CREATED BY:

1. Febrianti W. Putri(125090501111005)2. Hafid Ardiansyah(125090507111005)3. Khalifa Ardy S.(125090507111013)4. Kristin Verahditiya(125090507111015)5. Mashadi Dwi(6. Niken Hapsari(125090500111019)7. Nurul Imania(125090500111035)8. Prasetyo Indra S.(125090501111011)9. Shabrina Awanis(125090501111007)Analisis Lama Hari Rawat Pasien yang Menjalani Pembedahan di Ruang Rawat Inap Bedah Kelas III RSUP Sanglah Denpasar Tahun 2011

Data SkripsiSumber: TesisPenulis: I Wayan WartanaNPM: 1006799716Prodi: Kajian Administrasi RSFakultas: FKMUniversitas: Universitas IndonesiaTahun: 2012

Latar BelakangPenilaian mutu pelayanan rumah sakit pada dasarnya adalah penilaian semua kegiatan Rumah sakit, baik medis, penunjang medis, kegiatan keuangan, administrasi pasien, rekam medis dan penilaian kepuasan pasien (Adriani, 2008). Chriswardani 2006 mengatakan penilaian terhadap mutu pelayanan kesehatan meliputi tiga penilaian yaitu, effektifitas medis (menilai indikator-indicator kesehatan), persepsi sosial (kepuasan pasien, opini masyarakat), dan efisiensi ekonomi (penilaian terhadap lama hari rawat, sarana dan utilisasi alat yang tersedia). Mutu pelayanan yang kurang baik akan menyebabkan pemborosan waktu dan sumber daya, meningkatkan kesalahan-kesalahan dalam pelaksanaan pelayanan dan meningkatkan resiko terjadinya kesulitan lainLama hari rawat selain menunjukkan tingkat efisiensi pengelolaan rumah sakit, juga menunjukkan efektivitas rumah sakit dari aspek mutu asuhan (quality of care) yang dilakukan oleh tenaga professional yang bekerja di rumah sakit. Saat menghadapi pembedahan, pasien akan mengalami berbagai stressor. Oleh karena itu sangat membutuhkan informasi sebelum dan sesudah operasi agar pasien dan keluarga dapat berpartisipasi secara aktif sehingga dapat meminimalkan terjadinya komplikasi.

TujuanMengetahui faktor-faktor yang berhubungan dengan lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP SanglahMenganalisis lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah dengan menggunakan metode cox proportional hazard

rumusan Masalah Apakah ada hubungan antara Jenis Kelamin Pasien, Pekerjaan Pasien, Diagnosa Penyakit, Teknik Operasi, Operator Operasi (Dokter Operasi), dan Komplikasi setelah Operasi dengan Lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah tahun 2011?Faktor apa yang paling dominan dengan lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah tahun 2011?

Question :Mengapa kita mengambil skripsi ini sebagai pembahasan tugas Analisis Survival ?Apakah data primer dalam skripsi tersebut bisa kita analisa dengan Analisis Survival ?

Variabel yang diamatiVariabel Outcome (Event)Kesembuhan pasien yang menjalani pembedahan 1 = Sembuh( Not-Censored )0 = Pulang Paksa ( Censored )

Variabel Independent (Covariates)Jenis Kelamin Pasien( 1 = Laki-laki, 0 = Perempuan)Komplikasi Operasi( 1 = Ada, 0 = Tidak ada)Diagnosa Penyakit( 1 = Tunggal, 0 = Banyak)Teknik Operasi ( 1 = Sederhana, 0 = Rumit)Pelaksana Operasi( 1 = Dokter Residen, 0 = Dokter Spesialis)Pekerjaan Pasien( 1 = Ada, 0 = Tidak ada)

Data Rawat Inap Pasien Pembedahan

Analisa dengan Software SPSS

Langkah-langkah untuk mengetahui terpenuhinya Asumsi Propotional Hazard

Hasil Analisa dengan SPSSInterpretasi :Case available in analysisEvent = 18Censored = 55Total= 73Censored cases before time the earliest event in a stratum = 3

Hasil analisa dengan SPSS

Hasil analisa dengan SPSSInterpretasi :Koefisien dan Standar Error untuk Jenis Kelamin sebesar 1,409 dan 0.643Koefisien dan Standar Error untuk Pekerjaan sebesar -1,489 dan 0.661Koefisien dan Standar Error untuk Diagnosa Penyakit sebesar 3,773 dan 1,274Koefisien dan Standar Error untuk Teknik Operasi sebesar 2,137 dan 0.828Koefisien dan Standar Error untuk Pelaksana Operasi sebesar 1,637 dan 0.631Koefisien dan Standar Error untuk Komplikasi Operasi sebesar 3,121 dan 1.501

Hasil analisa dengan SPSSInterpretasi :Uji Wald untuk Jenis Kelamin sebesar 4,801 Uji Wald untuk Pekerjaan sebesar 5,071Uji Wald untuk Diagnosa Penyakit sebesar 8,769Uji Wald untuk Teknik Operasi sebesar 6,659Uji Wald untuk Pelaksana Operasi sebesar 6,736Uji Wald untuk Komplikasi Operasi sebesar 4,323

Dengan db = 1 diketahui bahwa Nilai Kritis Chi-square dengan = 3,841, maka semua variabel tolak H0.

