ditengah kalau data tersebut telah disusun
(array).
 Disebut juga nilai letak.
Contoh Median
BB 5 orang dewasa disusun menurut besar
kecilnya nilai:
48, 52, 56, 62, 67 kg
Posisi Median = 5 + 1 = 3
2
Nilai observasi ke-3 adalah 56 jadi dikatakan nilai
Median adalah 56 kg.
Kalau datanya genap posisi Median terletak antara 2
nilai, maka nilai Median adalah rata-rata dari 2 nilai
tersebut.
Contoh :
Data pengamatan pada 6 orang :
48, 52, 56, 62, 67, 70 kg
Posisi Median adalah pengamatan ke 3,4
nilai Median = 56 + 62 = 59 kg
2
 Modus
 Adalah nilai yang paling banyak ditemui di dalam
suatu pengamatan
 Ada beberapa kemungkinan :
1. Tidak ada nilai yang lebih banyak diobservasi jadi
tidak ada modus
Contoh: 56, 62, 55, 57, 65
2. Ditemui satu Modus
Contoh: 56, 62, 62, 62, 55, 57, 65
3. Ada 2 Modus
Contoh: 56, 55, 58,58, 60, 62, 62
4. Ada 3 Modus (Multi modal)
Contoh: 55, 55 ,56 ,56 ,62 ,62 ,61, 58
Analisis Deskriptif
Proporsi :
 Ratio
 Rate, terdiri dari :
a. Prevalensi
b. Insidensi
c. Case Fatality
 Ratio adalah suatu perbandingan antara suatu nilai pengamatan
dengan nilai pengamatan yang lain. Ratio dapat juga menunjukkan
tingkat hubungan atau keterkaitan antara suatu variabel dengan variabel
lainnya dan menunjukkan suatu arti tertentu, misalnya sex ratio.
 Rate adalah satu jenis rasio dimana jumlah kasus terjadi dalam kurun
satu tahun dibagi dengan jumlah penduduk yang ter-expose dalam
waktu tersebut.
(1) Prevalensi
P = jumlah kasus
jumlah populasi
 Jumlah kasus adalah penduduk yang diagnosa menderita suatu kondisi penyakit
selama 12 bulan, termasuk kasus yang tercatat sebelum kurun waktu tersebut
namun masih sakit pada saat dilakukan pendataan.
 Jumlah populasi adalah jumlah orang atau populasi yang mempunyai resiko
menderita penyakit tersebut selama kurun waktu tersebut.

(2) Insiden
Insiden rate atau angka kejadian kasus adalah jumlah kasus baru
sesuatu penyakit salama kurun waktu tertentu, misalnya 12 bulan.
Kasus yang timbul sebelum pendataan tidak dimasukkan dalam
perhitungan.
lanjutan Rate
3. Case Fatality Rate
Salah satu ukuran untuk mengetahui tingkat
kegawatan (severity) penyakit adalah Case Fatality
Rate (CFR), yang biasanya dinyatakan dalam
prosentase sebagai:
Jumlah penderita mati karena suatu penyakit
CFR  x100%
Jumlah kasus penyakit tersebut pada saat yang sama
Adalah nilai yang menunjukkan perbedaan nilai
pengamatan yang paling besar dengan nilai yang paling
kecil.
Contoh Range:

BB 5 orang dewasa

48,52,56,62,67 kg

Range adalah 67 – 48 = 17 kg
Standar deviasi = simpangan baku (SD)
Yaitu suatu nilai yang menunjukkan tingkat variasi
suatu kelompok data
Jika simpangan baku di kuadratkan disebut varians
Simpangan baku untuk data sampel “S”,
varians  S2
Simpangan baku untuk data populasi “σ” (tho),
varians  σ2

