Saat teman-teman yang lain masih asyik ngumpul bersama keluarganya di kampung masing-masing,,,,[ maklum masih suasana lebaran ] tapi tidak pada aku dan teman-teman yang bernasib kurang beruntung dalam mata kuliah komputer,,ya,,,,,karna kami harus sp dalam mata kuliah ini karna nilai kami kurang baik.,,

Pagi itu tanggal 17 Agustus 2013 aku dan teman-teman berangkat kuliah untuk melaksanakan sp [ Semester Pendek ],,perkuliahan di mulai sekitar jam 09.00,, dosen kami Pak Usman memulai dengan mengajarkan tentang cara menggabungkan file sebanyak 14 buah caranya yaitu pertama kita harus membuka epidata setelah itu  jalankan Data in/out kemudian ambil append/merge,,setelah itu browse data pertama lalu ok dan browse data kedua lalu ok setelah itu masukkan nama hasil gabungan yang di inginkan misalnya 01 lalu ok,,lakukan sampai semua file sudah tergabung.

setelah itu data yang sudah di gabung tadi di export ke spss, jumlah data yang di expost yaitu 82.034 setelah itu klik file lalu open syntax kemudian buka file yang sudah di expost tadi di epidata lalu ok.

Kemudian Dosen menugaskan kami lagi untuk menghapus data sebanyak sembilan data yang terdapat di variable view dengan cara sort dari kolom number yaitu sebanyak sembilan buah lalu klik kanan setelah itu clear. setelah itu bapak menugaskan lagi untuk melakukan cleaning data,,,,,data pertama nya yaitu pada kategori pendidikan dengan cara klik analize kemudian frequensi masukkan variabel pendidikan lalu ascending kemudian ok ternyata terdapat 190 data yang missing dan kami harus menghapus data yang misiing tersebut kemudian  kami melakukan lagi pada variabel pekerjaan ibu tetapi tidak terdapat missing setelah itu

setelah kami semua melakukan cleaning data bapak memerintahkan lagi untuk melakukan cleaning data numerik dengan cara klik data kemudian sort cesses masukkan kategorinya lalu ok,,,,, misalnya umur ibu jadi gunanya untuk memeriksa batasan umur ibu tidak boleh lebih ataupun kurang dari rentang yang telah di tetapkan misalnya BB ( berat badan ) rentangnya dari 40-70 jadi berat badan ibu tidak boleh kurang dari 40 dan tidaki boleh lebih dari 70 jika terdapat kesalahan bearti datanya missing dan harus di hapus dan kami harus melakukan cleaning data numerik pada BB,TB,Hb1,Hb2,sistol kemudian data yang tersisa yaitu 64305,,,,,,,,,

Setelah itu kami melakukan uji logika,pada uji logika ini yang harus kita lakukan yaitu memeriksa apakah ada perbedaan nilai lalu jika ada perbedaan kita harus menemukan perbedaan tersebut setelah kita menemukannya kita harus mendelete nya.misalnya kita melakukan uji logika pada variabel akseptor kb dan yang memberikan alasan kenapa tidak berkb,,,langkah pertama yang harus kita lakukan yaitu kita harus melihat apakah ada perbedaan nilai antara akseptor kb dengan yang memberikan alasan kenapa tidak berkb dengan cara,,,,analize---desciptive statistic----frequencies----masukkan variabel akseptor dan alasan tidak berKB----ok dan ternyata hasilnya missing atau ada perbedaan sebanyak 9 missing,,untuk mengetahuinya dapat di lihat dengan cara,,,,perintah spss untuk mencri non akseptor tapi menggunakan kontrasepsi dengan cara,,,data---sort cases----sort order ascending---masukkan field konsepsi ( ada 2 pilihan : 1 ya 2 tidak) kenapa ascending yang di pakai karana untuk memunculkannya ke atas sedangkan untuk variabel konsesi (ada 5 pilihan) di pakai sort descending untuk memunculkannya keatas lalu klik ok,,,maka 9 missing tadi akan di temukan lalu delete.

