Final Step NURUL FATMA DIENY

UJIAN AKHIR SEMESTER (UAS)

MATA KULIAH KOMPUTER

NAMA            : NURUL FATMA DIENY

NIM               : 094114111

TINGKAT      : III.A

Untuk lebih lengkapnya silahkan KLIK DISINI

1.      Export Epidata ke SPSS

Langkah-langkah :

Di Epidata :

• Klik Export data
• Klik SPSS
• Buka data epidata yang akan di export dengan format .rec
• Klik OK

      Di SPSS :

• Buka SPSS
• Klik File
• Klik New
• Klik Syntax
• Pilih data yang sudah di export tadi
• Klik Open
• Perbaiki nama variabel dan buat value labels
• Klik Run current

2.      Cleaning Data

Sebelum di cleaning, di hapus dulu variable yang tidak di perlukan, seperti :

• Hari ini
• Urut
• Entri
• Kelas
• Jurusan

a.       Langkah cleaning data kategorik :

·         Klik Analyze

·         Klik Frequencies

·         Pilih variabel yang akan di cleaning

·         Klik OK

·         Lihat jumlah data yang missing

·         Kemudian klik Data

·         Klik sort cases

·         Pilih variabel yang mau di cleaning

·         Klik OK

·         Delete data yang missing

b.      Langkah cleaning data numerik :

• Klik Analyze
• Klik Frequencies
• Pilih variabel yang mau di cleaning
• Klik OK
• Lihat jumlah data yang missing
• Kemudian klik Data
• Klik sort cases
• Pilih variabel yang mau di cleaning
• Checklist ascending atau descending
• Klik OK
• Delete data yang missing dan juga delete data yang berada diluar batasan yang telah ditetapkan secara manual

3.      Batasan untuk Data Numerik

a.       Umur                           : 15-50 tahun

b.      TB                               : 140-180 cm

c.       BB                               : 40-70 kg

d.      Sistol                           : 90-170 mmHg

e.       Diastol                         : 60-100 mmHg

f.       Kadar HB                   : 8-14 gr%

HASIL CLEANING:

Jumlah record sebelum di cleaning     = 15.896

Jumlah record sesudah di cleaning     = 13.939

RINCIAN HASIL CLEANING DATA KATEGORIK

1.      Pekerjaan

Missing = 22

Jumlah record setelah di cleaning = 15.874

2.      Pendidikan

Missing = 0

Record yang diluar kategori = 4

Jumlah record setelah di cleaning = 15.870

3.      Golongan Darah

Missing = 0

Record yang diluar kategori = 6

Jumlah record setelah di cleaning = 15.864

4.      Pernah Periksakan kehamilan

Missing = 4

Record yang diluar kategori = 384

Jumlah record setelah di cleaning = 15.476

5.      Pengukuran T.Fundus

Missing = 1

Jumlah record setelah di cleaning = 15.475

6.      Pengukuran TB

Missing = 0

Jumlah record tetap = 15.475

7.      Pengukuran tensi

Missing = 3

Jumlah record setelah di cleaning = 15.472

8.      Pemberian Tablet Fe

Missing = 0

Jumlah record tetap = 15.472

9.      Imunisasi TT

Missing = 50

Jumlah record setelah di cleaning = 15.422

10.  Akseptor KB

Missing = 9

Jumlah record setelah di cleaning = 15.413

11.  Kontrasepsi Yang Dipakai

Record yang diluar kategori = 44

Jumlah record tetap = 15.369

12.  Kontrasepsi Lainnya

Missing = 0

Record yang diluar kategori = 28

Jumlah record setelah di cleaning = 15.341

13.  Alasan Tidak Ber-KB

Record yang diluar kategori = 16

Jumlah record setelah di cleaning = 15.325

14.  Alasan Lain tidak ber-KB

Missing = 0

Record yang diluar kategori = 1

Jumlah record setelah di cleaning = 15.324

15.  Rencana T4 Melahirkan

Missing = 136

Record yang diluar kategori = 4

Jumlah record setelah di cleaning = 15.157

RINCIAN HASIL CLEANING DATA NUMERIK

1.      Umur

Missing = 53
Jumlah record setelah di cleaning = 15.104

2.      Tinggi Badan (cm)

Missing = 0
Record yang diluar batasan = 4
Jumlah record setelah di cleaning = 15.100

