UAS KOMPUTER LANJUT

MANAJEMEN DATA dengan SPSS dan WHO ANTRO

No	Perintah yang harus dikerjakan	Cara	HASIL LAPORAN
1.	Identiras Mahasiswa	Tulis nama dan NIM	1.      Nama : Septi Nursakinah Nim : 102114343 [nama file] yang akan diolah: GANJIL
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. Epidata ditutup kembali.	File hasil eksport Epidata ke SPSS berekstensi sps Dengan nama file Septi Nursakinah.sav
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, klik rika anggraini suwza.sav, lalu open syntax , edit, run all, lalu simpan dengan nama rika anggraini suwza.	File syntax Ganjil.sps Dieksport ke SPSS dan disimpan dengan nama Septi Nursakinah dan ekstensi sps
5.	Periksa file data yang dihasilkan meliputi jumlah semua field, jumlah record, jumlah field kategorik dan jumlah field numerik	Lihat variabel view lalu edit variabel view dan hitung jumlah filed. Dan kategorikan kategorik atau numerik.	File data [Septi Nursakinah] berisi 39 field dan 8390 record. Data kategorik sebanyak 26 field dan data numerik sebanyak 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 yang baru, copy  latihan spss dan run.	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 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' .

7.      Periksa terlebih dahulu field pendidikan (didik). Jika ditemukan data yang missing delete record yang missing tersebut.

Untuk mengcleaning data yang harus dilakukan dahulu adalah data filed harus di sortcase terlebih dahulu dengan mengklik Data pada Toolbar Spss lalu pilih Sortcase, lalu masukkan variable yang akan di sortcase setelah itu pilih ascending untuk mengurutkan data dari yang kecil ke yang besar atau descending untuk mengurutkan data dari yang tbesar ke yang kecil lalu klik OK. lihat pada colom field pendidikan/ field yang mau di cleaning, kalau ada data yang missing maka itu harus di delete. untuk melihat berapa data yang harus di delete maka klik analyze lalu pilih descriptif statistic  setelah itu pilih frekuensi,lalu masukkan field yang mau di lihat dan apabila kita melihat data numerik dihilangkan tanda ceklis display data, kalo untuk data kategorik harus di ceklist dan klik ok . dan keluar output data disana bisa dilihat berap jumlah data yang missing. Sehingga dapat diketahui berapa jumlah data yang harus di delete/di cleaning. jumlah record sebelum didelete 8390 record dan sesudah didelete yang missing tersisa 8382 record.

8.       Periksa field kerja, jika ditemukan data missing delete smua record yang field [kerja] nya missing.

Cara nya klik Analyse – descriptive statistik – fekuensi – kerja –ok

Lalu Hapus data yang missing : dengan cara klik data – sort case – kerja ascending – ok.

Delete yang missing.

Jumlah field sebelum didelete record yang kerja nya missing maka jumlah record awalnya adalah sama dengan jumlah record setelah soal no.7 dikerjakan yaitu sebanyak 8380 record.

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

Transform – recode into diffrent variabel – td sistolik - masukkan batasan 100 – 300 – continue – paste

Lalu Hapus data yang missing dengan cara : 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 8380  record dan setelah dilakukan penghapusan field sistol yang missing tersisa  7129 record.

10.   Lakukan hal yang sama dengan soal nomor 9 untuk variabel tekanan daarah diastolik [diastol] dengan batasan 60-150 mmHg

Dengan cara pilih : Transform – recode into diffrent variabel – td diastolik - masukkan batasan 60 – 150 – continue – paste

Hapus data yang missing dengan cara : data – sort case – TD diastolik ascending – ok

Delete yang dibawah 60 dan di atas 150

Jumlah record sebelum di delete diastol yang missing adalah sebanyak  7129 record dan setelah dilakukan penghapusan field diastol yang missing tersisa 6958  record.

11.  Periksa kembali NIM Anda :
Catat angka 2 digit terakhir NIM Anda
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 digit terakhir 

2 digit terakhir NIM saya adalah : 43
1 digit terakhir adalah :  3

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

a.       Delete sebanyak 100 record dan dimulai dari 43.

b.      Ganjil :
Jumlah record tersisa setelah di delete sebanya 100 recor mulai dari 2 digit NIM adalah 6858 record.

13.   ___

14.   Buat tabel distribusi frekuensi untuk variabel Pendidikan [didik] dan berikan komentar singkat !

Dengan cara : klik Analyse – descriptive statistik – frekuensi – didik –ok. 

Sehingga dapat dilihat banyak ibu-ibu yang berpendidikan SD/BH,SMP,SLTA atau P. Tinggi.

Dari tabel distribusi lebih dari 40 % ibu responden tamatan Perguruan Tinggi dan kurang dari 3 % tamaatn SD/BH. Menunjukkan lebih banyak ibu responden yang memiliki tingkat pendidikan tinggi (SLTA dan SLTP).

Frekuensi pendidikan formal ibu tertinggi yaitu P. Tinggi sebnyak 2975 record.

Dan frekuensi pendidikan formal ibu terendah yaitu BH/SD sebanyak 191 record.

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 di atas SMA dan selebihnya bawah – paste

Buka syntax tambahkan add value labels didik2 1 ‘Tinggi’ 2 ‘Rendah’ . – blok recode sampai execute tadi lalu run current

RECODE DIDIK (0=1) (2=1) (3=2) (4=2) INTO didik1.

VARIABLE LABELS  didik1 'kategori pendidikan'.

ADD VALUE LABELS didik1 1"Rendah" 2 "Tinggi".

EXECUTE

Berdasarkan tabel diatas pendidikan dikategorikan pendidikan tinggi dan rendah.

Kategori pendidikan tinggi sebanyak 5949 record

Kategori pendidikan rendah sebanyak 907 record

Dan missing 0

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.

