LAPORAN PRAKTIKUM PENILAIAN STATUS GIZI

PENILAIAN STATUS GIZI DENGAN SOFTWARE

Disusun Oleh :

1. Dila Selvia (22021140014)

2. Dinda Alya Raihana Najwa (22021140016)
3. Eni Istiqomah (22021140017)

PROGRAM STUDI S1 GIZI

FAKULTAS GIZI
UNIVERSITAS MUHAMMADIYAH KUDUS
TAHUN 2022
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penilaian status gizi pada balita sering dilakukan dengan menggunakan beberapa
indeks seperti nilai z-skor BB/U, PB/U atau TB/U, dan BB/PB atau BB/TB. Balita
dikatakan mengalami masalah gizi jika hasil pengukuran mempunyai nilai z-skor
dibawah -2. Nilai z-skor BB/U < -2 menunjukkan terjadinya masalah underweight/ gizi
kurang, nilai z-skor PB/U atau TB/U < -2 menunjukkan terjadinya masalah stunting/
pendek yang merupakan masalah gizi kronis, sementara z-skor BB/PB atau BB/TB < -2
menunjukkan terjadinya masalah wasting/ kurus yang merupakan masalah gizi akut. Nilai
z-skor BB/PB atau BB/TB > +2 juga menunjukkan adanya masalah kegemukan pada
balita.
Software WHO-Anthro merupakan salah satu software yang dapat digunakan untuk
menilai status gizi balita usia 0 - 60 bulan. Software WHO-Anthro memiliki beberapa
modul, antara lain Anthropometric Calculator, Individual Assessment, dan Nutritional
Survey.
Modul Individual Assessment digunakan untuk mengumpulkan dan menyimpan data
longitudinal pada balita yang telah mendapatkan pengukuran berulang. Data yang
terkumpul dapat digunakan untuk memantau pertumbuhan balita. Data status gizi balita
dapat ditampilkan dalam bentuk grafik, baik grafik pertumbuhan yang berasal dari single
visit maupun multiple visits.
Modul Nutritional Survey digunakan untuk mengumpulkan dan menilai data
antropometri dari sejumlah balita yang ada pada satu wilayah. Masing-masing balita
diukur sebanyak satu kali. Modul ini bermanfaat untuk menilai bagaimana kondisi status
gizi balita pada suatu wilayah, termasuk mengetahui prevalensi balita yang mengalami
masalah gizi, seperti underweight, stunting, dan wasting.
1.2 Tujuan
1. Mahasiswa mampu melakukan penilaian status gizi menggunakan software WHO
Anthro.
2. Mahasiswa mampu melakukan penilaian status gizi menggunakan software
Nutritional Survey.
 BAB II
TINJAUAN PUSTAKA

2.1 Landasan Teori

WHO anthro yang dapat digunakan untuk menghitung status gizi dan memantau
perkembangan motorik anak. Aplikasi tersebut menggunakan data antropometri seperti
umur, berat badan, tinggi badan, lingkar lengan, dan lingkar kepala sehingga tidak perlu
dilakukan lagi melakukan perhitungan manual untuk penilaian status gizi. WHO
AnthroPlus adalah perangkat lunak untuk aplikasi global Referensi WHO 2007 selama
5-19 tahun untuk memantau pertumbuhan anak usia sekolah dan remaja. Untuk
menunjukkan kesinambungan dengan Standar Pertumbuhan Anak WHO untuk 0-5
tahun ini dimasukkan dalam AnthroPlus untuk tiga indikator yang berlaku.
Tujuan ENA for SMART adalah untuk membuat penilaian gizi dan perhitungan
angka kematian dalam situasi darurat semudah dan dapat diandalkan mungkin. Untuk
mencapai ini, ia berfokus pada indikator yang paling penting (data antropometrik dan
kematian), memeriksa masuk akal dari data yang dimasukkan dan memberikan laporan
otomatis. Karena perangkat lunak tidak dapat menjelaskan mengapa anak-anak
kekurangan gizi atau angka kematian tinggi, hasil survei harus dilengkapi dengan
informasi lain (misalnya dari bagian Ketahanan Pangan ENA atau diskusi dengan
informan kunci, pengumpulan informasi tambahan ini tentang rumah tangga biasanya
tidak terlalu membantu dan berisiko tinggi menurunkan kualitas data antropometri dan
mortalitas).
 BAB III
METODE PRAKTIKUM
3.1 Metode
Penilaian Status Gizi menggunakan software dan interpretasinya
3.2 Alat
− Laptop
− Software WHO Anthro
− Software Nutritional Survey
3.3 Prosedur Kerja
3.2.1 WHO ANTHRO

