BAB III

METODE PENELITIAN

3.1 Rancangan Penelitian

Jenis penelitian ini adalah observasional analitik yaitu suatu penelitian untuk
mempelajari dinamika korelasi antara variabel bebas (asupan makanan,penyakit infeksi,
ketersediaan pangan, pola asuh ibu, kesehatan lingkungan, tingkat pendapatan,
pengetahuan ibu, perilaku hidup bersih dan sehat) serta variabel terikat (status gizi)
melalui observasi. Rancangan yang digunakan adalah Cross Sectional yaitu variabel
bebas dan variabel terikat diukur secara bersamaan.
3.2 Tempat Dan Waktu
Tempat dilaksanakan penelitian ini yaitu di desa X dan waktu penelitian berlangsung
mulai dari tanggal 5 sampai 9 November 2018.
3.3.Populasi Dan Sampel
a. Populasi dalam peneltian ini adalah semua keluarga yang mempunyai balita di desa
X.
b. Sampel meliputi sebagian keluarga yang mempunyai balita di desa X berjumlah 80
keluarga. Yang menjadi responden adalah ibu dari balita. Bila dalam satu keluarga
terdapat lebih dari satu balita, maka diambil anak yang termuda.
3.4 Jenis Dan Cara Pengumpulan Data
1. Jenis data
a. Data primer
1) Data tentang status gizi balita di desa X.
2) Data tentang asupan makanan,penyakit infeksi, ketersediaan pangan, pola asuh
ibu, kesehatan lingkungan, tingkat pendapatan, pengetahuan ibu, serta PHBS
pada balita di desa X.
b. Data Sekunder
Data yang didapatkan dari puskesmas, kecamatan, dan kantor desa X.
2. Cara pengumpulan data
1) Data primer
a. Status gizi dengan pengukuran antropometri.
b. Asupan makanan dikumpulkan dengan cara wawancara recall 24 jam.
c. Penyakit infeksi dikumpulkan dengan cara wawancara dengan memeriksa
catatan balita di buku KIA.
 d. Ketersediaan pangan dikumpulkan dengan metode Food Account .
e. Pola asuh dikumpulkan dengan wawancara menggunakan kuesioner.
f. Kesehatan lingkungan dikumpulkan dengan wawancara menggunakan
kuesioner.
g. Pendapatan keluarga dikumpulkan dengan cara wawancara menggunakan
kuesioner.
h. Tingkat pengetahuan ibu dikumpulkan dengan wawancara menggunakan
kuesioner.
i. PHBS dikumpulkan dengan cara wawancara menggunakan kuesioner.

2) Data sekunder
Data sekunder dikumpulkan dengan cara mempelajari catatan
dokumen yang ada di dinas kesehatan, puskesmas, kecamatan, dan kantor desa
X.
3. Cara Pengolahan Data
1. Pengolahan Data Status Gizi
hasil penimbangan berat badan dan pengukuran tinggi badan
dimasukkan ke dalam aplikasi program Nutri 2008.
Dikategorikan menjadi :
BB/U : TB/U : BB/TB :
 Gizi Buruk : <-3 SD  Sangat Pendek : <-3SD  Sangat Kurus : <-3SD
 Gizi Kurang : -3SD  Pendek : -3SD sampai -  Kurus : -3SD sampai
sampai <-2SD 2SD <-2SD
 Gizi Baik : -2SD sampai  Normal : -2SD sampai  Normal : -2SD sampai
2SD 2SD 2SD
 Gizi Lebih : >2SD  Tinggi : >2SD  Gemuk : >2SD

2. Pengolahan Data Asupan Makanan

a. Mengkonversi data konsumsi yang diperoleh ke dalam ukuran
berat (gram).
b. Memasukkan data konsumsi ke dalam aplikasi Nutri 2008.
c. Mengkatagorikan asupan makanan berdasarkan hasil yang
didapatkan dari pengukuran recall 24 jam.
 Kategori Tingkat Konsumsi Energi dan Protein di bandingkan dengan