Setelah itu kami di tugaskan lagi melakukan uji logika pada orng yang berkb tetapi memberikan alasan langkah nya masih sama dengan yang di atas dan di dapatkanlah hasil orang yang ber KB sebanyak 25.858 sedangkan yang memberikan alasan kenapa tidak berKB sebanyak 25.928 (selisih 70 responden) harusnya jumlah ini sama, apa arti angka 70 tersebut ???? artinya adalah ada 70 responden yang berKB tapi masih memberikan alasan kenapa tidak berKB,sebenarnya alasan tersebut tidak di butuhkan lagi karna dia sudah menggunakan KB jadi responden yang 70 tersebut harus di delete.Cara untuk mengetahui 70 respnden tersebut adalah data--- sort ceses--- 2 buah variabel akseptor dan yang memberikan alasan tidak ber KB,,,field akseptor di sort descending karna kita menginginkan yang 1 yaitu yang di atas,  harusnya akseptor semuanya missing dan alasan supaya di letakan di atas maka pakai sort descending barti yang 70 pertama yang missing lalau delete.

Transformasi Data ,,,, k→k  adalah menyedehanakan kategori ,,,,N→k adalah mengkategorikan variabel numerik,,,,,N→N adalah menghitung nilai numerik baru dari numerik yang sudah ada.................... Transformasi data ada 2  yaitu kategori ( hanya mengisi pada value lama dan value baru) dan numerik ( hanya mengisi batas awal dan batas akhir)

K→K membuat field baru untuk menampung hasil pengkategorian variabel,,misalkan pendidikan yang memiliki 4 kategori (SD,SLTP.SLTA,PT) di sederhanakan menjadi 2 kategori yaitu (SD,SLTP=0,,,,,SLTA,PT=1) dengan cara ketik transfor—recode into different variables----masukkan didik----pada nama ketik (didik2) pada label ketik (pendidikan rendah dan tinggi)---change---old & new----pada old value isi  (0 ) pada new value isi (0)---add --- (2) dan (0)--- add---(3) dan (1)—add—(4) dan (1)—add ,,,,setelah itu buka sintax tambahkan add value label didik2 0 ‘rendah’ 1 ‘tinggi’. Diatas execute kemudian blok----run---selectian----analize----descriptive statistic----frequensi---masukkan yang paling bawah---ok

Contoh selanjutnya yaitu menyederhanakan pekerjaan ibu menjadi 2 kategori yaitu bekerja dan yang tidak bekerja, yang pertama berdasarkan alasan ekonomi dan kedua berdasarkan alasan pola asuh.pekerjaan memiliki 6 kategori (pns,swasta,wiraswaata;pedagang,buruh/tani,lain2) yang berdasarkan ekonomi pada pns dan swasta dimasukkan kategori bekerja dan di beri tanda (0) caranya transfor---recode into different variables---masukkan pekerjaan---pada nama isi(pekerjaan2) pada label isi (pekerjaan ibu berdasarkan ekonomi)----change---old &new--- pada old value isi (1) dan (0)---add,,,,(2) dan (0)---add,,,(3) dan (0)---add,,,(4) dan (0)—add,,,(5) dan (0)---add,,(6) dan (0)—add,,setelah itu buka sintax tambahkan add value label pekerjaan2 0 ‘bekerja 1 “tidak bekerja diatas execute kemudian blok---run---selection---analize---descriptive statistic----frequensi---masukkan yang paling bawah---ok,,,,kemudian yang berdasarkan pola asuh caranya sama dengan yang di atas namun pada pola asuh tangda yang bekerja di beri tanda 1 daan yang tidak bekerja di beri tangda 0,,,setelah itu kami juga melakukan pengelompokan responden berdasarkan Ksepsi yang di pakai yaitu MKET dan non MKET dimana dikatakan MKET bila menggunakan IUD & susuk selebihnya non MKET, kemudian rencana tempat melahirkan berdasarkan fasilitas kesehatan dan tenaga kesehatan dengan langkah sama seperti yang di atas

Mengkategorikan data numerik menjadi data kategorik di sebut juga mengelompokkan data.Ada dua acuan yang di pakai untuk menelompokkan data yaitu acuan patokan dan acuan normatif.Acuan patokan adalah batas kategori yang sudah di tetapkan oleh di siplin ilmu bersangkutan.