Caranya :  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. 

a.      Darah

Jumlah  record sebelum didelete 6856 record dan missing 4 jadi jumlah record setelah di delete 6852 record

b.      Pernah

Jumlah  record sebelum didelete 6852 record dan missing 1 jadi jumlah record setelah di delete 6851 record

c.       Akseptor

Jumlah  record sebelum didelete 6851 record dan missing 6  jadi jumlah record setelah di delete 6845 record

d.      Alasan

Jumlah  record sebelum didelete 6845 record dan missing 17 jadi jumlah record setelah di delete 6828 record

e.       Rencana

Jumlah  record sebelum didelete 6828 record dan missing 52 jadi jumlah record setelah di delete 6776 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

a.      Hb

Jumlah  record sebelum didelete 6776 record dan missing 24  jadi jumlah record setelah di delete 6752 record

b.      TB

Jumlah  record sebelum didelete 6752 record dan missing 3 jadi jumlah record setelah di delete 6749 record

c.       BB

Jumlah  record sebelum didelete 6749 record dan missing  jadi jumlah record setelah di delete 6733 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).

·         a. Lakukan analyze àdescriptive 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 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  juga. 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  record sebelum didelete 6733 record dan missing  jadi jumlah record setelah di delete 6563 record”

19.   Sort case field pernah memeriksakan kehamilan lalu liat field 5T jika 2 berarti tidak pernah memeriksakan kehamilan berarti 5T harus 0. Setelah itu frequensi kan 5T untuk mengetahui missing setelah dapat delete missing.

a.      Fundus dan pernah

Langkah – langkah

·                     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  juga. 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.

“Jumlah  record sebelum didelete 6563 record dan missing  jadi jumlah record setelah di delete 6538 record”

b.      Pernah dan ukur TB

Langkah – langkah

·                     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.

“Jumlah  record sebelum didelete 6538 record dan missing 0, jadi jumlah record yang tersisa 6538 record “

c.       Pernah dan Tensi

Langkah – langkah

·                     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.

“Jumlah  record sebelum didelete 6538 record dan missing 0, jadi jumlah record yang tersisa sebanyak 6538 record”

d.      Pernah dan TFE

Langkah – langkah

·                     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.

“Jumlah  record sebelum didelete 6538 record dan missing 0, jadi jumlah record yang tersisa sebanyak 6538 record”

e.       Pernah dan TT

Langkah – langkah

·                     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.

Jumlah  record sebelum didelete 6538 record dan missing 0, jadi jumlah record yang tersisa sebanyak 6538 record”

20.   Sort case field akseptor lalu liat field nya jika 0 filed ksepsi, dan N5E harus kosong dan field alasan tidak berKB dan alasan lain tidak ber KB harus terisi.

Lakukan analisa frekuensi untuk ketiga data akseptor, kontrasepsi dan alasan tidak berKB dan bandingkan data : data akseptor (Ya)= Data Kontrasepsi (Ya)≠ Alasan berKB.

“Jumlah field sebelum konsistensi akseptor, kontrasepsi dan alasan tidak ber KB, dengan yg missing adalah 6538  dan setelah field konsistensi akseptor, kontrasepsi dan alasan tidak ber KB dicleaning 6538 adalah record

21.   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.

COMPUTE imtibu=BB/((TB / 100)*(TB / 100)).

EXECUTE.

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'.

EXECUTE .

RECODE

Dari tabel diatas lebih dari separoh ibu hamil memiliki IMT normal /status gizi baik.

Jumlah  record sebelum didelete 6378 record dan missing jadi jumlah record setelah didelete 6340 record

COMPUTE IMTAnak=WEIGHT / ((HEIGHT/100) * (HEIGHT/100)).

EXECUTE.

  (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 .

Dari tabel diatas sebagian besar Anak balita kebanyakan memiliki imt Normal. 

Jumlah  record sebelum didelete 6538 record dan missing jadi jumlah record setelah didelete 6378 record

Analisa Bivariat

1.                  Tentukan variabel independen dan dependen sesuai dengan tujuan penelitian

2.                  Tentuka nama field dari variable tersebut

3.                  Tentukan apakah variable tersebut tergolong ke numerik atau kategorik

4.                  Tentukan uji yang harus dilakukan.

Apabiladata kategorik maka di lakukan uji chi-square dan HO pengujiannya. Apabila numerik dengan kategorik uji yang dilakukan uji anova, apabila numerik dan kategorik uji t-test, dan apabila keduanya numerik maka dilakukan uji korelasi.

a. Cara melakukan uji chi-square : klik analyze, pilih descriptif statistic, pilih crosstab. masukkan variablenya dan pilih statistik lalu ceklist chi-square.

b. Cara melakukan uji t-test : klik analyze, compare mean lalu klik independent sample t-test. pada test variable masukkan data numerik dan data kategorik serta tetapkan define group misalnya 1= tinggi 2 =rendah. lalu klik OK

c. Cara melakukan uji Anova : klik analyze, pilih omapre mean dan pilih  one-way Anova. masukkan variblenya dan jgan lupa klik post hoc untuk mengklik bafferoni dan klik OK.

5.                  Kalau salah satu varible merupakan variable numerik maka harus di 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.

