my blogger

Loading

Minggu, 15 Juli 2012

TUGAS UJIAN KOMPUTER SEMESTER IV

1.nama : PEGI SYAFYURIANDA
NIM : 102114329
FILE : GANJIL

2. Berdasarkan angka NIM terakhir saya, maka file yang akan diolah adalah [GANJIL]
3. File hasil eksport Epidata ke SPSS berekstensi sav dengan nama file PEGI SYAFYURIANDA.sav

4. File syntax penimbangan massal dieksport ke SPSS dan disimpan dengan nama PEGI SYAFYURIANDA.SPS dan ekstensi SPS

5. File data [39] berisi 8390 field dan record. Data kategorik sebanyak 27 field dan data numerik sebanyak 12 field

6. 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

ADD VALUE LABELS kerja 1 'PNS' 2 'Swasta' 3 'Wiraswasta' 4 'Pedagang' 5 'Buruh/T/N' 6 'Lain-lain' .

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 Itt 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 'Lain-lain' .

ADD VALUE LABELS Alasan 1 'Masih Ingin Punya Anak' 2 'Dilarang Suami' 3 'Tidak Sesuai Keyakinan' 4 'Lain-lain' .

ADD VALUE LABELS Rencana 1 'RS/RSB' 2 'PKM' 3 'Nakes' 4 'Dukun' 5 'Lain-lain' .

7. jumlah record sebelum didelete 8390 record dan sesudah didelete yang missing tersisa 8380 record

8. Jumlah field sebelum kerja yg missing adalah 8380 dan setelah field erja dicleaning adalah 8378 record

9. Jumlah record sebelum di delete sistol yang missing adalah sebanyak 8378 record dan setelah dilakukan penghapusan field sistol yang missing tersisa 7127 record

10. Jumlah record sebelum di delete diastol yang missing adalah sebanyak 7127 record dan setelah dilakukan penghapusan field diastol yang missing tersisa 6956 record

11.       2 digit terakhir NIM saya adalah : 29
1 digit terakhir adalah : ____9____ Ganjil
12.Ganjil :
Jumlah record tersisa setelah di delete sebanyak 100 recor mulai dari 2 digit NIM adalah 6856. record
14.. Pendidikan Formal Ibu :


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
BH/SD
197
2.9
2.9
2.9
SLTP
729
10.6
10.6
13.5
SLTA
2944
42.9
42.9
56.4
P.Tinggi
2986
43.6
43.6
100.0
Total
6856
100.0
100.0


Komentar : dari data yang di olah didapatkan bahwa  hanya sedikit ibu yang berpendidikan BH/SD dan SLTP, data BH/SD 2.9% , SLTP 13.5 %, SLTA 42.9 %
Dan P tinggi 43.6 %.

15.
RECODE
DIDIK
(0=0)  (2=0)  (3=1)  (4=1)  INTO  didik1 .
VARIABLE LABELS didik1 'Pendidikan Tinggi dan Rendah'.
ADD VALUE LABELS didik1 0 'Rendah' 1 'Tinggi'.
EXECUTE .






Pendidikan Tinggi dan Rendah


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
Rendah
926
13.5
13.5
13.5
Tinggi
5930
86.5
86.5
100.0
Total
6856
100.0
100.0


Komentar : dari data yang di olah didapatkan bahwa ibu yang berpendidikan rendah sebanyak 13,5 % dan yang berpendidkan tinggi sebanya 86.5 %

16.       a. Jumlah field sebelum darah yg missing adalah 6856 dan setelah field darah dicleaning adalah  6853 record, atau tidak ada yang missing.
            b. Jumlah field sebelum PERNAH yg missing adalah 6853 dan setelah field PERNAH dicleaning adalah  6852 record.
            c. Jumlah field sebelum akseptor yg missing adalah 6852 dan setelah field akseptor dicleaning adalah  6846 record.
            d. Jumlah field sebelum alasan yg missing adalah 6846 dan setelah field alasan dicleaning adalah  6830 record.
            e. Jumlah field sebelum RENCANA yg missing adalah 6830 dan setelah field RENCANA dicleaning adalah  6773 record.

17.       a. Jumlah field sebelum kadar HB yg missing adalah 6773 dan setelah field kadar dicleaning kadar HB adalah  6751 record.
            b. Jumlah field sebelum tinggi badan yg missing adalah 6751 dan setelah field kadar dicleaning tinggi badan adalah  6749 record.
            c. Jumlah field sebelum berat badan yg missing adalah 6749 dan setelah field kadar dicleaning berat badan adalah  6733 record.