3.      Berat Badan  (kg)

Missing = 0

Record yang diluar batasan = 434

Jumlah record setelah di cleaning = 14.666

4.      TD Sistolik

Missing = 3
Record yang diluar batasan = 331
Jumlah record setelah di cleaning = 14.332

5.      TDDiastolik

Missing = 0
Record yang diluar batasan = 294
Jumlah record setelah di cleaning = 14.038

6.      Kadar HB (mmHg)
      Missing = 1
      Record yang diluar batasan = 89
      Jumlah record setelah di cleaning = 13.948

7.      Frek. Pemeriksaan Kehamilan

Missing = 9
Jumlah record setelah di cleaning = 13.939

4.      Analisis Univariat Data Kategorik

Langkahnya:

a.       Klik Analyze

b.      Klik Frequencies

c.       Pilih Variabel

d.      Klik Statistic

e.       Checklist kotak minimum, maximum, mean, median, mode

f.       Klik continue

g.      Klik Charts

h.      Checklist kotak histogram

i.        Klik continue

j.        Klik OK

5.       Analisis Univariat Data Numerik

Langkahnya :

• Klik Analyze
• Klik Desriptive
• Pilih Variabel
• Klik Options
• Checklist kotak mean, st. deviasi, maximum, minimum, skewness dan variabel list
• Klik continue
• Klik OK

6.      Transformasi Data

Langkahnya :

1. Klik Transform
2. Klik Record
3. Klik Into Different Variabels
4. Pilih variabel yang akan di record
5. Tetapkan nama dan label
6. Klik Change
7. Klik Old and New Values
8. Tentukan Old Value dan New Value nya
9. Klik Continue
10. Klik Paste
11. Klik OK
12. Buka syntax dan buat add value labels nya
13. Blok Recode variable tersebut
14. Klik Run current

7.      Transformasi Data untuk data IMT

Langkah buat IMT :

1. Klik Transform
2. Klik Compute Variabel
3. Ketik target variable yang akan dibuat
4. Klik Type & Labels dan kemudian tentukan Labelsnya
5. Klik Continue
6. Buat Numeric Expression, yaitu BB / ((TB / 100) * (TB /100))
7. Klik Paste
8. Klik OK

Kemudian buat kategori IMT dengan cara :

1. Klik Transform
2. Klik Record
3. Klik Into Different Variabels
4. Pilih variabel yang akan di record
5. Tetapkan nama dan label
6. Klik Change
7. Klik Old and New Values
8. Tentukan Old Value dan New Value nya
9. Klik Continue
10. Klik Paste
11. Klik OK
12. Buka syntax dan buat add value labels nya
13. Blok Recode variable tersebut
14. Klik Run current

8.      Analisis bivariat

Langkahnya :

a.       Identifikasi variabel dalam tujuan penelitian

Independen     : ?

Dependen        : ?

b.      Identifikasi field dalam database

Independen     : ?

Dependen        : ?

c.       Tentukan karakteristik field (Kategorik / Numerik)

Didik               : ?

Kerja                : ?

d.      Tentukan analisis sementara

e.       Apabila terdapat variabel numerik à lakukan uji normality à gunakan Explore

f.       Rumuskan hipotesis pengujian

g.      Hasil

a.       Untuk mengetahui hubungan antara pendidikan dengan pekerjaan

·         Identifikasi variabel dalam tujuan penelitian

Independen     : Pendidikan

Dependen        : Pekerjaan

·         Identifikasi field dalam database

Independen     : didik

Dependen        : kerja

·         Tentukan karakteristik field (Kategorik / Numerik)

Didik               : K

Kerja                : K

·         Tentukan analisis sementara : Uji Beda Proporsi

·         Apabila terdapat variabel numerik à lakukan uji normality : tidak ada

·         Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :

Ho : Tidak ada perbedaan proporsi antara  pendidikan dengan pekerjaan

·         Hasil

P          = 0,000

Ho       = Ditolak

Ada perbedaan proporsi antara pendidikan dengan pekerjaan, berarti ada hubungan antara pendidikan dengan pekerjaan.

b.   Untuk mengetahui hubungan antara umur dengan kadar HB

·         Identifikasi variabel dalam tujuan penelitian

Independen     : Umur

Dependen        : Kadar HB

·         Identifikasi field dalam database

Independen     : umurkate (resti dan tidak resti)

Dependen        : HB

·         Tentukan karakteristik field (Kategorik / Numerik)

Umur               : N

HB                   : N

·         Tentukan analisis sementara : Uji Beda Rata-Rata

·         Apabila terdapat variabel numerik -> lakukan uji normality : ada, normal

·         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

·         Hasil

P          = 0,000

Ho       = Ditolak

Ada perbedaan rata-rata antara  umur dengan kadar HB, berarti ada hubungan umur dengan kadar HB.

c.   Untuk mengetahui hubungan tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB

·         Identifikasi variabel dalam tujuan penelitian

Independen     : Tingkat Pendidikan

Dependen        : kontrasepsi yang dipilih

·         Identifikasi field dalam database

Independen     : didik

Dependen        : ksepsi

·         Tentukan karakteristik field (Kategorik / Numerik)

Didik               : K

Ksepsi             : K

·         Tentukan analisis sementara : Uji Beda Proporsi

·         Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada

·         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

·         Hasil

P          = 0,000

Ho       = Ditolak

Ada perbedaan proporsi antara antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB, berarti ada hubungan tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB.

d.  Untuk mengetahui hubungan antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil

·         Identifikasi variabel dalam tujuan penelitian

Independen     : Pernah atau tidak mendapat tablet Fe

Dependen        : Kadar HB

·         Identifikasi field dalam database

Independen     : TFE

Dependen        : HB

·         Tentukan karakteristik field (Kategorik / Numerik)

TFE                 : K

HB                  : N

·         Tentukan analisis sementara : Uji Beda Rata-Rata

·         Apabila terdapat variabel numerik -> lakukan uji normality : ada, normal

·         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

·         Hasil

P          = 0,000

Ho       = Ditolak

Ada perbedaan rata-rata antara pernah atau tidak dapat tablet Fe dengan kadar HB dalam darah ibu hamil, berarti ada hubungan pernah atau tidak dapat tablet Fe dengan kadar HB dalam darah ibu hamil.

e.  Untuk hubungan antara tekanan darah (sistolik/diastolik) dengan golongan darah

a.       Sistolik

·         Identifikasi variabel dalam tujuan penelitian

Independen     : Tekanan Darah Sistolik

Dependen        : Golongan Darah

·         Identifikasi field dalam database

Independen     : sistolkate

Dependen        : goldarahkate

·         Tentukan karakteristik field (Kategorik / Numerik)

Sistolkate        : N

goldarahkate   : K

·         Tentukan analisis sementara : Uji Beda Rata-Rata

·         Apabila terdapat variabel numerik -> lakukan uji normality : ada, normal

·         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

·         Hasil

P          = 0,555

Ho       = Diterima

Tidak ada perbedaan rata-rata antara  tekanan darah sistolik dengan golongan darah, berarti ada hubungan antara  tekanan darah sistolik dengan golongan darah

2.   Diastolik

·         Identifikasi variabel dalam tujuan penelitian

Independen     : Tekanan Darah Diastolik

Dependen        : Golongan Darah

·         Identifikasi field dalam database

Independen     : diastolkate

Dependen        : goldarahkate

·         Tentukan karakteristik field (Kategorik / Numerik)

diastolkate       : N

goldarahkate   : K

·         Tentukan analisis sementara : Uji Beda Rata-Rata

·         Apabila terdapat variabel numerik -> lakukan uji normality : ada, normal

·         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

·         Hasil

P          = 0,000

Ho       = Ditolak

Ada perbedaan rata-rata antara tekanan darah diastolik dengan golongan darah, berarti ada hubungan tekanan darah diastolik dengan golongan darah.