Analisis Univariat ,,,,,,ada dua yaitu  data kategorik dan data numerik,,,,,,,,pertama data Kategorik dengan menghitung distribusi frequensinya yatu hitung/sajikan distribusi frequensi semua field kategorik termasuk hasil transformasi data lalu komentari berdasarkan nilai ekstrim yaitu nilai tertinggi dan terendah,keadaan responden di tempat penelitian dnan juga menggunakan kalimat kualitatif,, yang termasuk pada data kategorik yaitu (pekerjaan,pendidikan,golongan darah,jenis kelamin,kali,fundus,TFE,TT,rencana,akseptor),,,misalnya kita ambil contoh pekerjaan ibu,,langkahnya analize----descriptive statistic----descriptives---masukkan variabel pekerjaan---options--- centang semua yang di butuhkan---continue—paste---buka sintax---copy tabel ke word,,,seperti yang di bawah ini

Pekerjaan Ibu Responden
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	PNS	14788	23.1	23.1	23.1
	Swasta	14169	22.1	22.1	45.1
	Wiraswasta	13718	21.4	21.4	66.5
	Pedagang	9814	15.3	15.3	81.8
	Buruh/Tani	4414	6.9	6.9	88.7
	Lain-lain	7240	11.3	11.3	100.0
	Total	64143	100.0	100.0

·          Masih ada ibu-ibu hamil yang bekerja sebagai petani sekitar70% dan hampir seperempat responden bekerja sebagai pegawai negri sipil.

·         Ibu hamil di lokasi penelitian memiliki pekerjaan terbanyak sebagai pns (23%) sedangkan yang bekerja sebagai buruh 7 %

·         Hanya 11% saja ibu responden yang bekerja sebagai ibu rumah tangga

Pendidikan Formal Ibu
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	BH/SD	2805	4.4	4.4	4.4
	T.SLTP	8714	13.6	13.6	18.0
	T.SLTA	26814	41.8	41.8	59.8
	T.P.Tinggi	25810	40.2	40.2	100.0
	Total	64143	100.0	100.0

Komentar

·         Pendidikan responden di lokasi penelitian relatif tinggi. Hanya 4 % saja responden tamatan SD/ buta huruf.

·         Responden yang berpendidikan SLTA hampir sama banyaknya dengan tamat perguruan tinggi (41.8% dan 40.2%)

·         Responden yang berpendidikan SLTP lebih sedikit dari tamatan SLTA yaitu 13.6 %.

Golongan Darah
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	A	16569	25.8	25.8	25.8
	AB	18708	29.2	29.2	55.0
	B	13898	21.7	21.7	76.7
	O	14968	23.3	23.3	100.0
	Total	64143	100.0	100.0

 Komentar

·         Responden yang memiliki golongan darah  A hampir sama dengan yang memiliki golongan darah O yaitu 25.8 % dan 23.3%.

·         Responden yang memiliki golongan darah tertinggi adalah AB yaitu sekitar 29.2 %.

·         Responden yang memiliki golongan darah terendah adalah B yaitu sekitar 21.7 %

Jenis kelamin Balita
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	laki-laki	31872	49.7	49.7	49.7
	Perempuan	32271	50.3	50.3	100.0
	Total	64143	100.0	100.0

Komentar

·         Jenis kelamin antara laki-laki dan perempuan hampir sama yaitu 49.7 % dan 50.3%.

Pemeriksaan Kehamilan
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	PERNAH	48640	75.8	75.8	75.8
	Tidak	15503	24.2	24.2	100.0
	Total	64143	100.0	100.0

Komentar

·         Responden di tempat penelitian yang pernah memeriksakan kehamilan lebih banyak dari pada yang tidak memeriksakan kehamilan yaitu 75.8% dan 24.2%.

Sebelum Hamil Akseptor KB ?
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Tidak	25858	40.3	40.3	40.3
	Ya	38285	59.7	59.7	100.0
	Total	64143	100.0	100.0

Komentar

·         Jumlah Responden di tempat penelitian yang merupakan merupakan akseptor KB hampir seimbang dengan yang tidak akseptor KB

·         Di lihat dari jasil penelitian responden yang merupakan akseptor KB sebanyak 59.& % sedangkan yang tidak sebanyak 40.3%

