Selasa, 03 Januari 2012

UJIAN AKHIR SEMESTER KOMPUTER

http://www.4shared.com/folder/_xTq07m7/_online.html


LANGKAH-LANGKAH
1)      Export File epidata ke SPSS
·         Buka epidata
·         Klik export data pilih SPSS
·         Cari file data yang akan dieksport
·         Klik OK
·         Buka SPSS
·         Klik open
·         Buka Syntax
·         Pilih File data
·         Ctrl+A data yang ada di syntax
·         Klik Run è All
·         Lakukan penamaan variabel dan value labels dengan menggunakan syntax
1.   Ambil syntax dan tambahkan ADD Value Labels sesuai dengan ketentuan  è Blok data è Run è Current


2)      Lakukan pembersihan data (cleaning data) terhadap file
Pilih Variable view è Hapus field “Hari ini, Urut, Entry, KLS, dan Jurusan”.
a)   Cleaning Data Variabel Kategorik
·         Klik Analyze
·         Pilih Descriptive Statistic
·         Pilih Frequencies
·         Pilih variabel yang akan dilakukan cleaning data
·         Pilih Data
·         Pilih Sort Cases
·         Pilih variabel yang akan dilakukan cleaning data
·         Pilih Ascending
·         Klik Ok
·         Lakukan pembersihan data terhadap file yang missing

Variable Kategorik terdiri dari:
-          Pekerjaan
-          Pendidikan
-          Golongan Darah
-          Pernah periksa kehamilan
-          Pengukuran Tinggi Fundus
-          Pengukuran Tinggi Badan
-          Pengukuran Tekanan Darah
-          Pemberian Tablet Fe
-          Imunisasi TT
-          Akseptor KB
-          Kontrasepsi yang digunakan
-          Kontrasepsi lain
-          Alasan tidak ber-KB
-          Alasan lain tidak ber-KB
-          Rencana tempat melahirkan

1.      Pekerjaan
            Terdapat 22 data yang missing dari system, sehingga setelah dihapus data menjadi 15874.

2.      Pendidikan
              
Tidak terdapat data yang missing dari system, tetapi pada pendidikan terdapat 4 data  yang tidak valid karena menggunakan angka “1” pada pekerjaan. Seharusnya hanya ada angka “0”, “2”, “3” dan “4” pada pekerjaan. Setelah dicleaning data menjadi 15870.
3.      Golongan Darah
              
Tidak terdapat data yang missing dari sistem, tetapi ada data yang tidak valid pada golongan darah ( ada yang tidak ditulis, angka “0”, angka “65” dan “BB”). Setelah dicleaning, data menjadi 15864.

4.      Pernah periksa kehamilan
Terdapat 4 data yang missing dari sistem, sehingga setelah dihapus data menjadi 15860.
·         Terdapat 9 data yang tidak valid dimana tidak dicantumkan berapa kali memeriksakan frekuensi kehamilan padahal mereka pernah memeriksakan kehamilan, setelah dicleaning data menjadi 15851.
·         Terdapat 7 data yang tidak valid dimana pada variable pernah atau tidak memeriksakan kehamilan, data bermaksud tidak pernah, tetapi pada pemeriksaan fundus,  tinggi badan, tekanan darah, pemberian tablet Fe dan imunisasi TT dicantumkan pernah, setelah dicleaning data menjadi 15844.

5.      Pengukuran Tinggi Fundus
              
Terdapat 273 data yang missing dari system, sehingga setelah dihapus data menjadi 15571.

6.      Pengukuran Tinggi Badan
              
            Tidak terdapat data yang missing ataupun tidak valid sehingga data tetap berjumlah 15571.

7.      Pengukuran Tekanan Darah
              
Terdapat 3 data yang missing dari system, sehingga setelah dihapus data menjadi 15568.

8.      Pemberian Tablet Fe
              
Tidak terdapat data yang missing ataupun tidak valid sehingga data tetap berjumlah 15568.


