sebelumnya saya minta maaf pak.karna baru kirim yang baru.walaupun tidak ada komentar di tugas saya.tapi saya lihat punya tugas teman2 yg lain ada komentarnya pak.tapi saya tetap kirim perbaikannya pak.
No
Perintah yang harus
dikerjakan
Langkah-langkah
HASIL LAPORAN
1.Identiras Mahasiswa
Tulis
nama dan NIM
NAMA :
INTAN PERMATA SARI
NIM :102114321
2.Pemilihan File : Bagi
yang digit terakhir NIM nya ganjil pilih file Ganjil.rec dan digit terakhir NIM
genap pilih file GENAP.rec
File yang dipilih adalah ganjil. Rec
BERDASARKAN NIM TERAKHIR
SAYA,MAKA SAYA MENGOLAH DATA : GANJIL
3.Jalankan epidata, pilih
menu export. Pilih file sesuai pilihan Anda (genap/ganjil) untuk dieksport ke
SPSS. Setelah di export tutup epidata.
Buka
epidata, export ganjil ke spss,disimpan dengan nama Ganjil, Epidata ditutup kembali.
FILE HASIL EKSPORT EPIDATA KE SPSS 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 dengan nama di absensi )
FILE SYNTAX : (GANJIL)
di eksport ke SPSS dan di simpan dengan nama: (INTAN PERMATA SARI) dan ekstensi : Sav
5.Periksa file data yang
dihasilkan meliputi jumlah semua field, jumlah record, jumlah field kategorik
dan jumlah field numerik
Lihat
di variabel view lalu hitung
. FILE DATA (INTAN PERMATA
SARI) berisi 32 field dan 8390
record.data kategorik sebanyak 20 field
dan data numeric sebanyak 12 field
6.Buat sebuah file syntax
dan isi pertama kali dengan variabel labels dan valur label data kategorik.
Draft variabel labels bisa dicopy dari syntax export file dari epidata.
Buat syntax baru, copy
kan latihan spss di kampus dan run all, jika tidak ada kesalahan maka syntax
telah bisa digunakan dan berhubungan langsung dengan data
Simpan file syntax dengan nama yang sama dengan dile data.
Pastekan disini sintax tentang ADD VALUE LABELS variabel didik, kerja, pernah,
ukurtb, fundus, tensi, tfe, tt, akseptor, ksepsi alasan, dan rencana
*
Pembuatan Value Labels .
*--------------------------------------- .
ADD VALUE LABELS kerja 1 'PNS' 2 'Swasta' 3 'Wiraswasta' 4
'Pedagang' 5 'Buruh/T/N' 6 'Lain2' .
ADD VALUE LABELS didik 0 'BH/SD' 2 'SLTP' 3 'SLTA' 4 'P.Tinggi' .
ADD VALUE LABELS sex 1 'Laki-laki' 2 'Perempuan' .
ADD VALUE LABELS pernah 1 'Pernah' 2 'Tidak' .
ADD VALUE LABELS fundus 0 'Tidak' 1 'Ya' .
ADD VALUE LABELS ukurtb 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 'Tdk Sesuai Keyakinan' 4 'Lain2' .
ADD VALUE LABELS rencana 1
'RS/RSB' 2 'PKM' 3 'Nakes' 4 'Dukun' 5 'Lain2' .
7.Periksa field
pendidikan(didik). Jika ditemukan data yang missing atau jenis kategori selain
dari yang legal, delete record yang missing tersebut.
