Laporan praktikum ke-4 Tanggal Mulai : 8 Oktober 2014

MK. Analisis Data Pangan dan Gizi Tanggal Selesai : 8 Oktober 2014

PENGOLAHAN DATA TINGKAT KECUKUPAN PERKAPITA

DAN STATUS GIZI ANAK MENGGUNAKAN MS. EXCEL

Oleh:
Ririn Apriani I14120056

Asisten Praktikum:
Ramadhini Rizkiyah
Mesa Shelviani

Penanggung Jawab Praktikum:

Prof. Dr. Ir. Dadang Sukandar, MSc

DEPARTEMEN GIZI MASYARAKAT

FAKULTAS EKOLOGI MANUSIA
INSTITUT PERTANIAN BOGOR
2014
 HASIL DAN PEMBAHASAN

Tingkat Kecukupan Per Kapita

Praktikum Analisis Data Pangan dan Gizi kali ini mengolah data
mengenai pengolahan data tingkat kecukupan perkapita dan status gizi anak
menggunakan Ms. Excel. Data diperoleh dari hasil wawancara terhadap 35
responden kemudian di input ke Ms. Excel. Data yang diolah merupakan lanjutan
dari tugas pengolahan data pada praktikum Analisis Data Pangan dan Gizi di
minggu sebelumnya, khususnya data food recall.
Buat sheet baru setelah sheet food recall dan beri nama recall keluarga
olah. Salin kolom A5, konsumsi energi, protein, lemak, karbohidrat, kalsium,
fosfor, besi, vitamin A, vitamin B, dan vitamin C dari sheet food recall dan tempel
di sheet recall keluarga olah dengan pilihan paste special value. Tandai kolom
A5, energi, protein, lemak, karbohidrat, kalsium, fosfor, besi, vitamin A, vitamin
B, dan vitamin C lalu pilih data kemudian pilih menu bar data dan klik subtotal
kemudian muncul kotak perintah subtotal. Pilih A5 pada baris pertama yang
berarti data akan dijumlah setiap perubahan A5 lalu pilih fungsi sum kemudian
beri tanda ceklis pada semua pilihan kecuali A5. Sheet recall keluarga oleh
kemudian akan terlihat seperti pada gambar 1.

Gambar 1 Sheet recall keluarga olah

Salin semua data pada sheet recall keluarga olah lalu tempel di sheet
baru yang diberi nama TKG keluarga dengan pilihan paste special value. Tandai
kolom A5, energi, protein, lemak, karbohidrat, kalsium, fosfor, besi, vitamin A,
vitamin B, dan vitamin C kemudian kemudian pilih data - sort dan kotak perintah
untuk sort akan muncul. Selanjutnya pilih sort by A5, values dan A to Z. Data
kemudian akan berurutan berdasarkan nilai dari nilai terkecil hingga nilai terbesar.
Data tanpa kata total kemudian dihapus dan akan tersisa data total dari masing-
masing kode pada kolom A5. Selanjutnya hapus kata total dengan cara CTRL+F,
pilih replace, kemudian tulis total pada kolom find what dan ketik spasi pada
kolom replace with lalu klik replace all. Setelah semua kata total hilang, tandai
kembali kolom A5 dan kode pengeluaran kemudian klik perintah sort kembali.
Pilih sort by A5, values, dan smallest to largest lalu klik ok. Sebelum baris
pertama, beri baris tambahan dengan cara klik kanan pada nomor baris lalu pilih
insert. Data dari sheet recall keluarga olah di kelompokkan dalam kolom
konsumsi keluarga.
Langkah berikutnya adalah salin kolom JART dari sheet ART 2 dan
tempel di sheet TKG keluarga dengan pilihan paste special value disamping
kolom besi. Buat kelompok kolom baru disamping kolom JART dan diberi nama
konsumsi per kapita yang berisi kolom energi, protein, lemak, karbohidrat,
kalsium, fosfor, besi, vitamin A, vitamin B, dan vitamin C. Kolom energi isi
dengan formula =B3/$L3. B3 merupakan konsumsi energi keluarga dan L3
merupakan jumlah ART lalu tekan enter. Tarik formula hingga kolom vitamin C
dan tarik juga formula dari keluarga responden ke-1 hingga responden terakhir.
Sheet TKG keluarga akan terlihat seperti gambar 2.

