UJIAN AKHIR SEMESTER
nama : Putri Rhadiyah
Nim : 094114115
Tingkat : III.A
1. EXPORT DATA DARI EPIDATA KE SPSS, dengan cara :
§ Klik Export Data
§ Klik SPSS
§ Open Data epidata dengan format rec, yang akan di export
§ Klik OK
§ Open SPSS
§ Klik File
§ Klik New
§ Klik Syntax
§ Pilih Data
§ Klik Open
§ Perbaiki nama variabel dan buat value labels sesuai yang di inginkan, lihat syntax
§ Klik run current
HAPUS VARIABEL VIEW, yaitu variabel :
- Hari ini
- Urut
- Entri
- Kelas
- Jurusan
KLASIFIKASIKAN VARIABEL
A. VARIABEL KATEGORIK
- Pekerjaan
- Pendidikan
- Gol. Darah
- Pernah periksa kehamilan
- Pemeriksaan fundus
- Pemeriksaan TB
- Pemeriksaan Tensi
- Pemberian Fe
- Pemberian TT
- Akseptor KB
- Kontrasepsi yang dipakai
- Kontrasepsi lain
- Alasan tidak ber-KB
- Alasan lain tidak ber-kb
- Rencana tempat melahirkan
B. VARIABEL NUMERIK
- Umur
- TB
- BB
- TD sistol
- TD diastolik
- Kadar Hb
- Frek. Periksa kehamilan
. 2. LAKUKAN CLEANING DATA
DATA AWAL : 15896
2.1 UNTUK VARIABEL KATEGORIK
Langkah-langkah :
§ descriptive statistic --- frequency data
§ Pilih variabel --- ok, dan lihat apakah ada missing, jika ada missing lakukan ;
o Klik data
o Sortcases
o Pilih variabel tersebut
o Ascending
o Ok
Setelah itu klik “go to data “ dan lihat nomor sebanyak missing yang telah ditentukan. Blok --- klik kanan --- clear.
2.2 UNTUK VARIABEL NUMERIK
Langkah –langkah :
a. Transform
b. record into diffrent
c. masukan variabel ganti nama --- change--- old and new
d. masukan nilai tandai system missing:
· lowest --- system missing
· highest --- system missing
· all other value --- copy old value
e. continue
f. ok
g. klik analyze
h. pilih descriptive statistic
i. frequency
j. pilih variabel numerik yang telah diganti tadi
k. lakukan hal yang sama dengan melihat data yang missing, seperti di atas.
Dengan menggunakan batasan-batasan sebagai berikut :
§ Umur : 15 – 45 tahun
§ TB : 140 – 180 cm
§ BB : 40 – 80 kg
§ TD sistol : 100 -170 mmHg
§ TD diastolik : 60 – 120 mmHg
§ Kadar Hb : 8 – 14 gr%
3. LANJUTAN PEMBERSIHAN DATA
Langkah yang ditempuh dalam membersihkan data yaitu :
Setelah ditemukan data missing dari prosedur frequency di atas, lakukan hal berikut :
a. Klik data
b. Sort case
c. Pilih data yang ingin di cleaning tadi, misalnya pekerjaan ibu.
d. Ascending
e. Ok
f. Kemudian klik icon “go to data” pada output.
g. Lakukan cleaning data sesuai jumlah data yg missing, dengan blok data --- klik kanan --- clear.
3.1 Variabel Kategorik
A. PEKERJAAN
Terdapat 22 data missing, dan itu harus dihapus. Sehingga jumlah data 15874
B. PENDIDIKAN
Tidak terdapat missing pada pendidikan formal ibu tetapi pada tabel frequency terdapat pendidikan dengan kode ‘1’ sebanyak 4 buah, karena tidak ada pendidikan dengan nama ‘1’. Maka itu dihapus. Jadi sisa data : 15870
C. GOL. DARAH
Tidak terdapat missing pada table statistic, namun pada tabel frequency terdapat kadar golongan darah tidak terisi 1 buah, dengan kode ‘0’ 3 buah, dengan kode ‘65’ 1 buah, kode ‘BB’ 1 buah. Jadi terdapat 6 data yang tidak valid. Jadi dihapus 6 data tersebut dan sisa data : 15864
D. PERNAH PERIKSA KEHAMILAN
- Terdapat 4 missing, dan harus dihapus record tersebut. Sehingga sisa data : 15860
- Terdapat 32 data yang rancu yaitu pernah periksa hamil, tetapi tidak ada frekuensinya, dan sebaliknya tidak pernah periksa hamil tetapi ada frekuensi periksa hamil. Jadi sisa data 15828.
