Ratih Sari Wardani J
Kesehat Masy Indones
BASIS DATA SISTEM
INFORMASI SURVEILANS TUBERKULOSIS
Ratih Sari Wardani1
1 Fakultas Kesehatan Masyarakat Universitas Muhammadiyah Semarang
Email : ratihsw@gmail.com
ABTRACT
Background : Tuberculosis (TB) is a global health
problem that must be controlled, one of the
problems of recording and reporting of TB
control. The weakness in the completeness, accuracy,
speed time, timeliness, not recorded,
it's hard and difficult monitoring in clinical decision making.
The problem can be solved with electronic
TB surveillance systems using data base.
Objective : obtaining the database
information system of TB surveillance
Methode : Type of research is Qualitative
research, the object under investigation is a process -
the process of information, information
structure and procedure for information on Tuberculosis
program. Subjects Research are Head of
Infectious Diseases and Wasor TB of Distric Health
Office of Yogyakarta, TB managers of
Bethesda hospital, Panti Rapih hospital, Mantri Jeron of
TB health center manager and BP4
Yogyakarta as many as 9 peoples. Collecting data through
observation, interview and literature
study. Data was analyzed using content analysis method
Result : database design using the basic
recording and reporting TB control program applicable
to all health care units in Indonesia,
which consists of reports of TB with TB 01 to 06, namely: a).
TB 01 TB treatment card, b). TB 02 TB
Patient Identity Card, c). 03 TB Register District, d). TB
04 TB Laboratory Register, e). TB 05 TB
Report Application Form for sputum examination, f). TB
patients in 2006 List of suspects
(suspect) who examined Sputum TB SPS. After going through the
design of the ERD and normalization is
obtained 17 files are equipped with a data dictionary.
Conclusion : Getting a TB surveillance data base
consists of 17 tables are tables of
pasien, dokter, desa, kec, kab_kota,
prop, kk, upk, lab, radiologi, obat, tim_surveilans, periksa,
periksa_tunjang, pengobatan, survey dan
periksa_serumah.
Keywords: database, surveilasns,
Tuberculosis
ABSTRAK
Latar Belakang : Tuberkulosis(TB) menjadi masalah
kesehatan global sehingga harus
dikendalikan, salah satu masalah
pengendalian TB recording dan reporting. Kelemahan pada
kelengkapan, keakuratan, kecepatan waktu,
ketepatan waktu, tidak tercatat, sulit monitoring dan
sulit dalam pengambilan keputusan klinis.
Masalah dapat diatasi dengan sistem surveilans TB
elektronik menggunakan basis data.
Tujuan memperoleh basis data sistem informasi
surveilans TB
Metode Jenis Penelitian kualitatif, obyek yang
diteliti adalah proses - proses informasi yaitu
struktur informasi dan prosedur informasi
pada pengelola program Tuberkulosis. Subyek
Penelitian Kepala Bagian Penyakit Menular
dan Wasor TB Dinas Kesehatan Kota Yogyakarta,
pengelola TB rumah sakit Bethesda,
pengelola TB rumah sakit Panti Rapih, pengelola TB
Puskesmas Mantri Jeron dan BP4 Kota
Yogyakarta sebanyak 9 orang. Pengumpulan data
melalui observasi, wawancara dan studi
pustaka. Data dianalisis menggunakan metode content
analisis
Hasil penelitian Perancangan basis data menggunakan dasar
recording dan reporting program
penanggulangan Tuberculosis yang
diberlakukan untuk semua unit pelayanan kesehatan (UPK) di
Indonesia yang terdiri dari laporan TB 01
sampai dengan TB 06, yaitu : a). TB 01 Kartu
pengobatan TB, b). TB 02 Kartu Identitas
Pasien TB, c). TB 03 Register Kabupaten/Kota, d). TB
04 Register Laboratorium TB, e). TB 05
Formulir Permohonan Laporan TB untuk pemeriksaan
dahak, f). TB 06 Daftar tersangka pasien
(suspek) TB yang diperiksa Dahak SPS. Setelah melalui
perancangan ERD dan normalisasi diperoleh
17 file yang dilengkapi dengan kamus data.
24
Ratih Sari Wardani J Kesehat Masy Indones
Kesimpulan Memperoleh basis data surveilans TB
terdiri dari 17 tabel yaitu tabel pasien, dokter,
desa, kec, kab_kota, prop, kk, upk, lab,
radiologi, obat, tim_surveilans, periksa, periksa_tunjang,
pengobatan, survey dan periksa_serumah.
Kata Kunci : basis data, surveilasns,
Tuberkulosis
PENDAHULUAN
TB masih menjadi salah satu masalah kesehatan
yang harus dihadapi
masyarakat dunia. Setiap tahunnya, TB
menyebabkan hampir dua juta kematian,
diperkirakan saat ini sekitar sepertiga penduduk
dunia telah terinfeksi kuman TB,
yang mungkin akan berkembang menjadi penyakit TB
di masa datang. Selain
jumlah kematian dan infeksi TB yang sangat
besar, pertambahan kasus baru TB
pun sangat signifikan, mencapai sembilan juta
kasus baru setiap tahunnya. Bila
tidak dikendalikan, dalam 20 tahun mendatang TB
akan membunuh 35 juta orang.
