MANAJEMEN DATA DAN INFORMASI

SUB JUDUL:
ANALISIS & PEMANFAATAN DATA

PUSAT DATA DAN INFORMASI

KEMENTERIAN KESEHATAN RI
Gates of Learning

• Auditori
• Visual
• Kinesthetic (learning by doing)

2
 Outline paparan

• Pengertian Data
• Jenis Data
• Prinsip Umum Manajemen Data di Puskesmas
• Pra Analisis: Logical Check Analysis
• Penilaian Mandiri Kualitas Data Rutin (PMKDR)
• Prosedur Analisis dan Pemanfaatan Data di
Puskesmas

3
 Pengertian Data

DATA = KUMPULAN FAKTA (bentuk jamak)

DATUM = BENTUK TUNGGAL DARI DATA
 Pengertian Data
FAKTA:
SEGALA SESUATU YANG TERTANGKAP INDRA
MANUSIA

• Segala sesuatu yang ada di sekeliling kita

• Segala sesuatu yang dilakukan
Kumpulan
• Segala sesuatu yang dipertunjukkan
Fakta
• Segala sesuatu yang dibicarakan
• Segala sesuatu yang dipikirkan
Disebut DATA
 Pengertian Data
1. Ada yang mengatakan Data adalah kumpulan
informasi yang diperoleh dari suatu
pengamatan  DATA PENELITIAN

2. Ada pula yang mengatakan, Data adalah

sesuatu yang belum mempunyai arti bagi
penerimanya dan masih memerlukan adanya
suatu pengolahan, bila sudah diolah maka data
menjadi informasi.
 Jenis Data
(berdasarkan tingkat pengukurannya)

1. DATA KUALITATIF (data yang bukan berupa

angka)

2. DATA KUANTITATIF (data berupa angka)

 Jenis Data
(berdasarkan tingkat pengukurannya)
1. DATA KUALITATIF (data yang bukan berupa angka)
Tdd:

a. Data/Skala nominal:
Data yang paling rendah tingkatannya. Data hasil pengukuran atau pengamatan
yang hanya menghasilkan satu kategori bagi satu obyek, individu atau kelompok.
Misal: data jenis kelamin, tempat tinggal, suku atau ras, dan agama.

b. Data/Skala Ordinal:
Ada tingkatan nilai data (data yang satu lebih tinggi atau lebih rendah nilainya
daripada yang lain), tetapi tidak diketahui beda/jarak antar nilai data dan tidak
menyiaratkan jarak/nilai yang sama antar tingkatan tersebut. Misal: data
mengenai tingkat pendidikan, sosio-ekonomi, pendapat seseorang terhadap
produk tertentu.
 Jenis Data
(berdasarkan tingkat pengukurannya)
2. DATA KUANTITATIF (data yang berupa angka dalam arti sebenarnya)
Tdd:

a. Data/Skala Interval:
Level lebih tinggi daripada data nominal dan ordinal. Punya tingkatan interval/
jarak tertentu yang tetap, tetapi tidak memiliki titik nol mutlak. Misal: Suhu zat
cair dikatakan 'sangat panas' bila suhunya 100-119 derajat Celcius, 'panas' bila
suhunya 80-99 derajat Celsius, 'cukup panas' bila suhunya antara 60-79 derajat
Celsius, dan 'kurang panas' bila suhunya antara 40-59 derajat Celsius.

b. Data/Skala Rasio:
Memiliki tingkat pengukuran yang paling tinggi, mempunyai titik nol dalam arti
sesungguhnya. Misal: tinggi dan berat benda, jumlah produksi, jumlah murid.
Prinsip Umum Manajemen Data di Puskesmas

LOGIC
AL
CHECK

DISEMINASI
ANALISIS
PENGUMPULAN PENGOLAHAN INFORMASI
DATA DATA
DATA (HASIL)
P
Editing M
K
Coding D PERENCANAAN
Entry R

Cleaning KEBIJAKAN

ADVOKASI
MONEV

PROFIL KES
SPM
 Pra Analisis: Logical Check Analysis

• Antar Indikator Satu program

• Antar Indikator Berbeda Program
• Antar Indikator berbeda Sumber Data
 Contoh Logical Check Analysis Antar Indikator satu program
Bulin Ditolong logical
provinsi Jumlah Bumil K1 K4 Bumil mendapat Fe3 Jumlah Bulin Kunjungan Nifas
Nakes analisis