E. PEMERIKSAAN FUNDUS
Terdapat 273 data telah dicleaning, dan sisa data sebanyak 15555
F. PENGUKURAN TINGGI BADAN
Tidak terdapat data yang missing, sehingga jumlah record tetap 15555.
G. PEMERIKSAAN TEKANAN DARAH
Terdapat 3 data yang missing dan telah dicleanin sehingga sisa data 15552
H. PEMBERIAN TABLET FE
Tidak terdapat data yang missing, sehingga jumlah record tetap 15552.
I. PEMBERIAN IMUNISASI TT
Terdapat 50 missing data, dan setelah cleaning 50 data, jadi sisa data 15502
J. Akseptor KB
Terdapat 9 data missing, dan setelah di cleaning sisa data 15493.
K.Kontrasepsi yang digunakan
Berdasarkan statistis kontrasepsi yang dipakai, terdapat 3714 data yang missing. JANGAN di cleaning dahulu, tetapi lihat apakah data yang missing itu benar tidak valid atau tidak karena yang tidak akseptor kb, maka pastilah tidak menggunakan kontrasepsi. Setelah dilihat yang tidak akseptor tetapi menggunakan kb, begitupun sebaliknya, maka terdapat 31 data yang tidak valid. Jadi sisa data 15462.
L. Kontrasepsi lain
Tidak terdapat missing pada variabel kontrasepsi lain. Sehingga jumlah data tetap 15462.
M. Alasan tidak ber-KB
Terdapat 4 data yang tidak valid. Setalah di cleaning sisa data 15458
N.Alasan lain tidak ber-KB
Tidak terdapat data yang missing. Sehingga jumlah data tetap 15458.
O. RENCANA TEMPAT MELAHIRKAN
- Terdapat 163 data yang missing. Dan setelah dicleaning tersisa 15295 data.
- Selain itu terdapat data yang tidak valid yaitu ‘6’ sebanyak 5 buah dan harus dicleaning sehingga sisa data sebanyak 15290.
3.2 VARIABEL NUMERIK
Dengan menggunakan batasan-batasan sebagai berikut :
§ Umur : 15 – 45 tahun
§ TB : 140 – 180 cm
§ BB : 40 – 80 kg
§ TD sistol : 100 -170 mmHg
§ TD diastolik : 60 – 120 mmHg
§ Kadar Hb : 8 – 14 gr%
A. Umur (15-45 tahun)
- LOWEST trought value : 14,9
- HIGEST trought value : 45,0
- All other value : COPY
Setelah dilakukan uji statistic terdapat 81 missing data dan sudah dihapus. Sisa data 15209.
B. Tinggi Badan (140-180 cm)
- LOWEST trought value : 139,9
- HIGEST trought value : 180,0
- All other value : COPY
Terdapat 24 data missing yang harus dihapus. Jadi sisa data 15185
C. Berat Badan (40-80 kg)
- LOWEST trought value : 39,9
- HIGEST trought value : 80,0
- All other value : COPY
Terdapat 139 data yang missing, stelah dicleaning sisa data 15046.
D. TD Sistolik (100 -170 mmHg)
- LOWEST trought value : 99,9
- HIGEST trought value : 170,0
- All other value : COPY
Terdapat 425 data missing, dan setelah di cleaning Sisa data 14621
E. TD Diastol (60-120 mmHg)
- LOWEST trought value : 59,9
- HIGEST trought value : 120,0
- All other value : COPY
Terdapat 126 data missing. Setelah dilakukan cleaning pada 126 data, jadi Sisa data 14495.
F. Hb (8-14 gr%)
- LOWEST trought value : 7,9
- HIGEST trought value : 14,0
- All other value : COPY
Terdapat 125 data missing, setelah dicleaning sisa data 14370
v JUMLAH RECORD TERAKHIR ADALAH 14370.
4. ANALISIS UNIVARIATE SALAH SATU VARIABEL KATEGORIK
Langkah-langkah :
- Analyze
- Desrcriptive frequency
- Frequency
- Pilih variabel pekerjaan ibu responden
- Klik statistic. Pilih --- mean, median, modus, skewness
- Klik chart . pilih --- histogram
- Continue
- Ok
Variabel Pekerjaan Ibu Responden :
KOMENTAR HASIL :
Berdasarkan analisis univariat pekerjaan responden :
Dapat disimpulkan bahwa PNS adalah pekerjaan terbanyak 4187 ATAU 29,1 % dan pekerjaan yang paling sedikit adalah buruh/tani/nelayan sebanyak 691 atau 4,8 %.
