Laporan Praktikum Ke-3

MK Analisis Data Pangan dan Gizi

Tanggal Mulai : 7 Oktober 2014

Tanggal Selesai : 7 Oktober 2014

PENGOLAHAN DATA TINGKAT KECUKUPAN GIZI, ZSCORE MENGGUNAKAN MICROSOFT EXCEL DAN
PENGOLAHAN DATA MENGGUNAKAN SPSS
Oleh:
Yuni Kartika

(I14120001)

Asisten Praktikum:
Anna Vipta Resti Mauludyani, SP, M.Gizi
Agung Yudhistiwa

Penanggung Jawab Praktikum:

Prof. Dr. Ir. Dadang Sukandar, M. Sc

DEPARTEMEN GIZI MASYARAKAT

FAKULTAS EKOLOGI MANUSIA
INSTITUT PERTANIAN BOGOR
BOGOR
2014

TINGKAT KECUKUPAN GIZI (TKG)

Tingkat kecukupan gizi anggota keluarga diketahui dari pengolahan data
konsumsi pada sheet konsumsi 3. Tingkat kecukupan gizi ini merupakan TKG
rata-rata anggota keluarga. Ditambahkan kolom Angka Kecukupan Gizi (AKG) di
sebelah data konsumsi. Informasi angka kecukupan gizi ini didapat dari sheet
AKG olah 2 dan urutan informasi nilai gizi disesuaikan dengan urutan pada data
konsumsi, yaitu energi, protein, lemak, karbohidrat, kalsium, fosfor, besi, vitamin
A, dan vitamin C. Berikut adalah gambar data AKG dari AKG olah 2.

Gambar 1 AKG olah 2

Selanjutnya dihitung tingkat kecukupan gizi dari masing-masing keluarga
tersebut menggunakan rumus sebagai berikut:
Tingkat kecukupan energi =R3/AC3*100
Rumus tingkat kecukupan energi tersebut adalah
= [Konsumsi energi/ Angka kecukupan energi (AKG 2013)] x 100
Untuk mendapatkan hasil tingkat kecukupan protein, lemak dan zat gizi
lainnya, langkah yang dilakukan adalah dengan drag TKG energi sampai vitamin
C kemudian double clik. Berikut adalah hasil tingkat kecukupan gizi dari masingmasing keluarga.

Gambar 2 Tingkat Kecukupan Gizi

Hasil tingkat kecukupan zat gizi tersebut digolongkan dalam kategori
tertentu, untuk energi dan protein digolongkan berdasarkan pengkategorian
menurut Departemen Kesehatan tahun 1996 dan untuk lemak, karbohidrat,

kalsium, fosfor, besi, vitamin A, dan vitamin C digolongkan berdasarkan

pengkategorian menurut Gibson tahun 2005. Berikut adalah gambar hasil
penggolongan tingkat kecukupan gizi.

Gambar 3 Golongan Tingkat Kecukupan Gizi

Rumus yang digunakan untuk menggolongkan tingkat kecukupan zat gizi
adalah sebagai berikut:
Rumus penggolongan untuk TKG energi dan protein:
=IF(AL3<70;"DefisitBerat";IF(AL3>110;"Lebih";IF(AL3>90;"Cukup";"D
efisit Ringan")))
Arti rumus tersebut adalah jika TKG energi kurang dari 70 maka tergolong defisit
berat, jika TKG energi lebih dari 110 maka tergolong lebih, jika TKG energi lebih
dari 90 maka tergolong cukup, jika tidak semua maka tergolong defisit ringan.
Untuk penggolongan TKG protein caranya adalah drag golongan energi tersebut
ke kanan (TKG protein) kemudian double clik.
Rumus penggolongan lemak, karbohidrat, kalsium, fosfor, besi, vitamin A,
dan vitamin C.
=IF(AN3>=77;"Cukup";"Kurang")
Arti rumus tersebut adalah jika TKG lemak lebih dari atau sama dengan 77 maka
tergolong cukup, jika tidak maka tergolong kurang. Untuk penggolongan TKG
karbohidrat, kalsium, fosfor, besi, vitamin A, dan vitamin C caranya adalah drag
golongan lemak tersebut ke kanan hingga vitamin C kemudian double clik.
Hasil penggolongan masing-masing TKG tersebut dihitung banyak yang
defisit berat, defisit ringan, cukup, dan lebih untuk TKG energi dan protein
digunakan rumus sebagai berikut:
=COUNTIF($AU$3:$AU$30;"Defisit Berat")
Rumus tersebut adalah rumus mencari jumlah dari masing-masing kategori (nilai
n), selanjutnya nilai n ditotalkan menggunakan rumus:
=SUM(BF3:BF6)
Selanjutnya, dicari persentase dari kategori dengan menggunakan rumus:
=BF3/$BF$7*100
Rumus persentase tersebut = nilai n/ total n x 100. Hasil yang didapat di double
clik. Untuk protein digunakan cara yang sama, hanya perlu ada beberapa
penyesuaian pada rumus. Berikut adalah gambar hasil perhitungan jumlah dan
persentase dari kategori penggolongan energi.

