Beauty, Lifestyle and Nutrition

Kami mahasiswa tingkat III Poltekkes kemenkes Padang akan mengadakan seminar Gizi, dalam rangka pemenuhan mata kuliah IPTEK Mutakhir Pangan dan Gizi. Seminar ini di panitiain oleh panitia khusus dari tingkat tiga.semoga seminar ini akan berjalan dengan lancar dan succes...

Amiiiiiiinnnnnnnnnnn

Sebuah Coretan Tangan

Terkadang hidup bukanlah sesuatu yang kita harapkan sebagaimana adanya kita ada untuk hidup

Merasa semuanya terasa berat  untuk dijalani, tetapi tetap harus dijalani

Menciptakan sebuah rasa yang berbeda dari yang seharusnya ada

Percaya atau tidak akan sebuah kebahagiaan ataupun kesedihan, tetap dua sisi tersebut akan hadir memenuhi waktu hidup ini

Bagaimana ia hadir menghampiri kita, bukan waktu atau keadaan yang menentukan

Datang dan setianya mereka buat kita tergantung kita yang memilih dan menciptakan

Dua sisi yang berbeda tersebut akan menemani hingga kematian itu datang

Tergantung kita bagaimana menikmati hidup

Bicara soal kematian, sesuatu yang pasti dan nyata yang akan kita hadapi

Takut??bukanlah suatu kata yang tepat untuk diucapkan

Seperti apapun kita tetap yang satu ini tidak akan menjauh dari kita, itulah suratan Tuhan

Seperti apa dia datang??saat kematian itu datanglah yang akan menjawabnya

Lakukan saja apa yang terbaik yang bisa kita lakukan untuk menyambut kedatangannya,,

tamu agung yang akan membawa kita menuju keabadian sejati

untukku sendiri, kematian terasa semakin mendekat

walau mungkin waktu tepatnya memang tak akan ku tau

takut??ku akui ada memang ...

tapi lebih tepatnya gamang akan kesendirian yang akan ku temui

seperti apa setelah mati????

Akankah kegelapan yang kutakuti yang kutemui atau mungkin akan ditemani cahaya dan pelangi yang cantik???

Berusaha meyakinkan diri ini, semuanya akan baik-baik saja

Baik-baik  saja..

Ya..baik-baik saja

Akan baik-baik saja

Baik-baik saja yang kan ku temui nanti,, dan

Baik-baik saya yang akan ku tinggalkan..

Tapi, semakin kun renungi,,

Ingat semua itu, setetes air mata ku menetes

Ingat belum seberapa yang kupersiapkan untuk menghadapi kematian

Belum lengkap perlengkapan menuju ke kampung halaman sesungguhnya

Belum sempurna perjuangan untuk bisa bertemu dengan-Nya

Dan belum ada kebahagiaan yang ku berikan untuk mereka yang kutinggalkan

Belum ada manfaat yang kutinggalkan untuk dunia

Belum ada kebaikan yang kutebarkan untuk damainya  bagian tata surya ini, yang ku huni semasa hidupku

Sungguh masih ingin ku miliki banyak waktu untuk memenuhi harapan ini, harapanku dan harapan  mereka untukku,,mereka yang menyayangiku......

Entahlah....

Tak ingin hanya berharap dan berharap saja, tak ingin harapan ini hanya jadi harapan kosong