Ada 3 Menu Utama :

1. Anthropometric Calculator : untuk menghitung status gizi individu pada satu waktu
2. Individual Assessment : untuk memonitor status gizi dan perkembangan
motorik individu dari waktu ke waktu
3. Nutritional Survey : untuk mengkaji status gizi suatu populasi pada satu waktu
Individual Assessment (IA)

Modul ini memungkinkan pengguna untuk mengumpulkan dan menyimpan data

anakanak yang berulang kali diperiksa dari lahir sampai usia 5 tahun. Data yang
dikumpulkan dapat terdiri dari antropometri dan/atau perkembangan motorik. Data gizi
anak itu status dapat diturunkan dan grafis ditampilkan berdasar standar WHO (pengatur
default) atau referensi NCHS, dengan menggunakan z-skor dan system klasifikasi
persentil. Tampilan grafis dalam modul ini menawarkan pemandangan kunjungan satu
atau beberapa. Fungsi ini membantu untuk memvisualisasikan tren pertumbuhan anak.
Modul IA adalah sangat berguna untuk dokter anak yang ingin memantau pertumbuhan
anak-anak yang datang ke klinik mereka atau bagi para peneliti mengumpulkan data
longitudinal.
Sekali seorang anak telah melewati usia 60 bulan dan pemantauan pertumbuhan
selanjutnya dimaksudkan data dapat ditransfer ke WHO Anthroplus, sebuah software
yang dikembangkan untuk menilai status gizi pada usia 5-19 tahun.

Jendela Utama

Individual assessment adalah menu 2 yang berfungsi untuk pemantauan pertumbuhan

selama balita (59 bulan). Jika sudah lewat dari 59 bulan menggunakan Anthro PLUS.
Software ini merupakan prediksi pemakaian di posyandu modern. Jika data pengukuan
selama balita dimasukkan, dapat dicetak menjadi grafik lengkap seperti halnya Kartu
Menuju Sehat (KMS).
Urutan Penggunaan

1. Pendaftaran
2. Pengisian data hasil pengukuran
3. Baca hasil (result)

Pendaftaran

Sebelah kiri halaman adalah daftar balita. Telah disediakan 3 anak dalam program.
Jika akan menambah daftar klik add child. Isi informasi lengkap sesuai format yang
tersedia. Setelah tanggal lahir diisi akan langsung tampil umur, begitu juga IMT (BMI)
akan dihitung otomatis setelah parameter BB dan TB diisikan ke dalam formulir.
Informasi orang tua bisa diisi lebih lengkap, oleh karena karakteristik orang tua
berhubungan dengan status gizi anak, misalnya tinggi badan orang tua. Untuk mengedit
informasi orang tua juga dengan mengklik tanda . Untuk mengedit informasi klik
dan setelah selesai memasukkan identitas anak dan orang tua klik save

Add Visit

Add visit adalah fasilitas untuk mengentri data hasil pengukuran antropometri untuk
sekali kunjungan. Satu kunjungan akan disajikan dlaam 1 baris pada bagian bawah kanan
jendela. Pengisian data terdiri dari dua bagian:
1. Antropometri (pertumbuhan)
2. Milestone (Perkembangan motorik)