9.      Imunisasi TT
              
Terdapat 50 data yang missing dari system, sehingga setelah dihapus data menjadi 15518.

10.  Akseptor KB
                

·         Terdapat 9 data yang missing dari system, sehingga setelah dihapus data menjadi 15509.
·         Terdapat 7 data yang tidak valid dimana pada variable akseptor, ditemukan 7 data ini bukan merupakan akseptor KB, tetapi pada variable kontrasepsi yang digunakan dicantumkan beberapa alat kontrasepsi, sehingga setelah dicleaning data menjadi 15502.


11.  Kontrasepsi yang digunakan
Terdapat 39 data yang tidak valid sehingga setelah dicleaning data menjadi 15463.

12.  Kontrasepsi lain
Terdapat 9 data yang tidak valid sehingga setelah dicleaning data menjadi 15454
13.  Alasan tidak ber-KB
Terdapat 17 data yang tidak valid sehingga setelah dicleaning data menjadi 15437.

14.  Alasan lain tidak ber-KB
Terdapat 1 data yang tidak valid sehingga setelah dicleaning data menjadi 15436.

15.  Rencana tempat melahirkan
·         Terdapat 163 data yang missing dari system, sehingga setelah dihapus data menjadi 15273.
·         Terdapat 5 data yang tidak valid pada variable tempat (angka “6”), sehingga setelah dicleaning data menjadi 15268

b)   Cleaning Data Variabel Numerik
·         Klik Analyze
·         Pilih Descriptive Statistic
·         Pilih Frequencies
·         Pilih variabel yang akan dilakukan cleaning data
·         Pilih Data
·         Pilih Sort Cases
·         Pilih variabel yang akan dilakukan cleaning data
·         Pilih Ascending
·         Klik Ok
·         Lakukan pembersihan data terhadap file yang missing

Variable Numerik terdiri dari:
-          Umur                        : 15-45 tahun (batasannya)
-          Tinggi Badan           : 140-180 cm (batasannya)
-          Berat Badan                         : 40-80 kg (batasannya)
-          TD Sistolik               : 100-170 mmHg (batasannya)
-          TD Diastol               : 50-120 mmHg (batasannya)
-          Hb                            : 8-14 gr% (batasannya)

1.      Umur (15-45 tahun)
              

·         Terdapat 53 data yang missing dari system, sehingga setelah dihapus data menjadi 15215.
·         Terdapat 9 data yang melewati batas (15-45 tahun), sehingga setelah dihapus data menjadi 15206.

2.      Tinggi Badan (140-180 cm)
              

·         Tidak Terdapat data yang missing dari system.
·         Terdapat 4 data yang kurang dari batas (140-180cm), sehingga setelah dihapus data menjadi 15202.


3.      Berat Badan (40-80 kg)

·         Tidak Terdapat data yang missing dari system.
·         Terdapat 77 data yang kurang dari batas (40-80 kg), sehingga setelah dihapus data menjadi 15125.


4.      TD Sistolik (100-170 mmHg)
                              

·         Terdapat 3 data yang missing dari system, sehingga setelah dicleaning menjadi 15122.
·         Terdapat 412 data yang kurang/melewati dari batas (100-170 mmHg), sehingga setelah dihapus data menjadi 14710.

5.      TD Diastol (50-120 mmHg)

·         Tidak Terdapat  data yang missing dari system.
·         Terdapat 78 data yang kurang/melewati dari batas (50-120 mmHg), sehingga setelah dihapus data menjadi 14632.

6.      Hb (8-14 gr%)
                  
·         Terdapat 1 data yang missing dari system, sehingga setelah dicleaning menjadi 14631.
·         Terdapat 94 data yang kurang/melewati dari batas (8-14 %), sehingga setelah dihapus data menjadi 14539.