Tak ingin berangan-angan panjang saja

Waktu itu tak lama lagi

Sadarilah wahai diri, sedikit waktu yang tersisa lagi

Sekarang berharap dan berdo’a lah sambil bertindak

Walau mungkin tak sepenuhnya impian, asa dan cita dapat dicapai

Mencoba tetap kuat dengan daya yang ada, mencoba memperpanjang waktu yang pendek

Merenda hidup dengan bebungaan indah, melukis pelangi dilangit senja

Tersenyumlah dan bahagiahlah

Kematian itu dekat, sedekat  roh dan raga saat bernafas

 Tersenyumlah dan bahagiahlah

Untuk sedikit waktu yang masih tersisa

Tersenyumlah dan bahagiahlah

Untuk nafas yang masih berhembus dan langkah yang masih tercipta

Tersenyumlah dan bahagiahlah

Untuk menyambut datangnya panggilanNya untuk kembali

Tersenyumlah dan bahagiahlah

LAPORAN UAS IV KOMPUTER LANJUT

MANAJEMEN DATA DENGAN SPSS dan WHO ANTRO

No	Perintah yang harus dikerjakan	Langkah-langkah	HASIL LAPORAN
1.	Identiras Mahasiswa	Tulis nama dan NIM	Nama : Sisvika Asniar, NIM : 102114345.
2.	Pemilihan File : Bagi yang digit terakhir NIM nya ganjil pilih file Ganjil.rec dan digit terakhir NIM genap pilih file GENAP.rec	File yang dipilih adalah ganjil. Rec	Berdasarkan angka NIM terakhir saya, maka file yang akan diolah adalah GANJIL.
3.	Jalankan epidata, pilih menu export. Pilih file sesuai pilihan Anda (genap/ganjil) untuk dieksport ke SPSS. Setelah di export tutup epidata.	Buka epidata, export ganjil ke spss,disimpan dengan nama Ganjil, Epidata ditutup kembali.	File hasil eksport Epidata ke SPSS berekstensi sps dengan nama file Ganjil
4.	Jalankan spss dan buka file syntax yang dihasilkan oleh exporting Epidata, kemudian Run syntax tersebut. Setelah running selesai simpan file data spss tersebut dengan nama file Nama Anda sendiri (sesuai dengan nama di absensi )	Buka spss , open data, pilih ganjil, lalu open syntax , edit, run all, lalu simpan dengan nama Sisvika Asniar	File syntax  Ganjil dieksport ke SPSS dan disimpan dengan nama SISVIKA ASNIAR dan ekstensi sav
5.	Periksa file data yang dihasilkan meliputi jumlah semua field, jumlah record, jumlah field kategorik dan jumlah field numerik	Lihat di variabel view lalu hitung	File data [sisvika asniar] berisi 39 field dan 8390 record. Data kategorik sebanyak 26 field dan data numerik sebanya 13 field
6.	Buat sebuah file syntax dan isi pertama kali dengan variabel labels dan valur label data kategorik. Draft variabel labels bisa dicopy dari syntax export file dari epidata.	Buat syntax baru, copy kan latihan spss di kampus dan run all, jika tidak ada kesalahan maka syntax telah bisa digunakan dan berhubungan langsung dengan data	Simpan file syntax dengan nama yang sama dengan dile 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 pada SYNTAX ADD VALUE LABELS didik 0 'BH/SD' 2 'SLTP' 3 'SLTA' 4 'P.Tinggi' . ADD VALUE LABELS kerja 1 'PNS' 2 'Swasta' 3 'Wiraswasta' 4 'Pedagang' 5 'Buruh/T/N' 6 'Lain2' . ADD VALUE LABELS pernah 1 'Ya' 2 'Tidak' . ADD VALUE LABELS ukurtb 0 'Tidak' 1 'Ya' . ADD VALUE LABELS fundus 0 'Tidak' 1 'Ya' . ADD VALUE LABELS tensi 0 'Tidak' 1 'Ya' . ADD VALUE LABELS tfe 0 'Tidak' 1 'Ya' . ADD VALUE LABELS tt 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 'Lain2' . ADD VALUE LABELS alasan 1 'Masih ingin punya anak' 2 'Dilarang Suami' 3 'Tdk Sesuai Keyakinan' 4 'Lain2' . ADD VALUE LABELS rencana  1 'RS/RSB' 2 'PKM' 3 'Nakes' 4 'Dukun' 5 'Lain2' . execute.
7.	Periksa field pendidikan(didik). Jika ditemukan data yang missing atau jenis kategori selain dari yang legal, delete record yang missing tersebut.	Analyse – descriptive statistik – fekuensi – didik –ok Hapus data yang missing : data – sort case – didik ascending – ok Delete yang missing yaitu yang pendidikannya selain diisi 0 (BH /SD), 2 (SLTP) , 3 (SMA), 4 (Perguruan Tinggi)	jumlah record sebelum didelete 8390 record dan sesudah didelete yang missing tersisa 8380 record (DIDIK)
8.	Periksa field kerja, jika ditemukan data missing delete smua record yang field [kerja] nya missing	Analyse – descriptive statistik – fekuensi – kerja –ok Hapus data yang missing : data – sort case – kerja ascending – ok Delete yang missing selain diisi 1-5	Jumlah field sebelum kerja yg missing adalah 8380  dan setelah field kerja dicleaning adalah 8378 record (KERJA)
9.	Lakukan cleaning data untuk variabel tekanan darah sistolik dengan batasan data yang sah (valid)nya adalah 100-300 mmHg, artinya record kurang dari 100 dan lebih dari 300 didelete	Analyse – descriptive statistik – fekuensi – sistol –ok Hapus data yang missing : data – sort case – TD sistolik ascending – ok Delete yang dibawah 100 dan di atas 300	Jumlah record sebelum di delete sistol yang missing adalah sebanyak 8378 record dan setelah dilakukan penghapusan field sistol yang missing tersisa 7127 record.
