hidup itu indah
cse
Loading
Rabu, 21 Agustus 2013
Sabtu, 17 Agustus 2013
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
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 Ã K ----di uji dengan uji beds proporsi
o
K Ã N------di uji dengan uji beda rata-rata
o
N Ã K-----di uji dengan uji beda rata-rata
o N Ã 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
|
Langganan:
Postingan (Atom)