Analyse
– descriptive statistik – fekuensi – didik –ok
Hapus
data yang missing : data – sort case – didik ascending – ok
Delete
yang missing yaitu yang pendidikannya selain diisi 0 (BH /SD), 2 (SLTP) , 3
(SMA), 4 (Perguruan Tinggi)
.JUMLAH RECORD SEBELUM DI
DELETE (8390)RECORD DAN SETELAH FIELD
DIDIK DI CLEANING ADALAH (8388)
RECORD
8.Periksa field kerja,
jika ditemukan data missing delete smua record yang field [kerja] nya missing
Analyse
– descriptive statistik – fekuensi – kerja –ok
Hapus
data yang missing : data – sort case – kerja ascending – ok
Delete
yang missing selain diisi 1-5
FIELD SEBELUM KERJA YANG
MISSING ADALAH (8388) RECORD DAN
SETELAH FIELD KERJA DI CLENING ADALAH (8378)
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
Analyse
– descriptive statistik – fekuensi – sistol –ok
Hapus
data yang missing : data – sort case – TD sistolik ascending – ok
Delete
yang dibawah 100 dan di atas 300
JUMLAH RECORD SEBELUM DI
DELETE SISTOL YANG MISSING ADALAH
SEBANYAK (8388)RECORD DAN SETELAH DI
LAKUKAN 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
Analyse
– descriptive statistik – fekuensi – diastol –ok
Hapus
data yang missing : data – sort case – TD diastolik ascending – ok
Delete
yang dibawah 60 dan di atas 150
JUMLAH RECORD SEBELUM DI DELETE DIASTOL YANG MISSING SEBANYAK (7127)RECORD DAN SETELAH DI LAKUKAN 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
DIGIT TERAKHIR NIM SAYA ADALAH ….. (21)
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
DIGIT TERAKHIR NIM SAYA ADALAH ….. (21)
1 DIGIT TERAKHIR
ADALAH : (1) GANJIL
12.
a Sort field tinggi
badan ibu [tb] dengan sort order
b Delete sebanyak 100 record dimulai dari recor 2 digit NIM Anda
b Delete sebanyak 100 record dimulai dari recor 2 digit NIM Anda
- Data – sort case – tb –ascending – ok
- Delete dari 21 sampai 120
GANJIL
JUMLAH RECORD TERSISA
SETELAH DI DELETE SEBANYAK 100 RECORD MULAIN 2 DIGIT NIM ADALAH (6856)RECORD
14.Buat tabel
distribusi frekuensi untuk variabel Pendidikan [didik] dan berikan komentar
singkat !
Analyse
– descriptive statistik – frekuensi – didik –ok
Komentar
-à maka tingkat pendidikan yang
paling banyak yaitu tingkat pendidikan yang paling banyak terdapat pada
perguruan tinggi dan SLTA memiliki tingkat pendidikan yang sama banyak yaitu
43%.dan tingkat pendidikan ibu yang paling sedikit yaitu pada tingkat
pendidikan yang BH(BELUM SEKOLAH) atau SD.
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. Pastekan disini syntax
transformasi field didik, kemudian pastekan hasil distribusi frekuensinya di
bawah syntax yang bersangkutan
Transform – recode into
different variabel – didik – tinggi untuk SMA dan PT, Pendidikan rendah untuk SD/BH dan SLTP – paste
Buka syntax tambahkan add
value labels didik2 1 ‘Tinggi’ 2 ‘Rendah’ . – blok recode sampai execute lalu
run current
RECODE
DIDIK
(0=0) (2=0) (3=1)
(4=1) INTO didik2 .
VARIABLE LABELS didik2 'pendidikan rendah dan
pendidikan tinggi'.
ADD VALUE LABELS didik2 0'rendah'1'tinggi'.
EXECUTE .
Komentar à maka
tingkat pendidikan ibu pada umumnya berada pada tingkat tinggi yaitu sebesar
86,7% sedangkan tingkat pendidikan ibu yang paling sedikit yaitu pada tingkat
pendidikan rendah yaitu sebesar 13,3%.
16.Lakukan cleaning
data fiel kategorik lainnya seperti : darah, pernah, akseptor, alasan dan
rencana seperti mengerjakan soal nomor 7 di atas Laporkan perubahan jumlah
record sebelum dan sesudah melakukan cleaning masing untuk 5 field yang Anda
cleaning
Analyse
– descriptivr statisric – frekuensi – darah – ok
Jika
ada yang missing delete ( dengan melihat jumlah yang konsisten ), caranya data
– sort case – darah – ascending - ok
Begitu
juga dengan field pernah, akseptor, alasan, dan rencana
JUMLAH RECORD SEBELUMYA 6856
RECORD SETELAH DI CLEANING KATEGORIK
DARAH MENJADI 6856 RECORD.