10.	Lakukan hal yang sama dengan soal nomor 9 untuk variabel tekanan daarah diastolik [diastol] dengan batasan 60-150 mmHg	Analyse – descriptive statistik – fekuensi – diastol –ok Hapus data yang missing : data – sort case – TD diastolik ascending – ok Delete yang dibawah 60 dan di atas 150	Jumlah field sebelum TD Diastolik yg missing adalah 7127 dan setelah field TD Diastolik dicleaning adalah 6956 record
11.	Periksa kembali NIM Anda : Catat angka 2 digit terakhir NIM Andan Jika digit terakhir Anda adalah Ganjil, kerjakan soal nomor 12.a dan 12.b dan bila digit terakhir NIM Anda genap kerjakan soal nomor 13.a dan 13.b	Ganjil maka mengerjakan no 12	2 digit terakhir NIM saya adalah : 45 1 digit terakhir adalah : ____5____ Ganjil
12.	a Sort field tinggi badan ibu [tb] dengan sort order b Delete sebanyak 100 record dimulai dari recor 2 digit NIM Anda	Data – sort case – tb –ascending – ok Delete dari 25 sampai 124	Ganjil : Jumlah record tersisa setelah di delete sebanyaK 100 record mulai dari 2 digit NIM adalah 6856 record
14.	Buat tabel distribusi frekuensi untuk variabel Pendidikan [didik] dan berikan komentar singkat !	Analyse – descriptive statistik – frekuensi – didik –ok	Komentar  : Dari frekuensi didik terlihat bahwa lebih dari 40 % ibu responden tamatan Perguruan Tinggi dan kurang dari 3 % tamatan SD/BH. Menunjukkan lebih banyak ibu responden yang memiliki tingkat pendidikan tinggi (SLTA dan PT).
15.	Sederhanakan kategori pendidikan menjadi tinggi dan rendah, dimana pendidikan tinggi adalah SLTA ke atas. Pastekan lebih duluu perintah transformasi ke syntax sebelum di OK kan atau sebelum di-run kemudian hitung distribusi frekuensi kategori pendidikan yang sudah disederhanakan tersbut. Pastekan disini syntax transformasi field didik, kemudian pastekan hasil distribusi frekuensinya di bawah syntax yang bersangkutan	Transform – recode into different variabel – didik – tinggi untuk  SMA dan PT, Pendidikan rendah untuk SD/BH dan SLTP – paste Buka syntax tambahkan add value labels didik2 1 ‘Tinggi’ 2 ‘Rendah’ . – blok recode sampai execute lalu run current	RECODE DIDIK (0=1) (2=1) (3=2) (4=2) INTO didik2. VARIABLE LABELS  didik2 'tingkat pendidikan tinggi dan rendah'. ADD VALUE LABELS didik2 1 'Rendah' 2 'Tinggi' . EXECUTE. Komentar kategori pendidikan tinggi dan rendah : Dari kategori pendidikan terlihat bahwa Sebagian besar ibu responden memiliki tingkat pendidikan tinggi.Ibu dengan pendidikan tinggi sebanyak 5934 orang, sedangkan pendidikan rendah sebanyak 922.
16.	Lakukan cleaning data fiel kategorik lainnya seperti : darah, pernah, akseptor, alasan dan rencana seperti mengerjakan soal nomor 7 di atas Laporkan perubahan jumlah record sebelum dan sesudah melakukan cleaning masing untuk 5 field yang Anda cleaning	Analyse – descriptivr statisric – frekuensi – darah – ok Jika ada yang missing delete ( dengan melihat jumlah yang konsisten ), caranya data – sort case – darah – ascending - ok Begitu juga dengan field pernah, akseptor, alasan, dan rencana	Jumlah field sebelum golongan darah yg missing adalah 6856 dan setelah field golongan darah dicleaning adalah 6852 record Jumlah field sebelum pernah yg missing adalah 6852 dan setelah field pernah dicleaning adalah 6851 record Jumlah field sebelum akseptor yg missing adalah 6851 dan setelah field akseptor dicleaning adalah 6845 record Jumlah field sebelum alasan yg missing adalah 6845 dan setelah field alasan dicleaning adalah 6838 record Jumlah field sebelum rencana yg missing adalah 6838 dan setelah field rencan  dicleaning adalah 6781 record.
17.	Lakukan cleaning data lanjutan untuk field di bawah ini dengan batasan sbb : - Kadar Hb : 6,0 - 17,5 mg/dl - Tinggi badan 135,0 - 180 cm - Berat Badan : 35,0 - 80,0 kg Laporkan perubahan data sebelum dan sesudah cleaning data 3 variabel tsb (Hb, TB dan BB). Jumlah record dibuat masing-masing field yang dicleaning.	data – sort case – kadar Hb – ascending – ok, jika tidak sesuai ketentuan delete data – sort case – TB – ascending – ok, jika tidak sesuai ketentuan delete data – sort case – BB – ascending – ok, jika tidak sesuai ketentuan delete	Jumlah field sebelum HB yg missing adalah 6781  dan setelah field HB dicleaning adalah 6760 record Jumlah field sebelum TB yg missing adalah 6760  dan setelah field TB dicleaning adalah 6757 record Jumlah field sebelum BB yg missing adalah 6757  dan setelah field BB dicleaning adalah 6741 record
