ulang tahun yang terakhir berdasarkan kalender masehi. . Enumerator Riskesdas 2013 melakukan probing melalui dokumen atau catatan
kelahiranakte kelahiran dan kartu pengenal seperti KTP, SIM, dan sebagainya ketika responden tidak mengetahui usianya dengan pasti atau
lupa 12. Variabel jumlah keluarga
Variabel ini diukur menggunakan kuesioner rumah tangga Riskesdas 2013 pada blok IV pertanyaan BR2R. jumlah anggota rumah
tangga ditanyakan langsung pada responden. 13. Variabel tempat tinggal
Variabel ini diukur menggunakan kuesioner rumah tangga Riskesdas 2013 pada blok I dengan kode B1R5. Penentuan desa atau
kotamengikuti dari hasil sensus penduduk tahun 2010 SP2010.
F. Manajemen Data
Berikut beberapa kegiatan manajemem data yang dilakukan peneliti setelah menerima dataset Riskesdas tahun 2013 sebelum data dianalisis lebih
lanjut: 1. Filter menyaring data
Peneliti menyaring data yang tidak dibutuhkan dalam penelitian. Hal ini dilakukan dengan cara mengidentifikasi pertanyaan pada kuesioner
Riskesdas 2013 yang berkaitan dengan kejadian anemia Balita berdasarkan hasil penelitian-peelitian sebelumnya. Berikut adalah variabel yang
dibutuhkan dalam penelitian ini :
Tabel 4. 2 Variabel dan Kuesioner
No. Variabel
Kode Variabel Kuesioner
1 Status Anemia
O01-02 RKD13.IND
2 Pendidikan Ibu
B4K8 RKD13.RT
3 Pekerjaan Ibu
B4K9, B4K10 RKD13.RT
4 Usia Ibu
B4K7THN RKD13.RT
5 Jumlah Keluarga
BR2R RKD13.RT
6 Tempat Tinggal
B1R5 RKD13.RT
7 Jenis Kelamin Balita
B4K4 RKD13.RT
8 Usia Balita
B4K7BLN RKD13.RT
9 Berat Badan Lahir
JA01,JA02 RKD13.IND
10 Riwayat Malaria A09,A10
RKD13.IND 11 Status gizi
K01A, K01B, K02A, K02B
RKD13.IND 12 Pemberian vitamin A
JA27 RKD13.IND
13 Imunisasi DPT JA20C_K2,
JA20D_K2, JA20E_K2, JA21H
RKD13.IND
2. Cleaning pembersihan data Peneliti memeriksa data dengan cara dilakukan tabulasi frekuensi
dari masing-masing variabel independen faktor maternal, sosiodemografi, dan karakteristik Balita, dan variabel dependen status anemia.
Kemudian, secara otomatis software pengolah data akan menampilkan nilai missing. Setiap variabel yang memiliki nilai missing akan ditinjau
kembali untuk kemudian dihilangkan missing data dengan memanfaatkan menu select data pada software sehingga dapat terseleksi secara otomatis.
Setelah dilakukan tabulasi frekuensi faktor maternal dan sosiodemografi tidak ditemukan missing data. Namun, pada faktor karakteristik Balita
ditemukan missing data pada variabel berat badan lahir, riwayat penyakit malaria, status gizi, status pemberian vitamin A dan status imunisasi DPT.
Setelah itu, penghilangan dilakukan pada masing-masing variabel yang
ditemukan missing data sehingga ketika melakukan analisis, jumlah sampel pada tiap variabel berbeda. Jumlah sampel dalam penelitian ini
dapat dilihat pada Tabel 4.1. 3. Recoding Pengkodean ulang
Peneliti membuat kode baru atau pengkodean ulang pada beberapa variabel yang membutuhkan perubahan tetentu sesuai kebutuhan
penelitian. Beberapa variabel numerik yang dikategorikan membutuhkan kode baru yaitu variabel status anemia, jumlah keluarga, usia ibu, usia
Balita dan berat badan lahir. Kemudian variabel lainnya yang membutuhkan pengkodean ulang yaitu pekerjaan ibu dan pendidikan ibu.
Pengkodean ulang disesuaikan dengan definisi oprasional penelitian agar memudahkan dalam analisis data. Tabel 4.5 menjelaskan pengkodean yang
dilakukan peneliti.
