1 Maret 2021
Pada Selasa (1/03/2021) diselenggarakan Pelatihan Pengolahan, Analisis, dan Visualisasi Data Kesehatan hari pertama topik ke-3 tentang pembuatan laporan analisis data KIA sesuai format WHO. Acara berlangsung pukul 13.00 – 14.00 WIB di Gedung Litbang, FK – KMK UGM dan disiarkan melalui zoom meeting. Pelatihan ini merupakan hasil kerja sama antara Pusat Kebijakan dan Manajemen Kesehatan (PKMK) FK - KMK UGM bersama dengan World Health Organization (WHO) Indonesia dalam program penguatan dan pengembangan kebijakan Kesehatan. Beberapa data yang diolah dalam rangkaian pelatihan ini hingga Maret nanti antara lain data sampel BPJS Kesehatan, data SKDN, dan data - data KIA.
Outcome dari pelatihan ini diantaranya peserta dapat mengenali dan memahami berbagai data kesehatan yang ada dan mampu melakukan pengolahan, analisis, dan visualisasi data rutin berdasarkan contoh yang diberikan dalam pelatihan. Narasumber dalam pelatihan ini yaitu Insan R. Adiwibowo, M.Sc. yang merupakan peneliti dari PKMK FK - KMK UGM. Pelatihan dimoderatori oleh Muhammad Hafizh Hariawan, S.Gz, MPH.
Analisis Data - Data Rutin Faskes Terkait KIA
Insan R. Adiwibowo, M.Sc
Insan memulai paparannya dengan menjelaskan konsep continuum of care of Reproductive, Maternal, Neonatal, Child, and Adolescent Health (RMNCAH) bahwa pembangunan kesehatan di area ini dimulai dari fase pre-pregnancy di masa remaja dilanjutkan masa kehamilan, kelahiran, pasca kelahiran (ibu dan bayi baru lahir), bayi, anak, dan remaja. Proses ini seperti siklus yang berulang. Sebelum membahas secara mendalam tentang data rutin, perlu diketahui apa yang membedakan data rutin dibanding data lainnya. Data rutin memberikan gambaran mengenai status kesehatan masyarakat, status pelayanan kesehatan, dan sumber daya kesehatan. Datanya diambil oleh tenaga lapangan, pengawas, maupun surveyor yang ditunjuk otoritas kesehatan.
Pada umumnya data rutin menggambarkan catatan kesehatan individu seperti SKDN, layanan yang diberikan seperti cakupan K4, maupun sumber daya kesehatan seperti RS Online. Data rutin digunakan untuk monitoring dan evaluasi sehingga update data pada umumnya cepat. Pengambilan datanya biasanya tidak menggunakan sampling. Data ini di-update cukup sering, baik bulanan atau triwulanan. Berbeda dengan data survei yang biasanya lebih lama rentang waktu pengambilannya bisa 1 bahkan 5 tahun sekali. Meski demikian, implementasi seringkali dilakukan bertahap yang diawali dari sebagian daerah terlebih dahulu. Selain itu, data rutin terintegrasi dengan building blocks sistem kesehatan.
Data rutin memiliki power yang sangat tinggi untuk melihat situasi kesehatan di Indonesia. Ada 3 jenis data rutin yang akan dibahas dalam sesi ini. Pertama, catatan ketersediaan dan penggunaan sumber daya kesehatan (resource records). Hal - hal yang perlu diperhatikan dalam analisis data catatan sumber daya antara lain untuk apa analisis digunakan dan siapa yang menggunakan hasil analisis, dan ekspektasi tindakan. Analisis resource records ini dapat digunakan untuk analisis pengadaan, efesiensi pendanaan, realokasi SDM, dan penganggaran. Pihak yang menggunakan hasil analisis misalnya puskesmas, dinas kesehatan, kepala daerah, DPRD, dan sebagainya.
Jenis data rutin yang kedua adalah catatan pemberian layanan kesehatan (service records). Jenis data ini berkaitan dengan pemberian layanan kesehatan maupun intervensi kesehatan. Biasanya membutuhkan data sasaran untuk melihat sejauh mana cakupan layanan dan berkaitan dengan elemen output dalam building-block kesehatan. Contoh datanya seperti data kunjungan antenatal, data persalinan di RS, data kunjungan Posyandu, dan data pemberian vaksin.
Hal - hal yang perlu diperhatikan dalam analisis data catatan pemberian layanan antara lain bahwa mayoritas data layanan dibutuhkan dalam banyak indikator output pada laporan rutin sehingga berfokus pada ketercapaian sasaran kesehatan. Data layanan seringkali menjadi proxy untuk mengetahui permasalahan kesehatan di suatu daerah.
