Dasar untuk Analisis Data dan Presentasi Data di Siloam Hospitals Group

2018

Bab 2: Proses Pengumpulan Data

Daftar Isi - Di mana kita sekarang?

Kata pengantar

1. Pengantar dari permukaan tanah

a. Menentukan istilah-istilah kunci
b. Di Siloam Hospitals Group - Mengapa kami mengumpulkan data?
c. Di Siloam Hospitals Group - Contoh skenario
d. Meningkatkan kemampuan berpikir kritis
e. Mengajukan pertanyaan yang tepat
2. Proses pengumpulan data
a. Pertanyaan utama untuk ditanyakan sebelum Anda mulai
b. Tetapkan tujuan Anda
c. Komunikasikan tujuan Anda
d. Gunakan alat yang ada
e. Validasi selama pengumpulan data
f. Perhitungan ukuran sampel
3. Menerima dan mengatur data
a. Pertanyaan kunci untuk ditanyakan saat mengatur data
b. Melihat data dalam berbagai dimensi
4. Analisis Data Dasar
a. Menetapkan kembali tujuan Anda
b. Ekstraksi analisis kualitatif dari data
c. Bertanya "Mengapa?"
5. Grafik dan presentasi data visual
a. Memilih jenis grafik terbaik
b. Keputusan tentang struktur bagan
c. Menjernihkannya
6. Menyusun presentasi akhir
a. Membuat koneksi ke prioritas yang lebih besar
b. Memesan dan mengatur presentasi Anda

1
Bab 2: Proses Pengumpulan Data

2a. Pertanyaan Kunci untuk Tanya Sebelum Anda Memulai

Mengapa aku melakukan ini?
Apa tujuan utama saya?
Pilar atau prioritas organisasi apa yang terhubung dengan ini?
Manfaat apa yang akan diberikan ini? Kepada siapa?
Apa yang saya harapkan untuk dapatkan / temukan?
Apa yang akan saya lakukan dengan data ini?
Apa jadwal saya?
Jika saya mengumpulkan data dari rumah sakit lain, siapa PIC saya di lokasi tersebut?
Jika kami bekerja sebagai tim kerja internal, apa peran dan kekuatan masing-masing orang?

2b. Tetapkan Tujuan Anda

Dari jawaban atas pertanyaan kunci Anda di atas, Anda dapat membuat daftar pendek atau tabel
tujuan utama Anda untuk proyek analisis data ini. Ini akan menjadi panduan peta jalan Anda di
seluruh proses pengumpulan data, analisis, dan presentasi. Jangan lupakan itu, dan jangan pergi
terlalu lama pada titik mana pun dalam proses tanpa memeriksa kembali dengannya.

Karena, ketika ada

proyek yang terlalu
jauh dari tujuan
utama, ia dengan
mudah menjadi
tanpa tujuan, dan
tidak dapat
mencapai tujuan
yang ditargetkan.
Tetapkan dan ingat
tujuan Anda, dan
Anda akan dapat
tetap di jalur
selama proses
berlangsung.

2
2c. Komunikasikan Tujuan Anda

Pada titik ini, semoga Anda akan memiliki serangkaian tujuan yang kuat dan terfokus untuk
proyek Anda. Tetapi, karena proses pengumpulan data melibatkan penerimaan data dari sumber
lain dan dari lokasi lain, mengkomunikasikan tujuan tersebut dengan jelas kepada para
pengumpul data itu sama pentingnya.

Berikut beberapa prinsip panduan:

1. Berikan permintaan data awal yang jelas.

Akankah sangat jelas bagi mereka apa yang Anda inginkan?

2. Tentukan bagaimana Anda ingin data yang dikirimkan.

Teks di badan email? Berkas Excel? Folder bersama internal? Komunikasikan mana yang terbaik
untuk Anda.

3. Tentukan format optimal untuk data.

Daftar angka sederhana? Persentase? Dalam 000 Rupiah? Komunikasikan mana yang terbaik
untuk Anda.