Melihat kondisi tersebut, Badan Kesehatan Dunia
(World Health
Organization
atau WHO) telah menyatakan TB sebagai
kedaruratan global sejak tahun 1993
(WHO, 2009a).
Laporan (WHO) sampai Maret tahun 2009,
menyatakan terdapat sekitar
9,4 juta kasus baru (incident case) TB pada tahun 2008. Angka terus meningkat
dari 6,6 juta kasus pada tahun 1990, 8,3 juta
kasus pada tahun 2000 dan 9,24 juta
kasus pada tahun 2006, 9,3 juta kasus pada tahun
2007. Sebagian besar kasus TB
pada tahun 2008 terjadi di Asia (55%), Afrika
(30%), Mediterania Timur (7%),
Eropa (5%) dan Amerika (3%). Lima negara yang
terbanyak dalam total kasus
TB pada tahun 2008 adalah India (1,6-2,4 juta),
Cina (1,0-1,6 juta), Afrika Selatan
(0,38-0,57), Nigeria (0,37-0,55) dan Indonesia (0,34-0,52).
Diantara 9,4 juta kasus
baru TB pada tahun 2008, terdapat sekitar 1,4
juta (15%) kasus Human
Immunodeficiency Virus (HIV) positif, 78% kasus HIV-positif terdapat di
Afrika
dan 13% Asia Tenggara (WHO, 2009a; WHO, 2009b).
Beban TB di Indonesia masih sangat tinggi karena
TB di Indonesia adalah
pembunuh nomor satu diantara penyakit menular
lainnya dan nomor 3 dalam
daftar 10 penyebab kematian utama di Indonesia
(setelah jantung, pembuluh darah
dan penyakit saluran pernafasan akut), setiap
hari TB menyebabkan sekitar 300
orang meninggal karena TB dari 100.000 orang
yang meninggal setiap tahunnya.
Hasil survei Prevalensi TB tahun 2004
menunjukkan bahwa jumlah pasien TB di
Indonesia lebih dari 600.000 orang, dengan angka
prevalensi TB Baksil Tahan
Asam (BTA) positif secara nasional 110 per
100.000 penduduk. Insiden kasus
baru BTA positif tahun 2006 diperkirakan 105 per
100.000 penduduk (240.000
kasus baru setiap tahun) dan prevalensi 578.000
kasus (untuk semua kasus).
(Depkes RI, 2005; WHO, 2009b ).
Mengingat besarnya kasus WHO menetapkan strategi
penanggulangan
TB yang dikenal sebagai strategi DOTS (Directly Observed Treatment Short-
Course). Hasil evaluasi pada pelaksanaan strategi DOTS
pada strategi
peningkatan sistem kesehatan salah satu yang
menjadi kelemahan adalah bagian
informasi (termasuk monitoring dan evaluasi),
yaitu a) rendahnya kualitas
statistik vital dan informasi demografi; b)
lemahnya sistem surveilans penyakit
dan rendahnya sistim pencatatan penyakit; c)
kurangnya pola data pemanfaatan
pelayanan kesehatan; d) terbatasnya ketrampilan
untuk menganalisis data
25
Vol 6 no 1 Th 2010 Basis Data Sistem
Informasi Surveilans
pelayanan pada tingkat supervisor, dan d)
terbatasnya kapasitas penelitian sistem
pelayanan kesehatan dan operasi riset (WHO,
2008). Rendahnya kualitas
informasi didukung dengan penelitian yang
berkaitan dengan adanya ketidak
lengkapan dalam pelaporan TB menyebabkan
informasi tidak akurat (Hest, 2007;
Cojocaru et al, 2009). Penelitian lain
yaitu penelitian Probandari tahun 2007
dengan menggunakan data sekunder dari 92 rumah
sakit dan 24 klinik (116 rumah
sakit DOTS dan klinik DOTS) hasilnya adalah ada
perbedaan di dalam diagnosis
pada perawatan pasien TB melalui Strategi DOTS,
dimana pasien TB yang di
rawat menggunakan DOTS (TB 03) dibandingkan pada
laporan pasien baru
rumah sakit (RL) hanya 12,9 % 23,7% dan 67,9%
dari pasien TB yang di rawat
dengan DOTS pada RS Umum, RS Paru dan Klinik
(Probandari et al, 2008).
Daerah Istimewa Yogyakarta (DIY) adalah salah
satu provinsi di
Indonesia dengan prevalensi penderita BTA
positif 64 kasus TB per 100.000
penduduk pada survei prevalensi 2004 dan DIY
juga berhasil mengembangkan
PPM DOTS dengan membentuk jejaring yang
melibatkan rumah sakit dan praktisi
swasta yaitu HDL dengan dukungan Fidelis dan
IUATLD. Pada awal pelaksanaan
HDL dengan dukungan sistem yang selain laporan
TB 01 – TB 13 juga
mengembangkan form monitoring evaluasi terdiri
dari buku bantu rujuk
diagnosis, buku bantu rujuk pengobatan, buku
bantu rekap mangkir (DO), lembar
monitoring OAT dan buku telepon, DIY berhasil
meningkatkan penemuan kasus
TB (WHO, 2007; Irawati et al, 2007). Hal itu ditunjukkan dengan hasil surveilans
TB dengan mengacu pada tiga indikator utama
yaitu indikator angka penemuan
Pasien Baru TB BTA positif (case detection rate atau CDR), angka konversi
(conversion rate) dan angka kesembuhan (cure rate) dari
tahun 2000-2008
mengalami peningkatan akan tetapi masih di bawah
target nasional bahkan trend
ketiga indikator tersebut menunjukkan pada tahun
2006 – 2008 ada
kecenderungan pencapaiannya menurun ( CDR 2006
56.11%, 2007 51,63% dan
2008 51.88%; angka konversi 2006 80,93%, 2007
78,84% dan 2008 76,65%;
angka kesembuhan 2006 79,63%, 2007 78,75% dan
2008 75, 66%). Pencapaian
indikator untuk lima kabupaten atau kotamadya di
DIY tahun 2007, untuk
indikator CDR mayoritas tidak mencapai target
(80%), indikator conversion rate
sebagian besar tidak mencapai target (60%) dan
indikator cure rate mayoritas
kabupaten/kota ( 80%) tidak mencapai target
nasional yaitu 85%. (Dinkes DIY,
2009).