Misalnya, daerah dengan utilisasi layanan jantung yang tinggi berarti penduduknya memiliki permasalahan jantung yang berat. Data pemberian layanan berada di titik tengah antara process dan outcomes, sehingga informasi di sini sering dikaitkan dengan sumber daya maupun status kesehatan. Data ini juga dapat dikaitkan dengan sumber daya misalnya, penggunaan obat untuk tindakan medis dan beban kerja SDM kesehatan.
Jenis data rutin yang ketiga yaitu catatan individu (individual records) yang merupakan data - data rutin pemantauan status kesehatan individu. Data ini biasanya digunakan untuk surveilans dan menempati bagian outcomes dan impact dalam building block kesehatan. Contohnya, pemantauan faktor risiko, pemantauan status gizi dalam e-PPGBM, rekam medis, dan data individual BPJS Kesehatan.
Secara umum catatan individu terbagi dalam dua tipe yaitu data global dan situasional. Data global mencakup seluruh populasi dan mencatat pergerakan status kesehatan seluruh populasi. Misalnya, e-PPGBM, SKDN, atau data-data yang dikumpulkan melalui Posyandu. Sedangkan data situasional hanya mencakup pantauan pasien dalam situasi khusus. Misalnya, data rekam medis dan BPJS hanya tersedia ketika pasien berkunjung ke faskes atau SITT untuk pengidap TB. Data individual records untuk keperluan surveilans menekankan pada identitas dan lokasi individu untuk diberlakukan intervensi. Data untuk keperluan pelaporan status kesehatan masyarakat berfokus pada agregasi data di level tertentu misalnya kabupaten, provinsi, dan seterusnya.
Analisis data rutin yang komprehensif untuk kebijakan dilakukan melalui beberapa tahapan. Pertama, merumuskan tujuan pokok analisis seperti pembuatan profil kesehatan, pemantauan obat dan BHP, surveilans stunting, dan sebagainya. Kedua, merumuskan pertanyaan - pertanyaan spesifik untuk memenuhi tujuan analisis misalnya, dalam surveilans stunting pertanyaan - pertanyaan yang perlu dijawab adalah: 1) berapa banyak balita stunting di kabupaten X, 2) tersebar di kelurahan mana saja, 3) siapa nama anak dan orangtua-nya, 4) intervensi apa saja yang sudah dilakukan. Ketiga, mengidentifikasi indikator - indikator yang diperlukan untuk menjawab pertanyaan tersebut.
Misalnya, menjawab pertanyaan di poin (2): 1) Jumlah balita stunting di kabupaten X, 2) Jumlah balita stunting di kabupaten X per kelurahan, 3) Informasi per individu balita stunting, 4) Riwayat intervensi gizi spesifik individu. Keempat, menentukan metode analisis dan visualisasi data untuk setiap indikator. Apakah butuh tabel agregat? Apakah butuh pemetaan? Apakah butuh grafik? Mana yang paling mudah dicerna dan membantu untuk penyusunan langkah selanjutnya? Kelima, melakukan identifikasi kualitas data yang dilakukan untuk mengetahui kelemahan dari data yang dikumpulkan dan memberikan. Keenam, melakukan analisis dan visualisasi. Ketujuh, menyusun hasil analisis dalam narasi utuh yang dapat menghasilkan tindak lanjut kebijakan. Penyusunan dokumen analisis dibuat seringkas mungkin dengan melakukan sintesis terhadap bukti - bukti dari data yang ada dan diakhiri dengan rekomendasi tindak lanjut.
Untuk melihat kualitas data dapat dilihat dari beberapa domain seperti kelengkapan dan ketepatan waktu, konsistensi internal, konsistensi eksternal dengan sumber data lain, dan perbandingan eksternal untuk data populasi. WHO memiliki Data Quality Review (DQR) toolkit yang mengusulkan pendekatan terintegrasi untuk kualitas data. Toolkit ini menyatukan dan membangun berdasarkan alat dan metode sebelumnya yang dirancang untuk menilai kualitas data di tingkat fasilitas dengan mempertimbagkan best practices dan lesson learned dari banyak negara.
Pelatihan dilanjutkan dengan sesi diskusi dan ditutup dengan pembacaan kesimpulan oleh moderator. Pelatihan dengan topik Pembuatan laporan analisis data KIA sesuai format WHO akan dilanjutkan pada Kamis, 4 Maret 2021 jam 13.00 – 15.00 WIB.
Related links
4 Maret 2021
Pada Kamis (4 Maret 2021) telah diselenggarakan Pelatihan Pengolahan, Analisis, dan Visualisasi Data Kesehatan hari kedua untuk topik ke-3 tentang pembuatan laporan analisis data KIA sesuai format WHO. Pelatihan berlangsung pada pukul 13:00 - 15:00 WIB di Gedung Litbang, FK - KMK UGM dan disiarkan secara langsung melalui Zoom Meeting serta YouTube Live Streaming.