5. ANALISIS UNIVARIATE UNTUK DATA NUMERIK
Langkah-langkah :
- Analyze
- Descriptive statistic
- Descriptive
- Pilih variabel numerik yang akan dimasukkan
a. Umur ibu
b. Tinggi badan
c. Berat badan
d. TD sistol
e. TD diastol
f. Kadar Hb
g. Frek. Pemeriksaan Kehamilan
- Klik option, pilih--- mean, std deviation, minimum, maximum, skewness
- Continue
- Ok
KOMENTAR HASIL :
a. Rata-rata ibu berumur 27 tahun
b. Tingggi badan ibu rata-rata 158 cm
c. Berat badan rata-rata ibu 54,5 kg
d. TD sistol rata-rata 116 mmHg
e. TD diastol rata-rata 80 mmHg
f. Kadar HB rata-rata 11 gr%
6. TRANSFORMASI DATA
Lakukan tranformasi data untuk variabel pekerjaan, pendidikan dan umur.
Langkah-langkah :
a. Untuk variabel pekerjaan
- Klik transform
- Record into different variabel
- Pilih pekerjaan
- Ubah menjadi “kerja1” pada name dan label è change
- Klik old and new value
- Ganti old value menjadi new value, yaitu :
1 ---1
2---1
3---1
4---1
5--- 1
6---2
- Continue
- Paste
- Ok
- Pada syntax, tambahkan value label yaitu : dengan kalimat ADD VALUE LABELS KERJA1 1 ‘Bekerja’ 2 ‘tidak bekerja’ .
- Kemudian blok --- run
- Lihat data, variabel bertambah menjadi Kerja1
b. Untuk variabel pendidikan
- Klik transform
- Record into different variabel
- Pilih pendidikan
- Ubah menjadi “didik1” pada name dan label --- change
- Klik old and new value
- Ganti old value menjadi new value, yaitu :
0--1
2--- 1
3---2
4---2
- Continue
- Paste
- Ok
- Pada syntax, tambahkan value label yaitu : dengan kalimat ADD VALUE LABES DIDIK 1 1 ‘rendah’ 2 ‘tinggi’.
- Kemudian blok --- run
- Lihat data, variabel bertambah menjadi didik1
c. Untuk variabel umur
- Klik transform
- Record into different variabel
- Pilih umur
- Ubah menjadi “umur1” pada name dan label --- change
- Klik old and new value
- Ganti old value menjadi new value, yaitu :
Lowest : 19.9 --- 1
Higest : 35.0 --- 1
Range : 20 – 35.0 --- 2
- Continue
- Paste
- Ok
- Pada syntax, tambahkan value label yaitu : dengan kalimat ADD VALUE LABELS UMUR1 1 ‘Resti’ 2 ‘Tidak Resti’ .
- Kemudian blok --- run
- Lihat data, variabel bertambah menjadi umur1
7. COMPUTE IMT
Langkah-langkah :
- Transform
- Compute variabel
- Ketik imt pada label
- Plih : BB / ((TB / 100) * (TB/100)
- Paste
- Lihat pada syntax tambahkan execute .
- Blok --- run
- Lakukan record untuk variable imt
- Transform
- Record into different variable
- Ketik name imt2
- Klik old and new value
Lowest : 18.499 ---1
Higest : 25.001 --- 3
Range : 18.5 – 25.0 --- 2
- Continue
- Paste
- Ok
- Lihat pada syntax, tambahkan value labels yaitu dengan kalimat : ADD VALUE LABELS IMT2 1 ‘kurus’ 2 ‘normal’ 3 ‘gemuk’ .
- Blok
- Run
- Lihat pada data --- variabel imt2
8. ANALISIS BIVARIATE
Dapat dilakukan beberapa uji
a. Untuk variabel kategorik-kategorik, lakukan langkah : uji beda proporsi, yaitu :
- Klik analyze
- Desriptive statistic
- Crosstabe
- Masukkan variabel dependen dan independent
- Klik statistic --- chi-square
- Continue
- Klik cell
- Pilih checklist observerd , row
- Continue
- Ok
b. Untuk Variabel Kategorik-numerik, lakukan langkah : Independent T-test, yaitu:
- Analyze
- Compare means
- Independent sampel T-Test
- Masukkan variabel numerik (dependen) pada Test variabel
- Masukkan variabel kategorik(independen) pada grouping , dan isi kode group sesuai dengan value labes variabel tersebut
- Pilih option dengan confidence interval 95%
- Contiune
- Ok
c. Untuk Variabel Numerik-Numerik : Uji korelasi regresi,yaitu :
- Analyze
- Descriptive statistic
- Explore
- Isikan variabel dependen dan independen
- Pada statistic checklist descriptive
- Klik plot --- checklist normality plots with test
- Continue
- Pada display pilih --- both
- Ok
v Jika terdapat data yang tidak normal, maka lakukan langkah penormalan data dengan cara :
- Check outlier
- Missingkan
- Log-kan data
- Normality
Jika data masih tidak bisa normal, ganti variabel numerik dengan kategorik dengan menggunakan acuan patokan atau acuan normatik.
