UAS (komputer lanjut)

No	Perintah yang harus dikerjakan	Cara	HASIL LAPORAN
1.	Identiras Mahasiswa	Tulis nama dan NIM	Nama : Rinny anggraeni Nim : 102114341
2.	Pemilihan File : Bagi yang digit terakhir NIM nya ganjil pilih file Ganjil.rec dan digit terakhir NIM genap pilih file GENAP.rec	File yang dipilih adalah ganjil. Rec	Berdasarkan angka NIM terakhir saya, maka file yang akan diolah adalah GANJIL.
3.	Jalankan epidata, pilih menu export. Pilih file sesuai pilihan Anda (genap/ganjil) untuk dieksport ke SPSS. Setelah di export tutup epidata.	Buka epidata, export ganjil ke spss. Epidata ditutup kembali.	File hasil eksport Epidata ke SPSS berekstensi .sps dengan nama file Rinny anggraeni
4.	Jalankan spss dan buka file syntax yang dihasilkan oleh exporting Epidata, kemudian Run syntax tersebut. Setelah running selesai simpan file data spss tersebut dengan nama file Nama Anda sendiri (sesuai dengan nama di absensi )	Buka spss , open data, pilih Rinny anggraeni, lalu open syntax , edit, run all, lalu simpan dengan nama Rinny anggraeni	File syntax Rinny anggraeni  dieksport ke SPSS dan disimpan dengan nama Rinny anggraeni dan ekstensi .sav.
5.	Periksa file data yang dihasilkan meliputi jumlah semua field, jumlah record, jumlah field kategorik dan jumlah field numerik	Lihat di variabel view lalu hitung	File data [Rinny anggraeni] berisi 39 field dan 8390 record. Data kategorik sebanyak 19 field (sebelum dihapus ) dan data numerik sebanyak 20 field.

6. Simpan file syntax dengan nama yang sama dengan file data. Pastekan disini sintax tentang ADD VALUE LABELS variabel didik, kerja, pernah, ukurtb, fundus, tensi, tfe, tt, akseptor, ksepsi alasan, dan rencana

ADD VALUE LABELS didik 0'BH/SD' 2 'SLTP' 3 'SLTA' 4 'Perguruan Tinggi'.

ADD VALUE LABELS kerja 1'PNS' 2 'Swasta' 3 'wiraswasta' 4 'Pedagang' 5 'buruh' 6 'lain-lain'.

ADD VALUE LABELS pernah 1'pernah' 2 'tidak pernah'.

ADD VALUE LABELS ukurtb 0 'tidak' 1 'ya'.

ADD VALUE LABELS fundus 0 'tidak' 1 'ya'.

ADD VALUE LABELS tensi 0 'tidak' 1 'ya'.

ADD VALUE LABELS TT 0 'tidak' 1 'ya'.

ADD VALUE LABELS Tfe 0 'tidak' 1 'ya'.

ADD VALUE LABELS akseptor 0 'tidak' 1 'ya'.

ADD VALUE LABELS ksepsi 1 'IUD' 2 'Kondom' 3 'pil' 4 'susuk' 5 'lain-lain'.

ADD VALUE LABELS alasan 1 'masih ingin punya anak' 2 'dilarang suami' 3 'tidak sesuai dengan keyakinan' 4 'lain-lain'.

ADD VALUE LABELS rencana 1 'RSB/RSU' 2 'PKM/Pustu' 3 'Nakes/swasta' 4 'dukun' 5 'lain-lain'.

7.soal :                                              Periksa field pendidikan(didik). Jika ditemukan data yang missing atau jenis   kategori selain dari yang legal, delete record yang missing tersebut.

Cara mengerjakan :           Analyse – descriptive statistik – fekuensi – didik –ok Hapus data yang missing : data – sort case – didik ascending – ok Delete yang missing.

Hasil                                     Periksa field Pendidikan [didik] Catat disini jumlah record sebelum didelete 390 record dan sesudah didelete yang missing tersisa 8380 record

8.soal :           Periksa field kerja, jika ditemukan data missing delete smua record yang field [kerja] nya missing.

Cara :           Analyse – descriptive statistik – fekuensi – kerja –ok Hapus data yang missing : data – sort case – kerja ascending – ok. Delete yang missing.