18. Langkah-langkah melakukan cleaning pada field pernah dengan pemeriksaan kehamilan :
1. data à sort cases à field pernah dan kali.
2. sort ascending kedua field, periksa. Jika tidak ada keanehan, sort ascending field pernah dan sort descending field kali, periksa.
3. sort descending kedua field, periksa. Jika tidak ada keanehan, sort descending field pernah dan sort ascending field kali, periksa.
Jumlah record sebelum didelete 6733 record dan sesudah didelete yang missing tersisa 6559 record.

lebih lengkap ..............
lasnjutan...........
Pendidikan Tinggi dan Rendah


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
Rendah
926
13.5
13.5
13.5
Tinggi
5930
86.5
86.5
100.0
Total
6856
100.0
100.0


Komentar : dari data yang di olah didapatkan bahwa ibu yang berpendidikan rendah sebanyak 13,5 % dan yang berpendidkan tinggi sebanya 86.5 %

16.       a. Jumlah field sebelum darah yg missing adalah 6856 dan setelah field darah dicleaning adalah  6853 record, atau tidak ada yang missing.
            b. Jumlah field sebelum PERNAH yg missing adalah 6853 dan setelah field PERNAH dicleaning adalah  6852 record.
            c. Jumlah field sebelum akseptor yg missing adalah 6852 dan setelah field akseptor dicleaning adalah  6846 record.
            d. Jumlah field sebelum alasan yg missing adalah 6846 dan setelah field alasan dicleaning adalah  6830 record.
            e. Jumlah field sebelum RENCANA yg missing adalah 6830 dan setelah field RENCANA dicleaning adalah  6773 record.

17.       a. Jumlah field sebelum kadar HB yg missing adalah 6773 dan setelah field kadar dicleaning kadar HB adalah  6751 record.
            b. Jumlah field sebelum tinggi badan yg missing adalah 6751 dan setelah field kadar dicleaning tinggi badan adalah  6749 record.
            c. Jumlah field sebelum berat badan yg missing adalah 6749 dan setelah field kadar dicleaning berat badan adalah  6733 record.

18. Langkah-langkah melakukan cleaning pada field pernah dengan pemeriksaan kehamilan :
1. data à sort cases à field pernah dan kali.
2. sort ascending kedua field, periksa. Jika tidak ada keanehan, sort ascending field pernah dan sort descending field kali, periksa.
3. sort descending kedua field, periksa. Jika tidak ada keanehan, sort descending field pernah dan sort ascending field kali, periksa.
Jumlah record sebelum didelete 6733 record dan sesudah didelete yang missing tersisa 6559 record.

19. Langkah-langkah melakukan cleaning pada field pernah dengan mendapatkan 5T :
1. data à sort cases à field pernah dan 5T.
2. sort ascending kedua field, periksa. Jika tidak ada keanehan, sort ascending field pernah dan sort descending field 5T, periksa.
3. sort descending kedua field, periksa. Jika tidak ada keanehan, sort descending field pernah dan sort ascending field 5T, periksa.
Jumlah record sebelum didelete 6559 record dan sesudah didelete yang missing tersisa 6534 record.

20. Langkah-langkah melakukan cleaning pada field akseptor dengan kontrasepsi dan alasan tidak ber-KB :
1. data à sort cases à field akseptor dengan kontrasepsi dan alasan tidak ber-KB.
2. sort ascending kedua field, periksa. Jika tidak ada keanehan, sort ascending field akseptor dan sort descending field kontrasepsi dan alasan tidak ber-KB, periksa.
3. sort descending kedua field, periksa. Jika tidak ada keanehan, sort descending field akseptor dan sort ascending field kontrasepsi dan alasan tidak ber-KB, periksa.
Jumlah record sebelum didelete 6534 record dan sesudah didelete yang missing tersisa 6455 record.

21. Syntax :
* Perhitungan IMT Ibu.
COMPUTE IMTIbu = bb / ((tb / 100) * (tb / 100)) .
VARIABLE LABELS IMTIbu 'IMT Ibu Hamil' .
EXECUTE .

* Perhitungan IMT Anak.
COMPUTE IMTAnak = weight / ((height / 100) * (height / 100)) .
VARIABLE LABELS IMTAnak 'IMT Anak Balita' .
EXECUTE .

