Di Tikungan ini teman...
Ku mulai perjalanan mengukir sebingkai cerita
tentang kisah sebuah nama...
Indah teman...
Di kala putihnya salju.
bertaburan di kelopak mawar menghiasi tepian kalbu...
Tembang penuh harap bersenandung pada siulan angin,
Nenyemarakkan cerah bianglala yang tergores di tepian relung hati...
Namun teman...
Segumpal keraguan bergayut di mendung jiwa,
Apakah ini sebuah fatamorgana ?
Yang sesungguhnya hanya ada lolongan bait kesedihan,
Dan suatu saat akan menjadi tombaak kematian?
Sungguh teman...
Walaupun nyanyian dunia maya hanya sebuah ritual di altar kehidupan,
Namun sebuah nama tetap abadi, abadi di galeri istana hati ~
Nutrition is Very Important
Custom Search Engine
Loading
Jumat, 31 Oktober 2014
Senin, 16 Juli 2012
LAPORAN UAS KOMPUTER LANJUT
1.
Identitas
Mahasiswa
Nama : Rozaliny
Asri
NIM : 102114342
2.
Berdasarkan
angka NIM terakhir saya, maka file yang akan diolah adalah GENAP.rec
3.
File
hasil eksport Epidata ke SPSS berekstensi sps dengan nama file GENAP
4.
File
syntax GENAP.sps dieksport ke SPSS dan disimpan dengan nama Rozaliny Asri dan
ekstensi sav.
5.
File
data Rozaliny Asri.sav berisi 39 field dan 8390 record. Data kategorik sebanyak
27 field dan data numerik sebanyak 12 field.
6.
berdasarkan
perintah no 6 maka saya membuat file syntax baru yang di copy dari file syntax
GENAP. Pada file syntax ini saya melakukan pengeditan pada variabel labels dan
data yang dirasa tidak perlu saya delete. File syntax baru bernama Rozaliny
Asri. Dari langkah ini sampai terakhir saya menggunakan syntax baru (Rozaliny
Asri).
Pembuatan
value labels untuk data kategorik :
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 '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 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'.
7.
Catat
disini 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 kerja 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 : 42
1 digit terakhir adalah : Genap
13. Jumlah record
tersisa setelah di delete sebanya 50 record mulai dari 2 digit NIM adalah 6906
record.
14. distribusi
frekuensikan variabel pendidikan ibu. output tabel distribusi
frekuensi tersebut dalam lembar jawaban disini, berserta komentar singkat di
bawah tabel.
Komentar
: berdasarkan tabel di atas, dapat disimpulkan bahwa pendidikan ibu yang
jumlahnya paling banyak adalah perguruan tinggi dengan jumlah 2993 orang
berpendidikan perguruan tinggi. Sedangkan pendidikan ibu yang jumlahnya paling
sedikit adalah BH/SD dengan jumlah 197 orang berpendidikan BH/SD.
*Penyederhanaan
Kategori Pendidikan .
RECODE
DIDIK
(0=1)
(2=1) (3=2) (4=2)
INTO didik2 .
VARIABLE
LABELS didik2 'pendidikan ibu 2 tingkatan'.
ADD
VALUE LABELS didik2 1 'Rendah' 2 'Tinggi' .
EXECUTE
.
Komentar : berdasarkan tabel di atas, dapat disimpulkan bahwa jumlah
pendidikan ibu yang dikelompokkan pendidikan rendah adalah 927 orang. Sedangkan
jumlah pendidikan ibu yang dikelompokkan pendidikan tinggi adalah 5979 orang
a. darah : jumlah record sebelum
didelete 6906 record dan sesudah didelete yang missing tersisa 6902 record.
b.
pernah : jumlah record sebelum didelete 6902 record dan sesudah didelete yang
missing tersisa 6901 record
c.
akseptor : jumlah record sebelum didelete 6901 record dan sesudah didelete yang
missing tersisa 6895 record
d.
alasan : jumlah record sebelum didelete 6895 record dan sesudah didelete yang
missing tersisa 6882 record
e.
rencana : jumlah record sebelum didelete 6882 record dan sesudah didelete yang
missing tersisa 6825 record.
jadi, jumlah record
sebelum didelete 6906 record dan sesudah didelete yang missing tersisa 6825
record.
