MANAJEMEN DATA
(Ujian Akhir Semester)
1. Export field data ke SPSS
Langkah-langkah
- Buka file epidata
- Pilih menu file kemudian pilih close form
- Pilih menu export data kemudian pilih SPSS
- Pilih file yang akan di export kemudian pilih open
- Pilih ok
- Setelah muncul kotak pesan pilih ok
- Tutup file epidata
Buka syntax yang telah di export
Copy seluruh syntax
Pilih menu run kemudian pilih all
2. Cleaning data
Batasan yang digunakan
- Field data yang tidak penting
- Field data yang missing
- Field data yang tidak logis
Field numerik
- Umur : Umur Ibu (tahun)
- Tb : Tinggi Badan (cm)
- Bb : Berat Badan (kg)
- Sistol : Tekanan Darah (Sistolik)
- Diastol : Diastolik
- Hb : Kadar HB (mmHg)
- Kali : Jika pernah, berapa kali
Field kategorik
- Urut : no. Urut data
- Hari ini : hari entry data
- Entri : Nama Pengentri Data
- Nama : Nama Ibu
- Tlahir : Tgl Lahir Ibu
- Kerja : Pekerjaan Ibu Responden
- Didik : Pendidikan Formal Ibu
- Darah : Golongan Darah
- Pernah : Apakah ibu pernah memeriksakan kehamilan
- Fundus : Pengukuran Tinggi Fundus
- Ukurtb : Pengukuran Tinggi Badan
- Cpenguku : Pengukuran tekanan darah (tensi)
- Tfe : Pemberian Tablet Tambah darah (Fe)
- TT : Imunisasi Tetanus Toxoid (TT)
- Akseptor : Apakah sebelum hamil ibu Akseptor KB
- Ksepsi : Jika Ya, Alat kontrasepsi apa yang ibu pakai
- n5e : Lain2, sebutkan (N5E)
- alasan : Jika Tidak akseptor, apa alasan Ibu
- n6d : Lain2, sebutkan (N6D)
- rencana : Dimana rencana Ibu melahirkan
3. Cleaning data
Field yang di cleaning (dihapus total):
- Urut : no. Urut data
- Hari ini : hari entry data
- Kelas
- Jurusan
- Nama : Nama Ibu
- Tlahir : Tgl Lahir Ibu
Cleanning data field Entry
- pilih menu analyze
- kemudian pilih menu descriptive statistics
- pilih frequency
- masukan variabel yang akan dilihat frekuensinya
- klik ok
Untuk melihat data sesuai dengan urutannya (ascending) maka lakukan:
sort cases data
langkah-langkah:
- pilih menu data
- sort cases
- masukan variabel yang akan di sorts
- klik ok
nama pengentri
- jumlah data : 15896
- data entri yang tidak sesuai format : 3
- sisa data : 15893
Transform Data, langkah-langkah:
- pilih menu transform, kemudian pilih recode into same variables
- masukan variabel yang akan dirubah
- pilih Old and News Values...
- masukan data yang lama di Old value dan masukan data yang baru di New Value
- pilih continue
- pilih ok
cleaning data kategorikal
1. pekerjaan
- total data : 15893
- missing : 19
- sisa data : 15874
2. pendidikan
- total data : 15874
- data diluar kategori : 4
- sisa : 15870
3. golongan darah
- jumlah data : 15870
- missing : 0
- data diluar kategori : 6
- sisa : 15864
4. pernah periksa
- jumlah data :15864
- missing : 4
- data diluar kategori : -
- sisa :15860
5. berapa kali pemeriksaan
- jumlah data :15860
- missing : 369 (tidak di hapus)
- tidak sesuai kategori : 9
- sisa data :15851
6. pengukuran fundus
- jumlah data :15851
- missing : 273 (tidak sesuai kategori)
- sisa data :15578
7. pengukurang tinggi badan
- jumlah data :15578
- missing : 0
- tidak sesuai kategori : -
- sisa data :15578
8. pengukuran darah
- jumlah data :15578
- missing : 3
- tidak sesuai kategori : -
- sisa data :15575
9. pemberian tab. Fe
- jumlah data : 15575
- missing : 0
- tidak sesuai kategori : -
- sisa data : 15575
10.pemberian TT
