1. Export file data dari Epidata ke SPSS
1) Buka file data dari epidata yang telah diisi sebelumnya à close form
2) Klik export data àpilih SPSS
3) Kemudian klik Ok
2. Langkah-langkah untuk cleaning data
1) Analyze à Descriptive Statistics à Frequencies
2) Pilih data mana yang ingin dicari missingnya
3) Klik Ok
4) Data à Sort cases
5) Pilih data yang ingin di sortir
6) Klik Ok
7) Kemudian delete data yang missing
Jumlah data : 16.287
Cleaning data kategorik
§ Pekerjaan ibu
§ Pendidikan ibu
§ Golongan darah
§ Pernah periksa kehamilan
§ Pengukuran TFU
§ Pengukuran TB
§ Pengukuran Tensi
§ Pemberian TFE
§ Imunsasi TT
§ Akseptor KB
§ Jenis KB
§ Rencana melahirkan
Cleaning data numerik
§ Umur
§ TB
§ BB
§ Sistole
§ Diastole
§ Kadar Hb
§ Frekuensi pemeriksaan
3. Cleaning data
Langkah untuk memberi batasan pada data numeric :
1) Pilih Transform è Recode
2) Pilih Into Different Variables
3) Pilih salah satu variable numerik
4) Change output variable pada kotak name dan beri label
5) klik change
6) klik Old and New Values
7) isi kotak range lowest through dan range highest through sesuai batasan yang diinginkan, klik poin System-missing, klik Add
8) Klik poin All other values, klik copy all values - continue - ok
9) Lakukan langkah yang sama untuk memberikan batasan pada variabel lain.
9) Lakukan langkah yang sama untuk memberikan batasan pada variabel lain.
Cleaning data kategorik
1. Pengentri (Di luar kategorik)
· Data Awal : 16287
· Missing : -
· Luar kategori : 697 (Tanpa nama)
· Yang menjawab “1” : 2
· Sisa : 15588
2. Pekerjaan ibu
· Data Awal : 15588
· Missing : 10
· Luar kategori : -
· Sisa : 15578
3. Pendidikan ibu
· Data Awal : 15578
· Missing : 2
· Luar kategori : 4 (tidak ada dalam pilihan)
· Sisa : 15572
4. Golongan darah
· Data Awal : 15572
· Missing : -
· Luar kategori : 21 (selain A,B,AB,O)
· Sisa : 15551
5. Pernah periksa kehamilan
· Data Awal : 15551
· Missing : -
· Luar kategori : 473 (tidak ada dalam pilihan)
· Sisa : 15078
6. Pengukuran TFU
· Data Awal : 15078
· Missing : 110 (yang dihapus hanya 12)
· Luar kategori : -
· Sisa : 15066
7. Pengukuran TB
· Data Awal : 15066
· Missing : -
· Luar kategori : -
· Sisa : 15066
8. Pengukuran Tensi
· Data Awal : 15066
· Missing : 100 (yang dihapus hanya 2)
· Luar kategori : -
· Sisa : 15064
9. Pemberian TFE
· Data Awal : 15064
· Missing : 8
· Luar kategori : -
· Sisa : 15056
Imunsasi TT
· Data Awal : 15056
· Missing : 29
· Luar kategori : -
· Sisa : 15027
10. Akseptor KB
· Data Awal : 15027
· Missing : 14
· Luar kategori : 1 (tidak ada dalam pilihan)
· Sisa : 15012
11. Jenis KB
· Data Awal : 15012
· Missing : 5571 (tidak di delete)
· Luar kategori :8 (ada yang tidak ber-KB tetapi ada jenis kontrasepsi)
· Sisa : 15004
12. Rencana melahirkan
· Data Awal : 15004
