Indikator Mutu Layanan KIA: Pengukuran, Interpretasi, dan Penggunaan untuk Perbaikan

PARADOKS PENGUKURAN:

"Kita mengukur apa yang mudah diukur, bukan apa yang penting. Lalu kita mulai percaya bahwa yang mudah diukur adalah yang penting."

— Adaptasi dari Goodhart's Law

Implikasi untuk KIA:

• Cakupan ANC mudah diukur dan sering dijadikan indikator utama
• Kualitas ANC sulit diukur
• Hasil: sistem mengoptimalkan cakupan (jumlah kunjungan) tanpa mengoptimalkan kualitas (apa yang terjadi dalam kunjungan itu)

KRITERIA INDIKATOR YANG BAIK:

VALIDITY (VALIDITAS):

• Apakah indikator ini benar-benar mengukur aspek mutu yang dimaksud?
• Contoh valid: "% persalinan dengan AMTSL terdokumentasi DAN diverifikasi melalui observasi"
• Contoh tidak valid: "% persalinan dengan AMTSL" yang data-nya hanya dari laporan bidan sendiri — mengukur pelaporan, bukan praktik

RELIABILITY (RELIABILITAS):

• Apakah pengukuran yang sama oleh orang berbeda atau pada waktu berbeda menghasilkan nilai yang sama?
• Penyebab rendahnya reliabilitas: definisi yang tidak jelas, metode pengumpulan yang berbeda, training pengumpul data yang tidak konsisten

SENSITIVITY (SENSITIVITAS):

• Apakah indikator berubah ketika kondisi yang diukur berubah?
• Indikator yang tidak sensitif: AKI tahunan di satu Puskesmas — terlalu jarang kejadian, perubahan kecil tidak terdeteksi
• Indikator yang lebih sensitif: % kasus komplikasi yang direspons sesuai protokol

SPECIFICITY (SPESIFISITAS):

• Apakah perubahan indikator memang mencerminkan perubahan dalam kondisi yang diukur, bukan faktor lain?
• Contoh masalah: AKI turun — karena mutu meningkat atau karena pelaporan memburuk?

FEASIBILITY (KELAYAKAN):

• Apakah data dapat dikumpulkan dengan sumber daya yang tersedia?
• Indikator yang bagus secara teoritis tetapi memerlukan observasi langsung 24 jam tidak feasible di Puskesmas dengan 3 bidan

ACTIONABILITY (DAPAT DITINDAKLANJUTI):

• Apakah nilai indikator yang buruk memberikan informasi tentang apa yang perlu diubah?
• Indikator yang tidak actionable: "kepuasan pasien secara umum" — jika rendah, apa yang diubah?
• Indikator yang actionable: "% pasien yang menyatakan mendapat penjelasan tentang prosedur sebelum dilakukan"

INDIKATOR STRUKTUR UNTUK LAYANAN KIA:

Definisi:
Mengukur ketersediaan sumber daya dan kondisi yang diperlukan untuk pemberian layanan

Contoh indikator struktur KIA:

TENAGA:

• Rasio bidan terlatih PONED per 1.000 persalinan
• % bidan dengan sertifikat PONED yang masih berlaku (tidak kadaluarsa)
• % shift persalinan yang memiliki minimal 1 bidan terlatih PONED on-site

OBAT DAN ALAT:

• % hari dalam sebulan dimana stok oksitosin, MgSO4, dan antihipertensi tidak pernah habis
• % peralatan resusitasi neonatus yang berfungsi dan siap pakai
• Ketersediaan darah dan produk darah dalam waktu ≤ 30 menit (untuk RS)

SISTEM:

• Ketersediaan SOP penanganan kegawatan obstetri yang terpasang di kamar bersalin
• Ketersediaan sistem on-call dokter yang berfungsi
• Ketersediaan ambulans dengan sopir on-call

Kekuatan:

• Relatif mudah diverifikasi
• Dapat diintervensi dengan cepat
• Prasyarat yang diperlukan

Kelemahan:

• Ada tidak menjamin digunakan dengan benar
• Threshold "ada/tidak ada" terlalu biner — kualitas peralatan atau obat bervariasi

INDIKATOR PROSES UNTUK LAYANAN KIA:

Definisi:
Mengukur apakah tindakan klinis yang tepat dilakukan dengan benar dan konsisten

Contoh indikator proses KIA:

LAYANAN ANC:

• % ibu hamil yang mendapat pemeriksaan 10T lengkap pada ANC pertama
• % ibu hamil dengan skrining risiko yang tercatat dan ditindaklanjuti
• % ibu hamil K1 murni (kunjungan pertama pada trimester pertama)
• % ibu hamil yang memiliki rencana persalinan terdokumentasi (P4K)

LAYANAN PERSALINAN:

• % persalinan normal yang menggunakan partograf secara lengkap
• % persalinan normal dengan AMTSL yang terdokumentasi
• % kasus perdarahan postpartum yang mendapat penanganan sesuai protokol dalam ≤ 15 menit
• % kasus pre-eklamsia berat yang mendapat MgSO4 dalam ≤ 30 menit setelah diagnosis
• Decision-to-incision time SC emergensi kategori 1: ≤ 30 menit (% kasus yang memenuhi)

KOMUNIKASI DAN INFORMED CONSENT:

• % pasien yang menerima penjelasan tentang prosedur sebelum dilakukan (berdasarkan survei pasien)
• % partus normal yang didokumentasikan dengan informed consent tertulis untuk tindakan besar

Kekuatan:

• Lebih langsung mencerminkan kualitas layanan yang diterima
• Lebih actionable: proses yang buruk dapat diintervensi dengan pelatihan, supervisi, protokol

Kelemahan:

• Lebih sulit diukur secara valid — observasi langsung mahal dan mengubah perilaku
• Rekam medis sering tidak mencerminkan proses nyata

INDIKATOR OUTCOME UNTUK LAYANAN KIA:

Definisi:
Mengukur efek layanan pada kesehatan pasien dan populasi

Contoh indikator outcome KIA:

OUTCOME KLINIS:

• Angka Kematian Ibu (AKI) per 100.000 KH — tingkat kabupaten/provinsi
• Angka kematian maternal di fasilitas per 1.000 persalinan
• Maternal near-miss ratio per 1.000 KH
• Mortality Index (kematian / kematian + near-miss)
• Rate perdarahan postpartum per 1.000 persalinan
• Rate eklamsia per 1.000 persalinan
• Rate infeksi luka operasi SC per 1.000 SC
• Angka Kematian Bayi (AKB) per 1.000 KH
• % bayi baru lahir dengan asfiksia yang berhasil diresusitasi

OUTCOME YANG DILAPORKAN PASIEN (PATIENT-REPORTED):

• Skor kepuasan pasien dengan layanan persalinan
• % pasien yang melaporkan pengalaman respectful maternity care
• % ibu postpartum dengan depresi yang terdeteksi dan ditindaklanjuti

Kekuatan:

• Paling relevan bagi pasien — "apakah saya dan bayi saya selamat dan sehat?"
• Tujuan akhir dari semua intervensi

Kelemahan:

• Bergantung banyak faktor di luar kendali fasilitas
• Angka kecil per fasilitas: sulit analisis statistik bermakna
• Waktu untuk terlihat panjang
• AKI dipengaruhi oleh kualitas pelaporan, bukan hanya mutu layanan

INDIKATOR NASIONAL MUTU (INM):

Kemenkes menetapkan set indikator yang wajib dipantau dan dilaporkan oleh semua fasilitas — ini adalah basis untuk pembandingan nasional

INM UNTUK RUMAH SAKIT (relevan KIA):

1. Kepatuhan kebersihan tangan (hand hygiene):
   → Target: ≥ 85%
   → Relevan untuk pencegahan sepsis neonatal dan infeksi postpartum
2. Kepatuhan penggunaan APD:
   → Target: 100%
   → Relevan untuk semua prosedur obstetri
3. Kepatuhan identifikasi pasien:
   → Target: 100%
   → Relevan untuk mencegah kesalahan pasien dalam kamar operasi dan NICU
4. Waktu tanggap operasi SC emergensi (decision-to-incision):
   → Target: ≤ 30 menit untuk kategori 1
   → Langsung mengukur kesiapan sistem emergensi obstetri
5. Kepatuhan upaya pencegahan risiko pasien jatuh:
   → Target: 100%
   → Relevan untuk pasien obstetri yang mendapat MgSO4 atau obat sedasi
6. Kepuasan pasien:
   → Target: ≥ 76,61%
   → Diukur dengan instrumen standar