Hasil observasi di Dinas Kesehatan Kota
Yogyakarta, BP4 Kota
Yogyakarta, Rumah Sakit Panti Rapih dan Rumah
Sakit Bethesda menunjukkan
banyak permasalahan yang muncul pada pencatatan
dan pelaporan data TB
pertama, ketidakakuratan data, terjadi karena
pengisian formulir masih dilakukan
secara manual sehingga untuk mengisi seluruh
formulir baik standar maupun buku
bantu terdapat data yang sama ditulis berulang
kali, sehingga mudah
menimbulkan kesalahan. Kedua masalah
ketidaklengkapan data, sebagai contoh
data yang diisi dalam formulir pelaporan TB 01
tidak lengkap sebelum
pelaksanaan validasi sampling diambil 10 laporan
TB 01 secara acak semuanya
tidak lengkap pengisiannya, dikarenakan petugas
harus mengumpulkan data dari
berbagai sumber untuk melengkapi laporan TB 01.
Ketiga validasi data
memerlukan waktu lama, karena data dari
Puskesmas, BP4, Rumah Sakit dan
26
Ratih Sari Wardani J Kesehat Masy Indones
Puskesmas harus disalin ulang oleh wasor TB
kabupaten/kota untuk kepentingan
pengisian data register kabupaten. Supervisi ke
UPK dilaksanakan setiap 3 bulan
sekali dan setiap kali supervisi untuk validasi
data pada satu UPK dibutuhkan
waktu lebih dari 2 jam sampai sehari penuh.
Keempat, tidak dapat memberikan
informasi bulanan tepat waktu, karena supervisi
dilaksanakan setiap 3 bulan sekali
sementara propinsi menghendaki laporan bulanan.
Dengan demikian laporan
bulanan hanya berupa laporan estimasi. Kelima,
banyak pasien yang tidak tercatat
dalam program DOTS disebabkan karena pindah
pengobatan dan tidak terpantau
bahkan tidak dilaporkan. Keenam kesulitan untuk
monitoring pasien selama
pengobatan, hal itu menyebabkan angka kesembuhan
di rumah sakit tahun 2007
hanya mencapai 69%, lebih rendah dari BP4 83%
dan Puskesmas 81%. Ketujuh
kesulitan jika ingin membuat laporan yang
bervariasi dengan tampilan tabel,
grafik maupun peta karena harus menghitung
secara manual. Terakhir kesulitan
untuk mengambil keputusan klinis berkaitan
penegakan diagnosis TB karena
kebutuhan data klinis belum ada dalam formulir
TB standar, sehingga perlu
dikembangkan format laporan misalnya clinical pathway yang di kembangkan di
Rumah Sakit Bethesda.
Permasalahan di atas menyebabkan kesulitan dalam
pemantauan rutin
pengendalian TB, padahal pemantauan rutin
diperlukan untuk mengetahui trend
epidemik TB dan perkembangan pengendalian TB.
Sedang pengumpulan data
merupakan indikator kunci untuk
mendokumentasikan keberhasilan, identifikasi,
estimasi epidemiologi beban TB yang lebih baik
dan perencanaan. Pemantauan
paling informatif bila ada target yang jelas
atau standar kinerja yang baik,
pengumpulan dan pengolahan data, data harus
lengkap, akurat dan pelaporannya
tepat waktu, sehingga ketika data dianalisis
menggunakan metode yang tepat
dapat digunakan sebagai dasar informasi untuk
merancang dan melaksanakan
intervensi pengendalian TB (WHO, 2009a). Oleh
karena itu membutuhkan sistem
surveilans TB berbasis Teknologi Informasi dan
Komunikasi (TIK) yang dikenal
dengan sistem surveilans TB elektronik (electronic Tuberculosis surveillance
system). Dengan dukungan TIK sistem dapat menghasilkan
informasi yang
berkualitas antara lain kelengkapan (completeness), akurasi data (accurate),
ketepatan waktu, mudah diakses, dan kerahasiaan
serta keamanan data sehingga
dapat meningkatkan mutu pelayanan dan
pengambilan keputusan. Sistem tersebut
dapat mengelola data secara optimal karena
pengelolaannya dengan sistem
manajemen database relasional (relasional database management system
atau
RDBMS) sehingga memungkinkan untuk mengelola data dalam jumlah besar,
mulai dari pengumpulan, validasi, editing dan
peremajaan data dengan akses
untuk multiuser sehingga sangat tepat untuk
mendukung pelaksanaan PPM
(WHO, 2009a; Nadol et al, 2008; Ovretveit et al, 2007; Chenhui et al, 2008 ).