Hasil :           Periksa field kerja umlah field sebelum kerja yg missing adalah 8380 dan setelah field erja dicleaning adalah 8378 record

9. soal :                       Lakukan cleaning data untuk variabel tekanan darah sistolik dengan batasan data yang sah (valid)nya adalah 100-300 mmHg, artinya record kurang dari 100 dan lebih dari 300 didelete.

Cara :                         Transform – recode into diffrent variabel – td sistolik - masukkan batasan 100 300 – continue – paste  Hapus data yang missing : data – sort case – TD sistolik ascending ok. Delete yang dibawah 100 dan di atas 300.

Hasil :                        Jumlah record sebelum di delete sistol yang missing adalah sebanyak 8378 record dan setelah dilakukan penghapusan field sistol yang missing tersisa 7127 record.

10. soal :        Lakukan hal yang sama dengan soal nomor 9 untuk variabel tekanan daarah diastolik [diastol] dengan batasan 60-150 mmHg.

Cara :             Transform – recode into diffrent variabel – td diastolik - masukkan batasan 60 – 150 – continue – paste  Hapus data yang missing : data – sort case – TD diastolik ascending – ok Delete yang dibawah 60 dan di atas 150.

Hasil :            Jumlah record sebelum di delete diastol yang missing adalah sebanyak 7127  record dan setelah dilakukan penghapusan field diastol yang missing tersisa 6956 record.

11. s Periksa kembali NIM Anda :
Catat angka 2 digit terakhir NIM Anda
Jika digit terakhir Anda adalah Ganjil, kerjakan soal nomor 12.a dan 12.b dan bila digit terakhir NIM Anda genap kerjakan soal nomor 13.a dan 13.b . Ganjil maka mengerjakan no 12 digit terakhir

- NIM saya adalah : 41

- 1 digit terakhir adalah : 1 Ganjil

12. a Sort field tinggi badan ibu [tb] dengan sort order
b Delete sebanyak 100 record dimulai dari recor 2 digit NIM Anda. Data – sort case – tb –ascending – ok

Delete dari 41 sampai 100

Jumlah record tersisa setelah di delete sebanya 100 recor mulai dari 2 digit NIM adalah 6856 record

14. Buat tabel distribusi frekuensi untuk variabel Pendidikan [didik] dan berikan komentar singkat ! Analyse – descriptive statistik – frekuensi – didik –ok.

Keterangan

1. ibu-ibu yang berpendidikan BH./SD sebanyak 195 dengan presentase 2.8
2. ibu-ibu yang berpendidikan SLTP sebanyak 714 dengan presentase 10.4
3. ibu-ibu yang berpendidika SLTA sebanyak 2961 dengan presentse 43.2
4. ibu-ibu yang berpendidikan Perguruan Tinggi sebanyak 2986 dengan presentase 43.6

15. soal :             Sederhanakan kategori pendidikan menjadi tinggi dan rendah, dimana pendidikan tinggi adalah SLTA ke atas.

Cara :                   Pastekan lebih duluu perintah transformasi ke syntax sebelum di OK kan atau sebelum di-run kemudian hitung distribusi frekuensi kategori pendidikan yang sudah disederhanakan tersbut. Pastekan disini syntax transformasi field didik, kemudian pastekan hasil distribusi frekuensinya di bawah syntax yang bersangkutan.

Hasil :                  Dari kategori pendidikan ibu memiliki tingkat pendidikan tinggi yaitu SMA ke atas sebanyak 5947 orang sedangkan ibu yang memiliki tingkat pendidikan rendah (SMA ke bawah) sebanyak 909 orang.

16. soal :       Lakukan cleaning data fiel kategorik lainnya seperti : darah, pernah, akseptor, alasan dan rencana seperti mengerjakan soal nomor 7 di atas Laporkan perubahan jumlah record sebelum dan sesudah melakukan cleaning masing untuk 5 field yang Anda cleaning.

 Cara :           Analyse – descriptivr statisric – frekuensi – darah – ok

Jika ada yang missing delete ( dengan melihat jumlah yang konsisten ), caranya data – sort case – darah – ascending – ok. Begitu juga dengan field pernah, akseptor, alasan, dan rencana.