Tabel 4. 3 Pengkodean Ulang Data Penelitian
No. Variabel
Kode Awal Kode Akhir
Keterangan
1 Status
Anemia Data Numerik
gramdL 1. Tidak anemia : hb
11 grdL
2. Anemia : 11 grdL Kategorisasi data
numeric
2 Pendidikan
Ibu 1. Tidak
sekolahbelum pernah sekolah
2. Tidak tamat SDMI
3. Tamat SDMI 4. Tamat
SLTPMTs 5. Tamat
SLTAMA 6. Tamat D1, D2,
D3 7. Tamat
1. Tamat perguruan tinggi 2. Tamat SMASederajat
3. Tamat SMP 4. Tamat SD
5. Tidak memiliki ijazah Penggabungan kategori
tidak sekolah 5 dan tidak tamat SDMI 2
menjadi satu kategori, yaitu ―tidak memiliki
ijazah‖ 5 Penggabungan kategori
tamat D1, D2, D3 6 dengan kategori tamat
perguruan tinggi 7 menjadi ―tamat
perguruan tinggi‖ 1
No. Variabel
Kode Awal Kode Akhir
Keterangan
perguruan tinggi 3
Usia Ibu Data numerik
tahun 1. 45-54 tahun
2. 35-44 tahun 3. 25-34 tahun
4. 15-24 tahun Kategorisasi data
numerik
4 Jumlah
Keluarga Data Numerik
individu 1. 5 anggota keluarga
2. 5 anggota keluarga
Kategorisasi data numeric
5 Usia Balita
Data Numerik bulan
1. 47-59 2. 36-47
3. 24-35 4. 12-23
Kategorisasi data numerik
6 Berat
badan lahir Data Numerik
gram 1.
Tidak BBLR : ≥2500 gram
2. BBLR : 2500 gram Kategorisasi data
numeric
7 Riwayat
penyakit malaria
1. Ya, dalam ≤ 1
bulan saat wawancara
dilakukan
2. Ya, dalam 1 bulan sampai
12 bulan saat wawancara
3. Tidak 1. Tidak
2. Ya, 12 bulan saat wawancara
Penggabungan kategori Ya, dalam ≤ 1 bulan
saat wawancara dilakukan 1 dan Ya,
dalam 1 bulan sampai 12 bulan saat
wawancara 2 menjadi ―ya, , 12 bulan saat
wawancara 1. Perubahan kategori
tidak 3 menjadi ―tidak 2‖.
4. Compute Peneliti membuat variabel baru dari beberapa variabel yang ada
pada data sesuai dengan kebutuhan penelitian yaitu variabel indikator status gizi BBU, TBU dan BBTB yang terdiri dari variabel berat
badan, tinggi badan dan usia balita serta variabel. Variabel status imunisasi DPT dengan mengobservasi catatan tanggal imunisasi DPT 1 sampai 3
kemudian membuat variabel baru jumlah sampel melakukan imunisasi DPT.
Tabel 4. 4 Variabel Baru dalam Data Penelitian
No. Variabel
Data Awal Variabel Baru
Keterangan
1 Status gizi
balita Data numerik
BB : kilogram TB : sentimeter
Usia : bulan A. Indikator BBU
1. Gizi buruk : Zscore -3,0
2. Gizi kurang : Zscore -3,0 sd
Zscore -2,0 3. Gizi baik : Zscore
-2,0 sd 2,0 4. Gizi Lebih :
Zscore 2,0 B. Indikator TBU
1. Sangat pendek : Zscore -3,0
2. Pendek : Zscore - 3,0 sd Zscore -
2,0 3. Normal : Zscore -
2,0 sd 2,0 4. Tinggi : Zscore
2,0 C. Indikator BBTB
1. Sangat kurus
: Zscore -3,0
2. Kurus : Zscore ≥-
3,0 sd Zscore - 2,0
3. Normal : Zscore ≥-
2,0 sd Zscore ≤
2,0 4. Gemuk : Zscore
2,0 A. Status gizi berdasarkan berat
badan dan usia setiap balita dikonversikan ke dalam nilai
terstandar Zscore menggunakan baku
antropometri anak balita WHO 2005
B. Status gizi berdasarkan Tinggi badan dan usia setiap balita
dikonversikan ke dalam nilai terstandar Zscore
menggunakan baku antropometri anak balita
WHO 2005
C. Status gizi berdasarkan berat badan dan tinggi badan setiap
balita dikonversikan ke dalam nilai terstandar Zscore
menggunakan baku antropometri anak balita
WHO 2005
2 Imunisasi
DPT 1, 2, 3 Tanggal
imunisasi DPT 1, 2, 3
Status imunisasi DPT 1. Lengkap : 3 kali
imunisasi DPT 2. Tidak lengkap : 3
kali imunisasi DPT 3. Tidak diberikan
imunisasi DPT Ketegori tidak lengkap apabila
balita tidak diberikan imunisasi DPT, kategori tidak lengkap
apabila balita hanya diberikan 1 sampai 2 kali imunisasi DPT dan
ketegori lengkap apabila balita diberikan 3 kali imunisasi DPT
G. Analisis Data