6.                   Lalu lihat hasil uji

7.                  Buat bahas dan buat kesimpulan serta bandingkan dengan penelitian terdahulu

a.      Tujuan Penelitian untuk mengetahui hubungan antara pendidikan dengan pekerjaan yang dimilik reponden

·         Idenfifikasi variabel dalam tujuan penelitian :

Pendidikan : Independent variabel

Pekerjaan : Dependent Variabel

·         Identifikasi field dalam database :

Pendidikan : didik

Pekerjaan : kerja

·         Tentukan karakteristik data (K/N):

Pendidikan : K

Pekerjaan : K

·         tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian

uji : uji beda proporsi

teori : makin tinggi tinggi pendidikan ibu maka makin bagus pekerjan ibu

HO :tidak ada perbedaan proporsi ibu antara ibu yang tamatan Sd, SLTP, SLTA dan perguruan tinggi

Kesimpulan : Ada perbedaan prporsi ibu yang tidak bekerja antara ibu yng tamat sd,sltp,slta dan perguruntinggi

b.      Tujuan Penelitian untuk mengetahui hubungan antara pekerjaan ibu dengan alat kontrasepsi yang dipilih Ibu untuk ber-KB

·         Idenfifikasi variabel dalam tujuan penelitian :

Pekerjaan  : Independent variabel

Alat kontrasepsi : Dependent Variabel

·         Identifikasi field dalam database :

Pekerjaan : kerja

Kontrasepsi yang dipakai : Ksepsi

·         Tentukan karakteristik data (K/N):

Pekerjaan : K

Kontrasepsi yg dipakai :K

·         tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian

uji : uji beda proporsi

teori : makin tinggi pekerjaan ibu maka makin bagus alat kontrasepsi yang digunakan

HO : ada perbedaan proporsi alat kontrasepsi yang digunakan ibu dengan tingkat pekerjaan ibu

·         hasil uji dan interpretasi

Kesimpulan :  ada perbedaan proporsi alat kontrasepsi yang digunakan ibu dengan tingkat pekerjaan yang dimiliki ibu

c.       tujuan penelitian untuk mengetahui hubungan antara pemberian tablet Fe dengan kadar hemoglobin dalam darah

·         Idenfifikasi variabel dalam tujuan penelitian :

Pemberia tablet FE  : Independent variabel

Kadar Hb : Dependent Variabel

·         Identifikasi field dalam database :

Tablet Fe : TFE

Kadar Hb : Hb

·         Tentukan karakteristik data (K/N):

Tablet Fe : K

Kadar Hb :N

·         tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian

Uji : = Uji beda 2 rata2 à 2 kategorik à Uji beda 2 rata2 à T-Test                       àIndependent sampel T-TEST

Teori : jika diberikan tablet Fe maka kadar Hb semakin bagus

HO : ada perbedaan rata-rata kadar Hb ibu antara yang mendapatkan Tfe dan Yang tidak mendapatkan Tfe.

·         hasil uji dan interpretasi

Kesimpulan :

Nilai p < 0,05 ; Ada perbedaan kadar Hb ibu yang mendapatkan tablet Fe dan dan ibu yang tidak mendapatkan tablet Fe.

d.      Tujuan penelitian untuk mengetahui hubungan antara pendidikan dengan frekuensi pemeriksaan kehamilan

·         Idenfifikasi variabel dalam tujuan penelitian :

Pendidikan : Independent variabel

Frekuensi kehamilan: Dependent Variabel

·         Identifikasi field dalam database :

Pendidikan  : didik

Frekuensi kehamilan : kali

·         Tentukan karakteristik data (K/N):

pendidikan : K

frekuensi kehamilan :N

·         tetapkan uji sementara, teori yang relevan dan Hipotesis Nol (H0) pengujian

uji : uji One-Way Anova

teori : makin tinggi pendidikan maka makin sering yang meriksaka kehamilan

HO : tidak ada perbedaan rata-rata frekuensi pemeriksaan kehamilan antara ibu yang tamatan SD,SLTP,SLTP dan perguruan tinggi

·         hasil uji dan interpretasi

e.       Tujuan penelitian 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 : Korelasi

teori : Makin tinggi umur ibu makin tinggi tekanan darah sistolik ibu

HO : Tidak ada korelasi antara umur ibu dengan tekanan darah

e)      Hasil uji dan interpretasi

P<0,05 maka data sebaran tidak normal

Kesimpulan :

Korelasi arah positif dengan kekuatan kuat

WHO ANTRO

1.      Save as dan SPSS ke format dbase IV

2.       Buka WHO Anthro dan menggunakan menu Nutritional survey baca data DBF, kemudian olah sesuai prosedur yang sudah di pelajari

3.       Pilih semua baris dan copy ke Clipboard dan pastekan di Excel. Edit nama field dan hal-hal lain yang perlu di edit, kemudian simpan ke format Excel 97-2003

4.      Buka SPSS dan baca file yang berformat XLS, setelah terbaca simpan

5.       Lakukan trasformasi data untuk membuat klasifikasi status gizi 3 indeks yang tersedia datanya (BB/TB, TB/U, BB/U). langkah ini bisa di persingkat dengan me-run syntax yang sudah didapatkan sewaktu kuliah. Hitung prevalensi statsu gizi dengan perintah frequencies dan pastekan hasilnya.

6.      Hitung prevalensi sifat masalah gizi (akut dan kronis, kronis,akut dan normal). Cara tercepat melakukannya adalah me-run syntax yang di hasilkan pada praktek dalam perkuliahan. Hasil prevalensinya di pastekan disini.

Hasil Kerja Who Antro

1.      Klasifikasi status gizi menurut BB/TB :

dari hasil dapat dilihat bahwa sebanyak 21.3 % anak berstatus Sangat kurus dan 22,7% anak berstatus gemuk. prevalensi anak berstatus Gizi normal yaitu sebanyak 49,6 %.

2.      Klasifikasi status gizi menurut TB/U :

dari hasil dapat dilihat sebanyak 23.7 % anak berstatus sangat pendek dan hanya 18.4% anak berstatus tinggi. sedangkan prevalensi anak berstatus normal sebanyak 50,2%.

3.      Klasifikasi status gizi menurut BB/U :

dari hasil dapat dilihat sebanyak 21.0 % anak berstatus gizi buruk dan lebih dari seaparuh anak berstatus gizi baik yaitu sebanyak 57.5 %.

4.      Akut dan Kronis :

dari hasil dapat dilihat hanya 9.3 % anak yang dinyatakan menderita kekurangan gizi akut dan kronis dan lebih dari separuh anak berstatus gizi normal yaitu sebanyak 57.4 %.

See More...

