1.
Nama
: Utami Harlen Tiza
Nim
: 102114352
2.
Berdasarkan
52 (genap), maka file yang akan di
olah data penimbangan masal.
3.
File
hasil eksport Epidata ke SPSS
berekstensi sav Dengan nama Utami.sav
4.
File
syntax …..... dieksport ke SPSS dan disimpan dengan nama …..... dan ekstensi
…..
File
syntax dari data penimbangan masal
Dieksport ke SPSS dan disimpan dengan nama Utami.sps
dan ekstensi sps
5.
File
data [file] berisi 39 field dan 8390 record. Data kategorik sebanyak 21 field dan data numerik
sebanyak 18 field
VARIABLE LABELS
entri
"Nama Pengentri Data"
kode
"Kode Sampel"
nama
"Nama Ibu"
tlahir
"Tgl Lahir Ibu"
umur
"Umur Ibu (tahun)"
kerja
"Pekerjaan Ibu Responden"
didik
"Pendidikan Formal Ibu"
tb
"TB Ibu (cm)"
bb
"BB Ibu (kg)"
darah
"Golongan Darah"
sistol
"TD Sistolik"
diastol
"TD Diastolik"
hb
"Kadar HB (mmHg)"
nabal
"Nama Balita"
tlb
"Tgl Lahir Balita"
age
"Umur Balita (bln)"
weight
"BB Balita (weight)"
height
"TB Balita"
pernah
"Pemeriksakan kehamilan"
kali
"Frekuensi Pemeriksa Kehamilan"
fundus
"Pengukuran Tinggi Fundus"
ukurtb
"Pengukuran TB"
tensi
"Pengukuran tensi"
tfe
"Pemberian Tablet Tambah darah (Fe)"
tt
"Imunisasi Tetanus Toxoid (TT)"
akseptor
"Apakah sebelum hamil ibu Akseptor KB"
ksepsi
"Alat kontrasepsi apa yang ibu pakai"
n5e
"Kontrasepsi Lainnya"
alasan
"Alasan Tidak ber-KB"
n6d
"Alasan Lain tidak ber-KB”
rencana "Rencana T4
Melahirkan".
6.
Simpan
file syntax dengan nama yang sama dengan file data. Pastekan disini sintax tentang ADD VALUE
LABELS variabel didik,
kerja, pernah, ukurtb, fundus, tensi, tfe, tt, akseptor, ksepsi alasan,
dan rencana
execute.
************************************************************************
ADD VALUE
LABELS didik 0 'BH/SD' 2 'SLTP' 3 'SLTA' 4 'PTinggi'.
ADD VALUE
LABELS kerja 1 'PNS' 2 'Swasta' 3 'Wiraswasta' 4 'Pedagang' 5 'Tani/Nelayan' 6
'lain-lain'.
ADD VALUE
LABELS pernah 1 'ya' 2 'tidak'.
ADD VALUE
LABELS ukur TB 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 'lain-lain'.
ADD VALUE
LABELS alasan 1 'Masih ingin punya anak'
2 'Dilarang suami' 3 'Tidak Sesuai dengan Keyakinan' 4 'lain-lain'.
ADD VALUE
LABELS rencana 1 'RSB/RSU' 2 'PKM/Pustu'
3 'Nakes/Swasta' 4 'Dukun' 5 'lain-lain.
7.
Catat
disini jumlah record sebelum didelete ... record dan sesudah didelete yang
missing tersisa ... record
Catat
disini jumlah record sebelum didelete 8390
record dan sesudah didelete yang missing tersisa 8382 record
Statistics
Pendidikan Formal Ibu
|
N
|
Valid
|
8382
|
|
|
Missing
|
8
|
Pendidikan
Formal Ibu
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
|
Valid
|
BH/SD
|
217
|
2.6
|
2.6
|
2.6
|
|
|
SLTP
|
947
|
11.3
|
11.3
|
13.9
|
|
|
SLTA
|
3550
|
42.3
|
42.4
|
56.3
|
|
|
PTinggi
|
3666
|
43.7
|
43.7
|
100.0
|
|
|
Total
|
8382
|
99.9
|
100.0
|
|
|
Missing
|
System
|
8
|
.1
|
|
|
|
Total
|
8390
|
100.0
|
|
|
|
8. Jumlah field sebelum kerja yg
missing adalah ..... dan setelah field erja dicleaning adalah ..... record
Jumlah
field sebelum didelete record yang kerja nya missing maka jumlah record awalnya
adalah sama dengan jumlah record setelah soal 8335 dikerjakan yaitu sebanyak
8335 record.
