Aurhora's midwifery
Rabu, 18 Januari 2012
Selasa, 03 Januari 2012
Final Step RAHAYU SYAFITRI
UJIAN AKHIR SEMESTER
MATA KULIAH KOMPUTER
Nama :
Rahayu Syafitri
NIM :
094114117
Tingkat :
III A
Prodi : DIII Kebidanan Padang
1.
Langkah-langkah Export file Epidata ke SPSS sesuai
prosedur export, yaitu :
a. Buka program Epidata, kemudian
klik Export Data
b. Pilih SPSS
c. Buka file yang ingin diexport
dengan format rec., misalnya : GENAP
d. Klik OK, kemudian akan muncul akan
muncul kotak Exporting (Loading)
e. Setelah selesai akan muncul kotak
Information, klik OK
f.
Buka program SPSS, klik File, kemudian open, pilih syntax yang sudah diexport.
g.
Perbaiki variable labels dan buat value labelsnya.
h.
Klik Run All
i.
Hapus variable view yang tidak diperlukan, misalnya : Hari ini, urut, entry,
kelas, dan jurusan.
2. Batasan yang digunakan dalam melakukan
cleaning data numeric:
-
Umur
: 15-45 tahun
-
Tinggi
Badan : 145-180 cm
-
Berat
Badan : 40-80 kg
-
Tekanan
Darah Sistole : 90-170 mmHg
-
Tekanan
Darah Diastole : 60-100 mmHg
-
Kadar
Hb : 8-14 gr%
3.
Jumlah record sebelum di cleaning : 16287
Jumlah record setelah dicleaning :
14009
Langkah-langkah pembersihan data
(cleaning data) terhadap file .SAV untuk data kategorik dan data numerik.
1) Untuk data kategorik, langkah-langkahnya
:
a. Klik analyze
b. Pilih descriptive statistic
c. Klik frequencies
d. Pilih variable yang akan
dicleaning
e. Klik OK
f. Lihat jumlah data yang missing
g. Klik data, kemudian klik sort
cases
h. Masukkan variable yang akan di
cleaning tersebut
i. Blok data yang missing, dan
kemudian delete
Untuk data kategorik, ada beberapa
field yang di cleaning secara manual, diantaranya:
- Pemeriksaan tinggi fundus (TFU)
- Pemeriksaan TB (UkurTB)
- Pengukuran tensi (cpenguku)
- Pemberian tablet Fe (TFe)
- Pemberian imunisasi TT (TT)
- Jenis KB (Ksepsi)
- KB lainnya (N5E)
- Alasan tidak berKB (alas an)
- Alasan lain tidak berKB ( N6D)
2) Untuk data numeric,
langkah-langkahnya :
a.
Untuk variable numeric yang tidak memerlukan batasan,ex: tanggal lahir,
frekuensi pemeriksaan kehamilan, langkah-langkahnya sama dengan langkah-langkah
cleaning data untuk variable kategorik.
b.
Untuk variable numeric yang memerlukan batasan nilai, maka langkah-langkahnya :
a. Klik transform, klik record into same
variables
b. Masukkan variable yang akan diberi
batasan
c. Klik old and new values
d.
Masukkan batas bawah di Range, LOWEST through value, tandai System Missing,
kemudian klik Add.
e.
Masukkan batas atas di Range, value through HIGHEST, tandai System Missing,
kemudian klik Add.
f.
Klik continue, dan OK.
g.
Selanjutnya langkah-langkahnya sama seperti proses cleaning data pada variable
kategorik.
Contoh
: Tinggi Badan dengan batasan 145-180 cm, pada Range, LOWEST through value
ditulis 144.9 dan pada Range, value through HIGHEST ditulis 180.1
Untuk cleaning data numeric pada field
Frekuensi Pemeriksaan kehamilan dilakukan secara manual.
4. Output Analisis Univariate salah
satu variabel yaitu Pendidikan.
§ Klik Klik analyze- deskriptive statistic
§ Pilih frekuensi
§ Pilih variabel pendidikan ibu (didik)
§ Klik charts
§ Pilih histograms
§ Klik continue, OK
5. Analisis Univariat untuk semua data
numeric.