Berdasarkan hal di atas perlu dibangun basis
data sistem informasi
surveilans TB. Adapun tujuan penelitian ini
untuk memperoleh rancangan basis
data sistem informasi surveilans Tuberkulosis.
METODE
Jenis Penelitian kualitatif, obyek yang diteliti
adalah proses - proses
informasi yaitu struktur informasi dan prosedur
informasi pada pengelola
27
Vol 6 no 1 Th 2010 Basis Data Sistem
Informasi Surveilans
program Tuberkulosis. Subyek Penelitian Kepala
Bagian Penyakit Menular dan
Wasor TB Dinas Kesehatan Kota Yogyakarta,
pengelola TB rumah sakit
Bethesda, pengelola TB rumah sakit Panti Rapih,
pengelola TB Puskesmas Mantri
Jeron dan BP4 Kota Yogyakarta sebanyak 9 orang. Pengumpulan data
melalui
observasi, wawancara dan studi pustaka. Data dianalisis
menggunakan metode
content analisis.
HASIL DAN PEMBAHASAN
Tujuan perancangan basis data adalah database yang bisa kompak dan
efisien dalam penggunaan ruang penyimpanan, cepat dalam
pengaksesan dan
mudah untuk memanipulasi data serta bebas dari redundansi. Ada dua
cara
pendekatan untuk merancang basis data, yaitu dengan menerapkan
normalisasi
dan pembuatan ERD (Entity Relationship Diagram). Untuk memperoleh
rancangan basis data yang bagus, efektif dan efisien diperlukan
kombinasi dari
cara pendekatan tersebut. Pendekatan dengan ERD akan dicari
implementasinya
ke dalam bentuk tabel sehingga akan lebih mendekati bentuk
fisiknya. Pembuatan
ERD ini lengkap dengan kardinalitas dan derajat minimasinya.
Kemudian tiap
tabel diuji dengan menggunakan pendekatan normalisasi. Pengujian
ini dipakai
untuk memenuhi normalisasi bentuk ke tiga (3-NF) dan minimal BCNF.
(Fathansah, 1999; Bambang, 2004 )
Perancangan basis data ini menggunakan dasar recording dan
reporting
program penanggulangan Tuberculosis yang diberlakukan untuk semua
unit
pelayanan kesehatan (UPK) di Indonesia yang terdiri dari laporan
TB 01 sampai
dengan TB 06, yaitu : a). TB 01 Kartu pengobatan TB, b). TB 02 Kartu
Identitas
Pasien TB, c). TB 03 Register Kabupaten/Kota, d). TB 04 Register
Laboratorium
TB, e). TB 05 Formulir Permohonan Laporan TB untuk pemeriksaan
dahak, f).
TB 06 Daftar tersangka pasien (suspek) TB yang diperiksa Dahak
SPS. (Depkes,
2007). Diagram ERD (Entity Relationship Diagram) ditunjukkan pada gambar 1.
Setelah melalui proses normalisasi diperoleh 17 file di bawah ini
:
Tabel 1 : Daftar Struktur File Sistem Surveilans TB
|
No.
|
Nama file
|
Key
|
Keterangan
|
|
1.
|
pasien
|
id_pasien
|
Berisi data pasien
|
|
2.
|
dokter
|
id_dokter
|
Berisi data dokter
|
|
3.
|
desa
|
id_desa
|
Berisi data desa
|
|
4.
|
kec
|
id_kec
|
Berisi data kecamatan
|
|
5.
|
kab_kota
|
id_kab
|
Berisi data kabupaten/kota
|
|
6.
|
prop
|
id_prop
|
Berisi data propinsi
|
|
7.
|
Kk
|
id_reg_upk
|
Berisi data kepala keluarga
|
|
8.
|
upk
|
id_upk
|
Berisi data unit pelayanan kesehatan
|
|
9.
|
radiologi
|
id_foto
|
Berisi data radiologi
|
|
10.
|
lab
|
id_sediaan
|
Berisi data laboratorium
|
|
11.
|
obat
|
id_obat
|
Berisi data obat
|
|
12.
|
Tim_surveilans
|
id_survey
|
Berisi data tim surveilas
|
|
13.
|
periksa
|
id_dokter+id_pasien
|
Berisi data transaksi hasil pemeriksaan
|
|
14.
|
Periksa_tunjang
|
id_sediaan+id_foto+id_pasieen
|
Berisi data hasil pemeriksaan penunjang
|
|
15.
|
pengobatan
|
id_obat+id_pasien
|
Berisi data hasil pegobatan
|
|
16.
|
survei
|
id_pasien+id_survei
|
Berisi data survey lokasi dan lingkungan
|
|
17.
|
Periksa_serumah
|
id_pasien+id_kk
|
Berisi data pemeriksaan serumah
|
Secara rinci masing-masing file dijelaskan dalam kamus data di
bawah ini :
1. Kamus Data File Pasien
Tabel 2. Kamus Data File pasien
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
Id_psien
|
Auto Number
|
Long integer
|
Nomor Rekam Medis Pasien, dengan
format ##########
|
|
2.
