Laporan
Hasil Ujian Pratikum Komputer Lanjut
1. Identitas
Mahasiswa
Nama : WENNY ED PRATAMA
NIM : 102114354
2. Pemilihan
File :
Bagi yang digit terahir NIM nya ganjil pilih file GANJIL.rec dan digit terakhir NIM genap pilih file GENAP.rec
Bagi yang digit terahir NIM nya ganjil pilih file GANJIL.rec dan digit terakhir NIM genap pilih file GENAP.rec
Berdasarkan
angka NIM terakhir saya, maka file yang akan diolah adalah [54 (Genap) ]
3.
Jalankan Epidata, pilih menu Export. Pilih file
sesuai pilihan Anda (gebap/ganjil) untuk dieksport ke SPSS. Setelah dieksport,
tutup Epidata
File
hasil eksport Epidata ke sav berekstensi sps dengan nama file wenny
ed pratama.sav
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 nama di absensi)
File
syntax penimbangan masal dieksport ke SPSS dan disimpan dengan nama wenny
ed pratama dan ekstensi sps.
5. Periksa
file data yang dihasilkan meliputi jumlah semua field, jumlah record, jumlah
field kategorik dan jumlah field numerik
File
data [file] berisi 39 field dan 8390 record. Data kategorik
sebanyak 25 field dan data numerik sebanyak 14 field
6. Buat
sebuah file syntax dan isi pertama kali dengan variable labels dan value label
data kategorik. Draft variable labels bisa dicopy dari syntax export file dari
Epidata.
Simpan file syntax dengan nama yang sama
dengan file data. Pastekan disini sintax tentang ADD VALUE LABELS
variabel didik, kerja, pernah, ukurtb, fundus, tensi, tfe, tt,
akseptor, ksepsi alasan, dan rencana
VARIABLE LABELS
entri
"Nama Pengentri Data"
kode
"Kode Sampel"
nama
"Nama Ibu"
tlahir
"Tgl Lahir Ibu"
umur
"Umur Ibu (tahun)"
kerja
"Pekerjaan Ibu Responden"
didik
"Pendidikan Formal Ibu"
tb
"TB Ibu (cm)"
bb
"BB Ibu (kg)"
darah
"Golongan Darah"
sistol
"TD Sistolik (mmHg)"
diastol
TD Diastoli (mmHg)"
hb
"Kadar HB (mmHg)"
nabal
"Nama Balita"
tlb
"Tgl Lahir Balita"
age
"Umur Balita (age)"
weight
"BB Balita (kg)"
height
"TB Balita (cm)"
pernah
"Pemeriksakan kehamilan"
kali
"Frekwensi pemeriksaan kehamilan"
fundus
"Pengukuran Tinggi Fundus"
ukurtb
"Pengukuran Tinggi Badan"
tensi
"Pengukuran tekanan darah (tensi)"
tfe
"Pemberian Tablet Tambah darah (Fe)"
tt "Imunisasi Tetanus Toxoid
(TT)"
akseptor
"Apakah sebelum hamil ibu Akseptor KB"
ksepsi
"kontrasepsi yang pakai"
n5e
"kontrasepsi lainnya"
alasan
"Alasan tidak ber-KB"
n6d
"alasan lain tidak ber-KB"
rencana
"Rencana T4 Melahir".
* Pembuatan Value Label utk Data
Kategorik .
* ===============================
.
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 yg legal, delete record yg missing tersebut
Catat
disini jumlah record sebelum didelete 8390 record dan sesudah didelete
yang missing tersisa 8382 record
8. Periksa
field kerja, jika ditemukan data missing delete smua record yang field [kerja]
nya missing
Jumlah
field sebelum kerja yg missing adalah 2 dan setelah field kerja dicleaning adalah 8380 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
Jumlah
record sebelum di delete sistol yang missing adalah sebanyak 251 record
dan setelah dilakukan penghapusan field sistol yang missing tersisa 8129 record
10. Lakukan hal yang sama dengan soal nomor 9 untuk variabel tekanan
darah diastolik [diastol] dengan batasan 60-150 mmHg
Jumlah record sebelum di delete diastol yang missing adalah sebanyak
47 record dan setelah dilakukan penghapusan field diastol yang missing
tersisa 8082 record
11. Periksa
kembali NIM Anda :
Catat angka 2 digit terakhir NIM Anda
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
Catat angka 2 digit terakhir NIM Anda
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
2 digit
terakhir NIM saya adalah :
54
1
digit terakhir
adalah : ____4____ Genap
13.A.