Gambar 4 Hasil countif dan persentase kategori energi

Dihitung juga jumlah yang tergolong cukup atau kurang untuk TKG
lemak, karbohidrat, kalsium, fosfor, besi, vitamin A, dan vitamin C dengan
menggunkaan rumus sebagai berikut:
=COUNTIF(AW3:AW30;"Cukup")
Rumus tersebut adalah rumus mencari jumlah dari masing-masing kategori (nilai
n), selanjutnya nilai n ditotalkan menggunakan rumus:
=SUM(BF10:BF11)
Selanjutnya, dicari persentase dari kategori dengan menggunakan rumus:
=BF10/$BF$12*100
Rumus persentase tersebut = nilai n/ total n x 100. Hasil yang didapat di double
clik. Untuk karbohidrat, kalsium, fosfor, besi, vitamin A, dan vitamin C
digunakan cara yang sama, hanya perlu ada beberapa penyesuaian pada rumus.
Berikut adalah gambar hasil perhitungan jumlah dan persentase dari kategori
penggolongan lemak.

Gambar 5 Hasil countif dan persentase kategori lemak

Z-Score
Selanjutnya dibuat sheet baru dan diberi nama z-score, pada sheet ini
berisi data: kolom A kode responden (A5), kolom B jenis kelamin (B3), kolom C
dan D usia, kolom E usia (B8),dan kolom F (B9). Dibuat kolom baru yaitu
IBBTB dan IBBUTBU. IBBTB adalah indeks BB/TB, untuk mencari IBBTB
digunakan rumus =INT(F4-48,5)/0,5. IBBTB digunakan sebagai indeks untuk
mencari nilai median dan standar deviasi BB/TB yang akan digunakan untuk
menghitung z-score. IBBUTBU adalah indeks BB/U dan TB/U, untuk mencari
IBBUTBU digunakan rumus =C4*12+D4+1. IBBUTBU digunakan sebagai
indeks untuk mencari nilai median dan standar deviasi BB/U dan TB/U yang akan
digunakan untuk menghitung z-score. Berikut adalah hasil IBBTB dan
IBBUTBU.

Gambar 6 Hasil IBBTB dan IBBUTBU

IBBUTBU tersebut digunakan untuk mencari median BB/U atau TB/U
dan standar deviasi BB/U atau TB/U. Digunakan fungsi IF dan INDEX sebagai
berikut:
Median BB/U
=IF($B4=1;INDEX(BBU!$D$2:$G$241;'ZScore'!$H4;1);INDEX(BBU!$D$2:$G$241;'Z-Score'!$H4;3))
Standar deviasi BB/U
=IF($B4=1;INDEX(BBU!$D$2:$G$241;'ZScore'!$H4;2);INDEX(BBU!$D$2:$G$241;'Z-Score'!$H4;4))
Median TB/U
=IF($B4=1;INDEX(TBU!$D$2:$G$241;'ZScore'!$H4;1);INDEX(TBU!$D$2:$G$241;'Z-Score'!$H4;3))
Standar deviasi TB/U
=IF($B4=1;INDEX(TBU!$D$2:$G$241;'ZScore'!$H4;2);INDEX(TBU!$D$2:$G$241;'Z-Score'!$H4;4))
Hasil dari perhitungan median dan standar deviasi tersebut digunakan
untuk mencari nilai z-score yaitu dengan rumus berikut:
Z-score BB/U
=(E4-I4)/(J4-I4)
= (BB-Median BB/U)/(Std BB/U- Median BB/U)
Z-score TB/U
=(F4-N4)/(O4-N4)
= (TB-Median TB/U)/(Std TB/U- Median TB/U)
Hasil z-score tersebut selanjutnya dicek apakah hasil tersebut masuk akal
atau tidak. Berikut adalah rumus yang digunakan untu mengecek z-score:
BB/U
=IF(AND($K4>=-6;$K4<=5);"NORMAL";"ABNORMAL")
TB/U
=IF(AND($P4>=-6;$P4<=6);"NORMAL";"ABNORMAL")