|
Nama
|
Text
|
30
|
Nama Pasien
|
|
3.
|
Jk
|
Text
|
1
|
Jenis Kelamin
[1] = Laki-Laki
[2] = Perempuan
|
|
4.
|
Umur
|
Number
|
Long integer
|
Umur pasien
|
|
5.
|
Pekerjaan
|
Text
|
2
|
Pekerjaan pasien
[01]=PNS
[02]=ABRI
[03]=Pensiunan [04]=Peg. Swasta
[05]=Pedagang [06]=Nelayan
[07]=Petani
[08]=Pekerja Lepas
[09]=Ibu Rumah Tangga
[10]=Pelajar [11]=Mahasiswa
[12]=Tidak Kerja
[99]=Tidak Diketahui
|
|
6.
|
Pendidikan
|
Text
|
2
|
Pendidikan pasien
[01]=Tidak Sekolah
[02]=Belum Sekolah
[03]=TK/Play Group
[04]=Belum/Tidak tamat SD
[05]=SD [06]=SLTP
[07]=SLTA [08]=Akademi
[09]=S1 [10]=S2
[11]=S3 [99]=Tidak Diketahui
|
|
7.
|
Alamat
|
Text
|
25
|
Alamat pasien
|
|
8.
|
Rw
|
Text
|
3
|
Rukun Warga pasien
|
|
9.
|
id_desa
|
Text
|
5
|
Kode desa
|
|
10.
|
id_kec
|
Text
|
5
|
Kode Kecamatan
|
|
11.
|
id_kab
|
Text
|
5
|
Kode kabupaten/kota
|
|
12.
|
id_prop
|
Text
|
5
|
Kode propinsi
|
|
13.
|
Telp
|
Text
|
10
|
Telepon pasien
|
|
14.
|
Hp
|
Text
|
15
|
Nomor handphone pasien
|
2. Kamus Data File Dokter
Tabel 3. Kamus Data File Dokter
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_dokter
|
Auto Number
|
Long integer
|
Kode Dokter
|
|
2.
|
nama_dokter
|
Text
|
25
|
Nama Dokter
|
|
3.
|
Jkel
|
Text
|
1
|
Jenis Kelamin
[1] = Laki-Laki
[2] = Perempuan
|
|
4.
|
Umur
|
Number
|
Long integer
|
Umur dokter
|
|
5.
|
Keahlian
|
Text
|
25
|
Keahlian Dokter
|
|
6.
|
Alamat
|
Text
|
30
|
Alamat
|
|
7.
|
id_kab
|
Text
|
5
|
Kode Kabupaten/Kota
|
|
8.
|
id_prop
|
Text
|
5
|
Kode propinsi
|
|
9.
|
telp_rmh
|
Number
|
Long integer
|
Nomor telepon rumah dokter
|
|
10.
|
hp_dok
|
Number
|
Long integer
|
Nomor handphone dokter
|
|
11.
|
t_prakt
|
Text
|
25
|
Nama tempat praktek dokter
|
|
12.
|
Alm_prak
|
Text
|
30
|
Alamat praktek dokter
|
|
13.
|
Telp_prak
|
Number
|
15
|
Nomor telepon praktek dokter
|
3. Kamus Data File desa
Tabel 4. Kamus Data File desa
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des Keterangan
|
|
1.
|
id_desa
|
Auto number
|
Long integer
|
Kode desa
|
|
2.
|
nm_desa
|
Text
|
20
|
Nama Desa
|
|
3.
|
alm_desa
|
Text
|
30
|
Alamat desa
|
|
4.
|
telp_desa
|
Number
|
Long integer
|
Nomor telepon desa
|
|
5.
|
Luas_desa
|
Number
|
Long integer
|
Luas wilayah desa
|
|
6.
|
Jml_pddk
|
Number
|
Long integer
|
Jumlah penduduk desa
|
4. Kamus Data File Kec
Tabel 5. Kamus Data File kec
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des Keterangan
|
|
1.
|
id_kec
|
Auto number
|
Long integer
|
Kode kecamatan
|
|
2.
|
nm_kec
|
Text
|
20
|
Nama kecamatan
|
|
3.
|
alm_kec
|
Text
|
30
|
Alamat kecamatan
|
|
4.
|
telp_kec
|
Number
|
Long integer
|
Nomor telepon kecamatan
|
|
5.
|
Luas_kec
|
Number
|
Long integer
|
Luas wilayah kecamatan
|
|
6.
|
Jml_pend
|
Number
|
Long integer
|
Jumlah penduduk kecamatan
|
5. Kamus Data File kab_kota
Tabel 6. Kamus Data File Kab_kota
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des Keterangan
|
|
1.
|
id_kab
|
Auto number
|
Long integer
|
Kode kabupaten
|
|
2.
|
nm_kab
|
Text
|
20
|
Nama kabupaten
|
|
3.
|
alm_kab
|
Text
|
30
|
Alamat kabupaten
|
|
4.
|
telp_kab
|
Number
|
Long integer
|
Nomor telepon kabupaten
|
|
5.
|
Luas_kab
|
Number
|
Long integer
|
Luas wilayah kabupaten
|
|
6.