Selesai memasukkan dat 1 kunjungan klik save dan untuk menghapus 1 kunjungan
klik delete
 Modul Individual Assessment
− Klik Individual Assesment
− Halaman utama modul terdiri dari 2 bagian, sebelah kiri adalah “active list” yang
menunjukkan beberapa contoh nama anak, sementara sebelah kanan menampilkan data
spesifik dari seorang anak.
− Untuk latihan membuka file, klik kotak di sebelah kiri nama anak hingga nama anak
terblok biru, lalu klik tanda open file. Pada halaman sebelah kanan akan muncul data anak
yang meliputi nama anak, jenis kelamin, tanggal lahir, usia anak saat kunjungan
dilakukan, data orang tua, jumlah kunjungan, tabel data hasil pengukuran dari tiap kali
kunjungan, dan informasi status gizi anak tiap kali pengukuran.
− Untuk mulai membuat file baru (anak baru)
1) Klik tanda pada bagian atas ”active list”.
2) Isi data anak pada halaman sebelah kanan, melputi nama depan dan nama belakang
anak, jenis kelamin dan tanggal lahir.
3) Untuk memasukkan nama ayah, ibu, dan alamat tinggal (jika ada), klik tanda ,
lalu isikan datanya. Untuk mengubah data yang sudah ada, klik
4) Klik tanda untuk menyimpan data anak. Setelah disimpan, nama anak akan
muncul pada list di sebelah kiri.
Untuk menambahkan data pengukuran pada anak,
1) Klik tanda di bawah baris Visits.
2) Masukkan tanggal pengukuran, tulis mulai pengukuran pada usia 0 bulan/ pengukuran
paling awal.
3) Masukkan data berat badan dalam kg, hingga 0,1 kg terdekat, lalu simpan
4) Untuk memasukkan data kunjungan berikutnya, klik lagi tanda di bawah baris
Visits. Masukkan tanggal pengukuran dan berat badan pada waktu kunjungan
selanjutnya.
5) Ulangi prosedur no. 4 hingga hasil pengukuran dari semua kunjungan selesai diinput.
Untuk melihat grafik pertumbuhan, klik tanda grafik yang berada di bawah baris
Visits.
1) Pilih grafik Weight-for-age z-score
2) Pada kolom Show, ubah Single-point menjadi Multiple points
3) Klik tanda copy (copy graph image to clipboard), pindahkan pada lembar kerja
4) Interpretasikan pertumbuhan anak dengan melihat arah naik turunnya plot
pertumbuhan dan perubahan kategori status gizinya, jika ada.
5) Bandingkan hasilnya dengan plot pertumbuhan yang telah Anda lakukan sebelumnya
 dengan KMS.
3. Nutritional Survey (NS)
Nutritional survey berfungsi untuk mengolah data status gizi balita hasil pengumpulan
data secara cross sectional (survey atau penelitian). Data entry bisa dilakukan langsung dari
aplikasi Anthro ini dan bisa juga dientry dengan software Anthro 2005.
Langkah Penggunaan

1. Daftarkan sebuah survey beserta identitasnya

2. Entry data
3. Lihat hasil (result)
4. Export data ke database format lain
5. Pengolahan data lanjutan dengan software yang sesuai dengan kebutuhan
Entry langsung di menu 3 ini baru bisa menampilkan hasil (result) setelah minimal 20
record (20 sampel). Untuk latihan silahkan entry data tabel 1 sebelumnya.
Memulai mengentri data klik , untuk membuka record yang sudah dientry untuk tujuan
melihat atau mengedit, klik dan untuk mendelete record tertentu arahkan cursor ke record
yanga kan dihapus, lalu klik icon

Result (Hasil)
 Hasil entry data dapat dilihat secara aggregate (keseluruhan). Pada grafik di atas terlihat 2
buah grafik, grafik warna merah adalah hasil olah dari data yang dientrikan dan grafik hijau
adalah standar atau baku rujukan WHO 2005 yang bisa dilihat dalam grafik ini adalah
normalitas data dan posisi data dibandingkan dengan standar yang digunakan. Untuk
pengolahan data lanjutan, misalnya untuk menganalisis dengan variabel lain diperlukan
perangkat lunak lain. Data bisa dientry langsung di dalam software ini dan bisa juga dientry
dengan aplikasi database lainnya. Kedua metode entry data ini tentunya memiliki kelebihan
dan kekurangan. Jika data dientry langsung, hasil entry data dapat dilihat secara visualisasi
seperti grafik dan flag, namun cara ini tidak memiliki filter apapun kecuali warna. Akan
tetapi, bial data dientry dengan software lain bisa dilakukan filter agar data yang dientry bisa
dikontrol menghindari GIGO, apa hasilnya hanya dapat diperoleh setelah diimport oleh WHO
Anthro 2005. Kedua metode ini akan kita bahas terlebih dahulu, baru kemudian bagaimana
cara mengeksport data untuk kemudian diolah dengan SPSS. Untuk memudahkan
pemahaman mengenai langkah pertama (data entry langsung) kita bisa menggunakan contoh
database yang sudah diikutsertakan oleh WHO di dalam software ini yaitu survey
md_ns_survey dan sample_survey.
Import File