4. Berikan garis waktu dari awal.

Ingat: Anda tidak dapat mengharapkan respons yang baik jika Anda tidak menetapkan jadwal
waktu yang ditargetkan.

5. Gunakan berbagai metode komunikasi.

Jika permintaan pertama adalah email dasar, pengingat kedua dapat berupa pesan WhatsApp
yang ramah.

Jika Anda meminta data dari PICs di unit-unit Rumah Sakit Siloam, sadari bahwa ini akan
menjadi tugas tambahan dari perspektif mereka. Ini mungkin hanya membutuhkan waktu 30
menit, tetapi sering kali, orang hanya sibuk atau malas, jadi ada juga cara-cara yang dapat Anda
bantu.

Buat rencana tindakan Anda sendiri untuk meningkatkan proses pengumpulan data ini melalui
komunikasi yang efektif dan konsisten.

3
 Ide yang sederhana adalah ini:
Jika Anda tidak mengkomunikasikan tujuan Anda dengan jelas dan tujuan Anda ke PIC
eksternal ini, mereka tidak akan memiliki alasan untuk memprioritaskan tugas ini di atas hal
lain yang harus mereka lakukan. Tetapi, jika Anda dapat membantu mereka memahami
tujuan yang jelas dan pentingnya proyek
Anda dengan jelas, dan mungkin dampak positifnya bagi organisasi, itu akan mengubah
persepsi dan respons mereka.

2d. Gunakan Alat Yang Ada

Sekarang bayangkan Anda adalah seorang karyawan yang bekerja dalam Analisis Kualitas di
Kantor Pusat Siloam, dan Anda memiliki tugas mengumpulkan data dari setiap unit rumah sakit
tentang analisis risiko mereka, kejadian nyaris-merindukan, dan peristiwa sentinel. Ini sebagian
besar merupakan proses pengumpulan data kualitatif, yang kemudian dapat dikompilasi dan
diubah menjadi data kuantitatif dalam pelaporan.

Dalam tugas pengumpulan data ini, bayangkan tidak ada alat tunggal yang digunakan untuk
menyatukan format dan menyatukan data yang masuk ke HO dari setiap unit rumah sakit. Satu
rumah sakit mengirimi Anda email yang menjelaskan apa yang terjadi di beberapa paragraf
tertulis, rumah sakit lain menciptakan catatan waktu dari langkah-langkah yang mengarah ke
acara sentinel, dan rumah sakit lain mengatakan bahwa mereka sudah menyerahkan acara
sentinel mereka di QPulse I.T. sistem.

Karena Anda tidak menggunakan alat atau struktur apa pun yang menstandardisasi bagaimana
data dikumpulkan, diformat, dan dikirim, itu dengan cepat menjadi proses yang tidak
terorganisasi dan tidak berguna.

Jadi, satu contoh sederhana untuk menunjukkan dampak penggunaan alat yang ada adalah
kegunaan dari alat Analisis Penyebab Akar (RCA) dalam situasi seperti ini. Dalam proses
pengumpulan data kualitatif ini, jika kami menggunakan alat RCA yang distandarisasi di SHG,
proses pengumpulan data menjadi lebih mudah untuk kedua unit rumah sakit dan bagi Anda
sebagai pengumpul data di Kantor Pusat.

Satu hal penting yang perlu diperhatikan tentang RCA adalah bahwa hal itu termasuk komponen
yang juga disebutkan berkali-kali dalam paket pelatihan ini - pentingnya menanyakan
"Mengapa?"

4
Dengan bertanya "Mengapa?" Kita dapat mengungkap beberapa faktor penyebab yang akhirnya
mengarah ke masalah yang paling jelas, dan begitu mengungkap akar masalah yang sebenarnya
dari masalah yang kita hadapi.

