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
|
Jumat, 27 Juli 2012
Pengolahan Data Menggunakan Software SPSS dan WHO ANTRO
Langganan:
Posting Komentar (Atom)
Tidak ada komentar:
Posting Komentar