RECODE
  IMTIbu
  (Lowest thru 16.999=1)  (17.0 thru 18.499=2)  (27.001 thru Highest=5)  (25.001 thru 27.0=4)  (18.501 thru 25.001=3)  INTO
  imti5 .
VARIABLE LABELS imti5 'IMT Ibu Hamil'.
ADD VALUE LABELS imti5 1 'Sangat Kurus' 2 'Kurus' 3 'Normal' 4 'Gemuk' 5 'Obesitas'.
EXECUTE .

RECODE
  IMTAnak
  (Lowest thru 16.9999=1)  (17.0 thru 18.499=2)  (18.501 thru 25.001=3)  (25.001 thru 27.0=4)  (27.001 thru Highest=5)  INTO
  imta5 .
VARIABLE LABELS imta5 'IMT Anak Balita'.
ADD VALUE LABELS imta5 1 'Sangat Kurus' 2 'Kurus' 3 'Normal' 4 'Gemuk' 5 'Obesitas'.
EXECUTE .

RECODE
  imta5
  (1=0)  (2=0)  (3=1)  (4=2)  (5=2)  INTO  imt5 .
VARIABLE LABELS imt5 'Kategori IMT Anak'.
ADD VALUE LABELS imt5 0 'Rendah' 1 'Normal' 2 'Tinggi'.
EXECUTE .
Output
IMT Ibu Hamil


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
Sangat Kurus
24
.4
.4
.4
Kurus
152
2.4
2.4
2.7
Normal
5872
91.0
91.0
93.7
Gemuk
269
4.2
4.2
97.9
Obesitas
138
2.1
2.1
100.0
Total
6455
100.0
100.0



Kategori IMT Anak


Frequency
Percent
Valid Percent
Cumulative Percent
Valid
Kurus
4876
75.5
75.5
75.5
Normal
1192
18.5
18.5
94.0
Gemuk
387
6.0
6.0
100.0
Total
6455
100.0
100.0



22. Analisis Bivariat :
a. Untuk Mengetahui Hubungan antara Pendidikan dengan Pekerjaan yang Dimiliki Responden.

1.      Pendidikan => variabel independent
Pekerjaan => variabel dependent

2.      Pendidikan => didik
Pekerjaan => kerja

3.      didik => kategorik
kerja => kategorik

4.      Uji Beda Proporsi – Uji Non Parametrik (Chi Square). Makin tinggi pendidikan makin tinggi jenis pekerjaan yang dimiliki ibu.
HO Pengujian : Tidak ada perbedaan tingkat pekerjaan ibu antara ibu yang tamat SD, SLTP, SLTA dan Perguruan Tinggi.
Diuji pada confidents interval 95%.

5.     

6.      Uji, baca, interpretasi.





4. Pendidikan Formal Ibu : * 3. Pekerjaan Ibu Responden : Crosstabulation



3. Pekerjaan Ibu Responden :
Total



PNS
Swasta
Wiraswasta
Pedagang
Buruh/T/N
Lain-lain
4. Pendidikan Formal Ibu :
BH/SD
Count
1
1
9
34
126
11
182
% within 4. Pendidikan Formal Ibu :
.5%
.5%
4.9%
18.7%
69.2%
6.0%
100.0%
SLTP
Count
10
67
128
229
97
129
660
% within 4. Pendidikan Formal Ibu :
1.5%
10.2%
19.4%
34.7%
14.7%
19.5%
100.0%
SLTA
Count
128
671
656
379
71
856
2761
% within 4. Pendidikan Formal Ibu :
4.6%
24.3%
23.8%
13.7%
2.6%
31.0%
100.0%
P.Tinggi
Count
1685
666
281
55
5
160
2852
% within 4. Pendidikan Formal Ibu :
59.1%
23.4%
9.9%
1.9%
.2%
5.6%
100.0%
Total
Count
1824
1405
1074
697
299
1156
6455
% within 4. Pendidikan Formal Ibu :
28.3%
21.8%
16.6%
10.8%
4.6%
17.9%
100.0%



Chi-Square Tests

Value
df
Asymp. Sig. (2-sided)
Pearson Chi-Square
5.033E3a
15
.000
Likelihood Ratio
4.199E3
15
.000
Linear-by-Linear Association
1.683E3
1
.000
N of Valid Cases
6455


a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 8.43.
7.      Bahas :
P< 0,05 maka HO ditolak.
“Ada hubungan antara tingkat pendidikan ibu dengan pekerjaan yang dimiliki”