|
Jml_pdkkab
|
Number
|
Long integer
|
Jumlah penduduk kabupaten
|
6. Kamus Data File Prop
Tabel 7. Kamus Data File prop
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des Keterangan
|
|
1.
|
id_prop
|
Auto number
|
Long integer
|
Kode propinsi
|
|
2.
|
nm_prop
|
Text
|
20
|
Nama propinsi
|
|
3.
|
alm_prop
|
Text
|
30
|
Alamat propinsi
|
|
4.
|
telp_prop
|
Number
|
Long integer
|
Nomor telepon propinsi
|
|
5.
|
Luas_prop
|
Number
|
Long integer
|
Luas wilayah propinsi
|
|
6.
|
Jml_pdpr
|
Number
|
Long integer
|
Jumlah penduduk propinsi
|
7. Kamus Data File kk
Tabel 8. Kamus Data File kk
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_kk
|
Auto number
|
Long integer
|
Kode kepala keluarga
|
|
2.
|
nama_kk
|
Text
|
20
|
Nama kepala keluarga
|
|
3.
|
umur_kk
|
Number
|
Long integer
|
Umur kepala keluarga
|
|
4.
|
didik_kk
|
Text
|
2
|
Pendidikan kepala keluarga :
[01]=Tidak Sekolah
[02]=Belum Sekolah
[03]=TK/Play Group
[04]=Belum/Tidak tamat SD
[05]=SD [06]=SLTP
[07]=SLTA [08]=Akademi
[09]=S1
[10]=S2
[11]=S3
[99]=Tidak Diketahui
|
|
5.
|
sts_kerja
|
Text
|
2
|
Pekerjaan kepala keluarga
[01]=PNS
[02]=ABRI
[03]=Pensiunan
[04]=Peg. Swasta
[05]=Pedagang [06]=Nelayan
[07]=Petani
[08]=Pekerja Lepas
[09]=Ibu Rumah Tangga
[10]=Pelajar
[11]=Mahasiswa
[12]=Tidak Kerja
[99]=Tidak Diketahui
|
8. Kamus Data File upk
Tabel 9. Kamus Data File upk
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_reg_upk
|
Auto number
|
Long integer
|
Kode registrasi upk
|
|
2.
|
nm_upk
|
Text
|
20
|
Nama upk
|
|
3.
|
alamat_upk
|
Text
|
30
|
Alamat upk
|
|
4.
|
Telp_upk
|
Number
|
Long integer
|
Nomor telepon upk
|
9. Kamus Data File lab
Tabel 10. Kamus Data File lab
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_sediaan
|
Auto number
|
Long integer
|
Kode slide sediaan
|
|
2.
|
nama_lab
|
Text
|
20
|
Nama laboratorium
|
|
3.
|
alm_lab
|
Text
|
30
|
Alamat laboratorium
|
|
4.
|
telp_lab
|
Number
|
Long integer
|
Nomor telepon laboratorium
|
10. Kamus Data File radiologi
Tabel 11. Kamus Data File radiologi
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_foto
|
Auto number
|
Long integer
|
Kode foto
|
|
2.
|
nama_rdl
|
Text
|
20
|
Nama radiologi
|
|
3.
|
alm_rdl
|
Text
|
30
|
Alamat radiologi
|
|
4.
|
telp_rdl
|
Number
|
Long integer
|
Nomor telepon radiologi
|
11. Kamus Data File Obat
Tabel 12. Kamus Data File Obat
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_obat
|
Auto number
|
Long integer
|
Kode obat
|
|
2.
|
nm_obat
|
Text
|
20
|
Nama obat
|
|
3.
|
Jenis_obat
|
Text
|
10
|
Jenis obat
|
12. Kamus Data File
Tabel 13. Kamus Data File tim_surveilans
|
No.
|
Nama Field
|
type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_survey
|
Auto number
|
Long integer
|
Kode survey
|
|
2.
|
Ketua_surveyor
|
Text
|
20
|
Nama ketua surveyor
|
|
3.
|
Anggota
|
Text
|
30
|
Nama anggota surveyor
|
|
4.
|
Institusi
|
Text
|
30
|
Nama institusi
|
13. Kamus Data File periksa
Tabel 14. Kamus Data File periksa
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_dokter+id_pasien
|
Auto number
|
Long integer
|
kode dokter dan kode pasien
|
|
2.
|
Anamneses
|
Text
|
20
|
Hasil anamneses
|
|
3.
|
Tensi
|
Number
|
Long integer
|
Tekanan darah pasien
|
|
4.
|
Nadi
|
Number
|
Long integer
|
Denyut nadi pasien
|
|
5.
|
Respirasi
|
Number
|
Long integer
|
Kemampuan respirasi pasien
|
|
6
|
Suhu
|
Number
|
Long integer
|
Suhu badan pasien
|
|
7.
|
Bb
|
Number
|
Long integer
|
Berat badan pasien
|
|
8.
|
Parut_bcg
|
Text
|
1
|
Ada/tidak parut imunisasi BCG
[01]=jelas
[02]=tidak ada
[03]=meragukan
|
|
9.
|
riwayat
|
Text
|
1
|
Riwayat pengobatan
sebelumnya
[01]=belum pernah/kurang dari
1 bulan
[02]=pernah diobati lebih 1
Bulan
|
|
10.
|
Klasifikasi
|
Text
|
1
|
Klasifikasi TB
[1]=paru
[2]=ekstra paru
|
|
11.
