VALIDASI DATA MUTU RUMAH SAKIT

Manajemen Jaminan Mutu Pelayanan

1
LATAR BELAKANG
Indikator mutu yang telah ditetapkan tersebut
telah dipantau dengan instrumen yang disusun
berdasarkan kebutuhan data yang diperlukan.
Setelah dilakukan pengumpulan data oleh
masing-masing unit dalam rumah sakit, maka
rumah sakit menggunakan proses internal untuk
melakukan validasi data sebelum
dilaksanakan pelaporan dan publikasi data ke
Publik
 PENGERTIAN
Validasi Data adalah suatu proses yang dilakukan melalui cross check
data terhadap satuan kerja pembuat data untuk menjamin bahwa data
yang diberikan telah sesuai dengan kebutuhan dan dapat diaplikasikan
untuk analisis tertentu. Kegunaan validasi data yaitu untuk mengetahui
sejauh mana ketepatan dan kecermatan suatu instrumen bisa
relevan/sesuai dengan tujuan diadakan pengukuran tersebut
 VALIDASI DATA

Tujuan
• Monitoring akurasi data yg dikumpulkan
• Verifikasi bahwa pengambilan data adalah konsisten dan
reproducible
• Verifikasi ekspektasi tentang volume data yang
dikumpulkan.

4
VALIDASI DATA
CONT’ TUJUAN
• Tanggung jawab mutu pelayanan kesehatan untuk
masyarakat/publik.
• Mendorong peningkatan dalam proses pengumpulan
data.
• Ukuran yang dapat dipercaya untuk potensial
benchmarking selanjutnya
• Meningkatkan kepercayaan dalam gerakan pembuatan
keputusan berdasarkan data.

5
Pengum
Hasil Rekap validasi Valid
pulan

Koreksi Tidak valid

Tujuan
– Monitoring akurasi data yg dikumpulkan
– Verifikasi bahwa pengambilan data adalah
konsisten dan reproducible
– Verifikasi ekspektasi tentang volume data
yang dikumpulkan.
Standar PMKP 8
• RS mempunyai regulasi validasi data indikator area klinik
yang baru atau mengalami perubahan dan data yang akan
dipublikasikan. Regulasi ini diterapkan dengan
menggunakan proses internal validasi data.

8
 Elemen penilaian PMKP 8 Telusur Skor
R Regulasi tentang manajemen data 10 TL
1. Rumah sakit mempunyai termasuk validasi data - -
regulasi validasi data sesuai 0 TT
dengan a)
sampai c) yang ada di maksud
dan tujuan (R)

2. Rumah sakit telah melakukan D Bukti pelaksanaan validasi data IAK 10 T

validasi data pada pengukuran
5
0 L
mutu area klinik yang baru dan bila
W Komite PMKP
terjadi perubahan sesuai dengan T
regulasi (D,W)
S

T
9
 Elemen penilaian PMKP 8 Telusur Skor
D Bukti pelaksanaan validasi data yang 10 TL
3. Rumah sakit telah melakukan validai dipublikasikan 5
data yang akan dipublikasikan di 0 TS
W Komite PMKP
web TT
site atau media lainnya
termasuk kerahasiaan pasien
dan keakuratan
sesuai regulasi (D,W)
D Bukti pelaksanaan perbaikan data 10 TL
4. Rumah sakit telah melakukan 5
perbaikan berdasarkan hasil validasi berdasarkan hasil validasi data 0 TS
data. (D,W) W Komite PMKP TT
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI,
(PMKP 4, 5, 5.1, 6, 7,7.1,7.2, 8. )

Maksud dan Tujuan PMKP. 8

Validasi data adalah alat penting untuk memahami mutu dari data dan
untuk menetapkan tingkat kepercayaan (confidence level) para pengambil
keputusan terhadap data itu sendiri. Validasi data menjadi salah satu
langkah dalam proses menetapkan prioritas penilaian, memilih apa yang
harus dinilai, memilih dan mengetes indikator, mengumpulkan data,
validasi data dan menggunakan data untuk peningkatan.