A. Hb : jumlah record sebelum didelete 6825 record dan
sesudah didelete yang missing tersisa 6799 record.
b. TB : jumlah record sebelum didelete 6799 record dan
sesudah didelete yang missing tersisa 6796 record
c. BB : jumlah record sebelum didelete 6796 record dan
sesudah didelete yang missing tersisa 6780 record
a.
distribusi frekuensikan field pernah dan statistik frekuensikan field kali.
b. Yang pernah
memeriksakan kehamilan harus sama jumlahnya dengan data valid pada tabel
frekuensi pemeriksaan kehamilan. Sedangkan yang tidang memeriksakan kehamilan
harus sama jumlahnya dengan jumlah missing pada tabel frekuensi pemeriksaan
kehamilan.
c.
dicari data yang tidak memeriksakan kehamilan, tetapi pada frekuensi kehamilan
di isi frekuensi pemeriksaannya. Field pemeriksaan kehamilan di sort descending
dan field frekuensi pemeriksaan kehamilan di sort descending.
d.
maka didapatkan 161 data yang tidak memeriksakan kehamilan, tetapi mengisi
frekuensi pemeriksaan kehamilan. Maka hasil tersebut di clear.
e.
perubahan record yang terjadi : sebelum di cleaning 6780 record, sesudah di cleaning 6619 record.
19. langkah-langkah melakukan cleaning
data untuk mengecek memeriksa konsistensi antara pernah memeriksakan kehamilan
dengan pernah atau tidak mendapatkan 5T.
a. distribusi frekuensikan field pernah beserta field
fundus, ukur TB, tensi, Tfe dan TT.
b. Dari hasil distribusi frekuensi di dapatkan bahwa jumlah
yang memeriksa kehamilan adalah 6427 orang dan yang tidak memeriksakan
kehamilan adalah 192 orang. Yang pernah atau tidak mendapatkan pemeriksaan 5T
adalah 6452 orang, sedangkan yang tidak ditanyakan tentang pemeriksaan 5T
sebanyak 167 orang. Berarti ada yang tidak pernah melakukan pemeriksaan
kehamilan, tetapi ditanya apakah mendapatkan pelayanan 5T. Seharusnya yang
ditanya apakah mendapatkan pelayanan 5T adalah yang pernah memeriksakan
kehamilan saja. Berarti yang
menjawab Ya dan Tidak pada 5 T harus sama dengan yang pernah memeriksakan
kehamilan.
c. dicari data yang tidak pernah memeriksakan kehamilan,
tetapi ditanyakan apakah mendapatkan pelayanan 5T. Field pemeriksaan kehamilan di
sort descending dan field pelayanan 5T (fundus, ukur TB,
tensi, Tfe dan TT) di sort descending juga.
d. maka didapatkan 25 record yang inconsistensi Maka hasil tersebut di
clear.
e. perubahan
record yang terjadi : sebelum di cleaning 6619 record, sesudah di cleaning 6594 record
20. Langkah-langkah untuk memeriksa
konsistensi atara pertanyaa (field) akseptor, kontrasepsi dan alasan tidak
ber-KB.
a. distribusi
frekuensikan field akseptor, kontrasepsi dan alasan
tidak ber-KB.
c. Ketentuannya
adalah jumlah yang memakai akseptor KB harus sama dengan Jumlah Jenis
Kontrasepsi yang di pakai dan Jumlah missing system pada alasan tidak
menggunakan akseptor KB.
d. maka dicari yang
tidak menggunakan akseptor KB, tetapi memilih salah satu Jenis akseptor yang
dipakai serta tidak mencantumkan alasan. Field akseptor di sort ascending,
field kontrasepsi di sort descending, dan alasan di sort ascending.
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.
*Perhitungan IMT Ibu Hamil .
COMPUTE IMTi = bb / ((tb/ 100) * (tb/ 100)) .
