Pengantar Statistik_Workhop Analisis Data PISPK 8 Juni 2022.pptx

pengantar statistik analisa data pispk 2022

1. Pengantar Teori Statistik Analisis Data PIS-PK Badan Kebijakan dan Pembangunan Kesehatan Kementerian Kesehatan RI 2022

2. Kementerian Kesehatan 2021 ALUR DATA DALAM PIS PK ENTRY DATA CLEANING DATA PENGOLAHAN DATA ANALISIS DATA SERVER PUSDATIN Terkirim Unduh

3. PROFIL KESEHATAN KELUARGA (PROKESGA) Kementerian Kesehatan 2021

4. Kementerian Kesehatan 2021 PROFIL KESEHATAN KELUARGA (PROKESGA)

5. Indikator dalam PIS-PK Kementerian Kesehatan 2021 A Program Gizi , Kesehatan Ibu & Anak : 1 Keluarga mengikuti KB 2 Ibu bersalin di fas kes 3 Bayi mendapat imunisasi dasar lengkap 4 Bayi diberi ASI eksklusif selama 6 bulan 5 Pertumbuhan balita dipantau tiap bulan B Pengendalian Peny. Menular & Tidak Menular: 6 Penderita TB Paru berobat sesuai standar 7 Penderita hipertensi berobat teratur 8 G angguan jiwa berat yang diobati / tidak ditelantarkan C Perilaku dan kesehatan lingkungan: 9 T idak ada anggota keluarga yang merokok 10 Keluarga memiliki /memakai air bersih 11 Keluarga memiliki/me makai jamban sehat 12 Sekeluarga menjadi anggota JKN/askes

6. STRUKTUR DATA PIS-PK Kementerian Kesehatan 2021 Data Level Keluarga

7. STRUKTUR DATA PIS-PK Kementerian Kesehatan 2021 Data Level Individu

8. Skala Ukur Variabel Nominal ( Jenis kelamin , Agama) Ordinal ( Pendidikan , Kelompok Umur , Hipertensi , dll ) Interval ( suhu ) Rasio ( Umur , Tekanan darah , Berat badan ) Kementerian Kesehatan 2021

9. Kementerian Kesehatan 2021 Manajemen data: Mengunduh data dari server PIS-PK per puskesmas Melakukan cleaning data ( Cek data abnormal, konfirmasi , dipisah / tidak dianalisis ) Melakukan pengolahan data variable baru sesuai tujuan (Recode, Compute) Analisis Data Dashboarb PIS-PKP Aplikasi Instrumen analisis raw data ( Inarata ) versi 2020  Inarata Versi 4.0 ( Microsof Excel) yang sudah dilengkapi dengan perintah /syntax tinggal mengganti subset data Analisis dengan SPSS  dilengkapi dengan perintah /syntax tinggal running Manajemen dan Analisis Data PIS-PK

10. Kelebihan dan Kekurangan ( Microsof Excel vs SPSS) Kelebihan Microsof Excel : Bisa langsung keluar grafik Bisa mengeluarkan frekuensi per jenis jawaban ( Ya atau Tidak saja ) Lebih familiar karena sudah banyak digunakan Kekurangan Microsof Excel : Harus membuat rumus logic jawaban kesimpulan misal jika kolom berubah posisi , logic bisa salah . Untuk merging data (add cases atau add var ) bisa tapi rumus relatif sulit dan panjang ( harus di visual basic). Jika data dalam jumlah besar , ukuran file relatif besar juga . Running jadi lambat . Dengan jumlah yg sama , spss lebih cepat . Utk menghitung proporsi harus dbuat rumus baru , tidak otomatis . Tidak bisa membuat tabel bersusun ke bawah ( misal punya jamban dan jenisnya lalu dhubungkan dg perilaku ). Kementerian Kesehatan 2021