INM UNTUK PUSKESMAS (relevan KIA):

1. Kepatuhan kebersihan tangan:
   → Target: ≥ 85%
2. Kepatuhan penggunaan APD:
   → Target: 100%
3. ANC sesuai standar (10T):
   → Target: 100% dari ibu hamil yang melakukan ANC
   → Ini adalah indikator yang paling langsung mengukur mutu proses ANC
4. Persalinan normal sesuai standar (termasuk AMTSL dan penggunaan partograf):
   → Target: 100%
5. Kepuasan pasien:
   → Target: ≥ 76,61%

SENTINEL EVENTS YANG WAJIB DILAPORKAN DAN DIANALISIS:

Sentinel event adalah kejadian yang tidak diharapkan dan menghasilkan kematian atau cedera permanen yang serius

Untuk layanan KIA, sentinel events wajib meliputi:

• Kematian maternal yang terjadi di fasilitas
• Kematian perinatal yang dapat dicegah
• Operasi pada pasien yang salah / sisi yang salah
• Retensi benda asing pasca operasi SC
• Hipoksia neonatal berat yang tidak diantisipasi

Setiap sentinel event wajib dilakukan RCA dan dilaporkan ke sistem pelaporan insiden nasional (SINAPS — Sistem Informasi Nasional Akreditasi dan Keselamatan Pasien)

SUMBER DATA YANG TERSEDIA DAN BATASANNYA:

SUMBER 1 — REKAM MEDIS:

Kekuatan:

• Tersedia untuk semua pasien yang masuk fasilitas
• Dapat diaudit secara retrospektif
• Tidak memerlukan pengumpulan data tambahan jika sudah ada

Kelemahan:

• "If it's not written, it wasn't done" — tetapi juga "written doesn't mean done"
• Dokumentasi yang tidak lengkap atau tidak akurat sangat umum
• Tidak mencakup kematian di luar fasilitas
• Kualitas dokumentasi bervariasi antar bidan/dokter

Cara meningkatkan validitas:

• Audit rekam medis oleh pihak yang tidak mengisi (bukan self-report)
• Formulir terstruktur yang mengurangi variasi dokumentasi
• Sampling acak untuk audit kualitas

SUMBER 2 — LAPORAN RUTIN (LAPORAN BULANAN):

Kekuatan:

• Tersedia rutin
• Mencakup semua unit secara agregat

Kelemahan:

• Self-reported: unit melaporkan data mereka sendiri
• Agregat yang menyembunyikan variasi
• Tidak ada verifikasi independen

Cara meningkatkan validitas:

• Cross-check dengan sumber data lain (rekam medis, data BPJS, data laboratorium)
• Triangulasi: data yang konsisten dari tiga sumber lebih dapat dipercaya

SUMBER 3 — OBSERVASI LANGSUNG:

Kekuatan:

• Paling valid untuk indikator proses
• Menangkap apa yang sesungguhnya dilakukan, bukan apa yang dilaporkan

Kelemahan:

• Mahal: memerlukan observer yang terlatih
• Hawthorne effect: staf berperilaku berbeda saat diobservasi
• Tidak feasible untuk semua layanan 24 jam

Cara menggunakan efektif:

• Sampling: observasi pada waktu acak, bukan hanya saat sudah diberitahu
• Structured observation checklist: observer menggunakan form yang sama
• Normalized observation: observer hadir cukup sering sehingga staf tidak lagi "perform"

SUMBER 4 — SURVEI PASIEN:

Kekuatan:

• Menangkap perspektif yang tidak terlihat dari rekam medis
• Langsung mengukur patient-reported outcomes dan pengalaman

Kelemahan:

• Response bias: pasien yang puas lebih mungkin mengisi survei
• Social desirability bias: pasien tidak mau mengeluh kepada penyedia layanan yang sama
• Recall bias: pengalaman yang jauh dilupakan atau didistorsi

Cara meningkatkan validitas:

• Survei anonim yang diisi setelah pulang dari fasilitas
• Exit interview oleh orang yang tidak terlibat dalam layanan
• Pertanyaan yang spesifik perilaku, bukan evaluatif: "Apakah bidan menjelaskan kepada Anda apa yang akan dilakukan sebelum memulai tindakan?" bukan "Apakah komunikasi bidan baik?"