Kontrasepsi yang Dipakai
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	IUD	14844	23.1	38.8	38.8
	Kondom	7495	11.7	19.6	58.3
	Pil	11497	17.9	30.0	88.4
	Susuk	4037	6.3	10.5	98.9
	Lain2	412	.6	1.1	100.0
	Total	38285	59.7	100.0
Missing	System	25858	40.3
Total		64143	100.0

Komentar

·         Responden di tempat penelitian yang banyak menggunakan kontrasepsi adalah jenis IUD (23.1%) dan yang terendah adalah jenis lainnya (6%)

·         Responden yang menggunakan kontrasepsi pil adalah sebanyak (17.9%)

Diukur Tinggi Fundus ?
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Tidak	5236	8.2	10.8	10.8
	Ya	43404	67.7	89.2	100.0
	Total	48640	75.8	100.0
Missing	System	15503	24.2
Total		64143	100.0

Komentar

·         1 dari 10 responden tidak melakukan pengukuran tinggi fundus

·         Jumlah responden yang di ukur fundusnya adalah sebanyak 67.7% dan yang tidak adalah sebanyak 8.2%.

Diukur TB ?
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Tidak	4336	6.8	8.9	8.9
	Ya	44304	69.1	91.1	100.0
	Total	48640	75.8	100.0
Missing	System	15503	24.2
Total		64143	100.0

Komentar

·         Responden di tempat penelitian lebih banyak melakukan pengukuran TB dari pada yang tidak melakukan pengukuran TB (69.1% dan 6.8%

Diukur Tensi ?
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Tidak	1645	2.6	3.4	3.4
	Ya	46995	73.3	96.6	100.0
	Total	48640	75.8	100.0
Missing	System	15503	24.2
Total		64143	100.0

Komentar

·         Responden di tempat penelitian lebih banyak melakukan ukur tensi dari pada yang tidak melakukan ukur tensi

Diberi Tablet Fe
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Tidak	3969	6.2	8.2	8.2
	Ya	44671	69.6	91.8	100.0
	Total	48640	75.8	100.0
Missing	System	15503	24.2
Total		64143	100.0

Komentar

·         Jumlah responden di tempat penelitian yang di beri tablet Fe sebanyak 69.9% dan yang tidak sebanyak  6.2%.

Diimunisasi TT
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Tidak	6940	10.8	14.3	14.3
	Ya	41714	65.0	85.7	100.0
	Total	48654	75.9	100.0
Missing	System	15489	24.1
Total		64143	100.0

Komentar

·         Jumlah responden yang tidak melakukan imunisasi TT lebih sedikit dari yang melakukan imunisasi TT (10.8% dan 65.%)

data Numerik dengan menghitung statistic descriptivenya yaitu ukuran2 penyebaran data (dispercy) misalnya nilai nilai minimum,maximum,range,standar deviasi,standar eror,,,langkahnya analize---descriptive statistic---frequensi----masukkan data numerik---statistic---centang semua yang di butuhkan---continue—paste---copykan ke word seperti di bawah ini

Statistics
		Umur Ibu (tahun)	TB Ibu (cm)	BB Ibu (kg)
N	Valid	64142	64143	64143
	Missing	1	0	0
Mean		27.13	157.296	55.072
Median		26.00	157.000	55.000
Mode		25	156.0	50.0
Std. Deviation		4.847	6.0134	7.0794
Skewness		.730	-.061	.155
Std. Error of Skewness		.010	.010	.010
Kurtosis		.499	-.187	-.698
Std. Error of Kurtosis		.019	.019	.019
Range		30	35.0	30.0
Minimum		15	140.0	40.0
Maximum		45	175.0	70.0

Komentar

Sesuai dengan kebutuhan penelitian.Setidaknya untuk kebutuhan uji normality di butuhkan mean,median dan modus

Cara penulisan kebutuhan deskriptif statistik untuk rata-rata dan standar defiasi adalah :

Misalnya umur : Rata-rata umur responden adalah 27.13 (+4.85) tahun yang berkisar antara 15-45 .Satuan variabel di belakang dan nilai standar deviasi dalam kurung yang di awali dengan tanda ±

Rata-rata biasanya di ikuti dengan rentangan (min/max)

1.      Mean,median,modus dan skeweness dapat di gunakan untuk uji normality.Data dikatakan berdistribusi normal apabila mean=median=modus atau keetiga data tersebut selisihnya kecil.Media berada di tengah ketiga data.