Import file adalah sebuah fasilitas yang disediakan oleh WHO Anthro untuk mengolah
data yang dientry dengan database lain. Bentuk format data yang bisa diimport oleh WHO
Anthro adalah :
*.DBF, *.REC(EpiInfo), *.WNS(Anthro 2005), *.CSV, *.TXT, dan *.XML format. TXT
dan CSV file perlu menggunakan titik dua semi sebagai tanda pemisah. Ketika mengimpor
data survey yang ada pengguna harus memilih file data dari folder dimana dia berada.
Disarankan untuk selalu menyimpan salinan data mentah asli sebagai cadangan. Survey
dengan nama identik tidak ditimpa. Untuk menghindari kebingungan dianjurkan untuk
memberikan nama yang unik untuk setiap survey. Variabel diimpor dalam set data dengan
nama seperti “WAZ”, “HAZ”, dll.
File yang akan diimport minimal mengandung 3 variabel/field atau lebih. Variabel utama
adalah sex (jenis kelamin), age (umur), dan salah satu atau lebih parameter antropometri: BB,
TB, dll.
Dalam contoh ini kita akan menggunakan file hasil penimbangan massal Kabupaten
Pasaman tahun 2010 (timbang_massal.DBF). File database ini berformat DBF.
Oleh karena tidak semua field standaryang tersedia di dalam file ini maka akan keluar
peringatan tentang hal itu. Field yang dimaksud adalah measure dan oedema. Tanpa field
measure, maka Anthro menterjemahkan semua aneka di atas 2 tahun, sebagai standing dan
kurang 2 tahun sebagai recumbent. Sedangkan untuk oedema semua sampel dianggap “No”.
Warning di bawah ini cukup klik OK.

Tampilan setelah diimport

 Periksa field-field hasil olah yang diinginkan di sebelah kanan (scroll)

EXPORT FILE

Mengeksport file ke format lain (dalam hal ini SPSS) tidak bisa langsung oleh karena ada
perbedaan format data terutama nama field. Langkah-langkah eksport data hasil oleh
Anthro ke SPSS terdiri dari beberapa langkah:
1. Pilih data yang akan dieksport
2. Copy to Clipboard
3. Buka Ms. Excel
4. Edit Header
5. Save as ke excel 97-2003 & tutup file
6. Buka SPSS
7. Open Data : pilih file of type XLS file klik OK
8. Save di SPSS (.SAV)
Mengatur Format Umur

Umur hasil perhitungan WHO Anthro disajikan dalam format 2 desimal walaupun dalam
perhitungan z-score digunakan integer. Saat data dieksport ke Excel masih dalam format 2
desimal. Diperlukan beberapa langkah untuk mengambil nilai integer dari data umur
tersebut:
1. Insert 2 kolom di kanan age
2. Pada kolom pertama masukkan formula =INT (kolom kiri). Enter
3. Copy dan Paste Spesial (value) kolom integer ke kolom sebelahnya
4. Buat header hasil paste sepesial dengan age
5. Simpan file excel dengan type excel 97-2003
6. Lanjutkan proses seperti langkah di atas
Klasifikasi status gizi dibuat di SPSS, dapat dilakukan secara langsung dengan perintah
transform satu persatu dan dapat juga ditransformasi dengan membuat syntax. File syntax
dapat dilihat pada folder Master dalam CD anda. Syntax tersebut hanya bisa dijalankan
jika nama field dalam database SPSS persis sama dengan nama field yang didefinisikan
dalam Syntax.