Sort field berat badan ibu [bb] dengan sort order decending
13.B.
delete sebanyak 50 record
dimulai dari record 2 digit NIM Anda
Genap :
Jumlah record tersisa setelah di delete sebanya 50 record mulai dari 2 digit
Jumlah record tersisa setelah di delete sebanya 50 record mulai dari 2 digit
14.
Buat tabel distribusi frekuensi untuk variabel Pendidikan [didik] dan
berikan komentar singkat !
Pastekan
output tabel distribusi frekuensi tersebut dalam lembar jawaban disini,
berserta komentar singkat di bawah tabel
Pendidikan Formal Ibu
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
BH/SD
|
217
|
2.6
|
2.6
|
2.6
|
1
|
1
|
.0
|
.0
|
2.6
|
|
SLTP
|
947
|
11.3
|
11.3
|
13.9
|
|
SLTA
|
3550
|
42.3
|
42.4
|
56.3
|
|
P.Tinggi
|
3666
|
43.7
|
43.7
|
100.0
|
|
5
|
1
|
.0
|
.0
|
100.0
|
|
Total
|
8382
|
99.9
|
100.0
|
|
|
Missing
|
System
|
8
|
.1
|
|
|
Total
|
8390
|
100.0
|
|
|
Distribusi untuk tabel pendidikan
di atas yang terbanyak adalah P.Tinggi yaitu sebanyak 3666 sedangkan yang paling sedikit adalah
pendidikan BH/SD sebanyak 217.
15. Sederhanakan kategori pendidikan menjadi tinggi dan rendah, dimana pendidikan tinggi adalah SLTA ke atas. Pastekan lebih
dulu 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, disertai komentar
RECODE DIDIK (0=0) (2=0) (3=1) (4=1) INTO didik2.
VARIABLE LABELS didik2 'pendidikan ibu dikategorikan tinggi dan rendah'.
ADD VALUE LABELS didik2 0 'pendidikan rendah' 1 'pendidikan tinggi'.
EXECUTE.
pendidikan ibu dikategorikan
tinggi dan rendah
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
pendidikan rendah
|
1068
|
13.3
|
13.3
|
13.3
|
pendidikan tinggi
|
6961
|
86.7
|
86.7
|
100.0
|
|
Total
|
8029
|
100.0
|
100.0
|
|
|
Missing
|
System
|
2
|
.0
|
|
|
Total
|
8031
|
100.0
|
|
|
Distribusi untuk tabel pendidikan
ibu dikategorikan tinggi dan rendah adalah Pendidikan Tinggi yaitu sebanyak
6961 sedangkan pendidikan rendah
sebanyak 1068.
16. Lakukan cleaning data field 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
a. golongan darah
Statistics
|
||
Golongan Darah
|
|
|
N
|
Valid
|
8031
|
Missing
|
0
|
Golongan Darah
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
0
|
4
|
.0
|
.0
|
.0
|
A
|
2321
|
28.9
|
28.9
|
29.0
|
|
AB
|
1783
|
22.2
|
22.2
|
51.2
|
|
B
|
1551
|
19.3
|
19.3
|
70.5
|
|
O
|
2372
|
29.5
|
29.5
|
100.0
|
|
Total
|
8031
|
100.0
|
100.0
|
|
b.
pernah
Statistics
|
||
Pemeriksakan kehamilan
|
||
N
|
Valid
|
8031
|
Missing
|
0
|
Pemeriksakan kehamilan
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
Pernah
|
7455
|
92.8
|
92.8
|
92.8
|
Tidak
|
576
|
7.2
|
7.2
|
100.0
|
|
Total
|
8031
|
100.0
|
100.0
|
|
c.
akseptor
Statistics
|
||
Apakah sebelum hamil ibu Akseptor KB
|
||
N
|
Valid
|
8027
|
Missing
|
4
|
Apakah sebelum hamil ibu
Akseptor KB
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
Tidak
|
2257
|
28.1
|
28.1
|
28.1
|
Ya
|
5769
|
71.8
|
71.9
|
100.0
|
|
2
|
1
|
.0
|
.0
|
100.0
|
|
Total
|
8027
|
100.0
|
100.0
|
|
|
Missing
|
System
|
4
|
.0
|
|
|
Total
|
8031
|
100.0
|
|
|
Distribusi untuk tabel akseptor
KB di atas adalah 8031 missing 4 dari yang tidak akseptor KB 2257, sedangkan
yang ya akseptor KB adalah 5769.
d.