ACEH 118.012 106.745 96.479 104.873 98.934 85.678 90.166

tidak logis
SUMUT 314.492 287.910 265.617 205.264 266.644 217.887 296.571

SUMBAR 111.947 106.115 92.830 94.667 95.180 82.079 86.904

RIAU 143.425 137.989 129.585 125.313 127.525 120.385 113.054

JAMBI 78.298 76.579 73.296 72.271 69.208 65.107 66.852

tidak logis
SUMSEL 188.609 233.189 225.804 104.291 156.943 139.823 160.595

BENGKULU 38.160 37.561 35.452 34.951 32.259 31.493 32.913

LAMPUNG 187.441 177.358 166.875 136.156 160.579 142.277 153.455

BABEL 31.192 30.166 28.173 28.209 26.038 25.847 26.167

tidak logis
KEPRI 64.389 77.138 89.743 38.228 43.268 42.352 68.009

DKI JKT 165.369 165.125 158.360 131.673 141.304 136.469 138.124

JABAR 1.081.827 1.051.541 941.445 908.197 911.708 798.021 884.884

tidak logis
JATENG 624.732 616.321 574.290 515.366 425.527 524.949 541.982

JOGJA 50.218 50.218 46.209 42.609 44.177 40.651 42.186

JATIM 679.460 645.954 592.974 553.966 577.232 562.964 585.607

BANTEN 242.559 235.727 209.108 164.826 207.639 195.916 193.669

BALI 73.886 71.749 68.755 61.676 63.210 62.669 67.216

 Contoh Logical Check Analysis Antar Indikator berbeda program

Jumlah Jlh bayi usia Imm dasar logical

provinsi Jumlah bayi KN1 KN lengkap BCG HB0 DPT/HB1
Bulin 6-11 bln lengkap analisis

103.971 95.582 91.685 89.678

ACEH 98.934 108.836 81.863 89.918 81.797
283.624 240.673 193.479 278.768
SUMUT 266.644 237.762 241.652 283.854 238.497
102.664 93.748 89.602 95.865
SUMBAR 95.180 102.654 84.759 95.318 87.684
131.002 118.932 114.696 128.439
RIAU 127.525 142.322 102.690 129.714 114.936
tidak
72.383 64.142 62.722 70.907
JAMBI 79.208 74.498 63.115 72.628 62.329 logis
174.935 164.664 161.338 160.835
SUMSEL 156.943 174.920 142.164 162.931 139.369
34.620 31.466 30.290 36.518
BENGKULU 32.259 38.939 30.635 36.177 32.623
168.996 156.155 150.521 158.337
LAMPUNG 160.579 159.072 136.765 158.809 150.665
tidak
27.698 27.245 26.167 171.592
BABEL 26.038 28.080 137.588 167.537 155.860 logis
tidak
58.281 55.024 50.193 892.326
KEPRI 43.268 51.445 824.937 704.226 745.684 logis
tidak
150.408 148.895 141.841 571.370 547.634
DKI JKT 141.304 174.263 571.009 556.612 logis
tidak
949.392 884.680 850.592 47.934 47.315
JABAR 911.708 1.011.320 35.396 43.722 logis
 Contoh Logical Check Analysis Antar Indikator
berbeda Sumber Data
Jumlah Balita: 245.518
• Terjaring(ditimbang): 135.509
• Ada 110.009 tidak ditimbang…. Kemana???
- Gizi Lebih: 1.502 ; Baik: 123.939 ; Kurang: 3.621 ;
Gizi Buruk: 823.
Jadi jumlah Gibukur = 4.444 Balita

• GIBURKUR men. Riskesdas : 15,6% X 245.518= 38.300

(mestinya) … 38.300 – 4.444 = 33.856 (tak terlaporkan)

Q: “Apakah bs 33.856 balita giburkur yg tak terlaporkan, apakah ...

BERSEMBUNYI di 110.009 balita yg tak tertimbang ??”
Penilaian Mandiri Kualitas Data
Rutin (PMKDR)
 Apa itu ‘Penilaian Mandiri Kualitas Data Rutin’
(PMKDR)?

