TUGAS

EPIDEMIOLOGI LANJUT

PENGAJAR:
Prof. Dr. drg. A. Arsunan Arsin, M.Kes.

Executive Summary Dissertation

PENINGKATAN KUALITAS DATA KESEHATAN DI

SULAWESI UTARA

JONESIUS EDEN MANOPPO

NIM. P1000316005

PROGRAM STUDI S3 ILMU KESEHATAN MASYARAKAT

SEKOLAH PASCASARJANA
UNIVERSITAS HASANUDDIN
MAKASSAR
2016

1
 DAFTAR ISI

DAFTAR ISI....................................................................................................... i
BAB I.............................................................................................................. 1
PENDAHULUAN............................................................................................... 1
A............................................................................................ Latar Belakang
1
1. Besar Masalah................................................................................... 1
2. Dampak Masalah............................................................................... 1
3. Gap / Kesenjangan / Masalah yang ada.............................................2
B. Rumusan Masalah................................................................................... 2
C................................................................................. Pertanyaan Penelitian
2
D. Tujuan Penelitian..................................................................................... 2
D. Manfaat / Signifikan................................................................................ 3
BAB II.............................................................................................................. 4
LANDASAN TEORI........................................................................................... 4
A. Kualitas Data........................................................................................... 4
1. Definisi Quality ( Mutu / kualitas )......................................................4
B. Kerangka Teori........................................................................................ 7
C. Kerangka Konsep.................................................................................... 8
D..................................................................................................... Hipotesis
8
BAB III............................................................................................................. 9
METODE PENELITIAN...................................................................................... 9
A. Jenis Penelitian........................................................................................ 9
B...................................................................................... Waktu dan Tempat
9
C. Populasi dan Sampel............................................................................... 9
D...................................................................................... Variabel Penelitian
9

1
 BAB I
PENDAHULUAN

A. Latar Belakang
1. Besar Masalah
Sistem Informasi Kesehatan (SIK) merupakan salah satu kunci penting dari 6
building block World Health Organisation (WHO) atau komponen utama dalam
sistem kesehatan di suatu Negara (Organization, 2007). Posisi Sistem informasi
sudah dianggap sebagai pondasi dari kesehatan masyarakat (AbouZahr & Boerma,
2005) Keberhasilan SIK ditentukan oleh kualitas Informasi yang bersedar dalam
sistem pelayanan kesehatan dan informasi yang baik ditentukan oleh kualitas data
(Orr, 1998). Kualitas data ditentukan oleh ketersediaan, bisa diandalkan (reliable),
tepat waktu, dan ketepatan atau keabsahan (validity) (Abdelhak, Grostick, & Hanken,
2014; Donabedian, 1988), hal ini menjadi penting karena data kesehatan digunakan
sebagai dasar pengambilan keputusan dan menentukan kebijakan di bidang kesehatan
serta meningkatkan kualitas layanan kesehatan di berbagai level fasilitas kesehatan
(BoschCapblanch, Ronveaux, Doyle, Remedios, & Bchir, 2009), (Chilundo,
Sundby, & Aanestad, 2004),
Hasil penelitian yang di publikasikan menunjukkan kualitas data kesehatan di
negara maju yang telah menerapkan SIK dengan teknologi informasi (TI) yang
canggih masih memiliki kelemahan dalam beberapa hal seperti data ganda dan
kelemahan sistem dalam hal berbagi data antar level otoritas kesehatan dalam suatu
negara apalagi negara miskin dan berkembang (Arzt et al., 2011), (Murray et al.,
2003; Vest & Issel, 2014), (Gething et al., 2006) (Adeleke, Lawal, Adio, & Adebisi,
2015).
2. Dampak Masalah
Kekurangan dalam kualitas data telah mengakibatkan pengambilan keputusan
dan kebijakan yang tidak menjawab kebutuhan kesehatan masyarakat di suatu
negara sehingga implementasi kebijakan kesehatan menjadi tidak efektif dan efisien,
kebijakan tersebut cenderung menambah beban sistem pelayanan kesehatan baik
dalam hal fasilitas, sumberdaya manusia dan finansial, juga tidak meningkatkan
derajat kesehatan masyarakat (Lumpkin & Richards, 2002; Vest & Issel, 2014).