Alasan
Statistics
|
||
Alasan tidak ber-KB
|
||
N
|
Valid
|
2258
|
Missing
|
5769
|
Alasan tidak ber-KB
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
Masih Ingin Punya Anak
|
836
|
10.4
|
37.0
|
37.0
|
Dilarang Suami
|
820
|
10.2
|
36.3
|
73.3
|
|
Tdk Sesuai Keyakinan
|
525
|
6.5
|
23.3
|
96.6
|
|
Lain2
|
77
|
1.0
|
3.4
|
100.0
|
|
Total
|
2258
|
28.1
|
100.0
|
|
|
Missing
|
System
|
5769
|
71.9
|
|
|
Total
|
8027
|
100.0
|
|
|
e.
Rencana
Statistics
|
||
Rencana T4 Melahir
|
||
N
|
Valid
|
2256
|
Missing
|
5
|
Rencana T4 Melahir
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
0
|
4
|
.2
|
.2
|
.2
|
RS/RSB
|
737
|
32.6
|
32.7
|
32.8
|
|
PKM
|
738
|
32.6
|
32.7
|
65.6
|
|
Nakes
|
501
|
22.2
|
22.2
|
87.8
|
|
Dukun
|
220
|
9.7
|
9.8
|
97.5
|
|
Lain2
|
55
|
2.4
|
2.4
|
100.0
|
|
6
|
1
|
.0
|
.0
|
100.0
|
|
Total
|
2256
|
99.8
|
100.0
|
|
|
Missing
|
System
|
5
|
.2
|
|
|
Total
|
2261
|
100.0
|
|
|
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
- 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.
Sebelum cleaning data 3 variabel tsb (Hb, TB dan BB), jumlah
recordnya adalah 2256
Setelah cleaning data 3 variabel tsb (Hb, TB dan BB), jumlah
recordnya adalah2256
18. Lakukan langkah
cleaning data terakhir untuk melihat konsistensi (taat azaz) 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)
Langkah – langkahnya :
v Untuk pemeriksaan kehamilan
1.
analyze à
descriptif statistic à frekuensi à
pemeriksaan kehamilan à desending
(pakai display) à ok
2.
Klik data à
sort cases
3.
Pilih pemeriksaan kehamilan
Statistics
|
||
Pemeriksakan kehamilan
|
||
N
|
Valid
|
2256
|
Missing
|
0
|
Pemeriksakan kehamilan
|
|||||
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
Pernah
|
2042
|
90.5
|
90.5
|
90.5
|
Tidak
|
214
|
9.5
|
9.5
|
100.0
|
|
Total
|
2256
|
100.0
|
100.0
|
|
Distribusi untuk tabel
pemeriksaan kehamilan adalah pernah 2042 dan tidak 214 totalnya 2256 dan yang
missing tidak ada.
v Untuk frekuensi pemeriksaan kehamilan
1.
analyze àdeskriptif
statistic à frekuensi àfrekuensi pemeriksaan kehamilan à assending
(tidak pakai display) à ok
2.
Klik data à
sort cases
3.
Pilih frekuensi pemeriksaan
kehamilan
Statistics
|
||
Frekwensi pemeriksaan kehamilan
|
||
N
|
Valid
|
2132
|
Missing
|
124
|
Distribusi untuk tabel
frekwensi pemeriksaan kehamilan
adalah record setelah missing yaitu 2132
missing 124.
19. Lanjutkan cleaning data seperti soal no. 18 di atas dengan
memeriksa konsistensi antara pernah memeriksakan kehamilan dengan mendapatkan
5T. Ketentuannya adalah yang ditanya apakah mendapatkan pelayanan 5T hanyalah
yang pernah memeriksakan kehamilan saja. Berarti yang 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
Langkah – langkahnya :
v Untuk 5T (Pengukuran
Tinggi Fundus (Fundus), Pengukuran Tinggi Badan, Pengukuran tekanan darah
(tensi), Pemberian Tablet Tambah darah (Fe), Imunisasi Tetanus Toxoid (TT).