11. ANALISIS DATA PIS-PK Hanya dari Data PIS-PK Analisis univariat baik pada data level keluarga maupun level individu Analisis bivariate antara variable level keluarga / individu dengan wilayah (RT/RW/ Desa / elurahan ) Analisis bivariate antara variable level individu dengan karakteristik individu  bisa hanya membandingkan secara proporsi bahkan bisa sampai menyimpulkan kebermaknaan secara statistic dan besar peluang / risiko Data PIS-PK dengan data lain (data rutin puskesmas ) Analisis data PIS-PK dengan data rutin puskesmas Kementerian Kesehatan 2021

12. CONTOH HASIL ANALISIS DATA PIS-PK Kementerian Kesehatan 2021 TABULASI JUMLAH ART YANG DIDIAGNOSA HT DIWILAYAH KERJA PUSKESMAS NUHA TABULASI JUMLAH ART YANG DIDIAGNOSA HT DAN MINUM OBAT TERATUR DIWILAYAH KERJA PUSKESMAS NUHA

13. CONTOH HASIL ANALISIS DATA PIS-PK Kementerian Kesehatan 2021 TABULASI JUMLAH ART YANG MEMILIKI AKSES JAMBAN SEHAT DIWILAYAH KERJA PUSKESMAS NUHA TABULASI JUMLAH ART YANG MEMILIKI AKSES / MEMAKAI SARANA AIR BERSIH DIWILAYAH KERJA PUSKESMAS NUHA

14. CONTOH HASIL ANALISIS DATA PIS-PK Kementerian Kesehatan 2021 Tabel Indikator Hipertensi di Puskesmas Kalibawang Tabulasi silang diagnosa hipertensi dengan perilaku merokok Puskesmas Kalibawang

15. ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Menentukan topic yang akan dianalisis Tentukan variable dependen Tentukan variable dependen Variabel dependen bisa diambil dari variable di PIS PK bisa juga diambil dari data rutin program Tentukan variable independen Variabel independen bisa diambil dari variable di PIS PK bisa juga diambil dari data rutin program TB ( sumber data SITT) Factor-factor yang berhubungan dengan penderita TB Paru tidak minum obat sesuai standar Kementerian Kesehatan 2021

16. B. Menentukan Tujuan Analisis Tujuan Umum Mendapatkan informasi factor-factor yang brhubungan dengan penderita TB Paru tidak minum obat sesuai standar Tujuan Khusus Mengetahui proporsi penderita TB Paru yang tidak minum obat sesuai standar Mengetahui proporsi variable independen ( umur , jenis kelamin , pendidikan , pekerjaan , JKN, merokok , ART merokok , katagori pengobatan , jenis PMO, penyakit penyerta ) Mengetahui perbedaan proporsi menurut variable independen ( jenis kelamin , pendidikan , pekerjaan , JKN, merokok , ART merokok , katagori pengobatan , jenis PMO, penyakit penyerta ) antara penderita TB Paru yang tidak minum obat sesuai standar dibandingkan dengan yang minum obat sesuai standar Mengetahui perbedaan rata-rata umur menurut penderita TB Paru yang tidak minum obat sesuai standar Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN

17. C. Membuat Kerangka Konsep Dalam membuat kerangka konsep sebaiknya melihat hubungan antar variable secara teori dan ketersediaan variabel Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Penderita TB tidak minum obat sesuai standar Ya Tidak Umur Jenis Kelamin Pendidikan Pekerjaan JKN Merokok Ada ART yang merokok Kategori Pengobatan PMO Penyakit penyerta (DM/ Hipertensi ) DATA Program DATA PIS-PK