VARIABLE LABELS IMTi 'IMT ibu hamil' .
EXECUTE .
*Perhitungan IMT anak .
COMPUTE IMTa = weight / ((height/ 100) * (height/ 100)) .
VARIABLE LABELS IMTa 'IMT anak balita' .
EXECUTE .
*Pengelompokkan IMT Ibu Hamil .
RECODE
IMTi
(Lowest thru
16.999=1) (17.0 thru 18.49999=2) (18.5 thru 25.00=3) (25.001 thru 27.0=4) (27.001 thru Highest=5) INTO
IMTi5 .
VARIABLE LABELS IMTi5 'IMT ibu hamil'.
ADD VALUE LABELS IMTi5 1 'Sangat Kurus' 2 'Kurus' 3
'Normal' 4 'Gemuk' 5 'Obesitas' .
EXECUTE .
*Pengelompokka IMT anak .
RECODE
IMTa
(Lowest thru
16.999=1) (17.0 thru 18.49999=2) (18.5 thru 25.00=3) (25.001 thru 27.0=4) (27.001 thru Highest=5) INTO
IMTa5 .
VARIABLE LABELS IMTa5 'IMT anak dalam 5 kategori'.
ADD VALUE LABELS IMTa5 1 'Sangat Kurus' 2 'Kurus' 3
'Normal' 4 'Gemuk' 5 'Obesitas' .
EXECUTE .
*Pengelompokkan IMT ibu hamil dalam 3 kategori .
RECODE
IMTi5
(1=1) (2=1)
(3=2) (4=3) (5=3)
INTO IMTi3K .
VARIABLE LABELS IMTi3K 'IMT ibu dalam 3 kategori'.
ADD VALUE LABELS IMTi3K 1 'Kurang' 2 'Normal' 3 'Lebih' .
EXECUTE .
*Pengelompokkan IMT anak dalm 3 Kategori .
RECODE
IMTa5
(1=1) (2=1)
(3=2) (4=3) (5=3)
INTO IMTa3K .
VARIABLE LABELS IMTa3K 'IMT anak dalam 3 Kategori'.
ADD VALUE LABELS IMTa3K 1 'Kurang' 2 'Normal' 3 'Lebih' .
EXECUTE .
Komentar : dari
tabel di atas dapat disimpulkan bahwa ibu hamil yang memiliki jumlah Kelompok
IMT paling banyak adalah kelompok normal yaitu sejumlah 5923 record. Dan yang
paling sedikit adalah kelompok IMT Sangat kurus yaitu sejumlah 24 record. Hal ini
dilihat dari penegelompokkan IMT ibu hamil dalam 5 Kategori.
Komentar : dari
tabel di atas dapat disimpulkan bahwa ibu yang memiliki jumlah Kelompok IMT
paling banyak adalah kelompok normal yaitu sejumlah 5923 record. Dan yang
paling sedikit adalah kelompok IMT Kurang yaitu sejumlah 185 record. Hal ini
dilihat dari penegelompokkan IMT ibu dalam 3 kategori
Komentar : dari
tabel di atas dapat disimpulkan bahwa anak yang memiliki jumlah Kelompok IMT
paling banyak adalah kelompok kurang yaitu sejumlah 4908 record. Dan yang
paling sedikit adalah kelompok IMT Lebih yaitu sejumlah 384 record. Hal ini
dilihat dari penegelompokkan IMT anak dalam 3 kategori.
ANALISIS BIVARIAT
1.
Tujuan penelitian : mengetahui hubungan antara pendidikan dengan pekerjaan yang dimiliki
responden
a.
identifikasi
variabel dalam tujuan : Variabel independen adalah pendidikan responden dan
Variabel dependen adalah pekerjaan yang dimiliki responden.
b.
Identifikasi field dalam database
: pendidikan
responden fieldnya adalah didik dan pekerjaan
responden fieldnya adalah kerja
c.
Tentukan
karakteristik field : field Didik adalah data kategorik dan field Kerja
adalah data kategorik
d.