Gambar 2 Sheet TKG keluarga

Buat kelompok kolom baru disamping kelompok kolom konsumsi per
kapita dan diberi nama AKG per kapita yang berisi kolom energi, protein, lemak,
karbohidrat, kalsium, fosfor, besi, vitamin A, vitamin B, dan vitamin C. Salin data
AKG per kapita dari sheet AKG per kapita dan di tempel dengan pilihan paste
special value. Buat kembali kelompok kolom baru disamping kelompok kolom
konsumsi AKG kapita dan diberi nama TKG yang berisi kolom energi, protein,
lemak, karbohidrat, kalsium, fosfor, besi, vitamin A, vitamin B, dan vitamin C.
Pada kolom energi ketik formula =M3/W3*100. M3 merupakan konsumsi energi
per kapita dan W3 merupakan AKG per kapita lalu tekan enter. Tarik formula
hingga kolom vitamin C dan tarik juga formula dari keluarga responden ke-1
hingga responden terakhir.
Setelah kelompok kolom TKG, buat kelompok kolom lagi yang diberi
nama kategori. Kelompok kolom kategori berisi kolom energi, protein, lemak,
karbohidrat, kalsium, fosfor, besi, vitamin A, vitamin B, dan vitamin C. Kategori
terlebih dahulu dibedakan berdasarkan jenis zat gizinya yaitu zat gizi makro yang
terdiri dari energi dan protein dan zat gizi mikro yang terdiri dari vitamin A,
vitamin C, kalsium, fosfor, dan besi. Kategori untuk zat gizi makro adalah
defisiensi berat, defisiensi ringan, baik, dan lebih. Defisiensi berat jika TKG
kurang dari 70, defisiensi ringan jika TKG antara 70-90. Baik jika TKG antara 90-
110 dan lebih jika TKG lebih dari 110. Kategori untuk zat gizi mikro adalah
kurang dan lebih. Kurang jika TKG kurang dari 77 dan lebih jika TKG lebih dari
77.
Formula yang diketik pada kolom energi di keluarga responden yaitu
=IF(AD3<70,"DEF.BERAT",IF(AD3<90,"DEF.RINGAN",IF(AD3<110,"BAIK"
,"LEBIH"))). AD3 adalah TKG dari energi. Karena kategori untuk zat gizi makro
tidak sama dengan zat gizi mikro, maka tarik formula pada kolom protein lalu
tarik formula hingga responden terakhir. Kategori untuk energi dan protein
kemudian terisi penuh. Isi kategori untuk zat gizi mikro dengan mengetik formula
=IF(AF3<77,"KURANG","LEBIH") pada kolom vitamin. Karena vitamin C,
kalsium, fosfor, dan besi merupakan zat gizi mikro, maka tarik formula hingga
kolom besi lalu tarik juga hingga responden terakhir.
Banyaknya responden dengan kategori defisiensi berat, defisiensi ringan,
baik, dan lebih kemudian dihitung dengan formula COUNTIF. Ketik
=COUNTIF($AK$3:$AK$37,"DEF.BERAT") untuk menghitung jumlah keluarga
dengan kategori defisiensi berat lalu klik enter. AK3:AK37 memiliki arti bahwa
data yang dianalisis adalah mulai dari sel AK3 hingga AK37 yang merupakan
kolom kategori untuk energi. Formula dapat ditarik kebawah hingga kategori lebih
dengan mengganti kata defisiensi berat dengan defisiensi ringan, baik, atau
lebih. Ketepatan perhitungan dapat di ketahui dengan menjumlahkan hasil
perhitungan tiap kategori dengan cara =SUM(AU4:AU7) dengan arti data yang
dianalisis adalah sel AU4 hingga AU7 yang merupakan hasil perhitungan tiap
kategori lalu klik enter. Hasil penjumlahan tersebut kemudian di cocokkan dengan
jumlah data. Langkah selanjutnya adalah menghitung persentase setiap kategori
dengan cara =AU4/$AU$8*100 dengan AU4 adalah jumlah kategori baik dan
AU8 adalah jumlah semua kategori lalu klik enter. Tarik formula hingga kategori
lebih dan jumlahkan hasil presentase dengan cara yang sama dengan
menjumlahkan hasil perhitungan tiap kategori. Formula menghitung kategori ini
juga dapat dipakai untuk protein dan zat gizi mikro dengan mengganti kolom
analisis. Kategori juga diganti menjadi kurang atau lebih untuk zat gizi mikro.
Sheet TKG keluarga kemudian akan terlihat seperti gambar 3.

