Diskusi Soal SP Nutrition Biostatistics

  

Diskusi Soal

SP Nutrition

Biostatistics

  Seorang Ahli Gizi

  Monitoring Assessmet & (Data

  Evaluation Collection)

NUTRITIONAL CARE PROCESS

  Diagnosa Intervention

  (Hypothesis) Planning

  Berhubungan dengan berbagai macam data yang perlu diklasifikasikan, disimpulkan dan Perlu mengaplikasikan ilmu disajikan kembali dalam bentuk yang lebih

  BIOSTATISTIKA mudah difahami oleh orang lain Merencanakan intervensi berdasarkan bukti ilmiah & fakta

  Seorang Ahli Gizi Perlu memahami data/laporan yang disajikan/hasil penelitian terdahulu untuk mendukung keputusan Perlu memahami ilmu

  Banyak membaca laporan/penelitian terdahulu

  BIOSTATISTIKA Why statistics?

• Merancang pengambilan data
• Mengumpulkan data
• Mengklasifikasikan - Menganalisis - Menyimpulkan - Menginterpretasikan dan
• Menyajikan data guna mendukung keputusan yang diperlukan.

  Nutrition Biostatistics, Widya R, PS Ilmu Gizi FKUB, 2013  Statistika (statistics) = suatu ilmu (bagian dari ilmu matematika) yang mempelajari Istilah-istilah dalam statistik... Variabel dan Konsep

   Seorang mahasiswa ingin meneliti hubungan antara konsumsi zat besi, vitamin C dan anemia pada remaja putri. Manakah yang termasuk variabel, manakah yang termasuk konsep?

   Konsumsi zat besi  konsep  Vitamin C  konsep  Anemia  konsep  Remaja putri  konsep

  Konsep Variabel

  Persepsi, pemahaman umum

  Fakta Fakta

Fakta

  Merupakan hasil pengamatan , berupa pemahaman umum terhadap suatu masalah. Bisa dilihat secara langsung (cth. Buku, makanan), atau tidak bisa dilihat secara langsung (cth. Energi)

  Merupakan ciri/sifat dari konsep yang mengandung variasi nilai/kategori sehingga dapat diukur/diklasifikasikan. Cth. Tebal buku, warna buku, berat makanan, kandungan energi dalam makanan Konsep vs. Variabel KONSEP

VARIABEL

   Konsumsi zat besi  Tingkat konsumsi zat besi  Konsumsi vitamin C  Tingkat konsumsi vitamin C  

  Anemia Status/derajat anemia  Remaja putri  Usia Remaja putri

  

Merupakan ciri/sifat fari konsep

Masih bersifat umum, yang mengandung variasi belum bisa nilai/kategori dapat diukur/dikategorikan diukur/diklasifikasikan Istilah-istilah dalam statistik...

  Populasi & Sampel Seorang peneliti akan melakukan penelitian tentang status anemia ibu hamil pada 140 ibu hamil dengan umur kehamilan 12-16 minggu di wilayah Kecamatan Lowokwaru.

  a. Seluruh ibu hamil yang berada di wilayah kecamatan Lowokwaru, disebut....

  Populasi  Seluruh anggota kelompok yang akan diambil kesimpulan b.

  140 ibu hamil dengan umur kehamilan 12-16 minggu yang diambil datanya untuk penelitian, disebut....

  Sampel : Sebagian dari anggota kelompok yang terpilih untuk dianalisis

  Istilah-istilah dalam statistik... Parameter, Statistik, Variabel

  c. Prosentase anemia pada ibu hamil dengan umur kehamilan 12-16 minggu di wilayah Kecamatan Lowokwaru, disebut....

  Parameter  Pengukuran numerik yang menggambarkan karakteristik populasi

  d. Prosentase anemia pada 140 ibu hamil dengan umur kehamilan 12-16 minggu yang diteliti, disebut....

  Statistik  Pengukuran numerik yang menggambarkan karakteristik sampel e. Status anemia, umur kehamilan, umur ibu hamil, disebut.... variabel  ciri/sifat fari konsep yang mengandung variasi nilai/kategori dapat diukur/diklasifikasikan

  f. Apabila data dari 140 ibu hamil disajikan untuk menggambarkan karakteristik dari 140 bumil itu saja (tidak untuk menggambarkan karakteristik populasi), maka disebut.... statistik deskriptif adalah metode yang berkaitan dengan pengumpulan dan penyajian suatu data dari sampel, tanpa menarik inferensia/kesimpulan untuk data populasi.

  g. Apabila kesimpulan dari 140 bumil di atas diharapkan mewakili seluruh bumil di wilayah Kecamatan Lowokwaru, maka disebut.... statistik inferensial Semua metode yang berhubungan dengan analisis sebagian (sampel) dengan tujuan untuk ditarik kesimpulan karakteritik populasi.

  Istilah-istilah dalam statistik... Statsitik Deskriptif & Statistik Inferensial

  Statistik Deskriptif vs. Statistik Inferensial Populasi: 100 mhs Sampel: 25 mhs

Statistik Deskripsi:

  Menghitung, menganalisa, mengambil kesimpulan dan menyajikan data untuk ke-25 mhs Diambil data dari

  25 mhs

Statistik Inferensial:

  Menghitung, menganalisa dari 25 mhs, namun kesimpulan diharapkan dapat mewakili seluruh populasi

  Statistik Deskriptif vs. Statistik Inferensial, materi yang perlu dipelajari

Statistik Deskriptif

   Distribusi Frekuensi  Central Tendency  Variasi  Distribusi Normal

  

Statistik Inferensial

 Probabilitas

 Confidence Interval

 Uji Hipotesis  Uji Statistik  Parametrik & Non

  Parametrik Sebelum mengolah data, kita perlu memahami jenis dan skala data...

