3. PENGERTIAN
Validasi data dilaksanakan oleh
komite/tim mutu yang ditunjuk oleh
pimpinan fasyankes
Validasi data adalah penilaian keakuratan dan
kebenaran data yang dikumpulkan
4. 4
TUJUAN VALIDASI DATA
Untuk menjamin data indikator akurat/sahih, agar dapat
digunakan untuk dasar pengambilan keputusan, perubahan
kebijakan, perbaikan dan memberikan informasi pada
masyarakat
5. Terdapat Indikator baru yang diterapkan untuk
menilai mutu pelayanan
01
Data akan dipublikasikan
02 Terdapat perubahan sistem pengumpulan data
indikator, seperti perubahan instrument
pengumpulan data, atau petugas yang
mengumpulkan data bertukar/berganti
03
Data dari indikator berubah tanpa dapat
dijelaskan penyebabnya
04
KAPAN DILAKUKAN
VALIDASI DATA
????
05
Subjek pengumpulan data berubah seperti
perubahan rata-rata umur pasien,
komorbiditas,perubahan protokol penelitian
Sumber data berubah, seperti ketika
sebagian data diambil secara manual
kemudian diubah menjadi format elektronik
06
6. Pemahaman pengumpul data dan petugas
validasi data belum memadai
1
Profil indikator tidak jelas sehingga
menimbulkan salah interpretasi
2
Perbedaan pemahaman tentang definisi
operasional
3
Keterbatasan waktu pengumpulan data
4
FAKTOR
PENYEBAB DATA
TIDAK VALID
5
Penggunaan sumber data yang berbeda
Kesalahan dalam melakukan penginputan data
6
8
7 Kelalaian
Formulir pengumpulan data belum terdesain
dengan baik
7. UPAYA PERBAIKAN
1. Standarisasi pengukuran ( menggunakan definisi
operasional yang sama, menggunakan elemen data
yang sama )
2. Pelatihan pengumpul data dan validator (dilatih
dengan cara yang sama seperti pengumpul data )
3. Standarisasi instrument/alat ukur (mengunakan
instrument /alat yang sama misalnya form atau
kuesioner)
4. Mengulang pengukuran (mengumpulkan data ulang
oleh orang yang berbeda dengan sampel yang sama)
8. Salah satu jenis validasi yang direkomendasikan
adalah metode REPRODUCIBILITY yaitu
diulangnya pengukuran oleh orang yang berbeda,
menggunakan formulir/cheklist/alat yang sama
dan dilakukan dalam kondisi yang sama dan pada
populasi/sampel yang sama
8
CARA MELAKSANAKAN VALIDASI DATA
9. 9
LANGKAH-LANGKAH UJI VALIDASI DATA DENGAN MENGGUNAKAN
METODE KESESUAIAN HASIL PENGUKURAN
( Measurement Result Agreement )
2. Petugas Validasi Data
1. Petugas Pengumpul Data
Mengumpulkan data dari populasi atau sampel dari sumber data, dengan
panduan profil indikator dan menggunakan formulir pengumpulan data yang
telah disiapkan. Besar sampel dapat dilihat pada tabel, Penentuan besar sampel
validasi untuk petugas pengumpul data.
Mengumpulkan data secara acak/random sampel yang akan diukur dari seluruh
populasi atau sampel sumber data yang sama yang digunakan oleh pengumpul
data, dengan panduan profil indikator, dan formulir pengumpulan data yang sama
dengan yang digunakan oleh pengumpul data. Besar sampel dapat dilihat pada
tabel penentuan besar sampel untuk petugas validasi. Petugas validasi data tidak
perlu mengumpulkan semua data yang dikumpulkan pengumpul data.
10. POPULASI SAMPEL
≥ 640 128
320 - 639 20% dari
total populasi
64 - 619 64
< 64 100%
PENGUMPULAN DATA
BESAR SAMPEL VALIDASI
VALIDASI DATA
POPULASI SAMPEL
≥ 460 48
161 - 460 48
17 - 160 Minimal 16 atau
10% populasi
1 - 16 100%
11. 11
LANGKAH-LANGKAH UJI VALIDASI DATA DENGAN MENGGUNAKAN
METODE KESESUAIAN HASIL PENGUKURAN
( Measurement Result Agreement )
3. Hitung kesesuaian antara hasil petugas pengumpul data dan petugas validasi
data
Jumlah kesesuaian data /
jumlah sampel x 100%
Jumlah sampel 50
Jumlah data yang sesuai 45
Hasil : 45 / 50 x 100%
= 90 %
Kesesuaian hasil pengukuran dapat dipercaya atau valid jika mencapai 90%
Contoh
12. 12
KEPUTUSAN VALIDITAS
Jika hasil ≥ 90% = data valid
Jika hasil < 90 % = data tidak valid
4 Hasil perhitungan validasi tersebut terdapat 2 kemungkinan
antara lain :
13. PENGUMPULAN DATA
CONTOH UNTUK VALIDITAS DATA
VALIDATOR DATA
1. Indikator mutu : kebersihan
tangan
2. Nama petugas : Sari
3. Populasi nakes : 100 orang
4. Sample nakes : 64 orang
1. Indikator mutu : kebersihan
tangan
2. Nama petugas : Maria
3. Populasi nakes : 64 orang
4. Sample nakes : 16 orang
15. NO PENGUMPUL DATA VALIDATOR HASIL
1. Patuh Patuh Valid
2. Patuh Tidak patuh Tidak Valid
3. Tidak patuh Tidak patuh Valid
4. Tidak patuh Tidak patuh Valid
5. Tidak patuh Tidak patuh Valid
6. Tidak patuh Tidak patuh Valid
7. Tidak patuh Patuh Tidak Valid
8. Tidak patuh Tidak patuh Valid
9. Patuh Patuh Valid
10. Patuh Patuh Valid
11. Patuh Patuh Valid
12. Patuh Patuh Valid
13. Patuh Patuh Valid
14. Patuh Patuh Valid
15. Patuh Patuh Valid
16. Tidak patuh Tidak patuh Valid
Contoh PERHITUNGAN
Jumlah data : 16
Jumlah valid : 14
Hasil : 14/16 x 100%
= 87.5%
KESIMPULAN :
DATA TIDAK VALID