· Missing : 71
· Luar kategori : 10 (tidak ada dalam pilihan)
· Sisa : 14923
Cleaning data numerik
13. Umur (20 – 45)
· Data Awal : 14923
· Missing : 991
· Luar kategori : -
· Sisa : 13932
14. TB (140 – 180 cm)
· Data Awal : 13932
· Missing : 10
· Luar kategori : -
· Sisa : 13922
15. BB (40 – 80 kg)
· Data Awal : 13922
· Missing : 113
· Luar kategori : -
· Sisa : 13809
16. Diastole (60 – 110 mmHg)
· Data Awal : 13809
· Missing : 347
· Luar kategori : -
· Sisa : 13462
17. sistole (100 – 170 mmHg)
· Data Awal : 13462
· Missing : 140
· Luar kategori : -
· Sisa : 13322
18. Kadar Hb (8 – 13 gr%)
· Data Awal : 13322
· Missing : 667
· Luar kategori : -
· Sisa : 12655
19. Frekuensi periksa kehamilan
· Data Awal : 12655
· Missing : 109 (yang dihapus hanya 38)
· Luar kategori : 6 (frekuensi 0)
· Sisa : 12611
4. Langkah analisis univariat
1) Pilih analiyze è descriptive statistic è frekuensi
2) Pilih salah satu variabel , ex : pekerjaan ibu
3) Klik statistic, pada kolom central tendency checklist mean, median, dan mode
4) Pada kolom dispersion checklist minimum dan maksimum
5) Pilih continue
6) Klik chart, pilih histogram pada kolom chart type
7) Pilih continue
8) Ok
5. Analisis univariat data numeric
Langkah :
1) Pilih analyze è deskriptif statistic è descriptive
2) Pilih data numeric yang akn dianalisis
3) Pilih ok
6. Tranformasi data variabel kategorik dan numerik
ü Pekerjaan à (1)bekerja , (2)tidak bekerja
ü Pendidikan à(1)rendah, (2)tinggi
ü Umur à (1)resti, (2) tidak resti
Langkah-langkah transformasi data
1) Pilih transform à recode
2) Pilih into the same variables
3) Pilih salah satu variabel yang akan di transformasikan misalnya pendidikan formal ibu
4) Change nama dan label, klik change
5) Pilih Old and New Variables
6) Masukan kode lama variabel pilihan pada kotak Old value (Value), lalu kode baru ke kotak New Value (Value), pilih Add setiap selesai merubah value
BH/SD (0) à (1) rendah
SLTP (2) à (1) rendah
SLTA (3) à (2) tinggi
PT (4) à (2) tinggi
7) Pilih continue, pilih OK
8) Ulangi membuka jendela transform, recode, into the different variables dan klik Paste, agar perintah tercopy ke dalam syntax
9) Buka Syntax lalu tambahkan dibawah VARIABLE LABELS à ADD VALUE LABELS NamaLabel Kode1'LabelKodeBaru1' Kode2'LabelKodeBaru2'.
Contoh :
a. RECODE
b. DIDIK (0=1) (2=1) (3=2) (4=2) INTO didik2.
c. VARIABLE LABELS didik2 'Pendidikan ibu'.
d. ADD VALUE LABELS didik2 1'Rendah' 2'Tinggi'.
e. EXECUTE.
10) Untuk numeric dapat menggunakan batasan Range yang tersedia dengan langkah yang sama.
7. Menghitung variabel IMT
1) Pilih transform à compute
2) Isikan nama target variabel, ex :imt
3) Pilih type&label, isikan label, ex : indeks massa tubuh
4) Continue
5) Isikan pada kotak rumus IMT
a. Ex : IMT=BB / ((TB / 100) * (TB / 100)).