UAS KOMPUTER

UAS KOMPUTER LANJUT

MANAJEMEN DATA dengan SPSS dan WHO ANTRO

1.      Nama : Septi Nursakinah

Nim : 102114343

2.      Berdasarkan angka NIM terakhir saya, maka file yang akan diolah adalah Ganjil.rec

3.      File hasil eksport Epidata ke SPSS berekstensi sps Dengan nama file Septi Nursakinah.sav

4.      File syntax Ganjil.sps Dieksport ke SPSS dan disimpan dengan nama Septi Nursakinah dan ekstensi sav

5.      File data [file] berisi 39 field dan 8390 record. Data kategorik sebanyak 26 field dan data numerik sebanyak 13 field

6.      Pembuatan Value Labels

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' .

7.      Catat disini jumlah record sebelum didelete 8390 record dan sesudah didelete yang missing tersisa 8382 record

8.      Jumlah field sebelum didelete record yang kerja nya missing maka jumlah record awalnya adalah sama dengan jumlah record setelah soal no.7 dikerjakan yaitu sebanyak 8380 record.

9.      Jumlah record sebelum di delete sistol yang missing adalah sebanyak 8380 record dan setelah dilakukan penghapusan field sistol yang missing tersisa 7129 record

10.  Jumlah record sebelum di delete diastol yang missing adalah sebanyak 7129 record dan setelah dilakukan penghapusan field diastol yang missing tersisa 6958 record

11.  2 digit terakhir NIM saya adalah : 43

1        digit terakhir adalah : 3 Ganjil

12.  Ganjil

a. Jumlah record sebelum di delete TB Ibu yang missing adalah sebanyak 6958 record dan setelah dilakukan penghapusan field TB Ibu yang missing adalah 0

b. Jumlah record tersisa setelah di delete sebanya 100 recor mulai dari 2 digit NIM adalah 6858 record

Click Here...

Analisa Bivariat

1. Tujuan penelitian:

Mengetahui hubungan tingkat pendidikan ibu dengan jenis pekerjaan yang dimiliki

a.      Variabel independen à tingkat pendidikan ibu

Variabel dependen à jenis pekerjaan ibu

b.      Tingkat pendidikan ibu à didik

Jenis pekerjaan ibu à kerja

c.       Didik à kategorik

Kerja à kategorik

d.      uji → uji beda proporsi. Makin tinggi tingkat pendidikan makin tinggi pekerjaan ibu. HO pengujian : tidak ada perbedaan proporsi ibu yang memiliki perkejaan antara ibu yang tamat SD,SLTP,SLTA dan Perguruan Tinggi.

e.       –

f.         

Chi-Square Tests
	Value	df	Asymp. Sig. (2-sided)
Pearson Chi-Square	5.637E3a	15	.000
Likelihood Ratio	5.110E3	15	.000
Linear-by-Linear Association	2.280E3	1	.000
N of Valid Cases	8065
a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 11,17.

g.      ada perbedaan proporsi ibu yang memiliki pekerjaan antara ibu yang tamat SD, SLTP,SLTA dan Perguruan Tinggi.

2. Tujuan penelitian

Mengetahui hubungan tingkat pendidikan Ibu dengan kadar Hb ibu

a.      Var independent à tingkat pendidikan ibu

Var dependen à kadar Hb ibu

b.      Tingkat pendidikan ibuà didik

Kadar Hb ibu à Hb

c.       Didik à kategorik

Kadar Hb à numerik

d.      Uji annova à makin tinggi tingkat pendidikan ibu makin tinggi pula kadar Hb ibu. HO à tidak ada perbedaan proporsi ibu yang berpendidikan SD, SLTP, SMA dan Perguruan Tinggi dengan kadar Hb

e.       Uji normality

Statistics
Kadar HB (g/dl)
N	Valid	8065
	Missing	0
Mean		11.654
Median		12.000
Mode		12.0
Skewness		.143
Std. Error of Skewness		.027

è Data normal

f.         

ANOVA
Kadar HB (g/dl)
	Sum of Squares	df	Mean Square	F	Sig.
Between Groups	71.356	3	23.785	24.961	.000
Within Groups	7681.467	8061	.953
Total	7752.824	8064

g.      ada perbedaan proporsi ibu yang memiliki kadar Hb tinggi atau rendah  antara ibu yang tamat SD, SLTP,SLTA dan Perguruan Tinggi.

3. Tujuan penelitian

Mengetahui hubungan tingkat pendidikan dengan mendapat imunisasi TT saat pemeriksaan kehamilan pertama kali

a.      Var independent à tingkat pendidikan ibu

Var dependen à pernah atau tidaknya mendapat imunisasi TT saat pemeriksaan pertama kali

b.      Tingkat pendidikan à didik

Pernah atau tidaknya mendapat TT à TT

c.       Didik à kategorik

TT à kategorik

d.      Uji chi square à makin tinggi tingkat pendidikan ibu makin tinggi pula frekuensi pernah atau tidak pernahnya ibu mendapat imunisasi TT saat pemeriksaan kehamilan pertama kali

e.       –

f.        