Berdasarkan tabel diatas diketahui bahwa nilai terbanyak
untuk tinggi badan ibu adalah 156 cm, Umur ibu 30 tahun, Berat badan ibu 56 kg,
Tekanan darah sistolik ibu 120 mmHg, Tekanan darah Diastolik ibu 80 mmHg dan
kadar Hb ibu 12gr%.
Rata-rata untuk tinggi
badan ibu adalah 158,628 cm, umur ibu
27,93 tahun, berat badan ibu 56,1 kg, TD Sistolik 116,49 mmHg, TD diastolic
81,4 mmHg, dan kadar Hb ibu 11,638 gr%.
6. Transformasi data
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 sesuai tujuan
penelitian di bawah ini. Pengujian dilakukan pada confidence interval 95%.
1) Untuk mengetahui hubungan antara pendidikan
dengan pekerjaan
Identifikasi variabel dalam tujuan penelitian
·
Independen
: Pendidikan
·
Dependen
: Pekerjaan
1.
Identifikasi
field dalam database
·
Independen
: didik
·
Dependen
: kerja
2.
Tentukan
karakteristik field (K/N)
·
didik
: K
·
kerja
: K
3.
Tentukan
analisis sementara : Uji Beda Proporsi
4.
Apabila
terdapat variabel numerik -> lakukan uji normality : tidak ada
5.
Rumuskan
hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil
(Ho Pengujian) :
·
Ho
: Tidak ada perbedaan proporsi antara
pendidikan dengan pekerjaan
6.
Bahas
Hasil :
·
P
= 0,000
·
Ho
= Ditolak
·
Ada
perbedaan proporsi antara pendidikan dengan pekerjaan, BERARTI ada hubungan
pendidikan dengan pekerjaan.
2)
Untuk mengetahui hubungan antara 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 = 0,568
ü Ho = Diterima
ü Tidak ada perbedaan Korelasi
Regresi antara umur dengan kadar hb,
BERARTI tidak ada hubungan umur dengan kadar hb.
3) Untuk mengetahui hubungan antara tingkat pendidikan
kontrasepsi yang dipilih dalam ber-KB
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
·
Ho
= Ditolak
·
Ada
perbedaan proporsi antara tingkat pendidikan dengan kontrasepsi yang
dipilih dalam ber-KB, BERARTI ada hubungan tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
4)
Untuk mengetahui 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
·
hb
: N
4. Tentukan analisis sementara :
Uji Beda 2 Rata-Rata
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
·
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.
5) Untuk mengetahui hubungan antara
tekanan darah (sistolik/diastolik) dengan golongan darah
A. Sistolik
1. Identifikasi variabel dalam
tujuan penelitian
·
Independen
: Tekanan darah sistolik
·
Dependen
: Golongan Darah
2. Identifikasi field dalam
database
·
Independen
: hipersistolik
·
Dependen
: darah
3. Tentukan karakteristik field
(K/N)
·
hipersistolik
: K
·
darah:
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
= 0,001
·
Ho
= Ditolak
·
Ada
perbedaan proporsi antara tekanan darah
sistolik dengan golongan darah, BERARTI ada hubungan antara tekanan darah sistolik dengan golongan darah
B. Diastolik
1. Identifikasi variabel dalam
tujuan penelitian
·
Independen
: Tekanan darah Diastolik
·
Dependen
: Golongan Darah
2. Identifikasi field dalam
database
·
Independen
: hiperdiastolik
·
Dependen
: darah
3. Tentukan karakteristik field
(K/N)
·
Hiperdiastolik
: K
·
darah
: 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
·
Ho
= Ditolak
·
Ada
perbedaan proporsi antara tekanan darah
diastolik dengan golongan darah, BERARTI ada hubungan tekanan darah diastolik dengan golongan
darah.
UNTUK LEBIH JELAS SILAHKAN DOWNLOAD DISINI
Langganan:
Postingan (Atom)