Hasil :

Darah :

Data sebelum cleaning 6856 setelah di cleaning : 6852

a.       Pernah sebelum cleaning 6852 setelah di cleanig : 6851

b.      Akseptor sebelum dicleaning 6851 setelah di cleaning : 6845

c.       Alasan sebelum dicleaning 6845 setelah dicleaning : 6843

d.      Rencana sebelum di cleaning 6843 setelah di cleaning : 6789

17. Soal : Lakukan cleaning data lanjutan untuk field di bawah ini dengan batasan sbb :
- Kadar Hb : 6,0 - 17,5 mg/dl
- Tinggi badan 135,0 - 180 cm
- Berat Badan : 35,0 - 80,0 kg Laporkan perubahan data sebelum dan sesudah cleaning data 3 variabel tsb (Hb, TB dan BB). Jumlah record dibuat masing-masing field yang dicleaning.

 Caranya:
data – sort case – kadar Hb – ascending – ok, jika tidak sesuai ketentuan delete

data – sort case – TB – ascending – ok, jika tidak sesuai ketentuan delete

data – sort case – BB – ascending – ok, jika tidak sesuai ketentuan delete

hasil :

a. Hb

data sebelum dicleaning 6789  setelah di cleaning 6763

b. TB

data sebelum di cleaning 6763 setelah dicleaning 6760

c. BB

data sebelum di cleaning 6760, setelah di cleaning 6744

18. soal          : Lakukan langkah cleaning data terakhir untuk melihat konsistensi antar field yang saling berhubungan, yaitu antara pernah memeriksakan kehamilan [pernah] dengan frekuensi pemeriksaan kehamilan. Sampel yang pernah memeriksakan kehamilan frekuensinya minimal 1 dan tak boleh kosong. Sampel yang tak pernah memeriksakan kehamila maka frekuensi pemeriksaannya harus missing Tuliskan langkah-langkah melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan record yang terjadi (record inconsistensi harus didelete).

Caranya : - sort case field pernah memeriksakan kehamilan lalu dilihat secara manual jika filed pernah di isi angka 1 maka field frekuensi harus besar dari 1 . Apabila field pernah diisi angka 2, maka filed frekuensi pemeriksaan kehamilan harus missing. Apabila ditemukan hal yang demikian maka harus di delete.

Hasil : Jadi, data sebelum di cleaning 6744 setelah dicleaning 6580

19.sort case field pernah memeriksakan kehamilan lalu liat field 5T jika 2 berarti tidak pernah memriksakan kehamilan berarti 5T harus 0. Setelah itu frequensi kan 5T untuk mengetahui missing setelah dapat delete missing. Jadi, data sebelum di cleaning 6580 setelah di cleaning 6410.

20. sort case field akseptor lalu liat field nya jika 0 filed ksepsi, dan N5E harus kosong dan field alasan tidak berKB dan alasan lain tidak ber KB harus terisi. Jika 1 field ksepsinya maka alasan ksepsi harus ter isi. Jadi , data sebelum di cleaning 6410 setelah dicleaning 6300.

21. Pastekan semua syntax yang berhubungan dengan compute IMT dan pengkategoriannya disini, kemudia paste-kan output frekuensi kaegori IMT yang sudah Anda buat dengan disertai komentar seperlunya di bawah masing-masing tabel output.

COMPUTE IMTIbu = bb / ((tb / 100) * (tb / 100)) .

VARIABLE LABELS IMTIbu 'IMT Ibu Hamil' .

EXECUTE .

* Perhitungan IMT Anak.

COMPUTE IMTAnak = weight / ((height / 100) * (height / 100)) .

VARIABLE LABELS IMTAnak 'IMT Anak Balita' .

EXECUTE .

RECODE

  IMTIbu (Lowest thru 16.999=1)  (17.0 thru 18.499=2)  (27.001 thru Highest=5)  (25.001 thru 27.0=4)  (18.501 thru 25.001=3)  INTO

  imti5 .

VARIABLE LABELS imti5 'IMT Ibu Hamil'.

ADD VALUE LABELS imti5 1 'Sangat Kurus' 2 'Kurus' 3 'Normal' 4 'Gemuk' 5 'Obesitas'.

EXECUTE .

