Vital Statistics

1. Introduction to Epidemiology
Presented by Syahrum
Comunicación y Gerencia
1

2. Basic measurements in epidemiology
Program Studi DIII Keperawatan Solok
Poltekkes Kemenkes RI Padang
Introduction to Epidemiology Presented by Syahrum 2

3. UKURAN-UKURAN DASAR
DALAM EPIDEMIOLOGI
Prepared and Presented by Syahrum
Introduction to Epidemiology Presented by Syahrum 3

4. Apa Keterampilan Unik Dalam
Epidemiologi?
MENGUKU
R
KEJADIAN
PENYAKIT
DALAM
POPULASIIntroduction to Epidemiology Presented by Syahrum
4

5. 5
Ukuran Kejadian Penyakit

6. 6
Apa saja Ukuran Kejadian Penyakit?
Ukuran
Frekuensi/besar/jumlah
penyakit pada populasi

7. syahrumblog130661@gmail.com 7
Bagaimana Kita Mengukur Penyakit?
Empat Deskriptor Kuantitatif
• Jumlah
• Rasio
• Proporsi
• Rate

8. syahrumblog130661@gmail.com 8
Deskriptor (Descriptors)
Jumlah: Penggunaan Angka kejadian yang aktual
Misalnya: 100 kasus TB di Komunitas A
Rasio: Mengkuantifikasi besarnya satu kejadian X,
sehubungan dengan kejadian Y yang lain
seperti X/Y
Msalnya: Rasio kasus TB di masyarakat A
terhadap B adalah 1:10

9. 9
Deskriptor (Descriptors)
Proporsi: rasio dimana pembilang disertakan
dalam penyebut
Misalnya: proporsi kasus TB di
komunitas A adalah 10%
Rate : sebuah proporsi dengan elemen waktu
Ini mengukur terjadinya suatu peristiwa
pada satu periode

10. Alat Ukur
• Proporsi
• Rate
• Rasio
10

11. Proporsi
Biasanya dinyatakan sebagai persentase (%)
 Pembilang (yang merupakan bagian dari
penyebut)
 Penyebut
 Pengali
 Tidak ada faktor waktu
11

12. Proporsi – Contoh
Berapa Proporsi Penggemar ..?
12

13. Proporsi – Contoh
Berapa Proporsi Kelas ini penggemar…?
13

14. Proporsi – Contoh nyata
Berapa proporsi penduduk menderita ..?
14

15. Rate
Contains
• Numerator (merupakan bagian dari denominator)
• Denominator
• Pengali
• Periode Waktu (Jangka Waktu)
• Biasanya dinyatakan per 100 / per 1000 penduduk
• Memiliki dimensi waktu, sedangkan PROPORSI
tidak
15

16. Rate – Contoh
16

17. Rate – Contoh
17

18. Rasio
Mengandung
• Numerator (tidak bagian dari denominator)
• Denominator
18

19. Rasio – Contoh
19

20. Ratio – Contoh
20

21. Ringkasan
• Epidemiologi menggunakan tiga alat ukur
utama
1. Proporsi
2. Rate
3. Rasio
21

22. A. Perhitungan Frekuensi
Penyakit
• Rasio
• Proporsi (Persentase)
• Rate Contoh:
– CDR (crude death rate)
– CBR (crude birth rate)
– RNI (rate of natural increase)
Introduction to Epidemiology Presented by Syahrum 22

23. B. Ukuran Morbiditas
1. Insidence Attact Rate
2. Prevalence :
 Point Prevalence,
 Period Prevalence
Introduction to Epidemiology Presented
by Syahrum 23

24. C. Ukuran Mortalitas
1. Crude Death Rate (CDR
2. Age Specific Death Rate (ASDR)
a. Infant mortality rate (IMR)
b. Perinatal mortality rate (PMR)
c. Neonatal mortality rate (NMR)
d. Post Neonatal mortality rate (PNMR)
e. Angka Kematian Balita (Akaba)
f. Maternal Mortality Rate (MMR)
Introduction to Epidemiology Presented
by Syahrum 24

25. C. Ukuran Mortalitas
3. Cause Specific Mortality Rate (CSMR)
4. Case Fatality Rate (CFR)
Introduction to Epidemiology Presented by Syahrum 25