Gambar 3 Sheet TKG keluarga

Status Gizi Anak

Cara menghitung status gizi untuk orang dewasa dan anak berbeda.
Menghitung status gizi anak membutuhkan data umur dalam bulan dan dalam
tahun serta BB dan TB. Selain itu, dibutuhkan pula data tabel NCHS yang
memuat nilai median dan standar deviasi untuk indeks BB menurut umur, TB
menurut umur, dan BB menurut TB. Langkah pertama untuk menganalisis status
gizi anak adalah dengan membuka file yang berisi tabel NCHS indeks BBU,
TBU, dan BBTB seperti yang terlihat pada gambar 4.

Gambar 4 Tabel NCHS

Langkah pertama adalah salin kolom A5, B13, B14a, B14b, B18, dan
B19 dari sheet sosek. A5 merupakan kode responden, B13 merupakan jenis
kelamin, B14a merupakan usia dalam bulan, B14b merupakan usia dalam tahun,
B18 merupakan TB, dan B19 merupakan BB. Sebelum menyalin kolom tersebut
dari sheet sosek, terlebih dahulu lakukan filter pada kolom B14a kemudian pilih
11 dan 36. Angka 11 dan 36 merupakan umur dalam bulan dan dipilih karena jika
dikonversi kedalam tahun maka umurnya kurang dari 5 tahun. Tempel semua
kolom yg disalin tadi ke sheet baru di file NCHS dengan nama zscore. Setelah
kolom B19, buat kolom IBBTB yang merupakan indeks BB TB. Pada kolom
IBBTB ketik formula =INT(F2-48.5)/0.5. INT merupakan fungsi untuk
membulatkan nilai ke bawah. F2 merupakan tinggi badan dan 48.5 serta 0.5
merupakan tetapan untuk IBBTB. Tarik formula hingga responden terakhir.
Buat kolom baru yaitu IBBUTBU yang merupakan indeks berat badan
menurut umur tinggi badan menurut umur. Pada kolom IBBUTBU ketik formula
=(D2*12)+C2+1, D2 merupakan umur dalam tahun dan C2 merupakan umur
dalam bulan. Setelah di ketik, tekan enter dan formula dapat ditarik hingga
responden terakhir. Lalu buat kolom baru yaitu BBUMED atau nilai median untuk
BB menurut umur dengan mengetik formula
=IF($B2=1,INDEX(BBU!$D$2:$G$241,'z
score'!$H2,1),INDEX(BBU!$D$2:$G$241,'z score'!$H2,3)). Rumus tersebut
memiliki arti jika kolom B2 berisi angka 1 atau jenis kelaminnya laki-laki, maka
hasil yang akan muncul adalah data pada sheet BBU dengan rentang D2 hingga
G241 yang disesuaikan dengan data sheet z score pada H2. Data pada rentang D2
hingga G241 berisi data median BBU dan standar deviasi untuk laki-laki dan
untuk perempuan. H2 berisi data index BB menurut umur TB menurut umur. Jika
pernyataan benar, maka hasil yang keluar adalah data pada kolom ke-1 dari
rentang data di sheet BBU, namun jika salah maka yang keluar adalah data pada
kolom ke-3. Kolom ke-1 merupakan nilai median BBU laki-laki dan kolom ke-3
merupakan nilai median BBU perempuan. Klik enter lalu tarik formula hingga
responden terakhir.
Langkah berikutnya adalah membuat kolom BBUSD yang berisi nilai
standar deviasi untuk berat badan menurut umur. Masukkan formula
=IF($B2=1,INDEX(BBU!$D$2:$G$241,'z
score'!$H2,2),INDEX(BBU!$D$2:$G$241,'z score'!$H2,4)). Pengertian dari
formula ini memiliki arti yang sama dengan formula untuk mencari BBUMED.
Perbedaan hanya terdapat pada acuan kolom dari sheet BBU untuk dijadikan hasil
jika pernyataan formula ini benar. Acuannya adalah kolom ke-2 yaitu standar
deviasi untuk laki-laki dan kolom ke-4 yaitu standar deviasi untuk perempuan.
Buat kolom baru setelah kolom BBUMED dan beri nama Z-SCORE.
Pada kolom ini ketik formula =(E2-I2)/(J2-I2), E2 adalah berat badan, J2 adalah
