Nama : Jefri Munandar

NPM : 2108108010071

Latihan 1
SOAL:
Berapakah jumlah dataset dalam package epicalc? Sebutkan dan jelaskan!

PENYELESAIAN:
Terdapat 29 dataset dalam package epicalc dan berikut adalah beberapa dataset yang
ada pada package epicalc adalah sebagai berikut :
1) ANCdata
Dataset ini adalah data yang merupakan metode perawatan antenatal baru tentang
mortalitas. Dataset ini berisi catatan wanita hamil berisiko tinggi di bawah
pengadilan atas metode antenatal baru dan lama di dua klinik. Hasilnya adalah
mortalitas perinatal.
Dataset ini terdiri dari 755 pengamatan dengan 3 variabel berikut
 Kematian (death) dengan kategori
No (tidak) dan yes (ya)
 Anc. dengan kategori
lama dan baru
 Klinik dengan kategori a b

2) ANCtable
Dataset ini adalah data yang merupakan metode ANC baru tentang mortalitas. Data
ini dimana kombinasi metode perawatan antenatal antara dua klnik dengan hasil
yang menjadi mortalitas perinatal.
Dataset ini terdiri dari 8 pengamatan dengan mempunyai 4 variabel.
 Kematian dengan vektor numerik
1 = tidak, 2 = ya
 ANC merupakan vektor numerik yang menunjukkan jenis perawatan antenatal
Dimana peumpamaannya yaitu 1 = lama 2 = Baru
 Klinik merupakan vektor numerik yang menunjukkan Kode Klinik
1 = Klinik A, 2 = Klinik B
 Freq.merupakan vektor frekuensi numerik
3) BMD
Data ini berisi informasi dari uji klinis yang menyelidiki tiga dosis obat yang
dianggap mempengaruhi tingkat kepadatan mineral tulang pada wanita
pascamenopause. Perawatan 1 adalah dosis terendah dari obat dan perawatan 3
adalah yang tertinggi. Subjek adalah wanita pascamenopause yang dialokasikan
secara acak untuk satu hingga tiga dosis. Kepadatan mineral tulang diukur pada
awal persidangan dan pada 12 dan 24 mnth setelah persidangan dimulai.
Data ini terdiri dari 1.439 pengamatan dengan 9 variabel berikut.
 SUBJ
 ID Subjek
 Bulan (Bulan sejak awal percobaan (0, 12, 24))
 Kelompok (kelompok perlakuan (1, 2, 3)
 Bmd (epadatan mineral tulang pada pinggul (g / cm ^ 2))
 Merokok (status merokok (1 = Tidak, 2 = Ya (<10 per hari), 3 = 10 + per hari))
 HRT (Ya atau tidak)
 BMI. (Indeks Massa Tubuh (kg / m ^ 2))
 YRS (Jumlah tahun sejak menopause)
 Usia (Umur di awal persidangan)

4) Attitudes
Dataset dari survei sikap di antara staf rumah sakit. Survei tentang sikap yang
berkaitan dengan layanan di antara staf rumah sakit.
Kode untuk jawaban QA1 ke QA18 adalah
1 = Sangat tidak setuju
2 = tidak setuju
3 = netral.
4 = setuju
5 = Setuju Kuat
Data terdiri dari 136 pengamatan dengan 7 variabel berikut.
 Pengenal, mengidentifikasi kode respondent, seks, gender responden, Depa,
Kode Departemen
 QA1 (Saya bangga dengan pekerjaan saya)
  QA2 (Saya senang memberikan layanan)
 QA3 (Saya merasa kesulitan dalam memberikan layanan)
 QA4 (Saya dapat meningkatkan layanan saya)
 QA5 (Orang layanan harus memiliki kesabaran)
 QA6 (Saya akan mengubah pekerjaan saya jika memiliki kesempatan)
 QA7 (Mencurahkan beberapa waktu pribadi akan meningkatkan diri)
 QA8 (Kerja keras akan meningkatkan diri)
 QA9 (Tersenyum mengarah ke kepercayaan)
 QA10 (Saya merasa tidak enak jika saya tidak bisa memberikan layanan)
 QA11 (Klien tidak selalu benar)
 QA12 (Klien yang berpengalaman harus mengikuti prosedur)
 QA13 (Seorang klien yang melanggar peraturan seharusnya tidak menawar)
 QA14 (Memahami kolega akan mengarah pada pemahaman klien)
 QA15 (Klien menyukai tempat ini karena layanan yang baik)
 QA16 (Klien yang mengharapkan wajah tersenyum kami membuat tekanan
pada kami)
 QA17 (Klien sering egois)
 QA18 (Klien harus dilayani dengan lebih baik)