Poin penting kedua tentang RCA adalah bahwa ia memiliki format standar untuk melabeli sebab
dan mengidentifikasi alasan untuk masalah.
Jika Anda ingin mengidentifikasi isu-isu utama yang menyebabkan Peristiwa Terkini di Siloam
Hospitals, bagaimana Anda bisa mendapatkan data itu? Dengan menggunakan alat terstruktur
seperti RCA, ia memiliki pengguna yang memilih faktor-faktor yang berkontribusi dari daftar
tetap dalam Kerangka Klasifikasi Faktor Kontributifnya. Misalnya, dalam kategori Faktor Pasien
dari alat ini, pengguna dapat memilih penyebab seperti:

Faktor Pasien Komponen

Kondisi klinis  -morbiditas yang sudah ada sebelumnya


Faktor Fisik  umum yang buruk


Faktor sosial 

 -obatan / diet)
Mental / 
Faktor psikologi 

Hubungan 
interpersonal 


Dalam setiap kelompok faktor, ada subkategori, kemudian dalam masing-masing kelompok, ada
beberapa komponen. Dengan cara ini, proses pengumpulan data kualitatif ini distandarisasi dan
diformat sepanjang satu pedoman - alat RCA. Sangat mudah untuk melihat bagaimana ini akan
membuat pekerjaan lebih mudah dan lebih sederhana untuk semua orang yang terlibat dalam

5
proses, karena hal-hal seperti komponen “5 Mengapa” dan menu tetapnya dari faktor-faktor
penyumbang.

Ada banyak alat seperti RCA Tool yang tersedia untuk digunakan untuk menyusun dan
memandu proses pengumpulan data kami, baik untuk data kuantitatif maupun kualitatif. Dengan
memanfaatkan alat-alat yang ada seperti ini, kita dapat menyederhanakan dan menyusun proses
pengumpulan data dan memanfaatkan alat untuk membuat pekerjaan kita lebih sederhana.

2e. Validasi Selama Pengumpulan Data

Seperti yang disebutkan sebelumnya, validasi adalah proses pengecekan apakah suatu ukuran
benar-benar menilai dengan tepat apa yang dimaksudkan untuk mengukur - apa pun dari hasil
klinis hingga tingkat pengalaman pasien. Ini mengonfirmasi keandalan dan kegunaan data yang
kami kumpulkan.

Berikut adalah beberapa poin bermanfaat untuk dipertimbangkan saat Anda memvalidasi data:

1. Pilih PIC yang sesuai dan dapat diandalkan dari unit rumah sakit. Mereka harus relevan
dengan data spesifik, dan juga dapat memverifikasi validitas data.

2. Minta unit rumah sakit untuk melakukan pemeriksaan fisik dari pengukuran ini. Jika hanya
memilih nomor dari laporan yang dihasilkan secara otomatis, harus ada pemeriksaan secara tepat
bagaimana angka tersebut dihitung dan dihasilkan, dan jika itu mengukur apa yang diinginkan
dari upaya pengumpulan data ini.

3. Minta agar para PIC memberikan pernyataan validitas mereka sendiri untuk datanya.
Jika PICs Anda hanya lulus tugas untuk staf mereka, maka mereka tidak benar-benar
bertanggung jawab atas data apa pun yang dikirimkan. Tapi, jika PIC harus memberikan
pernyataan validitas pribadi mereka, maka mereka akan mengambil lebih banyak kepemilikan
atas proses pengumpulan data.

Jelas, Anda tidak dapat mengontrol apa yang semua 31 PICs lakukan di setiap rumah sakit, tetapi
jika Anda sudah jelas mengkomunikasikan tujuan Anda dan format yang Anda butuhkan, Anda
telah memilih PIC yang tepat, dan Anda memerlukan pernyataan validitas tentang data mereka,
yang akan menjadi baik mulai menuju peningkatan validasi.

6
2f. Perhitungan Ukuran Sampel

Satu masalah terakhir yang sering menjadi tantangan selama pengumpulan data adalah
menetapkan target yang tepat untuk ukuran sampel yang diperlukan.

Seperti yang kita ketahui, seringkali tidak praktis atau layak untuk mempelajari seluruh populasi
dalam setiap proyek analisis data yang ingin kami lakukan. Jadi, ukuran sampel adalah
seperangkat peserta (kurang dalam jumlah) yang cukup mewakili populasi dari mana ia ditarik.