SUMBER 5 — DATA BPJS:

Kekuatan:

• Mencakup semua klaim yang diajukan
• Relatif terverifikasi (karena ada insentif finansial untuk akurasi)
• Dapat digunakan untuk cross-check data laporan fasilitas

Kelemahan:

• Hanya mencakup pasien BPJS
• Data klinis terbatas — lebih banyak data administratif
• Dapat dimanipulasi melalui upcoding (mengkode diagnosis lebih berat dari yang sesungguhnya)

JEBAKAN 1 — GREEN IS GOOD:

Masalah:

• Semua indikator "hijau" (di atas target) diinterpretasikan sebagai kondisi baik
• Seperti yang dialami Dr. Nadia: 47 indikator hijau tetapi masalah nyata tidak terdeteksi

Mengapa ini terjadi:

• Target yang terlalu rendah: jika target ditetapkan 60% dan kita mencapai 62%, "hijau" — tetapi 38% pasien tidak mendapat layanan standar
• Data yang tidak valid: "hijau" karena data self-reported yang over-optimis
• Indikator yang tidak sensitif: tidak menangkap masalah yang ada

Solusi:

• Tetapkan target yang ambisius berbasis standar klinis, bukan rata-rata historis
• Verifikasi data secara berkala
• Komplementasikan dengan indikator kualitatif dan data pasien

JEBAKAN 2 — ANGKA TANPA KONTEKS:

Masalah:

• Membandingkan angka antar unit atau antar fasilitas tanpa memperhitungkan perbedaan konteks

Contoh:

• Puskesmas A: rate komplikasi persalinan 2%
• Puskesmas B: rate komplikasi persalinan 8%
• Apakah B lebih buruk?

Tidak tentu:

• B mungkin menerima rujukan kasus berisiko tinggi dari area yang lebih luas
• B mungkin memiliki sistem deteksi dini yang lebih baik sehingga mendeteksi komplikasi yang di A tidak terdeteksi
• A mungkin memiliki under-reporting komplikasi

JEBAKAN 3 — TREN SEMU:

Masalah:

• Penurunan atau peningkatan angka dari waktu ke waktu diinterpretasikan sebagai perubahan nyata padahal bisa jadi artefak

Penyebab tren semu:

• Perubahan dalam metode pengumpulan data atau definisi
• Perubahan dalam denominator (jumlah persalinan meningkat → rate turun meskipun jumlah absolut tetap)
• Perubahan dalam kualitas pelaporan (lebih banyak dilaporkan → angka meningkat, bukan karena kondisi memburuk)

JEBAKAN 4 — RATA-RATA YANG MENYEMBUNYIKAN VARIASI:

Masalah:

• Rata-rata kabupaten atau fasilitas menyembunyikan variasi yang sangat besar antar unit atau antar waktu

Contoh:

• Rata-rata % AMTSL kamar bersalin: 85% (target terpenuhi)
• Breakdown:
  Shift pagi: 95%
  Shift sore: 88%
  Shift malam: 62%
• Masalah utama ada di shift malam — tersembunyi oleh rata-rata

Solusi:

• Selalu desagregasikan data: per unit, per shift, per petugas (anonim), per waktu
• Distribusi lebih informatif dari rata-rata

STATISTICAL PROCESS CONTROL (SPC) — MEMAHAMI VARIASI:

Prinsip dasar SPC:

• Setiap proses memiliki variasi yang inherent
• Dua jenis variasi: common cause variation (normal, selalu ada) dan special cause variation (sinyal bahwa sesuatu berbeda)

Common cause variation:

• Fluktuasi normal yang tidak memerlukan intervensi spesifik
• Contoh: rate AMTSL 85% ± 3% setiap bulan — ini variasi normal

Special cause variation:

• Sinyal bahwa ada sesuatu yang berbeda
• Contoh: bulan tertentu rate AMTSL tiba-tiba turun ke 60% — perlu investigasi

Implikasi untuk monitoring:

• Jangan bereaksi terhadap setiap fluktuasi kecil sebagai masalah
• Tetapi jangan mengabaikan perubahan yang melampaui batas kontrol

CARA MEMBACA DATA DENGAN BENAR:

Pertanyaan yang harus selalu diajukan:

1. Data ini dikumpulkan bagaimana? (metode dan sumber)
2. Siapa yang mengumpulkan? (potensi bias)
3. Definisi apa yang digunakan? (konsistensi)
4. Denominatornya apa? (apa yang dihitung)
5. Bagaimana dengan yang tidak terhitung? (completeness)
6. Bandingkan dengan apa? (baseline, target, peer)
7. Apakah perubahan ini clinically significant atau hanya statistically significant?

SIKLUS PENGGUNAAN DATA YANG EFEKTIF:

DATA → INFORMASI → PENGETAHUAN → TINDAKAN

DATA:
→ Angka mentah yang dikumpulkan dari sistem
→ Belum memiliki makna tanpa konteks

INFORMASI:
→ Data yang diinterpretasikan dalam konteks: dibandingkan dengan target, tren, dan peer
→ "Rate AMTSL kita 71% — di bawah target 90% dan di bawah rata-rata kabupaten 83%"

PENGETAHUAN:
→ Pemahaman tentang MENGAPA kondisi ini ada: analisis akar masalah
→ "71% karena: shift malam 45% (bidan baru tidak terlatih), shift pagi 92%; dan tidak ada supervisi"

TINDAKAN:
→ Intervensi yang tepat sasaran berdasarkan pengetahuan:
→ Bukan: "tingkatkan AMTSL"
→ Tetapi: "pelatihan AMTSL untuk bidan baru + supervisi mingguan shift malam + checklist pre-persalinan"

MEMILIH INDIKATOR YANG TEPAT UNTUK TUJUAN YANG BERBEDA:

UNTUK MONITORING RUTIN (bulanan):

• Pilih 5-7 indikator yang paling kritis
• Feasible: data tersedia tanpa effort tambahan
• Sensitive: berubah cukup cepat untuk dimonitor bulanan
• Contoh set untuk PONED:
  1. % persalinan dengan AMTSL
  2. % partograf terisi lengkap
  3. Waktu respons kegawatan obstetri
  4. % ANC dengan 10T lengkap
  5. Kepuasan pasien persalinan

UNTUK AUDIT KUALITAS (triwulanan/semesteran):

• Lebih mendalam, lebih sedikit indikator
• Melibatkan review rekam medis dan observasi
• Fokus pada proses yang paling kritis atau paling sering bermasalah

UNTUK EVALUASI PROGRAM (tahunan):

• Outcome indicators yang memerlukan waktu untuk terlihat
• AKI lokal, near-miss rate, kepuasan pasien agregat
• Tren dari tahun ke tahun

UNTUK AKREDITASI:

• Indikator yang dipersyaratkan dalam STARKES atau instrumen Puskesmas
• Ditambah indikator prioritas yang dipilih sendiri berdasarkan masalah lokal

FEEDBACK LOOP YANG EFEKTIF:

Prinsip:
→ Data yang dikumpulkan harus kembali kepada orang yang dapat menggunakannya untuk perbaikan
→ "Data yang tidak digunakan adalah data yang dibuang"

Level feedback:

LEVEL INDIVIDU/TIM:

• Bidan mendapat feedback tentang praktiknya sendiri (dalam format yang mendukung, bukan menghukum)
• "Bulan ini dari 8 persalinan yang kamu tangani, partograf terisi lengkap di 6 — apa yang berbeda di 2 yang tidak?"

LEVEL UNIT:

• Kamar bersalin mendapat laporan bulanan tentang indikator unitnya dibandingkan dengan target dan bulan sebelumnya
• Rapat bulanan tim untuk membahas data dan menyepakati tindakan

LEVEL FASILITAS:

• Komite PMKP melaporkan ke pimpinan RS tentang tren indikator kunci
• Indikator yang bermasalah masuk agenda manajemen, bukan hanya agenda klinis

LEVEL SISTEM:

• Data dari semua fasilitas dianalisis oleh Dinkes untuk mengidentifikasikan pola dan outlier
• Fasilitas dengan kinerja sangat baik atau sangat buruk mendapat perhatian khusus