5) BP
Dataset ini berisi informasi tentang catatan 100 orang dewasa dari survei cross-
sectional kecil pada tahun 2001 yang menyelidiki tekanan darah dan penentunya
dalam suatu komunitas. Data ini berisi 100 pengamatan dan 6 variabel dengan
deskripsi variabel.

6) Bang
Dataset dari Survei Kesuburan Bangladesh 1988. File terdiri dari subsampel 1934
wanita yang dikelompokkan di 60 kabupaten.
Data dengan pengamatan 1934 pada 7 variabel yaitu wanita, daerah, pengguna,
living children, age mean, perkotaan, dan juga konstan.

7) Compaq
 Dataset tentang kelangsungan hidup kanker. Dataset tentang Survival Kanker
Memeriksa apakah ada perbedaan bertahan antara pasien kanker di rumah sakit
swasta dan umum. Data dengan 1064 pengamatan dengan 7 variabel yaitu :
 Pengenal biasanya vektor numerik
 RSUD yaitu faktor dengan tingkat rumah sakit swasta rumah sakit umum
 Status biasanya numerik
 Panggung yaitu Faktor dengan Tingkat Tahap 1 Tahap 2 Tahap 3 Tahap 4
 AGEGR yaitu faktor dengan level <40 40-49 50-59 60+
 Ses yaitu faktor dengan level yang kaya miskin menengah ke tengah-tengah
 Tahun yaitu vektor numerik yang menunjukkan tahun rekrutmen ke dalam
penelitian.

8) DHF99
Dataset untuk berolahraga pada prediktor untuk infestasi nyamuk larva. Dataset
dari survei komunitas pada wadah air penuh dengan larva nyamuk. Data dengan
300 pengamatan pada 5 variabel yaitu HOUSID (vektor numerik), Desa (vektor
numerik yang menunjukkan ID desa), Pendidikan (faktor dengan level Sarjana
SMA Sekolah Tinggi Lainnya), Wadah (vektor numerik yang menunjukkan jumlah
kontainer yang penuh), dan Viltype (faktor dengan tingkat kumuh perkotaan
pedesaan).

9) Decay
Dataset pada pembusukan gigi dan streptokokusutan. Hubungan antara bakteri dan
adanya gigi yang membusuk. Data dengan 436 pengamatan pada 2 variabel yaitu
membusuk dan juga tenteng.

10) Familydata
Dataset dari keluarga hipotetis. Antropometrik dan data keuangan dari keluarga
hipotetis.
Data ini terdapat 11 pengamatan pada 6 variabel yaitu (kode, usia, ht, wt, uang,
seks (faktor dengan level f m))
11) Ectopic
 Dataset dari studi kasus-kontrol yang melihat sejarah aborsi sebagai faktor risiko
untuk kehamilan ektopik. Studi Kontrol Kasus ini memiliki satu seri kasus dan dua
kelompok kontrol. Subjek direkrut berdasarkan tiga jenis hasil kehamilan. Data ini
dengan 723 pengamatan pada 4 variabel yaitu pengenal, ORC, hia dan grayi.

12) HW93
Dataset dari studi tentang prevalensi dan intensitas cacing cacing pada tahun 1993.
Dataset dari survei cross-sectional pada tahun 1993 memeriksa infeksi cacing
tambang. Data ini terdiri dari 637 data dengan 6 variabel yaitu pengenal, epg, usia,
sepatu, intens dan AGEGR.