JUMLAH RECORD SEBELUMYA 6856 RECORD SETELAH DI CLEANING
KATEGORIK PERNAH MENJADI 6853 RECORD.
JUMLAH RECORD SEBELUMYA 6853 RECORD SETELAH DI CLEANING KATEGORIK AKSEPTOR MENJADI 6845 RECORD.
JUMLAH RECORD SEBELUMYA 6845
RECORD SETELAH DI CLEANING KATEGORIK ALASAN
MENJADI 6831 RECORD.
JUMLAH RECORD SEBELUMYA 6831
RECORD SETELAH DI CLEANING KATEGORIK RENCANA MENJADI 6780
RECORD.
17. JUMLAH RECORD SEBELUMYA 6780
RECORD SETELAH DI CLEANING KATEGORIK KADAR HB MENJADI 6756 RECORD.
JUMLAH RECORD SEBELUMYA 6756 RECORD SETELAH DI CLEANING
KATEGORIK TINGGI BADAN MENJADI 6753 RECORD.
JUMLAH RECORD SEBELUMYA 6753 RECORD SETELAH DI CLEANING
KATEGORIK BERAT BADAN MENJADI 6737
RECORD.
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 Laporkan perubahan data sebelum dan sesudah cleaning data 3 variabel tsb (Hb, TB dan BB). Jumlah record dibuat masing-masing field yang dicleaning.
. JUMLAH RECORD SEBELUMYA 6780 RECORD SETELAH DI CLEANING KATEGORIK KADAR HB MENJADI 6756 RECORD.
- Kadar Hb : 6,0 - 17,5 mg/dl
- Tinggi badan 135,0 - 180 cm
- Berat Badan : 35,0 - 80,0 kg Laporkan perubahan data sebelum dan sesudah cleaning data 3 variabel tsb (Hb, TB dan BB). Jumlah record dibuat masing-masing field yang dicleaning.
. JUMLAH RECORD SEBELUMYA 6780 RECORD SETELAH DI CLEANING KATEGORIK KADAR HB MENJADI 6756 RECORD.
JUMLAH RECORD SEBELUMYA 6756 RECORD SETELAH DI CLEANING
KATEGORIK TINGGI BADAN MENJADI 6753 RECORD.
JUMLAH RECORD SEBELUMYA 6753 RECORD SETELAH DI CLEANING
KATEGORIK BERAT BADAN MENJADI 6737
RECORD.
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 Tuliskan langkah-langkah
melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan
record yang terjadi (record inconsistensi harus didelete)
1.lakukan
frekuensi “pernah memeriksa kehamilan” dengan “frekuensi pemeriksaan
kehamilan”.
2.setelah
itu ambil menu DATA pada program SPSS .dan pilih sort cases .dan masukkan pada
sort by nya : “ pernah memeriksa kehamilan dan frekuensi pemeriksaan kehamilan
“dan sort ordernya “desending dan desending”
3.dan
klik ok
4.apabila
muncul pada “pernah memeriksakan kehamilannya” angka 2(tidak pernah
memeriksakan kehamilan)tetapi pada “frekuensi pemeriksaan kehamilannya” berisi
angka-angka frekuensi kali memeriksakan kehamilan nya .maka itu yang missing
dan record tersebut di delete.
Record
sebelumnya adalah 6773 record dan
setelah di delete menjadi 6570
record
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 Tuliskan langkah-langkah
melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan
record yang terjadi bila ada recor yang didelete
langkah2:
1.lakukan frekuensi “pernah memeriksa kehamilan” dengan “pemeriksaan 5T”.
1.lakukan frekuensi “pernah memeriksa kehamilan” dengan “pemeriksaan 5T”.