• PMKDR bukan program baru

• Seperangkat metode untuk menilai kualitas data
rutin
• Berbasis problem solving
• Pelaksanaan: mandiri, 1 level ke bawah, integrasi
dengan kegiatan Bimbingan Teknis / Supervisi /
Monev
• Pelaksana: Staf pengelola data (SIK) dan program
kesehatan di tingkat nasional, provinsi, atau
kabupaten/kota.
 Manfaat PMKDR
1. Pengguna mengetahui kualitas data yang akan
digunakannya. Dalam publikasi data diberikan
keterangan “Data telah dinilai kualitasnya dengan
kelengkapan sekian %, keakuratan sekian % dan
konsistensi sekian %”.
2.Meningkatkan kepercayaan para pengambil kebijakan
terhadap kualitas data rutin
3.Meningkatkan penggunaan data rutin untuk
perencanaan dan menentukan prioritas program
4.Mengurangi ketergantungan pada data survei

17
Bagan Penilaian Mandiri Kualitas Data
Rutin (PMKDR)
 Ruang Lingkup PMKDR

Metode
PMKDR

1) Telaah 2) Verifikasi 3) Penilaian

Laporan Rutin Data Sistem Monev

19
TEMPAT PELAKSANAAN PMKDR:
1. TELAAH LAPORAN RUTIN (DESK REVIEW)
dilakukan di kantor

2. VERIFIKASI DATA dilakukan di lapangan

(berkunjung ke institusi yang akan dinilai)

3. PENILAIAN SISTEM MONEV  dilakukan di

lapangan (berkunjung ke institusi yang akan
dinilai)
 a. Penilaian Mandiri Kualitas Data melalui
Telaah Laporan Rutin (desk review)

Telaah
Laporan
Rutin

Logical Kelengkap-an Akurasi

Data Konsistensi Data
Check Data

Kelengkapan Ketepatan
Waktu Konsistensi Konsistensi
Unit yang Internal
Pelaporan Eksternal
melapor

21
 Akurasi Data Capaian CNR TB

Konsistensi capaian indikator : Rasio capaian Konsistensi antar indikator : Rasio evaluasi
CNR TB tahun 2011 terhadap kasus TB (semua tipe) terhadap kasus TB
capaian 3 tahun terakhir (2008-2010) (semua tipe) yang diobati

Contoh Hasil PMKDR : Telaah Laporan Rutin

Konsistensi Eksternal Data

Sasaran Program

Konsistensi Cakupan K1 Data Rutin

dengan Hasil Survei
b. Penilaian Mandiri Kualitas
Data Rutin melalui VERIFIKASI
DATA di LAPANGAN
 Alur Pelaporan di setiap level
Laporan Keluar
Pusat
Laporan Masuk

Laporan Keluar
Provinsi
Laporan Masuk

Laporan Keluar
Kab/Kota
Laporan Masuk

Laporan Keluar
Puskesmas
Laporan Masuk
24
 Pengertian
• Verifikasi data: mekanisme (kegiatan) untuk
menilai keakuratan data.

• Akurasi adalah ukuran yang menghitung seberapa

dekat nilai hasil pengukuran dengan nilai
sebenarnya (true value) atau nilai yang dianggap
benar (accepted value).

• Prinsip verifikasi: menghitung ulang data yang

masuk dari sumber data dibandingkan dengan
data yang dilaporkan ke jenjang yang lebih tinggi.
 4. Pengukuran Rasio Akurasi
• Menghitung Rasio Akurasi (%):
membandingkan data cakupan program yang
dihitung ulang dari sumber data yang masuk
(numerator) dengan data yang dilaporkan ke
tingkat yang lebih tinggi (denominator).
• Rumus Rasio Akurasi:
Data hasil cakupan program yang dihitung ulang
dari sumber data yang masuk (numerator)
x 100%
Data yang dilaporkan ke tingkat yang
lebih tinggi (denominator)
 Contoh Hasil PMKDR : Verifikasi Data

PUSKESMAS Dinkes Kab/Kota

Program

VR :
Program
85% REKAP BULANAN/
LAPORAN REKAP BULANAN/
VR :
REGISTER / VR : 95% LAPORAN
KOHORT 89% VR :
115%
VR : 105%
REKAP BULANAN/
REKAP BULANAN
LAPORAN
BANK DATA
VR : Verifikasi Rasio
> 85% & < 115% : Akurat TU / SIK SIK
< 85% : Over reporting
> 115% : Under Reporting
 HASIL VERIFIKASI DATA

Ada 3 kemungkinan hasil verifikasi data:

– Akurat:
Jika data hasil verifikasi sama dengan data yang
dilaporkan atau selisihnya tidak lebih dari 15%
(rasio akurasi: 0,85 – 1,15)
– Over-reporting:
Jika data hasil verifikasi <15% dari data yang
dilaporkan (rasio akurasi: < 0,85)
– Under-reporting:
Jika data hasil verifikasi >15% dari data yang
dilaporkan (rasio akurasi: > 1,15)
 Contoh hasil verifikasi data

Gambar 1. Akurasi Data TB (semua tipe)

Interpretasi
Hasil verifikasi data pasien baru TB di 11 Puskesmas yang dipilih
secara acak menunjukkan keakuratan data pasien baru TB (semua
tipe) sebesar 55% atau hanya 6 Puskesmas yang mempunyai data
yang akurat, sisanya 27% over-reporting dan 18% under-reporting.
c. Penilaian Mandiri Kualitas Data
Rutin (PMKDR) melalui Penilaian
Sistem Monev

30
 Penilaian Sistem Monev

• Proses untuk menilai komponen sistem pemantauan

dan evaluasi secara langsung ke unit/fasilitas
kesehatan.

• Tujuan: memastikan apakah sistem pemantauan

dan evaluasi berjalan baik sehingga dapat melakukan
pengolahan dan analisis data dengan akurat dan
menghasilkan kualitas data yang baik.

31
 Metode Penilaian Kualitas
Sistem Monev
• Dilakukan dengan cara menilai masing-
masing komponen pada sistem
pemantauan & evaluasi di unit/fasilitas
kesehatan, yang difokuskan pada dimensi
input, proses, dan output.

• Penilaian dilakukan melalui wawancara

terstruktur, review dokumen dan observasi.

32
 Indikator Penilaian Kualitas
Sistem Monev
6 komponen yang dinilai yaitu:
1. Struktur, Fungsi dan Kapasitas dalam
Pemantauan dan Evaluasi
2. Indikator dan Pedoman Pelaporan
3. Pengumpulan Data dan Ketersediaan
Formulir
4. Pengolahan dan Analisis Data
5. Kelengkapan pelaporan dan ketepatan
waktu pelaporan
6. Pemanfaatan Data & Informasi
33
Hasil Penilaian Sistem Monev di Puskesmas

34
Prosedur Analisis dan
Pemanfaatan Data
di Puskesmas
Metode Analisis Data di Puskesmas

Analisis Deskriptif, yaitu teknik analisis data

dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa ada tujuan
membuat kesimpulan untuk generalisasi.
 Analisis Deskriptif Menurut Waktu

Analisis menurut waktu dimanfaatkan untuk

meramalkan kejadian pada masa yang akan
datang, baik kecenderungan peningkatan
atau kecenderungan penurunan suatu
kejadian.
Contoh Grafik Analisis Deskriptif Menurut
Waktu
 Analisis Deskriptif Menurut Orang

Analisis menurut kelompok (jenis kelamin, umur,

jenis pekerjaan, tingkat pendidikan) dapat
dimanfaatkan untuk melihat perbandingan
kejadian pada masing-masing kelompok,
sehingga dapat diketahui kelompok mana
yang lebih berisiko kesehatan.
Contoh Grafik Analisis Deskriptif Menurut
Orang
 Analisis Deskriptif Menurut Tempat

• Analisis menurut tempat (area geografis,

wilayah menurut batas administrasi) dapat
dimanfaatkan untuk melihat perbandingan
kejadian pada masing-masing jenis tempat,
sehingga dapat diketahui wilayah mana yang
lebih berisiko kesehatan.
Contoh Grafik Analisis Deskriptif Menurut
Tempat
 Analisis Deskriptif Komparatif
• Dimanfaatkan untuk membandingkan hasil
kegiatan program dengan target yang telah
ditentukan sebelumnya, atau membandingkan
data dari sumberdata yang berbeda.
Contoh:
• Membandingkan cakupan imunisasi dengan
target imunisasi
• Membandingkan data rutin dengan data
survei.
 Analisis Deskriptif Hubungan Antar
Program
Analisis hubungan antar program adalah analisis
yang menjelaskan hubungan/keterkaitan
variabel antar program yang secara logika
memiliki hubungan misalnya cakupan K1, K4,
PN, dan KN
Contoh Grafik Analisis Deskriptif
Hubungan Antar Program
Tahapan Analisis dan Tindak Lanjut

ANALISIS DESKRIPTIF

INTERPRETASI HASIL ANALISIS

ALTERNATIF TINDAK LANJUT

PEMECAHAN MASALAH MELANJUTKAN PROGRAM SESUAI PERENCANAAN