KIA Semester I.
OLEH KELOMPOK IV
(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
penderita dan 12 diantaranya anak-anak maka
rasio anak terhadap orang dewasa adalah
12/20=0,6
(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)
B. mengukur masalah kematian (angka
kematian/mortalitas)
(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.
Di dalam Epidemiologi, Ukuran Utama Morbiditas
adalah : Angka Insidensi & Prevalensi dan berbagai Ukuran Turunan dari kedua indikator tersebut
(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
> jumlah penduduk yang mungkin terkena
penyakit baru (
Population at Risk
)
(7)
1. Incidence Rate
(
incidence density/
kepadatan insiden)
2. Attack Rate
(8)
Jumlah penderita baru suatu penyakit yang
ditemukan
pada
jangka
waktu
tertentu
(umumnya
1
tahun),
dibanding
dengan
jumlah penduduk yang mungkin terkena
penyakit baru tersebut pada pertengahan
jangka waktu yang dibersangkutan
(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
3.Mengetahui beban tugas yang harus diselenggarakan oleh suatu fasilitas pelayanan kesehatan.
(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
Jml. Penduduk yg. Mungkin terkena Penyakit tersebut pd. Saat yg. Sama.
(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
jumlah seluruh penduduk tanpa memperhitungkan orang/penduduk yang Kebal atau Penduduk dengan Resiko (Population at Risk).
(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
PPR : --- X K Jumlah penduduk pertengahan
(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
PPR = --- x K Jml. Penduduk 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)
9. Cause Spesific Mortality Rate (CSMR) 10. Case Fatality Rate (CFR)
(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
CDR = --- X K Jumlah Penduduk Pertengahan
(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
dari Pernapasan, Detak Jantung, Detak Tali Pusat atau Gerakan Otot Volunter.
(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
Total Kematian Janin + Janin Lahir Hidup periode yg sama
(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)
px: Jml penduduk pertengahan tahun pada gol umur tersebut (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
Jml. Penduduk yg mungkin terkena penyakit (x) pd pertengahan tahun.
(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)
1. PERUBAHAN JUMLAH KROMOSOM
2. PERUBAHAN STRUKTUR KROMOSOM
(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
nonhomolog patah dan saling bertukar
segmen.
(39)
(40)
(41)
Lingkup Penyakit Genetik
Penyakit dalam lingkup genetik diklasifikasikan
menjadi 4 yaitu :
•
kromosomal,
•
single-gene,
•
multifaktorial,
(42)
Sindrom Down adalah contoh kelainan
kromosomal. Kromosom yang terlibat adalah
kromosom 21 yang jumlahnya sebanyak tiga
(trisomi). Sekitar 50% janin sindrom Down
akan mengalami aborsi spontan.
(43)
Kelainan single-gene atau monogenetic
disorders adalah terjadinya mutasi pada satu
gen
saja namun sudah menimbulkan penyakit.
Contohnya adalah cystic fibrosis dan
Huntington disease. Kelainan ini lebih jarang
ditemui.
(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.
Seringkali peranan
gen
yang terlibat hanya kecil
dampaknya tetapi ketika ada interaksi dengan
lingkungan, manifestasi itu berdampak besar (
kasus kardiovaskular, diabetes, asma, obesitas,
demensia, osteoporosis, dl)
(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.
Contoh kasusnya adalah Leber Hereditary Optic
Neuropathy (LHON).
(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.
* Ilmu yang mempelajari distribusi masalah
penyakit pada sekelompok penduduk dan
faktor determinannya. ( Mc Mahon, 1970 )
(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.
* Suatu pendekatan untuk membuat dan menginter
pretasikan observasi klinik.
(50)
•
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
(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
- Abnormalitas yang membaik dengan perawatan / pengobatan.
(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.
* Untuk fenomena psikososial, perlu dibuat alat ukur sendiri.
(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 )
– Terdiri dari fase pre-patogenesa dan fase patogenesa ( masa inkubasi, penyakit dini, penyakit lanjut dan akhir penyakit ).
