FINAT STEP YENNITA MAHARANI

UJIAN AKHIR SEMESTER 

KOMPUTER

NAMA                     : YENNITA MAHARANI

NIM                         : 094114141

TINGKAT                : 3A

JURUSAN               : KEBIDANAN PADANG

SOAL 1 : Export File epidata ke SPSS

• Buka Epidata, dan SPSS
• Di epidata, ambil export data, dan ambil pilihan SPSS
• Buka file yang diinginkan (GANJIL)
• Klik Open
• Akan muncul kotak export data, dan klik OK
• Kemudian akan muncul kotak Exporting (Loading)
• Setelah selesai akan mncul kotak Information, dan klik OK
• Kemudian buka program SPSS, buka file Syntax hasil export Epidata
• Kemudian klik Run All pada file yang sedang dibuka.

SOAL 2 DAN 3 : Cleaning Data

Cleaning data 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

a.      Kategorik 

   1. Pekerjaan

 

·         Data awal        : 15896

·         Missing            : 22

·         Data akhir        : 15874 

2. Pendidikan

·         Data awal        : 15874

·         Missing            : 0

·         Unvalid            : 4 (tulisan 1)

·         Data akhir       : 15870

3. Golongan Darah

1.

·         Data awal        : 15870

·         Missing            : 0

·         Unvalid            : 6 (tdk ditulis, 0, 65, BB)

·         Data akhir       : 15864 

4. Pernah periksa kehamilan

·         Data awal        : 15864

·         Missing            : 4

·         Unvalid           : 16 (tdk dicantumkan berapa kalinya memeriksakan kehamilan, pada variable pernah atau tidak diisi tidak, tapi pada variable pengukuran fundus, tinggi badan, tekanan darah, pemberian tablet Fe dan imunisasi TT dicantumkan pernah.

·         Data akhir        : 15844

 5. Pengukuran tinggi fundus

·         Data awal        : 15844

·         Missing            : 273

·         Data akhir       : 15571

6. Pengukuran tinggi badan

·         Data awal        : 15571

·         Missing            : 0

·         Data akhir       : 15571

7.  Pengukuran tekanan darah

·         Data awal        : 15571

·         Missing            : 3

·         Data akhir       : 15568

8. Pemberian tablet Fe

·         Data awal        : 15568

·         Missing            : 0

·         Data akhir       : 15568

9. Imunisasi TT

·         Data awal        : 15568

·         Missing            : 50

·         Data akhir       : 15518

10. Akseptor KB

·         Data awal        : 15518

·         Missing            : 9

·         Unvalid           : 7

·         Data akhir       : 15502

11. Kontrasepsi yang digunakan

·         Data awal        : 15502

·         Unvalid           : 39

·         Data akhir       : 15463

12. Kontrasepsi lain

K

·         Data awal        : 15463

·         Unvalid           : 8

·         Data akhir       : 15455

13. Alasan tidak berKB

·         Data awal        : 15455

·         Unvalid           : 16

·         Data akhir       : 15439

14. Alasan lain tidak berKB

·         Data awal        : 15439

·         Unvalid           : 1

·         Data akhir       : 15438

15. Rencana tempat melahirkan

 ·         Data awal        : 15438

·         Missing            : 163

·         Unvalid           : 5 (ada angka 6)

·         Data akhir       : 15270

Cleaning Data 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, Tinggi Badan, Berat Badan, TD Sistolik, TD Diastolik, Hb

            Batasan :

-          Umur                        : 15-45 tahun

-          Tinggi Badan            : 140-180 cm

-          Berat Badan             : 40-80 kg

-          TD Sistolik               : 100-170 mmHg

-          TD Diastol               : 50-120 mmHg

-          Hb                            : 8-14 gr% 

                  1. Umur (15-45 tahun)

                                                                      

·         Data awal        : 15270

·         Missing            : 53

·         Unvalid           : 9 (melewati batas)

·         Data akhir       : 15208

2. Tinggi badan (140-180 cm)

·         Data awal        : 15208

·         Missing            : 0

·         Unvalid           : 4 (melewati batas)