Pelatihan ini merupakan hasil kerja sama antara Pusat Kebijakan dan Manajemen Kesehatan (PKMK) FK - KMK UGM bersama dengan World Health Organization (WHO) Indonesia dalam program penguatan dan pengembangan kebijakan kesehatan. Beberapa data yang digunakan dalam rangkaian pelatihan ini adalah data sampel BPJS Kesehatan (telah disampaikan dalam pelatihan topik ke-1), data SDKI 2002 - 2017 (telah disampaikan dalam pelatihan topik ke-2), dan data KIA (disampaikan pada pelatihan topik ke-3).
Pelatihan ini bertujuan agar peserta dapat mengenali dan memahami berbagai data kesehatan yang ada serta mampu melakukan pengolahan, analisis, dan visualisasi data rutin berdasarkan contoh yang diberikan dalam pelatihan. Narasumber pada pelatihan ini adalah Insan Rekso Adiwibowo, M.Sc. yang merupakan seorang peneliti di PKMK FK - KMK UGM. Pelatihan ini dimoderatori oleh Muhammad Hafizh Hariawan, S.Gz., MPH.
Tutorial 1: Data-data rutin KIA yang tersedia untuk publik
Oleh: Insan Rekso Adiwibowo, M.Sc.
Insan mengawali tutorial pertama dengan menjelaskan website DaSK, yaitu Dashboard Sistem Kesehatan yang menyediakan data - data terkait kesehatan di Indonesia. Salah satu kategori yang ada di dalam DaSK adalah data - data terkait Kesehatan Ibu dan Anak. Beberapa di antaranya yaitu data SDM Kesehatan, Peta Layanan Rumah Sakit, Aplikasi Komunikasi Data, Peta Utilisasi BPJS terkait KIA, serta Burden of Disease. Semua data yang ditampilkan pada setiap situs tersebut bersifat publik, sehingga dapat diakses oleh siapapun.
Tutorial 2: Analisis Kualitas Data
Oleh: Insan Rekso Adiwibowo, M.Sc.
Pada tutorial ke-2, Insan membagikan sebuah tautan yang berisi dataset beberapa indikator pelayanan pada KIA. Setelah itu, Insan menjelaskan data tersebut berdasarkan tiap indikator dan/atau tiap tahun. Data yang ada dapat dibuat persentase, sehingga dapat diketahui capaian dari tiap indikator pelayanan yang ada. Selain itu, Insan memberikan tutorial secara langsung pembuatan formula atau rumus perhitungan yang dapat dilakukan di spreadsheet. Jika menemui suatu data yang tidak lengkap dan memiliki kualitas yang rendah, maka kita tetap bisa melakukan analisis pada data tersebut yaitu dengan menyampaikan situasi apa adanya yang bisa diperoleh. Apabila terdapat data yang kosong atau berisi nominal yang tidak wajar, maka bagian tersebut dapat ditiadakan yaitu dengan melakukan pengecualian (exclude). Kualitas data juga dapat diketahui dengan menggunakan software, salah satunya adalah DHIS2.
Tutorial 3: Analisis Gangguan Layanan K4
Oleh: Insan Rekso Adiwibowo, M.Sc.
Pada tutorial ke-3, Insan menampilkan data ke-2 yang berisi gangguan layanan K4. Data tersebut kemudian diolah dengan berpedoman pada buku panduan WHO tentang analisis data. Insan menunjukkan cara pembuatan pivot table dan pivot chart menggunakan Microsoft Excel dari dataset ke-2. Hasil pembuatan pivot table dan pivot chart yang ditampilkan dapat dijadikan visualisasi untuk mengetahui kenaikan/penurunan jumlah pelayanan yang ada pada setiap daerah.
Pada akhir pelatihan, Insan menyampaikan bonus materi yaitu tentang Datawrapper, sebuah alat untuk membuat visualisasi data yang mudah dilakukan dan memiliki fitur - fitur yang cukup lengkap.
Penutup
Diskusi dilaksanakan dengan dipandu oleh moderator. Peserta pelatihan terlibat secara aktif dalam memberikan pertanyaan dan/atau melakukan diskusi dengan narasumber. Pelatihan ditutup oleh moderator dengan membacakan kesimpulan pelatihan. Pelatihan hari ini merupakan pelatihan terakhir dari rangkaian pelatihan pengolahan, analisis, dan visualisasi data kesehatan yang dilaksanakan sejak Selasa (16 Februari 2021) hingga Kamis (4 Maret 2021).
Reporter: Rokhana Diyah Rusdiati
Related links
PENDAHULUAN
TUJUAN
WAKTU DAN TEMPAT
AGENDA