Ada pemandangan yang sangat familiar di ruang rapat komite mutu rumah sakit: sebuah dashboard penuh angka-angka berwarna hijau. Kepatuhan cuci tangan 98%. Kelengkapan pengisian rekam medis 100%. Angka kejadian flebitis 0,1%. Semua terlihat sangat baik. Semua memenuhi target. Namun di bangsal yang sama, seorang pasien baru saja mengalami keterlambatan diagnosis yang seharusnya bisa dihindari — dan kejadian itu tidak tercermin dalam satu pun angka di dashboard tersebut.
Ini bukan kisah tentang kegagalan mengumpulkan data. Ini adalah kisah tentang kegagalan memilih data yang tepat untuk dikumpulkan.
Ketika Ukuran Menjadi Tujuan
Ekonom Inggris Charles Goodhart pernah mengamati sebuah pola yang berulang dalam sistem kompleks: ketika sebuah ukuran dijadikan target, ia berhenti menjadi ukuran yang baik. Hukum Goodhart, demikian ia dikenal, menggambarkan bagaimana tekanan untuk memenuhi angka tertentu secara sistematis mengubah perilaku organisasi — tidak selalu ke arah perbaikan yang sesungguhnya, tetapi ke arah optimasi angka itu sendiri (Goodhart, 1975, sebagaimana dikutip dalam Wikipedia, 2026).
Di layanan kesehatan, fenomena ini mengambil wujud yang sangat nyata. Sebuah analisis tentang penerapan metric fixation di layanan kesehatan menemukan pola yang konsisten: rumah sakit yang berada di bawah tekanan untuk memenuhi target tertentu cenderung mengembangkan strategi yang mengoptimalkan penampakan metrik alih-alih realitas yang ingin diukur oleh metrik tersebut. Contoh paling gamblang adalah manipulasi data waktu tunggu: kasus-kasus mudah diprioritaskan untuk mengejar target, sementara kasus-kasus kompleks diabaikan (Muller, sebagaimana dikutip dalam NN/G, 2023).
Dalam konteks rumah sakit Indonesia, tekanan serupa hadir dalam bentuk yang lebih halus: ketika indikator mutu prioritas unit (IMP-Unit) dipilih tidak berdasarkan apa yang paling bermakna bagi pasien di unit tersebut, melainkan berdasarkan apa yang paling mudah diukur, paling mudah mencapai target, dan paling aman untuk dilaporkan kepada direksi.
Tiga Jenis Indikator dan Mengapa Keseimbangannya Penting
Untuk memahami masalah ini secara mendasar, perlu sedikit berkenalan dengan kerangka klasik Donabedian — seorang dokter dan akademisi Amerika keturunan Armenia yang berjasa meletakkan fondasi ilmiah pengukuran mutu layanan kesehatan. Donabedian membagi indikator mutu ke dalam tiga kategori: indikator struktur (sumber daya yang tersedia, seperti rasio tenaga perawat terhadap pasien), indikator proses (apa yang dilakukan, seperti proporsi pasien yang menerima antibiotik profilaksis sebelum operasi), dan indikator luaran atau outcome (dampak terhadap pasien, seperti angka infeksi luka operasi atau angka kematian maternal) (Donabedian, 2005, sebagaimana dikutip dalam Mutu Pelayanan Kesehatan, 2022).
Ketiga jenis indikator ini idealnya digunakan secara seimbang dan saling melengkapi. Indikator proses lebih mudah diukur dan lebih cepat memberikan umpan balik, sementara indikator outcome lebih bermakna secara klinis namun lebih sulit dikumpulkan dan lebih banyak dipengaruhi oleh faktor konfounding. Dalam praktiknya, ada kecenderungan kuat untuk terlalu mengandalkan indikator proses karena lebih mudah dikelola — dan inilah sumber masalah pertama.