Data sebelum dicleaning           : 15896
Data sesudah dicleaning           : 14537










4)      Analisis Univariat salah satu Variabel Kategorik (Pendidikan)


4. Pendidikan Formal Ibu :


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
BH/SD
363
2.5
2.5
2.5
SLTP
2217
15.3
15.3
17.7
SLTA
6605
45.4
45.4
63.2
P.Tinggi
5352
36.8
36.8
100.0
Total
14537
100.0
100.0



5)      Analisis Univariat semua Variabel Numerik dalam database (sekaligus)


Descriptive Statistics
N
Minimum
Maximum
Mean
Std. Deviation
Skewness

Statistic
Statistic
Statistic
Statistic
Statistic
Statistic
Std. Error
Umur Ibu (tahun)
14537
15
45
27.86
4.792
.835
.020
Tinggi Badan (cm) :
14537
140.0
180.0
158.125
5.9190
.407
.020
Berat Badan  (kg) :
14537
40.0
80.0
54.659
7.3528
.700
.020
Tekanan Darah         : Sistolik    :
14537
100
170
116.10
9.061
.551
.020
mmHg  Diastolik  :
14537
50
120
80.48
10.127
.257
.020
Kadar HB (mmHg)     :
14537
8.0
14.0
11.226
1.0054
-.280
.020
Valid N (listwise)
14537










6)      Transformasi Data Variabel Kategorik
a.      Pekerjaan
Langkah-langkahnya:
·         Klik Transform
·         Pilih Recode
·         Pilih Into Different Variables
·         Pada kotak masukkan variable pekerjaan
·         Ubah nama output variable dengan “kerja2”
·         Ubah nama label output variable dengan “pekerjaan”
·         Klik Change
·         Klik Old and New Values
·         Masukkan angka 1, 2, 3, 4, 5 pada Old values menjadi angka 1 pada new values
·         Masukkan angka 6 pada Old values menjadi angka 0 pada new values
·         Klik Continue
·         Klik Paste
·         Buka Syntax
·         Tambahkan kalimat “ADD VALUE LABELS Kerja2 0 'Tidak Bekerja' 1 'Bekerja' .” setelah kalimat “VARIABLE LABELS kerja2 'pekerjaan'.:
·         Blok paragraph
·         Run All
b.      Pendidikan
Langkah-langkahnya:
·         Klik Transform
·         Pilih Recode
·         Pilih Into Different Variables
·         Pada kotak masukkan variable pendidikan
·         Ubah nama output variable dengan “didik2”
·         Ubah nama label output variable dengan “pendidikan”
·         Klik Change
·         Klik Old and New Values
·         Masukkan angka 0 dan 2   pada Old values menjadi angka 0 pada new values
·         Masukkan angka 3 dan 4 pada Old values menjadi angka 1 pada new values
·         Klik Continue
·         Klik Paste
·         Buka Syntax
·         Tambahkan kalimat “ADD VALUE LABELS didik2 0 'Rendah' 1 'Tinggi' .” setelah kalimat “VARIABLE LABELS didik2 'pendidikan'.:
·         Blok paragraph
·         Run All

7)      Transormasi Data Variabel Numerik (Umur)
Langkah-langkahnya:
·         Klik Transform
·         Pilih Recode
·         Pilih Into Different Variables
·         Pada kotak masukkan variable umur
·         Ubah nama output variable dengan “usiaresti”
·         Ubah nama label output variable dengan “umur”
·         Klik Change
·         Klik Old and New Values
·         Masukkan angka 20 dan 35 (pada rentang) pada Old values menjadi angka 1 pada new values
·         Masukkan angka 19 (pada lowest thru) dan angka 36 (pada thru highest) pada Old values menjadi angka 0 pada new values
·         Klik Continue
·         Klik Paste
·         Buka Syntax
·         Tambahkan kalimat “ADD VALUE LABELS usiaresti 0 'Resti' 1 'Tidak Resti' .setelah kalimat VARIABLE LABELS usiaresti 'umur'.
·         Blok paragraph
·         Run All

