Pengolahan Data Menggunakan Software SPSS dan WHO ANTRO

No	Perintah yang harus dikerjakan	Hasil yang harus ditulis di laporan
1	Identitas Mahasiswa	Nama : Welda Aftri Dewi Nim : 102114353
2	Pemilihan File :	Berdasarkan angka NIM terakhir saya, maka data yang akan diolah adalah : Ganjil
3	Jalankan Epidata, pilih menu Export. Pilih file sesuai pilihan Anda (gebap/ganjil) untuk dieksport ke SPSS. Setelah dieksport, tutup Epidata	File hasil export data berekstensi.sps. Dengan nama file “GANJIL”
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 nama di absensi)	File syntax “GANJIL”.Diexport ke SPSS dan disimpan dengan nama “Welda Aftri Dewi”dan ekstensi .sav.
5	Periksa file data yang dihasilkan meliputi jumlah field, jumlah record, jumlah field berkarakteristik dana kategorik dan jumlah field barkarakteristik numerik	File data (file) 39 field dan 8390 record. Data kategorik sebanyak 26 field dan data numerik 13 field .
6	Buat sebuah file syntax dan isi pertama kali dengan variable labels dan value label data kategorik. Draft variable labels bisa dicopy dari syntax export file dari Epidata.	1.      * Pembuatan Value Labels. *.................................................................. 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/T/N' 6 'Lain2' . ADD VALUE LABELS pernah 1 'Ya' 2 'Tidak' . 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 tfe 0 'Tidak' 1 'Ya' . ADD VALUE LABELS tt 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 'Lain2' . ADD VALUE LABELS alasan  1 'Masih ingin punya anak' 2 'Dilarang suami' 3 'Tidak sesuai keyakinan' 4 'Lain2' . ADD VALUE LABELS rencana 1 'RS/RSB' 2 'PKMi' 3 'Nakes' 4 'Dukun' 5 'Lain2' .
7	Periksa field Pendidikan [didik]. Jika ditemukan data yang missing atau jenis kategori selain dari yg legal, delete record yg missing tersebut	Jumlah record sebelum didelete 8390 record dan sesudah didelete yang missing 8380 record.
8	Periksa field kerja, jika ditemukan data missing delete smua record yang field [kerja] nya missing	Jumlah field sebelum kerja yg missing adalah 8380 dan setelah field kerja dicleaning adalah8378 record.
9	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	Jumlah record sebelum di delete sistol yang missing adalah sebanyak 8378 record dan setelah dilakukan penghapusan field sistol yang missing tersisa 7127 record.
10	Lakukan hal yang sama dengan soal nomor 9 untuk variabel tekanan daarah diastolik [diastol] dengan batasan 60-150 mmHg	Jumlah record sebelum di delete diastol yang missing adalah sebanyak 7127 record dan setelah dilakukan penghapusan field diastol yang missing tersisa 6956 record.
11	Periksa kembali NIM Anda : Catat angka 2 digit terakhir NIM Andan 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	2 digit terakhir NIM saya adalah : 53 1        digit terakhir adalah : ___3_____ Ganjil
12	Sort field berat badan ibu [bb] dengan sort order decending	Jumlah record tersisa setelah di delete sebanya 100 recor mulai dari 2 digit NIM     adalah 6856 record
13	Delete sebanyak 100 record dimulai dari recor 2 digit NIM Anda
14	Buat tabel distribusi frekuensi untuk variabel Pendidikan [didik] dan berikan komentar singkat !	Berdasarkan data diatas ternyata pendidikan ibu responden frekuensi terbanyak adalah perguruan tinggi.Yaitu sekitar 43.7 % ibu responden adalah tamatan perguruan tinggi. Sementara pendidikan terendah ibu responden adalah tamatan BH/SD yang mana frekuensinya adalah sebesar 2.7 %.
15	Sederhanakan kategori pendidikan menjadi tinggi dan rendah, dimana pendidikan tinggi adalah SLTA ke atas. 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.	Berdasarkan data diatas maka dapat disimpulkan bahwa pendidikan ibu responden yang rendah adalah sebesar 12.9 %. Sementara pendidikan ibu responden yang tergolong tinggi sebesar 87.1 %.
16	Lakukan cleaning data fiel kategorik lainnya seperti : darah, pernah, akseptor, alasan dan rencana seperti mengerjakan soal nomor 7 di atas	Jumlah record sebelum didelete 6856 record dan sesudah didelete yang missing 6852 record ( darah ). Jumlah record sebelum didelete 6852 record dan sesudah didelete yang missing 6851 record (pernah). Jumlah record sebelum didelete 6851 record dan sesudah didelete yang missing 6845 record ( akseptor). Jumlah record sebelum didelete 6845 record dan sesudah didelete yang missing 6724 record ( alasan ). Jumlah record sebelum didelete 6724 record dan sesudah didelete yang missing 6668 record ( rencana).
17	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	Jumlah record sebelum didelete 6668 record dan sesudah didelete yang missing 6650 record ( kadar hb). Jumlah record sebelum didelete 6650 record dan sesudah didelete yang missing 6647 record ( Tinggi badan). Jumlah record sebelum didelete 6647 record dan sesudah didelete yang missing 6631 record ( Tinggi badan).