18.	. Lakukan langkah cleaning data terakhir untuk melihat konsistensi antar field yang saling berhubungan, yaitu antara pernah memeriksakan kehamilan [pernah] dengan frekuensi pemeriksaan kehamilan. Sampel yang pernah memeriksakan kehamilan frekuensinya minimal 1 dan tak boleh kosong. Sampel yang tak pernah memeriksakan kehamila maka frekuensi pemeriksaannya harus missing Tuliskan langkah-langkah melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan record yang terjadi (record inconsistensi harus didelete)	Langkah-langkah melakukan cleaning data untuk konsistensi pernah memeriksakan kehamilan dengan frekuensi pemeriksaan keamilan adalah : ·        Lakukan analyze descriptive statisticàfrekuensiàpemeriksaan kehamilan (pernah) dengan frekuensi pemeriksaan kehamilan (kali), ·        Bandingkan jumlah data yang tidak memeriksakan kehamilan dengan jumlah data missing pada tabel frekuensi pemeriksaan seharusnya sama, begitu juga jumlah data yang ya dengan jumlah data frekuensi. ·        Jika didapatkan data yang berbeda antara yang tidak  pernah memeriksakan kehamilan dengan jumlah data frekuensi yang missing, lakukan cleaning data : sort cases data pernah memeriksakan kehamilan descending  dan sort cases data frekuensi dengan ascending  . Akan terlihat data tidak pernah memeriksakan kehamilan dengan kode 2, yang seharusnya pada tabel frekuensinya kosong/missing tapi ada angkanya. Delete data yang tidak konsisten tersebut. ·        Untuk lebih meyakinkan, frekuensikan lagi data pemeriksaan kehamilan dengan frekuensi pemeriksaan kehamilan dan cocokkan seperti langkah pertama dan kedua. ·        Jika sudah sama data tidak  dengan data missing dan data Ya dengan jumlah frekuensi, maka cleaning data telah berhasil.	Jumlah field sebelum konsistensi pernah memeriksakan kehamilan dengan frekuensi pemeriksaan kehamilan yg missing adalah 6757  dan setelah field konsistensi pernah memeriksakan kehamilan dengan frekuensi pemeriksaan keamilan dicleaning adalah 6566 record
19.	Lanjutkan dari cleaning data soal no. 19 di atas dengan memeriksa konsistensi antara pernah memeriksakan kehamilan dengan pernah atau tidak mendapatkan 5T. Ketentuannya adalah yang ditanya apakah mendapatkan pelayanan 5T adalah yang pernah memeriksakan kehamilan saja. Berartiyang menjawab Ya dan Tidak pada 5 T harus sama dengan yang pernah memeriksakan kehamilan Tuliskan langkah-langkah melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan record yang terjadi bila ada recor yang didelete	Langkah-langkah : Tinggi Fundus ·                     Lakukan analyze àdescriptive statisticàfrekuensiàpemeriksaan   kehamilan (pernah) dengan Pengukuran Tinggi Fundus, ·         Bandingkan jumlah data yang memeriksakan kehamilan dengan jumlah data pengukuran tinggi fundus pada tabel frekuensi pemeriksaan TF seharusnya sama, begitu juga jumlah data yang missing Memeriksakan TF dengan jumlah tidak memeriksakan kehamilan. ·         Jika didapatkan data yang berbeda antara yang pernah memeriksakan kehamilan dengan jumlah data pengukuran TF , lakukan cleaning data : sort cases data pernah memeriksakan kehamilan descending  dan sort cases data frekuensi dengan ascending. Akan terlihat data tidak pernah memeriksakan kehamilan dengan kode 2, yang seharusnya pada tabel frekuensinya kosong/missing tapi ada angkanya. Delete data yang tidak konsisten tersebut. ·         Untuk lebih meyakinkan, frekuensikan lagi data pemeriksaan kehamilan dengan frekuensi pengukuran tinggi fundus dan cocokkan seperti langkah pertama dan kedua. ·         Jika sudah sama data tidak memeriksakan kehamilan  dengan data missing dan data Ya dengan jumlah frekuensi, maka cleaning data telah berhasil. pengukuranTB ·                     Lakukan analyze àdescriptive statisticàfrekuensiàpemeriksaan kehamilan (pernah) dengan Pengukuran TB, ·         Bandingkan jumlah data yang memeriksakan kehamilan dengan jumlah data pengukuran tinggi fundus pada tabel frekuensi pemeriksaan TB seharusnya sama, begitu juga jumlah data yang missing Memeriksakan TB dengan jumlah tidak memeriksakan kehamilan. ·         Jika didapatkan data yang berbeda antara yang pernah memeriksakan kehamilan dengan jumlah data pengukuran TB , lakukan cleaning data : sort cases data pernah memeriksakan kehamilan descending  dan sort cases data frekuensi dengan ascending  . Akan terlihat data tidak pernah memeriksakan kehamilan dengan kode 2, yang seharusnya pada tabel frekuensinya kosong/missing tapi ada angkanya. Delete data yang tidak konsisten tersebut. ·         Untuk lebih meyakinkan, frekuensikan lagi data pemeriksaan