Hasil bisa dilihat di link

Komentar : Mayoritas IMT ibu normal yaitu sekitar 91,5%

RECODE IMTAnak (Lowest thru 18.4999=1) (18.5 thru 25.00=2) (25.01 thru Highest=3) INTO imt5a.

VARIABLE LABELS  imt5a 'kategori IMT anak'.

ADD VALUE LABELS imt5a 1 'kurus' 2 'normal' 3 'gemuk'.

EXECUTE

Hasil bisa dilihat di link

Komentar : sebanyak 75.7 % IMT anak dalah kurus

Analisa Bivariat

1.                  Tentukan variabel independen dan dependen sesuai dengan tujuan penelitian

2.                  Tentuka nama field dari variable tersebut

3.                  Tentukan apakah variable tersebut tergolong ke numerik atau kategorik

4.                  Tentukan uji yang harus dilakukan.

Apabiladata kategorik maka di lakukan uji chi-square dan HO pengujiannya. Apabila numerik dengan kategorik uji yang dilakukan uji anova, apabila numerik dan kategorik uji t-test, dan apabila keduanya numerik maka dilakukan uji korelasi.

a. Cara melakukan uji chi-square : klik analyze, pilih descriptif statistic, pilih crosstab. masukkan variablenya dan pilih statistik lalu ceklist chi-square.

b. Cara melakukan uji t-test : klik analyze, compare mean lalu klik independent sample t-test. pada test variable masukkan data numerik dan data kategorik serta tetapkan define group misalnya 1= tinggi 2 =rendah. lalu klik OK

c. Cara melakukan uji Anova : klik analyze, pilih omapre mean dan pilih  one-way Anova. masukkan variblenya dan jgan lupa klik post hoc untuk mengklik bafferoni dan klik OK.

5.                  Kalau salah satu varible merupakan variable numerik maka harus di lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK.

6.                   Lalu lihat hasil uji

7.                  Buat bahas dan buat kesimpulan serta bandingkan dengan penelitian terdahulu

A. Tujuan penelitian : untuk mengetahui hubungan antara pendidikan dengan pekerjaan yang dimiliki responden.

1. var independen       : pendidikan ibu

    Var dependen         : pekerjaan ibu

2. pendidikan ibu        : didik

    Pekerjaan ibu           : kerja

3. didik                        : kategorik

    Kerja                       : kategorik

4. uji statistik yang akan dilakukan adalah uji chi square dengan

HO : tidak ada hubungan antara tingkat pendidikan ibu dengan pekerjaan yang dimiliki ibu

Kesimpulan : 7.P<0.05 maka HO ditolak

“ ada hubungan antara tingkat pendidikan ibu dengan pekerjaan yang dimiliki”

B. Tujuan penelitian : untuk mengetahui hubungan antara pekerjaan ibu dengan kontrasepsi yang dipakai.

1. var independen       : pekerjaan ibu

    Var dependen         : kontrasepsi yang dipakai

2. pekerjaan ibu           : kerja

    Kontrasepsi yang dipakai    : ksepsi

3. kerja                        : kategorik

    ksepsi                      : kategorik

4. uji statistik yang akan dilakukan adalah uji chi square dengan

HO : Tidak ada hubungan antara pekerjaan ibu dengan kontrasepsi yang dipakai.

5. –

6.

7. kesimpulan  : P<0.05 maka HO ditolak

“ ada hubungan antara pekerjaan ibu dengan kontrasepsi yang dipakai.