11
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. ))

Maksud dan Tujuan PMKP. 8

Keabsahan dan ketepercayaan pengukuran adalah inti dari semua
perbaikan dalam program peningkatan mutu. Proses validasi data
secara internal perlu dilakukan karena program mutu dianggap valid
jika data yang dikumpulkan sudah sesuai, benar dan bermanfaat .
Untuk memastikan bahwa data yang dikumpulkan baik, proses validasi
perlu dilakukan.

12
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. ))
Maksud dan Tujuan PMKP. 8

Rumah sakit agar menetapkan regulasi validasi data yang antara lain
meliputi :

a) Kebijakan data yang harus divalidasi yaitu

• Merupakan pengukuran area klinik baru;
• Bila ada perubahan sistem pencatatan pasien dari manual ke
elektronik sehingga sumber data berubah ;
• Bila data dipublikasi ke masyarakat baik melalui di web
site rumah sakit atau media lain
STANDAR NASIONAL AKREDITASI RUMAH SAKIT edisi 1 13
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. ))

Maksud dan Tujuan PMKP. 8

 Bila ada perubahan pengukuran

 Bila ada perubahan data pengukuran tanpa diketahui sebabnya

 Bila ada perubahan subyek data seperti perubahan umur rata rata pasien,
protokol riset diubah, panduan praktik klinik baru diberlakukan, ada
teknologi dan metodologi pengobatan baru

14
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. )

Maksud dan Tujuan PMKP 8

b) Proses validasi data mencakup namun tidak terbatas sebagai berikut :
 Mengumpulkan ulang data oleh orang kedua yang tidak terlibat dalam
proses pengumpulan data sebelumnya (data asli)
 Menggunakan sampel tercatat, kasus dan data lainnya yang
sahih secarastatistik. Sample 100 % hanya dibutuhkan jika
jumlah
pencatatan, kasus atau data lainnya sangat kecil jumlahnya.
15
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU
DALAM PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (PMKP 4, 5,
5.1, 6, 7,7.1,7.2, 8. )
Maksud dan Tujuan PMKP 8
 Membandingkan data asli dengan data yang dikumpulkan ulang
 Menghitung keakuratan dengan membagi jumlah elemen data
yang
• ditemukan dengan total jumlah data elemen dengan 100.
dikalikan
• Tingkat akurasi 90 % adalah patokan yang baik.
 Jika elemen data yg diketemukan ternyata tidak
Dengan catatan alasannya (misalnya data tidak jelas definisinya) dan
sama,
dilakukan tindakan koreksi
70
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA INDIKATOR MUTU DALAM
PENGUKURAN PELAYANAN KLINIS YANG AKAN DIEVALUASI, (PMKP 4, 5, 5.1, 6, 7,7.1,7.2, 8. )

Maksud dan Tujuan PMKP 8

 Koleksi sample setelah semua tindakan koreksi dilakukan
baru
untuk memastikan tindakan menghasilkan tingkat akurasi yang
diharapkan (lihat juga KKS.11, EP 4)‟

c) Proses validasi data yang akan dipublikasi di web site atau media
lainnya agar diatur tersendiri, dan dapat menjamin kerahasiaan pasien
dan keakuratan data.

17
 PEMILIHAN, PENGUMPULAN, ANALISIS DAN VALIDASI DATA
INDIKATOR MUTU DALAM PENGUKURAN PELAYANAN KLINIS
YANG AKAN DIEVALUASI, (PMKP 4, 5, 5.1, 6, 7,7.1,7.2, 8. )

Maksud dan Tujuan PMKP 8

Proses validasi data mencakup namun tidak terbatas pada b)
tersebut diatas, oleh karena itu, dalam melakukan validasi data,
rumah sakit dapat menggunakan cara/proses lain sesuai dengan
referensi ilmiah terkini.