7)      Compute dan Transformasi Data IMT
Langkah-langkahnya:
·         Klik Transform
·         Pilih Compute
·         Tulis IMT pada Target Variabel
·         Pada Numeric Expression masukkan rumus BB/((TB / 100) * (TB / 100))
·         Klik Paste
·         Buka Syntax
·         Jalankan rumus tersebut dengan cara blok  dan Run All
·         Klik Transform
·         Pilih Recode
·         Pilih Into Different Variables
·         Pada kotak masukkan variable IMT
·         Ubah nama output variable dengan “IMT2”
·         Ubah nama label output variable dengan “klasifikasi IMT”
·         Klik Change
·         Klik Old and New Values
·         Masukkan angka 18,50 dan 25,0 (pada rentang) pada Old values menjadi angka 2 pada new values
·         Masukkan angka 18,499 (pada lowest thru) pada Old values menjadi angka 1 pada new values
·         Masukkan angka 25,001 (pada thru highest) pada Old values menjadi angka 3 pada new values
·         Klik Continue
·         Klik Paste
·         Buka Syntax
·         Tambahkan kalimat “ADD VALUES LABELS IMT2 1 'Kurus' 2 'Normal' 3 'Gemuk'  .setelah kalimat VARIABLE LABELS IMT2 'Klasifikasi IMT'.
·         Blok paragraph
·         Run All

8)      Analisis Bivariat
a.      Untuk mengetahui hubungan antara pendidikan dengan pekerjaan
Langkah-langkahnya:
·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.
                                                              i.      Variable Independen  : Pendidikan
                                                            ii.      Variable Dependen     : Pekerjaan
                                                          iii.      Ho       : Tidak terdapat hubungan antara pendidikan dengan pekerjaan
                                                          iv.      Ha       : Terdapat hubungan antara pendidikan dengan pekerjaan
·         Identifikasi field dalam database.
·         Tentukan karakteristik field (K/N).
1.      Kategorik-Kategorik è chi-square
·           Tentukan analisis sementara.
·           Tidak dilakukan uji normality karena tidak terdapat variable numeric
·           Rumuskan hipotesis pengujian pada CI 95%, uji, baca hasil dan interpretasikan hasil.
·           Bahas hasil
P = 0,000 à 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
Langkah-langkahnya:
·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.
                                                            v.      Variable Independen  : Umur
                                                          vi.      Variable Dependen                 : Kadar Hb
                                                        vii.      Ho       : Tidak terdapat hubungan antara umur  dengan kadar Hb
                                                      viii.      Ha       : Terdapat hubungan antara umur dengan kadar Hb
·         Identifikasi field dalam database.
·         Tentukan karakteristik field (K/N).
1.      Numerik-Numerik è korelasi
·           Tentukan analisis sementara.
·           Dilakukan uji normality
·           Rumuskan hipotesis pengujian pada CI 95%, uji, baca hasil dan interpretasikan hasil.
·           Bahas hasil
P = 0,002 à Ho ditolak
Ada perbedaan korelasi regresi antara umur dengan kadar Hb. Berarti ada hubungan antara umur dengan kadar Hb.

c.       Untuk mengetahui hubungan antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
Langkah-langkahnya:
·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.
                                                          ix.      Variable Independen  : Pendidikan
                                                            x.      Variable Dependen                 : Kontrasepsi yang dipilih
                                                          xi.      Ho       : Tidak terdapat hubungan antara pendidikan  dengan kontrasepsi yang dipilih dalam ber-KB
                                                        xii.      Ha       : Terdapat hubungan antara antara pendidikan  dengan kontrasepsi yang dipilih dalam ber-KB
·         Identifikasi field dalam database.
·         Tentukan karakteristik field (K/N).
1.      Kategorik-Kategorik è chi-square
·           Tentukan analisis sementara.
·           Tidak dilakukan uji normality.
·           Rumuskan hipotesis pengujian pada CI 95%, uji, baca hasil dan interpretasikan hasil.
·           Bahas hasil
P = 0,000 à Ho ditolak
Ada perbedaan proporsi antara pendidikan dengan alat kontrasepsi yang dipilih dalam ber-KB. Berarti ada hubungan antara pendidikan dengan alat kontrasepsi yang dipilih dalam ber-KB.

