1. Langkah-langkah Export file Epidata ke SPSS :
ü Klik Export Data
ü Klik SPSS
ü Open Data epidata dengan format rec, yang akan di export
ü Klik OK
ü Open SPSS
ü Klik File
ü Klik New
ü Klik Syntax
ü Pilih Data
ü Klik Open
ü Run all seluruh syntax dan akan muncul data spss
ü Perbaiki nama variabel dan buat value labels
- ADD VALUES LABELS kerja 1 'PNS' 2 'Swasta' 3 'Wiraswasta' 4 'Pedagang' 5 'Buruh/Tani/Nelayan' 6 'Lain2' .
- ADD VALUES LABELS didik 0 'BH/SD' 2 'SLTP' 3 'SLTA' 4 'P.Tinggi' .
- ADD VALUES LABELS pernah 1 'Ya' 0 'Tidak' .
- ADD VALUES LABELS akseptor 0 'Tidak' 1 'Ya' .
- ADD VALUES LABELS ksepsi 1 'IUD' 2 'Kondom' 3 'Pil' 4 'Susuk' 5 'Lain2'
- ADD VALUES LABELS alasan 1 'Masih ingin punya anak' 2 'Dilarang Suami' 3 'Tdk Sesuai Keyakinan' 4 'Lain2' .
- ADD VALUES LABELS rencana 1 'RSB/RSU' 2 'PKM/Pustu' 3 'Nakes' 4 'Dukun' 5 'Lain2' .
ü Klik run all
2. Prosedur dalam menemukan record yang missing untuk di delete (Contoh). Langkah langkah dalam cleaning data :
· Klik Analyze
· Klik Deskriptive Statistics
· Klik Frequencies
· Pilih Variabel yang mau di cleaning
· Klik Ok, Lihat jumlah data yang missing
· Klik Data
· Klik sort cases
· Pilih Variabel yang mau di cleaning
· Klik Ok
· Delete data yang missing
Uraian untuk cleaning data kategorik :
Jumlah record awal adalah :16288
1) Pengentri data ,missing : 698
Luar kategori : 2
Sisa record : 15588
2) Pekerjaan, missing (delete) : 10
Sisa record : 15578
3) Pendidikan , missing : 2
Record dengan data di luar kategori : 2
Sisa record : 15576
4) Gol. Darah , missing : 0
Record dengan data di luar kategori : 21
Sisa record : 15555
5) Pernah periksa kehamilan , missing : 0
Record dengan data di luar kategori : 473
Sisa record : 15082
6) fundus
Missing :111
Luar kategori : 0
Sisa record : 15082
7) Fundus, periksa hamil ada tapi periksa fundus missing : 10
Sisa record : 15671
8) Ukur TB, periksa kehamilan ada tapi ukur TB missing : 14
Sisa record : 15657
9) Cpenguku, periksa hamil ada tapi cpenguku missing : 2
Sisa record : 15655
10) TFE, periksa hamil ada tapi TFE missing : 2
Sisa record : 15653
11) TT, periksa hamil ada tapi TT missing : 23
Sisa record : 15630
12) Dikaitkan antara akseptor, kontrasepsi yang dipakai, kontrasepsi lain, Alasan tidak ber-KB dan alas an lain.
- Akseptor KB, missing dan selain kategori :15
- Tidak akseptor tapi ada kontrasepsi yang di pakai dan Diisi 0: 388
- Tidak akseptor, alasan tidak ber-KB missing : 10
- Tidak akseptor, alasan tidak diisi dan alasan lain diisi tapi dalam bentuk angka : 6
- Akseptor, kontrasepsi missing dan diisi 0 : 2
- Akseptor, kontrasepsi lain diisi dalam bentuk angka : 18
- Akseptor, tapi alasan tidak ber-KB ada : 36
- Akseptor, tidak ada kontrasepsi yang dipakai :85
- Tidak akseptor, alasan missing : 17
- Tidak akseptor, alasan lain diisi angka : 11
Sisa record : 15053
13) Tempat rencana melahirkan , missing : 57
Record diisi dengandata di luar kategori : 10
Sisa record : 14986
3. Batasan yang digunakan dalam cleaning data untuk data numeric adalah :
a. Umur : 20 – 35 tahun
b. Tinggi badan : 140 -175 cm
c. Berat badan : 45-65 kg
d. TD sistolik : 100-170 mmhg
e. TD Diastolik : 60-110 mmhg
f. Hb : 8-14 gr%
Uraian cleaning data kategorik dengan batasan di atas :
- Umur, missing : 980
Sisa record : 13848
- TB, missing : 683
Sisa record : 13165
- BB, missing : 2054
Sisa record : 11111
- TD Sistol1, missing : 228
Sisa record : 10883
- TD Diastol1, missing : 134
Sisa record : 10749
- Hb, missing : 68
Sisa record : 10681
4. Analisis univariat untuk salah satu variabel kategorikal
Caranya : - klik analyze
o Descriptive statistic
o Frequency