Hasil z-score tersebut juga selanjutnya dikategorikan dalam 3 kategori

yaitu kurang, lebih, dan normal. Berikut adalah rumus yang digunakan dalam
pengkategorian z-score:
Kategori BB/U
=IF($K4<-2;"KURANG";IF($K4>2;"LEBIH";"NORMAL"))
Kategori TB/U
=IF($P4<-2;"KURANG";IF($P4>2;"LEBIH";"NORMAL"))
Berikut adalah gambar hasil perhitungan median, standar deviasi, dan
pengkategorian BB/U dan TB/U:

Gambar 7 Median, standar deviasi, dan kategori BB/U dan TB/U

IBBTB digunakan untuk mencari median BB/TB dan standar deviasi
BB/TB. Digunakan fungsi IF dan INDEX sebagai berikut:
Median BB/TB
=IF($B4=1;INDEX(BBTB!$C$2:$F$212;'ZScore'!$G4;1);INDEX(BBTB!$C$2:$F$212;'Z-Score'!$G4;3))
Standar deviasi BB/TB
=IF($B4=1;INDEX(BBTB!C2:F212;'ZScore'!$G4;2);INDEX(BBTB!C2:F212;'Z-Score'!$G4;4))
Hasil dari perhitungan median dan standar deviasi tersebut digunakan
untuk mencari nilai z-score yaitu dengan rumus berikut:
Z-score BB/TB
=(E4-S4)/(T4-S4)
= (BB-Median BB/TB)/(Std BB/TB- Median BB/TB)
Hasil z-score tersebut selanjutnya dicek apakah hasil tersebut masuk akal
atau tidak. Berikut adalah rumus yang digunakan untu mengecek z-score:
=IF(AND($U4>=-5;$U4<=5);"NORMAL";"ABNORMAL")
Hasil z-score tersebut juga selanjutnya dikategorikan dalam 3 kategori
yaitu kurang, lebih, dan normal. Berikut adalah rumus yang digunakan dalam
pengkategorian z-score:
=IF($U4<-2;"KURANG";IF($U4>2;"LEBIH";"NORMAL"))
Berikut adalah gambar hasil perhitungan median, standar deviasi, dan
pengkategorian BB/TB:

Gambar 8 Median, standar deviasi, dan kategori BB/TB

Terdapat beberapa data yang hasilnya tidak keluar, hal ini karena tinggi
badan responden tidak ada di data BB/TB. Data BB/TB tinggi badan dimulai dari
49 cm- 154 cm.
Pengolahan Data Menggunakan SPSS
SPSS merupakan salah satu aplikasi yang digunakan untuk mengolah datadata secara statistik. Variabel dalam bentuk kata tidak boleh lebih dari 8 karakter
dan tidak boleh ada spasi. Data view digunakan untuk menginput data yang akan
dianalisis. Variable view digunakan untuk memberi nama data view dan untuk
menggolongkan jenis data (nominal/scale, interval atau rasio).
Data dari microsoft excel dapat dicopy dan dipindahkan ke data view di
SPSS. Data yang akan dianalisis misalkan adalah data tekanan darah dan
konsumsi garam. Maka cara untuk mengolah data tersebut adalah klik analyze
klik general linear model klik univariate.

Gambar 9 Tampilan menu univariate

Variabel tekanan darah (TD) dipindahkan ke variabel dependent dan
variabel garam dipindahkan ke variabel independent. Selanjutnya klik post hoc

pindakan variabel garam ke post hoc test for klik tunkey klik continue
klik ok. Berikut adalah tampilan post hoc:

Gambar 10 Univariate post hoc

Maka akan muncul hasil output data yang diolah. Arti dari a. R square
0.9994 adalah sebesar 99.4 % outcome dapat dijelaskan oleh exposure dan hanya
0.6% yang tidak dapat dijelaskan. Signifikansi 0.0001 berarti data tersebut sangat
signifikan.