2.setelah
itu ambil menu DATA pada program SPSS .dan pilih sort cases .dan masukkan pada
sort by nya : “ pernah memeriksa kehamilan dan pemeriksaan 5T“dan sort ordernya
“desending dan ascending”
3.dan
klik ok
4.apabila
muncul pada “pernah memeriksakan kehamilannya” angka 2(tidak pernah
memeriksakan kehamilan)tetapi pada “ pemeriksaan 5T” berisi anka nol maka itu
yang missing.
Record
sebelumnya adalah 6570 record dan
setelah di delete menjadi 6535 record
20.Lakukan cleaning
data seperti soal 18 dan 19 untuk memeriksa konsistensi atara pertanyaa (field)
akseptor, kontrasepsi dan alasan tidak ber-KB Tuliskan langkah-langkah
melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan
record yang terjadi (record inconsistensi harus didelete)
Lakukan analisa frekuensi untuk ketiga data
akseptor, kontrasepsi dan alasan tidak berKB dan bandingkan data : data
akseptor (Ya)= Data Kontrasepsi (Ya)≠ Alasan berKB.
Ambil data – sort case – pilih akseptor
(ascending), ksepsi (ascending), dan alasan tidak ber-KB (ascending),jika 0
maka alasan harus berisi, jika 1 maka ksepsi harus berisi,jika tidak missing
20. Record sebelumnya adalah 6535
record dan setelah di delete kategorik pernyataan akseptor,kontrasepsi dan alas
an tidak ber-KB. menjadi 6533 record
21Transformasi data
(compute)
Hitung IMT Ibu dan IMT Anak, kemudian kategorikan menjadi 5 kategori dan 3 kategori masing-masingnya. terakhir hitung prevalensi masing-masing kategori.
Pastekan semua syntax yang berhubungan dengan compute IMT dan pengkategoriannya disini, kemudia paste-kan output frekuensi kaegori IMT yang sudah Anda buat dengan disertai komentar seperlunya di bawah masing-masing tabel output.
Hitung IMT Ibu dan IMT Anak, kemudian kategorikan menjadi 5 kategori dan 3 kategori masing-masingnya. terakhir hitung prevalensi masing-masing kategori.
Pastekan semua syntax yang berhubungan dengan compute IMT dan pengkategoriannya disini, kemudia paste-kan output frekuensi kaegori IMT yang sudah Anda buat dengan disertai komentar seperlunya di bawah masing-masing tabel output.
Copy
sintax yang lama lalu run current
Lalu
analyse – descriptive statistik – masing-masing kategori – ok
*perhitungan
IMT ibu.
COMPUTE IMTibu = BB / ((tb / 100) * (tb / 100)) .
VARIABLE LABELS IMTanak 'IMT Anak Balita'.
EXECUTE .
RECODE
IMTibu
(Lowest thru 16.9=1) (17.0 thru 18.4999999=2) (18.5 thru 25.0000001=3) (25.0 thru 27.0=4) (27.001 thru Highest=5) INTO
imti5 .
VARIABLE LABELS imti 'IMT ibu'.
ADD VALUE LABELS imti 1 'Sangat Kurus' 2 'Kurus' 3 'Normal' 4
'Gemuk' 5 'Obesitas'.
EXECUTE .
RECODE
IMTANAK
(Lowest thru 16.9=1) (17.0 thru 18.4999999=2) (18.5 thru 25.0000001=3) (25.0 thru 27.0=4) (27.001 thru Highest=5) INTO
imtANAK2 .
VARIABLE LABELS imtANAK2 'IMT ANAK'.
ADD VALUE LABELS imtANAK2 1 'Sangat Kurus' 2 'Kurus' 3 'Normal' 4
'Gemuk' 5 'Obesitas'.
EXECUTE .
*perhitungan imt anak.
COMPUTE IMTanak = weight / ((height/ 100) * (height / 100)) .
VARIABLE LABELS IMTanak 'IMT Anak Balita'.
EXECUTE .
RECODE IMTanak (Lowest thru 18.4999=1) (18.5 thru 25.00=2) (25.01
thru Highest=3) INTO imta5.
VARIABLE LABELS imta5 '
kategori imt anak'.