6) Pilih Ok
7) Beri batasan kembali seperti langkah No 6
8. Analisis bivariate
- Tujuan : Untuk mengetahui hubungan pendidikan ibu dengan pekerjaan ibu
1. Independen : pendidikan ibu
Dependen : pekerjaan ibu
2. Field
· didik : pendidikan ibu
· kerja : pekerjaan ibu
3. Karekteristik field
· didik : K
· kerja : K
4. Uji / analisis sementara
Uji beda proporsi
5. Tidak dilakukan uji normality
6. Hipotesis pengujian pada CI
Tidak ada perbedaan proporsi antara tingkat pendidikan ibu dengan jenis pekerjaan ibu
7. Bahaas hasil
P= 0,0
CI = 95%
P<α, Ho ditolak, berarti ada beda proporsi antara tingkat pendidikan ibu dengan jenis pekerjaan ibu
- Tujuan : Untuk mengetahui hubungan antara umur ibu dengan kadar Hb
1. Independen : umur ibu
Dependen : kadar HB
2. Field
· Umur2 : umur ibu hamil
· Hb2 : kadar hb ibu hamil
3. Karekteristik field
· Umur2 : N
· Hb2 : N
4. Uji / analisis sementara
Uji beda proporsi
5. Dilakukan uji normality pada variable umur dan kadar hb
6. Hipotesis pengujian pada CI
Tidak ada perbedaan proporsi antara umur ibu dengan kadar Hb ibu
7. Bahas hasil
P= 0,025
CI = 95%
P<α, Ho ditolak, berarti ada beda proporsi antara umur ibu dengan kadar Hb ibu
D. Tujuan : Untuk mengetahui hubungan antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
1. Independen : tingkat pendidikan
Dependen : kontrasepsi yang dipilih dalam ber-KB
2. Field
· didik : pendidikan ibu
· ksepsi : jenis kontrasepsi
3. Karekteristik field
· didik : K
· ksepsi : K
4. Uji / analisis sementara
Uji beda proporsi
5. Tidak dilakukan uji normality
6. Hipotesis pengujian pada CI
Tidak ada perbedaan proporsi antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
7. Bahas hasil
P= 0,0
CI = 95%
P<α, Ho ditolak, berarti ada beda proporsi antara pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
E. Tujuan : Untuk mengetahui hubungan antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil
1. Independen : pernah atau tidak dapat tablet Fe
Dependen : kadar Hb dalam darah
2. Field
· Tfe : pernah atau tidak dapat tablet Fe
· hb2 : hb ibu hamil
3. Karekteristik field
· Tfe : K
· hb2 : N
4. Uji / analisis sementara
Uji T dependent dan berpasangan
5. Dilakukan uji normality pada variable kadar hb
6. Hipotesis pengujian pada CI
Tidak ada perbedaan proporsi antara pernah atau tidak mendapat tablet Fe dengan kadar Hb dalam darah ibu hamil
7. Bahas hasil
P= 0,0
CI = 95%
P<α, Ho ditolak, berarti ada beda proporsi antara pernah atau tidak mendapat tablet Fe dengan kadar Hb dalam darah ibu hamil
F. Tujuan : Untuk mengetahui hubungan antara tekanan darah (sistolik/diastolik) dengan golongan darah
a. Sistolik
15. Independen : tekanan darah sistolik
Dependen : golongan darah
16. Field
· Sistol2 : tekanan darah (sistolik/diastolik)
· Darah : golongan darah
17. Karekteristik field
· Sisrec : N
· Darah : K
18. Uji / analisis sementara
Uji beda proporsi
19. Dilakukan uji normality pada variable sisrec
20. Hipotesis pengujian pada CI
Tidak ada perbedaan proporsi antara tekanan darah sistolik dengan golongan darah ibu hamil
21. Bahas hasil
P= 0,0
CI 95%
P<α, Ho ditolak, berarti ada beda proporsi antara tekanan darah sistolik dengan golonngan darah ibu hamil
b. Diastolic
1. Independen : tekanan darah diastolik
Dependen : golongan darah
2. Field
Diass22 : tekanan darah diastolik
Darah : golongan darah
3. Karekteristik field
Diass22 : N
Darah : K
- Uji / analisis sementara
Uji beda proporsi
- Dilakukan uji normality pada variable diass22
- Hipotesis pengujian pada CI
Tidak ada perbedaan proporsi antara tekanan darah sistolik dengan golongan darah ibu hamil
7. Bahas hasil
a. P= 0,0
b. CI 95%
c. P<α, Ho ditolak, berarti ada beda proporsi antara tekanan darah sistolik dengan golonngan darah ibu hamil
