Frequency Table

Hubungan Pemeriksaan Kehamilan dengan Kejadian BBLR1. Hipotesis:

Ho : Tidak ada hubungan antara Pemeriksaan Kehamilan dengan Kejadian BBLR Hi : Ada hubungan antara Pemeriksaan Kehamilan dengan Kejadian BBLR2. Pemilihan Uji :

Memakai Crosstab (tabulasi silang), yang ciri penggunaan crosstab adalah data input yang berskala nominal atau ordinal yang datanya sudah berbentuk kategori menampilkan kaitan antara dua atau lebih variabel, atau sampai dengan menghitung apakah ada hubungan antara baris (sebuah variabel) dengan kolom (sebuah variabel yang lain). Alat statistik yang sering digunakan untuk mengukur asosiasi pada sebuah crosstab adalah chi-square. Alat ini pada praktek statistik bisa diterapkan untuk menguji ada tidaknya hubungan antara baris dan kolom dari sebuah crosstab. 3. Berikut Perhitungan Hasil Data:Analisis Univariate

Frequency Table

Analisis Bivariate

Crosstabs

Kesimpulan:

a. Ho : Tidak ada hubungan antara Pemeriksaan Kehamilan dengan Kejadian BBLR Hi : Ada hubungan antara Pemeriksaan Kehamilan dengan Kejadian BBLRDasar pengambilan keputusan:

Berdasarkan Chi-square hitung

Jika Chi-Squarehitung < Chi-Squaretabel maka Ho diterima

Jika Chi-Squarehitung > Chi-Squaretabel maka Ho ditolak

Chi-Squarehitung = 0,000 Chi-Squaretable pada taraf kepercayaan 5% df = [(kategori Pemeriksaan Kehamilan-1) x (kategori Kejadian BBLR-1)]

= [(2 -1) x (2 1) = 1 x 1 = 1

= 3,841

Keputusan:

Oleh karena Chi-Squarehitung < Chi-Squaretabel maka Ho diterima, artinya Tidak ada hubungan antara Pemeriksaan Kehamilan dengan Kejadian BBLR Berdasarkan Probabilitasnya

Jika probabilitas (Asymp Sig) > 0,05 maka Ho diterima

Jika probabilitas (Asymp Sig) < 0,05 maka Ho ditolak

Oleh karena probabilitas (Asymp Sig) 1,000 > 0,05, maka Ho diterima, artinya Tidak ada hubungan antara Pemeriksaan Kehamilan dengan Kejadian BBLR.

Perbedaan berat bayi Lahir pada Ibu yang periksa hamil dan tidak periksa Hamil

1. Hipotesis:

Ho : Tidak ada Perbedaan berat bayi Lahir pada Ibu yang periksa hamil dan tidak periksa Hamil

Hi : Ada hubungan berat bayi Lahir pada Ibu yang periksa hamil dan tidak periksa Hamil

2. Pemilihan Uji :

Memakai Independent t-test (Uji t independen) adalah metode yang digunakan untuk menguji kesamaan rata-rata dari 2 populasi yang bersifat independen, dimana peneliti tidak memiliki informasi mengenai ragam populasi. Independen maksudnya adalah bahwa populasi yang satu tidak dipengaruhi atau tidak berhubungan dengan populasi yang lain. Barangkali, kondisi dimana kita tidak memiliki informasi mengenai ragam populasi adalah kondisi yang paling sering dijumpai di kehidupan nyata., Tujuan analisis ini adalah untuk membandingkan dua rata-rata dua grup yang tidak berhubungan.

3. Berikut Perhitungan Hasil Data:

Uji Normalitas

T-Test

4. Kesimpulan

Karena datanya tidak berdistribusi normal karena sig (0,018) < 0,05 maka analisis yang digunakan tidak memakai uji t tetapi memakai uji Mann- Whitney Test. Uji Mann-Whitney digunakan untuk mengetahui apakah terdapat perbedaan respon dari 2 populasi data yang saling independen. Tes ini termasuk dalam uji nonparametrik. Tes ini merupakan tes paling kuat diantara tes-tes nonparametrik. Tes ini merupakan alternatif lain dari uji t parametrik ketika data yang diambil dalam penelitiannya lebih lemah dari skala interval.

NPar Tests

Mann-Whitney Test

Hipotesis:

Ho : Tidak ada Perbedaan berat bayi Lahir pada Ibu yang periksa hamil dan tidak periksa Hamil

Hi : Ada hubungan berat bayi Lahir pada Ibu yang periksa hamil dan tidak periksa Hamil

Karena sig 0,963 > 0,05 maka artinya Tidak ada Perbedaan berat bayi Lahir pada Ibu yang periksa hamil dan tidak periksa Hamil.