Statistics
Pekerjaan Ibu Responden
|
N
|
Valid
|
8380
|
|
|
Missing
|
2
|
Pekerjaan Ibu Responden
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
|
Valid
|
PNS
|
2374
|
28.3
|
28.3
|
28.3
|
|
|
Swasta
|
1787
|
21.3
|
21.3
|
49.7
|
|
|
Wiraswasta
|
1454
|
17.3
|
17.4
|
67.0
|
|
|
Pedagang
|
998
|
11.9
|
11.9
|
78.9
|
|
|
Tani/Nelayan
|
392
|
4.7
|
4.7
|
83.6
|
|
|
lain-lain
|
1375
|
16.4
|
16.4
|
100.0
|
|
|
Total
|
8380
|
100.0
|
100.0
|
|
|
Missing
|
System
|
2
|
.0
|
|
|
|
Total
|
8382
|
100.0
|
|
|
|
9. Jumlah record sebelum di delete
sistol yang missing adalah sebanyak ... record dan setelah dilakukan
penghapusan field sistol yang missing tersisa .... record
Jumlah
field sebelum didelete record yang kerja nya missing maka jumlah record awalnya
adalah sama dengan jumlah record setelah soal 8380 dikerjakan yaitu sebanyak 7133 record.
10. Jumlah record
sebelum di delete diastol yang missing adalah sebanyak ... record dan setelah
dilakukan penghapusan field diastol yang missing tersisa .... record
Jumlah record sebelum di delete
diastol yang missing adalah sebanyak 7133
record dan setelah dilakukan penghapusan field diastol yang missing tersisa 7065 record
11. 2 digit terakhir NIM saya adalah :
52
1 digit
terakhir adalah : 2 Genap
12. –
13. Genap :
Jumlah record tersisa setelah di delete sebanya 50 record mulai dari 2 digit NIM adalah ..... record
Jumlah record tersisa setelah di delete sebanya 50 record mulai dari 2 digit NIM adalah ..... record
Jumlah record
tersisa setelah di delete sebanya 50 record mulai dari 2 digit NIM adalah 7015 record
14. Pastekan output
tabel distribusi frekuensi tersebut dalam lembar jawaban disini, berserta
komentar singkat di bawah tabel
Pendidikan Formal Ibu :
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
|
Valid
|
0
|
199
|
2.8
|
2.8
|
2.8
|
| 2 |
741
|
10.6
|
10.6
|
13.4
|
|
| 3 |
3047
|
43.4
|
43.4
|
56.9
|
|
| 4 |
3026
|
43.1
|
43.1
|
100.0
|
|
| Total |
7013
|
100.0
|
100.0
|
|
|
Distribusi untuk tabel pendidikan di
atas yang terbanyak adalah valid no 3 yaitu : SLTA yaitu sebanyak 3047
sedangkan yang paling sedikit adalah valid no 0 yaitu :
pendidikan BH/SD sebanyak 199.
15. Pastekan disini
syntax transformasi field didik, kemudian pastekan hasil distribusi
frekuensinya di bawah syntax yang bersangkutan, disertai komentar.
RECODE
DIDIK
(0=1)
(2=1) (3=2) (4=3)
INTO didik1 .
VARIABLE
LABELS didik mmmmmmmmmmm1
'pendidikan 2 kategorik'.