AKG untuk Indonesia,yaitu :

a. Konsumsi Energi

 Lebih > 105% AKG

 Baik 100-105% AKG

 Kurang 70-99% AKG

 Defisit <70% AKG(Ariani,et al. 2006 dalam Widajanti 2009)

b. Konsumsi Protein

 Lebih : > 100% AKG

 Baik : 80-100% AKG

 Kurang : <80 %AKG

3. Pengolahan data penyakit infeksi

a. Dengan cara memberikan k oesioner kepada responden
b. Memasukkan data ke dalam aplikasi PASW
c. Pengkategorian jawaban kuesioner dengan standar :“Ya”apabila menderita
infeksi 3 bulan terakhir di tahun 2018 , “ Tidak “ apabila tidak menderita
infeksi 3 bulan terakhir di tahun 2018.

4. Pengolahan data ketersedian pangan

Data diperoleh dari hasil wawancara langsung dengan cara food account
kemudian data bahan makanan tersebut dikonversikan kedalam energy dan
protein. Angka yang diperoleh tersebut dibandingkan (untuk energy: 2500 kkal
dan untuk protein: 55 gram). Kemudian rata-rata konsumsi energy dan protein
perkapita/hari dengan kategori :

 Baik : ≥ 100% AKG

 Sedang : 80 – 99% AKG
 Kurang : 70 – 80% AKG
 Defisit : < 70% AKG
5. Pengolahan data pola asuh ibu
1) Pola asuh diolah menggunakan program kompoter analisis dengan
pemberian skor, sebagai berikut :
Jawaban yang benar di beri skor = 1
Jawaban yang tidak tepat di beri skor = 0
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑘𝑜𝑟
𝑥 100
𝑠𝑘𝑜𝑟 𝑚𝑎𝑘𝑠𝑖𝑚𝑎𝑙
2) Nilai skor yang diperoleh dikategorikan menjadi diperoleh dengan
cara pemberian skor yaitu :
a. Baik = 76 – 100 %
a. Sedang = 56 – 75 %
b. Kurang = 40 – 55 %

6. Pengolahan data kesehatan lingkungan

Pengolahan data kesehatan lingkungan yaitu dengan cara member skor
pada hasil wawancara kuesioner.
1. Terdapatnya ventalasi
- Ada : Skor 2
- Tidak : Skor 1

2. Pembagian Ruangan

- Ada : Skor 2

- Tidak : Skor 1

3. Sarana Memperoleh Air Bersih

- PDAM : Skor 4
- Sumur Pompa Tangan : Skor 3
- Sumur Gali : Skor 2
-Sungai : Skor 1
4. Sumber Air Minum Keluarga
- Air Galon Isi Ulang : Skor 4
- Air PDAM : Skor 3
- Air Sumur/Pompa Air : Skor 2
- Air Sungai : Skor 1

5. Pembuangan Sampah
- TPS : Skor 4
- Dibakar : Skor 3
- Selokan : Skor 3
- Sungai : Skor 1

6. Jamban Yang Digunakan

- Jamban Leher Angsa : Skor 3
- Jamban Duduk : Skor 2
- Jamban Cemplung : Skor 1

7. Akhir Pembuangan Tinja

- Septik Tank Cemplung Penampungan Dalam Tanah : Skor 3

- Septik Tank Cemplung Sungai : Skor 2
- Cemplung Sungai : Skor 1

8. Menguras Penampungan Air dalam 1 bulan

- 1 Minggu , 1 kali atau lebih : Skor 4
- 2 Minggu , 1 kali : Skor 3
- 1 Bulan , 1 Kali : Skor 2
- Tidak Sama Sekali : Skor 1

Hasil skor kemudian dihitung dengan rumus :

 𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑘𝑜𝑟 𝑦𝑎𝑛𝑔 𝑑𝑖𝑑𝑎𝑝𝑎𝑡
Nilai = x 100%
𝑇𝑜𝑡𝑎𝑙 𝑠𝑘𝑜𝑟 𝑡𝑒𝑟𝑡𝑖𝑛𝑔𝑔𝑖