|
Tipe_pasien
|
Text
|
1
|
Tipe pasien
[01]=baru
[02]=pindahan
[03]=pengobatan
[04]=gagal
[05]=lain-lain
|
14. Kamus Data File periksa_tunjang
Tabel 15. Kamus Data File periksa_tunjang
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_sediaan+id_foto+id_pasien
|
Auto number
|
Long integer
|
kode pasien dan kode foto
|
|
2.
|
Alasan
|
Text
|
2
|
Alasan pemeriksaan dahak
[1]=diagnosis
[2]=follow upakhir intensif
[3]=follow upakhir sisipan
[4]=1 bulan sebelum Ap
[5]=akhir pengobatan(AP)
|
|
3.
|
Tgl_daftar
|
Date
|
8
|
Tanggal pendaftaran
|
|
4.
|
Tgl_ambil_dhkA
|
Date
|
8
|
Tanggal ambil dahak sewaktu 1
|
|
5.
|
Tgl_ambil_dhkB
|
Date
|
8
|
Tanggal ambil dahak pagi
|
|
6.
|
Tgl_ambil_dhkC
|
Date
|
8
|
Tanggal ambil dahak sewaktu 2
|
|
7.
|
Tgl_kirim_dhk
|
Date
|
8
|
Tanggal kirim dahak ke lab
|
|
8.
|
Tgl_hasil
|
Date
|
8
|
Tanggal hasil
|
|
9.
|
Visual
|
Text
|
1
|
Tampilan visual dahak
[1]=nanah lendir
[2]=bercak darah
[3]=air liur
|
|
10.
|
HasilA
|
Text
|
1
|
Hasil pemeriksana dahak
sewaktu pertama
[01]=BTA+++
[02]=BATA++
[03]=BTA+
[04]=1-9***
[05]= negative
|
|
11.
|
HasilB
|
Text
|
1
|
Hasil pemeriksana dahak
sewaktu pertama
[01]=BTA+++
[02]=BATA++
[03]=BTA+
[04]=1-9***
[05]= negative
|
|
12.
|
HasilC
|
Text
|
1
|
Hasil pemeriksana dahak
sewaktu kedua
[01]=BTA+++
[02]=BATA++
[03]=BTA+
[04]=1-9***
[05]= negatif
|
|
13.
|
no_reg_tb_kab
|
Number
|
6
|
Nomor register tb kabupaten
|
|
14.
|
Foto
|
Text
|
1
|
Hasil foto rongen
[1]=positif
[2]=negative
|
15. Kamus Data File pengobatan
Tabel 16. Kamus Data File pengobatan
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_obat+id_pasi
en+id_reg_upk
|
Auto number
|
Long integer
|
kode obat, kode pasien dan kode upk
|
|
2.
|
tgl_mulai_obat
|
Date
|
8
|
Tanggal mulai berobat
|
|
3.
|
tgl_bln2 Date
|
Date
|
8
|
Tanggal berobat bulan 2
|
|
4.
|
tgl_bln3 Date
|
Date
|
8
|
Tanggal berobat bulan 3
|
|
5.
|
tgl_bln4 Date
|
Date
|
8
|
Tanggal berobat bulan 4
|
|
6.
|
tgl_bln6 Date
|
Date
|
8
|
Tanggal berobat bulan 5
|
|
7.
|
tgl_bln6 Date
|
Date
|
8
|
Tanggal berobat bulan 6
|
|
8.
|
tgl_bln7 Date
|
Date
|
8
|
Tanggal berobat bulan 7
|
|
9.
|
Kategori
|
Text
|
2
|
Kategori pengobatan
[01]=kategori 1
[02]=kategori 2
[03]=kategori anak
[04]=sisipan
|
|
10.
|
Jml_kdt
|
Number
|
Long integer
|
Jumlah tablet obat/hari
|
|
11.
|
Jml_strepto
|
Number
|
Long integer
|
Suntikan streptomycin mg/hari
|
|
12.
|
Hasil_akhir
|
Text
|
2
|
Hasil akhir pengobatan
[01]=sembuh
[02]=lengkap
[03]=default
[04]=gagal
[05]=pindah
[06]=meninggal
|
16. Kamus Data File survey
Tabel 17. Kamus Data File survey
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_pasien+id_survey
|
Auto number
|
Long integer
|
kode pasien dan kode
survey
|
|
2.
|
tgl_ambildt
|
Date
|
8
|
Tanggal pengambilan data
survey
|
|
3.
|
jam_ambil
|
Time
|
8
|
Jam pengambilan data survei
|
|
4.
|
Elevasi Number
|
Number
|
Long integer
|
Elevasi pengambilan data
lokasi
|
|
5.
|
Akurasi
|
Number
|
Long integer
|
Akurasi pengembilan data
lokasi
|
|
6.
|
Ordinatx
|
Number
|
Long integer
|
Ordinat x lokasi diambil
dengan GPS
|
|
7.
|
Ordinaty
|
Number
|
Long integer
|
Ordinat y lokasi diambil
dengan GPS
|
|
8.
|
fisik_rmh
|
Text
|
15
|
Kondisi fisik rumah
|
|
9.
|
Pencahayaan
|
Text
|
2
|
Kategori pencahayaan rumah
[01]=diatas ambang batas
[02]= dibawah ambang batas
|
|
10.