o Masukkan salah satu variable kategorik dan tandai pada statistic bagian mode, mean,median, Std.Deviation,Skewness,Maximum,Minimum
o Klik ok
o Lihat hasil pada out put
5. Analisis univariat semua variabel numeric (Desain ulang tabel dan komentar hasil)
Caranya :
- Klik analyze
- Pilih descriptive analisis
- Pilih descriptive
- Pilih statistic yang ingin di tampilkan
- Klik ok dan lihat hasil pada output
Komentar :
- Rata-rata umur ibu adalah 27,33
- Rata-rata tinggi badan ibu adalah 157,610
- Rata-rata berat badan ibu adalah 54,352
- Rata-rata TD Sistolik ibu adalah 116,22
- Rata-rata TD diastolic ibu adalah 81,27
- Rata-rata kadar HB ibu adalah 11,681
6. Transformasi
Transformasi Data Variabel Kategorik
a. Pekerjaan
Langkah-langkahnya:
ü Klik Transform
ü Pilih Recode
ü Pilih Into Different Variables
ü Pada kotak masukkan variable pekerjaan
ü Ubah nama output variable dengan “kerja1”
ü Ubah nama label output variable dengan “pekerjaan”
ü Klik Change
ü Klik Old and New Values
ü Masukkan angka 1, 2, 3, 4, 5 pada Old values menjadi angka 1 pada new values
ü Masukkan angka 6 pada Old values menjadi angka 0 pada new values
ü Klik Continue
ü Klik Paste
ü Buka Syntax
ü Tambahkan kalimat “ADD VALUE LABELS kerja1 0 'Tidak Bekerja' 1 'Bekerja' .” setelah kalimat “VARIABLE LABELS kerja1 'pekerjaan'.:
ü Blok paragraph
ü Run All
b. Pendidikan
Langkah-langkahnya:
ü Klik Transform
ü Pilih Recode
ü Pilih Into Different Variables
ü Pada kotak masukkan variable pendidikan
ü Ubah nama output variable dengan “didik1”
ü Ubah nama label output variable dengan “pendidikan”
ü Klik Change
ü Klik Old and New Values
ü Masukkan angka 0 dan 2 pada Old values menjadi angka 0 pada new values
ü Masukkan angka 3 dan 4 pada Old values menjadi angka 1 pada new values
ü Klik Continue
ü Klik Paste
ü Buka Syntax
ü Tambahkan kalimat “ADD VALUE LABELS didik1 0 'Rendah' 1 'Tinggi' .” setelah kalimat “VARIABLE LABELS didik1 'pendidikan'.:
ü Blok paragraph
ü Run All
c. Transormasi Data Variabel Numerik (Umur)
Langkah-langkahnya:
ü Klik Transform
ü Pilih Recode
ü Pilih Into Different Variables
ü Pada kotak masukkan variable umur
ü Ubah nama output variable dengan “umur2”
ü Ubah nama label output variable dengan “umur ibu”
ü Klik Change
ü Klik Old and New Values
ü Masukkan angka 20 dan 35 (pada rentang) pada Old values menjadi angka 1 pada new values
ü Masukkan angka 19 (pada lowest thru) dan angka 36 (pada thru highest) pada Old values menjadi angka 0 pada new values
ü Klik Continue
ü Klik Paste
ü Buka Syntax
ü Tambahkan kalimat “ADD VALUE LABELS umur2 0 'Resti' 1 'Tidak Resti' .setelah kalimat VARIABLE LABELS usiaresti 'umur ibu'.
ü Blok paragraph
ü Run All
7. Compute dan Transformasi Data IMT
Langkah-langkahnya:
ü Klik Transform
ü Pilih Compute
ü Tulis IMT pada Target Variabel
ü Pada Numeric Expression masukkan rumus BB/((TB / 100) * (TB / 100))
ü Klik Paste
ü Buka Syntax
ü Jalankan rumus tersebut dengan cara blok dan Run All
ü Klik Transform
ü Pilih Recode
ü Pilih Into Different Variables
ü Pada kotak masukkan variable IMT
ü Ubah nama output variable dengan “IMT2”
ü Ubah nama label output variable dengan “klasifikasi IMT”
ü Klik Change
ü Klik Old and New Values
ü Masukkan angka 18,50 dan 25,0 (pada rentang) pada Old values menjadi angka 2 pada new values
ü Masukkan angka 18,499 (pada lowest thru) pada Old values menjadi angka 1 pada new values
ü Masukkan angka 25,001 (pada thru highest) pada Old values menjadi angka 3 pada new values
ü Klik Continue
ü Klik Paste
ü Buka Syntax
ü Tambahkan kalimat “ADD VALUES LABELS IMT2 1 'Kurus' 2 'Normal' 3 'Gemuk' .setelah kalimat VARIABLE LABELS IMT2 'Klasifikasi IMT'.