6.1 Hubungan pendidikan dengan pekerjaan responden
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Pendidikan
· Dependen : Pekerjaan
2. Identifikasi field dalam database
· Independen : didik
· Dependen : kerja
3. Tentukan karakteristik field (K/N)
· didik : K
· kerja : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan proporsi antara pendidikan dengan pekerjaan
7. Bahas Hasil :
· P = 0,000 --- P < α
· Ho = Ditolak
· Ada perbedaan proporsi antara pendidikan dengan pekerjaan, ARTINYA ada hubungan pendidikan dengan pekerjaan.
6.2 Hubungan Umur dengan Kadar Hb
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Umur
· Dependen : Kadar Hb
2. Identifikasi field dalam database
· Independen : umur
· Dependen : hb
3. Tentukan karakteristik field (K/N)
· umur : N
· hb : N
4. Tentukan analisis sementara : Uji Korelasi Regresi
5. Apabila terdapat variabel numerik -> lakukan uji normality : ada, NORMAL
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan Korelasi Regresi antara umur dengan kadar hb
7. Bahas Hasil :
ü P = 0,001 --- P < α
ü Ho = Ditolak
ü Ada perbedaan Korelasi Regresi antara umur dengan kadar hb, ARTINYA ada hubungan umur dengan kadar hb.
6.3 Hubungan tingkat pendidikan dengan kontrasepsi yang dipakai
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Tingkat Pendidikan
· Dependen : kontrasepsi yang dipilih
2. Identifikasi field dalam database
· Independen : didik
· Dependen : ksepsi
3. Tentukan karakteristik field (K/N)
· didik : K
· ksepsi : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan proporsi antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
7. Bahas Hasil :
· P = 0,000 ---P < α
· Ho = Ditolak
· Ada perbedaan proporsi antara antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB, ARTINYA ada hubungan tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
6.4 Hubungan antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Pernah atau tidak mendapat tablet Fe
· Dependen : Kadar Hb
2. Identifikasi field dalam database
· Independen : tfe
· Dependen : hb
3. Tentukan karakteristik field (K/N)
· tfe : K, berikan group 0 dan 1
· hb : N
4. Tentukan analisis sementara : indepenent T-Test
5. Apabila terdapat variabel numerik -> lakukan uji normality : ada, NORMAL
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan rata-rata antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil
7. Bahas Hasil :
· P = 0,000 ---P < α
· Ho = Ditolak
· Ada perbedaan rata-rata antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil, ARTINYA ada hubungan pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil.
6.5 Hubungan tekanan darah (Sistol/Diastol) dengan golongan darah
a. Sistol
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Tekanan Darah Sistolik
· Dependen : Golongan Darah
2. Identifikasi field dalam database
· Independen :sistol2
· Dependen : darah1
3. Tentukan karakteristik field (K/N)
· sistol2 : K
· darah1 : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan rata-rata antara tekanan darah sistolik dengan golongan darah
7. Bahas Hasil :
· P = 0,023 ---P < α
· Ho = Ditolak
· Ada perbedaan rata-rata antara tekanan darah sistolik dengan golongan darah, ARTINYA ada hubungan antara tekanan darah sistolik dengan golongan darah
b. Diastol
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Tekanan Darah Diastolik
· Dependen : Golongan Darah
2. Identifikasi field dalam database
· Independen : diastol2
· Dependen : darah1
3. Tentukan karakteristik field (K/N)
· diastol2 : K
· darah1 : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan rata-rata antara tekanan darah diastolik dengan golongan darah
7. Bahas Hasil :
· P = 0,000 ---P < α
· Ho = Ditolak
· Ada perbedaan rata-rata antara tekanan darah diastolik dengan golongan darah, ARTINYA ada hubungan tekanan darah diastolik dengan golongan darah.
UNTUK LEBIH JELAS LIHAT DATA SELENGKAPNYA DISINI ...
http://www.ziddu.com/download/18050139/PUTRIRHADIYAH.rar.html