kehamilan dengan frekuensi pengukuran TB dan cocokkan seperti langkah pertama dan kedua. ·         Jika sudah sama data tidak memeriksakan kehamilan  dengan data missing dan data Ya dengan jumlah frekuensi, maka cleaning data telah berhasil. pengukuranTensi ·                     Lakukan analyze àdescriptive statisticàfrekuensiàpemeriksaan kehamilan (pernah) dengan Pengukuran tensi, ·         Bandingkan jumlah data yang memeriksakan kehamilan dengan jumlah data pengukuran tensi pada tabel frekuensi pemeriksaan tensi seharusnya sama, begitu juga jumlah data yang missing Memeriksakan tensi dengan jumlah tidak memeriksakan kehamilan. ·         Jika didapatkan data yang berbeda antara yang pernah memeriksakan kehamilan dengan jumlah data pengukuran tensi , lakukan cleaning data : sort cases data pernah memeriksakan kehamilan descending  dan sort cases data frekuensi dengan ascending  . Akan terlihat data tidak pernah memeriksakan kehamilan dengan kode 2, yang seharusnya pada tabel frekuensinya kosong/missing tapi ada angkanya. Delete data yang tidak konsisten tersebut. ·         Untuk lebih meyakinkan, frekuensikan lagi data pemeriksaan kehamilan dengan frekuensi pengukuran tensi dan cocokkan seperti langkah pertama dan kedua. ·         Jika sudah sama data tidak memeriksakan kehamilan  dengan data missing dan data Ya dengan jumlah frekuensi, maka cleaning data telah berhasil. Pemberian Tfe ·              Lakukan analyze àdescriptive statisticàfrekuensiàpemeriksaan kehamilan (pernah) dengan Pemberian TFe, ·         Bandingkan jumlah data yang memeriksakan kehamilan dengan jumlah data Pemberian Tfe pada tabel frekuensi pemebrian Tfe seharusnya sama, begitu juga jumlah data yang missing Tfe dengan jumlah tidak memeriksakan kehamilan. ·         Jika didapatkan data yang berbeda antara yang pernah memeriksakan kehamilan dengan jumlah data Tfe, lakukan cleaning data : sort cases data pernah memeriksakan kehamilan descending  dan sort cases data frekuensi dengan ascending  . Akan terlihat data tidak pernah memeriksakan kehamilan dengan kode 2, yang seharusnya pada tabel frekuensinya kosong/missing tapi ada angkanya. Delete data yang tidak konsisten tersebut. ·         Untuk lebih meyakinkan, frekuensikan lagi data pemeriksaan kehamilan dengan frekuensi TFe dan cocokkan seperti langkah pertama dan kedua. ·         Jika sudah sama data tidak memeriksakan kehamilan  dengan data missing dan data Ya dengan jumlah frekuensi, maka cleaning data telah berhasil. Pemberian TT ·                     Lakukan analyze àdescriptive statisticàfrekuensiàpemeriksaan kehamilan (pernah) dengan Pemberian TT, ·         Bandingkan jumlah data yang memeriksakan kehamilan dengan jumlah data Pemberian TT pada tabel frekuensi pemberian TT seharusnya sama, begitu juga jumlah data yang missing TT dengan jumlah tidak memeriksakan kehamilan. ·         Jika didapatkan data yang berbeda antara yang pernah memeriksakan kehamilan dengan jumlah data TT, lakukan cleaning data : sort cases data pernah memeriksakan kehamilan descending  dan sort cases data frekuensi TT dengan ascending  . Akan terlihat data tidak pernah memeriksakan kehamilan dengan kode 2, yang seharusnya pada tabel frekuensinya kosong/missing tapi ada angkanya. Delete data yang tidak konsisten tersebut. ·         Untuk lebih meyakinkan, frekuensikan lagi data pemeriksaan kehamilan dengan frekuensi TT dan cocokkan seperti langkah pertama dan kedua. ·         Jika sudah sama data tidak memeriksakan kehamilan  dengan data missing dan data Ya dengan jumlah frekuensi TT, maka cleaning data telah berhasil.	Hasil Cleaning : Jumlah field sebelum konsistensi pernah memeriksakan kehamilan dengan frekuensi pengukuran tinggi fundus  yg missing adalah 6757  dan setelah field konsistensi pernah memeriksakan kehamilan dengan frekuensi pengukuran tinggi fundu dicleaning adalah 6541 record Jumlah field sebelum konsistensi pernah memeriksakan kehamilan dengan frekuensi pengukuran tinggi badan  yg missing adalah 6541  dan setelah field konsistensi pernah memeriksakan kehamilan dengan frekuensi pengukuran tinggi badan dicleaning 6541 adalah record Jumlah field sebelum konsistensi pernah memeriksakan kehamilan dengan frekuensi pengukuran tensi  yg missing adalah 6541  dan setelah field konsistensi pernah memeriksakan kehamilan dengan frekuensi pengukuran tensi dicleaning 6541 adalah record Jumlah field sebelum konsistensi pernah memeriksakan kehamilan dengan frekuens TFE yg missing adalah 6541  dan setelah field konsistensi TFe dengan frekuensi pemberian TT dicleaning 6541 adalah record. Jumlah field sebelum konsistensi pernah memeriksakan kehamilan dengan frekuensi TT yg missing adalah 6541  dan setelah field konsistensi pemberian TT  dengan frekuensi pengukuran tinggi badan dicleaning 6541 adalah record