Tentukan
jenis uji, teori yg relevans dan H0 pengujian : ujinya adalah uji beda proporsi.
Makin tinggi pendidikan responden maka makin tinggi pekerjaan responden. HO pengujian : tidak
ada perbedaan proporsi responden
yang memiliki perkejaan antara responden
yang tamat SD,SLTP,SLTA dan Perguruan Tinggi.
e.
Uji normality : –
f.
Lakukan uji, baca
hasil, dan interpretasikan.
g.
Kesimpulan : ada perbedaan proporsi ibu yang memiliki pekerjaan
antara ibu yang tamat SD, SLTP,SLTA dan Perguruan Tinggi. Ada perbedaan proporsi antara tingkat pendidikan dengan jenis
pekerjaan ibu. Dari hasil uji chi-square di atas di dapatkan bahwa makin tinggi
tingkat pendidikan ibu makin tinggi jenis pekerjaan yang dimiliki. Ini di
tandai dengan jumlah sampel yang berpendidikan Perguruan Tinggi memiliki jenis
pekerjaan paling banyak sebagai PNS berjumlah 1692 responden. Sedangkan jumlah sampel yang berpendidikan BH/SD
memiliki jenis pekerjaan paling sedikit sebagai PNS dan Swasta yaitu hanya 1
responden.
2.
Tujuan penelitian : mengetahui hubungan antara pekerjaan ibu dengan alat kontrasepsi yang
dipilih Ibu untuk ber-KB
a. identifikasi
variabel dalam tujuan : Variabel independen adalah pekerjaan ibu dan Variabel
dependen adalah kontrasepsi yang dipakai ibu untuk ber-KB.
b.
Identifikasi field dalam
database : pekerjaan ibu fieldnya adalah kerja dan kontrasepsi yang dipakai fieldnya
adalah ksepsi.
c. Tentukan
karakteristik field : field Kerja adalah data kategorik dan field Ksepsi
adalah data kategorik.
d. Tentukan
jenis uji, teori yg relevans dan H0 pengujian : ujinya adalah uji beda proporsi (Chi-Square). Teori yang
relevan : Makin
baik
pekerjaan ibu maka makin
bagus
kontrasepsi yang dipakai ibu.
HO pengujian : tidak ada perbedaan proporsi ibu yang memakai
kontrasepsi antara ibu
yang bekerja sebagai PNS, Swasta, Wiraswasta, Pedagang, Buruh/T/N, dan
lain-lain.
e.
Uji normality : –
f.
Lakukan uji, baca
hasil, dan interpretasikan.
g.
Kesimpulan : ada perbedaan proporsi ibu yang memakai
kontrasepsi
antara ibu yang
bekerja
sebagai PNS, Swasta, Wiraswasta, Pedagang, Buruh/T/N, dan lain-lain. Ada perbedaan proporsi antara jenis pekerjaan dengan jenis kontrasepsi yang dipakai
ibu. Dari hasil uji chi-square di atas di
dapatkan bahwa Makin baik pekerjaan ibu maka makin bagus
kontrasepsi yang dipakai ibu. Ini di tandai dengan jumlah ibu yang bekerja sebagai PNS memakai IUD sebagai alat kontrasepsinya sebanyak 524 orang. Sedangkan jumlah ibu
yang bekerja sebagai Buruh/T/N memakai kontrasepsi lain-lain sejumlah 0 orang
(tidak memakai kontrasepsi lain-lain).
3. Tujuan penelitian : mengetahui hubungan antara pemberian tablet Fe dengan kadar hemoglobin
dalam darah.
a.
Identifikasi
variabel dalam tujuan : Independen variabel adalah pemberian tablet Fe dan dependen
variabel adalah kadar Hb.
b. Idenfifikasi
field dalam database : pemberian
tablet Fe nama fieldnya tfe dan kadar Hb nama fieldnya adalah hb.
c. Tentukan
karakteristik field : Field tfe adalah data kategorik (K) dan field hb
merupakan data numerik (N)
d.