SD 
 ( x  x ) 2

n 1
 Simpangan kuartil (Q) didefinisikan sebagai :
 Q = (Q3 - Q1)/2 Q1 = kuartil pertama
Q3 = kuartil ketiga
Kuartil adalah titik yang membagi sekumpulan angka menjadi
empat bagian yang sama setelah angka tersebut diurut. Hal
ini dapat dilihat dari contoh dibawah ini. Kuartil pertama
dan ketiga dihitung berdasarkan urutan atau peringkat data
pengamatan, yaitu:
Kuartil pertama = urutan ke (N/4)
Kuartil ketiga = urutan ke (3N/4)
Manajemen Data kesehatan…
3.2. Komposisi Laporan Analisis Data Kesehatan
a. Judul
b. Ringkasan
c. Pendahuluan
d. Metode
e. Hasil
f. Analisis dan Interprestasi
g. Rekomendasi
h. Kepustakaan
i. Lampiran
 Pemanfaatan Hasil Analisis Data
Kesehatan
1. Distribusi Hasil Penyajian
 Dinas Kesehatan Kabupaten/Kota dan
Provinsi
 DPR
 Bupati/Walikota dan Gubernur
 Kementerian Kesehatan
 Institusi terkait
 Lembaga non Pemerintah (LSM) yang bergerak dalam
penanggulangan masalah kesehatan terkait.
 Kelompok Profesi
 Dll.
Pemanfaatan Hasil Analisis Data
Kesehatan …
Bagi pengambil kebijakan (Dinas Kesehatan
Kabupaten/Kota, Dinas Kesehatan Provinsi dan
Pusat (Kemenkes) dapat digunakan dalam
pembuatan kebijakan (strategik, manajerial,
operasional), perencanaan manajemen
strategis/taktis, dan dalam rangka penanggulangan
masalah kesehatan).
LATIHAN
Coba anda praktekan!
 Manfaatkan MS Office (antara MS Power Point dan
MS Excel)
 Lakukan tahap demi tahap ..manfaatkan menu-menu
mudah yang ada di MS Office 2007
Contoh Tabel
Tabel. Umur Harapan Hidup Penduduk DI.Yogyakarta
tahun 1971 – 2008
Periode UHH (Thn) UHH Indonesia
(thn)
1971 45,50
1980 61,20
1990 67,85
1997 68,35
2000 70,40 64,30
2002 70,90 65,20
2005 72,37 66,80
2006 72,90 68,50
2007 74,00 70,30
2008 74,10 70,50
Sumber: (Sensus, Supas, SDKI, Profil Depkes, Profil Dinkes DIY 2007-2008,
BPS 2009)
 Dengan
Fasilitas MS Office

Contoh Grafik
 Dengan
Fasilitas MS Office

Contoh Grafik
Contoh Grafik (Copy Paste)
Contoh Narasi
Variabel Umur Harapan Hidup
 Tahun 2008, umur harapan hidup masyarakat DIY
diperkirakan 74,1 tahun (BPS 2009). Tahun 1971 umur
harapan hidup sekitar 45,5 tahun. Terjadi peningkatan
yang besar sekitar 30 tahun terhadap harapan hidup di
Yoyakarta.
latihan
Narasi
 Jumlah peserta Jaminan Kesehatan Keluarga Miskin
sampai dengan tahun 2008 secara keseluruhan
mencapai 1.211.660 telah terjamin oleh jaminan
kesehatan atau 35,86% dari total penduduk di DIY.
 Terbanyak berasal dari Program Jamkesmas yang
mencapai 942.129 orang atau 74,98% terhadap total
Peserta JK Maskin yang ada.
 Dalam Tabel
Tabel Jumlah Peserta Jaminan Kesehatan Keluarga Miskin, 2009
%
WILAYAH JAMKESMAS JAMKESOS JAMKESDA JUMLAH
PENDUDUK

KOTA 68,456 13,134 44,968 126,558 20.39

BANTUL 222,987 92,000 314,987 39.00

KULON
141,893 56,000 197,893 52.33
PROGO
GUNUNG
340,635 83,000 423,635 61.98
KIDUL

SLEMAN 168,158 19,000 6,352 193,510 20.85

JUMLAH 942,129 263,134 51,320 1,256,583 35.86

Sumber : Dinkes Provinsi DIY, 2009

GraFIK
GraFIK
Grafik

Keterangan: Kepersertaan meliputi Jamkesda, Jamkessos dan Jamkesmas

GraFIK

Keterangan: Kepersertaan meliputi Jamkesda, Jamkessos dan Jamkesmas