|
Kelembaban
|
Text
|
2
|
Kategori kelembaban rumah
[1]=lembab
[2]=tidak lembab
|
|
11.
|
ttg-tb
|
Text
|
2
|
Ada/tidak tb
[1]=ada
[2]=tidak ada
|
|
12.
|
jarak_sungai
|
Number
|
Long integer
|
Jarak sungai dari lokasi rumah
|
|
13.
|
Jarak_ttg
|
Number
|
Long integer
|
Jarak lokasi rumah dengan
rumah tetangga
|
17. Kamus Data File periksa_serumah
Tabel 18. Kamus Data File periksa serumah
|
No.
|
Nama Field
|
Type
|
Lebar
|
Des. Keterangan
|
|
1.
|
id_pasien+id_kk
|
Number
|
Long integer
|
kode pasien dan kode kk
|
|
2.
|
jml_anak
|
Number
|
Long integer
|
Jumlah anak
|
|
3.
|
nm_anak
|
Text
|
30
|
Nama keluarga serumah
penderita tb
|
|
4.
|
Jk_anak
|
Text
|
1
|
Jenis kelamin keluarga
penderita tb
[1]=laki-laki
[2]=perempuan
|
|
5.
|
Tgl_periksa
|
Date
|
8
|
Tanggal periksa
|
|
6.
|
Hasi
|
Text
|
2
|
Hasil pemeriksaan dahak
anggota keluarga penderita
|
KESIMPULAN
Memperoleh basis data surveilans TB terdiri dari 17 tabel yaitu
tabel pasien,
dokter, desa, kec, kab_kota, prop, kk, upk, lab, radiologi, obat,
tim_surveilans,
periksa, periksa_tunjang, pengobatan, survey dan periksa_serumah.
DAFTAR PUSTAKA
Bambang, 2004,”sistem Manajemen Basis Data, Pemodelan, Perancangan dan
Terapannya ”, Bandung, Informatika
Chenhui. Zhao, Huilong, Duang and Xudong, Lu, 2008, An Integration approach
of Health Care Information System, IEEE Computer society, 978—76953118-
2/08 pages 606-609.
Cojocaru C, Hest, Van, N., A., Mihaescu, T., Davies, P.D., 2009, Completeness of
Notification of adult Tuberculosis in
Lasi counti, Rumania : A capturerecapture
analysis, International Jurnal Tuberculosis Lung Disease,
vol 13,
issue 9, pages : 1094-99.
Depkes RI, 2005, Survei Prevalensi Tuberculosis di Indonesia 2004, Jakarta,
ISBN 979 8270 46 0
Depkes RI, 2008, Pedoman Nasional Penanggulangan Tuberculosis, Edisi 2
cetakan ke 2, Jakarta, 816.995.24/Ind/P
Fathansah, 1999, “Basis data”, Bandung, Informatika.
Hest, Van, N., A., H., Smit F, Baar, H. W.M., VRIES, De, G, Haas,
De, p., E., W.,
Westenend, P. J., Nagelkerke, and Richardus, J., H., 2007, Completeness of
notification of tuberculosis in The
Netherlands : how reliable is record-linkage
and capture–recapture analysis, Epidemiol. Infect., 135, 1021–10blising29. f
2006 Cambridge University Press doi:10.1017/ S0950268806007540
Printed in
the United Kingdom
Irawati, S., R., Basri, C., Arias, M., S., Prihatini, S.,
Rintiswati, N., Vosken, J.,
Kimerling, M., E., 2007, Hospital DOTS Linkage : a model for DOTS
expansion into government and privat
hospital, International Jurnal
Tuberculosis Lung Disease, vol 11, issue 1, pages : 33-39.
Nadol, P., Stinson, W., K. Coggin, W., Naicker, M., Well, D., C.
Miller, B., and
Nelson, J., L., 2008, Electronic Tuberculosis Surveilans System : a tool
managing today’s TB Programs, International Jurnal Tuberculosis Lung
Disease, vol 12, issue 3, pages : 58-516
Ovretveit, John, Gillies, R., Rundall, G., Thomas, Shortell, M.,
Stephen,
Brommels, Mats, 2007, Quality of Care for Chronic Ilnesses, Internasional
Journal of Health Care Quality Assurance, vol 13 no 2, pages
190-202
(http://www.emeraldinsight.com/0952-6862.htm, diakses 8 Juli 2009).
Probandari, A., Utarini, A., dan Hurtig, A., K., 2008, Achieving quality in
Directly Observed Treatment Short-Course
(DOTS) strategy Implementation
process : a challenge for Hospital Public
Privat Mix in Indonesia, Global
Health Action 2008 DOI: 10.3402/gha.v1i0.1831
36
Ratih Sari Wardani J Kesehat Masy Indones
WHO, 2008, Implementing The WHO Stop TB Strategy : a handbook for the
national Tuberculosis control Programme, WHO Press, Geneva
WHO Report 2009 , WHO Press, Geneva, ISBN 978-92-4-156380-2.
WHO, 2009a, Global Tuberculosis Control : Epidemiology, Strategy, Financing
WHO, 2009b, Global Tuberculosis Control : a Short Update to the 2009 Report,
ISBN 978 92 4 159886 6.
37
.jpg)
.jpg)
.jpg)
.jpg)
