Nama: Farah Nadira
NPM: 140610230015
Mata Kuliah: Epidemiologi 2025
Dosen Pengampu: Bpk. I Gede Nyoman Mindra Jaya

1. Incidence Rate

: Jumlah kasus baru suatu penyakit dalam periode tertentu dibagi dengan total waktu pemajanan (person-time) dari populasi berisiko. Ukuran ini menggambarkan kecepatan munculnya kasus baru.

Dalam sebuah studi, ditemukan 8 kasus baru penyakit X dalam 1 tahun pada populasi 1200 orang. Karena ada migrasi dan kematian, total person-time yang berhasil dicatat adalah 1050 person-years.
Hitung Incidence Rate penyakit X dan nyatakan hasil dalam bentuk per 1000 person-years.

Rumus:\[ IR = \frac{\text{Kasus Baru}}{\text{Total Person-Time}} \]

Dengan Perhitungan Manual
Diketahui
- Kasus baru = 8 kasus
- Total Person-Time = 1050 person-years\[ IR = \frac{8}{1050} = \text{0.007619 per person-year} \]
atau 7.619 per 1000 person-years.

Dengan Menggunakan R

kasus_baru <- 8
person_time <- 1050
IR <- kasus_baru / person_time
IR_1000 <- IR * 1000
IR
## [1] 0.007619048
IR_1000 #hasil dalam bentuk per 1.000 person-years
## [1] 7.619048

Interpretasi
Angka insidensi penyakit X adalah 7.619 per 1000 person-years, artinya dari 1000 orang yang diikuti selama 1 tahun, rata-rata terdapat sebanyak 7–8 orang mengalami kasus baru penyakit X.


2. Cumulative Incidence

: Proporsi individu yang mengalami penyakit baru dalam suatu periode tertentu di antara populasi berisiko pada awal periode.
Menggambarkan risiko rata-rata terkena penyakit dalam periode tersebut.

Dalam sebuah penelitian kohort terhadap 500 orang sehat di awal periode, setelah 2 tahun pengamatan ditemukan 25 kasus baru hipertensi.
Hitung Cumulative Incidence dan bagaimana interpretasinya dalam konteks risiko?

Rumus:\[ CI = \frac{\text{Kasus Baru dalam Periode}}{\text{Populasi Berisiko Awal}} \]

Dengan Perhitungan Manual
Diketahui
- Populasi berisiko awal = 500 orang
- Kasus baru = 25 kasus
- Lama pengamatan = 2 tahun
\[ CI = \frac{25}{500} = 0.05 = \text{5%} \]

Dengan Menggunakan R

kasus_baru <- 25
populasi_berisiko <- 500
CI <- kasus_baru / populasi_berisiko
CI
## [1] 0.05

Interpretasi
Selama 2 tahun, risiko seseorang mengalami hipertensi adalah 5%, artinya dari setiap 100 orang sehat di awal, sekitar 5 orang akan terkena hipertensi.


3. Prevalensi

: Proporsi individu yang memiliki penyakit tertentu (kasus lama + baru) pada suatu titik waktu (point prevalence) atau periode tertentu (period prevalence). Menggambarkan beban penyakit pada populasi.

Pada survei kesehatan di kota berpenduduk 20000 orang, ditemukan 400 orang menderita diabetes pada saat survei dilakukan.
Hitung Prevalensi diabetes di kota tersebut dan apa makna angka tersebut dalam konteks kesehatan masyarakat?

Rumus:\[ P = \frac{\text{Kasus (Baru + Lama)}}{\text{Total Populasi}} \]

Dengan Perhitungan Manual
Diketahui
- Populasi = 20000 orang
- Total kasus = 400 orang
\[ P = \frac{400}{20000} = 0.02 = \text{2%} \]

Dengan Menggunakan R

total_kasus <- 400
populasi <- 20000
P <- total_kasus / populasi
P
## [1] 0.02

Interpretasi
Prevalensi diabetes di kota tersebut adalah 2%, artinya pada saat survei dilakukan terdapat 2 orang penderita diabetes dari setiap 100 penduduk.

4. Relative Risk dan Attributable Risk

Relative Risk (RR)

Perbandingan risiko penyakit antara kelompok yang terpapar dan kelompok yang tidak terpapar. RR hanya dapat dihitung pada studi kohort.

Attributable Risk (AR)/Risk Difference (RD)

Selisih risiko penyakit antara kelompok terpapar dan tidak terpapar. Menggambarkan beban absolut risiko yang diatribusikan pada paparan.

Data kohort:
- Dari 200 perokok, 40 orang menderita penyakit paru kronis.
- Dari 300 bukan perokok, 15 orang menderita penyakit paru kronis.
Tentukan cumulative incidence pada kelompok perokok dan bukan perokok, relative risk (RR), attributable risk (AR), dan interpretasikan hasilnya.