Chi-Square Tests
	Value	df	Asymp. Sig. (2-sided)
Pearson Chi-Square	17.333a	3	.001
Likelihood Ratio	17.426	3	.001
Linear-by-Linear Association	4.593	1	.032
N of Valid Cases	7668
a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 22,20.

g.      Ada perbedaan proporsi ibu yang mendapat imunisasi TT pada pemeriksaan pertama kali antara ibu yang berpendidikan SD, SLTP, SMA dan Perguruan Tinggi

see more

Anemia Gizi Besi

SEPUTAR ANEMIA GIZI BESI (AGB) Menurut definisi, anemia adalah pengurangan jumlah sel darah merah, kuantitas hemoglobin, dan volume pada sel darah merah (hematokrit) per 100 ml darah. Dengan demikian, anemia bukan suatu diagnosis melainkan pencerminan dari dasar perubahan patofisiologis, yang diuraikan oleh anamnesa dan pemikiran fisik yang teliti, serta asi didukung oleh pemeriksaan laboratorium. Manifestasi klinik             Pada anemia, karena semua sistem organ dapat terlibat, maka dapat menimbulkan manifestasi klinik yang luas. Manifestasi ini bergantung pada: (1) kecepatan timbulnya anemia (2) umur individu (3) mekanisme kompensasinya (4) tingkat aktivitasnya (5) keadaan penyakit yang mendasari, dan (6) parahnya anemia tersebut.                 Karena jumlah efektif sel darah merah berkurang, maka  lebih sedikit O2 yang dikirimkan ke jaringan. Kehilangan darah yang mendadak (30% atau lebih), seperti pada perdarahan, menimbulkan simtomatoogi sekunder hipovolemia dan hipoksemia. Namun pengurangan hebat massa sel darah merah dalam waktu beberapa bulan (walaupun pengurangannya 50%) memungkinkan mekanisme kompensasi tubuh untuk menyesuaikan diri, dan biasanya penderita asimtomatik, kecuali pada kerja jasmani berat. Mekanisme kompensasi bekerja melalui: (1) peningkatan curah jantung dan pernafasan, karena itu menambah pengiriman O2       ke jaringan-jaringan oleh sel darah merah (2) meningkatkan pelepasan O2 oleh hemoglobin (3) mengembangkan volume plasma dengan menarik cairan dari sela-sela jaringan,  dan (4) redistribusi aliran darah ke organ-organ vital (deGruchy, 1978 ). Etiologi Karena cacat sel darah merah (SDM)          Sel darah merah mempunyai komponen penyusun yang banyak sekali. Tiap-tiap komponen ini bila mengalami cacat atau kelainan, akan menimbulkan masalah bagi SDM sendiri, sehingga sel ini tidak berfungsi sebagai mana mestinya dan dengan cepat mengalami penuaan dan segera dihancurkan. Pada umumnya cacat yang dialami SDM menyangkut senyawa-senyawa protein yang menyusunnya. Oleh karena kelainan ini menyangkut protein, sedangkan sintesis protein dikendalikan oleh gen di DNA. 1. Karena kekurangan zat gizi  Anemia jenis ini merupakan salah satu anemia yang disebabkan oleh faktor                                                                                                                             luar tubuh, yaitu kekurangan salah satu zat gizi. Anemia karena kelainan dalam SDM   disebabkan oleh faktor konstitutif yang menyusun sel tersebut. Anemia jenis ini tidak dapat diobati, yang dapat dilakukan adalah hanya memperpanjang usia SDM sehingga mendekati umur yang seharusnya, mengurangi beratnya gejala atau bahkan hanya mengurangi penyulit yang terjadi. 2. Karena perdarahan        Kehilangan darah dalam jumlah besar tentu saja akan menyebabkan kurangnya jumlah SDM dalam darah, sehingga terjadi anemia. Anemia karena perdarahan besar  dan dalam waktu singkat ini secara nisbi jarang terjadi. Keadaan ini biasanya terjadi karena kecelakaan dan bahaya yang diakibatkannya langsung disadari. Akibatnya, segala usaha akan dilakukan untuk mencegah perdarahan dan kalau mungkin mengembalikan jumlah darah ke keadaan semula, misalnya dengan tranfusi. 3. Karena otoimun  Dalam keadaan tertentu, sistem imun tubuh dapat mengenali dan menghancurkan bagian-bagian tubuh yang biasanya tidak dihancurkan. Keadaan ini sebanarnya tidak seharusnya terjadi dalam jumlah besar. Bila hal tersebut terjadi terhadap SDM, umur SDM akan memendek karena dengan cepat dihancurkan oleh sistem imun. Diagnosis (gejala atau tanda-tanda) Tanda-tanda yang paling sering  dikaitkan dengan anemia adalah:  kelelahan, lemah, pucat, dan kurang bergairah sakit kepala, dan mudah marah tidak mampu berkonsentrasi, dan rentan terhadap infeksi pada anemia yang kronis menunjukkan bentuk kuku seperti sendok dan rapuh, pecah-pecah pada sudut mulut, lidah lunak dan sulit menelan. Karena faktor-faktor seperti pigmentasi kulit, suhu dan kedalaman serta distribusi kapiler mempengaruhi warna kulit, maka warna kulit bukan merupakan indeks pucat yang dapat diandalkan. Warna kuku, telapak tangan, dan membran mukosa mulut serta konjungtiva dapat digunakan lebih baik guna menilai kepucatan. Takikardia dan bising jantung (suara yang disebabkan oleh kecepatan aliran darah yang meningkat) menggambarkan beban kerja dan curah jantung yang meningkat. Angina (sakit dada), khususnya pada penderita yang tua dengan stenosis koroner, dapat diakibatkan karena iskemia miokardium. Pada anemia berat, dapat menimbulkan payah jantung kongesif sebab otot jantung yang kekurangan oksigen tidak dapat menyesuaikan diri dengan beban kerja jantung yang meningkat. Dispnea (kesulitan bernafas), nafas pendek, dan cepat lelah waktu melakukan aktivitas jasmani merupakan manifestasi berkurangnya pengiriman O2. Sakit kepala, pusing, kelemahan dan tinnitus (telinga berdengung) dapat menggambarkan berkurangnya oksigenasi pada susunan saraf pusat. Pada anemia yang berat dapat juga timbul gejala saluran cerna yang umumnya berhubungan dengan keadaan defisiensi. Gejala-gejala ini adalah anoreksia, nausea, konstipasi atau diare dan stomatitis (sariawan lidah dan mulut).        