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
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