2.      Di lihat dari skeweness : data di katakan berdistribusi normal bili skeweness di bagi standar error of skewenessnya berkisar antara -1.27 sampai +1,27

Uji normality  yaitu untuk melihat data berdistribusi normal atau tidak. Gunanya sebagai syarat utama uji parametrik (angka) /parameter. Ada enam cara yang digunakan untuk melakukan uji normality, yaitu:

1.       Mean,Median dan Modusciri-cirinya  adalah Data dikatakan normal jika Mean,Median dan Modusnya memiliki beda yang tipis/kecil danMediannya harus berada di tengah.

2.       Kolmogorov  smirnov ciri-cirinya yaitu Hanya sensitive pada sampel kecil, karena pada konsep sampling makin besar sampel maka akan mendekati populasi.

H0 : Data berdistribusi normal

Sig. ~ p-value = 0,000

P < 0,05 (CI=95%)

H0 ditolak

H0 : data berdistribusi normal

3.       Skeweness ciri- cirinya Data normal jika skeweness dibagi std. error hasinya berkisar antara

-1.27 - +1.27.jika berada di luar rentang terssebut maka datanya tidak normal.

4.       Histogram karakternya yaitu  Data normal jika kurva histogram yang terbentuk menyerupai kurva normal

5.       Q-Q plot dan Steam & Leaf karakternya yaitu Data normal jika data yang tersebar di garis cegar baik yang diatas maupun di bawah sama banyak.

6.       Box Plot karakternya yaitu Data normal jika:

a.       Box tidak tinggi/ rendah

b.      Kakinya pendek, seimbang atas dan bawah

c.       Median ada di tengah

d.      Tidak ada data ekstrim, jikaada seimbang atas dan bawah

Jika data tidak normal,lakukan normalisasi ~ menormalkan data.

a.       Memissingkan record outlier dengan uji lagi normality

b.       Me-log-kan variabel dengan uji lagi normality

APABILA TETAP TIDAK NORMAL, Uji Parametrik tidak boleh dipakai.

Ada 2 pilihan :

a.       Uji dengan uji Non Parametrik

b.        Kategorikan variabel (uji non parametrik)

Contoh:

1.       Missingkan umur <20 dan >40 dengan membuat field baru [U2040], kemudian uji kembali normalitasnya.

2.       Logkan umur dengan cara, Transform – Recode into different variabel – Rubah nama dan Label – Change – Old and New Value – Range 20-40 – Copy old value, Add –Lalu klik All other values – klik system missing, Add - Continue

Analisis BIVARIAT

tabel bivariat 
 

 

Rabu, 21 Agustus 2013 kami melakukan analisis bivariat 2 variabel dimana 1 variabel sebagai independent dan yang 1 sebagai dependent.dengan uji variabel tersebut ada 4 kemungkinan pasangan yaitu

o   K  à K ----di uji dengan uji beds proporsi

o   K  à N------di uji dengan uji beda rata-rata

o   N  à K-----di uji dengan uji beda rata-rata

o   N  à N-----di uji dengan uji korelasi

Tujuan Penelitian A : Untuk mengetahui hubungan antara pernah memeriksakan kehamilan dengan keikutsrtaan berKB.

Langkah 1 :     sebagai independen variabel adalah Pemeriksaan Kehamilan dan sebagai Dependen variabel adalah keikutsertaan berKB

Langkah 2 :     Variabel Pemeriksan kehamilan dalam database nama fieldnya adalah pernah dan Variabel  Keikutsertaan berKB nama fieldnya adalah Akseptor

Langkah 3:      Field Pernah berkarakteristik : Kategorik dan field Akseptor berkarakteristik : Kategorik.

Langkah 4:      Data kategorik dengan kategorik diuji dengan uji beda Proporsi (chi squatre). Ho Pengujian adalah : (rumus Ho Uji beda proporsi : tidak ada perbedaan kejadian dependen variabel antar kategori independen). H0: Tidak ada perbedaan proporsi responden yang tidak berKB antara yang pernah dan tidak pernah memeriksakan kehamilan, diuji pada batas kepercayaan 95%.

Langkah 5:      Tidak ada field numerik, sehingga langkah ini dilewati (skip)

Langkah 6:      Uji, baca, dan interpretasikan.