1
3. Gap / Kesenjangan / Masalah yang ada
Kualitas data kesehatan di negara maju seperti Swedia dan Amerika Serikat
telah terbukti memiliki kecepatan, kelengkapan dan keabsahan yang tinggi, dan layak
digunakan sebagai dasar untuk menentukan kebijakan kesehatan secara nasional,
sedangkan, hal sebaliknya terjadi di negara miskin maupun sedang berkembang,
banyak sekali ditemukan data yang tidak valid, tidak lengkap, dan tidak dikirim tepat
pada waktunya, selain itu terjadi perubahan yang signifikan terhadap kualitas data
kesehatan di daerah terpencil di negara miskin dan berkembang (Adokiya, Awoonor-
Williams, Beiersmann, & Mller, 2016; Linder et al., 2016; Metroka, Papadouka,
Ternier, & Zucker, 2016; Soti et al., 2015).
Indonesia merupakan negara sedang berkembang, di satu sisi kehidupan
masyarakat dan pengelolaan sistem yang menjalankan negara sudah sangat maju,
tetapi disisi lain masih terdapat daerah terpencil yang sangat sulit diakses.
B. Rumusan Masalah
Bagaimana Meningkatkan Kualitas Data Kesehatan Di Sulawesi Utara?
C. Pertanyaan Penelitian
Model apa yang paling cocok di terapkan untuk meningkatkan kualitas data
kesehatan di Sulawesi Utara
D. Tujuan Penelitian
1. Tujuan Umum: Penelitian ini bertujuan untuk menemukan model yang paling
sesuai dalam mengintervensi faktor dominan yang mempengaruhi kualitas data
kesehatan
2. Tujuan khusus
a. menganalisis faktor-faktor yang mempengaruhi kualitas data
b. mengembangkan model intervensi yang sesuai untuk mengintervensi faktor
dominan
c. membandingkan kualitas data yang diintervensi dengan model yang di
kembangkan.
d. Menemukan model yang paling sesuai
D. Manfaat / Signifikan
Penelitian ini diharapkan mengembangkan suatu model yang benar-benar baru,
menjadi sumbangan berarti untuk kemajuan ilmu pengetahuan di bidang kualitas
data, sistem informasi kesehatan, sistem kesehatan, kebijakan kesehatan dan
kesehatan masyarakat secara umum. Penelitian mengenai kualitas data ini sekaligus

2
menjadi awal peta jalan penelitian selanjutnya dalam bidang data kesehatan. Selain
itu diharapkan menghasilkan suatu model yang bisa diaplikasikan untuk
meningkatkan efektifitas dan efisien petugas kesehatan dalam meningkatkan kualitas
data kesehatan khususnya di Sulawesi Utara dan bisa digunakan secara Universal di
daerah dengan karaktristik yang mirip. Juga akan membantu pemerintah dalam
menentukan arah kebijakan kesehatan kedepan, sehingga diperoleh drajat kesehatan
masyarakat yang setinggi-tingginya.