Kemudian dikategorikan menjadi :

a. Baik : >80%
b. Cukup : 60-80%
c. Kurang : <60%

7. Pengolahan data tingkat pendapatan

Menjumlahkan semua pendapatan keluarga 1 bulan dalam bentuk rupiah.
Kemudian dikategorikan:
Pendapatan timggi : ≥ Rp 2.454.000,-
Pendapatan rendah : < Rp 2.454.000,-
(UMP Kalsel, 2018)
8. Pengolahan data pengetahuan ibu
a. Memberi skor “1” untuk jawaban benar, dan “0” untuk jawaban salah.
b. Menjumlahkan semua jawaban kuesioner.
c. Menghitung nilai pengetahuan dengan rumus, jumlah jawaban benar dibagi
dengan jumlah pertanyaan dalan kuesioner dikali 100%.
d. Mengkategorikan pengetahuan menjadi :
1) Baik: 76-100%
2) Cukup: 56-75%
3) Kurang: < 55%

9. Pengolahan data PHBS

PHBS diolah menggunakan komputer analisis dengan pemberian skor,
setiap soal yang benar diberi skor 10 (sehingga nilai tertinggi adalah
100) dan suatu rumah tangga sudah dikatakan tidak menerapkan
PHBS jika salah satu indikator PHBS rumah tangga tidak terpenuhi.

3.5 Analisis Data

3.5.1 Analisis Data Asupan Makanan
 Analisa data bertujuan untuk menyimpulkan parameter (populasi) berdasarkan
statistik sampel atau lebih dikenal dengan proses generalisasi dan inferensial,
analisis data dibantu dengan panduan program komputer, meliputi :
1. Analisis Univariat
Penelitian yang dilakukan terhadap variable dari hasil penelitian.Pada
umumya dalam analisis ini hanya menghasilkan distribusi dan presentasi dari
tiap variabel.
2. Analisis Bivariat
Analisis yang dilakukan terhadap dua variable yang diduga berhubungan
atau berkorelasi (Notoadmodjo, 2002).Untuk mengetahui apakah ada
hubungan antara variabel yang akan diuji hubungannya antara asupan
makanan dengan status gizi,data tersebut kemudian ditabulasikan. Untuk
menguji hipotesis dilakukan uji Spearman dengan menggunakan bantuan
komputer.
3.5.2 Analisis Data Penyakit Infeksi
Analisis data bertujuan untuk menyimpulakn parameter (populasi)
berdasarkan statistic smpel atau lebih dikenal dengan proses generalisasi dan
inferensial, analisis data dibantu dengan panduan program komputer, meliputi:
1. Analisis Univariat
Penelitian yang dilakukan terhadap variable dari hasil penelitian. Pada
umunya dalam analisis ini hanya menghasilkan distribusi variable yang
diteliti yaitu balita yang berumur 0- 23 bulan dan presentasi dari tiap
variable.
2. Analisis Bivariat
Analisis yang dilakukan terhadap dua variable yang diduga
berhubungan atau berkorelasi (Notoatmodjo, 2002).Untuk mengetahui
apakah ada hubungan antara variable bebas (Status Gizi) dengan Variabel
terikat (Penyakit Infeksi), data tersebut kemudian ditabulasikan.Untuk
menguji hipotesis dilakukan dengan uji Spearman dengan menggunakan
bantuan kompeter.

3.5.3 Analisis Data Ketersediaan Pangan

1. Analisis Univariat
Data diolah dalam table distribusi frekuensi untuk tiap variable.
1) Ketersediaan Pangan Keluarga

Data diperoleh dari hasil wawancara langsung dengan cara food

account kemudian data bahan makanan tersebut dikonversikan kedalam
energy dan protein. Selanjutnya jumlah energy dan protein yang ada di
tabel 1.1 dikali dengan jumlah anggota keluarga dirumah . Hasil
perhitungan antara energy dan protein food account dibandingkan dengan
jumlah energy dan protein ketersedian pangan dikali 100%. kategori untuk
melihat ketersedian pangan:
 Baik : ≥ 100% AKG
 Sedang : 80 – 99% AKG
 Kurang : 70 – 80% AKG
 Defisit : < 70% AKG

Tabel 1.1 pembanding ketersedian pangan (Pendoman AKG)

Energi 2500 kkal/orang/hari
Protein 55 gram/orang/hari
Tabel 1.2 Distribusi responden berdasarkan ketersediaan pangan keluarga.