1.
analyze à
descriptif statistic à frekuensi à
(Pengukuran Tinggi Fundus (Fundus), Pengukuran Tinggi Badan, Pengukuran
tekanan darah (tensi), Pemberian Tablet Tambah darah (Fe), Imunisasi Tetanus
Toxoid (TT).à Asending (pakai display) à
ok
2.
Klik data à
sort cases
3.
Pilih (Pengukuran Tinggi
Fundus (Fundus), Pengukuran Tinggi Badan, Pengukuran tekanan darah (tensi),
Pemberian Tablet Tambah darah (Fe), Imunisasi Tetanus Toxoid (TT).
Distribusi untuk (Pengukuran Tinggi Fundus (Fundus), Pengukuran Tinggi
Badan, Pengukuran tekanan darah (tensi), Pemberian Tablet Tambah darah (Fe),
Imunisasi Tetanus Toxoid (TT) adalah
record setelah yaitu valid 2132 tidak ada missing
v Untuk pemeriksaan kehamilan
1.
analyze à
descriptif statistic à frekuensi à
pemeriksaan kehamilan à desending
(pakai display) à ok
2.
Klik data à
sort cases
3.
Pilih pemeriksaan kehamilan
Distribusi untuk pemeriksaan
kehamilan record setelah di cleaning adalh valid 2132.
20. Lakukan cleaning
data seperti soal 18 dan 19 untuk memeriksa konsistensi atara pertanyaan
(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)
v Untuk akseptor, kontrasepsi dan alasan tidak ber-KB
1.
Pilih data ambil analyze à
descriptif statistic à frekuensi à
akseptor, kontrasepsi dan alasan tidak ber-KB à assending
(pakai display) à ok
2.
Klik data à
sort cases
3.
Pilih akseptor, kontrasepsi
dan alasan tidak ber-KB
-
Akseptor, distribusi untuk
akseptor recordnya adalah valid 2130, missing 2.
-
Kontrasepsi, distribusi
untuk kontrasepsi recordnya adalah valid 147 dan yang missing adalah 1983.
-
Alasan tidak ber-KB ,
distribusi untuk alasan tidak ber-KB recordnya adalah valid 2130 daan yang
missing tidak ada.
21. ransformasi data (compute)
Hitung IMT Ibu dan IMT Anak, kemudian kategorikan menjadi 5 kategori dan 3 kategori masing-masingnya. terakhir hitung prevalensi masing-masing kategori.
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, kemudian paste-kan
output frekuensi kategori IMT yang sudah Anda buat dengan disertai komentar
seperlunya di bawah masing-masing tabel output.
*Perhitungan IMT Ibu Hamil .
COMPUTE IMTi = bb / ((tb/ 100) * (tb/ 100)) .
VARIABLE LABELS IMTi 'IMT ibu hamil' .
EXECUTE .
*Pengelompokkan IMT Ibu hamil .
RECODE
IMTi
(Lowest thru
16.999=1) (17.0 thru 18.49999=2) (18.5 thru 25.00=3) (25.001 thru 27.0=4) (27.001 thru Highest=5) INTO
IMTi5 .
VARIABLE LABELS IMTi5 'IMT ibu hamil'.
ADD VALUE LABELS IMTi5 1 'Sangat Kurus' 2 'Kurus' 3
'Normal' 4 'Gemuk' 5 'Obesitas' .
EXECUTE .
*Pengelompokkan IMT ibu hamil dalam 3 kategori .
RECODE
IMTi5
(1=1) (2=1)
(3=2) (4=3) (5=3)
INTO IMTi3K .
VARIABLE LABELS IMTi3K 'IMT ibu dalam 3 kategori'.
ADD VALUE LABELS IMTi3K 1 'Kurang' 2 'Normal' 3
'Lebih' .
EXECUTE
*Perhitungan IMT anak .
COMPUTE IMTa = weight /
((height/ 100) * (height/ 100)) .
VARIABLE LABELS IMTa 'IMT anak
balita' .
EXECUTE .
*Pengelompokkan IMT anak dalm 3
Kategori .
RECODE
IMTa5
(1=1)
(2=1) (3=2) (4=3)
(5=3) INTO IMTa3K .
VARIABLE LABELS IMTa3K 'IMT
anak dalam 3 Kategori'.