BBUSD, dan I2 adalah BBUMED. Formula ini sesuai dengan rumus menghitung
z-score untuk berat badan berdasarkan umur yaitu berat badan dikurangi median
dibagi dengan standar deviasi dikurangi median. Setelah di klik enter, tarik
formula hingga responden terakhir.
Langkah selanjutnya adalah membuat kategori berdasarkan z-score yang
telah diperoleh. Buat kolom baru setelah kolom z-score yaitu kolom kategori dan
masukkan formula =IF(K2<-2,"kurang",IF(K2>2,"lebih","normal")) dimana K2
merupakan nilai z-score. Setelah di klik enter, tarik formula hingga responden
terakhir.
Z-score juga dapat berdasarkan TB menurut umur, dan BB menurut TB.
Buat kolom TBUMED, TBUSD, Z-SCORE, dan kategori untuk TBU serta buat
kolom BBTBMED, BBTBSD, Z-SCORE, dan kategori untuk BBTB. Formula
yang digunakan dalam menghitung median, standar deviasi, z-score, dan kategori
untuk TBU dan BBTB memiliki persamaan dengan BBU. Perbedaan hanya
terdapat pada sheet yang dijadikan indeks, untuk TBU sheet yang dijadikan indeks
menjadi sheet TBU. Pada perhitungan z-score juga menjadi =(F2-M2)/(N2-M2).
F2 merupakan tinggi badan, M2 merupakan TBUMED, dan N2 merupakan
TBUSD. Perhitungan BBTB juga memiliki beberapa perbedaan, sheet yang
dijadikan indeks menggunakan sheet BBTB dan rentang data yang dijadikan
acuan menjadi antara C2 hingga F212 median dan standar deviasi untuk laki-laki
dan perempuan. Sebagai contoh, formula untuk mencari BBTBMED menjadi
=IF($B2=1,INDEX(BBTB!$C$2:$F$212,'z
score'!$G2,1),INDEX(BBTB!$C$2:$G$212,'z score'!$G2,3)). Data yang
dijadikan acuan dari sheet z-score terdapat pada sel G2 yaitu indeks BBTB.
Formula untuk mencari z-score BBTB menjadi =(F2-Q2)/(R2-Q2). F2 merupakan
tinggi badan, Q2 merupakan BBTBMED, dan R2 merupakan BBTBSD.
Banyaknya responden dengan kategori kurang, normal, dan lebih
kemudian dihitung dengan formula COUNTIF. Ketik
=COUNTIF($L$2:$L$3,"kurang") untuk menghitung jumlah responden dengan
kategori kurang bagi indeks BBU lalu klik enter. L2:L3 memiliki arti bahwa data
yang dianalisis adalah mulai dari sel L2 hingga L3 yang merupakan kolom
kategori untuk BBU. Formula dapat ditarik kebawah hingga kategori lebih dengan
mengganti kata kurang dengan normal atau lebih. Ketepatan perhitungan dapat
di ketahui dengan menjumlahkan hasil perhitungan tiap kategori dengan cara
=SUM(W2:W4) dengan arti data yang dianalisis adalah sel W2 hingga W4 yang
merupakan hasil perhitungan tiap kategori lalu klik enter. Hasil penjumlahan
tersebut kemudian di cocokkan dengan jumlah data. Langkah selanjutnya adalah
menghitung persentase setiap kategori dengan cara =W2/$W$5*100 dengan W2
adalah jumlah kategori kurang dan W5 adalah jumlah semua kategori lalu klik
enter. Tarik formula hingga kategori lebih dan jumlahkan hasil presentase dengan
cara yang sama dengan menjumlahkan hasil perhitungan tiap kategori.
 Formula tersebut dapat juga digunakan untuk kategori TBU dan BBTB.
Perbedaan hanyalah terdapat pada kolom kategori yang digunakan dan
disesuaikan dengan indeks yang digunakan. Rentang data untuk TBU adalah data
P2 hingga P3, sedangkan untuk BBTB adalah T2 hingga T3. Hal ini dikarenakan
kategori untuk semua indeks memiliki jenis kategori yang sama. Hasil akhir dari
sheet z-score dapat dilihat pada Gambar 5.