- jumlah data :15575
- missing : 50
- tidak sesuai kategori :-
- sisa data :15525
11.Akseptor
- jumlah data : 15525
- missing : 0
- tidak sesuai kategori :-
- sisa data : 15525
12.Jika Ya, Alat kontrasepsi apa yang ibu pakai
- jumlah data : 15525
- missing : 9
- tidak sesuai kategori : 44
- sisa data : 15472
13.n5e ( Lain2, sebutkan (N5E))
- jumlah data : 15472
- missing : 0
- tidak sesuai kategori : 10
- sisa data : 15462
14.alasan (Jika Tidak akseptor, apa alasan Ibu)
- jumlah data : 15462
- missing :
- tidak sesuai kategori : 1
- sisa data : 15461
15.n6d ( Lain2, sebutkan (N6D))
- jumlah data :15461
- missing :
- tidak sesuai kategori : 17
- sisa data :15444
16.rencana tempat melahirkan
- jumlah data :15444
- missing : 163
- tidak sesuai kategori : 5
- sisa data :15276
cleaning data numerik
1. Umur
- Batasan umur : 15-45 th
- jumlah data : 15276
- missing : 53
- tidak sesuai kategori : 9
- sisa data : 15214
2. Tb : Tinggi Badan (cm)
- Batasan : 140-180 cm
- jumlah data :15214
- missing : 0
- tidak sesuai kategori : 4
- sisa data :15210
3. Bb : Berat Badan (kg)
- Batasan :> 35 kg
- jumlah data :15210
- missing :-
- tidak sesuai kategori : 4
- sisa data : 15206
4. Sistol : Tekanan Darah (Sistolik)
- Batasan : 80-180 mmHg
- jumlah data : 15206
- missing : 3
- tidak sesuai kategori : 162
- sisa data : 15041
5. Diastol : Diastolik
- Batasan :50-150 mmHg
- jumlah data :15041
- missing :-
- tidak sesuai kategori : 75
- sisa data :14966
6. Hb
- Batasan :6-18 g%
- jumlah data : 14966
- missing : 1
- tidak sesuai kategori :-
- sisa data : 14965
7. Kali : Jika pernah, berapa kali
- jumlah data :14965
- missing :-
- tidak sesuai kategori :-
- sisa data :14965
cleaning data akhir
1) pernah periksa kehamilan dengan frekuensi pemeriksaan (sort cases)
- jumlah data : 14965
- missing :
- tidak sesuai kategori : 23
- sisa data : 14942
2) akseptor, jenis alkon, alkon lain, tidak akseptor, alasan tidak akseptor, alasan lain tidak akseptor (sort cases)
- jumlah data : 14942
- missing :
- tidak sesuai kategori : 2
- sisa data :14940
Total data seluruhnya : 15896
Total data yang di cleaning : 956
Sisa data : 14940
4. Analisis Univariat
Variabel yang digunakan : Pendidikan Ibu
Langkah-langkah:
- Pilih menu analyze
- Pilih descriptive statistics kemudian pilih frequencies
- Masukan field pendidikan formal ibu
- Pilih menu statistics kemudian tandai mean, median, mode pada menu central tendency, pada menu dispersion tandai maximum dan minimum, pilih continue
- kemudian pilih menu charts, tandai histograms pada menu chart type, pilih continue
- pilih ok
Tabel 1. Pendidikan Formal Ibu
| No. | Tingkat Pendidikan | Frekuensi (orang) | Persentase (%) |
| 1 | BH/SD | 375 | 2,5 |
| 2 | SLTP | 2.332 | 15,6 |
| 3 | SLTA | 6.725 | 45,0 |
| 4 | Perguruan Tinggi | 5.508 | 36,9 |
| Total | 14.940 | 100,0 | |
Distribusi data responden berdasarkan pendidikan di kelompokkan menjadi 4 kelompok. Kelompok pertama adalah responden dengan tingkat pendidikan BH/SD sebanyak 375 orang (2,5%), kelompok kedua adalah responden dengan tingkat pendidikan SLTP sebanyak 2.332 orang (15,6%), kelompok ketiga adalah responden dengan tingkat pendidikan SLTA 6.725 orang (45,0%) dan kelompok keempat adalah responden dengan tingkat pendidikan Perguruan tinggi sebanyak 5.508 orang (36,9%).