Tentukan
jenis uji, teori yg relevans dan H0 pengujian : Uji yang dipakai adalah uji
independent sample t-test. Teori yg relevansnya adalah ibu yang dapat tablet Fe
kadar Hb nya akan lebih baik daripada ibu yang tidak dapat tablet Fe. H0: Tidak
ada perbedaan rata-rata antara kadar Hb ibu dapat dan tidak dapat tablet Fe.
e.
uji
normality à independent sample t-test p =0,05.
·
distribusi
deskriptif data àNormal
·
Normal
Q-Q Plot à
Normal
·
Hi-Low
close à tidak normal
·
Histogram àNormal
·
Skeweness à Tidak Normal
·
Steam-Leaf à
Normal
f. uji,baca
dan interpretasikan data : independent sample t-test
Komentar : pada Levene’s Test
terlihat significancy = 0.000. karena p<0.05 maka varians data tidak sama.
Karena varians data tidak sama, untuk menentukan hasil uji t-test, dilihat
baris kedua. Karena p<0.05 maka H0 ditolak, ada perbedaan rata-rata antara kadar
Hb ibu dapat dan tidak dapat tablet Fe. Hal ini ditandai dengan ibu yang mendapatkan pemberian
tablet Fe, kadar Hb nya normal/lebih baik dibanding ibu yang tidak mendapatkan
Tablet Fe.
g. Kesimpulan: ada perbedaan
rata-rata yang signifikan antara ibu yang pernah mandapatkan tablet Fe dan yang
tidak pernah mendapatkan dengan kadar hemoglobin ibu. Kadar Hb ibu
yang mendapatkan tablet Fe berbeda dengan yang tidak mendapatkan tablet Fe. Hal
ini ditandai dengan, Ibu yang mendapatkan tablet Fe, kadar Hb nya lebih baik
dibanding ibu yang tidak mendapatkan tablet Fe.
4. Tujuan
Penelitian : mengetahui hubungan antara pendidikan dengan
frekuensi pemeriksaan kehamilan
- Identifikasi
variabel dalam tujuan : Independen variabel adalah pendidikan dan dependen
variabel adalah frekuensi pemeriksaan kehamilan.
- Identifikasi field dalam
database : pendidikan nama fieldnya didik dan frekuensi pemeriksaan
kehamilan nama fieldnya adalah kali.
- Tentukan
karakteristik field : Field didik adalah data kategorik (K) dan field kali
merupakan data numerik (N)
- Tentukan jenis uji,
teori yg relevans dan H0 pengujian : Uji yang dipakai adalah uji anova.
Teori yg relevansnya adalah makin tinggi tingkat pendidikan ibu makin
sering ibu melakukan pemeriksaan kehamilan. H0: Tidak ada perbedaan
rata-rata yang signifikan antara frekuensi pemeriksaan kehamilan dengan
tingkat pendidikan ibu.
- Uji
normality. Karena Field Kali
adalah data numeric
maka dilakukan
Uji Normality.
ü distribusi deskriptif
data àTidak normal
ü Normal Q-Q Plot àTidak Normal
ü Hi-Low close àNormal
ü Histogram à Tidak Normal
ü Skeweness à Tidak Normal
ü Steam-Leaf à Tidak
Normal
- Lakukan Uji, baca
hasil dan interpretasikan.
Dari hasil uji normality
tidak bisa memakai uji ANOVA karena hasil yang didapatkan Tidak Normal,
syarat untuk melakukan uji Anova tidak terpenuhi. sehingga di uji dg Kruskal wallis.
Komentar : dari uji Kruskal wallis dapat dilihat pada tabel bahwa
P<0.005. paling tidak terdapat perbedaan frekuensi pemeriksaan kehamilan
pada tiap tingkat pendidikan ibu (SD, SMP, SMA, Perguruan Tinggi).
- Kesimpulan : karena P<0,05 maka H0 ditolak berarti
Ada perbedaan rata-rata yang signifikan antara frekuensi pemeriksaan
kehamilan dengan tingkat pendidikan ibu (SD, SMP, SMA, PT).