20.	Lakukan cleaning data seperti soal 18 dan 19 untuk memeriksa konsistensi atara pertanyaa (field) akseptor, kontrasepsi dan alasan tidak ber-KB Tuliskan langkah-langkah melakukan cleaning data untuk mengecek konsistensi ini dan tulis juga perubahan record yang terjadi (record inconsistensi harus didelete)	Lakukan analisa frekuensi untuk ketiga data akseptor, kontrasepsi dan alasan tidak berKB dan bandingkan data : data akseptor (Ya)= Data Kontrasepsi (Ya)≠ Alasan berKB. Ambil data – sort case – pilih akseptor (ascending), ksepsi (ascending), dan alasan tidak ber-KB (ascending),jika 0 maka alasan harus berisi, jika 1 maka ksepsi harus berisi,jika tidak missing	Jumlah field sebelum konsistensi akseptor, kontrasepsi dan alasan tidak ber KB, dengan yg missing adalah 6541  dan setelah field konsistensi akseptor, kontrasepsi dan alasan tidak ber KB dicleaning 6459 adalah record
21.	Transformasi data (compute) Hitung IMT Ibu dan IMT Anak, kemudian kategorikan menjadi 5 kategori dan 3 kategori masing-masingnya. terakhir hitung prevalensi masing-masing kategori. Pastekan semua syntax yang berhubungan dengan compute IMT dan pengkategoriannya disini, kemudia paste-kan output frekuensi kaegori IMT yang sudah Anda buat dengan disertai komentar seperlunya di bawah masing-masing tabel output.	Copy sintax yang lama lalu run current  Lalu analyse – descriptive statistik – masing-masing kategori – ok	*Perhitungan IMT Ibu. COMPUTE IMTibu=BB / ((TB / 100) * (TB / 100)) . EXECUTE IMT ibu 5 Kategori RECODE                             IMTIbu   (Lowest thru 16.9=1)  (17.00 thru 18.5=2)  (18.6 thru 25=3)  (25.1 thru 27=4)  (27.1 thru Highest=5)  INTO  imt15 . VARIABLE LABELS imt15 'IMT Ibu Hamil'. ADD VALUE LABELS imt15 1 'Sangat Kurus' 2 'Kurus' 3 'Normal' 4 'Gemuk' 5 'Obesitas'. Conclusion : Lebih dari separoh ibu hamil memiliki IMT normal /status gizi baik sebesar >91 %. *Perhitungan IMT Anak. EXECUTE . COMPUTE IMTanak=WEIGHT / ((HEIGHT / 100)  * (HEIGHT / 100)). EXECUTE. IMT Balita 5 Kategori RECODE   IMTanak   (Lowest thru 16.9=1)  (17.0 thru 18.4999999=2)  (18.5 thru 25.0000001=3)  (25.0 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 . Coment : Sebagian besar balita kebanyakan memiliki imt sangat kurus  ±65,6 % IMT ibu 3 Kategori : RECODE imt15 (1=1) (2=1) (3=2) (4=3) (5=3) INTO imtI3. VARIABLE LABELS  imtI3 'IMT ibu 3 kategori'. ADD VALUE LABELS imtI3 1 'rendah' 2 'normal' 3 'tinggi' . EXECUTE. Coment : Lebih dari separoh ibu hamil memiliki IMT normal (status gizi baik), sebesar 91.2 % IMT Balita 3 kategori : RECODE imta5 (1=1) (2=1) (3=2) (4=3) (5=3) INTO imta3. VARIABLE LABELS  imta3 'imt balita 3 kategori'. ADD VALUE LABELS imta3 1 'Rendah' 2 'Normal' 3 'Tinggi' . EXECUTE. Coment : Mayoritas anak memiliki imt yang rendah yaitu tergolong anak-anak yang kurus yaitu 75,3 %
22.	a Identifikasi variabel dalam tujuan penelitian b Identifikasi field dalam database c Tentukan karakteristik data (K/N d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality  f Lakukan pengujian, baca hasil dan interpretasikan g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.	Sebutkan nama variabel dan posisi sebagai independen atau dependen variable Cantumkan nama field dalam database untuk tiap variable ) Cantumkan type variabel (numerik atau kategorik) Nama Uji statistik yang akan dipakan beserta alasannya Tidak menggunakan uji normality karena menggunakan uji chi square. Cara uji chi square : mengklik analyze, pilih descriptif statistic, pilih crosstab. lalu masukkan variablenya dan pilih statistik lalu ceklist chi-square dan ok/  uji Copy-pastekan output analisis disini dan berikan komentar dibawahnya Hubungkan dengan penelitian sebelumnya agar terbukti kuat	·         Untuk mengetahui hubungan antara pendidikan dengan pekerjaan yang dimiliki responden 1)    Idenfifikasi variabel dalam tujuan penelitian : pendidikan = Iindependent variabel pekerjaan   = Dependent Variabel 2)    Identifikasi field dalam database : Pendidikan = didik Pekerjaan   = kerja 3)    Tentukan karakteristik data (K/N) : Pendidikan = K Pekerjaan   = K 4)    tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian : Uji= uji beda proporsi Teori = makin tinggi tingkat pendidikan ibu maka pekerjaan yang dimiliki juga semakin bagus. HO = Tidak ada perbedaan proporsi pekerjaan yang dimiliki oleh ibu antara ibu yang tamatan SD, SLTP, SLTA dan PT.      5). Uji Normality : Data normal 6). Analisis p < 0,05 maka HO ditolak Kesimpulan                Ada perbedaan proporsi pekerjaan antara ibu yang tamatan SD, SLTP, SMA dan Perguruan Tinggi   7). Komentar Ibu yang tamatan SLTA dan PT memiliki tingkat pekerjaan yang bagus.
