Manajemen Data SIK Manajemen Data dari masyarakat belum

Manajemen Data SIK

Manajemen Data dari masyarakat belum dapat menggambarkan informasi apapun Diperlukan proses pengolahan dan analisis untuk merubah data menjadi informasi

Manajemen Data Informasi yang diperoleh dapat digunakan untuk pengambilan keputusan harus dipastikan bahwa data yang akan dianalisis bebas dari kesalahan (kesalahan seminimal mungkin)

Tujuan Mengidentifikasi masalah dan besar masalah Mengetahui sebab masalah yang terjadi Memantau situasi kesehatan secara terus menerus dari waktu ke waktu Mengantisipasi kemungkinan masalah yang akan terjadi

Manajemen Data Hal penting yang harus diperhatikan adalah SIFAT DATA yang akan diolah/dianalisis, yaitu : 1. Sifat epidemiologis data 2. Keterbatasan dan kualitas data

Sifat Epidemiologis Data Orang : karakteristik orang atau subyek yang mengalami kejadian yang dicatat dan dilaporkan Tempat : lokasi kejadian Waktu : saat kejadian dicatat dan dilaporkan

Keterbatasan Dan Kualitas Data Berbentuk data agregat (frekuensi kejadian yang dikelompokkan menurut sifat epidemiologis) Keterbatasan/kelemahan : 1. Analisis terbatas 2. Sukar dilakukan tabulasi silang

Keterbatasan Dan Kualitas Data yang dikumpulkan berasal dari populasi Keterbatasan/kelemahan : Analisis terbatas hanya metode statistika deskriptif

Manajemen Data Tahapan dalam Manajemen Data : 1. Editing 2. Coding 3. Pemasukan (Entry) data 4. Pembersihan (Cleaning) data 5. Analisis Data

Editing dimaksudkan untuk meneliti kembali apakah isian dalam kuesioner sudah cukup baik dan dapat segera diproses lebih lanjut Merupakan proses pengolahan data yang sudah dapat dilakukan sedini mungkin di lapangan Editing dapat dilakukan oleh pewawancara sendiri atau oleh pengawas lapangan

Lanjutan : Editing Hal yang perlu diperhatikan dalam editing : 1. Kelengkapan jawaban 2. Keterbacaan tulisan 3. Kesesuaian jawaban satu dengan lainnya 4. Keseragaman satuan ukuran

Coding dimaksudkan untuk mengklasifikasikan jawaban menurut jenis atau macamnya Klasifikasi dilakukan dengan cara menandai jawaban dengan kode (dianjurkan berupa angka) tertentu

Lanjutan : Coding Perlu dibuat buku kode atau coding book yang dapat digunakan untuk mengidentifikasi variabel yang akan dipakai dalam proses analisis data dan juga membaca hasil analisis

Lanjutan : Buku kode biasanya berisi : 1. Nomer Pertanyaan 2. Nama variabel 3. Jenis/type variabel 4. Lebar variabel 5. Label dan value label Coding

Lanjutan : Coding Dalam memberikan kode perlu diperhatikan : Apakah kode tersebut hanya simbol atau melambangkan skor Untuk kode “tidak tahu”, “tidak relevan” dan “lain-lain” diberi kode tertentu yang sama untuk memudahkan waktu analisis

Entry Data Setelah editing dan coding dilakukan, langkah berikutnya adalah memasukkan data dalam file komputer File komputer adalah kode-kode elektromagnetik yang digunakan untuk menyimpan data dan data tersebut dapat ditampilkan kembali jika diperlukan

Lanjutan : Entry Data Ada banyak software yang bisa digunakan untuk entry data, diantaranya : Excel, Dbase, SPSS, Epi Info, Minitab, dan lainnya Pada file komputer, jawaban satu responden akan tersimpan dalam satu record yang terdiri dari beberapa variabel/field Dibuat struktur file yang berisi nama variabel, jenis dan lebar variabel

Lanjutan : Contoh struktur file entry data Entry Data

Lanjutan : Entry Data Contoh file komputer untuk entry data

Cleaning Data Setelah data dimasukkan, data tidak langsung siap untuk dianalisis, data harus bebas dari kesalahan Cleaning data adalah proses untuk menguji kebenaran data

Lanjutan : Cleaning Data Tujuan : menyiapkan data agar pada saat analisis bebas dari kesalahan Metode : 1. Saat pengumpulan data – – 2. Segera setelah data dikumpulkan Diperiksa kebenaran, kelengkapan pengisian data Saat coding – Memeriksa ulang isian sambil melakukan coding

Lanjutan : Cleaning Data 3. Saat data entry – Beberapa program komputer dilengkapi fasilitas untuk melakukan loncatan, menentukan range jawaban, hubungan antar variabel (cek logika), dll 4. Sebelum analisis a. Validasi data : 2 orang memasukkan data yang sama, dibandingkan hasilnya b. Distribusi frekuensi c. Tabulasi silang (tabel kontingensi)

Lanjutan : Cleaning Data Distribusi Frekuensi : untuk mengecek apakah ada nomor kode diluar kode yang ditetapkan Tabulasi silang : untuk menguji pertanyaan yang meloncat

Analisis Data Tahap terakhir untuk merubah data menjadi informasi adalah “analisis data” Analisis data dikelompokkan menjadi: 1. Analisis data deskriptif 2. Analisis data inferensial

Lanjutan : Analisis Data Contoh Analisis data deskriptif

Lanjutan : Analisis Data Contoh Analisis data inferensial

Lanjutan : Analisis Data Yang dilakukan saat analisis data : 1. Analisis untuk menggambarkan kondisi kesehatan masyarakat 2. Interpretasi data, menentukan masalah kesehatan yang ada 3. Analisis dan interpretasi faktor yang berhubungan dengan masalah kesehatan yang ada

Lanjutan : Analisis Data Analisis data untuk menggambarkan kondisi kesehatan masyarakat a) Tabel frekuensi : - Tabel distribusi frekuensi - Tabel kontingensi/tabulasi silang b) Rata-rata hitung (mean) c) Indikator kesehatan

Lanjutan : Analisis Data Indikator Kesehatan 1. 2. 3. 4. Indikator Umum Dan Lingkungan Indikator Derajat Kesehatan Indikator Upaya Kesehatan Indikator Sumber Daya Kesehatan

Lanjutan : Analisis Data Interpretasi data Membandingkan cakupan dengan target b) Membandingkan cakupan saat ini dengan cakupan sebelumnya c) Membandingkan dengan skala yang lebih luas d) Melihat trend a)

Lanjutan : Analisis Data Analisis dan interpretasi data untuk mengetahui faktor yang berhubungan dengan masalah kesehatan Penting : kerangka konsep Hubungan sebab akibat Tabel kontingensi Angka risiko

INPUT DATA - EDITING - CLEANING KARAKTERISTIK DATA - ‘SEKUNDER’ - AGREGAT - TERGANTUNG LEVEL : * MASYARAKAT * PUSKESMAS * DATI II * DATI I * PUSAT PROSES OUTPUT PENGOLAHAN - EDITING INFORMASI INDIKATOR INDEKS - CODING - DATA ENTRY - CLEANING - ANALISIS SDM DISKRIPTIF/ ANALITIK