Berdasarkan data yang didapatkan dari 14.940 responden, menunjukkan pendidikan responden sudah tinggi. Hal ini terlihat dari persentase responden yang berpendidikan rendah (BH/SD dan SLTP) sebanyak 18,1% dan pendidikan tinggi (SLTA dan PT) sebanyak 60,6 %.
5. Analisis Univariat untuk semua variabel numeric
a. Umur Ibu
Umur rata-rata responden adalah 28 tahun dimana umur responden termuda adalah 15 tahun dan umur responden yang paling tua adalah 45 tahun.
a. Tinggi Badan
Tinggi badan rata-rata dari 14940 responden adalah 158,12 cm. Tinggi badan terendah dari responden adalah 140,0 cm dan tinggi badan responden yang tertinggi adalah 180,0 cm.
b. Berat Badan
Berat badan paling rendah dari 14940 responden adalah 35,0 kg dan berat badan paling besar adalah 88,5 kg dengan rata-rata berat badan responden adalah 54,64 kg.
c. Tekanan darah (Sistole)
Tekanan darah sistole paling rendah yang didapatkan dari 14940 responden adalah 80mmHg sedangkan tekanan darah sitole yang paling tinggi adalah 170mmHg. Rata-rata tekanan darah sistole responden adalah 115,53 mmHg
d. Tekanan darah (Diastole)
Rata-rata tekanan darah diastole dari 14940 responden adalah 81,06 mmHg. Tekanan darah diastole paling rendah didapatkan dari responden tersebut adalah 50mmHg dan tekanan darah diastole paling tinggi adalah 130 mmHg.
e. Kadar Hb
Kadar Hb rata-rata yang diperoleh dari 14940 responden adalah 11,22g% dengan kadar Hb terendah sebesar 6,5g% dan kadar Hb paling tinggi sebesar 17,2g%.
f. Frekuensi pemeriksaan kehamilan
Dari 14940 responden yang memeriksakan kehamilannya sebanyak 14854 responden. Frekuensi pemeriksaan yang paling sedikit dilakukan oleh responden adalah satu kali pemeriksaan dan yang paling banyak adalah 51 kali pemeriksaan dengan rata-rata pemeriksaan yang dlakukan responden adalah 6 kali pemeriksaan.
b. Transformasi data variabel kategorik
Variabel yang ditranformasi:
a. Variabel pekerjaan menjadi 2 kategori yaitu:
- Tidak bekerja : (6) Lain-lain
- Bekerja : (1) ,(2),(3),(4),(5)
b. Variabel pendidikan menjadi 2 kategori, yaitu:
- Rendah : (0) dan (2)
- Tinggi : (3) dan (4)
c. Variabel umur risiko tinggi
- Berisiko : <20 th dan >35 th
- Tidak berisiko : 20-35 th
Langkah-langkah tranformasi data
- Pilih menu transform kemudian pilih recode into different variables
- Pilih dan masukan variabel yang akan di recode
- masukan nama field baru pada menu output variable pada kotak name kemudian pada kotak label masukan label atau judul baru yang diinginkan untuk ditampilkan pada analisis data(label output)
- klik change
- kemudian pilih old and new values, masukan nilai/data/kode lama yang akan diubah pada kotak old values dan pada kota new values masukan nilai/data/kode yang baru (data/nilai yang diinginkan)
- pilih continue
- klik ok
Langkah-langkah untuk menampilkan label
- buka data SPSS kemudian pilih menu variable view di bagian kiri bawah
- Pada baris pilih field yang akan diberi label dan pada kolom values klik sel kemudian klik bagian kotak yang bersimbol titik-titik (....) maka akan muncul kotak value labels
- Pada menu value masukan kode yang akan diberi label
- Pada menu labels masukan label yang sesuai kode
- Pilih kotak add kemudian klik ok
c. Compute
Langkah-langkah
- Pilih menu transform kemudian pilih compute variable
- Masukan field baru pada kotak target variabel (IMT)kemudian pilih type & label
- Masukan label yang akan di munculkan (Indeks Masa Tubuh) kemudian pilih continue
- Masukan formula untuk penghitungan IMT=BB/((TB/100)*(TB/100))
- Pilih ok
- Untuk mengelompokan/mengkategorikan menjadi kurus, normal dan gemuk lakukan transformasi data-recode into different variables (sperti langkah pada soal no.6) dengan batasan <18,50=kurus, 18,50-25,00=normal dan >25,00= gemuk
- Setelah melakukan transformasi data kemudian beri label sesuai dengan batasan.