Tingkat Ketersediaan Jumlah

No.
Pangan Keluarga n %

1. Baik

2. Sedang

3. Kurang

4. Defisit

Jumlah
 2. Analisis Bivariat
Analisis bivariate dilakukan untuk mencari hubungan antara variable
yang diteliti dengan status gizi balita. Analisis menggunakan SPSS 18
dengan uji statistic korelasi spearman dengan tingkat signifikansi 95% (α
0,05).

Untuk menarik kesimpulan dilakuakn uji statistic untuk mengetahui

ada tidaknya hubungan antara variable yang diteliti dengan menggunakan uji
korelasi rank spearman pada tingkat kepercayaan 95%. Uji korelasi rank
spearman digunakan untuk mencari hubungan atau untuk menguji
signifikansi hipotetsis asosiatif bial amsing-masing variable dihubungkan
berbentuk orgdinal, dan sumber data variable tidak harus sama untuk
menganalisa dnegan rumus :

P = 1 - 6Σbi2

n(n2-1)

(Sugiyono, 2009)

Sehingga didapatkan kaidah sebagai berikut :

H0 : Tidak ada hubungan antara variable bebas (Ketersediaan Pangan)

dengan variable perikat (Status Gizi Balita)

Ha : Ada hubungan antara variable bebas (Ketersediaan Pangan) dengan

variable perikat (Status Gizi Balita)

Alpha (α) 5% (0,05)

a. Apabila P > α maka H0 diterima Tidak ada hubungan antara variable bebas
(Ketersediaan Pangan) dengan variable perikat (Status Gizi Balita)

b. Apabila P ,<α maka H0 ditolak Ada hubungan antara variable bebas

(Ketersediaan Pangan) dengan variable perikat (Status Gizi Balita)

Berdasarkan nilai korelasi yang diperoleh maka apabila :

r = 0,00 – 0,25  tidak ada hubungan atau hubungan lemah

 r = 0,26 – 0,50  hubungan sedang

r = 0,51 – 0,75  hubungan kuat

r = 0,76 – 1,00  hubungan sangat kuat / sempurna.

(Sabri dan Sutanto, 2007)

3.5.4 Analisis Data Pola asuh Ibu

1. Analisis Univariat
Analisis Univariat adalah analisis yang digunakan untuk
mendriskipsikan variabel yang disajikan dalam bentuk tabel distribusi
frekuensi dan persentase dari tiap variabel.

2. Analisis Univariat

Analisis Bivariat adalah analisis yang digunkan untuk mencari

hubungan variabel bebas dan variabel terikat dengan uji statistic yang

disesuaikan dengan data yang ada yaitu ordinal. Variabel yang akan diuji

hubungannya adalah pola asuh dengan status gizi balita di Desa X.

Data tersebut dikumpulkan kemudian ditabulasi, untuk menguji

dilakukan uji kolerasi rank Spearman dengan menggunakan program

statistik dengan bantuan menggunakan komputer menggunakan derajat

tingkat kepercayaan (alpha=5%).

6 ⅀ 𝑑²
Rumus : rs = 1 - 𝑛 (𝑛2 −1)

Keterangan :

rs = Koefisien Kolerasi Spearman

⅀ d2 = Total Kuadrat selisih antar ranking

 n = Jumlah Sampel Penelitian

Syarat uji hubungan kolerasi rank Spearman, yaitu (Hidayat,2009) :

a. Data yang bertipe ordinal

b. Sumber data antar variabel tidak harus sama

c. Uji ini digunakan untuk menguji hubungan dua variabel atau lebih.

Cara analisis koefisien korelasi rank Spearman (Wijaya, 2003)

a. Variabel pertama (misal x) dan variabel yang kedua (misal y)

dirangking.

b. Apabila terdapat nilai pengamatan yang sama, rangkingnya adalah

rata-rata.

c. Menentukan selisih rangking (di) untuk setiap pasang variabel x dan y.

