TRANSFORMASI DATA

            Hari ini minggu delapan belas agustus dua ribu tiga belas kami belajar kembali di poltekkes mengikuti SP. Topik kami pada siang ini adalah transformasi data . Yang dibahas disini adalah transformasi data :

KàK : menyederhanakan kategori

Membuat file baru untuk menampung hasil pengkategorian variable.

Misalkan pendidikan yang memilki 4 kategori (SD ,SLTP,SLTA dan PT) disederhanakan menjadi rendah (SD,SLTP) dan tinggi (SLTA dan PT).

       Perintah yang digunakan adalah transform>recode>into different variable.

   Latihan Transformasi Data

1.      Sederhanakan pekerjaan ibu menjadi 2 kategori yaitu bekerja dan tidak bekerja.Pertama       berdasarkan alas an ekonomi dan kedua berdasarkan alasan pola asuh. 
Dari sisi ekonomi ibu yang bekerja adalah yang memiliki pekerjaan sebagi PNS san Swasta . sedangkan dari sisi pola asuh ibu yang tidak bekerja adalah sebagai rumah tangga saja , selebihnya digolongkan kedalam bekerja. Pemberian kode bekerja untuk ekonomi adalah 1 sedangkan utuk pola diberikan kode 0. Alas an pemberan kode adalah pengaruh nya terhadap dependen variable. Nilai yang berpengaruh jelek diberi kode rendah dibandingkan nilai yang berpengaruh baik. 
 untuk kerja eko langkah yang dilakukan:
penyelesaian:

•  ubah nama field dari kerja menjadi kerja_eko dengan perintah sebagai berikut , pilih transform pilih  recode into different variable
• ambil kerja dan pada kotak nama ubah nama menjadi kerja_eko dan isi label 
• pilih old and new ,  kategorikan pekerjaan menjadi 2 kategori yaitu bekerja dan tidak bekerja dimana 1 bekerja dan 0 tidak bekerja masukan angka 1=1 add , 2=1 add, 3=0 add, 4=0 add, 5=0 add, 6=0 add  ( ket: 1= PNS, 2= swasta, 3= wiraswasta, 4= pedagang, 5= buruh/tani, 6= lain-lain).
• continue.OK 

lalu untuk melihat ada atau tidak missingnya maka kita lihat dengan printah sebagai berikut 

• analyze
• descriptive frequencies 
• pilih kerja_eko 
• OK

maka akan muncul kotak dialog berisi filed yang missingjika data belum di cleaning jika sudah maka missing akan nol lihat contoh :

Statistics
kerja ekonomi
N	Valid	64305
	Missing	0

kerja ekonomi
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	tidak bekerja	35304	54.9	54.9	54.9
	bekerja	29001	45.1	45.1	100.0
	Total	64305	100.0	100.0

untuk kerja asuh langkah yang dilakuakn sama dengan kerja_eko hanya nama nya saja yang berbeda untuk pengkategorian kerja berdasarkan ekonomi dibuat kerja_eko maka untuk pengkategorian kerja berdasarkan pola asuh dibuat kerja_asuh.

2.      Buat pengelompokkan responden berdasarkan kontrasepsi yang dipakai yaitu MKET dan non MKET bila menggunakan IUD dan susuk(selebihnya tergolong non mket).
penyelesaian: 

• sama seperti langkah di atas terlebih dahulu kita harus mengelompokkan data yang akan diolah yaitu MKET dan nonMKET  dimana dikatakan MKET bila menggunakan IUD(1) dan susuk (4)sedangkan dikatakan nonMKET bila menggunakan kondom(2), pil (3)dan lain(5)
• jalankan SPSS dengan perintah transform pilih recode into different variabel masukan Ksepsi dan ubah nama fieldnya menjadi MKET buat labels nya 
• masukkan old and new dimana 1=1 add,2=0 add ,3=0 add,4=1 add, 5=0 add( 1= MKET, dan 0 =nonMKET).
• continue
• OK
  untuk mengetahui data yang missing maka lakukan perintah :

• analyze
• descriptive frequencies 
• pilih MKET 
• OK

3.      Berapa persen responden yang berencana melahirkan di fasilitas kesehatan?
penyelesaian:
untuk melihat persentase responden yang berencana melahirkan di fasilitas kesehatan maka dapat diketahui melalui perintah:

• terlebih dahulu kategorikan variabel dimana ibu yang berencana melahirkan di faskes diberi kode 1 dan yang tidak di faskes diberi kode 0
• ambil perintah transform - recode into different variabel - buat nama baru menjadi faskes_2 - buat labels - old and new 1=1 add , 2=1 add , 3=0 add , 4=0 add , 5=0 add.(KET : 1=RS/RSB, 2= PKM/pustu, 3=nakes swasta, 4=dukun, 5=lain-lain).

