# Pentingnya Validasi Data Mutu PMKP: Mencegah Bias dan Manipulasi Data dalam Pelaporan Akreditasi - Link: https://legawa.com/obrolan-kesehatan/pentingnya-validasi-data-mutu-pmkp-mencegah-bias-dan-manipulasi-data-dalam-pelaporan-akreditasi/ - Published: 2026-10-23T06:46:47+07:00 - Author: Cahya Validasi data mutu rumah sakit sering kali menghadapi manipulasi yang tidak terdeteksi melalui protokol konvensional, seperti pencatatan waktu yang dimundurkan atau pemilihan sampel yang bias. Pola manipulasi ini terjadi pada empat kategori indikator utama: observasi langsung, pencatatan waktu, penentuan denominator, dan dokumentasi retrospektif. Studi internasional menunjukkan bahwa manipulasi muncul akibat kurangnya verifikasi independen dan tekanan pencapaian target, bukan sekadar kesalahan prosedural. Untuk meningkatkan akurasi, diperlukan penguatan protokol validasi, seperti rotasi validator antarunit, penggunaan data elektronik yang tidak dapat diubah, dan sistem pelaporan yang aman bagi staf. Validasi yang efektif harus lebih dari sekadar prosedur administratif, melainkan upaya memastikan data yang dilaporkan mencerminkan kondisi pelayanan yang sebenarnya. Seorang validator dari Komite Mutu duduk membandingkan dua kolom angka. Kolom pertama adalah laporan bulanan dari unit kamar operasi: waktu tanggap operasi seksio sesarea( SC) kategori _emergency_ tercapai 92 persen, jauh di atas target 80 persen. Kolom kedua adalah hasil pengambilan sampel ulang yang ia lakukan sendiri terhadap sepuluh rekam medis yang sama. Angkanya berbeda — bukan karena kesalahan hitung, melainkan karena waktu “keputusan operasi” yang dicatat unit ternyata beberapa kali dicatat mundur beberapa menit dari waktu sebenarnya, cukup untuk membuat kasus yang sedikit melebihi 30 menit tampak memenuhi target. Artikel ini adalah pendalaman dari Bab III _[Pedoman Analisis Mutu Rumah Sakit](https://legawa.com/2026/02/12/pedoman-analisis-mutu-rumah-sakit/)_ yang telah memuat protokol validasi data secara teknis — kondisi wajib validasi, metodologi _sampling_, rumus akurasi, dan ambang interpretasi ≥90%. Di sini, kita masuk lebih dalam ke pertanyaan yang lebih sulit: **bagaimana wujud konkret manipulasi data pada masing-masing jenis indikator, dan pada titik mana protokol validasi konvensional bisa menangkap — atau justru gagal menangkap — pola tersebut?** Pembahasan ini melengkapi, bukan mengulang, kerangka konseptual _Goodhart’s law_ yang telah dibahas dalam artikel_ [Angka Hijau di Dashboard](https://legawa.com/2026/05/14/angka-hijau-di-dashboard-pasien-belum-tentu-lebih-aman-paradoks-indikator-mutu-rumah-sakit/)_. ## Mengapa Independensi Verifikasi adalah Inti Masalah Penelitian mendalam terhadap penerapan target waktu tunggu di unit gawat darurat Selandia Baru menemukan dua pola manipulasi yang konsisten di seluruh rumah sakit yang diteliti: _“clock-stopping”_ (menghentikan pencatatan waktu lebih awal dari kondisi sebenarnya) dan _“decanting”_ pasien ke ruang observasi sementara agar tidak tercatat melewati batas waktu target (Tenbensel et al., 2020). Temuan paling penting dari studi tersebut bukan sekadar deskripsi taktiknya, melainkan akar penyebabnya: peluang untuk melakukan manipulasi ini muncul karena tidak adanya verifikasi independen terhadap data lama tinggal di unit gawat darurat, dan manipulasi tersebut dapat diminimalkan melalui verifikasi independen atau dengan memantau dan membatasi sarana serta motivasi untuk memanipulasi data (Tenbensel et al., 2020). Prinsip ini berlaku universal, termasuk pada indikator mutu rumah sakit di Indonesia. Protokol validasi dua lapis (_first abstractor_ dan _second abstractor_) yang telah dijelaskan pada Bab III _Pedoman Analisis Mutu Rumah Sakit_ sesungguhnya adalah wujud dari prinsip independensi verifikasi ini. Namun independensi hanya efektif jika validator benar-benar terpisah dari tekanan yang sama dengan pengumpul data pertama — sebuah nuansa yang mudah terlewat dalam praktik sehari-hari. ## Pola Manipulasi per Kategori Indikator ### Indikator Berbasis Observasi Langsung Kepatuhan kebersihan tangan, kepatuhan penggunaan APD, dan kepatuhan identifikasi pasien diukur melalui observasi langsung oleh _petugas pengumpul data_ di lapangan. Kerentanannya bersifat ganda. Pertama, _efek Hawthorne_ — kecenderungan staf berperilaku lebih patuh ketika mereka sadar sedang diamati — membuat angka observasi cenderung lebih baik dari