3
 BAB II
LANDASAN TEORI

A. Kualitas Data
1. Definisi Quality ( Mutu / kualitas )
Tabel 1. Pengertian Kualitas Menurut Para Ahli
Ahli Tahun Pengertian Kualitas
Juran 1962 kesesuaian dengan tujuan dan manfaatnya (Juran & Godfrey,
1999)
Crosby 1979 kesesuaian dengan kebutuhan yang meliputi availability,
reliability, maintainability, dan cost affectiveness
Deming 1982 harus bertujuan memenuhi kebutuhan pelanggan
sekarang dan di masa yang akan datang
Feigenbaum 1991 keseluruhan karakteristik produk dan jasa yang meliputi
marketing, engineering, manufacture, dan maintenance,
dalam mana produk dan jasa tersebut dalam pemakaiannya
akan sesuai dengan kebutuhan dan harapan pelanggan
Scherkenbach 1991 ditentukan oleh pelanggan, pelanggan menginginkan produk
dan jasa yang sesuai dengan kebutuhan dan harapannya
pada suatu tingkat harga tertentu yang menunjukkan nilai
produk tersebut
Elliot 1993 sesuatu yang berbeda untuk orang yang berbeda tergantung
pada waktu dan tempat, atau dikatakan sesuai dengan tujuan
Goetch dan 1995 suatu kondisi dinamis yang berkaitan dengan produk,
Davis pelayanan, orang, proses, dan lingkungan yang memenuhi atau
melebihi yang diharapkan
Vincent kualitas sebagai segala sesuatu yang dapat memuaskan
gaspersz pelanggan atau sesuai dengan persyaratan dan kebutuhan
pelanggan

2. Determinan Kualitas Data

Kualitas data sekarang telah berkembag sebagai suatu disiplin ilmu, dengan
program penelitian khusus di universitas, dengan kualitas disiplin ilmu yang
mapan, diawali karya Deming (1982) atau adaptasi dari siklus "plan-do-check-
ac" (Deming Cycle) (W Edwards Deming, 1986; William Edwards Deming &
Edwards, 1982).
Beberapa indikator data yang berkualitas antara lain sebagai berikut:
a. Accuracy, data yang tersimpan nilainya benar atau akurat, tidak terdapat
kesalahan.

4
b. Domain integrity, nilai atribut yang melekat pada seseorang sesuai batasan yang
diperkenankan,
c. Data type, nilai data disimpan dalam bentuk atau tipe data yang sesuai, data
nama disimpan dengan tipe text atau sesuai huruf depan)
d. Consistency, nilai yang diberikan untuk satu data tetap sama dalam berbagai
berkas, suatu butir data dengan kode xxx, tetap konsisten kodenya di setiap berkas
lain
e. Redudancy, tidak boleh ada data yang sama disimpan di tempat yang berbeda
dalam satu sistem
f. Completeness, tidak ada nilai atributt salah yang diberikan dalam sistem
g. Data anomaly, sebuah kolom data hanya digunakan sesuai kegunaannya.
Misalnya kolom untuk mengisi alamat digunakan untuk mencatat baris ketiga
dalam alamat bukan untuk data lainnya.
h. Clarity, kejelasan arti kegunaan dan cara penulisan sebuah data (penamaan
khusus)
i. Timely, merepresentasikan waktu dari data yang dimasukkan (jika data
digunakan perhari maka data pada warehaouse harus juga dibuat per hari)
j. Usefulness, setiap data harus benar digunakan oleh user
k. Adherence to data integrity rules = taat pada aturan keterhubungan data
Teknik pengukuran kualitas data menurut Danette McGilvray dalam buku
Executing Data Quality Projects: Ten Steps to Quality Data and Trusted
Information dengan 10 langkah (seperti pada gambar 1)(Karplus & Diederichs, 2012;
McGilvray, 2008; Pipino, Lee, & Wang, 2002; R. Y. Wang & Strong, 1996):
1. Menemukan Kebutuhan dan Pendekatan
2. Menganalisis Informasi yang tersedia di lingkungan
3. Mengukur Kualitas data yang ditemukan
4. Mengukur pengaruh
5. Menemukan akar masalah
6. Mengembangkan perencanaan untuk meningkatkan nilai
7. mencegah kerusakan data dimasa depan
8. memperbaiki data yang rusak
9. Kontrol pelaksanaan
10. Komunikasi tindakan dan hasil

5
 Gambar 1. Pendekatan dalam Pengelolaan Kualitas Data
Sumber : buku Executing Data Quality Projects: Ten Steps to Quality Data and
Trusted Information oleh Danette McGilvray
Penentuan kualitas data sebaiknya memperhatikan daur hidup data mulai dari
pembuatan, pengolahan penyimpanan, sampai pemusnahan data.