Modul Nutritional Survey

1) Klik Nutritional Survey

2) Halaman utama modul terdiri dari 2 bagian, sebelah kiri adalah “active list” yang
menunjukkan beberapa nama survey, sementara sebelah kanan menampilkan data
spesifik dari satu survey.
3) Untuk latihan membuka file, klik kotak di sebelah kiri nama survey hingga nama
survey terblok biru, lalu klik tanda open file . Pada halaman sebelah kanan akan
muncul data survey.
4) Untuk mulai membuat file baru (survey baru)

a. Data yang akan dientry untuk nutritional survey berasal dari data 2 Posyandu.
Masing- masing kelompok melakukan input data dari 2 Posyandu yang berasal
dari 2 kelompok. (Kelompok 1&2, Kelompok 3&4, Kelompok 5&6, Kelompok
7&8, masing-masing menggabungnya data Posyandunya).
b. Klik tanda pada bagian atas ”active list”.

c. Isi data nama survey pada halaman sebelah kanan. Untuk nama survey,
masukkan data dua nama Posyandu yang diukur. (contoh nama survey:
Posyandu Dahlia_Mawar)
d. Klik tanda untuk menyimpan survey. Setelah disimpan, nama survey akan
muncul pada list di sebelah kiri.
e. Untuk menambahkan data pengukuran,
 1) Klik tanda di bawah Data Entry.

2) Masukkan tanggal pengukuran

3) Masukkan data nama cluster dan team. Isi sesuai dengan nama kelompok
masing-masing. (Contoh: untuk Kelompok 1, tulis 1 sebagai nama cluster
dan nama teamnya)
4) Masukkan nama depan dan nama belakang anak, serta pilih jenis
kelaminnya.

5) Masukkan tanggal lahir anak

6) Masukan data berat badan anak, panjang badan/ tinggi badan anak, posisi
pengukuran tinggi badan (berbaring atau berdiri), informasi ada tidaknya
oedema, data lingkar kepala anak, dan data LILA (MUAC) anak.

7) Klik save. Maka data anak akan muncul pada baris pertama tabel data
entry

8) Untuk memasukkan data anak berikutnya, ulangi langkah 1) s/d 7).

Lakukan entry data hingga semua data selesai diinput.
f. Untuk melihat dan mengkategorikan status gizi anak,
1) Baca z-score BB/PB atau BB/TB, BB/U, PB/U atau TB/U, IMT/U, LK/U
dan LILA/U pada masing-masing anak
2) Kategorikan status gizi berdasarkan masing-masing indeks, berdasarkan
cut-off WHO
3) Untuk LILA/U, dikategorikan malnutrisi akut sedang jika z-score >-3 s/d
<-2, dan dikategorikan malnutrisi akut parah jika z-score <-3
g. Untuk menghitung prevalensi masalah gizi,
1) Hitung jumlah balita yang mengalami masalah gizi dibagi total balita
yang diukur dikali 100%
Prevalensi : Jumlah balita dg masalah gizi tertentu x 100% Jumlah balita
yang diukur
2) Hitung prevalensi untuk masing-masing masalah gizi, meliputi prevalensi
masalah gizi kurang/ underweight, pendek/ stunting, kurus/ wasting,
mikrosefali, dan malnutrisi akut.
3) Cara lain untuk mengetahui prevalensi masalah gizi, klik tanda excel
yang berada pada halaman kanan sisi atas (anthropometri report), pilih
 standard, lalu OK. Simpan file di komputer. Buka file tersebut dengan
menggunakan excel. Di tampilan akan muncul % balita yang masuk pada
kategori z-score tertentu, menurut usia dan jenis kelamin.
4) Kategorikan prevalensi status gizi berdasarkan Public Health Prevalence
Treshold.
5) NutriSurvey for SMART

• Klik ganda icon NutriSurvey for SMART pada desktop, maka akan
tampak tampilan awal di bawah ini.