26. D. Ukuran Fertilitas
1. Crude Birth Rate (CBR)
2. Age Specific Birth Rate (ASBR
Introduction to Epidemiology Presented by Syahrum 26

27. E. Ukuran Risiko
1. Risiko Atribut (Attribute Risk/AR)
2. Risiko Relatif (Risk Ratio/RR)
3. Odds Ratio (OR)
Introduction to Epidemiology Presented by Syahrum 27

28. A. Perhitungan Frekuensi Penyakit
1. Rasio
- Dapat dinyatakan dalam a/b
- Berguna untuk pembandingan
- Contoh ukuran yang menggunakan rasio
• Sex ratio
• Dependency ratio
• Rasio bidan per penduduk
• Rasio puskesmas per penduduk
Introduction to Epidemiology Presented by Syahrum 28

29. How Many?
Community A Community B
Introduction to Epidemiology Presented by Syahrum 29

30. 2. Proporsi/Persentase
•Menyatakan besar relatif suatu kelompok
terhadap total semua kelompok
•Untuk dua kelompok a dan b, proporsi a= a/(a+b)
atau persentase a = a/(a+b) x 100%
Misalnya : Proporsi kematian karena DHF
adalah jumlah yang mati karena DHF dibagi
jumlah seluruh kematian
Introduction to Epidemiology Presented by Syahrum 30
A. Perhitungan Frekuensi Penyakit

31. Distribusi Frekuensi, Proporsi dan Persentase
Responden Menurut Tingkat Pendidikan
Tingkat Pendidikan Frekuensi Proporsi %
Tidak sekolah/tdk tamat SD 5 5/53 9,4
Tamat SD 23 23/53 43,4
Tamat SLTP 10 10/53 18,9
Tamat SLTA 11 11/53 20,8
Tamat Diploma/Universitas 4 4/53 7,5
Jumlah 53 100
Introduction to Epidemiology Presented by Syahrum 31

32. 3. Rate
• Besarnya peristiwa yang terjadi terhadap
jumlah keseluruhan penduduk dimana
peristiwa itu berlangsung dalam suatu batas
waktu tertentu
• Memasukkan unsur waktu dalam perhitungan
rasio maupun proporsi
• Contoh:
– CDR (crude death rate)
– CBR (crude birth rate)
– RNI (rate of natural increase)
Introduction to Epidemiology Presented by Syahrum 32
A. Perhitungan Frekuensi
Penyakit

33. Rate
1000
huntengah tapopulasi
setahundalamhidupkelahiranN
CBR
1000
huntengah tapopulasi
setahundalamkematianN
CDR
CDRCBRRNI 
Introduction to Epidemiology Presented by Syahrum 33

34. B. Ukuran Morbiditas
1.Insidensi
Jumlah kejadian/penyakit (kasus baru) pada
kelompok pddk tertentu dlm suatu kurun waktu
tertentu
Introduction to Epidemiology Presented by Syahrum 34

35. Incidence
35

36. Incidence – example
JANUARY 1, 2016 DECEMBER 31, 2016
36

37. Pada penyakit menular tertentu dengan
masa tunas yg pendek dapat dihitung attack
rate (angka serangan), misal pada wabah
atau Kejadian Luar Biasa (KLB) yg biasanya
berlangsung tidak terlalu lama (beberapa
hari atau minggu saja).
Introduction to Epidemiology Presented by Syahrum 37
B. Ukuran Morbiditas

38. Example of use of incidence
This news article is giving only the numerators,
Without denominator, it is hard to place much importance
38

39. 2. Prevalensi
a. Point prevalence, jlh seluruh penderita
(lama+baru) yg ada pada suatu saat
tertentu
Introduction to Epidemiology Presented
by Syahrum 39
B. Ukuran Morbiditas

40. Point prevalence – example
JANUARY 1, 2016 DECEMBER 31, 2016
40

41. b. Periode prevalence, jlh seluruh
penderita (lama+baru) yg ada pada
suatu periode tertentu
Introduction to Epidemiology Presented
by Syahrum 41
B. Ukuran Morbiditas