• continue , OK 

lihat data yang missing mengguanakan perintah

• analyze
• descriptive frequencies 
• pilih faskes_2
• OK

maka akan muncul kotak dialog lihat kolom percentnya maka itulah persentase responden yang berencana melahirkan di faskes

4.      Berapa persen responden yang berencana melahirkan di tenaga kesehatan?
 persentase responden yang berencana melahirkan di tenaga kesehatan maka dapat diketahui melalui perintah:

• terlebih dahulu kategorikan variabel dimana ibu yang berencana melahirkan di nakes diberi kode 1 dan yang tidak di faskes diberi kode 0
• ambil perintah transform - recode into different variabel - buat nama baru menjadinakes_2 - buat labels - old and new 1=1 add , 2=1 add , 3=1 add , 4=0 add , 5=0 add.(KET : 1=RS/RSB, 2= PKM/pustu, 3=nakes swasta, 4=dukun, 5=lain-lain).
• continue , OK

lihat data yang missing mengguanakan perintah

• analyze
• descriptive frequencies 
• pilih  nakes_2
• OK

maka akan muncul kotak dialog lihat kolom percentnya maka itulah persentase responden yang berencana melahirkandi nakes

tenaga kesehatan
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	bukan nakes	7001	10.9	10.9	10.9
	tenaga kesehatan	57304	89.1	89.1	100.0
	Total	64305	100.0	100.0

N-->K : Mengkategorikan Variabel Numerik

Transformasi data N--> K

Mengkategorikan data numerik menjadi data kategorik,disebut juga mengelompokkan data

Ada 2 acuan yang dapat dipakai :

·         Patokan dan,

·         normatif

Acuan patokan adalah batas kategori yang sudah ditetapkan oleh disiplin ilmu yang bersangkutan. Sedangkan acuan normatif adalah batas ambang klasifikasi dicari dalam database yang bersangkutan berupa nilai-nilai deskriptif statistik (mean,median,modus,dll).

Misalnya : data kadar Hb sebelum hamil adalah data numerik . Ingin diketahui prevalensi anemia maka kadar HB harus dikelompokkan lebih dahulu. Dasar pengelompokkan adalah acuan patokan, KarenA sudah ditetapkan oleh kementrian kesehatan bahwa seorang ibu hamil dikatakan anemia bila kadar hbnya ,11 mg/dl.

Perintah SPSS yang dipakai sama dengan KàK yaitu : transform>recode into different variable.

Cari median dengan frekuesi ambil statisk ambil ke-3nya.hilangkan display frekuensi tabelnya agar tidak muncul table yang panjang

Karena variable dan nilainya sama.

Lakukan hal yang sama untuk hb2 (setelah hamil) dengan batas ambang yang sama.

Latihan transformasi data NàK

1.      Kelompokkan umur ibu menjadi resti dan tidak resti dengan ketentuan bahwa umur tidak resti adalah 20-35 tahun.

2.      Buat field baru berisi  umur balita dalam satuan tahun

3.      Buat field baru hipertensi (sistolik dan diastolik) sesuai ketentuan yang berlaku (sistol 120 mmhgdan diastole 80 mmhg). bandingkan dengan hipertensi menggunakan acuan normative (median)!

4.      Berapa persen ibu pendek (<mean TB) dan berapa persen ibu ringan (<median BB)

Transformasi data (NàK) (compute)

Menghitung nilai dari perhitungan field numeric yang sudah ada kemudian disimpan dalam field baru. Dalam perhitungan (rumus) dapat menggunakan fungsi2 matematis.

Contoh :

Untuk menghitung total skor variable komposit dipakai fungsi jumlah.

K1 bumil yang melakukan 5t.

NàN : menghitung nilai numerik baru dari numerik yang sudah ada.

SELESAI ......