• Klik OK untuk dapat langsung menggunakan program tersebut. Sekarang

anda telah siap untuk meng-entry data anthropometrik baik data BB, TB
dan LILA (MUAC).
• Inilah tampilan keseluruhan dari NutriSurvey for SMART
 1. Eksplorasi Menu Nutrisurvey for SMART

Ada 2 (dua) menu utama yang terdapat pada Program Nutrisurvey for SMART yaitu
yaitu Files dan Extras dengan sub menu seperti tampak pada gambar di atas. Program
NutriSurvey dapat mengimport data yang dibuat dengan program Epi-Info versi 5/6
atau data yang dibuat dengan format dBase (*.dbf). Menu Extras lebih diperuntukkan
untuk menyimpan data ke MS Excel atau MS Word, atau fungsi Plausibility Check
(pengecekakan terhadap range Z-Score, range usia dan range group usia. Proses
plausibility check tidak berjalan secara otomatis, tetapi setelah menekan tombol
fasilitas ini).
Di bawah Menu NutriSurvey terdapat sub Menu, area untuk menampilkan hasil
pengolahan data; dan area sub menu editing (menambah baris (new); menyisipnan
baris (insert) dan menghapus baris (delete)), dll

Gambar di bawah ini menunjukkan area tempat entry data yang otomatis
disediakan pada saat Anda mengaktifkan software in
Untuk memperoleh pengalaman belajar yang sama tentang fasilitas dan
kemampuan NutrSurvey for SMART dalam pengolahan dan analisis data status
gizi, maka Anda akan kami suatu kasus
 BAB IV
HASIL DAN PEMBAHASAN
4.1 Individual Assesment Tinggi badan menurut umur tidak normal,
Nama : Kofi Kwanza pendek

TTL : 9 Mei 2000 BMI for age

TTV : 12 Oktober 2000

TB : 59,8 cm

BB : 4,80 kg

Jenis kelamin : Laki-laki

Weight for age

IMT menurut umur tidak normal gizi

kurang

TTV: 12 Desember 2000

TB : 61,2 cm

BB : 5,5 kg

Length for age

Berat badan menurut umur tidak normal
termasuk gizi kurang dengan z score
negatif (-)

Length for age

Tinggi badan menurut umur tidak normal

gizi kurang terdapat oedema

TTV : 15 Maret 2001

TB : 65,4 cm
BB : 7,1 kg

Weight for age

IMT menurut umur normal termasuk gizi

baik

Berat badan menurut umur tidak normal TTV : 26 Juli 2001

termasuk gizi kurang TB : 70,5 cm
Length for age BB : 7,9 kg

Weight for age

Tinggi badan menurut umur tidak normal

Berat badan menurut umur tidak normal
termasuk gizi buruk
termasuk gizi kurang
BMI for age
Length for age
 Berat badan menurut umur tidak normal
Tinggi badan menurut umur termasuk gizi gizi kurang
buruk ,pendek
Length for age
BMI for age

Tinggi badan menurut umur tidak normal

termasuk gizi buruk,pendek
IMT menurut umur normal gizi baik
BMI for age
TTV : 26 Desember 2001

TB : 75,1 cm

BB : 8,6 kg

Weight for age

IMT menurut umur normal gizi baik

TTV : 29 Mei 2002

TB: 81,2 cm IMT menurut umur normal termasuk gizi
baik
BB : 9,8 kg
TTV: 30 Desember 2002
Weight for age
TB : 89,9 cm

BB : 11,2 kg

Weight for age

Berat badan menurut umur tidak normal

termasuk gizi kurang

Length for age

Berat badan menurut umur tidak normal

termasuk gizi kurang

Length for age

Tinggi badan menurut umur tidak normal

termasuk gizi kurang

BMI for age

Tinggi badan menurut umur normal gizi

baik

BMI for age

 Tinggi badan menurut umur tidak normal
IMT menurut umur tidak normal termasuk termasuk, pendek
gizi kurang
BMI for age
TTV: 26 Oktober 2003

TB : 95,2 cm

BB : 13,9 cm

Weight for age

IMT menurut umur normal termasuk gizi

baik

Nama : Leila Hamadeh

TTL : 14 September 1990

Berat badan menurut umur normal gizi TTV : 14 September 1990

baik
TB : 48,5 cm
Length for age
BB : 3,2 kg

Jenis kelamin : Perempuan

Weight for age

 TB : 55 cm

BB :4 kg

Weight for age

Berat badan menurut umur normal gizi

baik

Length for age

Berat badan menurut umur tidak normal

gizi kurang

Length for age

Tinggi badan menurut umur nirmal gizi

baik

BMI for age

Tinggi badan menurut umur tidak normal
termasuk, pendek

BMI for age

IMT menurut umur normal gizi baik

TTV: 16 November 1990

IMT menurut umur tidak normal termasuk Tinggi badan menurut umur tidak normal
gizi kurang pendek
TTV: 5 Juni 1991 BMI for age
TB : 62,8 cm