ADD VALUE LABELS IMTa5 1'kurus'2'normal'3'gemuk'.
EXECUTE.
RECODE IMTIBU (Lowest thru 18.4999=1) (18.5 thru 25.00=2) (25.01
thru Highest=3) INTO
imtIBU2.
VARIABLE LABELS imtIBU2 '
kategori imt IBU'.
ADD VALUE LABELS IMTIBU 1'kurus'2'normal'3'gemuk'.
EXECUTE.
Komentar : jumlah ibu dengan IMT yang normal
lebih banyak dengan angka (91,2%).sedangkan jumlah ibu dengan IMT yang sangat
kurus lebih sedikit degan angka(0,4%).
Komentar: jumlah IMT anak yang kurus lebih
banyak dengan angka (76,0%) di bandingkan dengan jumlah IMT anak yang gemuk
lebih sedikit dengan angka(5,7%)
Komentar: jumlah IMT ibu yang normal lebih
banyak dengan angka (91,2%) di bandingkan dengan jumlah IMT anak yang kurus
lebih sedikit dengan angka(2,9%)
Komentar: jumlah IMT anak yang sangat kurus lebih banyak dengan angka (66,5%) di
bandingkan dengan jumlah IMT anak yang gemuk lebih sedikit dengan angka(1,1%)
22. a Identifikasi variabel dalam
tujuan penelitian
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
f Lakukan pengujian, baca hasil dan
interpretasikan
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
- Sebutkan nama variabel dan posisi sebagai independen atau dependen variable
- Cantumkan nama field dalam database untuk tiap variable
- ) Cantumkan type variabel (numerik atau kategorik)
- Nama Uji statistik yang akan dipakan beserta alasannya
- Tidak menggunakan uji normality karena menggunakan uji chi square.
- Cara uji
chi square : mengklik analyze, pilih
descriptif statistic, pilih crosstab. lalu masukkan variablenya dan pilih
statistik lalu ceklist chi-square dan ok/
uji Copy-pastekan output analisis disini dan berikan komentar dibawahnya - Hubungkan
dengan penelitian sebelumnya agar terbukti kuat
1.Untuk Mengetahui Hubungan Antara Pendidikan Dengan Pekerjaan
Yang Memiliki Responden
1. Tingkat
Pendidikan variabel nya adalah variabel Independen
Jenis Pekerjaan variabelnya adalah
variabel Dependen
2. Pendidikan
fieldnya adalah Didik
Jenis Pekerkjaan fieldnya adalah Kerja
3. field
Didik termasuk data Kategorik
Field Kerja termasuk data Kategorik
4.Uji Beda Proporsi.Makin Tinggi
Pendidikan Ibu Makin Bagus Pekerjaan Ibu
Ho:Tidak
Ada Perbedaan Proporsi Ibu Yang Tidak Bekerja dengan ibu yang Tamat
SD,SLTP,SLTA dan Perguruan Tinggi.Diuji Pada Confidens Interval 95%
- – ( karena tidak ada variabel numeric maka tidak di lakukan uji normality)
6.Interpretasi
P<0.05 à Ho
ditolak
Kesimpulanà ada perbedaan proporsi antara ibu yang tidak
bekerja dengan ibu yang tamat SD,SLTP,SLTA DAN PERGURUAN TINGGI.
7.Membandingkan dengan teori
Penelitian
yang di lakukan oleh ariswo,suwarno tentang “ HUBUNGAN TINGKAT PENDIDIKAN IBU
DAN PEKERJAAN YANG DIMILIKI IBU”.terdapat hubungan yang bermakna antara tingkat
pendidikan ibu dengan pekerjaan yang akan di mulki ibu.pada umunya ibu dengan
tingkat pendidikan tinggi memilki tingkat pekerjaan yang bagus atau tinggi juga
23 a Identifikasi variabel dalam tujuan penelitian
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
f Lakukan pengujian, baca hasil dan
interpretasikan
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
- Sebutkan nama variabel dan posisi sebagai independen atau dependen variable
- Cantumkan nama field dalam database untuk tiap variable
- ) Cantumkan type variabel (numerik atau kategorik)
- Nama Uji statistik yang akan dipakan beserta alasannya
- Tidak menggunakan uji normality karena menggunakan uji chi square.