ADD VALUE LABELS IMTa3K 1
'Kurang' 2 'Normal' 3 'Lebih' .
EXECUTE .
TUJUAN PENELITIAN
1. untuk mengetahui hubungan antara pendidikan dengan pekerjaan yang
dimiliki responden
a.
Sebutkan nama variabel dan
posisi sebagai independen atau dependen variabel
INDEPENDEN à PENDIDIKAN
DEPENDEN à PEKERJAAN
b.
Cantumkan nama field dalam
database untuk tiap variabel
PENDIDIKAN àDIDIK
PEKERJANà KERJA
c.
Cantumkan type variabel (numerik
atau kategorik)
DIDIKà KATEGORIK
KERJAà KATEGORIK
d.
Nama Uji statistik yang akan
dipakan beserta alasannya
KATEGORIK DENGAN KATEGORIK DIAKUKAN UJI BEDA PROPORSI
HO : TIDAK ADA BEDA PROPORSI ANTARA PENDIDIKAN IBU DENGAN TINGKAT
PEKERJAAN IBU.
Pendidikan Formal
Ibu * Pekerjaan Ibu Responden
Crosstabulation
|
||||||||||||
Count
|
|
|
|
|
|
|
|
|
||||
|
|
Pekerjaan Ibu Responden
|
Total
|
|||||||||
|
|
PNS
|
Swasta
|
Wiraswasta
|
Pedagang
|
Buruh/T/N
|
Lain2
|
|||||
Pendidikan Formal Ibu
|
BH/SD
|
0
|
0
|
1
|
16
|
48
|
5
|
70
|
||||
SLTP
|
1
|
18
|
44
|
56
|
39
|
17
|
175
|
|||||
SLTA
|
25
|
164
|
144
|
125
|
25
|
222
|
705
|
|||||
P.Tinggi
|
249
|
116
|
51
|
14
|
1
|
38
|
469
|
|||||
Total
|
275
|
298
|
240
|
211
|
113
|
282
|
1419
|
|||||
Chi-Square Tests
|
||||||||||||
|
Value
|
df
|
Asymp. Sig. (2-sided)
|
|||||||||
Pearson Chi-Square
|
1.075E3a
|
15
|
.000
|
|||||||||
Likelihood Ratio
|
934.457
|
15
|
.000
|
|||||||||
Linear-by-Linear Association
|
278.897
|
1
|
.000
|
|||||||||
N of Valid Cases
|
1419
|
|
|
|||||||||
a. 0 cells (,0%) have expected count less than 5. The minimum
expected count is 5,57.
|
||||||||||||
P=0.000
P<0.05
HO DITOLAK
INTERVENSI : ADA
BEDA PROPORSI ANTARA PENDIDIKAN IBU DENGAN TINGKAT PEKERJAAN IBU.
2.
untuk mengetahui hubungan
antara pekerjaan ibu dengan alat kontrasepsi yang dipilih Ibu untuk ber-KB
a. Sebutkan nama
variabel dan posisi sebagai independen atau dependen variabel
INDEPENDEN à PEKERJAAN IBU
DEPENDEN à KONTRASEPSI YANG
DIPILIH
b. Cantumkan nama field dalam database untuk tiap variabel
PEKERJAAN IBUà KERJA
ALAT KONTRASEPSI YANG DIPAKAIàN5E
c. Cantumkan type
variabel (numerik atau kategorik)
KERJAà KATEGORIK
N5Eà KATEGORIK
d. Nama Uji statistik yang akan dipakan beserta alasannya
KATEGORIK DENGAN KATEGORIK DIAKUKAN UJI BEDA PROPORSI
e. pastekan output analisis disini dan berikan
komentar dibawahnya berupa komentar hasil, hasil statistik, keputusan statistik
dan terakhir interpretasi pengujian yang merujuk kepda tujuan penelitian
HO : TIDAK ADA BEDA PROPORSI ANTARA
PEKERJAAN IBU DENGAN ALAT KONTRASEPSI YANG DIGUNAKAN
Case Processing Summary
|
||||||
|
Cases
|
|||||
|
Valid
|
Missing
|
Total
|
|||
|
N
|
Percent
|
N
|
Percent
|
N
|
Percent
|
Pekerjaan Ibu Responden * Kontrasepsi yang Dipakai ?
|
56
|
3.9%
|
1363
|
96.1%
|
1419
|
100.0%
|
Chi-Square Tests
|
|||
|
Value
|
df
|
Asymp. Sig. (2-sided)
|
Pearson Chi-Square
|
7.555a
|
8
|
.478
|
Likelihood Ratio
|
7.413
|
8
|
.493
|
Linear-by-Linear Association
|
.330
|
1
|
.566
|
N of Valid Cases
|
56
|
|
|
a.