Sebuah studi di Belanda yang menganalisis korelasi antara indikator proses dan struktur yang dilaporkan secara publik dengan indikator outcome yang sesungguhnya menemukan bahwa asumsi bahwa indikator proses merupakan proksi yang valid untuk outcome tidak selalu terbukti dalam data nyata. Studi itu menyimpulkan bahwa penggunaan indikator proses yang dominan dalam pelaporan publik memiliki implikasi penting: pasien dan pemangku kepentingan lainnya seringkali membuat keputusan berdasarkan informasi yang tidak mencerminkan hasil klinis yang sesungguhnya (Eijkenaar & Nossent, 2021).
Dua Jebakan Utama dalam Pemilihan Indikator
Masalah metric fixation di rumah sakit biasanya bersumber dari dua jebakan yang saling berkaitan.
Jebakan pertama adalah memilih indikator karena mudah, bukan karena bermakna. Ini adalah jebakan paling umum. Angka kepatuhan cuci tangan mudah diaudit — cukup tempatkan satu observer di lorong bangsal dan hitung. Angka kelengkapan pengisian formulir mudah dihitung dari spreadsheet. Angka ketepatan waktu distribusi obat mudah dilacak dari catatan farmasi. Semuanya nyaman: numerator dan denominatornya jelas, datanya bisa dikumpulkan tanpa terlalu mengganggu alur kerja, dan targetnya bisa dicapai dengan sedikit intervensi administratif.
Sebaliknya, indikator yang paling bermakna bagi pasien — seperti angka readmission 30 hari, angka healthcare-associated infections yang terverifikasi, atau ketepatan diagnosis pada presentasi awal — jauh lebih sulit diukur, lebih sulit mencapai angka yang “cantik”, dan lebih rentan mengekspos masalah sistemik yang tidak nyaman untuk dilaporkan. Maka, secara tidak sadar, mereka dihindari.
Sebuah studi multiple case study tentang proses pemilihan indikator kinerja di rumah sakit menemukan bahwa elemen yang paling sering absen dalam proses tersebut adalah penggunaan kriteria seleksi berbasis bukti, pertimbangan apakah indikator tersebut mengukur struktur, proses, atau outcome, serta keterlibatan manajer lini pertama dalam proses pemilihan. Tanpa keterlibatan orang-orang yang bekerja di “lantai” dalam menentukan apa yang diukur, ada risiko besar bahwa indikator yang dipilih hanya mencerminkan prioritas pelaporan eksternal — bukan realitas operasional yang perlu diperbaiki (Choudhury et al., 2024).
Jebakan kedua adalah memisahkan pengukuran dari penggunaan. Sebuah studi di Iran tentang penggunaan indikator mutu oleh staf rumah sakit menemukan bahwa meskipun rata-rata 69% responden melaporkan menggunakan indikator mutu dalam praktiknya, penggunaan tersebut lebih banyak diarahkan untuk keperluan akuntabilitas eksternal daripada untuk perbaikan internal. Indikator klinis proses dan efektivitas justru menjadi yang paling jarang digunakan, padahal secara logis merekalah yang paling relevan untuk improvement nyata (Ajam et al., 2014).
Ini mencerminkan distorsi yang serius: indikator dikumpulkan untuk dilaporkan, bukan untuk belajar. Data diolah untuk menghasilkan angka bagi atasan atau penilai akreditasi, bukan untuk memahami apa yang sesungguhnya terjadi di unit layanan.
Kriteria yang Sering Dilupakan dalam Pemilihan IMN dan IMP
Kementerian Kesehatan RI sebenarnya telah menetapkan kriteria yang cukup komprehensif untuk pemilihan Indikator Nasional Mutu (INM), mengacu pada Handbook for National Quality Policy and Strategy WHO yang meliputi keselarasan dengan program prioritas nasional, besaran dampak, basis bukti, defensibility, feasibilitas, akurasi data, actionability, dan kemampuan komparasi antara fasilitas (Endradita, 2022). Kriteria-kriteria ini, jika diaplikasikan dengan serius pada pemilihan IMP-RS dan IMP-Unit, seharusnya menghasilkan set indikator yang jauh lebih bermakna.