EXECUTE .
pendidikan 2 kategorik
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
|
Valid
|
1.00
|
940
|
13.4
|
13.4
|
13.4
|
| 2.00 |
3047
|
43.4
|
43.4
|
56.9
|
|
| 3.00 |
3026
|
43.1
|
43.1
|
100.0
|
|
| Total |
7013
|
100.0
|
100.0
|
|
|
Distribusi untuk tabel pendidikan 2
kategorik di atas yang terbanyak adalah valid no 2 yaitu : SLTA yaitu sebanyak
3047 sedangkan yang paling sedikit adalah valid no 0 yaitu :
pendidikan BH/SD sebanyak 940.
16. Laporkan
perubahan jumlah record sebelum dan sesudah melakukan cleaning masing untuk 5
field yang Anda cleaning
Tuliskan
langkah-langkah melakukan cleaning data untuk mengecek konsistensi ini dan
tulis juga perubahan record yang terjadi (record inconsistensi harus didelete).
è Darah
tidak ada missing.
è
Pernah
Statistics
pernah memeriksakan
kehamilan
|
N
|
Valid
|
7012
|
|
|
Missing
|
1
|
è Akseptor
Statistics
Akseptor KB
|
N
|
Valid
|
7007
|
|
|
Missing
|
5
|
è Alasan
Statistics
Alasan
|
N
|
Valid
|
2049
|
|
|
Missing
|
4958
|
è Rencana
Statistics
Rencana
|
N
|
Valid
|
2045
|
|
|
Missing
|
4
|
Jadi jumlah record
sebelum dan sesudah melakukan cleaning masing untuk 5 field yang di cleaning
adalah sebelum nya 7013 dan sesudah cleaning adalah 2045.
17. Laporkan
perubahan data sebelum dan sesudah cleaning data 3 variabel tsb (Hb, TB dan
BB). Jumlah record dibuat masing-masing field yang dicleaning.
- Kadar Hb : 6,0 – 17,5 mg/ dl
- Tinggi Badan :
135,0 – 180 cm
- Berat Badan : 35,0
– 80,0 kg
a.
Kadar Hb
Statistics
Kadar HB (mmHg) :
|
N
|
Valid
|
2027
|
|
|
Missing
|
19
|
b.
Tinggi Badan
Statistics
Tinggi Badan
(height) :
|
N
|
Valid
|
2027
|
|
|
Missing
|
0
|
c. Berat Badan
Statistics
Berat Badan (weight) :
|
N
|
Valid
|
2027
|
|
|
Missing
|
0
|
18. Tuliskan
langkah-langkah melakukan cleaning data untuk mengecek konsistensi ini dan
tulis juga perubahan record yang terjadi (record inconsistensi harus didelete)
Untuk sortorder pemeriksaan kehamilan
disort descending
Untuk sortorder frekwensi pemeriksaan
kehamilan disort ascending. Jika sampel yang memeriksakan kehamilan frekwensi
nya kosong atau sebaliknya maka itu yang disebut missing dan kemudian
didelete/clear
LANGKAG-LANGKAH MELAKUKANNYA :
- Pilih data dan klik sort cases masukkan field pernah memeriksakan kehamilan dengan frekuensi pemeriksaan kehamilan pilih descending, apabila dia tidak pernah memeriksakan kehamilan bearti frekuensi tidak ada kalau ada bearti missing, kalau yang pernah memeriksakan kehamilan frekuensinya minimal 1 dan tidak boleh kosong.
- Recort yang btersisa setelah dicleaning adalah 1999 record.
19. Lanjutkan cleaning data seperti soal no. 18 di atas dengan memeriksa
konsistensi antara pernah memeriksakan kehamilan dengan mendapatkan 5T.
Ketentuannya adalah yang ditanya apakah mendapatkan pelayanan 5T hanyalah yang
pernah memeriksakan kehamilan saja. Berarti yang 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 MELAKUKANNYA :
1.
Pilih data dan klik sort cases masukkan field pernah
memeriksa kehamilan dengan pemeriksaan 5T. Pilih descending apabila dia pernah
memeriksakan kehamilan paling kurang pemeriksaan 5T dilakukan 1 kali, apabila
pemeriksaan kehamilan ada tapi pemeriksaan 5 T tidak ada bearti missing.
2.
Recort yang tersisa setelah cleaning 1999 record.