d. Analisis Bivariate (confident interval 95%)
Tujuan penelitian:
a. Untuk mengetahui hubungan antara pendidikan dengan pekerjaan
1) Variabel ind : pendidikan
Variabel dep : pekerjaan
2) Field Ind : didik
Field Dep : kerja
3) Karakteristik
- Field ind : Kategorik
- Field dept : Kategorik
4) Analisis sementara : uji beda proporsi
5) Uji normality : tidak dilakukan karena tidak ada variabel numerik
6) H0 : tidak ada beda proporsi antara tingkat pendidikan
dengan pekerjaan ibu
p=0,000è p<0,05, berarti ada hubungan antara tingkat pendidikan dengan pekerjaan ibu.
b. Untuk mengetahui hubungan umur dengan kadar Hb
1) Variabel ind : umur
Variabel dep : kadar Hb
2) Field Ind : umur
Field Dep : Hb
3) Karakteristik
Field ind : numerik
Field dept : numerik
4) Analisis sementara : uji korelasi (uji t berpasangan)
5) Uji normality : p<0,05è sebaran data tidak normal lakukan uji
wilcoxon
6) H0 : tidak ada hubungan antara umur dan kadar Hb
P<0,05, berarti ada hubungan antara umur ibu dengan kadar Hb
c. Untuk mengetahui hubungan tingkat pendidikan dengan alat kontrasepsi yang dipilih dalam ber-KB
1) Variabel ind : tingkat pendidikan
Variabel dep : alat kontrasepsi
2) Field Ind : didik2
Field Dep : ksepsi
3) Karakteristik
Field ind : kategorik
Field dept : kategorik
4) Analisis sementara : uji beda proporsi
5) Uji normality : tidak dilakukan
6) H0 : tidak ada beda proporsi antara tingkat pendidikan
dengan alat kontrasepsi yang dipilih dalam ber-KB
p=0,000èp<0,05, berarti ada hubungan antara tingkat pendidikan ibu dengan alat kontrasepsi yang dipilih dalam ber-KB.
d. Untuk mengetahui mengetahui hubungan pernah atau tidak mendapat tab. Fe dengan kadar Hb dalam darah ibu hamil
1) Variabel ind : pernah atau tidak mendapat tab. Fe
Variabel dep : kadar Hb
2) Field Ind : tfe
Field Dep : Hb
3) Karakteristik
Field ind : kategorik
Field dept : numerik
4) Analisis sementara : uji beda rata-rata (uji t tidak berpasangan)
5) Uji normality : p<0,05è sebaran data tidak normal lakukan uji
Mann-whitney
6) H0 :tidak ada hubungan antara pernah atau tidak mendapat
tab. Fe dengan kadar Hb dalam darah ibu
p<0,05, berarti ada hubungan antara pernah atau tidak mendapat tab. Fe dengan kadar Hb dalam darah ibu.
e. Untuk mengetahui hubungan tekanan darah (sistolik/diastolik) dengan golongan darah
v Untuk mengetahui hubungan tekanan darah sistolik dengan golongan darah
1) Variabel ind : tekanan darah sistolik
Variabel dep : golongan darah
2) Field Ind : sistol
Field Dep : darah
3) Karakteristik
Field ind : numerik
Field dept : kategorik
4) Analisis sementara : uji beda rata-rata(uji t tidak berpasangan)
5) Uji normality : p<0,05è sebaran data tidak normal
6) H0 : tidak ada hubungan antara tekanan darah sistolik
dengan golongan darah ibu
v Untuk mengetahui hubungan tekanan darah diastolik dengan golongan darah
1) Variabel ind : tekanan darah diastolik
Variabel dep : golongan darah
2) Field Ind : diastol
Field Dep : darah
3) Karakteristik
Field ind : numerik
Field dept : kategorik
4) Analisis sementara : uji beda rata-rata
5) Uji normality : p<0,05è sebaran data tidak normal
6) H0 :tidak ada hubungan antara tekanan darah diastolik
dengan golongan darah ibu