Klasifikasi anemia                  Pada klasifikasi anemia menurut morfologi, mikro dan makro menunjukkan ukuran sel darah merah sedangkan kromik menunjukkan warnanya. Sudah dikenal tiga klasifikasi besar.           Yang pertama adalah anemia normositik normokrom. Dimana ukuran dan bentuk sel-sel darah merah normal serta mengandung hemoglobin dalam jumlah yang normal tetapi individu menderita anemia. Penyebab anemia jenis ini adalah kehilangan darah akut, hemolisis, penyakit kronik termasuk infeksi, gangguan endokrin, gangguan ginjal, kegagalan sumsum, dan penyakit-penyakit infiltratif metastatik pada sumsum tulang.           Kategori besar yang kedua adalah anemia makrositik normokrom. Makrositik berarti ukuran sel-sel darah merah lebih besar dari normal tetapi normokrom karena konsentrasi hemoglobinnya normal. Hal ini diakibatkan oleh gangguan atau terhentinya sintesis asam nukleat DNA seperti yang ditemukan pada defisiensi B12 dan atau asam folat. Ini dapat juga terjadi pada kemoterapi kanker, sebab agen-agen yang digunakan mengganggu metabolisme sel.          Kategori anemia ke tiga adalah anemia mikrositik hipokrom. Mikrositik berarti kecil, hipokrom berarti mengandung hemoglobin dalam jumlah yang kurang dari normal. Hal ini umumnya menggambarkan insufisiensi sintesis hem (besi), seperti pada anemia defisiensi besi, keadaan sideroblastik dan kehilangan darah kronik, atau gangguan sintesis globin, seperti pada talasemia (penyakit hemoglobin abnormal kongenital). Anemia dapat juga diklasifikasikan  menurut etiologinya. Penyebab utama yang dipikirkan adalah  (1) meningkatnya kehilangan sel darah merah dan  (2) penurunan atau gangguan pembentukan sel.  Meningkatnya kehilangan sel darah merah dapat disebabkan oleh perdarahan atau oleh penghancuran sel. Perdarahan dapat disebabkan oleh trauma atau tukak, atau akibat pardarahan kronik karena polip pada kolon, penyakit-penyakit keganasan, hemoriod atau menstruasi. Penghancuran sel darah merah dalam sirkulasi, dikenal dengan nama hemolisis, terjadi bila gangguan pada sel darah merah itu sendiri yang memperpendek hidupnya atau karena perubahan lingkungan yang mengakibatkan penghancuran sel darah merah. Keadaan dimana sel darah merah itu sendiri terganggu adalah: 1. hemoglobinopati, yaitu hemoglobin abnormal yang diturunkan, misal nya anemia sel sabit                        2. gangguan sintetis globin misalnya talasemia 3. gangguan membran sel darah merah misalnya sferositosis herediter 4.defisiensi enzim misalnya defisiensi G6PD (glukosa 6-fosfat dehidrogenase).                 Yang disebut diatas adalah gangguan herediter. Namun, hemolisis dapat juga disebabkan oleh gangguan lingkungan sel darah merah yang seringkali memerlukan respon imun. Respon isoimun mengenai berbagai individu dalam spesies yang sama dan diakibatkan oleh tranfusi darah yang tidak cocok. Respon otoimun terdiri dari pembentukan antibodi terhadap sel-sel darah merah itu sendiri. Keadaan yang di namakan anemia hemolitik otoimun dapat timbul tanpa sebab yang diketahui setelah pemberian suatu obat tertentu seperti alfa-metildopa, kinin, sulfonamida, L-dopa atau pada penyakit-penyakit seperti limfoma, leukemia limfositik kronik, lupus eritematosus, artritis reumatorid dan infeksi  virus. Anemia hemolitik otoimun selanjutnya diklasifikasikan menurut suhu dimana antibodi bereaksi dengan sel-sel darah merah –antibodi tipe panas atau antibodi tipe dingin. Malaria adalah penyakit parasit yang ditularkan ke manusia melalui gigitan nyamuk anopheles betina yang terinfeksi. Penyakit ini akan menimbulkan anemia hemolitik berat ketika sel darah merah diinfestasi oleh parasit plasmodium, pada keadaan ini terjadi kerusakan pada sel darah merah, dimana permukaan sel darah merah tidak teratur. Sel darah merah yang terkena akan segera dikeluarkan dari peredaran darah oleh limpa(Beutler, 1983)            Hipersplenisme (pembesaran limpa, pansitopenia, dan sumsum tulang hiperselular atau normal) dapat juga menyebabkan hemolisis akibat penjeratan dan penghancuran sel darah merah. Luka bakar yang berat khususnya jika kapiler pecah dapat juga mengakibatkan hemolisis. Klasifikasi etiologi utama yang kedua adalah pembentukan sel darah merah yang berkurang atau terganggu (diseritropoiesis). Setiap keadaan yang mempengaruhi fungsi sumsum tulang dimasukkan dalam kategori ini. Yang termasuk dalam kelompok ini adalah: (1) keganasan yang tersebar seperti kanker payudara, leukimia dan multipel mieloma; obat dan zat kimia toksik; dan penyinaran dengan radiasi dan (2) penyakit-penyakit menahun yang melibatkan ginjal dan hati, penyakit-penyakit infeksi dan defiensi endokrin. Kekurangan vitamin penting seperti vitamin B12, asam folat, vitamin C dan besi dapat mengakibatkan pembentukan sel darah merah tidak efektif sehingga menimbulkan anemia. Untuk menegakkan diagnosis anemia harus digabungkan pertimbangan