5. Tujuan
Penelitian : mengetahui hubungan antara umur ibu dengan tekanan
darah sistolik.
- Identifikasi
variabel dalam tujuan : Independen variabel adalah umur
ibu
dan dependen variabel adalah tekanan darah sistolik.
- Identifikasi field dalam
database : umur ibu nama fieldnya umur dan tekanan
darah sistolik
nama fieldnya adalah sistol.
- Tentukan
karakteristik field : Field umur adalah data numerik (N) dan field sistol merupakan data
numerik (N)
- Tentukan jenis uji,
teori yg relevans dan H0 pengujian : Uji yang dipakai adalah uji korelasi. Teori yg
relevansnya adalah makin tinggi umur ibu maka tekanan darah sistolik nya juga
tinggi.
H0: Tidak ada korelasi antara umur ibu dengan tekanan darah sistolik.
- Uji
normality. Karena kedua field adalah data numeric maka
dilakukan
Uji Normality.
ü distribusi deskriptif
data àTidak normal
ü Normal Q-Q Plot àTidak Normal
ü Hi-Low close àNormal
ü Histogram à Tidak Normal
ü Skeweness à Normal
ü Steam-Leaf à Tidak Normal
f. Lakukan Uji, baca hasil
dan interpretasikan.
Dari hasil uji normality
tidak bisa memakai uji Pearson
karena hasil yang didapatkan Tidak Normal (p<0.05), syarat untuk melakukan uji
Pearson tidak terpenuhi. sehingga
di uji dengan uji Sperman
Komentar : dari uji Spearman dapat dilihat pada tabel bahwa
significancy=0.000, maka P<0.005. hal ini berarti bahwa korelasi antara umur
ibu dengan tekanan darah sistolik adalah bermakna. Nilai korelasi Spearman
menunjukkan korelasi positif dengan kekuatan lemah.
g.
Kesimpulan
: karena P<0,05
maka H0 ditolak berarti korelasi antara
umur ibu dengan tekanan darah sistolik adalah bermakna.
PENGOLAHAN STATUS GIZI
MENGGUNAKAN SOFTWARE WHO ANTHRO 2005
Langkah 5 :
klasifikasi status gizi 3 indeks yang tersedia datanya (BB/TB, TB/U dan
BB/U). Pada
pengelompokkan ini, didaptkan hasil yang setiap pengklasifikasian terdapat sistem
missing, maka hal tersebut harus di delete terlebih dahulu. Data sebelum di
delete adalah 6496 record, setelah di delete berjumlah 6066 record.
prevalensi status gizi :
Komentar : dari tabel di atas
dapat dilihat bahwa status gizi (BB/TB) yang paling banyak adalah status gizi
normal yaitu sebanyak 3040 orang, dan yang paling sedikit adalah status gizi
kurus yaitu 388 orang.
Komentar : dari tabel di atas
dapat dilihat bahwa status gizi (TB/U) yang paling banyak adalah status gizi
normal yaitu sebanyak 3052 orang, dan yang paling sedikit adalah status gizi
pendek yaitu 468 orang.
Komentar : dari tabel di atas
dapat dilihat bahwa status gizi (BB/U) yang paling banyak adalah status gizi
baik yaitu sebanyak 3499 orang, dan yang paling sedikit adalah status gizi
kurang yaitu sebanyak 385 orang.
Langkah 6 : prevalensi sifat masalah gizi (akut&kronis,
kronis, akut, dan normal).
Pada prevalensi sifat masalah gizi (akut&kronis,
kronis, akut, dan normal) ini
ditemukan beberapa data yang missing, maka dilakukan cleaning terhadap data
yang system missing tersebut.
Jumlah data
sebelum di delete 6066 record, jumlah data setelah di delete 5997 record.
Komentar : dari
tabel di atas dapat dilihat bahwa pada data paling banyak terdapat sifat normal
yaitu sebanyak 3782 orang, sedangkan sifat akut dan kronis adalah yang paling
sedikit yaitu sejumlah 555 orang.
...Read More... :))
Langganan:
Postingan (Atom)