Tujuannya adalah kesimpulan yang benar tentang total populasi dapat dibuat dari hasil yang
diperoleh dari mempelajari sampel.

Dengan ukuran sampel yang lebih kecil dalam sebuah penelitian, lebih mudah untuk melakukan
dan menganalisa, tetapi itu mungkin tidak cukup untuk menandakan kenyataan dari populasi
penuh.

Dengan menganalisis ukuran sampel yang lebih besar, itu menjadi lebih dapat diandalkan dan
tepat, tetapi lebih besar dan sulit untuk diselesaikan.

Jadi seberapa besar ukuran sampel yang kita butuhkan?

Jika kita ingin menyimpulkan sesuatu tentang semua pasien, berapa banyak pasien yang harus
menjadi sampel?

Dua langkah utama yang akan memengaruhi keputusan ini adalah:

Tingkat Percaya Diri: Probabilitas bahwa sampel secara akurat mencerminkan populasi. 95%
adalah standar penelitian lintas industri.
1. Margin of Error: +/- persentase jangkauan yang populasi mungkin berbeda dari sampel.
5% adalah standar penelitian lintas industri di 95% Tingkat Kepercayaan.

7
Dengan memperbaiki 2 langkah utama tersebut pada 95% dan 5%, kita dapat membuat alat
prediksi yang hanya memberi kita ukuran sampel yang cukup berdasarkan ukuran total populasi:

Ukurusan Populasi Ukuran Sampel Yang Cukup

1 – 20 Ukuran Populasi Penuh
20 – 29 Ukuran Populasi - 1
30 – 49 Ukuran Populasi - 3
50 – 99 Ukuran Populasi - 10
100 – 249 Ukuran Populasi * 75%
250 – 499 Ukuran Penduduk * 48%
500 – 999 Ukuran Populasi * 34%
1,000 – 1,999 Ukuran Penduduk * 20%
2,000 – 4,999 Ukuran Populasi * 13%
5,000 – 9,999 Ukuran Penduduk * 5%
10,000 – 14,999 Ukuran Populasi * 2,5%

Sebagai contoh, anggaplah Anda adalah Kepala Perawat, dan Anda ingin memeriksa prevalensi
penyelesaian yang tepat dari formulir tertentu di file Rekam Medis pasien Anda. Untuk periode
waktu yang ditargetkan, Anda memiliki total 200 Rekam Medis. Ini adalah Ukuran Populasi
Anda.

Daripada harus meluangkan waktu untuk memeriksa setiap formulir, Anda sekarang dapat
mengambil ukuran sampel 75% dari MR itu, secara acak memilih 150 dari total Anda.

Sekarang, Anda memeriksa 150 MR itu, kemudian menarik kesimpulan Anda tentang total
populasi 200, mencatat bahwa kesimpulannya benar dari total populasi dengan margin kesalahan
5% pada tingkat kepercayaan 95%.

Dan juga perhatikan bahwa karena jumlah total populasi menjadi lebih besar dan lebih besar,
proses ini membantu kita semakin banyak.
Misalnya, jika Anda perlu melakukan proyek yang sama untuk populasi 6.000 Rekam Medis,
sekarang Anda hanya perlu memilih 300 MR untuk ukuran sampel Anda.

8
Catatan Penulis:
Bagian ini menggunakan rumus yang disederhanakan untuk perhitungan ukuran sampel,
berdasarkan pada:
1. 2017 cross-industry standards for sample size calculation metrics.
U.S. National Library of Medicine, National Institutes of Health
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4279315/
W.H.O. publication: Sample size determination in health studies: a practical manual
http://apps.who.int/iris/handle/10665/40062
2. Fixing key statistical measures, including Confidence Level, Margin of Error, and
Standard Deviation.
https://www.checkmarket.com/blog/how-to-estimate-your-population-and-survey-sample-
size/
https://www.checkmarket.com/sample-size-calculator/
3. Rata-rata standar kebutuhan ukuran sampel di seluruh rentang nilai ukuran populasi,
untuk menyederhanakan aplikasi alat ini.