morfologis dan etiologi. Anemia aplastik                 Anemia aplastik adalah suatu gangguan pada sel-sel induk disumsum tulang yang dapat menimbulkan kematian, pada keadaan ini jumlah sel-sel darah yang dihasilkan tidak memadai. Penderita mengalami pansitopenia yaitu kekurangan  sel darah merah, sel darah putih dan trombosit. Secara morfologis sel-sel darah merah terlihat normositik dan normokrom, hitung retikulosit rendah atau hilang dan biopsi sumsum tulang menunjukkan suatu keadaan yang disebut “pungsi kering” dengan hipoplasia yang nyata dan terjadi pergantian dengan jaringan lemak. Langkah-langkah pengobatan terdiri dari mengidentifikasi dan menghilangkan agen penyebab. Namun pada beberapa keadaan tidak dapat ditemukan agen penyebabnya dan keadaan ini disebut idiopatik. Beberapa keadaan seperti ini diduga merupakan keadaan imunologis. Gejala-gejala anemia aplastik Kompleks gejala anemia aplastik berkaitan dengan pansitopenia. Gejala-gejala lain yang berkaitan dengan anemia adalah defisiensi trombosit dan sel darah putih. Defisiensi trombosit dapat mengakibatkan: (1)ekimosis dan ptekie (perdarahan dalam kulit) (2)epistaksis (perdarahan hidung) (3)perdarahan saluran cerna (4)perdarahan saluran kemih (5)perdarahan susunan saraf pusat. Defisiensi sel darah putih mengakibatkan lebih mudahnya terkena infeksi. Aplasia berat disertai pengurangan atau tidak adanya retikulosit jumlah granulosit yang kurang dari 500/mm3 dan jumlah trombosit yang kurang dari 20.000 dapat mengakibatkan kematian dan infeksi dan/atau perdarahan dalam beberapa minggu atau beberapa bulan. Namun penderita yang lebih ringan dapat hidup bertahun- tahun. Pengobatan terutama dipusatkan pada perawatan suportif sampai terjadi penyembuhan sumsum tulang. Karena infeksi dan perdarahan yang disebabkan oleh defisiensi sel lain merupakan penyebab utama kematian maka penting untuk mencegah perdarahan dan infeksi. Pencegahan anemia aplastik dan terapi yang di lakukan Tindakan pencegahan dapat mencakup lingkungan yang dilindungi (ruangan dengan aliran udara yang mendatar atau tempat yang nyaman) dan higiene yang baik. Pada pendarahan dan/atau infeksi perlu dilakukan terapi komponen darah yang bijaksana, yaitu sel darah merah, granulosit dan trombosit dan antibiotik. Agen-agen perangsang sumsum tulang seperti androgen diduga menimbulkan eritropoiesis, tetapi efisiensinya tidak menentu. Penderita anemia aplastik kronik dipertahankan pada hemoglobin (Hb) antara 8 dan 9 g dengan tranfusi darah yang periodik. Penderita anemia aplastik berusia muda yang terjadi secara sekunder akibat kerusakan sel induk memberi respon yang baik terhadap tranplantasi sumsum tulang dari donor yang cocok (saudara kandung dengan antigen leukosit manusia [HLA] yang cocok). Pada kasus-kasus yang  dianggap terjadi reaksi imunologis maka digunakan globulin antitimosit (ATG) yang mengandung antibodi untuk melawan sel T manusia untuk mendapatkan remisi sebagian. Terapi semacam ini dianjurkan untuk penderita yang agak tua atau untuk penderita yang tidak mempunyai saudara kandung yang cocok. Anemia defisiensi besi                 Anemia defisiensi besi secara morfologis diklasifikasikan sebagai anemia mikrositik hipokrom disertai penurunan kuantitatif pada sintetis hemoglobin. Defisiensi besi merupakan penyebab utama anemia di dunia. Khususnya terjadi pada wanita usia subur, sekunder karena kehilangan darah sewaktu menstruasi dan peningkatan kebutuhan besi selama hamil.  Penyebab lain defisiensi besi adalah: (1)asupan besi yang tidak cukup misalnya pada bayi yang diberi makan susu belaka  sampai usia antara 12-24 bulan dan pada individu tertentu yang hanya memakan sayur- sayuran saja; (2)gangguan absorpsi seperti setelah gastrektomi dan (3)kehilangan darah yang menetap seperti pada perdarahan saluran cerna yang lambat karena polip, neoplasma, gastritis varises esophagus, makan aspirin dan hemoroid. Dalam keadaan normal tubuh orang dewasa rata-rata mengandung 3 sampai 5 g besi, bergantung pada jenis kelamin dan besar tubuhnya. Hampir dua pertiga besi terdapat dalam hemoglobin yang dilepas pada proses penuaan serta kematian sel dan diangkut melalui transferin plasma ke sumsum tulang untuk eritropoiesis. Dengan kekecualian dalam jumlah yang kecil dalam mioglobin (otot) dan dalam enzim-enzim hem, sepertiga sisanya disimpan dalam hati, limpa dan dalam sumsum tulang sebagai feritin dan sebagai hemosiderin untuk kebutuhan-kebutuhan lebih lanjut. Patofisiologi anemia defisiensi besi Walaupun dalam diet rata-rata terdapat 10 - 20 mg besi, hanya sampai 5% - 10% (1 - 2 mg) yang sebenarnya sampai diabsorpsi. Pada persediaan besi berkurang maka besi dari diet tersebut diserap lebih banyak. Besi yang dimakan diubah menjadi besi fero dalam lambung dan duodenum; penyerapan besi terjadi pada duodenum dan jejunum proksimal. Kemudian besi diangkut oleh transferin plasma ke sumsum tulang untuk sintesis hemoglobin atau ke tempat penyimpanan di jaringan. Tanda dan gejala anemia pada penderita defisiensi besi Setiap milliliter darah mengandung 0,5 mg besi. Kehilangan besi umumnya sedikit sekali, dari 0,5 sampai 1 mg/hari. Namun wanita yang mengalami menstruasi kehilangan tambahan 15 sampai 28 mg/bulan. Walaupun kehilangan darah karena