23	a Identifikasi variabel dalam tujuan penelitian b Identifikasi field dalam database c Tentukan karakteristik data (K/N d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality  f Lakukan pengujian, baca hasil dan interpretasikan g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.	Sebutkan nama variabel dan posisi sebagai independen atau dependen variable Cantumkan nama field dalam database untuk tiap variable ) Cantumkan type variabel (numerik atau kategorik) Nama Uji statistik yang akan dipakan beserta alasannya Tidak menggunakan uji normality karena menggunakan uji chi square. Cara uji chi square : mengklik analyze, pilih descriptif statistic, pilih crosstab. lalu masukkan variablenya dan pilih statistik lalu ceklist chi-square dan ok/  uji Copy-pastekan output analisis disini dan berikan komentar dibawahnya Hubungkan dengan penelitian sebelumnya agar terbukti kuat	a.    Identifikasi variabel dalam tujuan penelitian :       Untuk mengetahui hubungan antara pekerjaan ibu dengan kontraseosi yang digunakan Pekerjaan ibu= independent variabel Alat kontrasepsi = dependent variabel b.    Identifikasi field dalam database Pekerjan ibu = kerja Kontrasepsi yg dipakai = ksepsi c.    Tentukan karakteristik data (K/N) Pekerjaan ibu = K Kontrasepsi yg dipakai = K d.    tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian Uji = uji beda proporsi teori=semakin tinggi tingkat  pekerjaan ibu maka makin bagus alat kontrasepsi yang digunakan. HO= Ada perbedaan proporsi alat kontrasepsi yang digunakan ibu dengan tingkat pekerjaan ibu e.      d.Analisis P < 0,05 maka HO ditolak kesimpulan               Ada perbedaan proporsi alat kontrasepsi yang digunakan antara ibu yang bekerja sebagai PNS, Swasta, Wiraswasta, Pedagang, Buruh Tani dan lain-lain                              g.      Komentar               Umumnya ibu memakai alat kontrasepsi IUD namun ibu yang pekerjaannya buruh tani hanya 31 % yang menggunakannya, menunjukkan makin tinggi pekerjaan, makin bnagus alat kontrasepsinya dan sebaliknya.
24	a Identifikasi variabel dalam tujuan penelitian b Identifikasi field dalam database c Tentukan karakteristik data (K/N d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality  f Lakukan pengujian, baca hasil dan interpretasikan g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.	Sebutkan nama variabel dan posisi sebagai independen atau dependen variable Cantumkan nama field dalam database untuk tiap variable ) Cantumkan type variabel (numerik atau kategorik) Nama Uji statistik yang akan dipakan beserta alasannya lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK. Karena data normal maka lakukan uji t-test dengan cara klik analyze, compare mean lalu klik independent sample t-test. pada test variable yang di masukkan adalah data numerik dan grouping variable data kategorik lal tetapkan pengkategorian dengan mngklik define group misalnya 1= tinggi 2 =rendah. lalu klik OK  Copy-pastekan output analisis disini dan berikan komentar dibawahnya Hubungkan dengan penelitian sebelumnya agar terbukti kuat	·         Untuk mengetahui hubungan antara pemberian tablet Fe dengan kadar hemoglobin dalam darah a.    Idenfifikasi variabel dalam tujuan penelitian Pemberian Tfe =Independent Variabel Kadar Hb = Dependent Variabel b.    Identifikasi field dalam database Pemberian Tfe = TFe Kadar Hb = Hb c.    Tentukan karakteristik data (K/N) Pemberian Tfe = K Kadar Hb = N d.    Tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian uji = UJI BEDA 2 RATA-RATA -> 2 KATEGORIK -> UJI BEDA 2 RATA-RATA -> T-Test -> Independent sampel T-TEST teori = jika diberikan tablet Fe m Ho= ada perbedaan rata-rata kadar Hb ibu antara yang mendapatkan Tfe dan Yang tidak mendapatkan Tfe.    e.    Uji Normality : Data berdistribusi normal        f.     Analisis P<0,005 maka Ho ditolak Interpretasi           ada perbedaan rata-rata kadar Hb ibu antara yang mendapatkan Tfe dan Yang tidak mendapatkan Tfe.   g. Komentar : Ibu yang mendapat tablet Fe akan memiliki kadar Hb yang lebih bagus sesuai. Sesuai dengan penelitian terdahulu yang dilakukan di kelurahan pauh, padang.