Menurut Sabri (2007) Berdasarkan nilai kolerasi yang diperoleh, maka:

a. Apabila r = 1, berarti hubungan atar kedua variabel yang

dianalisis merupakan hubungan linear sempurna, dimana semakin

besar nilai x maka nilai y akan semakin besar pula

b. Apabila r = 0, berarti tidak ada hubungan sama sekali diantara

dua variabel.

c. Apabila r = -1, berarti hubungan antara kedua variabel yang

dianalisis merupakan hubungan linear terbalik sempurna, dimana maka

besar nilai x maka nilai y akan semakin kecil.

Menurut Colton, kekuatan hubungan dua variabel secara kualitatif

dapat dibagi menjadi empat area sebagai berikut :

r = 0,00 – 0,25 = tidak ada hubungan/hubungan sangat lemah

 r = 0,26 – 0,50 = hubungan sedang

r = 0,51 – 0,75 = hubungan kuat

r = 0,76 – 1,00 = hubungan sangat kuat/sempurna

untuk menarik kesimpulan menggunakan kaidah hipotesa :

Syarat-syaratnya α = 0,05. Ho di tolak jika nilai p < α, dan Hi diterima

jika nilai p > α

Ho : tidak ada hubungan antara pola asuh dengan status gizi balita

Ha : ada hubungan antara pola asuh dengan status gizi balita

3.5.5 Analisis Data Kesehatan Lingkungan

1. Analisis Univariat

Data diolah dalam table distribusi frekuensi untuk tiap variable.

a. Data umum keluarga
Umur, suku, agama, dan pekerjaan kepala keluarga yang diperoleh dengan
cara wawancara dengan menggunakan alat ukur kuesioner.
b. Status gizi balita
Dengan menggunakan baku standar WHO-NCHS, berdasarkan 3 indikator
pengukuran status gizi balita yaitu BB/TB, BB/U, TB/U. Dapat dikategorikan
sebagai berikut :
1) Gizi buruk : < - 3SD
2) Gizi kurang : < - 2 SD s/d ≥ - 3 SD
3) Gizi baik : < - 2 SD s/d + 2 SD
4) Gizi lebih: > + 2 SD

Tabel 1.1 Distribusi Status Gizi Responden Berdasarkan Berat

Badan Menurut Umur (BB/U)
 Jumlah
No Status Gizi balita (BB/U)
n %

1 Gizi lebih

2 Gizi baik

3 Gizi kurang

4 Gizi buruk

Jumlah

𝑁𝑖𝑙𝑎𝑖𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 − 𝑛𝑖𝑙𝑎𝑖𝑚𝑒𝑑𝑖𝑎𝑛
𝑍𝑠𝑐𝑜𝑟𝑒𝑇𝐵/𝑈 =
𝑛𝑖𝑙𝑎𝑖𝑚𝑒𝑑𝑖𝑎𝑛 − 𝑛𝑖𝑙𝑎𝑖𝑠𝑝. 𝑏𝑎𝑘𝑢

Dengan beberapa kriteria :

a. Gemuk : > 2 SD
b. Normal : > -2 SD s/d 2 SD
c. Kurus : < -2 SD s/d -3 SD
d. Kurus sekali : < -3 SD

Tabel 1.2 Distribusi Status Gizi Responden Berdasarkan

Berat Badan Menurut Tinggi Badan (BB/TB)

Jumlah
No Status Gizi balita (BB/TB)
n %

1 Gemuk

2 Normal

3 Kurus
 4 Kurus Sekali

Jumlah

𝑁𝑖𝑙𝑎𝑖𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 − 𝑛𝑖𝑙𝑎𝑖𝑚𝑒𝑑𝑖𝑎𝑛
𝑍𝑠𝑐𝑜𝑟𝑒𝑇𝐵/𝑈 =
𝑛𝑖𝑙𝑎𝑖𝑚𝑒𝑑𝑖𝑎𝑛 − 𝑛𝑖𝑙𝑎𝑖𝑠𝑝. 𝑏𝑎𝑘𝑢