20. Lakukan cleaning data seperti soal
18 dan 19 untuk memeriksa konsistensi atara pertanyaan (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)
LANGKAH LANGKAH :
1. Pilih
data klik sort cases masukkan field aseptor, kontrasepsi dan alasan tidak
berKB.
2. Apabila
dia memakai aseptor minimal kontrasepsinya 1 dan alasan tidak ber KB tidak ada,
apabila menggunakan aseptor tapi ada alasan tidak ber KB bearti missing kalau
memakai aseptor tapi alat kontrasepsi tidak ada bearti missing.
3. Sisa data
setelah dicleaning 1893 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, kemudian paste-kan output
frekuensi kategori IMT yang sudah Anda buat dengan disertai komentar seperlunya
di bawah masing-masing tabel output.
*PERHITUNGAN IMT IBU HAMIL
COMPUTE IMTI = bb / ((tb / 100)*(tb /
100)) .
VARIABLE LABELS IMTI 'IMT Ibu Hamil'.
EXECUTE .
*PENGELOMPOKKAN
IMT IBU HAMIL
RECODE
imtibu
(Lowest thru 16.9999=1) (17.0
thru 18.49999=2) (18.5 thru
25.000001=3) (25.01
thru 27.0=4) (27.001 thru
Highest=5) INTO IMTI5 .
VARIABLE LABELS IMTI5 'IMT Ibu 5
Kategori'.
ADD VALUE LABELS IMTI5 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 IMTa3K 'IMT anak dalam
3 Kategori'.
ADD VALUE LABELS IMTa3K 1 'Kurang' 2
'Normal' 3 'Lebih' .
EXECUTE .
|
Statistics
|
||
|
IMT Ibu Hamil
|
|
|
|
N
|
Valid
|
1893
|
|
Missing
|
0
|
|
|
IMT ibu hamil
|
|||||
|
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
Valid
|
Sangat Kurus
|
7
|
.4
|
.4
|
.4
|
|
Kurus
|
43
|
2.3
|
2.3
|
2.6
|
|
|
Normal
|
1724
|
91.1
|
91.1
|
93.7
|
|
|
Gemuk
|
84
|
4.4
|
4.4
|
98.2
|
|
|
Obesitas
|
35
|
1.8
|
1.8
|
100.0
|
|
|
Total
|
1893
|
100.0
|
100.0
|
|
|
KESIMPULAN :
BAHWA IBU RESPONDEN PALING BANYAK
MEMILIKI IMT NORMAL 91,1 %.
|
Statistics
|
|||
|
|
|
IMT ibu dalam 3 kategori
|
IMT anak balita
|
|
N
|
Valid
|
1893
|
1893
|
|
Missing
|
0
|
0
|
|
|
IMT ibu dalam 3 kategori
|
|||||
|
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
Valid
|
Kurang
|
50
|
2.6
|
2.6
|
2.6
|
|
Normal
|
1724
|
91.1
|
91.1
|
93.7
|
|
|
Lebih
|
119
|
6.3
|
6.3
|
100.0
|
|
|
Total
|
1893
|
100.0
|
100.0
|
|
|
KESIMPULAN : BERDASARKA IMT IBU 3 KATEGORI IBU BANYAK MEMILIKI IMT NORMAL
YAITU 91.1 %
TUJUAN
PENELITIAN
1. untuk mengetahui hubungan antara pendidikan
dengan pekerjaan yang dimiliki responden
Ø Sebutkan
nama variabel dan posisi sebagai independen atau dependen variabel
INDEPENDEN èPENDIDIKAN
DEPENDEN è PEKERJAAN
Ø Cantumkan
nama field dalam database untuk tiap variabel
PENDIDIKAN èDIDIK
PEKERJANèKERJA
Ø Cantumkan
type variabel (numerik atau kategorik)
DIDIKèKATEGORIK
KERJAèKATEGORIK
Ø Nama Uji statistik
yang akan dipakan beserta alasannya
KATEGORIK DENGAN KATEGORIK DIAKUKAN UJI
BEDA PROPORSI
HO : TIDAK ADA BEDA PROPORSI ANTARA
PENDIDIKAN IBU DENGAN TINGKAT
PEKERJAAN IBU.