BB : 5,7 kg

Weight for age

IMT menurut umur tidak normal termasuk

gizi kurang

TTV: 20 Oktober 1992

TB : 80 cm
Berat badan menurut umur tidak normal
termasuk gizi buruk BB : 8.4 kg

Length for age Weight for age

 TB : 89 cm

BB : 10,3 kg

Weight for age

Berat badan menurut umur tidaak normal

gizi kurang

Length for age

Berat badan menurut umur tidak normal
gizi kurang

Length for age

Tinggi badan menurut umur tidak normal

gizi kurang, pendek

BMI for age

Tinggi badan menurut umur tidak normal

gizi kurang

BMI for age

IMT menurut umur tidak normal gizi

kurang

TTV: 20 Januai 1994

 Tinggi badan menurut umur tidak normal
IMT menurut umur tidak normal gizi gizi kurang ,pendek
kurang
BMI for age
TTV: 15 Desember 1994

TB : 95 cm

BB : 11,5 kg

Weight for age

IMT menurut umur tidak normal gizi

kurang

TTV: 19 November 1997

TB : 115 cm

Berat badan menurut umur tidak normal BB : 16,5 kg

gizi kurang Weight for age
Length for age
 TB : 123,5 cm

BB : 20 kg

Length for age

Berat badan menurut umur tidak normal

gizi kurang

Length for age

Tinggi badan menurut umur tidak normal

pendek

BMI for age

Tinggi badan menurut umur tidak normal

gizi kurang, pendek

BMI for age

IMT menurut umur tidak normal gizi

kurang

TTV: 13 Juli 2004

TB : 142,5 cm

BB : 30 kg

Weight for age (NA)

IMT menurut umur tidak normal gizi
Length for age
kurang

TTV: 16 April 2000

Tinggi badan menurut umur tidak normal Tinggi badan menurut umur tidak normal
pendek pendek

BMI for age BMI for age

IMT menurut umur tidak normal gizi IMT menurut umur tidak normal gizi
kurang kurang

TTV: 28 Juni 2007

TB : 150 cm

BB : 37 kg

Weight for age (NA)

Length for age

4.3 ENA for Smart

Model nutrition assessment report

(based on the Save the Children Fund emergency nutrition assessment handbook)

Report of Nutrition and Mortality in (region, camp etc) of

(country) during (date to date).

(Date of report)

(Name of responsible authors)

3. Results

3.1 Anthropometric results: children (based on )

Definitions of acute malnutrition should be given (for example, global acute malnutrition is defined as
<-2 z scores weight-for-height and/or oedema, severe acute malnutrition is defined as <-3z scores
weight-for-height and/or oedema)

Table 3.1: Distribution of age and sex of sample

Boys Girls Total Ratio

no. % no. % no. % Boy:girl

6-17 months 5 62,5 3 37,5 8 47,1 1,7

18-29 months 2 33,3 4 66,7 6 35,3 0,5

30-41 months 0 0,0 1 100,0 1 5,9 0,0

42-53 months 0 0,0 1 100,0 1 5,9 0,0

54-59 months 0 0,0 1 100,0 1 5,9 0,0

Total 7 41,2 10 58,8 17 100,0 0,7

Figure 3.1: Population age and sex pyramid

Error: Reference source not found

Table 3.2: Prevalence of acute malnutrition based on weight-for-height z-scores (and/or oedema) and
by sex

All Boys Girls

n = 20 n=8 n = 12

Prevalence of global malnutrition (2) 10,0 % (1) 12,5 % (1) 8,3 %

(<-2 z-score and/or oedema) (-3,1 - 23,1 (-10,4 - 35,4 (-7,3 - 24,0
95% C.I.) 95% C.I.) 95% C.I.)

Prevalence of moderate malnutrition (1) 5,0 % (0) 0,0 % (1) 8,3 %

(<-2 z-score and >=-3 z-score, no (-4,6 - 14,6 (0,0 - 0,0 95% (-7,3 - 24,0
oedema) 95% C.I.) C.I.) 95% C.I.)