42. Period prevalence – example
JANUARY 1, 2016 DECEMBER 31, 2016
42

43. syahrumblog130661@gmail.com 43
Incidence Vs prevalence
 Angka kejadian (Insidensi) hanya mempertimbangkan
kasus penyakit yang baru
Angka prevalensi mempertimbangkan semua kasus
penyakit (baru + lama)
 Angka Insidensi (kejadian) menganggap populasi yang
beresiko sebagai penyebut
Angka prevalensi menganggap total populasi sebagai
penyebut
 Angka Insidensi & Angka prevalensi periode
memerlukan studi lanjutan (Follow up Study)
Angka prevalensi titik memerlukan penelitian cross
sectional

44. 44
Hubungan antara Prevalence Rate &
Incidence Rates
Prevalensi α Insiden
Prevalensi α Durasi rata-rata
Prevalensi α Insiden X Durasi rata-rata
Kenaikan angka prevalensi mungkin belum tentu
Karena kenaikan angka insiden, bisa jadi karena
peningkatan durasi rata-rata penyakit akibat
penurunan angka kematian dan / atau angka
pemulihan

45. Relation between incidence &
prevalence
45

46. Contoh soal :
1. Jika kita ingin memperoleh ukuran insidensi
kanker payudara diantara wanita di Kabupaten
Solok tahun 2016, kasus kanker payudara
mana yg kita jadikan penyebut (numerator) ?
a. Seluruh kasus kanker payudara diantara
wanita Kabupaten Solok tahun 2016 ?, atau
b. Hanya kasus baru kanker payudara diantara
wanita Kabupaten Solok 2016 ?
Introduction to Epidemiology Presented by Syahrum 46

47. Contoh soal :
2: Diasumsikan kita mulai menghitung insidensi
pada 1 Januari 2016, wanita Kab. Solok mana
yangg kita jadikan pembilang (denuminator)
dari ukuran insidensi ?
a. Seluruh wanita di Kab. Solok pada tahun 2016.
b. Hanya wanita tanpa kaknker payudara di
Kab. Solok pada 1 Januari 2016
Introduction to Epidemiology Presented
by Syahrum 47

48. Contoh soal :
3: Untuk menghitung prevalensi kanker payudara
pada wanita Kab. Solok 2016, kasus kanker
payudara mana yang kita jadikan numeraor ?
a. Seluruh kasus kanker payudara yg dilaporkan
pad atahun 2016?
b. Seluruh kasus kanker payudara yg pernah
dilaporkan?, atau
c. Seluruh kasus kanker payudara yg masih
bertahan yg pernah dilaporkan?
Introduction to Epidemiology Presented
by Syahrum 48

49. Contoh soal :
4.Selama tahun 2016 ditemukan 100 org
penderita TB baru. Penderita TB tahun 2015
yang masih bertahan sampai tahun 2016 50
orang. Jumlah pddk Kab. Solok 400.000 orang.
 Hitung angka insidensi dan prevalensi TB di
Kab Solok tahun 2016!
Introduction to Epidemiology Presented
by Syahrum 49

50. Manfaat ukuran insidensi
1. Angka insidensi dapat digunakan untuk
mengukur angka kejadian penyakit. Perubahan
angka insidensi dapat menunjukkan adanya
perubahan faktor2 penyebab penyakit, yaitu
fluktuasi alamiah dan adanya program
pencegahan.
2. Dalam penelitian Epidemiologi  sebab akibat
3. Perbandingan antara berbagai populasi dengan
pemamapan yg berbeda
4. Untuk mengukur besarnya risiko determinan
tertentu
Introduction to Epidemiology Presented
by Syahrum 50

51. Manfaat ukuran prevalensi
1. Menggambarkan tingkat keberhasilan
program pemberantasan penyakit
2. Penyusunan perencanaan pelayanan
kesehatan, misal obat, tenaga, ruangan
3. Menyatakan banyaknya kasus yg dapat
didiagnosis
Introduction to Epidemiology Presented by Syahrum 51

52. C. Ukuran Mortalitas
1. Crude Death Rate (CDR)
Angka kematian kasar adalah jumlah kematian
yg dicatat selama satu tahun per 1000 penduduk
di pertengahan tahun yg sama
AKK/CDR = Jmh kematian yg dicatat dlm thn kalender X 1000
Jlh seluruh pddk pertengahan thn yg sama
Introduction to Epidemiology Presented by Syahrum 52