·         Data akhir       : 15204

3. Berat badan (40-80 kg)

·         Data awal        : 15204

·         Missing            : 0

·         Unvalid           : 77 (melewati batas)

·         Data akhir       : 15127

4. TD Sistolik (100-170 mmHg)

·         Data awal        : 15127

·         Missing            : 3

·         Unvalid           : 412 (melewati batas)

·         Data akhir       : 14712

5. TD Diastolik

·         Data awal        : 14712

·         Missing            : 0

·         Unvalid           : 78 (melewati batas)

·         Data akhir       : 14634

6. Hb (8-14 gr%)

·         Data awal        : 14634

·         Missing            : 1

·         Unvalid           : 94 (melewati batas)

·         Data akhir       : 14539

DATA AKHIR : 14539

SOAL 4 : Analisis Univariat salah satu Variabel Kategorik (Pendidikan)

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

SOAL 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

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

SOAL 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

SOAL 8 : Analisis Bivariat

a.      Untuk mengetahui hubungan antara pendidikan dengan pekerjaan

Langkah-langkahnya:

·         Identifikasi variabel dalam tujuan penelitian dan tentukan hipotesis penelitian.

-          Variable Independen          : Pendidikan

-          Variable Dependen             : Pekerjaan

-          Ho   : Tidak terdapat hubungan antara pendidikan dengan pekerjaan

-          Ha   : Terdapat hubungan antara pendidikan dengan pekerjaan

·         Identifikasi field dalam database.

·         Tentukan karakteristik field (K/N).

-          Kategorik-Kategorik

·           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.

-          Variable Independen           : Umur

-          Variable Dependen              : Kadar Hb

-          Ho    : Tidak terdapat hubungan antara umur  dengan kadar Hb

-          Ha    : Terdapat hubungan antara umur dengan kadar Hb

·         Identifikasi field dalam database.

·         Tentukan karakteristik field (K/N).

-          Numerik-Numerik

·           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 proporsi 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.

-          Variable Independen           : Pendidikan

-          Variable Dependen              : Kontrasepsi yang dipilih

-          Ho    : Tidak terdapat hubungan antara pendidikan  dengan kontrasepsi yang dipilih dalam ber-KB

-          Ha    : Terdapat hubungan antara antara pendidikan  dengan kontrasepsi yang dipilih dalam ber-KB

·         Identifikasi field dalam database.

·         Tentukan karakteristik field (K/N).

-          Kategorik-Kategorik

·           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.

-          Variable Independen           : Pernah atau tidak mendapat tablet Fe

-          Variable Dependen              : Kadar Hb

-          Ho    : Tidak terdapat hubungan antara pernah atau tidak mendapat tablet Fe dengan kadar Hb

-          Ha    : Terdapat hubungan antara pernah atau tidak mendapat tablet Fe dengan kadar Hb

·         Identifikasi field dalam database.

·         Tentukan karakteristik field (K/N).

-          Kategorik-Numerik

·           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 pernah atau tidak mendapat tablet Fe dengan kadar Hb. Berarti 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.

-          Variable Independen           : TD siastolik

-          Variable Dependen              : Golongan Darah

-          Ho    : Tidak terdapat hubungan antara TD siastolik dengan golongan darah

-          Ha    : Terdapat hubungan antara TD siastolik dengan golongan darah

·         Identifikasi field dalam database.

·         Tentukan karakteristik field (K/N).

-          Numerik-Kategorik

·           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.

-          Variable Independen           : TD diastolik

-          Variable Dependen              : Golongan Darah

-          Ho    : Tidak terdapat hubungan antara TD diastolik dengan golongan darah

-          Ha    : Terdapat hubungan antara TD diastolik dengan golongan darah

·         Identifikasi field dalam database.

·         Tentukan karakteristik field (K/N).

-          Numerik-Kategorik

·           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.

 Untuk lebih lengkapnya, silakan klik disini ^^

http://www.ziddu.com/download/18064783/YENNITAMAHARANI.rar.html 

\