Dengan beberapa kriteria :

1) Normal : -2 SD s/d 2 SD
2) Pendek : < -2 SD

Tabel 1.3 Distribusi Status Gizi Responden Berdasarkan

Tinggi Badan Menurut Umur TB/U)

Jumlah
No Status Gizi balita (TB/U)
n %

1 Normal

2 Pendek

Jumlah

c. Sanitasi
Pengolahan data kesehatan lingkungan yaitu dengan cara member skor
pada hasil wawancara kuesioner.
1. Terdapatnya ventalasi
Ada : Skor 1
Tidak : Skor 0
2. Pembagian Ruangan
Ada : a. Ruang tamu : skor 1

b. Ruang Keluarga : skor 1

 c. Ruang Tidur : skor 1

d. Ruang Makan : skor 1

e. Ruang Dapur : skor 1

f. Kamar Mandi : skor 1

g. Jamban/wc : skor 1

h. Gudang : skor 1

Tidak : Skor 0

3. Sarana Memperoleh Air Bersih

PDAM : Skor 4
Sumur Pompa Tangan : Skor 3
Sumur Gali : Skor 2
Sungai : Skor 1

4. Sumber Air Minum Keluarga

Air Galon Isi Ulang : Skor 4
Air PDAM : Skor 3
Air Sumur/Pompa Air : Skor 2
Air Sungai : Skor 1

5. Pembuangan Sampah
TPS : Skor 4
Dibakar : Skor 3
Selokan : Skor 3
Sungai : Skor 1

6. Jamban Yang Digunakan

Jamban Leher Angsa : Skor 3
Jamban Duduk : Skor 2
Jamban Cemplung : Skor 1
 7. Akhir Pembuangan Tinja
Septik Tank Cemplung Penampungan Dalam Tanah : Skor 3
Septik Tank Cemplung Sungai : Skor 2
Cemplung Sungai : Skor 1

8. Menguras Penampungan Air dalam 1 bulan

1 Minggu , 1 kali atau lebih : Skor 3
2 Minggu , 1 kali : Skor 2
1 Bulan , 1 Kali : Skor 1
Tidak Sama Sekali : Skor 0

Hasil skor kemudian dihitung dengan rumus :

𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑘𝑜𝑟 𝑦𝑎𝑛𝑔 𝑑𝑖𝑑𝑎𝑝𝑎𝑡

Nilai = x 100%
𝑇𝑜𝑡𝑎𝑙 𝑠𝑘𝑜𝑟 𝑡𝑒𝑟𝑡𝑖𝑛𝑔𝑔𝑖

Kemudian dikategorikan menjadi :

a. Baik : >80%
b. Cukup : 60-80%
c. Kurang : <60%

2. Analisis Bivariat

Analisis bivariat dilakukan untuk mencari hubungan antara variable yang

diteliti dengan status gizi balita. Analisis menggunakan SPSS 18 dengan uji
statistic korelasi spearman dengan tingkat signifikansi 95% (α 0,05).

Untuk menarik kesimpulan dilakuakn uji statistik untuk mengetahui ada

tidaknya hubungan antara variable yang diteliti dengan menggunakan uji korelasi
rank spearman pada tingkat kepercayaan 95%. Uji korelasi rank spearman
digunakan untuk mencari hubungan atau untuk menguji signifikansi hipotetsis
asosiatif bila masing-masing variable dihubungkan berbentuk ordinal, dan sumber
data variable tidak harus sama untuk menganalisa dengan rumus :

P = 1 - 6Σbi2
 n(n2-1)

(Sugiyono, 2009)

Sehingga didapatkan kaidah sebagai berikut :

H0 : Tidak ada hubungan sanitasi kesehatan atau kesehatan lingkungan dengan

status gizi balita.

Ha : Ada hubungan sanitasi kesehatan atau kesehatan lingkungan dengan status

gizi balita.

1) Apabila P > α maka H0 diterima.