53. Total population in Solok Distric in 2016
53

54. No. of deaths in Solok District in 2016
54

55. CDR in Solok District in 2016
55

56. 2. Age Specific Death Rate (ASDR)
Jmlh kematian pada kelompok umur tertentu
tertentu selama satu tahun
Jmlh penduduk golongan umur tersebut pada
pertengahan tahun yg sama
/ 1000
• Bisa interval 5 tahunan atau
• Kelompok umur khusus spt : neonatus, bayi,
balita, usia sekolah, dewasa, usia lanjut, dll.
Introduction to Epidemiology Presented by Syahrum 56
C. Ukuran Mortalitas

57. Kelompok Umur
Cth : Angka Kematian Bayi (Infant Mortality Rate)
Dirinci lagi menjadi :
Perinatal Mortality Rate (Kematian Janin >28 mgg Usia
Kehamilan s.d bayi berusia 7 hari)
Neonatal Mortality Rate (0 – 1 bulan)
Post Neonatal Mortality Rate (1 bulan – 1 tahun)
Introduction to Epidemiology Presented
by Syahrum 57

58. A. Infant mortality rate (IMR)
Examples for age spesific death rates:
Jmlh kematian bayi selama satu tahun
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya IMR berkaitan dengan
1. Penyakit infeksi yg dapat dicegah dgn imunisasi
2. Diare yg dapat menyebabkan dehidrasi
3. Personal higiene dan sanitasi lingkungan yg
kurang memadai, serta sosial ekonomi rendah
4. Gizi buruk dan daya tahan tubuh yg menurun
Introduction to Epidemiology Presented by Syahrum 58

59. B. Perinatal mortality rate (PMR)
Examples for age spesific death rates:
Jmlh kematian janin pada kehamilan 28 mgg atau lebih
+ jumlah kematian bayi < 7 hari selama satu tahun
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya PMR berkaitan dengan
1. Banyaknya bayi Berat Badan Lahir Rendah (BBLR)
2. Status gizi ibu dan bayi
3. Keadaan sosial ekonomi
4. Penyakit infeksi terutama ISPA
5. Pertolongan persalinan
Introduction to Epidemiology Presented by Syahrum 59

60. C. Neonatal mortality rate (NMR)
Examples for age spesific death rates:
Jmlh kematian bayi berumur < 28 hari selama satu tahun
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya NMR berguna untuk mengetahui :
1. Tinggi randahnya usaha perawatan antenatal/
selama kehamilan dan post natal/perawatan bayi
setelah lahir
2. Program imunisasi
3. Pertolongan persalinan
4. Penyakit infeksi terutama ISPA
Introduction to Epidemiology Presented by Syahrum
60

61. D. Post Neonatal mortality rate (PNMR)
Examples for age spesific death rates:
Jmlh kematian bayi berumur > 28 hari sampai 1 tahun
selama satu tahun
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya PNMR berkaitan dengan :
1. Penyakit infeksi yang sebenarnya dapat dicegah
dengan imunisasi
2. Diare yg mengakibatkan dehidrasi
3. Lingkungan dan higiene sanitasi yg kurang memadai
4. Gizi buruk dan penurunan daya tahan tubuh
Introduction to Epidemiology Presented by Syahrum 61

62. E. Angka Kematian Balita (Akaba)
Examples for age spesific death rates:
Jmlh kematian balita dalam 1 tahun
Jmlh balita di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya Akaba berkaitan dengan :
1. Program pelayanan kesehatan
2. Program imunisasi
3. Program perbaikan gizi
4. Tingkat pendidikan, keadaan sosial ekonomi, dll
Introduction to Epidemiology Presented
by Syahrum 62

63. Tinggi rendahnya MMR berkaitan dengan
Examples for age spesific death rates:
F. Maternal Mortality Rate (MMR)
Jmlh kematian ibu karena kehamilan, persalinan dan
masa nifas selama satu tahun
Jmlh kelahiran hidup pada tahun dan wilayah yg sama
/ 100 000
1. Keadaan sosial ekonomi
2. Kesehatan ibu selama hamil, bersalin dan nifas
3. Pelayanan kesehatan terhadap ibu
4. Pertolongan persalinan dan perawatan masa nifas
Introduction to Epidemiology Presented by Syahrum 63

