p value > (lebih besar) alpha = H0 diterima.

DATA MATLAB PREDIKSI

Semakin tinggi nilai mean R-G =>
semakin rendah kemungkinan terjadinya anemia pada responden =>
secara tidak langsung, apabila kemungkinan anemia responden rendah =>
kadar MCV, MCH, dan MCHC responden menjadi semakin tinggi.

HASIL
Dari hasil pengujian, didapatkan data tidak berdistribusi normal
dan tidak terdapat perbedaan indikasi anemia antara responden yang
sangat kurang minum, kurang minum, dan cukup minum sehingga tidak
dapat memprediksi pengaruh asupan air minum terhadap MCV, MCH, dan MCHC
responden dan indikasi kemungkinan terjadinya anemia
karen a tidak terdapat hubungan yang signifikan antara
variabel kadar air minum dengan skor matlab.

Hasil ini kemungkinan karena beberapa faktor:

- Kurangnya spesifikasi responden
dalam mengukur air minum yang diminumnya.
- Adanya asupan air selain dari minuman
yang dapat mempengaruhi hasil.
- Adanya perbedaan kamera ponsel dalam pengambilan
foto dan perbedaan penyuntingan frame foto.
- Adanya perbedaan waktu pengambilan foto
- Adanya perbedaan dari sisi saturasi dan
pencahayaan foto,
walaupun telah dilakukan penyeragaman kualitas
foto dengan cara meresize ukuran foto 4000:3000 pixel.

Catatan Adhit
- MATLAB diproduksi sama MATWORKS. Bandingin dengan cek tekanan darah di hp.
=> Icare tidak ada jurnal yg mengvalidasi.

- Bagan menjelaskan metode yang tidak mungkin dilakukan.

--Aplikasi HP: potong kuku dan => tidak tersedia untuk didownload.
--Fe dari makanan: akurat data kandungan Fe di makanan susah.
--Kalor: hanya akurat pada server anemia.
--Kuisioner:
---kuisioner kepuasaan bagian anemia (PSQan) => tidak relate (berhubungan).
---kuisioner perform
---kuisioner anemia pediatri
---kuisioner faktor resiko => nggak menyatakan dia anemia atau gak.
--Lembar observasi => tidak mencerminkan atau menyatakan anemia atau gak.

Catatan Nisa
Varibel independen (variabel bebas):
asupan air minum

Variabel dependen (variabel terikat):

prediksi MCV, MCH dan MCHC

Analisis hubungan
- Regresi linier memprediksi nilai dari variabel numerikal (dua2nya)
((dependen numerikal, independen kategorikal))
==> tidak memenuhi.
Ada syarat: asumsi klasik: normalitas, linieritas

- Transform jenis data kategorikal dua2nya => chisquare => tidak bisa
Kategorikal nominal (cuma 2 pilihan yes atau no)
ada tingkatan => asupan air
Ada yg nilai 0 => jadi gak bisa

- Pearson dan spearman => Numerikal dua2nya.

Pearson => data berdistribusi normal.

Uji beda
- Nilai MCH kurang minum dan cukup minum ada gak bedanya.
Kruskal waliis: grup independen lebih dari 2 => tidak berdistribusi normal.
kategorikal ordinal (3 grup).

Berdistribusi normal => one way anova.