KIA Semester I.

OLEH KELOMPOK IV

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

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)

B. mengukur masalah kematian (angka

kematian/mortalitas)

 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



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

)

1. Incidence Rate

(

incidence density/

kepadatan insiden)

2. Attack Rate



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



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

3.Mengetahui beban tugas yang harus diselenggarakan oleh suatu fasilitas pelayanan kesehatan.

 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.

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

jumlah seluruh penduduk tanpa memperhitungkan orang/penduduk yang Kebal atau Penduduk dengan Resiko (Population at Risk).

 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

 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

 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)

9. Cause Spesific Mortality Rate (CSMR) 10. Case Fatality Rate (CFR)

 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

 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

dari Pernapasan, Detak Jantung, Detak Tali Pusat atau Gerakan Otot Volunter.

 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

 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)

px: Jml penduduk pertengahan tahun pada gol umur tersebut (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

Jml. Penduduk yg mungkin terkena penyakit (x) pd pertengahan tahun.

 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

2. PERUBAHAN STRUKTUR KROMOSOM

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

nonhomolog patah dan saling bertukar

segmen.

Lingkup Penyakit Genetik

Penyakit dalam lingkup genetik diklasifikasikan

menjadi 4 yaitu :

•

kromosomal,

•

single-gene,

•

multifaktorial,

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.

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.

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)

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).

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.

* Ilmu yang mempelajari distribusi masalah

penyakit pada sekelompok penduduk dan

faktor determinannya. ( Mc Mahon, 1970 )

•

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.

* Suatu pendekatan untuk membuat dan menginter

pretasikan observasi klinik.

•

Tujuan

*

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

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

* Menjembatani kedokteran klinik dengan ilmu dasar

Mekanisme Penyakit Luaran

penyakit

•

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.

•

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.

•

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 ).

•

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

Ket : a = true positive b = false positive c = false negative d = true negative

•

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

•

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

•

4. Kekerapan ( frekuensi )

Hasil observasi klinik biasanya dinyatakan dalam bentuk ukuran-ukuran :

* jumlah kasus

* proporsi / persentase * insidens

* prevalens * rasio

•

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

2. Case-control study 3. Cross-sectional 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

•

Ukuran faktor resiko :

1. Relative risk ( RR )

•

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

• 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.

•

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

•

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

3. Pemilihan jenis tindakan 4. Pemilihan alat perawatan

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

dilambungkan satu kali maka peluang untuk keluar sisi

gambar adalah 1/2.

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

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 Chi Square ( X2 )}



_{Distribusi Fisher ( F ) dll.}

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

.

Distribusi Normal (Gauss)

10



_{Laplace 1775}



₁₈₀₉

_{Gauss mempublikasi Distribusi}

Gauss- laplace ( N Gauss )



_{Variabel random kontinu}



_{Kurva normal standar}

_mempunyai



_{=0 dan}



_{= 1}



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     

Distribusi normal dengan mean=0 dan simpang baku=1 Dapat digunakan untuk berbagai ukuran  Menggunakan transformasi

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}

kurang dari 150 mg/dl adalah 0.5

–

0.2257 =

27,43%

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%

 _{Jumlah pasien yang mempunyai kadar kolesterol diatas 220 mg/dl}

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

1

PENYAJIAN DATA

Prof. Dr.dr. Rizanda Machmud M.Kes

Prof.Dr.dr. Rizanda Machmud MKes

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

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

TINU-GORI

TINU-TINU

Prof.Dr.dr. Rizanda Machmud 38

Tabel dua variabel

- Penelitian kohort : persen baris

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

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

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 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