Proses validasi data yang akan di publikasi diatur tersendiri

dan dapat menjamin kerahasiaan pasien dan keakuratan data.
18
 MEKANISME VALIDASI DATA

• Siapa yang melakukan

 Prinsip : validator adalah bukan pengumpul data/tidak terlibat

dalam proses pengumpul data (orang ke dua)

Kapan dilakukan :

 Bila indikator klinik baru saja dikumpulkan (indikator baru)

 Bila ada perubahan sumber data, numerator, denumerator, definisi

operasional, subyek pengumpulan data dirubah & PIC pengumpul
data 19
 PMKP 8
Proses validasi data memuat paling sedikit
indikator area klinis dan data yang akan
dipublikasikan
– Tanggung jawab mutu pelayanan kesehatan untuk
masyarakat/publik.
– Mendorong peningkatan dalam proses pengumpulan
data.
– Ukuran yang dapat dipercaya untuk potensial benchmarking
selanjutnya
– Meningkatkan kepercayaan dalam gerakan pembuatan
keputusan berdasarkan data.
• Siapa yang melakukan

 Prinsip : validator adalah bukan pengumpul data/tidak terlibat

dalam
proses pengumpul data (orang ke dua)

TERLATIH DALAM MELAKSANAKAN PROSES VALIDASI

VALIDASI INTERNAL
 VALIDASI DAN
ANALISIS DARI DATA PENILAIAN
Validasi data menjadi sangat penting dalam hal :
a. Indikator baru diterapkan khususnya, indikator klinis yang dimaksudkan untuk membantu RS melakukan
evaluasi & meningkatkan proses atau hasil klinis yang penting)
b. Agar diketahui publik, data dimuat di web site RS atau dengan cara lain
c. Suatu perub. telah dilakukan terhadap indikator yg ada, seperti cara pengumpulan data diubah atau
proses abstraksi data, atau abstraktor diganti
d. Data yang berasal dari indikator yang ada telah diubah tanpa ada penjelasan
e. Sumber data telah diubah, seperti kalau sebagian dari rekam medis pasien digantikan dengan format
elektronik sehingga sumber data sekarang berupa kertas maupun elektronik
f. Subyek dari pengumpulan data telah diubah, seperti perubahan umur rata-rata pasien, komorbiditas,
perubahan protokol riset, penerapan pedoman praktek yang baru, atau teknologi baru dan metodologi
baru pengobatan diperkenalkan/dilaksanakan.
Komisi Akreditasi Rumah Sakit
 Tabel Krecjie untuk Menentukan Ukuran Sampet Minimum
pada Taraf Signifi kansi ‹x = 0,01 (1 O o)j 0,05 (5 O o)j dan 0, 10 O
2
(10 o’)

10 10 10 10 320 216 167 147 3,000 543 312 248

15 15 14 14 340 225 172 151 3,500 558 317 251
20 19 19 19 360 234 177 155 4,000 569 320 254
25 24 23 23 380 242 182 158 4,500 578 323 225
30 19 28 27 400 250 186 162 5,000 586 326 257
35 33 32 31 420 257 191 165 6,000 598 329 259
40 38 36 35 440 265 195 168 7,000 606 332 261
45 42 40 39 460 272 198 171 8,000 613 334 263
50 47 44 42 480 279 202 173 9,000 618 335 263
55 51 48 46 500 285 205 176 10,000 622 336 263
60 55 51 49 550 301 213 182 15,000 635 340 266
65 59 55 53 600 315 221 187 20,000 642 342 267
70 63 58 56 650 329 227 191 30,000 649 344 268
75 67 62 59 700 341 233 195 40,000 653 345 269
80 71 65 62 750 352 238 199 50,000 655 346 269
85 75 68 65 800 363 243 202 75,000 658 346 270
90 79 72 68 850 373 247 205 100,000 659 347 270
95 83 75 71 900 382 251 208 150,000 661 347 270
100 87 78 73 950 391 255 211 200,000 661 347 270