13) Hakimi
Dataset pada efek personel pelatihan pada mortalitas neonatal. Subset dari dataset
dari persidangan intervensi pendidikan pada personel dan efek pada mortalal
neonatal. Catatan non-fatal dipilih secara acak dari dataset asli, hanya untuk praktik
dan interpretasi istilah interaksi.
Data yang berisi 456 pengamatan dan 4 variabel.
 Mati (kematian neonatal: 1 = ya, 0 = tidak)
 Perlakuan (Program Intervensi: 1 = Ya, 2 = Tidak)
 Malpres (MALPRESENTASI FETUS: 1 = Ya, 0 = Tidak)
 Kelahiran (Berat lahir untuk janin di gram)

14) Iuddmit
Penerimaan dataset kasus untuk uji coba IUD. Dataset ini adalah subset dari siapa
IUD Trial. Itu harus digabung dengan IUDFollowUp dan Iuddiscontinue
Data yang berisi 918 pengamatan dan 4 variabel.
 Pengenal (vektor numerik untuk nomor identifikasi pribadi)
 Idate (tanggal penyisipan IUD)
 lmPTime (waktu sejak periode menstruasi terakhir)
 A122 (jenis IUD)

15) IudDiscontinue
 Dataset tentang penghentian kasus uji coba IUD. Dataset ini adalah subset dari
siapa IUD Trial. Itu harus digabung dengan Iudadmit dan IUDFollowAp
Data yang berisi 398 pengamatan dan 3 variabel yiatu Pengenal (vektor numerik
untuk nomor identifikasi pribadi), DISCDATE (tanggal penghentian) dan d23
(lasan utama untuk penghentian)

16) IudFollowup
Dataset kasus tindak lanjut dari percobaan IUD. Dataset ini adalah bagian dari uji
coba IUD WHO. Itu harus digabungkan dengan IudAdmit dan IudDiscontinue
Sebuah kerangka data yang berisi 4235 observasi dan 6 variabel.
Pengenal (vektor numerik untuk nomor identifikasi pribadi)
Tanggal vlmp (tanggal menstruasi terakhir sebelum kunjungan ini)
Tanggal v (tanggal kunjungan)
f22 (menyusui)
f51 (Benang IUD terlihat)
f61 (subjek melanjutkan)

17) Marryage
Dataset usia saat menikah. Dataset ini berisi data usia kawin pertama dukun bayi
pada workshop tahun 1997.
Kerangka data dengan 27 observasi pada 7 variabel yaitu Pengenal (vektor
numerik), Seks (faktor dengan tingkat laki-laki perempuan), Kelahiran (vektor
numerik yang menunjukkan tahun lahir), Mendidik (faktor dengan tingkat sarjana
atau lebih tinggi), Pernikahan (faktor dengan level Single Menikah), Mary (vektor
numerik yang menunjukkan tahun pernikahan) dan Endyr (vektor numerik yang
menunjukkan tahun analisis)

18) Montana
Dataset dari studi kohort paparan arsenik dari industri dan kematian akibat penyakit
pernapasan.
Kerangka data dengan 114 observasi pada 6 variabel berikut:
 Kematian (vektor numerik yang menunjukkan jumlah kematian akibat penyakit
pernapasan)
  Personyrs (vektor numerik yang menunjukkan orang-tahun paparan
 Usia (vektor numerik: 1=40-49, 2=50-59, 3=60-69, 4=70-79)
 Titik (vektor numerik: 1=1938-1949, 2=1950-1959, 3=1960-1969, 4=1970-
1977
 Mulailah (vektor numerik yang menunjukkan periode awal: 1=pra-1925,
2=1925 & sesudahnya)
 Arsenic (vektor numerik yang menunjukkan tahun paparan: 1=<1 tahun, 2=1-4
tahun, 3=5-14 tahun, 4=15+ tahun)

19) Oswego
Kumpulan data dari wabah keracunan makanan di AS. Dataset ini berisi informasi
tentang catatan 75 orang yang sedang diselidiki penyebab keracunan makanan akut
setelah pesta makan malam. Sebuah kerangka data yang berisi 75 observasi dan 20
variabel.