Pemeriksaan Kehamilan * Sebelum Hamil Akseptor KB ? Crosstabulation
			Sebelum Hamil Akseptor KB ?		Total
			Tidak	Ya
Pemeriksaan Kehamilan	PERNAH	Count	19424	29267	48691
		% within Pemeriksaan Kehamilan	39.9%	60.1%	100.0%
	Tidak	Count	6443	9088	15531
		% within Pemeriksaan Kehamilan	41.5%	58.5%	100.0%
Total		Count	25867	38355	64222
		% within Pemeriksaan Kehamilan	40.3%	59.7%	100.0%

Komentar : Responden yang tidak berKB lebih banyak terdapat pada yang tidak pernah memeriksakan kehamilannya.berdasarkan hasil tabel di atas

Chi-Square Tests
	Value	df	Asymp. Sig. (2-sided)	Exact Sig. (2-sided)	Exact Sig. (1-sided)
Pearson Chi-Square	12.413a	1	.000
Continuity Correctionb	12.346	1	.000
Likelihood Ratio	12.386	1	.000
Fisher's Exact Test				.000	.000
Linear-by-Linear Association	12.412	1	.000
N of Valid Cases	64222
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6255.49.
b. Computed only for a 2x2 table

Hasil pengujian dengan chi aquare ditemukan ada perbedaan proporsi responden yang tidak berKB antara yang pernah dan tidak pernah memeriksakan kehamilan. Berarti ada hubungan antara pemeriksaan kehamilan dengan keikutsertaan berKB.

Tujuan Penelitian B  (uji beda2 rata2 sampeltidak berpasanagn=independent sampel T tes):          Untuk mengetahui hubungan antara pernah mendapat tablet Fe dengan kadar Hb saat hamil

Analize>compare mean > independent sampel T test

Membaca hasil pengujuan pada uji T test indepemden ini adalah mengutih mean(+sd) dari dua kelompok yang di bandingkan dan di lanjutkan dengan membaca statistik dan interpretasi

Langkah 1 :     sebagai independent  variabel adalah pemeriksaan kehamilan dan variabel Dependentnya adalah  kadar hb setelah hamil

Langkah 2 :     Variabel  pemeriksaan kehamilan dalam database nama fieldnya adalah pernah dan Variabel  kadar hb setelah hamil  nama fieldnya adalah hb2

Langkah 3 :      field pernah adalah data kategorik dan field hb2 adalah data numerik

Langkah 4 :      uji yang akan di pakai adalah uji 2 beda rata-rata dengan sampel tidak berpasanagan( independent sampel T test).Ho pengujian adalah tidak ada perbedaan nilai rata-rata kadar hb2 (hb setelah  hamil) antara ibu responden yang di pernah mendapatkan tablet fe” akan di lakukan pengujian pada konfiden interfal 95%

Langkah 5 :      data numerik (hb2) di lakukan uji normality menggunakan teknik mean,median,modus di bantu dengan histogram dan QQ plot serta steam &  leaf hasilnya normal.Ks tidak bisa di gunakan untuk data besar

Langkah 6 :

Group Statistics
	Diberi Tablet Fe	N	Mean	Std. Deviation	Std. Error Mean
Kadar HB saat Hamil	Tidak	3969	11.118	1.3314	.0211
	Ya	44671	11.227	1.1030	.0052

Dari data di atas di dapatkan hasil mean yang tidak di beri tablet fe sebanyak 11.227  dan yang tidak sebanyak 11.118. pada uji T test mendapatkan hasil p=0.000 maka Ho di tolak. bearti ada perbedaan nilai rata-rata kadar hb2 (hb setelah  hamil) antara ibu responden yang pernah mendapatkan tablet fe

Independent Samples Test
		Levene's Test for Equality of Variances		t-test for Equality of Means
									95% Confidence Interval of the Difference
		F	Sig.	t	df	Sig. (2-tailed)	Mean Difference	Std. Error Difference	Lower	Upper
Kadar HB saat Hamil	Equal variances assumed	386.854	.000	-5.837	48638	.000	-.1086	.0186	-.1451	-.0721
	Equal variances not assumed			-4.990	4465.214	.000	-.1086	.0218	-.1513	-.0659