Morgan & Krecjie, dalam Uma Sekaran, 2003

• MEASUREMENT RESULT AGREEMENT  90 % kesepakatan dalam hasil kalkulasi
antara pengumpul data pertama dan kedua
• MEASURE CATEGORY AGREEMENT  75 % kesepakatan dalam kategori numerator,
denominator, dan ekslusi antara pengumpul data pertama dan data kedua
• DATA ELEMENT AGREEMENT  80 % kesepakatan dalam dokumentasi elemen data
antara pengumpul data pertama dan kedua
MEASUREMENT RESULT AGREEMENT  90 % kesepakatan dalam hasil
kalkulasi

 Tetapkan indikator yang akan di validasi

 Buat Regulasi validasi  Catatan : metode validasi harus sama

dengan metode pengumpulan data. Bila data cukup banyak,
validasi bisa dilakukan dng menggunakan metode sampling

 Bandingkan hasil pengumpul data pertama dengan pengumpul

data ke dua

 Hasil validasi bila 90 % atau lebih sesuai sudah dianggap akurat

/ valid
• Contoh 16 RM untuk pengumpul data kedua

• Untuk setiap 16 RM ini, review dan dokumentasikan bagaimana

pengumpul data pertama mengkategorikan data
• Data yang dikumpulkan dan pengumpul data kedua,
dikategorikan dan
catat hasilnya
 Pengumpul Pengumpul
data I data II
Sampel dari 100 16 16

Exclude (B) 4 2

Total numerator (E) 6 8

Total Denominator (D) 12 14

• Total kecocokan (D) = 16

• Tidak cocok pada ekslusi (B) = 2

• Tidak cocok pada numerator E = 2

• Total tidak cocok = 4

• Total cocok = 12

• % MCA kesepakatan = 12/16 = 75 %

• Karena ketidaksepakatan tidak < 75 %, maka tidak

sepakat
Komisi Akreditasi Rumah Sakit
• Contoh 16 RM untuk pengumpul data kedua

• Untuk setiap 16 RM ini, revivew dan dokumen bgmn pengumpul data

pertama mengakatogorikan data
• Data dikumpulkan oleh pengumpul data kedua, didentifikasi elemen
datanya dan catat hasilnya
 Pengumpul data I Pengumpul
data II

Usia 16 kasus (denominator) > 18 tahun > 18 tahun

Diagnose AMI (denominator) 16 16

Pemberian ASA 24 jam 12 dari 16 8 dari 16

(numerator)

Tidak diberikan ASA (kontra 2 dari 16 6 dari 16

indikasi tidak ada)  tidak
sesuai numerator
Kontra indikasi pemberian ASA 1 dari 16 2 dari 16
(ekslusi dari denominator)
• Ada 4 elemen data di setiap rekam medis
- 16 elemen data RM dikumpulkan pengumpul data Orang kedua

- Total elemen data = 4 X 16 = 64

• Tidak cocok 5

• Cocok 59 dari 64 elemen data

• Nilai kesepakatan elemen 59/64 X 100 = 92 %

• Nilai > 80 % tidak perlu investigasi

Prosedur Validasi Data di unit kerja
1
1. Pengumpul Data I yang merupakan Pengumpul Data Unit Kerja
mengumpulkan data dengan panduan kamus, form, dan Instruksi Kerja
(IK) pengumpulan data yang telah disiapkan oleh korporat/unit kerja.

1. Pengumpul Data II yang juga Pengumpul Data Unit Kerja ( bukan

2 pengumpul data 1 )melakukan validasi data dengan mengumpulkan
data dari seluruh atau sampel sumber data yang sama yang digunakan
oleh Pengumpul Data I, dengan panduan kamus, instruksi kerja dan
form pengumpulan data yang sama dengan yang digunakan oleh
Pengumpul Data I.