(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
Ket : a = true positive b = false positive c = false negative d = true negative
(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 +PV = a/a+b -PV = d/c+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 :
1. Bila hasil positif palsu dapat mengganggu 2. Untuk memastikan suatu diagnosis
(59)
•
4. Kekerapan ( frekuensi )
Hasil observasi klinik biasanya dinyatakan dalam bentuk ukuran-ukuran :
* jumlah kasus
* proporsi / persentase * insidens
* prevalens * rasio
(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 penyakit2. Mempelajari penyebab penyakit 3. Membantu menegakan diagnosa
4. Menentukan hasil dari penyakit ( prognosis ) 5. Untuk pencegahan penyakit
Studi faktor resiko :
1. Cohort study2. Case-control study 3. Cross-sectional 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
•
Ukuran faktor resiko :
1. Relative risk ( RR )(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
Persentase penderita yang mampu hidup selama 5 tahun dari saat tertentu dalam perjalanan penyakitnya
(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
Persentase penderita yang kembali sakit setelah lewat fase bebas penyakit.
(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
- Disease - Dissatisfaction - Disability - Distution
(66)
•
Tingkat pencegahan :
1. Primordial prevention 2. Primary prevention 3. Secondary prevention 4. Tertiary prevention9. Kausa
Yaitu kondisi yang menimbulkan penyakit dan patogenesis.
(67)
•
Pengetahuan tentang kausa berguna utk
:
1. Pengobatan penyakit2. 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
3. Pemilihan jenis tindakan 4. Pemilihan alat perawatan
(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
dilambungkan satu kali maka peluang untuk keluar sisi
gambar adalah 1/2.
(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 55 750 - 999 45 15
(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’)
Distribusi Chi Square ( X2 )
Distribusi Fisher ( F ) dll.
(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
tertentu dan S (simpangan baku) tertentu maka kurva simetris
yang terjadi disebut
kurva normal umum
.
(79)
Distribusi Normal (Gauss)
10
Laplace 1775
1809
Gauss mempublikasi Distribusi
Gauss- laplace ( N Gauss )
Variabel random kontinu
Kurva normal standar
mempunyai
=0 dan
= 1
(80)
Ciri-ciri distribusi normal
11
Symetris
Seperti lonceng
Titik belok
(81)
Distribusi Normal (Gauss)
Untuk dapat menentukanprobabilitas 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
(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 Distribusi normal dengan mean=0 dan simpang baku=1 Dapat digunakan untuk berbagai ukuran Menggunakan transformasi
(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
kurang dari 150 mg/dl adalah 0.5
–
0.2257 =
27,43%
(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
Nilai p pada z = 0.4 adalah 0.1554
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
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%
Jumlah pasien yang mempunyai kadar kolesterol diatas 220 mg/dl
(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
Probabilitas seorang pasien dengan kadar kolesterol antara 200 mg/dl - 275 mg/dl
(89)
(90)
1
PENYAJIAN DATA
Prof. Dr.dr. Rizanda Machmud M.Kes
Prof.Dr.dr. Rizanda Machmud MKes
(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
Research Writings
(93)
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
(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)
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
(96)
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
(97)
Prof.Dr.dr. Rizanda Machmud MKes
8
JUDUL /TOPIK
BESAR SAMPEL
ANALISA STATISTIK
HUBUNGAN
(98)
Prof.Dr.dr. Rizanda Machmud MKes
9
VARIABEL DEPENDEN(Y)
vs BESAR SAMPEL
HASIL MENGUKUR
Y
KONTINU
KONTINU
KATEGORI
(99)
Prof.Dr.dr. Rizanda Machmud MKes
10
PENGUKURAN VARIABEL
HASIL MENGUKUR
X & Y
KONTINU
KONTINU
KATEGORI
(100)
Prof.Dr.dr. Rizanda Machmud MKes 11
HASIL UKUR
VARIABEL
Y
KATEGORI
KONTINU
X
KATEGO
RI
GORI-GORI
GORI-TINU
KONTIN
U
TINU-GORI
TINU-TINU
(1)
Prof.Dr.dr. Rizanda Machmud 38
Tabel dua variabel
- Penelitian kohort : persen baris
(2)
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
(3)
Prof.Dr.dr. Rizanda Machmud 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
< 0.0001* 3.8 (2.6-5.5) 1
(4)
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
(5)
Prof.Dr.dr. Rizanda Machmud 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
(6)