64. 3. Cause Specific Mortality Rate (CSMR)
Jmlh kematian karena sebab penyakit tertentu
selama satu tahun
Jmlh penduduk pada pertengahan tahun yg sama
/ 100000
Jumlahnya sangat kecil dibandingkan jumlah
penduduk
Maka digunakan konstanta 100.000 untuk
menghindari angka desimal
Introduction to Epidemiology Presented by Syahrum 64

65. Total population in Solok Town in
2016
65

66. No. of deaths in Solok Town in 2015
66

67. Cause of death – cholera
67

68. Cholera specific death rate in Solok
Town in 2016
68

69. Lebih menunjukkan keganasan penyakit
tersebut pada kondisi atau lingkungan
tertentu
Seperti kematian saat Kejadian Luar Biasa
(KLB) penyakit tertentu
Jmlh kematian karena penyebab penyakit tertentu
dlm suatu lingkungan dan kurun waktu tertentu
Jmlh penderita penyakit tsb dlm lingkungan dan kurun
waktu yg sama
/ 1 000
4. Case Fatality Rate (CFR)
Introduction to Epidemiology Presented
by Syahrum 69

70. Total no. of cholera cases
70

71. No. of people died due to cholera
71

72. Total no. of cholera cases
72

73. Contoh soal :
Selama tahun 2016 di Kabupaten Solok
dilaporkan 9.000 kasus DBD. 100 org
diantaranya meninggal dunia. Jumlah pddk
Tanah Datar 400.000 orang.
 Hitung angka :
1. Cause Spesific Mortality Rate (CSMR)
2. Case Fatality Rate (CFR)
Introduction to Epidemiology Presented by Syahrum 73

74. D. Ukuran Fertilitas
1. Crude Birth Rate (CBR)
Angka kelahiran kasar adalah jumlah kelahiran
yg dicatat selama satu tahun per 1000 penduduk
di pertengahan tahun yg sama
Jmlh kelahiran hidup selama satu tahun
Jmlh penduduk pada pertengahan tahun yg sama
/ 1000
Introduction to Epidemiology Presented
by Syahrum 74

75. • Perhitungan CBR ini sederhana, mudah
dihitung tetapi kasar.
• Perhitungan ini disebut perhitungan kasar
karena yang menjadi pembagi adalah
seluruh penduduk baik laki-laki maupun
perempuan seluruh usia termasuk yang
bukan perempuan usia reproduksi (15-49
tahun).
Keterbatasan CBR
Introduction to Epidemiology Presented
by Syahrum 75

76. 2. Age Specific Birth Rate (ASBR)
Jumlah kelahiran hidup oleh ibu pada golongan
umur tertentu yg dicatat selama satu tahun per
1000 penduduk wanita golongan umur tertentu
pada pertengahan tahun yg sama
Jmlh kelahiran hidup oleh ibu golongan umur
tertentu selama satu tahun
Jmlh penduduk wanita golongan umur tertentu
pada pertengahan tahun yg sama
/ 1000
Introduction to Epidemiology Presented
by Syahrum 76

77. Age Specific Birth Rate (ASBR)
• Biasanya dengan interval 5 tahun
• Usia subur = 15 – 49 tahun  7 interval.
• Dapat disusun menjadi distribusi frekuensi pada
setiap golongan umur (interval).
• Dapat diketahui : umur berapa yang punya
tingkat kesuburan yang tinggi.
Introduction to Epidemiology Presented
by Syahrum 77

78. • Usia 15-20  5/25 x 1000 = 200 per 1000
• Usia 20-25  10/30 x 1000 = 333 per 1000
Dapat disimpulkan wanita usia 20-25 tahun.
lebih subur daripada usia 15-20 tahun
Introduction to Epidemiology Presented
by Syahrum 78

79. E. Ukuran Risiko
Risiko dapat diartikan sebagai derajad ketidakpastian
Risiko = 0
Ada kepastian suatu peristiwa tidak akan terjadi
Risiko = 1
Terdapat kepastian bahwa suatu peristiwa pasti
akan terjadi
Besarnya risiko untuk terkena penyakit dapat
dibandingkan dengan menghitung besarnya
insidensi suatu penyakit antara orang yg terpapar
degan faktor penyebab penyakit tersebut degan
yang tidak terpapar
Introduction to Epidemiology Presented by Syahrum 79