3 1. Pengumpul Data II melakukan validasi data dengan terlebih dahulu

mengkaji data yang telah dikumpulkan oleh Pengumpul Data I.
 Prosedur Validasi Data..(cont)
4 1. Cara menentukan jumlah sumber data yang dinilai oleh Pengumpul Data II adalah
dengan menggunakan metode sampel (tidak seluruh sumber data yang dinilai oleh
Pengumpul Data I), menggunakan rumus:

5 1. Pengumpul Data I dan Pengumpul Data II menghitung akurasi atau Frekuensi (%)
kesesuaian data dengan cara: sesuai dengan cara yang dipilih
 Rumus validasi
1

2. Nilai P2 berada pada rentang P1 - x dan atau P1 + x

3. Data dikatakan valid bila nilai P2 ≥ 90% x P1

.
Ket : First Abstractor / Pengumpul Data Pertama (P1)
Second Abstractor / Pengumpul Data Kedua (P2)

Catatan: pembilang (P1) harus lebih kecil dari penyebut

(P2)
36
 VALIDASI DATA

• Validasi data merupakan alat penting untuk memahami

mutu dari data mutu dan untuk mencapai tingkat dimana
data tersebut cukup meyakinkan bagi para pengambil
keputusan.
• Validasi data menjadi salah satu langkah dalam proses
penentuan prioritas untuk pengukuran, pemilihan apa
yang harus diukur, ekstraksi dan pengumpulan data,
analisis data, dan penggunaan data untuk perbaikan.

37
 METODE VALIDASI DATA MUTU

☺Aturan Ukuran Mutu

☺Ukuran harus bisa mengidentifikasi persoalan
☺Mengetahui yang dikerjakan telah berhasil/belum
☺Hasil pengukuran lebih tinggi/lebih rendah dari target diterima
dikomunikasikan
☺upaya perbaikan

38
 PROSEDUR VALIDASI DATA

a). Mengumpulkan ulang data oleh orang kedua yang tidak

terlibat dalam pengumpulan data sebelumnya

b). Menggunakan sample statistik sahih dari catatan, kasus dan

data lain. Sample 100 % dibutuhkan hanya jika jumlah
pencatatan, kasus atau data lainnya sangat kecil jumlahnya.

c).Membandingkan data asli dengan data yang dikumpulkan

ulang

39
 VALIDASI DAN
ANALISIS DARI DATA PENILAIAN

d). Kalkulasi akurasi dng membagi jml elemen data yg ditemukan dng total
jml data elemen dikalikan dng 100. Tk akurasi 90 % adalah patokan yang
baik.

e). Jika elemen data yg diketemukan ternyata tidak sama, dng catatan alasan
nya (misalnya data tidak jelas definisinya) & dilakukan tindakan koreksi

f). Koleksi sample baru setelah semua tindakan koreksi dilakukan untuk
memastikan tindakan menghasilkan tingkat akurasi yang diharapkan

40
PROSES VALIDASI
DATA INTERNAL

1. Panduan Validasi Data

Internal RS
2. SPO Validasi Data
3. Program Usulan Validasi
data Mutu
4. Laporan Kegiatan Validasi
Data
5. Validasi dilaksanakan
oleh bagian mutu
41
 CONTOH :
USULAN INDIKATOR YANG AKAN DIVALIDASI KE
ATASAN

NO AREA INDIKAT NUMERAT DENOMIN RASIONALISASI

PEMANTAU OR OR ATOR
AN

1 KLINIS/SIKP Judul Instrumen Baru /High

Indikator Risk/PIC berubah/tidak
valid pada validasi
sebelumnya/ditampilkan
ke public/peubahan hasil
tanpa alas an jelas