C. Tujuan penelitian : untuk mengetahui hubungan antara pemberian tablet Fe dengan kadar hemoglobin dalam darah

1. var independen                               : pemberian tablet Fe

    Var dependen                                 : kadar hemoglobin dalam darah

2. pemberian tablet Fe                         : TFE

    Kadar hemoglobin dalam darah      : HB

3. TFE                                                 : kategorik

    HB                                                  : numerik

4. uji statistik yang akan dilakukan adalah uji T-Test dengan

HO :tidak perbedaan rata-rata proporsi ibu antara pemberian Fe dengan Kadar Hb

5. uji normality -à data berdistribusi TIDAK normal

7. Kesimpulan : data tidak normal sehingga tidak bisa dilanjutkan pengujian

D. Tujuan penelitian : untuk mengetahui hubungan antara pendidikan dengan frekuensi pemeriksaan kehamilan.

1. var independen                               : pendidikan

    Var dependen                                 : frekuensi pemeriksaan kehamilan

2. pendidikan                                     : didik

    Frekuensi pemeriksaan kehamilan   : kali

3. didik                                                : kategorik

    Frekuensi pemeriksaan kehamilan   : numerik

4. uji statistik yang akan dilakukan adalah uji Anova  dengan

HO :tidak  ada perbedaan rata-rata proporsi ibu antara berpendidikan (BH/ SD, SLTP, SMA, Perguruan Tinggi) dengan frekuensi kehamilan

5. uji normality : data berdistribusi normal

7. kesimpulan

P<0.005. HO di tolak. ada perbedaan rata-rata proporsi ibu antara berpendidikan (BH/ SD, SLTP, SMA, Perguruan Tinggi) dengan frekuensi kehamilan.

E. Tujuan penelitian : untuk mengetahui hubungan antara umur ibu dengan tekanan darah sistolik

1. var independen                               : umur ibu

    Var dependen                                 : tekanan darah sistolik

2. umur ibu                                          : umur

    Tekanan darah sistolik                    : sistol

3. umur                                                : numerik

    Sistol                                               : numerik

4. uji statistik yang akan digunakan uji  kolerasi spearman. Makin tinggi umur seseorang maikn tinggi tekanan darah sistoliknya. Ho pengujian Tidak Ada Korelasi antara umur ibu dengan tekanan darah sistoliknya

5. uji normality

7. kesimpulan : Nilai kolerasi 0.79. maka arah positif berkekuatan kuat. Maka dapat disimpulkan bahwa ada hubungan / kolerasi yang kuat antara umur ibu dengan tekanan darah sisitoliknya.

WHO ANTRO

SOAL : olah data ke WHO antro

Langkah-1       Save As dana SPSS ke format dbase IV
Langkah-2.      Buka WHO Anthro dan menggunakan menu Nutrional Survey baca data DBF, kemudian olah sesuai prosedur yang sudah dipelajari.
Langkah-3.      Pilih semua baris dan copy ke Clipboar dan pastekan di Excel. Edit nama field dan hal-hal lain yang perlu diedit, kemudian simpan ke format Excel 97-2003
Langkah-4.      Buka SPSS dan baca file yang berformat XLS, setelah terbaca simpan.
Langkah-5.      Lakukan transformasi data untuk membuat klasifikasi status gizi 3 indeks yang tersedia datanya (BB/TB, TB/U dan BB/U). Langkah ini bisa dipersingkat dengan me-run syntax yang sudah didapatkan sewaktu kuliah. Hitung prevalensi status gizi dengan perintag frequencies dan pastekan hasilnya di lembar jawab bersamaan dengan jawaban soal-soal di atas
Langkah-6.      Hitung prevalensi sifat masalah gizi (akut&kronis, kronis, akut, dan normal). Cara tersepat melakukannya adalah me-run syntax yang dihasilkan pada praktek dalam perkuliahan. Hasil prevalensinya dipastekan di sini

Hasil Kerja Who Antro

1.      Klasifikasi status gizi menurut BB/TB :

dari hasil dapat dilihat bahwa sebanyak 21.3 % anak berstatus Sangat kurus dan 22,6% anak berstatus gemuk. prevalensi anak berstatus Gizi normal yaitu sebanyak 49,7 %.

2.      Klasifikasi status gizi menurut TB/U :

dari hasil dapat dilihat sebanyak 24.3 % anak berstatus sangat pendek dan hanya 18.2% anak berstatus tinggi. sedangkan prevalensi anak berstatus normal sebanyak 49.8%.

3.      Klasifikasi status gizi menurut BB/U :

dari hasil dapat dilihat sebanyak 21.5 % anak berstatus gizi buruk dan lebih dari seaparuh anak berstatus gizi baik yaitu sebanyak 56.8 %.

4.      Akut dan Kronis :

dari hasil dapat dilihat hanya 9.4 % anak yang dinyatakan menderita kekurangan gizi akut dan kronis dan lebih dari separuh anak berstatus gizi normal yaitu sebanyak 56.7 %.

 lihat selengkapnya...