Kesimpulan :
P= 0.000
P<0.05
HO DITOLAK
INTERVENSI
: ADA BEDA PROPORSI ANTARA PENDIDIKAN IBU DENGAN TINGKAT PEKERJAAN IBU.
2.untuk mengetahui
hubungan antara pekerjaan ibu dengan alat kontrasepsi yang dipilih Ibu untuk
ber-KB
à Sebutkan nama variabel
dan posisi sebagai independen atau dependen variabel
INDEPENDEN Ã PEKERJAAN IBU
DEPENDEN Ã KONTRASEPSI YANG DIPILIH
à Cantumkan nama field
dalam database untuk tiap variabel
PEKERJAAN IBUÃ KERJA
ALAT KONTRASEPSI YANG DIPAKAIÃ N5E
à Cantumkan type variabel
(numerik atau kategorik)
KERJAÃ KATEGORIK
N5EÃ KATEGORIK
à Nama Uji statistik yang
akan dipakan beserta alasannya
KATEGORIK DENGAN KATEGORIK DIAKUKAN UJI BEDA PROPORSI
à -pastekan output analisis disini
dan berikan komentar dibawahnya berupa komentar hasil, hasil statistik,
keputusan statistik dan terakhir interpretasi pengujian yang merujuk kepda
tujuan penelitian
HO :
TIDAK ADA BEDA PROPORSI ANTARA PEKERJAAN IBU DENGAN ALAT KONTRASEPSI YANG
DIGUNAKAN
Kesimpulan
:
P= 0.000
P<0.05
HO DITOLAK
INTERVENSI
: ADA BEDA PROPORSI ANTARA PEKERJAAN IBU DENGAN ALAT KONTRASEPSI YANG DIPILIH
IBU UNTUK BER-KB
3. untuk mengetahui hubungan antara pemberian tablet Fe
dengan kadar hemoglobin dalam darah
Sebutkan nama variabel dan posisi sebagai
independen atau dependen variabel
INDEPENDENèPEMBERIAN TABLET FE
DEPENDENèKADAR HEMOGLOBIN DALAM DARAH
Cantumkan nama field dalam database untuk
tiap variabel
PEMBERIAN TABLET FEèTFE
KADAR HEMOGLOBIN DARAHèHB
Cantumkan type variabel (numerik atau
kategorik)
TFEèKATEGORIK
HBè NUMERIK
Nama Uji statistik yang akan dipakan
beserta alasannya
UJI YANG
DILAKUKAN ADALAH UJI BEDA RATA-RATA KARENAN DATANYA BERSIFAT NUMERIK DN
KATEGORIK
HO: tidak ada beda
rata-rata antara pemberian tablet fe dengan kadar hb ibu responden
Sajikan hasil
pengujian normality dengan 6 pertimbangan dan keputusan (normal atau tidak)
TEST NORMSLITY : TN
HISTOGRAM :
TD
UJI NORMAL Q-Q : NORMAL
DETRENDED NORMAL Q-Q :TN
Data
tidak normal dan harus dilakukan uji man whitney karena data kategorik 2
kelompok.
P=0.000
P<0.005
HO DITOLAK
ada
beda rata-rata antara pemberian tablet fe dengan kadar hb ibu responden.
4. untuk
mengetahui hubungan antara pendidikan dengan frekuensi pemeriksaan kehamilan
Sebutkan nama variabel dan posisi sebagai
independen atau dependen variabel
INDEPENDENè pendidikan
DEPENDENè frekuensi pemeriksaan
Cantumkan nama field dalam database untuk
tiap variabel
Pendidikanè didik
Frekuensi pemeriksaanè kali
Cantumkan type variabel (numerik atau
kategorik)
Didikè kategorik
Kaliè numerik
Nama Uji statistik yang akan dipakan
beserta alasannya
UJI BEDA
RERATA KARENA DATANYA BERSIFAT KATEGORIK DAN NUMERIK.