Gambar 2. Siklus Hidup Data

Sumber : buku Executing Data Quality Projects: Ten Steps to Quality Data and
Trusted Information oleh Danette McGilvray

Karakteristik-karakteristik kualitas data yang diterbitkan oleh The American

Health Information Management Association (AHIMA) dapat menjadi dasar
dalam menetapkan standar kualitas data, karena karakteristik-karakteristik ini
merepresentasikan dimensi-dimensi umum data kesehatan yang harus selalu ada.

6
 Gambar 3. Faktor Yang Mempegaruhi data
Sumber : The American Health Information Management Association (AHIMA)
Adapun faktor-faktor pendukung dalam sistem informasi adalah: Perangkat Keras,
Perangkat Lunak, Prosedur,
B. Kerangka Teori

7
 Gambar. Kerangka Teori (J. Wang, Kane, Eberly, Virnig, & Chang, 2009; R. Y. Wang,
Lee, Pipino, & Strong, 1998; R. Y. Wang & Strong, 1996)
C. Kerangka Konsep

IDQ Model

CDQ

Data Data
RDQ Quality Quality
Improvi
ng
ADQ

D. Hipotesis
1. Kualitas data kesehatan di Sulawesi Utara masih rendah
2. Dengan penerapan model tertentu dapat meningkatkan kualitas data kesehatan
3. Model A memberikan kualitas data lebih baik dari model B

8
 BAB III
METODE PENELITIAN

A. Jenis Penelitian
Menggunakan pendekatan mix methode.
B. Waktu dan Tempat
Penelitian dilaksanakan dalam 3 tahap, yang pertaman evaluasi faktor-faktor yag
mempengaruhi kualitas data di seluruh puskesmas dan menenentukan faktor dominan
untuk diintervensi, tahap kedua mengembangkan model dengan kombinasi yang
paling tepat, tahap ketiga menguji model. Ketiga tahap diharapkan selesai dalam
waktu 18 Bulan, semua penelitian dilaksanakan di ProvinsiSulawesi Utara
C. Populasi dan Sampel
Seluruh pusat kesehatan masyarakat di Propinsi Sulawesi Utara, Menggunaan
simple random sampling. Jumlah Puskesmas keseluruan 192 Unit dengan berbagai
kategori. Wawancara dan perlakuan diberikan kepada pemegang program sebagai
pelaksana dan kepala puskesmas sebagai manager.
D. Variabel Penelitian
1. Karakteristik Individu (umur, jenis kelamin, lama kerja, latar belakang
pendidikan, pelatihanyang pernah diikuti)
2. Beban kerja
3. Perilaku : Pengetahuan, sikap dan tindakan
4. Keterampilan
5. Kepemimpinan : Motivasi, kebijakan dan perhatian
6. Pendukung kerja : sarana dan prasarana
7. Ketersediaan Sarana Prasarana
8. Data accuracy
9. Data accessibility
10. Data comprehensiveness,
11. Data consistency
12. Data currency
13. Data definition
14. Data granularity
15. Data precision

9
16. Data relevancy
17. Data timeliness.

10
 DAFTAR PUSTAKA

Abdelhak, M., Grostick, S., & Hanken, M. A. (2014). Health information:

management of a strategic resource: Elsevier Health Sciences.
AbouZahr, C., & Boerma, T. (2005). Health information systems: the
foundations of public health. World Health Organization. Bulletin of
the World Health Organization, 83(8), 578-583.
Adeleke, I. T., Lawal, A. H., Adio, R. A., & Adebisi, A. A. (2015). Information
technology skills and training needs of health information
management professionals in Nigeria: a nationwide study. Health
Information Management Journal, 44(1), 30-38.
Adokiya, M. N., Awoonor-Williams, J. K., Beiersmann, C., & Mller, O. (2016).
Evaluation of the reporting completeness and timeliness of the
integrated disease surveillance and response system in northern
Ghana. Ghana Medical Journal, 50(1), 3-8.
Arzt, N., Forney, K., Chi, A., Suralik, M., Schaeffer, P., & Aponte, A. (2011).
Meaningful use and public health: an immunization information
sysetm case study. Journal of Healthcare Information Management,
25(4), 37-44.
BoschCapblanch, X., Ronveaux, O., Doyle, V., Remedios, V., & Bchir, A.
(2009). Accuracy and quality of immunization information systems in
fortyone low income countries. Tropical Medicine & International
Health, 14(1), 2-10.
Chilundo, B., Sundby, J., & Aanestad, M. (2004). Analysing the quality of
routine malaria data in Mozambique. Malaria Journal, 3(1), 3.
Deming, W. E. (1986). Out of the crisis, Massachusetts Institute of
Technology. Center for advanced engineering study, Cambridge, MA,
510.
Deming, W. E., & Edwards, D. W. (1982). Quality, productivity, and
competitive position (Vol. 183): Massachusetts Institute of
Technology, Center for advanced engineering study Cambridge, MA.
Donabedian, A. (1988). Quality assessment and assurance: unity of purpose,
diversity of means. Inquiry, 173-192.
Gething, P. W., Noor, A. M., Gikandi, P. W., Ogara, E. A., Hay, S. I., Nixon, M.
S., . . . Atkinson, P. M. (2006). Improving imperfect data from health
management information systems in Africa using spacetime
geostatistics. PLoS Med, 3(6), e271.
Juran, J. M., & Godfrey, A. B. (1999). Quality handbook. Republished
McGraw-Hill.
Karplus, P. A., & Diederichs, K. (2012). Linking crystallographic model and
data quality. Science, 336(6084), 1030-1033.
Linder, G., Lindblad, M., Djerf, P., Elbe, P., Johansson, J., Lundell, L., &
Hedberg, J. (2016). Validation of data quality in the Swedish National
Register for Oesophageal and Gastric Cancer. British Journal of
Surgery, 103(10), 1326-1335.
Lumpkin, J. R., & Richards, M. S. (2002). Transforming the public health
information infrastructure. Health Affairs, 21(6), 45-56.
McGilvray, D. (2008). Executing data quality projects: Ten steps to quality
data and trusted information (TM): Elsevier.
Metroka, A. E., Papadouka, V., Ternier, A., & Zucker, J. R. (2016). Effects of
Health Level 7 Messaging on Data Quality in New York Citys
Immunization Information System, 2014. Public Health Reports,
131(4), 583-587.

11
Murray, C. J., Shengelia, B., Gupta, N., Moussavi, S., Tandon, A., & Thieren,
M. (2003). Validity of reported vaccination coverage in 45 countries.
The Lancet, 362(9389), 1022-1027.
Organization, W. H. (2007). Everybody's business--strengthening health
systems to improve health outcomes: WHO's framework for action.
Orr, K. (1998). Data quality and systems theory. Commun. ACM, 41(2), 66-
71. doi: 10.1145/269012.269023
Pipino, L. L., Lee, Y. W., & Wang, R. Y. (2002). Data quality assessment.
Communications of the ACM, 45(4), 211-218.
Soti, D. O., Kinoti, S. N., Omar, A. H., Logedi, J., Mwendwa, T. K., Hirji, Z., &
Ferro, S. (2015). Feasibility of an innovative electronic mobile system
to assist health workers to collect accurate, complete and timely data
in a malaria control programme in a remote setting in Kenya. Malaria
Journal, 14(1), 1.
Vest, J. R., & Issel, L. M. (2014). Factors related to public health data sharing
between local and state health departments. Health services
research, 49(1pt2), 373-391.
Wang, J., Kane, R. L., Eberly, L. E., Virnig, B. A., & Chang, L.-H. (2009). The
effects of resident and nursing home characteristics on activities of
daily living. The Journals of Gerontology Series A: Biological Sciences
and Medical Sciences, 64(4), 473-480.
Wang, R. Y., Lee, Y. W., Pipino, L. L., & Strong, D. M. (1998). Manage your
information as a product. MIT Sloan Management Review, 39(4), 95.
Wang, R. Y., & Strong, D. M. (1996). Beyond accuracy: What data quality
means to data consumers. Journal of management information
systems, 12(4), 5-33.

12