11 cells (73,3%) have expected count less than 5. The minimum
expected count is ,86.
|
Pekerjaan Ibu Responden
* Kontrasepsi yang Dipakai ? Crosstabulation
|
|||||
Count
|
|
|
|
|
|
|
|
Kontrasepsi yang Dipakai ?
|
Total
|
||
|
|
IUD
|
Kondom
|
Pil
|
|
Pekerjaan Ibu Responden
|
PNS
|
1
|
0
|
3
|
4
|
Swasta
|
5
|
3
|
9
|
17
|
|
Wiraswasta
|
6
|
2
|
6
|
14
|
|
Pedagang
|
4
|
4
|
8
|
16
|
|
Buruh/T/N
|
1
|
3
|
1
|
5
|
|
Total
|
17
|
12
|
27
|
56
|
P=0.171
P>0.005
HO GAGAL DITOLAH
TIDAK ADA BEDA
PROPORSI ANTARA JENIS PEKERJAAN DENGAN ALAT KONTRASEPSI YANG DIPILIH.
3. untuk mengetahui hubungan antara pemberian tablet Fe dengan kadar
hemoglobin dalam darah
a.
Sebutkan nama variabel dan
posisi sebagai independen atau dependen variabel
INDEPENDENà
PEMBERIAN TABLET FE
DEPENDENà
KADAR HEMOGLOBIN DALAM DARAH
b.
Cantumkan nama field dalam
database untuk tiap variabel
PEMBERIAN TABLET FEàTFE
KADAR HEMOGLOBIN DARAHàHB
c.
Cantumkan type variabel
(numerik atau kategorik)
TFEà KATEGORIK
HBà NUMERIK
d.
Nama Uji statistik yang akan
dipakan beserta alasannya
UJI YANG DILAKUKAN ADALAH UJI BEDA RATA-RATA KARENAN DATANYA
BERSIFAT NUMERIK DN KATEGORIK
HO: tidak ada beda rata-rata antara pemberian tablet
fe dengan kadar hb ibu respnden
e.
Sajikan hasil pengujian normality
dengan 6 pertimbangan dan keputusan (normal atau tidak)
TEST NORMSLITY :TN
HISTOGRAM :
TD
UJI NORMAL Q-Q :
NORMAL
DETRENDED NORMAL Q-Q :TN
Data tidak normal dan harus dilakukan uji man whitney karena data
kategorik 2 kelompok.
4. untuk mengetahui hubungan
antara pemberian tablet Fe dengan kadar hemoglobin dalam darah
a.
Sebutkan nama variabel dan
posisi sebagai independen atau dependen variabel
INDEPENDENà
PEMBERIAN TABLET FE
DEPENDENà
KADAR HEMOGLOBIN DALAM DARAH
b.
Cantumkan nama field dalam
database untuk tiap variabel
PEMBERIAN TABLET FEàTFE
KADAR HEMOGLOBIN DARAHàHB
c.
Cantumkan type variabel
(numerik atau kategorik)
TFEà KATEGORIK
HBà NUMERIK
d.
Nama Uji statistik yang akan
dipakan beserta alasannya
UJI YANG DILAKUKAN ADALAH UJI BEDA RATA-RATA KARENAN DATANYA
BERSIFAT NUMERIK DN KATEGORIK
HO: tidak ada beda rata-rata antara pemberian tablet
fe dengan kadar hb ibu respnden
e.
Sajikan hasil pengujian
normality dengan 6 pertimbangan dan keputusan (normal atau tidak)
TEST NORMSLITY :TN
HISTOGRAM :
TD
UJI NORMAL Q-Q :
NORMAL
DETRENDED NORMAL Q-Q :TN
Data tidak normal dan harus dilakukan uji man whitney karena data
kategorik 2 kelompok.