18	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	Ambil data 2. Pilih sort cases 3. Pilih pemeriksaan kehamilan ( pernah ) dan frekuensi pemeriksaan kehamilan ( kali ) keduanya didescendingkan. 4. Periksa datanya yang tidak pernah melakukan pemeriksaan kehamilan tapi frekuensinya berisi. 5.Hapus data tersebut. 6. Pilih pemeriksaan kehamilan ( pernah ) dan frekuensi pemeriksaan kehamilan ( kali ) keduanya di ascendingkan. 7. Jika ada data dia pernah melakukan pemeriksaan kehamilan tapi frekuensi pemeriksaan ( kali ) kosong, maka data itu dihapus juga. Hasilnya : Jumlah record sebelum dihapus adalah 6631 record dan sesudah didelete 6463 record ( pemeriksaan kehamilan dan frekuensi pemeriksaan kehamilan ).
19	Lanjutkan dari cleaning data soal no. 19 di atas dengan memeriksa konsistensi antara pernah memeriksakan kehamilan dengan pernah atau tidak mendapatkan 5T. Ketentuannya adalah yang ditanya apakah mendapatkan pelayanan 5T adalah yang pernah memeriksakan kehamilan saja. Berartiyang menjawab Ya dan Tidak pada 5 T harus sama dengan yang pernah memeriksakan kehamilan	Langkah-langkah cleaning data pemeriksaan kehamilan ( pernah ) dan 5T  : 1. Ambil data 2. Pilih sort cases 3. Pilih pemeriksaan kehamilan (pernah ) dan 5T keduanya didescendingkan. 4. Periksa datanya yang tidak pernah melakukan pemeriksaan tapi 5T nya berisi. 5.Hapus data tersebut. 6. Pilih pemeriksaan kehamilan ( pernah ) dan 5T keduanya di ascendingkan. 7. Jika ada data dia pernah melakukan pemeriksaan kehamilan tapi 5T nya kosong, maka data itu dihapus juga. Hasilnya : Jumlah record sebelum dihapus adalah 6463 record dan sesudah didelete 6438 record ( pemeriksaan kehamilan dan 5T ).
20	Lakukan cleaning data seperti soal 18 dan 19 untuk memeriksa konsistensi atara pertanyaa (field) akseptor, kontrasepsi dan alasan tidak ber-KB	Langkah-langkah cleaning data akseptor , ksepsi dan alasan tidak ber-KB: 1. Ambil data 2. Pilih sort cases 3. Pilih akseptor,ksepsi dan alasan,ketiganya didescendingkan. 4. Periksa datanya yang tidak sesuai (yang memakai akseptor , ksepsinya harus berisi dan alasan tidak ber-KB ). 5. Jika tidak sesuai seperti itu,maka hapus data tersebut. 6. Pilih akseptor,ksepsi dan alasan,ketiganya di ascendingkan. 7. Jika ada datanya yang tidak sesuai seperti yang diatas tadi, maka data itu dihapus juga. Hasilnya : Jumlah record sebelum dihapus adalah 6438 record dan sesudah didelete 6433 record( akseptor.ksepsi dan alasan ).
21	Transformasi data (compute) Hitung IMT Ibu dan IMT Anak, kemudian kategorikan menjadi 5 kategori dan 3 kategori masing-masingnya. terakhir hitung prevalensi masing-masing kategori.	Berdasarkan data diatas dapat disimpulkan bahwa frekuensi terbesar dalam 5 kategori IMT ibu hamil adalah yang berada pada status gizi yang normal yaitu sebanyak 5791.Sementara frekuensi terendah terlihat pada status gizi yang sangat kurus sebanyak 22 orang.
	Lakukanlah analisis bivariate dengan mengacu pada tujuan penelitian yang akan dicantumkan di bawah ini. Pengujian dilakukan pada confidence interval 95%. Lakukan langkah-langkah pengujian menggunakan 7 langkah praktis analisis bivariat. Untuk masing-masing tujuan penelitian sajikan hasilnya sebagai berikut :
A	Idenfifikasi variabel dalam tujuan penelitian	Sebutkan nama variabel dan posisi sebagai independen atau dependen variabel
B	Identifikasi field dalam database	Cantumkan nama field dalam database untuk tiap variabel
C	Tentukan karakteristik data (K/N)	Cantumkan type variabel (numerik atau kategorik)
D	tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian	Nama Uji statistik yang akan dipakan beserta alasannya
E	Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality	Sajikan hasil pengujian normality dengan 6 pertimbangan dan keputusan (normal atau tidak)
F	Lakukan pengujian, baca hasil dan interpretasikan	Copy-pastekan output analisis disini dan berikan komentar dibawahnya berupa komentar hasil, hasil statistik, keputusan statistik dan terakhir interpretasi pengujian yang merujuk kepda tujuan penelitian
G	Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu	Dalam hal ini komentar cukup dengan teori yang relevan yang sudah dikutikan pada langkah 4. Bila di dalam posting perlu ditambah dengan perbandingan dengan penelitian terdahulu.
	TUJUAN PENELITIAN
1	untuk mengetahui hubungan antara pendidikan dengan pekerjaan yang dimiliki responden
2	untuk mengetahui hubungan antara pekerjaan ibu dengan alat kontrasepsi yang dipilih Ibu untuk ber-KB
3	untuk mengetahui hubungan antara pemberian tablet Fe dengan kadar hemoglobin dalam darah
4	untuk mengetahui hubungan antara pendidikan dengan frekuensi pemeriksaan kehamilan
5	Untuk mengetahui hubungan antara umur ibu dengan tekanan darah sistolik
	PENGOLAHAN STATUS GIZI MENGGUNAKAN SOFTWARE WHO ANTHRO 2005
	Langkah-1	Save As data 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

See More . . . . .