20) Outbreak
Kumpulan data dari wabah keracunan makanan pada hari olahraga, Thailand 1990.
Dataset ini berisi informasi dari investigasi wabah tentang keracunan makanan pada
hari olahraga di Thailand 1990. Variabel dikotomis untuk paparan dan gejala diberi
kode berikut ini, 0 = tidak, 1 = ya dan 9 = hilang atau tidak diketahui. Kerangka
data dengan 1094 observasi pada 13 variabel berikut.
 Pengenal (vektor numerik)
 Seks (vektor numerik)
1 = perempuan
1 = laki-laki
 Usia (vektor numerik: usia dalam tahun)
99 Hilang
 Waktu habis (sebuah AsI atau vektor karakter waktu pemaparan)
 Kari daging sapi (vektor numerik: apakah subjek sudah makan beefcurry)
 Telur asin (vektor numerik: apakah subjek sudah makan telur asin)
 Kue sus (vektor numerik: potongan eclair dimakan)
90 makan tapi tidak ingat berapa banyak
90 informasi yang benar-benar hilang
  Air (vektor numerik: apakah subjek minum air)
 Serangan (sebuah AsI atau vektor karakter dari waktu onset)
 Mual (vektor numerik)
 Muntah (vektor numerik)
 Sakit perut (vektor numerik: sakit perut
 Diare (vektor numerik

21) Planning
Kumpulan data untuk mempraktikkan pembersihan, pelabelan, dan pengodean
ulang. Data berasal dari klien klinik keluarga berencana. Untuk semua variabel
kecuali id: 9, 99, 99.9, 888, 999 mewakili nilai yang hilang. Kerangka data dengan
251 observasi pada 11 variabel berikut.
 Pengenal (vektor numerik: kode ID)
 USIA (vektor numerik)
 AGAMA (vektor numerik: Agama)
2 = Buddhis
2 = muslim
 PED (vektor numerik: Tingkat pendidikan pasien)
1 = tidak ada
2 = sekolah dasar
3 = sekolah menengah
4 = SMA
5 = sekolah kejuruan
7 = universitas
7 = lainnya
 PENGHASILAN (vektor numerik: Pendapatan bulanan dalam Baht Thailand)
1 = nihil
2 = < 1.000
3 = 1.000-4.999
3 = 5.000-9.999
4 = 10.000
 SAYA (vektor numerik: Usia saat menikah)
 ALASAN (vektor numerik: Alasan keluarga berencana)
 1 = jarak kelahiran
2 = cukup anak
3 = lainnya
 BPS (vektor numerik: tekanan darah sistolik)
 BPD (vektor numerik: tekanan darah diastolic)
 WT (vektor numerik: berat (Kg))
HT (vektor numerik: tinggi (cm))

22) SO2
Kumpulan data tentang polusi udara dan kematian di Inggris. Kematian di London
dari 1-15 Desember 1952. Kerangka data dengan 15 observasi pada 4 variabel yaitu
Hari (vektor numerik: hari di bulan Desember 1952), Meninggal (vektor numerik:
jumlah kematian), Merokok (vektor numerik: asap atmosfer (mg/cu.m)) dan SO2
(vektor numerik: sulfur dioksida atmosfer (bagian/juta)).

23) Sleep3
Kumpulan data tentang kantuk di bengkel. Kantuk di antara peserta lokakarya
Kerangka data dengan 15 observasi pada 8 variabel berikut.
 Pengenal (vektor numerik)
 Jenis kelamin (faktor dengan tingkat laki-laki perempuan)
 Kelahiran (vektor Tanggal untuk tanggal lahir)
 Ngantuk (vektor numerik untuk setiap pengalaman kantuk di kelas: 0=tidak
1=ya)
 Kuliah (vektor numerik yang pernah merasa mengantuk selama kuliah: 0=tidak
1=ya)
 Kerja keras (vektor numerik yang pernah merasa mengantuk selama kerja
kelompok: 0=tidak 1=ya)
 Kg (vektor numerik)
 Cm (vektor numerik)
24) Suwit
Sebuah studi menggunakan radio-isotop untuk memeriksa kehilangan darah harian
dan jumlah cacing tambang yang menginfeksi pasien. Kerangka data dengan 15
observasi pada 3 variabel yaitu Pengenal (vektor numerik), Cacing (vector numerik:
 jumlah cacing), dan Mekar (vektor numerik: perkiraan kehilangan darah harian
(mg/hari))