perilaku sesungguhnya sehari-hari. Kedua, dan lebih problematik, adalah kecenderungan observer memilih waktu dan lokasi observasi yang dapat diprediksi staf (misalnya selalu pagi hari di ruang yang sama), sehingga capaian yang dilaporkan mencerminkan kondisi “saat diawasi”, bukan kondisi rutin. Validasi konvensional dengan _second abstractor_ yang mengamati sampel ulang secara acak dapat mendeteksi inkonsistensi antarobserver, tetapi tidak serta-merta mendeteksi bias jadwal observasi jika validator kedua menggunakan jadwal yang sama-sama dapat diprediksi. Penguatan yang diperlukan: jadwal observasi acak dan tidak diumumkan( _unannounced, randomized timing_), mencakup shift malam dan akhir pekan yang selama ini kerap luput dari observasi rutin. ### Indikator Berbasis Waktu (_Timestamp_) Waktu tanggap operasi SC _emergency_, kepatuhan waktu visite DPJP, dan waktu tunggu rawat jalan adalah kelompok indikator paling rentan terhadap manipulasi _timestamp_— sebagaimana ditunjukkan oleh pola “_clock-stopping_” di atas. Bentuk konkretnya di rumah sakit Indonesia bisa berupa: mencatat waktu keputusan operasi lebih lambat dari waktu sesungguhnya agar interval hingga insisi tampak lebih pendek, atau mencatat waktu visite dokter berdasarkan jadwal seharusnya, bukan waktu kedatangan aktual di bangsal. Penelitian tentang target waktu tunggu di Inggris juga mendokumentasikan fenomena _“digit preference bias”_ — kecenderungan angka waktu yang dicatat berkumpul secara tidak wajar tepat di bawah ambang target, pola yang sulit dijelaskan secara statistik kecuali sebagai indikasi penyesuaian angka (Locker & Mason, sebagaimana dikutip dalam Tenbensel et al., 2020). Ini adalah titik paling lemah dari validasi berbasis sampel ulang manual: jika validator kedua hanya membandingkan catatan tertulis unit dengan catatannya sendiri yang juga bersumber dari laporan lisan staf yang sama, keduanya bisa “kompak” secara tidak sengaja pada angka yang sama-sama sudah bergeser. Sumber data yang benar-benar independen dibutuhkan di sini — misalnya _log_ elektronik SIMRS/Rekam Medis Elektronik (RME) yang mencatat waktu entri sistem secara otomatis, atau catatan digital kamar operasi yang tidak dapat diedit surut. Membandingkan waktu yang dilaporkan unit dengan _audit trail_ sistem yang tidak dapat dimodifikasi adalah bentuk validasi yang jauh lebih tangguh dibanding sekadar sampel ulang manual. ### Indikator Berbasis Denominator dan Kriteria Eksklusi Kepatuhan terhadap alur klinis (_clinical pathway_) dan kepuasan pasien rentan dimanipulasi bukan pada pembilang (_numerator_), melainkan pada penyebut (_denominator_) — yaitu siapa saja yang dimasukkan ke dalam populasi yang diukur. Kasus yang kompleks atau berisiko tinggi gagal memenuhi standar dapat “dikecualikan” dari perhitungan dengan alasan teknis yang tampak sah, sehingga capaian keseluruhan tampak lebih baik dari kenyataan. Pada survei kepuasan pasien, pola serupa muncul ketika kuesioner hanya disodorkan kepada pasien yang tampak puas atau yang sudah dekat dengan petugas, sementara pasien dengan keluhan tidak “kebetulan” tersurvei. Validasi terhadap jenis manipulasi ini menuntut pendekatan berbeda dari sekadar sampel ulang: validator perlu membandingkan **total populasi awal** (jumlah pasien/ kasus riil di unit tersebut berdasarkan data administrasi independen, misalnya data pendaftaran atau data klaim) dengan jumlah yang dilaporkan sebagai populasi terukur oleh unit. Selisih yang tidak dapat dijelaskan antara keduanya adalah sinyal kuat adanya eksklusi yang tidak sah. ### Indikator Berbasis Dokumentasi Retrospektif Pelaporan hasil kritis laboratorium dan asesmen ulang risiko jatuh pasien sering diisi dalam rekam medis setelah tindakan sesungguhnya dilakukan — kadang bahkan setelah insiden terjadi, sebagai bentuk dokumentasi defensif. Karena dokumentasi manual sulit dibedakan waktunya secara kasat mata, jenis manipulasi ini paling sulit dideteksi lewat validasi konvensional yang hanya membaca isi rekam medis. Sistem RME dengan pencatatan waktu entri otomatis (bukan waktu yang diketik manual oleh staf) memberi jejak audit yang jauh lebih andal untuk kasus semacam ini. Ketika rumah sakit masih menggunakan rekam medis kertas, kombinasi antara pencocokan silang dengan sistem lain (misalnya waktu hasil laboratorium keluar dari alat versus waktu pelaporan yang dicatat) menjadi satu-satunya cara realistis untuk mendeteksi ketidaksesuaian. ## Memperkuat Protokol Validasi yang Sudah Ada Empat pola di atas menunjukkan bahwa protokol validasi baku — sampel acak, perbandingan _first_ dan _second abstractor_, ambang akurasi 90 persen — adalah fondasi yang perlu, tetapi belum cukup, untuk mencegah manipulasi yang lebih sistemik dan berulang alih-alih insidental. Tiga penguatan berikut layak dipertimbangkan Komite Mutu: **Rotasi validator lintas unit.