No.	Hasil Laporan
1.	Identitas Mahasiswa Nama             : Fonansi Sahputri NIM    : 102114319 File     : GANJIL
2.	Pemilihan File : Bagi yang digit terahir NIM nya ganjil pilih file GANJIL.rec dan digit terakhir NIM genap pilih file GENAP.rec ·         Berdasarkan angka nim terakir saya 9 (GANJIL ), maka file yang akan di olah data GANJIL.
3.	Jalankan Epidata, pilih menu Export. Pilih file sesuai pilihan Anda (gebap/ganjil) untuk dieksport ke SPSS. Setelah dieksport, tutup Epidata. ·         File hasil eksport Epidata ke SPSS berekstensi  sps dengan nama file ganjil.spss
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 nama di absensi). ·         File syntax dari data GANJIL.SPSS Dieksport ke SPSS dan disimpan dengan nama  fonansi sahputri dan ekstensi sav
5.	Periksa file data yang dihasilkan meliputi jumlah semua field, jumlah record, jumlah field kategorik dan jumlah field numerik ·         File data fonansi sahputri berisi 39 field dan 8390 record. Data kategorik sebanyak 26  field dan data numerik sebanyak  13 field.dan setelah cleaning File data fonansi sahputri berisi 32 field dan 8390 record. Data kategorik sebanyak 20  field dan data numerik sebanyak  12 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 (mmHg)"     diastol    "TD Diastolik  (mmHg)"     hb         "Kadar HB (mmHg)"     nabal      "Nama Balita"     tlb        "Tgl Lahir Balita"     age        "Umur Balita (age)"     sex       "Jenis Kelamin Balita     weight     "BB Balita  (kg)"     height     "TB Balita (cm)"     pernah     "pemeriksakan kehamilan"     kali       "frekwensi pemeriksaan kehamilan"     fundus     "Pengukuran Tinggi Fundus"     ukurtb     "Pengukuran Tinggi Badan"     tensi      "Pengukuran tekanan darah (tensi)"     tfe        "Pemberian Tablet Tambah darah (Fe)"     tt         "Imunisasi Tetanus Toxoid (TT)"     akseptor   "Apakah sebelum hamil ibu Akseptor KB"     ksepsi     "kontrasepsi yang dipakai"     n5e        "kontrasepsi  lainnya"     alasan     "Alasan tidak ber-KB"     n6d        "alasan lain tidak ber-KB "     rencana    "rencana tempat melahirkan" execute.
6.	Buat sebuah file syntax dan isi pertama kali dengan variable labels dan value label data kategorik. Draft variable labels bisa dicopy dari syntax export file dari Epidata. 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 field Pendidikan [didik]. Jika ditemukan data yang missing atau jenis kategori selain dari yg legal, delete record yg missing tersebut  . ·         field Pendidikan [didik] jumlah record sebelum didelete  8390  record dan sesudah didelete yang missing tersisa 8380 record
8.	Periksa field kerja, jika ditemukan data missing delete smua record yang field [kerja] nya missing . ·         field kerja jumlah record sebelum didelete 8380 record dan sesudah didelete yang missing tersisa 8378 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 . ·         Jumlah record sebelum di delete sistol yang missing adalah sebanyak 8378 record dan setelah dilakukan penghapusan field sistol yang missing tersisa 7127 record
10.	Lakukan hal yang sama dengan soal nomor 9 untuk variabel tekanan darah diastolik [diastol] dengan batasan 60-150 mmHg .  ·         Jumlah record sebelum di delete diastol yang missing adalah sebanyak 7127 record dan setelah dilakukan penghapusan field diastol yang missing tersisa 6956 record

lebih lengkap klik disini..