- Cara uji
chi square : mengklik analyze, pilih
descriptif statistic, pilih crosstab. lalu masukkan variablenya dan pilih
statistik lalu ceklist chi-square dan ok/
uji Copy-pastekan output analisis disini dan berikan komentar dibawahnya
2.Untuk Mengetahui Hubungan
Antara Pekerjaan Ibu Dengan Alat Kontrasepsi Yang Dipilih Ibu Untuk Ber-KB
1.
Tingkat Pekerjaan variabel nya adalah variabel Independen
Alas an kontrasepsi yang di pilih
ber-KB variabelnya adalah variabel Dependen
2.
Pendidikan fieldnya adalah kerja
Jenis Pekerkjaan fieldnya adalah ksepsi
3.
field kerja termasuk data Kategorik
Field ksepsi termasuk data Kategorik
4.Uji Beda Proporsi.Makin Tinggi Pekerjaan
Ibu Makin Bagus alat kontrasepsi yang di pakai ibu
Ho:Tidak
Ada Perbedaan Proporsi Ibu Yang memakai
alat kontrasepsi dengan pekerjaan yang di miliki
ibu(PNS,SWASTA,WIRASWASTA,BURUH/TANI,IBU RUMAH TANGGA).Diuji Pada Confidens Interval
95%
5.–
( karena tidak ada variabel numeric maka tidak di lakukan uji normality)
6.interpretasi
P<0.05 à Ho
ditolak
Kesimpulanà ada perbedaan proporsi antara ibu yang tidak
meamakai alat kontrasepsi dengan pekerjaan yang dimilki ibu(PNS,SWASTA,WIRASWASTA,BURUH/TANI,IBU
RUMAH TANGGA)
7.badingkan dengan teori
Penelitian yang di lakukan oleh Miles-Doan
R , Brewster
KL di filipina “ HUBUNGAN TINGKAT PEKERJAAN IBU DENGAN KONTRASEPSI YANG DI
PAKAI IBU DAN PELAYANAN KESEHATAN YANG DI PILIH “.mengatakan ada hubungan yang
bermakna antara pekerjaan yang di milki ibu dengan kontrsepsi yang di gunakan
pada ibu-ibu di filipina.
24 a Identifikasi variabel dalam tujuan penelitian
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
f Lakukan pengujian, baca hasil dan
interpretasikan
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
- Sebutkan nama variabel dan posisi sebagai independen atau dependen variable
- Cantumkan nama field dalam database untuk tiap variable
- ) Cantumkan type variabel (numerik atau kategorik)
- Nama Uji statistik yang akan dipakan beserta alasannya
- lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK.
- Karena
data normal maka lakukan uji t-test dengan cara klik analyze, compare mean lalu klik independent sample
t-test. pada test variable yang di masukkan adalah data numerik dan
grouping variable data kategorik lal tetapkan pengkategorian dengan
mngklik define group misalnya 1= tinggi 2 =rendah. lalu klik OK
Copy-pastekan output analisis disini dan berikan komentar dibawahnya - Hubungkan dengan penelitian sebelumnya agar terbukti kuat
untuk mengetahui hubungan antara pemberian tablet fe dengan
kadar hemoglobin dalam darah
1.pemberian
tablet FE variabel nya adalah variabel Independen
Kadar
HB variabelnya adalah variabel Dependen
2.pemberian
tablet FE fieldnya adalah tfe
Kadar HB fieldnya adalah HB
3.field tfe termasuk data Kategorik
Field
hb termasuk data numerik
4.Uji
Perbedaan Rata-rata.