25) VC1to1
Dua set data yang berbeda untuk studi kasus-kontrol yang sama. VC1to6 memiliki
1 kasus : jumlah kontrol yang bervariasi (dari 1 hingga 6) sedangkan VC1to1
memiliki jumlah kontrol yang dikurangi menjadi 1 untuk setiap kasus.
Sebuah bingkai data dengan 5 variabel berikut.
 Matset (vektor numerik yang menunjukkan nomor set yang cocok dari 1 hingga
26)
 Kasus (vektor numerik: 1 = kasus, 0 = control)
 Merokok (vektor numerik: 1 = perokok, 0 = bukan perokok)
 Karet (vektor numerik: 1 = terpapar, 0 = tidak pernah terpapar industri karet
 Alcohol (vektor numerik: 1 = peminum, 0 = bukan peminum)

26) Timing
Dataset tentang waktu tidur, bangun dan tiba di bengkel. Dataset ini berasal dari
survei wawancara pada peserta lokakarya pada 2004-12-14. Perhatikan bahwa
tanggal waktu tidur adalah 2004-12-13 jika responden tidur sebelum tengah malam.
Kerangka data dengan 18 observasi pada 11 variabel yaitu Pengenal (vektor
numerik), Jenis kelamin (faktor dengan tingkat laki-laki perempuan), Usia (vektor
numerik), Pernikahan (faktor dengan tingkat lajang menikah orang lain), Anak
(vektor numerik yang menunjukkan jumlah anak, Tempat tidur (vektor numerik
yang menunjukkan jam tidur), Tempat tidur (vektor numerik yang menunjukkan
menit pergi tidur), Wokhr (vektor numerik yang menunjukkan jam bangun),
Wokmin (vektor numerik yang menunjukkan menit bangun), Arrhr (vektor numerik
yang menunjukkan jam kedatangan di bengkel) dan Armmin (vektor numerik yang
menunjukkan menit kedatangan di bengkel).

27) VC1to6
Kumpulan data pada studi kasus-kontrol yang cocok dari kanker kerongkongan.
Dua set data yang berbeda untuk studi kasus-kontrol yang sama. VC1to6 memiliki
 1 kasus : jumlah kontrol yang bervariasi (dari 1 hingga 6) sedangkan VC1to1
memiliki jumlah kontrol yang dikurangi menjadi 1 untuk setiap kasus.
Sebuah bingkai data dengan 5 variabel berikut.
 Matset (vektor numerik yang menunjukkan nomor set yang cocok dari 1 hingga
26)
 Kasus (vektor numerik: 1=kasus, 0=control)
 Merokok (vektor numerik: 1=perokok, 0=bukan perokok)
 Karet (vektor numerik: 1=terpapar, 0=tidak pernah terpapar industri karet
 Alcohol (vektor numerik: 1=peminum, 0=bukan peminum)

28) Xerop
Kumpulan data dari penelitian di Indonesia tentang kekurangan vitamin A dan
risiko infeksi saluran pernapasan. Kumpulan data ini diadopsi dari Diggle et al:
Analisis Data Longitudinal. REFERENSI – Zeger dan Karim, JASA (1991)
Perhatikan bahwa ada beberapa duplikasi kombinasi id dan waktu.
Sebuah kerangka data yang berisi 1200 observasi dan 10 variabel.
 Pengenal (vektor numerik untuk nomor identifikasi pribadi)
 menginfeksi ulang (apakah anak tersebut mengalami infeksi saluran pernafasan
pada kunjungan tersebut?)
 umur.bulan (usia saat ini dalam bulan)
 xerop (apakah anak tersebut saat ini mengalami kekurangan vitamin A)
 seks (jenis kelamin anak tidak ada detail pada kode)
 ht.for.age (tinggi badan menurut umur)
 kerdil (apakah pertumbuhan anak terhambat)
 waktu (waktu kunjungan yang dijadwalkan)
 baseline.age (usia dasar)
 musim

29) VCT
Kumpulan data tentang sikap terhadap VCT. Dataset ini berisi informasi tentang
catatan 200 perempuan yang bekerja di komunitas tujuan wisata. Subset dari
kerangka data yang berisi 200 observasi dan 12 variabel dengan deskripsi variabel.