80. 1. Risiko Atribut (Attribute Risk/AR)
• Selisih angka insidensi antara kelompok terpapar dgn
tidak terpapar
• Dianggap sbg akibat pemaparan oleh faktor penyebab
penyakit (atribut)
Cth : Hubungan antara merokok dgn kanker paru
Dari 100 perokok berat  5 menderita ca paru  besar
risiko = 5/100 = 0,05
Dari 100 bukan perokok  2 menderita ca paru  besar
risiko = 2/100 = 0,02
Risiko Atribut = 0,05 – 0,02 = 0,03  3% insidensi ca
paru disebabkan oleh kebiasaan merokok
Introduction to Epidemiology Presented
by Syahrum 80

81. Risiko atribut bermanfaat untuk memperkirakan
besarnya risiko yg dapat dihindarkan bila ‘atribut’
yg dianggap sbg penyebab penyakit dihindarkan.
Cth : Hubungan antara kontrasepsi oral dgn tromboflebitis
Dari 1700 pengguna kontrasepsi oral  17 menderita
tromboflebitis
Dari 1000 yg tdk menggunakan kontrasepsi  5 menderita
tromboflebitis
Risiko Atribut = (17/1700) – (5/1000) = 0,005  0,5%
Risiko tromboflebitis yg dapat dihindarkan dgn tidak
menggunakan kontrasepsi oral adalah 0,53%
Introduction to Epidemiology Presented by Syahrum 81

82. Risko atribut penting diketahui untuk :
• Penyuluhan kepada masyarakat ttg
manfaat yg diperoleh bila faktor penyebab
penyakit dihindarkan
• Menyusun rencana pencegahan penyakit
dgn menghilangkan atau mengurangi
‘atribut’ atau faktor yg dianggap sbg
penyebab timbulnya penyakit
Introduction to Epidemiology Presented by Syahrum 82

83. 2. Risiko Relatif (Risk Ratio/RR)
• Menghitung rasio antara 2 kelompok
• Membandingkan insidensi antara kelompok terpapar dgn
yg tidak terpapar
Cth : Hubungan antara merokok dgn kanker Paru
Dari 1000 perokok  90 menderita ca Paru
Dari 1000 bukan perokok  30 menderita ca Paru
Introduction to Epidemiology Presented by Syahrum 83

84. Besarnya risiko yg ditanggung oleh perokok untuk terkena
ca Paru dibandingkan dgn bukan perokok dapat dijelaskan
sbb.
Ca Paru Jumlah Risiko
+ -
Perokok 90 910 1000 0,09
Bukan
perokok 30 970
1000 0,03
Jumlah 120 1880 2000 RR=3,0
Kesimpulan : Perokok mempunyai risiko menderita Ca Paru 3
kali lebih besar dibandingkan dengan bukan perokok
Introduction to Epidemiology Presented by Syahrum 84

85. 3. Odds Ratio (OR)
• Pada penelitian retrospektif perhitungan risiko relatif
hanya berdasarkan perkiraan saja yg disebut odds ratio.
• Yg dibandingkan bukan angka insidensi tetapi
pemaparan
Cth : Hubungan antara merokok dgn kanker Paru
Dari 1000 perokok  90 menderita ca Paru
Dari 1000 bukan perokok  30 menderita ca Paru
Introduction to Epidemiology Presented
by Syahrum 85

86. Besarnya risiko yg ditanggung oleh perokok untuk terkena
ca paru dibandingkan dgn bukan perokok dapat dijelaskan
sbb.
Ca Paru Odds
+ -
Perokok 90 910 90/910
Bukan
perokok
30 970 30/970
Odds 90/30 910/970 OR=3,2
Kesimpulan : Besarnya risiko untuk menderita Ca Parupada
perokok 3,2 kali lebih besar dibandingkan dengan risiko
menderita Paru pada yang bukan perokok
Introduction to Epidemiology Presented
by Syahrum 86

87. • OR = 90/910 : 30/970
= 90 x 970/30x910
= 87300/27300
= 3,2
Introduction to Epidemiology Presented by Syahrum 87

88. Introduction to Epidemiology Presented by Syahrum 88

89. Thank You
Introduction to Epidemiology Presented
by Syahrum 89