menstruasi berhenti selama hamil, kebutuhan besi harian tetap meningkat, hal ini terjadi oleh karena volume darah ibu selama hamil meningkat, pembentukan plasenta, tali pusat dan fetus, serta mengimbangi darah yang hilang pada waktu melahirkan. Selain tanda dan gejala yang ditunjukkan oleh anemia, penderita defisiensi besi yang berat (besi plasma lebih kecil dari 40 mg/ 100 ml;Hb 6 sampai 7 g/100 ml)mempunyai rambut yang rapuh dan halus serta kuku tipis, rata, mudah patah dan sebenarnya berbentuk seperti sendok (koilonikia). Selain itu atropi papilla lidah mengakibatkan lidah tampak pucat, licin, mengkilat, merah daging, dan meradang dan sakit. Dapat juga timbul stomatitis angularis, pecah-pecah dengan kemerahan dan rasa sakit di sudut-sudut mulut. Pemeriksaan darah menunjukkan jumlah sel darah merah normal atau hampir normal dan kadar hemoglobin berkurang. Pada sediaan hapus darah perifer, eritrosit mikrositik dan hipokrom disertain poikilositosis dan aniositosis. Jumlah retikulosit mungkin normal atau berkurang. Kadar besi berkurang walaupun kapasitas meningkat besi serum meningkat. Pengobatan anemia pada penderita defisiensi besi Pengobatan defisiensi besi mengharuskan identifikasi dan menemukan penyebab dasar anemia. Pembedahan mungkin diperlukan untuk menghambat perdarahan aktif yang diakibatkan oleh polip, tukak, keganasan dan hemoroid; perubahan diet mungkin diperlukan untuk bayi yang hanya diberi makan susu atau individu dengan idiosinkrasi makanan atau yang menggunakan aspirin dalam dosis besar. Walaupun modifikasi diet dapat menambah besi yang tersedia (misalnya hati, masih dibutuhkan suplemen besi untuk meningkatkan hemoglobin dan mengembalikan persediaan besi. Besi tersedia dalam bentuk parenteral dan oral. Sebagian penderita memberi respon yang baik terhadap senyawa-senyawa oral seperti ferosulfat. Preparat besi parenteral digunakan secara sangat selektif, sebab harganya mahal dan mempunyai insidens besar terjadi reaksi yang merugikan. Anemia megaloblastik             Anemia megaloblastik diklasifikasikan menurut morfologinya sebagai anemia makrositik normokrom. Sebab-sebab atau gejala anemia megaloblastik             Anemia megaloblastik sering disebabkan oleh defisiensi vitamin B12 dan asam folat yang mengakibatkan sintesis DNA terganggu. Defisiensi ini mungkin sekunder karena malnutrisi, malabsorpsi, kekurangan faktor intrinsik  (seperti terlihat pada anemia pernisiosa dan postgastrekomi) infestasi parasit, penyakit usus dan keganasan, serta agen kemoterapeutik. Individu dengan infeksi cacing pita (dengan Diphyllobothrium latum) akibat makan ikan segar yang terinfeksi, cacing pita berkompetisi dengan hospes dalam mendapatkan vitamin B12 dari makanan, yang mengakibatkan anemia megaloblastik (Beck, 1983).                 Walaupun anemia pernisiosa merupakan prototip dari anemia megaloblastik defisiensi folat lebih sering ditemukan dalam praktek klinik. Anemia megaloblastik sering kali terlihat pada orang tua dengan malnutrisi, pecandu alkoholatau pada remaja dan pada kehamilan dimana terjadi peningkatan kebutuhan untuk memenuhi kebutuhan fetus dan laktasi. Kebutuhan ini juga meningkat pada anemia hemolitik, keganasan dan hipertiroidisme. Penyakit celiac dan sariawan tropik juga menyebabkan malabsorpsi dan penggunaan obat-obat yang bekerja sebagai antagonis asam folat juga mempengaruhi. Pencegahan anemia pada penderita anemia megaloblastik Kebutuhan minimal folat setiap hari kira-kira 50 mg mudah diperoleh dari diet rata-rata. Sumber yang paling melimpah adalah daging merah (misalnya hati dan ginjal) dan sayuran berdaun hijau yang segar. Tetapi cara menyiapkan makanan yang benar juga diperlukan untuk menjamin jumlah gizi yang adekuat. Misalnya 50% sampai 90% folat dapat hilang pada cara memasak yang memakai banyak air. Folat diabsorpsi dari duodenum dan jejunum bagian atas, terikat pada protein plasma secara lemah dan disimpan  dalam hati. Tanpa adanya asupan folat persediaan folat biasanya akan habis kira-kira dalam waktu 4 bulan. Selain gejala-gejala anemia yang sudah dijelaskan penderita anemia megaloblastik sekunder karena defisiensi folat dapat tampak seperti malnutrisi dan mengalami glositis berat (radang lidah disertai rasa sakit), diare dan kehilangan nafsu makan. Kadar folat serum juga menurun (<4 mg/ml). Pengobatan anemia pada penderita anemia megaloblastik. Seperti yang sudah disebutkan sebelumnya pengobatan bergantung pada identifikasi dan menghilangkan penyebab dasarnya. Tindakan ini adalah memperbaiki defisiensi diet dan terapi pengganti dengan asam folat atau dengan vitamin B12. penderita kecanduan alkohol yang dirawat di rumah sakit sering memberi respon “spontan” bila di berikan diet seimbang. Daftar Pustaka  1.   Sadikin Muhamad, 2002, Biokimia Darah, widia medika, jakarta  2.   http://www.majalah-farmacia.com  3.   http://www.pediatrik.com  4.   Sylvia A. Price Lorraine M. Wilson, 2002, Patofisiologi, Jilid1, EGC, Jakarta AnemiaGiziBesi.rtf.html  http://www.ziddu.com/download/18268427/AnemiaGiziBesiMengakibatkanPenurunanKecerdasan

http://www.ziddu.com/download/18268458/AnemiaGiziBesi.ii.rtf.html

http://www.ziddu.com/download/18268466/KadarHemoglobinuntukpenentuanStatusAnemiaGizi.rtf.htmlAnemiaGiziBes1.rtf.html