Prevalence of severe malnutrition (1) 5,0 % (1) 12,5 % (0) 0,0 %

(<-3 z-score and/or oedema) (-4,6 - 14,6 (-10,4 - 35,4 (0,0 - 0,0 95%
95% C.I.) 95% C.I.) C.I.)

The prevalence of oedema is 0,0 %

Table 3.3: Prevalence of acute malnutrition by age based on weight-for-height z-scores and/or
oedema

Severe wasting Moderate Normal Oedema

wasting
(<-3 z-score) (> = -2 z score)
(>= -3 and <-2 z-
score )

Age Total No. % No. % No. % No. %

(mths) no.

6-17 8 1 12,5 1 12,5 6 75,0 0 0,0

18-29 6 0 0,0 0 0,0 6 100,0 0 0,0

30-41 1 0 0,0 0 0,0 1 100,0 0 0,0

42-53 1 0 0,0 0 0,0 1 100,0 0 0,0

54-59 1 0 0,0 0 0,0 1 100,0 0 0,0

Total 17 1 5,9 1 5,9 15 88,2 0 0,0

Table 3.4: Distribution of acute malnutrition and oedema based on weight-for-height z-scores

<-3 z-score >=-3 z-score

Oedema present Marasmic kwashiorkor Kwashiorkor

No. 0 No. 0

(0,0 %) (0,0 %)

Oedema absent Marasmic Normal

No. 1 No. 19

(5,0 %) (95,0 %)

Table 3.5: Prevalence of acute malnutrition based on the percentage of the median and/or oedema

n = 20

Prevalence of global acute malnutrition (1) 5,0 %

(<80% and/or oedema) (-4,6 - 14,6 95%

 C.I.)

Prevalence of moderate acute malnutrition (0) 0,0 %

(<80% and >= 70%, no oedema) (0,0 - 0,0 95% C.I.)

Prevalence of severe acute malnutrition (1) 5,0 %

(<70% and/or oedema) (-4,6 - 14,6 95%

C.I.)

Table 3.6: Prevalence of malnutrition by age, based on weight-for-height percentage of the

median and oedema

Severe wasting Moderate Normal Oedema

wasting
(<70% median) (> =80% median)
(>=70% and
<80% median)

Age Total No. % No. % No. % No. %

(mths) no.

6-17 8 1 12,5 0 0,0 7 87,5 0 0,0

18-29 6 0 0,0 0 0,0 6 100,0 0 0,0

30-41 1 0 0,0 0 0,0 1 100,0 0 0,0

42-53 1 0 0,0 0 0,0 1 100,0 0 0,0

54-59 1 0 0,0 0 0,0 1 100,0 0 0,0

Total 17 1 5,9 0 0,0 16 94,1 0 0,0

 BAB V
KESIMPULAN
5.1 Kesimpulan
Dapat disimpulkan, bahwa timbulnya gizi kurang/burul bukan saja karena makanan
yang kurang tetapi juga karena penyakit. Anak yang mendapat makanan yang cukup baik
tetapi sering diserang diare atau demam, akhirnya dapat menderita gizi buruk.
Status gizi merupakan hal yang paling penting, jadi pertahankan asupan makanan
yang sehat dan bernutrisi agar tetap berada pada status gizi yang baik. Status gizi tidak
hanya berpengaruh secara langsung melalui asupan makanan, tapi juga dapat berpengaruh
secara tidak langsung yaitu ketahanan pangan di keluarga, pola pengasuhan anak, dan
lingkungan kesehatan yang tepat, termasuk akses terhadap pelayanan kesehatan.
 DAFTAR PUSTAKA

M, FAJRI HARDHITA and RIYANTO , DJALAL ER and SUHARTONO, SUHARTONO

(2013). APLIKASI BERBASIS WEB UNTUK PEMANTAUAN STATUS GIZI DAN TUMBUH
KEMBANG ANAK BERDASARKAN DATA ANTROPOMETRI. Undergraduate thesis,
Faculty Of Science and Mathematics .

ENA for SMART Dikutip dari: http://www.nutrisurvey.de/ena2011/