Ranks
|
||||
|
Pemberian Tablet Fe
|
N
|
Mean Rank
|
Sum of Ranks
|
Kadar HB (g/dl)
|
Tidak
|
323
|
801.67
|
258938.00
|
Ya
|
1096
|
682.99
|
748552.00
|
|
Total
|
1419
|
|
|
Test
Statisticsa
|
|
|
Kadar HB (g/dl)
|
Mann-Whitney U
|
147396.000
|
Wilcoxon W
|
748552.000
|
Z
|
-4.668
|
Asymp. Sig. (2-tailed)
|
.000
|
a. Grouping Variable:
Pemberian Tablet Fe
|
P=0.000
P<0.005
HO DITOLAK
ada beda rata-rata antara pemberian tablet fe
dengan kadar hb ibu respnden
5. untuk mengetahui hubungan antara pendidikan dengan frekuensi
pemeriksaan kehamilan
a.
Sebutkan nama variabel dan
posisi sebagai independen atau dependen variabel
INDEPENDENà
pendidikan
DEPENDENà
frekuensi pemeriksaan
b.
Cantumkan nama field dalam
database untuk tiap variabel
Pendidikanà
didik
Frekuensi pemeriksaanà
kali
c.
Cantumkan type variabel
(numerik atau kategorik)
Didikà
kategorik
Kalià
NUMERIK
d.
Nama Uji statistik yang akan
dipakan beserta alasannya
UJI BEDA RERATA KARENA DATANYA BERSIFAT
KATEGORIK DAN NUMERIK.
HO:tidak ada beda rata-rata antara tingkat pendidikan dengan
frekuensi pemeriksaan kehamilan
LAKUKAN UJI NORMALITAS
Test of normlity : TD
Normal Q-Q : TD
Kesimpulan : TD
Data tidak normal
dilakukan uji kruscal walis
HO : tidak ada hubungan
rata-rata antara pendidikan ibu dengan
frekuensi pemeriksaan kehamilan.
Test
Statisticsa,b
|
|
|
Frekuensi Pemeriksaan
kehamilan
|
Chi-Square
|
13.319
|
df
|
3
|
Asymp. Sig.
|
.004
|
a. Kruskal Wallis Test
|
|
b. Grouping Variable:
Pendidikan Formal Ibu
|
P= 0.004
P<0.005
Ho ditolak
ada hubungan
rata-rata antara pendidikan ibu dengan
frekuensi pemeriksaan kehamilan.
6. Untuk mengetahui hubungan antara umur ibu dengan tekanan darah
sistolik
a.
Sebutkan nama variabel dan
posisi sebagai independen atau dependen variabel
INDEPENDENà
UMUR IBU
DEPENDENà
TEKANAN DARAH SISTOLIK
b.
Cantumkan nama field dalam
database untuk tiap variabel
UMUR IBUà
UMUR
TEKANAN DARAH SISTOLIKà
TD SISTOLIK
c.
Cantumkan type variabel
(numerik atau kategorik)
UMURà
NUMERIK
TD SISTOLIKà
NUMERIK
d.
Nama Uji statistik yang akan
dipakan beserta alasannya
uji korelasi karena datanya bersifat numerik dan
numerik
HO: ada beda korelasi antara umur ibu dengan tekanan darah
sistolik
berdasarkan uji normaliti:
test of normality :
td
normal q-q : td
detrended normal q-q :td
kesimpulannya data tidak noral dan digunakan analisa spearman
Correlations
|
||||
|
|
|
Umur Ibu (tahun)
|
TD Sistolik
|
Spearman's rho
|
Umur Ibu (tahun)
|
Correlation Coefficient
|
1.000
|
.088**
|
Sig. (2-tailed)
|
.
|
.001
|
||
N
|
1415
|
1415
|
||
TD Sistolik
|
Correlation Coefficient
|
.088**
|
1.000
|
|
Sig. (2-tailed)
|
.001
|
.
|
||
N
|
1415
|
1419
|
||
**. Correlation is
significant at the 0.01 level (2-tailed).
|
|
|
Dari hasil diatas diperoleh nilai
sicnifycancy 0.000 yang berari bahwa korelasi antara umur ibu dengan
dengan tekanan darah sistolik adalah bermaknadengan nilai korelasi spearman
adalah 0.088 menunjukkan bahwa arah korelasi positif dengan kekuatan lemah
Tidak ada komentar:
Posting Komentar