Dua
rata-rata dilakukan dengan uji t-test
Sampel
tidak berpasangan dilakukan dengan independent Sample t-test
Teori yang relevan : makin sering
pemberian tablet FE makin tinggi kadar HB ibu
Ho:Tidak
Ada Perbedaan rata-rata yang signifikan antara ibu yang sering mendapatkan
tablet FE dengan kadar HB ibu. Diuji Pada Confidens Interval 95%
5.kadar
HB numerik dilakukan uji normality
Kesimpulannya:
Pada umumnya data berdistribusi normal
6.interpretasi
25 a Identifikasi variabel dalam tujuan penelitian
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
f Lakukan pengujian, baca hasil dan
interpretasikan
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
- Sebutkan nama variabel dan posisi sebagai independen atau dependen variable
- Cantumkan nama field dalam database untuk tiap variable
- ) Cantumkan type variabel (numerik atau kategorik)
- Nama Uji statistik yang akan dipakan beserta alasannya
- lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK.
untuk mengetahui hubungan antara tingkat pendidikan ibu dengan
frekuensi pemeriksaan kehamilan
1.pendidikan
formal ibu variabel nya adalah variabel Independen
Frekuensi pemeriksaan kehamilan variabelnya adalah variabel Dependen
2.pendidikan
formal ibu fieldnya adalah didik
Frekuensi pemeriksaan kehamilan fieldnya
adalah kali
3.field
didik termasuk data Kategorik
Field
kali termasuk data numerik
4.Uji
Anova,Makin Tinggi Tingkat Pendidikan Ibu ,Maka Makin sering ibu memeriksakan
kehamilannya
Teori yang relevan : Makin Tinggi
Pendidikan Ibu Makin sering ibu memeriksakan kehamilan
Ho: Tidak Ada Perbedaan Rata-Rata
yang Signifikan Antara Ibu yang Tingkat Pendidikan Rendah Dan Ibu Tingkat
Pendidikan Tinggi Dengan frekuensi pemeriksaan kehamilanDiuji Pada Confidens
Interval 95%.
5.frekuensi pemeriksaan kehamilan
Numerik Diuji Dengan Normality
Data
tidak normal maka uji T-test tidak bisa dilakukan
26 a Identifikasi variabel dalam tujuan penelitian
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
b Identifikasi field dalam database
c Tentukan karakteristik data (K/N
d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian
e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality
f Lakukan pengujian, baca hasil dan
interpretasikan
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.
- Sebutkan nama variabel dan posisi sebagai independen atau dependen variable
- Cantumkan nama field dalam database untuk tiap variable
- ) Cantumkan type variabel (numerik atau kategorik)
- Nama Uji statistik yang akan dipakan beserta alasannya
- lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK.
Namun
data yang ditampilkan caranya klik analyse – descritive statistic – descriptive
– masukkan ke 2 variabel- ok
- Data
normal maka lakukan uji anova dengan cara klik
analyze, pilih compare
mean dan pilih one-way Anova. masukkan variblenya dan jangan lupa klik post hoc untuk mengklik bafferoni dan
klik OK.
Copy-pastekan output analisis disini dan berikan komentar dibawahnya
5.untuk mengetahui hubungan
antara umur ibu dengan tekanan darah sistolik
1.umur
ibu variabel nya adalah variabel
Independen
Tekanan darah sistolik variabelnya adalah
variabel Dependen
2.umur
ibu formal ibu fieldnya adalah umur
Tekanan darah sistolik fieldnya adalah sistol
3.field
umur termasuk data numerik
Field
sistol termasuk data numerik
4.Uji
korelasi,Makin Tua umur ibu ,Maka Makin Tinggi tekanan darah sistolik ibu
Teori yang relevan : Makin Tua umur
ibu Makin Tinggi tekanan darah sistolik ibu
Ho: Tidak Ada korelasi Antara ibu
dengan umura yang tua dan ibu yang muda dengantekanan darah sistolik ibu. Diuji
Pada Confidens Interval 95%.
5.umuribu dan tekanan darah
sistolik Numerik Diuji Dengan Normality
P< 0.05 maka sebaran tidak normal.
|
f. uji korelasi
spearman
|
27.Olah data ke WHO antro
Langkah-1 Save As dana
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
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
SELENGKAPNYA