Cumulative Incidence
Rumus:\[ CI = \frac{\text{Kasus Baru dalam Periode}}{\text{Populasi Berisiko Awal}} \]

Dengan Perhitungan Manual
\[ CI_{perokok} = \frac{40}{200} = 0.20 = \text{20%} \]
\[ CI_{nonperokok} = \frac{15}{300} = 0.05 = \text{5%} \]

Dengan Menggunakan R

cases_perokok <- 40
N_perokok <- 200
cases_non <- 15
N_non <- 300

CI_perokok <- cases_perokok / N_perokok; CI_perokok
## [1] 0.2
CI_non <- cases_non / N_non; CI_non
## [1] 0.05

Relative Risk
Rumus:
\[ RR = \frac{CI_{exposed}}{CI_{unexposed}} \]
Dengan Perhitungan Manual
Diketahui sebelumnya nilai \(CI_{exposed} = CI_{perokok} = 0.2\) dan nilai \(CI_{unexposed} = CI_{nonperokok} = 0.05\).
\[ RR = \frac{0.2}{0.05} = 4 \]

Dengan Menggunakan R

RR <- CI_perokok / CI_non; RR
## [1] 4

Attributable Risk (AR)/Risk Difference (RD)
Rumus:
\[ AR = {CI_{exposed} -}{CI_{unexposed}} \]
Dengan Perhitungan Manual
Diketahui sebelumnya nilai \(CI_{exposed} = CI_{perokok} = 0.2\) dan nilai \(CI_{unexposed} = CI_{nonperokok} = 0.05\).
\[ AR = {0.2}-{0.05} = 0.15 \]

Dengan Menggunakan R

AR <- CI_perokok - CI_non; AR
## [1] 0.15

Interpretasi

5. Odds Ratio

: Perbandingan odds (peluang) terjadinya penyakit pada kelompok terpapar dibanding kelompok tidak terpapar. OR biasanya digunakan pada studi kasus-kontrol.

Penelitian kasus-kontrol memberikan data sebagai tertera di tabel 2x2 di bawah.
Hitung Odds Ratio (OR) dan apa makna hasil tersebut terkait hubungan paparan dengan penyakit?

Rumus:\[ OR = \frac{\frac{a}{b}}{{\frac{c}{d}}}=\frac{ad}{bc} \]

Dengan Perhitungan Manual
Diketahui
- Populasi berisiko awal = 500 orang
- Kasus baru = 25 kasus
- Lama pengamatan = 2 tahun
\[ OR = \frac{\frac{45}{30}}{{\frac{20}{55}}}=\frac{2475}{600}=4125 \]

Dengan Menggunakan R

a <- 45
b <- 30
c <- 20
d <- 55
OR <- (a * d) / (b * c)
OR
## [1] 4.125

Interpretasi
OR ≈ 4.125 → pada studi kasus-kontrol ini, subjek yang terpapar memiliki odds sekitar 4.125 kali lebih tinggi mengalami penyakit dibanding yang tidak terpapar. (Catatan: OR pada kasus-kontrol merupakan estimasi asosiasi; untuk penyakit yang jarang, OR ≈ RR.)

6. Case Fatality Rate

: Proporsi kasus suatu penyakit yang berakhir dengan kematian. Menggambarkan tingkat keparahan penyakit.

Pada suatu wabah, ditemukan 250 kasus dengan 10 di antaranya meninggal.
Hitung Case Fatality Rate (CFR) dan bagaimana interpretasi tingkat keparahan penyakit berdasarkan CFR tersebut?

Rumus:\[ CFR = \frac{\text{Jumlah kematian akibat penyakit)}}{\text{Jumlah kasus penyakit}}\text{x 100%} \]

Dengan Perhitungan Manual
Diketahui
- Jumlah kasus = 250 kasus
- Jumlah kematian = 10 orang
\[ CFR = \frac{10}{250}\text{x 100%}=\text{0.04 x 100% = 4%} \]

Dengan Menggunakan R

kematian <- 10
jumlah_kasus <- 250
CFR <- kematian / jumlah_kasus
CFR_percent <- CFR * 100
CFR; CFR_percent #dalam persen
## [1] 0.04
## [1] 4

Interpretasi
CFR = 4% → artinya dari 100 orang yang sakit, rata-rata 4 orang meninggal, angka ini menunjukkan bahwa penyakit tersebut memiliki tingkat keparahan yang relatif rendah sampai sedang.

Jadi, CFR 4% menunjukkan bahwa sebagian besar penderita dapat sembuh, tetapi tetap ada risiko kematian yang tidak bisa diabaikan. Dengan kata lain, penyakit ini tidak seberat Ebola (CFR bisa >50%) atau SARS (CFR ~10%), tapi lebih serius dibanding penyakit ringan dengan CFR <1%. (Sumber: Centres for Disease Control and Prevention)