25	a Identifikasi variabel dalam tujuan penelitian b Identifikasi field dalam database c Tentukan karakteristik data (K/N d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality  f Lakukan pengujian, baca hasil dan interpretasikan g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.	Sebutkan nama variabel dan posisi sebagai independen atau dependen variable Cantumkan nama field dalam database untuk tiap variable ) Cantumkan type variabel (numerik atau kategorik) Nama Uji statistik yang akan dipakan beserta alasannya lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK. Data tidak normal maka uji T-test tidak bisa dilakukan	·            Untuk mengetahui hubungan antara pendidikan dengan frekuensi pemeriksaan kehamilan a.        Identifikasi variabel dalam tujuan penelitian : pendidikan = Independent variabel frekuensi pemeriksaan kehamilan   = Dependent Variabel b.        Identifikasi field dalam database : Pendidikan = didik        frekuensi pemeriksaan kehamilan   = kali c.        Tentukan karakteristik data (K/N) : Pendidikan = K frekuensi pemeriksaan kehamilan   = N d.        tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian : Uji= uji One-Way Anova Teori = Makin tinggi tingkat pendidikan ibu makin sering ibu meemriksakan kehamilan. HO = Tidak ada perbedaan rata-rata frekuensi pemeriksaan kehamilan antara ibu yang tamatan SD, SLTP, SLTA dan PT.          5). Uji Normality Data berdistribusi tidak normal, sehingga uji anova tidak dilakukan.
26	a Identifikasi variabel dalam tujuan penelitian b Identifikasi field dalam database c Tentukan karakteristik data (K/N d tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian e Jika terdapat salah satu atau kedua variabel numerik, lakukan uji normality  f Lakukan pengujian, baca hasil dan interpretasikan g Bahas dgn membandingkan dgn teori yg relevan dan penelitian terdahulu.	Sebutkan nama variabel dan posisi sebagai independen atau dependen variable Cantumkan nama field dalam database untuk tiap variable         ) Cantumkan type variabel (numerik atau kategorik) Nama Uji statistik yang akan dipakan beserta alasannya lakukan uji nomality dengan cara klik analyze, pilih descriptive statistic lalu pilih explore dan masukkan variable lalu klik plots dan ceklist normality plots with t-test dan klik histogram untuk melihat sebaran datanya.lalu pada statistik ceklist outlier untuk melihat data extrim lalu klik OK. Namun data yang ditampilkan caranya klik analyse – descritive statistic – descriptive – masukkan ke 2 variabel- ok Data normal maka lakukan uji anova dengan cara klik analyze, pilih compare mean dan pilih  one-way Anova. masukkan variblenya dan jangan lupa klik post hoc untuk mengklik bafferoni dan klik OK. Copy-pastekan output analisis disini dan berikan komentar dibawahnya Hubungkan dengan penelitian sebelumnya agar terbukti kuat	·         Untuk mengetahui hubungan antara umur ibu dengan tekanan darah sistolik a.    Idenfifikasi variabel dalam tujuan penelitian Umur Ibu = Independent Variabel Tekanan Darah Sistolik= Dependent variabel b.    Identifikasi field dalam database Umur ibu = umur Tekanan Darah Sistolik = sistol c.    Tentukan karakteristik data (K/N) Umur ibu = N Tekanan Darah Sistolik = N d.    tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian UJI = Uji Korelasi Teori = Makin tinggi umur ibu makin tinggi tekanan darah sistol ibu Ho = Tidak ada korelasi antara umur ibu dengan tekanan darah e.    uji Normality : Data berdistribusi normal e.      f.        Analisis : Intrepetasi : Korelasi berkekuatan positif g.      Komentar : Penelitian data korelasi berkekuatan positif yang kuat.
27.	Olah data ke WHO antro	Langkah-1 Save As dana SPSS ke format dbase IV Langkah-2. Buka WHO Anthro dan menggunakan menu Nutrional Survey baca data DBF, kemudian olah sesuai prosedur yang sudah dipelajari Langkah-3. Pilih semua baris dan copy ke Clipboar dan pastekan di Excel. Edit nama field dan hal-hal lain yang perlu diedit, kemudian simpan ke format Excel 97-2003 Langkah-4. Buka SPSS dan baca file yang berformat XLS, setelah terbaca simpan. Langkah-5. Lakukan transformasi data untuk membuat klasifikasi status gizi 3 indeks yang tersedia datanya (BB/TB, TB/U dan BB/U). Langkah ini bisa dipersingkat dengan me-run syntax yang sudah didapatkan sewaktu kuliah. Hitung prevalensi status gizi dengan perintag frequencies dan pastekan hasilnya di lembar jawab bersamaan dengan jawaban soal-soal di atas Langkah-6. Hitung prevalensi sifat masalah gizi (akut&kronis, kronis, akut, dan normal). Cara tersepat melakukannya adalah me-run syntax yang dihasilkan pada praktek dalam perkuliahan. Hasil prevalensinya dipastekan di sini	Output hasil pengolahan data ini selengkapnya dilink

 Complete Here..........