2) Apabila P ,<α maka H0 ditolak.
Alpha (α) 5% (0,05)
Berdasarkan nilai korelasi yang diperoleh maka apabila :

r = 0,00 – 0,25  tidak ada hubungan atau hubungan lemah

r = 0,26 – 0,50  hubungan sedang

r = 0,51 – 0,75  hubungan kuat

r = 0,76 – 1,00  hubungan sangat kuat / sempurna.

(Sabri dan Sutanto, 2007)

3.5.6 Analisis Data Tingkat Pendapatan

1. Analisis Univariat
Penelitian yang dilakukan terhadap variable dari hasil penelitian.Pada

umumya dalam analisis ini hanya menghasilkan distribusi dan presentasi dari tiap

variabel.

2. Analisis Bivariat
Analisis yang dilakukan terhadap dua variable yang diduga berhubungan
atau berkorelasi (Notoadmodjo, 2002).Untuk mengetahui apakah ada hubungan
 antara variabel yang akan diuji hubungannya antara tingkat pendapatan keluarga
dengan status gizi balita,data tersebut kemudian ditabulasikan. Uji hipotesis yang
digunakan pada penelitian ini adalah uji chi square, yaitu membandingkan
frekuensi yang diamati dengan frekuensi yang diharapkan (Notoadmojo,
2010).Analisa menggunakan aplikasi SPSS 19.

3.5.7 Analisis Data Pengetahuan Ibu

Analisa data bertujuan untuk menyimpulkan parameter (populasi)

berdasarkan statistik sampel atau lebih dikenal dengan proses generalisasi dan
inferensial, analisis data dibantu dengan panduan program komputer, meliputi :

1. Analisis Univariat
Penelitian yang dilakukan terhadap variabel dari hasil penelitian.Pada

umumya dalam analisis ini hanya menghasilkan distribusi dan presentasi dari

tiap variabel.

2. Analisis Bivariat
Analisis yang dilakukan terhadap dua variable yang diduga berhubungan atau
berkorelasi (Notoadmodjo, 2002).Untuk mengetahui apakah ada hubungan
antara variabel yang akan diuji hubungannya antara pengetahuan ibu dengan
status gizi,data tersebut kemudian ditabulasikan. Untuk menguji hipotesis
dilakukan uji Spearman dengan menggunakan bantuan komputer.
3.5.8 Analisis Data Perilaku Hidup Bersih Dan Sehat

Analisa data bertujuan untuk menyimpulkan parameter (populasi)

berdasarkan statistik sampel atau lebih dikenal dengan proses generalisasi dan

inferensial, analisis data dibantu dengan panduan program komputer, meliputi :

1. Analisis Univariat
 Penelitian yang dilakukan terhadap variable dari hasil penelitian.Pada

umumya dalam analisis ini hanya menghasilkan distribusi dan presentasi dari

tiap variabel.

2. Analisis Bivariat
Analisis yang dilakukan terhadap dua variable yang diduga berhubungan atau
berkorelasi (Notoadmodjo, 2002).Untuk mengetahui apakah ada hubungan
antara variabel yang akan diuji hubungannya antara PHBS dengan status
gizi,data tersebut kemudian ditabulasikan. Untuk menguji hipotesis dilakukan
uji Spearman dengan menggunakan bantuan komputer.

Nilai ketentuan :

Ho : Tidak ada hubungan antara variable bebas dan variable terikat

Ha : Ada hubungan antara variable bebas dan variable terikat

Alpha (α) : 5 % (0,05)

a. Apabila p < α, maka Ho ditolak berarti ada hubungan yang bermakna antara
kedua variabel.
b. Apabila p < α, maka Ho diterima berarti tidak ada hubungan yang bermakna
antara kedua variabel.

Menurut Colton, kekuatan hubungan dua variabel secara kualitatif dapat di bagi
dalam empat area sebagai berikut :

r = 0,00 – 0,025 – tidak ada hubungan/hubungannya lemah

r = 0,26 – 0,50 – hubungan sedang

r = 0,51 – 0,75 – hubungan kuat

r = 0,76 – 1,00 – hungan sangat kuat/sempurna.