Namun dalam praktiknya, kriteria actionability — apakah perubahan perilaku atau sistem dapat benar-benar memperbaiki capaian indikator tersebut — dan besaran dampak sering kali diabaikan demi kriteria feasibilitas yang lebih mudah dipenuhi. Rumah sakit memilih indikator yang bisa dicapai, bukan indikator yang perlu diperbaiki.
Indikator yang Bermakna, Bukan Indikator yang Nyaman
Pergeseran dari indikator yang nyaman ke indikator yang bermakna bukan berarti membuang semua indikator proses dan menggantinya dengan outcome yang sulit diukur. Kerangka Donabedian justru mengajarkan bahwa keduanya dibutuhkan — tetapi dengan kesadaran penuh tentang apa yang masing-masing mampu dan tidak mampu cerminkan.
Beberapa pertanyaan panduan yang berguna saat memilih atau mengevaluasi indikator unit adalah: apakah perubahan angka ini akan mencerminkan perubahan nyata dalam pengalaman atau keselamatan pasien? Apakah tim lini pertama merasa bahwa indikator ini relevan dengan tantangan nyata yang mereka hadapi setiap hari? Apakah ada risiko bahwa tim akan mengoptimalkan angka ini dengan cara yang tidak meningkatkan, atau bahkan memperburuk, mutu pelayanan sesungguhnya?
Pertanyaan terakhir itulah yang paling sering tidak diajukan — dan paling sering menghasilkan dashboard penuh angka hijau yang tidak berkorelasi dengan keselamatan pasien yang sesungguhnya.
Mengukur mutu itu penting. Tetapi mengukur hal yang salah dengan sangat teliti hanyalah ilusi akurasi. Dan dalam layanan kesehatan, ilusi yang meyakinkan lebih berbahaya daripada ketidakpastian yang jujur.
Referensi
Ajam, M., Sadeghifar, J., Anjomshoa, M., Mahmoudi, S., Honarvar, H., & Mousavi, S. M. (2014). Using quality measures for quality improvement: The perspective of hospital staff. PMC — PubMed Central. https://pmc.ncbi.nlm.nih.gov/articles/PMC3900447/
Choudhury, N., et al. (2024). Multiple case study of processes used by hospitals to select performance indicators: Do they align with best practices? PMC — PubMed Central. https://pmc.ncbi.nlm.nih.gov/articles/PMC10915788/
Donabedian, A. (2005). Evaluating the quality of medical care. The Milbank Quarterly, 83(4), 691–729. https://doi.org/10.1111/j.1468-0009.2005.00397.x
Eijkenaar, F., & Nossent, G. (2021). On the correlation between outcome indicators and the structure and process indicators used to proxy them in public health care reporting. PMC — PubMed Central. https://pmc.ncbi.nlm.nih.gov/articles/PMC8526472/
Endradita, G. (2022). Indikator mutu nasional rumah sakit di Indonesia. https://galihendradita.wordpress.com/2021/12/19/indikator-mutu-nasional/
Goodhart, C. (1975). Problems of monetary management: The UK experience. Papers in Monetary Economics. Reserve Bank of Australia. [Sebagaimana dikutip dalam Wikipedia (2026). Goodhart’s law. https://en.wikipedia.org/wiki/Goodhart’s_law%5D
Kementerian Kesehatan Republik Indonesia. (2022). Keputusan Menteri Kesehatan Nomor HK.01.07/MENKES/1128/2022 tentang Standar Akreditasi Rumah Sakit (STARKES). Kemenkes RI.
Muller, J. Z. (2018). The tyranny of metrics. Princeton University Press. [Sebagaimana dikutip dalam Nielsen Norman Group (2023). Campbell’s law: The dark side of metric fixation. https://www.nngroup.com/articles/campbells-law/%5D
World Health Organization. (2018). Handbook for national quality policy and strategy: A practical approach for developing policy and strategy to improve quality of care. WHO.
Bhyllabus l'énigme 
Tinggalkan komentar