** Validator sebaiknya tidak berasal dari unit yang sama dengan pengumpul data pertama, dan idealnya dirotasi antarunit secara berkala agar tidak terbentuk “kesepakatan tidak tertulis” antara pengumpul dan validator dari lingkungan kerja yang sama. **Triangulasi dengan sumber data independen.** Untuk indikator berbasis waktu dan dokumentasi, prioritaskan sumber data elektronik yang tidak dapat diubah surut ( _audit trail_ SIMRS/RME) dibanding laporan manual unit sebagai pembanding utama, bukan sekadar pelengkap. **Budaya psikologis yang aman untuk melapor.** Sebagaimana ditegaskan STARKES melalui prinsip _just culture_, manipulasi data sering kali bukan inisiatif individu semata, melainkan respons terhadap tekanan pencapaian target dari atasan. Sistem pelaporan tanpa risiko sanksi bagi staf yang melihat kejanggalan data — termasuk staf junior atau petugas kontrak — perlu ada di luar jalur pelaporan formal indikator. ## Penutup Validasi data mutu bukan sekadar prosedur administratif menjelang survei akreditasi, melainkan garda pertama menjaga agar apa yang tampil di _dashboard_ benar-benar mencerminkan realitas pelayanan. Memahami pola manipulasi spesifik pada setiap jenis indikator — observasi, waktu, denominator, dan dokumentasi retrospektif — memungkinkan Komite Mutu merancang validasi yang tepat sasaran, bukan sekadar mengikuti tabel sampling secara mekanis tanpa memahami apa yang sesungguhnya ingin dicegah. --- **Catatan transparansi:** Uraian tentang pola gaming pada target waktu (_clock-stopping_, _digit preference bias_) merujuk pada literatur internasional yang diteliti di Selandia Baru dan Inggris; belum ditemukan studi terpublikasi yang secara khusus mendokumentasikan pola serupa pada indikator INM/IMP-RS di rumah sakit Indonesia, sehingga penerapannya pada konteks lokal bersifat analogi yang masuk akal, bukan temuan empiris langsung. Vignette pembuka adalah ilustrasi umum, bukan kasus rumah sakit tertentu. Artikel ini mengasumsikan pembaca telah membaca protokol validasi teknis pada _Pedoman Analisis Mutu Rumah Sakit_ sebagai rujukan dasar. **Ringkasan:** Validasi data mutu PMKP kerap diperlakukan sebagai prosedur administratif semata. Artikel ini membedah pola manipulasi konkret pada empat kategori indikator— observasi, waktu, denominator, dan dokumentasi retrospektif — merujuk temuan gaming internasional, serta menawarkan penguatan protokol validasi: rotasi validator, triangulasi data elektronik independen, dan budaya pelaporan yang aman secara psikologis. ## Daftar Pustaka Kementerian Kesehatan Republik Indonesia. (2024). _Keputusan Menteri Kesehatan Nomor HK.01.07/MENKES/1596/2024 tentang Standar Akreditasi Rumah Sakit_. Lampiran Standar TKRS 13 (Budaya Keselamatan dan _Just Culture_). Legawa, C. (2026, Februari 12). _Pedoman analisis mutu rumah sakit_. Bhyllabus l’énigme. [https://legawa.com/2026/02/12/pedoman-analisis-mutu-rumah-sakit/](https://legawa.com/2026/02/12/pedoman-analisis-mutu-rumah-sakit/) Legawa, C. (2026, Mei 14). _Angka hijau di dashboard, pasien belum tentu lebih aman: Paradoks indikator mutu rumah sakit_. Bhyllabus l’énigme. [https://legawa.com/2026/05/14/angka-hijau-di-dashboard-pasien-belum-tentu-lebih-aman-paradoks-indikator-mutu-rumah-sakit/](https://legawa.com/2026/05/14/angka-hijau-di-dashboard-pasien-belum-tentu-lebih-aman-paradoks-indikator-mutu-rumah-sakit/) Radnor, Z. (2008). Muddled, massaging, manoeuvring or manipulated? A typology of organisational gaming. _International Journal of Productivity and Performance Management, 57_(4), 316–328. [https://doi.org/10.1108/17410400810867526](https://doi.org/10.1108/17410400810867526) Tenbensel, T., Jones, P., Chalmers, L. M., Ameratunga, S., & Carswell, P. (2020). Gaming New Zealand’s emergency department target: How and why did it vary over time and between organisations? _International Journal of Health Policy and Management, 9_(4), 152–162. [https://doi.org/10.15171/ijhpm.2019.98](https://doi.org/10.15171/ijhpm.2019.98)