## Nomor 1: Incidence Rate
kasus_baru <- 8
person_year <- 1050
populasi <- 1200
# 1.1. Incidence Rate Penyakit X
IR <- kasus_baru/person_year
# 1.2. Kalau hasil surveynya per 1000 person-years
if_1000_p_y <- IR * 1000
# Output
cat("Incidence Rate per person-years untuk kasus penyakit X adalah sekitar",round(IR,5),"dan Incidence Rate per 1000 person-years untuk kasus penyakit X adalah sekitar",round(if_1000_p_y,5))
## Incidence Rate per person-years untuk kasus penyakit X adalah sekitar 0.00762 dan Incidence Rate per 1000 person-years untuk kasus penyakit X adalah sekitar 7.61905
## Nomor 2: Cumulative Incidence Hipertensi
sehat_awal <- 500 # Jumlah Orang yang sehat di awal periode
hipertensi <- 25 # Kasus Baru Hipertensi
# 2.1. Cumulative Incidence
CI <- hipertensi/sehat_awal
# 2.2. Interpretasi
#### Adapun Persentase risiko terjadinya hipertensi dalam 2 tahun adalah sebesar 0.05 atau 5 persen
# Output
cat("Adapun Cumulative Incidence untuk kasus ini adalah sebesar", CI,", sehingga dapat dikatakan bahwa adapun persentase terjadinya kasus hipertensi dalam 2 tahun adalah sebesar",CI*100,"persen")
## Adapun Cumulative Incidence untuk kasus ini adalah sebesar 0.05 , sehingga dapat dikatakan bahwa adapun persentase terjadinya kasus hipertensi dalam 2 tahun adalah sebesar 5 persen
## Nomor 3: Prevalensi
jumlah_kasus_diabetes <- 400
total_populasi <- 20000
# Hitung Prevalensi
prevalensi <- jumlah_kasus_diabetes / total_populasi
# Tampilkan hasil dalam bentuk desimal dan persentase
cat("Prevalensi diabetes di kota tersebut adalah:", prevalensi,", sehingga bisa dikatakan bahwa pada kota tersebut, peluang seseorang menderita diabetes adalah sebesar",prevalensi*100,"persen")
## Prevalensi diabetes di kota tersebut adalah: 0.02 , sehingga bisa dikatakan bahwa pada kota tersebut, peluang seseorang menderita diabetes adalah sebesar 2 persen
## Nomor 4: Relative Risk dan Attributable Risk
# 1. Definisikan data dari soal
kasus_perokok <- 40
total_perokok <- 200
kasus_bukan_perokok <- 15
total_bukan_perokok <- 300
# 2. Hitung Cumulative Incidence (CI) untuk masing-masing kelompok
ci_perokok <- kasus_perokok / total_perokok
ci_bukan_perokok <- kasus_bukan_perokok / total_bukan_perokok
# 3. Hitung Relative Risk (RR)
relative_risk <- ci_perokok / ci_bukan_perokok
# 4. Hitung Attributable Risk (AR)
attributable_risk <- abs(ci_perokok - ci_bukan_perokok)
# 5. Tampilkan semua hasil dengan interpretasi yang jelas
cat("Adapun Cumulative Incidence masing-masing pada kelompok perokok dan bukan perokok adalah sebesar",ci_perokok,"dan",ci_bukan_perokok,", dengan relative risk sebesar",relative_risk,"dan attributable risk sebesar",attributable_risk,"\n")
## Adapun Cumulative Incidence masing-masing pada kelompok perokok dan bukan perokok adalah sebesar 0.2 dan 0.05 , dengan relative risk sebesar 4 dan attributable risk sebesar 0.15
if (ci_perokok > ci_bukan_perokok) {
cat("Maka, dapat dikatakan bahwa orang yang perokok memiliki kemungkinan lebih besar terkena penyakit paru kronis",relative_risk,"kali lebih besar dibanding orang yang bukan perokok, dengan potensi terkena penyakit tersebut lebih besar",attributable_risk*100,"persen")
} else {
cat("Maka, dapat dikatakan bahwa orang yang bukan perokok memiliki kemungkinan lebih besar terkena penyakit paru kronis",relative_risk,"kali lebih besar dibanding orang yang perokok, dengan potensi terkena penyakit tersebut lebih besar",attributable_risk*100,"persen")
}
## Maka, dapat dikatakan bahwa orang yang perokok memiliki kemungkinan lebih besar terkena penyakit paru kronis 4 kali lebih besar dibanding orang yang bukan perokok, dengan potensi terkena penyakit tersebut lebih besar 15 persen
## Nomor 5: Odds Ratio
# Definisikan data dari tabel 2x2
terpapar_penyakit <- 45
tidak_penyakit <- 30
terpapar_tidakpenyakit <- 20
tidak_tidakpenyakit <- 55
# Hitung Odds Ratio (OR)
odds_ratio <- (terpapar_penyakit * tidak_tidakpenyakit) / (tidak_penyakit * terpapar_tidakpenyakit)
# Tampilkan hasil
cat("Nilai Odds Ratio (OR) adalah:", odds_ratio, "\nMaka, dapat dikatakan bahwa orang yang terpapar memiliki kemungkinan",odds_ratio,"kali lebih besar dibanding orang yang tidak terpapar")
## Nilai Odds Ratio (OR) adalah: 4.125
## Maka, dapat dikatakan bahwa orang yang terpapar memiliki kemungkinan 4.125 kali lebih besar dibanding orang yang tidak terpapar
## Nomor 6: Case Fatality Rate
# Definisikan data
jumlah_kematian <- 10
jumlah_kasus <- 250
# Hitung Case Fatality Rate (CFR)
cfr <- jumlah_kematian / jumlah_kasus
cfr_persen <- cfr * 100
# Tampilkan hasil
cat("Case Fatality Rate (CFR) pada wabar adalah:", cfr, "\nDengan begitu, dapat dikatakan bahwa persentase seseorang yang meninggal setelah terpapar wabah tersebut adalah sebesar",cfr_persen,"persen.")
## Case Fatality Rate (CFR) pada wabar adalah: 0.04
## Dengan begitu, dapat dikatakan bahwa persentase seseorang yang meninggal setelah terpapar wabah tersebut adalah sebesar 4 persen.