ü Blok paragraph
ü Run All
8. Analisis bivariate
a. Untuk mengetahui hubungan antara pendidikan dengan pekerjaan
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Pendidikan
· Dependen : Pekerjaan
2. Identifikasi field dalam database
· Independen : pendidikan ibu
· Dependen : pekerjaan ibu
3. Tentukan karakteristik field (K/N)
· Didik : K
· Kerja : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan proporsi antara pendidikan dengan pekerjaan
7. Bahas Hasil :
· P = 0,000 è P<0,05
· Ho = Ditolak
· Ada perbedaan proporsi antara pendidikan dengan pekerjaan, berarti ada hubungan pendidikan dengan pekerjaan.
b. Untuk mengetahui hubungan antara umur dengan kadar Hb
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Umur
· Dependen : Kadar Hb
2. Identifikasi field dalam database
· Independen : umur hamil
· Dependen : hb bumil
3. Tentukan karakteristik field (K/N)
· Umur2 : N
· Hb7: N
4. Tentukan analisis sementara : Uji Korelasi Regresi
5. Apabila terdapat variabel numerik -> lakukan uji normality : ada,
- Variabel umur : Tidak NORMAL
Maka data pada variabel umur di log kan(Log_umur) dan di uji kembali apakah sudah normal apa belum è normal (berdasarkan hasil pada output dan pertimbangan pembimbing)
- Variabel kadar Hb
Maka data pada variabel umur di log kan(Log_Hb) dan di uji kembali apakah sudah normal apa belum è normal (berdasarkan hasil pada output dan pertimbangan pembimbing).
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan Korelasi Regresi antara umur dengan kadar hb
7. Bahas Hasil :
ü P = 0,005 è P>0,05
ü Ho = Ditolak
ü Ada perbedaan Korelasi Regresi antara umur dengan kadar hb,berarti ada hubungan umur dengan kadar hb.
c. Untuk mengetahui hubungan tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Tingkat Pendidikan
· Dependen : kontrasepsi yang dipilih
2. Identifikasi field dalam database
· Independen : didik
· Dependen : ksepsi
3. Tentukan karakteristik field (K/N)
· Didik : K
· ksepsi : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak ada
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan proporsi antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
7. Bahas Hasil :
· P = 0,005
· Ho = Ditolak
· Ada perbedaan proporsi antara antara tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB, BERARTI ada hubungan tingkat pendidikan dengan kontrasepsi yang dipilih dalam ber-KB
d. Untuk mengetahui hubungan antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Pernah atau tidak mendapat tablet Fe
· Dependen : Kadar Hb
2. Identifikasi field dalam database
· Independen : tfe
· Dependen : hb7
3. Tentukan karakteristik field (K/N)
· tfe : K
· hb7 : N
4. Tentukan analisis sementara : Uji Beda Rata-Rata
5. Apabila terdapat variabel numerik -> lakukan uji normality : ada, NORMAL (log_hb)
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan rata-rata antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil
7. Bahas Hasil :
· P = 0,00
· Ho = Ditolak
· Ada perbedaan rata-rata antara pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil, BERARTI ada hubungan pernah atau tidak dapat tablet Fe dengan kadar Hb dalam darah ibu hamil.
e. Untuk hubungan antara tekanan darah (sistolik/diastolik) dengan golongan darah
A. Sistolik
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Tekanan Darah Sistolik
· Dependen : Golongan Darah
2. Identifikasi field dalam database
· Independen :sistol5
· Dependen : darah
3. Tentukan karakteristik field (K/N)
· Sistol5 : N
· darah : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak dilakukan uji normality
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan rata-rata antara tekanan darah sistolik dengan golongan darah
7. Bahas Hasil :
· P = 0,000
· Ho = Ditolak
· Ada perbedaan rata-rata antara tekanan darah sistolik dengan golongan darah, BERARTI ada hubungan antara tekanan darah sistolik dengan golongan darah.
B. Diastolik
1. Identifikasi variabel dalam tujuan penelitian
· Independen : Tekanan Darah Diastolik
· Dependen : Golongan Darah
2. Identifikasi field dalam database
· Independen : diastol6
· Dependen : darah
3. Tentukan karakteristik field (K/N)
· Diastol6 : N
· darah : K
4. Tentukan analisis sementara : Uji Beda Proporsi
5. Apabila terdapat variabel numerik -> lakukan uji normality : tidak dilakukan uji normality
6. Rumuskan hipotesis pengujian pada CI 95% , uji, baca hasil, dan interpretasikan hasil (Ho Pengujian) :
· Ho : Tidak ada perbedaan rata-rata antara tekanan darah diastolik dengan golongan darah
7. Bahas Hasil :
· P = 0,000
· Ho = Ditolak
· Ada perbedaan rata-rata antara tekanan darah diastolik dengan golongan darah, BERARTI ada hubungan tekanan darah diastolik dengan golongan darah.
Untuk lebih lengkap silahkan download beberapa file document SPSS dan Outputnya dibawah ini ya
::::::: Output