d.      Untuk mengetahui hubungan antara pernah atau tidak pernah mendapat tablet Fe dengan kadar Hb
Langkah-langkahnya:
·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.
                                                      xiii.      Variable Independen  : Pernah atau tidak mendapat tablet Fe
                                                      xiv.      Variable Dependen                 : Kadar Hb
                                                        xv.      Ho       : Tidak terdapat hubungan antara pernah atau tidak mendapat tablet Fe dengan kadar Hb
                                                      xvi.      Ha       : Terdapat hubungan antara pernah atau tidak mendapat tablet Fe dengan kadar Hb
·         Identifikasi field dalam database.
·         Tentukan karakteristik field (K/N).
1.      Kategorik-Numerik è T-test
·           Tentukan analisis sementara.
·           Tidak dilakukan uji normality
·           Rumuskan hipotesis pengujian pada CI 95%, uji, baca hasil dan interpretasikan hasil.
·           Bahas hasil
P = 0,000 à Ho ditolak
Ada hubungan antara pernah atau tidak mendapat tablet Fe dengan kadar Hb.

e.       Untuk mengetahui hubungan antara Tekanan darah (Siastolik) dengan Golongan Darah
Langkah-langkahnya:
·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.
                                                    xvii.      Variable Independen  : Sistol2
                                                  xviii.      Variable Dependen                 : Golongan Darah
                                                      xix.      Ho       : Tidak terdapat hubungan antara TD siastolik dengan golongan darah
                                                        xx.      Ha       : Terdapat hubungan antara TD siastolik dengan golongan darah
·         Identifikasi field dalam database.
·         Tentukan karakteristik field (K/N).
1.      Numerik-Kategorik
2.      Tekanan darah (Numerik) diubah menjadi Data Kategorik Hipertensi dan tidak Hipertensi (Sistole2)
3.      Uji yang di lakukan Uji Chi- Square
·           Tentukan analisis sementara.
·           Dilakukan uji normality
·           Rumuskan hipotesis pengujian pada CI 95%, uji, baca hasil dan interpretasikan hasil.
·           Bahas hasil
P = 0,023 à Ho ditolak
Ada perbedaan proporsi antara TD siastolik dengan golongan darah. Berarti  ada hubungan antara TD siastolik dengan golongan darah.


f.       Untuk mengetahui hubungan antara Tekanan darah (Diastolik) dengan Golongan Darah
Langkah-langkahnya:
·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.
                                                      xxi.      Variable Independen  : TD diastolik
                                                    xxii.      Variable Dependen     : Golongan Darah
                                                  xxiii.      Ho       : Tidak terdapat hubungan antara TD diastolik dengan golongan darah
                                                  xxiv.      Ha       : Terdapat hubungan antara TD diastolik dengan golongan darah
·         Identifikasi field dalam database.
·         Tentukan karakteristik field (K/N).
1.      Numerik-Kategorik
2.      Tekanan darah (Numerik) diubah menjadi Data Kategorik Hipertensi dan tidak Hipertensi (Sistole2)
3.      Uji yang di lakukan Uji Chi- Square
·           Tentukan analisis sementara.
·           Dilakukan uji normality
·           Rumuskan hipotesis pengujian pada CI 95%, uji, baca hasil dan interpretasikan hasil.
·           Bahas hasil
P = 0,000 à Ho ditolak
Ada perbedaan proporsi antara TD diastolic dengan golongan darah. Berarti ada hubungan antara TD diastolic dengan golongan darah.









READ MORE - UJIAN AKHIR SEMESTER KOMPUTER

Template by:

Free Blog Templates