2 Dst…..

42
 CONTOH :
PROFIL VALIDASI
JUDUL INDIKATOR
NUMERATOR
DENOMINATOR
KRITERIA EKSKLUSI
SUMBER DATA
CAPAIAN INDIKATOR BULAN...?
JML... DENOMINATOR ?? BERAPA PASIEN? / BERAPA
(POPULASI/RECORD/KASUS/DATA) RM/SAMPEL POPULASI
JUSTIFIKASI PERLU VALIDASI SESUAI DENGAN KETENTUAN
VALIDASI
METODE VALIDASI Lihat ukuran sampel validasi
HASIL VALIDASI Lihat rumus validasi
HASIL ANALISIS
KESIMPULAN SUDAH AKURAT/BELUM AKURAT??
RENCANA TINDAK LANJUT Upaya apa yang dilakukan agar target
UPM 2016 43
tercapai dan datanya akurat/valid
 CONTOH :
LAPORAN VALIDASI DATA BULAN OKT 2020

JUDUL INDIKATOR asesmen awal medis harus lengkap dalam waktu 24 jam
setelah pasien masuk RI
NUMERATOR Jml asesmen awal medis lengkap dlm waktu 24 jam di RI
DENOMINATOR Jumlah pasien masuk di RI
SUMBER DATA Rekam Medis
CAPAIAN INDIKATOR 70 % pada bulan Oktober 2020
JML PASIEN RI 900 pasien
BULAN OKT 2014
JUSTIFIKASI PERLU Data baru pertama kali dikumpulkan
VALIDASI
METODE VALIDASI 1. Menggunakan metode sampling  misalnya 900 RM
dilakukan sampling menjadi 90 RM
2. Melakukan telaah RM di data yg disample tsb
3. Analisa kelengkapan pengisian asesmen medis awal
UPM 2016 44
 CONTOH :
LAPORAN VALIDASI DATA BULAN
OKT 2020
HASIL VALIDASI Kelengkapan asesmen awal medis harus lengkap dalam
waktu 24 jam setelah pasien masuk RI = 65 %
HASIL ANALISA 60/70 X 100 % = 85,71%  < 90 %
KESIMPULAN Data kelengkapan asesmen medis bulan Oktober : belum
akurat
RENCANA TINDAK 1. Tetapkan bahwa capaian indikator asesmen pasien
LANJUT pada bulan Oktober 2020 = 35 %  revisi data capaian
indikator
2. Edukasi untuk PIC pengumpul data
3. Edukasi ke medis untuk peningkatan kelengkapan
asesmen
4. Karena validitas data masih diragukan maka data bulan
November perlu dilakukan validasi lagi

45
 CONTOH :
LAPORAN VALIDASI DATA BULAN NOV 2020

JUDUL INDIKATOR asesmen awal medis harus lengkap dalam waktu 24 jam
setelah pasien masuk RI
NUMERATOR Jml asesmen awal medis lengkap dlm waktu 24 jam di RI
DENOMINATOR Jumlah pasien masuk di RI
SUMBER DATA Rekam Medis
CAPAIAN INDIKATOR Bulan November 80 %
JML PASIEN RI 800 pasien
BULAN NOV 2020
JUSTIFIKASI PERLU Validasi ulang karena hasil bulan Nov belum valid
VALIDASI
METODE VALIDASI 1. Menggunakan metode sampling  800 RM dilakukan
sampling menjadi 80 RM
2. Melakukan telaah RM di data yg disampling tsb
3. Analisis kelengkapan pengisian asesmen medis awal
46
 CONTOH :
LAPORAN VALIDASI DATA BULAN NOV
2016

HASIL VALIDASI Kelengkapan asesmen awal medis harus lengkap dalam

waktu 24 jam setelah pasien masuk RI = 75 %
HASIL ANALISA 80/75X 100 % = 106.6 %  > 90 %
KESIMPULAN Data kelengkapan asesmen medis bulan November : sudah
akurat
RENCANA TINDAK Validasi akan dilakukan kembali bila ada perubahan PIC
LANJUT pengumpul data, sumber data, numerator, denomerator,
sistem RM menjadi E-RM
Melakukan edukasi ke staf medis untuk meningkatkan
kelengkapan pengisian asesmen awal

47