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 ..............

DOWNLOAD

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”