HO : tidak ada beda rata-rata antara
tingkat pendidikan dengan frekuensi pemeriksaan kehamilan
LAKUKAN UJI NORMALITAS
Test of
normlity : TD
Normal Q-Q : TD
Kesimpulan :
TD
Data tidak
normal dilakukan uji kruscal wallis karena data kategoriknya lebih darui dua
kelompok
HO : tidak ada
hubungan rata-rata antara pendidikan ibu
dengan frekuensi pemeriksaan kehamilan.
5. Untuk
mengetahui hubungan antara umur ibu dengan tekanan darah sistolik
Sebutkan nama variabel dan posisi sebagai
independen atau dependen variabel
INDEPENDENè UMUR IBU
DEPENDENè TEKANAN DARAH SISTOLIK
Cantumkan nama field dalam database untuk
tiap variabel
UMUR IBUè UMUR
TEKANAN DARAH SISTOLIKè TD SISTOLIK
Cantumkan type variabel (numerik atau
kategorik)
UMURè NUMERIK
TD SISTOLIKè NUMERIK
Nama Uji statistik yang akan dipakan
beserta alasannya
UJI KORELASI KARENA DATANYA BERSIFAT
NUMERIK DAN NUMERIK
HO:
ADA BEDA KORELASI ANTARA UMUR IBU DENGAN TEKANAN DARAH SISTOLIK
BERDASARKAN UJI NORMALITI :
TEST OF NORMALITY : TD
HISTOGRAM :
TD
NORMAL Q-Q :
TD
DETRENDED NORMAL Q-Q : TD
KESIMPULANNYA
DATA TIDAK NORMAL DAN DIGUNAKAN ANALISA SPEARMAN.
WHO ANTRO
|
Status Gizi (BB/TB)
|
|||||
|
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
Valid
|
Sangat Kurus
|
394
|
20.8
|
21.7
|
21.7
|
|
Kurus
|
122
|
6.4
|
6.7
|
28.4
|
|
|
Normal
|
894
|
47.3
|
49.3
|
77.7
|
|
|
Gemuk
|
404
|
21.4
|
22.3
|
100.0
|
|
|
Total
|
1814
|
95.9
|
100.0
|
|
|
|
Missing
|
System
|
78
|
4.1
|
|
|
|
Total
|
1892
|
100.0
|
|
|
|
|
Status Gizi (TB/U)
|
|||||
|
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
Valid
|
Sangat Pendek
|
571
|
30.2
|
30.3
|
30.3
|
|
Pendek
|
147
|
7.8
|
7.8
|
38.0
|
|
|
Normal
|
843
|
44.6
|
44.7
|
82.7
|
|
|
Tinggi
|
326
|
17.2
|
17.3
|
100.0
|
|
|
Total
|
1887
|
99.7
|
100.0
|
|
|
|
Missing
|
System
|
5
|
.3
|
|
|
|
Total
|
1892
|
100.0
|
|
|
|
|
Status Gizi (BB/U)
|
|||||
|
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
Valid
|
Gizi Buruk
|
451
|
23.8
|
23.9
|
23.9
|
|
Gizi Kurang
|
127
|
6.7
|
6.7
|
30.6
|
|
|
Gizi Baik
|
1071
|
56.6
|
56.7
|
87.3
|
|
|
Gizi Lebih
|
239
|
12.6
|
12.7
|
100.0
|
|
|
Total
|
1888
|
99.8
|
100.0
|
|
|
|
Missing
|
System
|
4
|
.2
|
|
|
|
Total
|
1892
|
100.0
|
|
|
|
|
Sifat Akut dan Kronis
|
|||||
|
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
|
Valid
|
Akut&Kronis
|
206
|
10.9
|
11.5
|
11.5
|
|
Kronis
|
351
|
18.6
|
19.5
|
31.0
|
|
|
Akut
|
192
|
10.1
|
10.7
|
41.7
|
|
|
Normal
|
1047
|
55.3
|
58.3
|
100.0
|
|
|
Total
|
1796
|
94.9
|
100.0
|
|
|
|
Missing
|
System
|
96
|
5.1
|
|
|
|
Total
|
1892
|
100.0
|
|
|
|