Gambar 5 Sheet z-score

Analisis Rancangan Percobaan

Pengolahan data hasil wawancara atau penelitian selain menggunakan

program Ms. Excel, dapat juga menggunakan program SPSS. Langkah pertama
mengolah data dengan SPSS adalah menginput data ke dalam lembar kerja SPSS.
Analisis rancangan percobaan menggunakan SPSS dapat berbentuk rancangan
acak lengkap, rancangan acak kelompok, dan rancangan acak factorial. Data yang
digunakan untuk analisis rancangan acak lengkap dapat dilihat pada tabel berikut.

Tabel 1 Data rancangan acak lengkap

U G S
1 3 120
2 3 118
3 3 121
1 6 135
2 6 138
3 6 136
1 9 160
2 9 160
3 9 163

Input data diatas ke program SPSS kemudian lakukan analisis dengan

pilih analyze lalu general linear model lalu univariate. Kotak univariate
kemudian akan muncul. Pindahkan variabel sistolik ke kotak dependent variable,
dan variabel garam ke kotak fixed faktor. Hal ini memiliki arti bahwa sistolik
merupakan variabel yang dipengaruhi dan faktor utama yang mempengaruhi
adalah garam. Pilih post hoc kemudian pindahkan faktor g ke kolom yang akan
dianalisis secara post hoc. Pilih metode analisis Duncan, klik continue, lalu klik
ok. Output data kemudian akan muncul sesuai dengan data yang telah dianalisis
seperti yang terlihat pada Gambar 6.

Gambar 6 Hasil analisis rancangan acak lengkap

Jenis analisis data yang kedua adalah rancangan acak kelompok.
Langkah yang dilakukan untuk menganalisis rancangan acak kelompok tidak jauh
berbeda dengan rancangan acak lengkap. Data yang digunakan berbeda dengan
rancangan acak lengkap. Data yang akan dianalisis dapat dilihat pada tabel 2.

Tabel 2 Data rancangan acak kelompok

K S Hb
1 50 12
1 60 13
1 70 14
2 50 9
2 60 10
2 70 11
3 50 10
 K S Hb
3 60 1
3 70 12

Input data diatas ke program SPSS kemudian lakukan analisis dengan

pilih analyze lalu general linear model lalu univariate. Kotak univariate
kemudian akan muncul. Pindahkan variabel Hb ke kotak dependent variable,
pindahkan juga variabel kelompok (K) dan konsumsi hati sapi (S) ke kotak fixed
faktor. Pilih post hoc kemudian pindahkan faktor k dan s ke kolom yang akan
dianalisis secara post hoc. Pilih metode analisis Duncan, klik continue, lalu klik
ok. Output data kemudian akan muncul sesuai dengan data yang telah dianalisis
seperti yang terlihat pada Gambar 7.