18. D. Variabel dan Definisi Operasional Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Variabel DO Sumber data Hasil Ukur Skala Ukur Penderita TB tidak minum obat sesuai standar Tetapkan DO Data PIS-PK Ya 2. Tidak Ordinal Umur Tetapkan DO Data PIS-PK Umur dalam tahun Rasio Jenis Kelamin Tetapkan DO Data PIS-PK Laki-laki ; 2. Perempuan Nominal Pendidikan Tetapkan DO Data PIS-PK <= Tamat SLTP; 2. > Tamat SLTP Ordinal Pekerjaan Tetapkan DO Data PIS-PK Tidak bekerja ; 2. Bekerja Ordinal JKN Tetapkan DO Data PIS-PK Tidak 2. Ya Ordinal Merokok Tetapkan DO Data PIS-PK Ya 2. Tidak Ordinal ART Merokok Tetapkan DO Data PIS-PK Ya 2. Tidak Ordinal Katagori Pengobatan Tetapkan DO Data Program TB Kat 1; 2. Kat 2; 3. Kat 3 Ordinal PMO Tetapkan DO Data Program TB Bukan keluarga ; 2. Keluarga Nominal Penyakit penyerta (DM/HT) Tetapkan DO Data Program TB Ya ; 2. Tidak Ordinal

19. E. Populasi dan Sampel Populasi Penduduk usia ≥ 15 tahun yang sudah didata PIS-PK ( Tahun X sd Y) di wilayah puskesmas A Sampel Total populasi ( Penduduk usia ≥ 15 tahun yang sudah didata PIS-PK ( Tahun X sd Y) di wilayah puskesmas A) F. Sumber Data Data PIS-PK Data SITT Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN

20. G. Manajemen Data 1. Menggabungkan Data Karena data yang akan dianalisis bersumber dari 2 sumber data maka harus dilakukan penggabungan kedua subset data tersebut Pada saat membuat subset data perhatikan waktu ( misal PIS-PK dikumpulkan dari tahun 2019-2020, maka subset data program sebaiknya dilihat pada periode yang hampir sama ) Pilih variable kunci yang dipakai untuk menggabungkan kedua subset data tsb (NIK sebagai variable kunci ) Jumlah N yang akan dianalisis  yang berhasil ditemukan baik disubset PIS-PK maupun subset data Program TB Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN

21. 2. Mengolah Data a. Menyederhanakan kategori variable (Dari Banyak katagori menjadi 2 atau 3 kategori )  PENDIDIKAN; PEKERJAAN b. Membuat variable baru dari beberapa variable, misalnya : 1) PENYAKIT PENYERTA  dibentuk dari 2 variable memiliki penyakit DM dan memiliki penyakit HT Dikode 1= Ya , jika minimal memiliki salah satu penyakit penyerta ; Dikode 2= Tidak , jika tidak memiliki penyakit penyerta keduanya 2) Ada ART MEROKOK  dibentuk dari variable apakah merokok setiap ART dalam rumah penderita TB Dikode 1= Ya , jika minimal ada salah satu ART yang merokok ; Dikode 2= Tidak , jika tidak ada satupun ART yang merokok Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN

22. Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Variabel Sumber data Variabel awal Variabel untuk analisis Penderita TB tidak minum obat sesuai standar Data PIS-PK Penduduk usia >= 15 thn yang didiagnosis TB Paru Apakah minum obat teratur Jika penduduk usia >= 15 thn yang didiagnosis TB Paru dan minum obat teratur  1 “ Ya ” Jika penduduk usia >= 15 thn yang didiagnosis TB Paru dan minum obat teratur  2 “ Tidak ” Umur Data PIS-PK Umur dalam tahun Umur dalam tahun Jenis Kelamin Data PIS-PK Laki-laki ; 2. Perempuan Laki-laki ; 2. Perempuan Pendidikan Data PIS-PK Tidak pernah sekolah Tidak tamat SD Tamat SD/MI/ sederajat Tamat SLTP/ sederajat Tamat SLTA/ sederajat Tamat D1/D2/D3 Tamat PT <= Tamat SLTP; > Tamat SLTP

23. Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Variabel Sumber data Variabel awal Variabel untuk analisis Pekerjaan Data PIS-PK Tidak bekerja Sekolah TNI/ Polri PNS/ Pegawai swasta Wiraswasta / jasa Petani Nelayan Buruh Lainnya Pekerjaan kita katagorikan menjadi 2 katagori : Tidak bekerja ; 2. Bekerja JKN Data PIS-PK Pertanyaan kepemilikan JKN 1. Ya 2. Tidak Tidak 2. Ya Merokok Data PIS-PK Pertanyaan perilaku merokok 1. Ya 2. Tidak Ya 2. Tidak

24. Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Variabel Sumber data Variabel awal Variabel untuk analisis ART Merokok Data PIS-PK Pertanyaan m erokok pada setiap ART 1. Ya 2. Tidak Minimal ada salah satu ART merokok Ya 2. Tidak Katagori Pengobatan Data Program TB Katagori Pengobatan Penderita TB Paru Kat 1; 2. Kat 2; 3. Kat 3 Katagori Pengobatan Penderita TB Paru Kat 3; 2. Kat 2; 3. Kat 1 PMO Data Program TB Jenis PMO (ayah/ ibu / anak /family/ kader /RT/ dll ) Katagori jenis PMO Bukan keluarga ; 2. Keluarga Penyakit penyerta (DM/HT) Data Program TB Data PIS-PK Apakah menderita DM Apakah menderita HT Minimal menderita satu penyakit DM atau HT Ya ; 2. Tidak

25. H. Analisis Data 1. Analisis Univariat Variabel dg skala nominal dan ordinal dilihat nilai persentase dan bisa disajikan dalam bentuk table atau grafik (pie/bar dll ) Variabel dg skala rasio dilihat distribusi nilai mean, median, standar deviasi dan bisa disajikan dalam bentuk table maupun Box-plot, dll Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN

26. 2. Analisis Bivariat Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Variabel Independen Hasil Ukur Variabel dependen ( Penderita TB tidak minum obat sesuai standar ) Analisis bivariat Umur Umur dalam tahun Ya 2. Tidak Uji beda rata-rata ( Uji t) Jenis Kelamin Laki-laki ; 2. Perempuan Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) Pendidikan <= Tamat SLTP; 2. > Tamat SLTP Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) Pekerjaan Tidak bekerja ; 2. Bekerja Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) JKN Tidak 2. Ya Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) Merokok Ya 2. Tidak Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) ART Merokok Ya 2. Tidak Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) Katagori Pengobatan Kat 1; 2. Kat 2; 3. Kat 3 Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) PMO Bukan keluarga ; 2. Keluarga Ya 2. Tidak Uji beda proporsi (Uji Chi-Square) Penyakit penyerta (DM/HT) Ya ; 2. Tidak Ya 2. Tidak Uji beda proporsi ( Uji Chi-Square)

27. Kementerian Kesehatan 2021 ANALISIS LANJUT DATA PIS-PK DENGAN DATA LAIN Pastikan ada variable kunci (unique) untuk menggabung 2 subset data Tentukan tujuan analisis Buat kerangka konsep ( mengacu pada referensi ) dan ketersediaan variable Buat Definisi Variabel dan DO Tentukan populasi atau sampel Tentukan sumber data Tentukan software yang akan digunakan untuk menganalisis (SPSS/ M Excel dll ) Manajemen Data ( Menggabung variable dan mengolah data) Tentukan rancangan analisis data yang sesuai dengan skala ukur variable Tentukan penyajian hasil analisis yang sesuai

28. Penggabungan Data PIS-PK dengan Data Kunjungan Pasien Diabetes Melitus , Puskesmas Kalibawang Kementerian Kesehatan 2021 Sebanyak 32 pasien DM yang berkunjung di bulan September ternyata didiagnosa hipertensi berdasarkan data PIS-PK. Sebanyak 33 pasien DM yang berkunjung di bulan September ternyata memiliki hasil ukur tensi tinggi berdasarkan data PIS-PK.

29. Penggabungan Data PIS-PK Dengan Data Konfirmasi Covid-19 Puskesmas Nuha Kementerian Kesehatan 2021 78 orang yang memilih isolasi mandiri , perilaku merokok , diagnosa TB, gejala TB, diagnosa HT dan gejala HT dari 370 ART dari 89 keluarga org konfirmasi positif

30. TERIMA KASIH Kementerian Kesehatan 2021