Dilihat dari p-value semua variabel < .Dapat disimpulkan bahwa semua variabel signifikan

Hasil analisa dengan SPSSInterpretasi :Laju kegagalan pasien jenis kelamin laki-laki terhadap lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama 4.098 kali dari pasien perempuan.Laju kegagalan pasien yang bekerja terhadap lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama 4.425 kali dari pasien yang tidak bekerja.Laju kegagalan pasien yang diagnosa penyakit tunggal terhadap lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama 43.478 kali dari pasien yang diagnosa penyakit banyak.Laju kegagalan pasien yang dioperasi dengan teknik sederhana terhadap lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama 8.470 kali dari pasien yang diagnosa penyakit banyak.Laju kegagalan pasien yang dioperasi oleh Dokter Residen terhadap lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama 5.128 kali dari pasien yang dioperasi oleh Dokter Spesialis.Laju kegagalan pasien yang mempunyai komplikasi penyakit terhadap lama hari rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama 22.674 kali dari pasien yang dioperasi oleh Dokter Spesialis.

Variabel in the EquationModel Cox Propotional Hazardh(t,X) = ho(t) exp ( -1.409 Jenis Kelamin - 1.489 Pekerjaan - 3.773 Diagnose + 2.137 Teknik Operasi - 1.637 Operator + 3.121 Komplikasi )Hasil analisa dengan SPSS

Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara kedua kurva survivalH1 : Ada perbedaan antara kedua kurva survival

Karena nilai p-value lebih besar dari nilai alpha, maka Terima Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak terdapat perbedaan antara kedua kurva survival.

Hasil analisa dengan SPSS

Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara kedua kurva survivalH1 : Ada perbedaan antara kedua kurva survival

Karena nilai p-value lebih besar dari nilai alpha, maka Terima Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak terdapat perbedaan antara kedua kurva survival.

Hasil analisa dengan SPSS

Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara kedua kurva survivalH1 : Ada perbedaan antara kedua kurva survival

Karena nilai p-value lebih kecil dari nilai alpha, maka Tolak Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa terdapat perbedaan antara kedua kurva survival.Hasil analisa dengan SPSS

Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara kedua kurva survivalH1 : Ada perbedaan antara kedua kurva survival

Karena nilai p-value lebih besar dari nilai alpha, maka Terima Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak terdapat perbedaan antara kedua kurva survival.

Hasil analisa dengan SPSS

Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara kedua kurva survivalH1 : Ada perbedaan antara kedua kurva survival

Karena nilai p-value lebih besar dari nilai alpha, maka Terima Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak terdapat perbedaan antara kedua kurva survival.

Hasil analisa dengan SPSS

Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara kedua kurva survivalH1 : Ada perbedaan antara kedua kurva survival

Karena nilai p-value lebih besar dari nilai alpha, maka Terima Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak terdapat perbedaan antara kedua kurva survival.

Hasil analisa dengan SPSS

InterpretasiKurva perbandingan antara Jenis Kelamin Perempuan dan Laki-laki adalah paralel. Jadi, asumsi PH untuk variable Jenis Kelamin terpenuhi.Hasil analisa dengan SPSS

InterpretasiKurva perbandingan antara Pasien yang mempunyai pekerjaan dan tidak ada pekerjaan adalah paralel. Jadi, asumsi PH untuk variable Pekerjaan terpenuhi.Hasil analisa dengan SPSS

InterpretasiKurva perbandingan antara Diagnosa Pasien yang tunggal dan banyak adalah paralel. Jadi, asumsi PH untuk variable Diagnosa Pasien terpenuhi.Hasil analisa dengan SPSS

InterpretasiKurva perbandingan antara Teknik Operasi yang sederhana dan rumit adalah paralel. Jadi, asumsi PH untuk variable Teknik Operasi terpenuhi.Hasil analisa dengan SPSS

InterpretasiKurva perbandingan antara Dokter Operasi yang residen dan spesialis adalah paralel. Jadi, asumsi PH untuk variable Dokter Operasi terpenuhi.Hasil analisa dengan SPSS

InterpretasiKurva perbandingan antara Komplikasi setelah Operasi yang ada dan tidak ada adalah paralel. Jadi, asumsi PH untuk variable Komplikasi setelah Operasi terpenuhi.Hasil analisa dengan SPSS

Terima kasih atas perhatiannya teman-teman