Gambar 7 Hasil analisis rancangan acak kelompok

Jenis analisis data yang ketiga adalah rancangan acak faktorial. Langkah
yang dilakukan untuk menganalisis rancangan acak faktorial tidak jauh berbeda
dengan rancangan acak lengkap dan kelompok. Data yang digunakan berbeda
dengan rancangan acak lengkap. Data yang akan dianalisis dapat dilihat pada tabel
3.
Tabel 2 Data rancangan acak faktorial
U T N ZBBU
1 30 250 -1.5
2 30 250 -1.4
1 30 300 -0.1
2 30 300 0.3
1 60 250 0.5
 U T N ZBBU
2 60 250 0.8
1 60 300 1.6
2 60 300 1.7

Input data diatas ke program SPSS kemudian lakukan analisis dengan

pilih analyze lalu general linear model lalu univariate. Kotak univariate
kemudian akan muncul. Pindahkan variabel z-score BBU (ZBBU) ke kotak
dependent variable, pindahkan juga variabel konsumsi tahu (T) dan konsumsi nasi
(N) ke kotak fixed faktor. Klik model, pilih full factorial kemudian continue. Pilih
post hoc kemudian pindahkan faktor t dan n ke kolom yang akan dianalisis secara
post hoc. Pilih metode analisis Duncan, klik continue, lalu klik ok. Output data
kemudian akan muncul sesuai dengan data yang telah dianalisis seperti yang
terlihat pada Gambar 8

.
Gambar 8 Hasil analisis rancangan acak factorial
 LAMPIRAN

Hasil Analisis Rancangan Acak Lengkap

Univariate Analysis of Variance

Syntax :
UNIANOVA s BY g
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=g(DUNCAN)
/CRITERIA=ALPHA(0.05)
/DESIGN=g.
[DataSet0]

Between-Subjects Factors
N
garam 3 3
6 3
9 3

Tests of Between-Subjects Effects

Dependent Variable:sistolik
Type III Sum
Source of Squares df Mean Square F Sig.
a
Corrected Model 2594.667 2 1297.333 507.652 .000
Intercept 173889.000 1 173889.000 6.804E4 .000
g 2594.667 2 1297.333 507.652 .000
Error 15.333 6 2.556
Total 176499.000 9
Corrected Total 2610.000 8
a. R Squared = .994 (Adjusted R Squared = .992)

Post Hoc Tests

garam
Homogeneous Subsets

sistolik
Duncan
Subset
garam N 1 2 3
3 3 1.1967E2
6 3 1.3633E2
9 3 1.6100E2
Sig. 1.000 1.000 1.000
Means for groups in homogeneous subsets are
displayed.
Based on observed means.
The error term is Mean Square(Error) = 2.556.

Hasil Analisis Rancangan Acak Kelompok

Univariate Analysis of Variance

Syntax:
UNIANOVA hb BY k s
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=k s(DUNCAN)
/CRITERIA=ALPHA(0.05)
/DESIGN=k s k*s.

Between-Subjects Factors
Value Label N
kelompok 1 normal 3
2 hamil 3
3 menyusui 3
hati sapi 50 3
60 3
70 3

Tests of Between-Subjects Effects

Dependent Variable:hb
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 20.000a 8 2.500 . .
Intercept 1156.000 1 1156.000 . .
k 14.000 2 7.000 . .
s 6.000 2 3.000 . .
k*s .000 4 .000 . .
Error .000 0 .
Total 1176.000 9
Corrected Total 20.000 8
a. R Squared = 1.000 (Adjusted R Squared = .)

Hasil Analisis Rancangan Acak Faktorial

Univariate Analysis of Variance

Syntax:
UNIANOVA zbbu BY t n
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=t n(DUNCAN)
/CRITERIA=ALPHA(0.05)
/DESIGN=t n t*n.

Between-Subjects Factors
N
konsumsi telur 30 4
60 4
konsumsi nasi 250 4
300 4

Tests of Between-Subjects Effects

Dependent Variable:z-score BBU
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 10.064a 3 3.355 99.395 .000
Intercept .451 1 .451 13.370 .022
t 6.661 1 6.661 197.370 .000
n 3.251 1 3.251 96.333 .001
t*n .151 1 .151 4.481 .102
Error .135 4 .034
Total 10.650 8
Corrected Total 10.199 7
a. R Squared = .987 (Adjusted R Squared = .977)