  Seorang peneliti ingin meneliti tentang status gizi balita. Pada saat awal penelitian, dia mengambil variabel umur balita, berat badan dan tinggi badan balita.

  a.

  Variabel umur, BB dan TB termasuk skala data … rasio b.

  Selanjutnya, peneliti menganalisa berat badan menurut umur (W/A Z-score), berat badan menurut tinggi badan (W/H z-score) dan tinggi badan menurut umur (H/A z-score). WAZ, WHZ dan HAZ termasuk ke dalam skala data … interval

  Sebelum mengolah data, kita perlu memahami jenis dan skala data...

  c.

  Data WAZ, WHZ dan HAZ selanjutnya dikategorikan menjadi status gizi lebih, normal dan status gizi kurang. Status Gizi kurang, normal dan lebih termasuk skala data.... ordinal d.

  Proses pengkategorian ini merubah skala data awal (kontinyu) menjadi skala data … kategorikal e.

  Jenis kelamin dan suku balita tergolong skala data … nominal Jenis dan Skala Data

JENIS DATA SKALA SIFAT CONTOH DATA

  Data NOMINAL Nama/label Golongan darah, Qualitative/ Bukan peringkat Jenis Kelamin, Suku, Data

  Kejadian penyakit Kategorikal/

  ORDINAL Peringkat dengan interval Derajat penyakit, Data Diskrit

  =

  yang tidak dapat diukur tingkat sosial

  mengandung

  ekonomi, status gizi

  variasi kategori

  Data

  INTERVAL Peringkat yang dapat diukur Suhu, z-score, nilai, Quantitative/ namun tidak mempunyai skor IQ Data Kontinyu nilai 0 (nol) absolut

  =

  RASIO Peringkat dengan interval Jarak, berat,

  mengandung

  yang dapat diukur dan panjang/tinggi, umur

  variasi nilai

  mempunyai nilai 0 (nol) absolut

  Ketika kita akan memprediksi keadaan populasi, kita perlu mempelajari Probabilitas Berdasarkan survey tahun 2011, diketahui bahwa % praktek ASI Eksklusif hingga 6 bulan di Kota A adalah 9%.

   Perkiraan peluang seorang bayi di wilayah Kota A untuk mendapatkan ASI eksklusif pada tahun 2012 yang ditanyakan kepada ahli, disebut sebagai pendekatan ..... subyektif

   Perkiraan dengan mempertimbangkan % tahun lalu dan ada tidaknya program/strategi baru terkait ASI eksklusif dikenal sebagai pendekatan.... empiris/relatif

   Apabila secara acak ditebak (dengan menggunakan koin/lotre/menghitung kancing), maka pendekatan probabilitas ini disebut pendekatan..... klasik Pendekatan Probabilitas

• Memperkirakan peluang berdasarkan pengetahuan dari proses yang terjadi
• Contoh: melempar dadu , koin

  Pendekatan Klasik

• Memperkirakan peluang berdasarkan data

  (kejadian) sebelumnya

  Pendekatan Empiris/Relatif

• Contoh: peluang BBLR pada ibu hamil anemia, peluang kematian bayi di Ind
• Memperkirakan peluang berdasarkan opini ahli atau perasaan
• Contoh: peluang tim AREMA menang, peluang

  Indonesia mendapat emas

  Pendekatan Subyektif

  17 Diketahui peluang seorang anak di wilayah Kota B untuk menderita batuk pilek pada musim hujan adalah 0,25. Jika secara acak dipilih satu anak, maka peluang anak yang terpilih tersebut untuk tidak menderita batuk pilek adalah sebesar....

   Hukum 1: “Peluang terjadinya suatu kejadian adalah antara 0 dan

  1” 

  (0 ≤ P ≤ 1) 

  Hukum 2 : “Kebalikan suatu kejadian A adalah komplemen A” 

  (A’) dan P(A’) = 1 – P (A)  1 - 0,25 = 0,75 Diketahui: peluang seseorang untuk memiliki golongan darah O=0,4; A=0,3; B=0,2; AB=0,1; Kejadian mutually exclussive (tidak mungkin kejadian A dan B terjadi bersama) a.

  Peluang seseorang untuk memiliki golongan darah A dan B …  Hukum 3: Jika suatu kejadian A dan B adalah mutually exclussive, peluang terjadinya kejadian A dan B terjadi bersama-sama adalah 0

   P (A & B) = 0  Jawaban = 0 b.

  Peluang seseorang untuk memiliki golongan darah A atau B…  Hukum 4: Jika suatu kejadian A dan B adalah mutually exclussive, peluang terjadinya kejadian A atau B adalah penjumlahan dari penjumlahan dari kedua peluang tersebut.

   P (A atau B) = P (A) + P (B)  Jawaban: 0,3+0,2=0,5 Diketahui: peluang seseorang untuk memiliki golongan darah O=0,4; A=0,3; B=0,2; AB=0,1; Kejadian mutually exclussive (tidak mungkin kejadian A dan B terjadi bersama)

  c. Peluang seseorang untuk memiliki golongan darah A atau B atau AB adalah…

   Hukum 4: Jika suatu kejadian A, B dan C adalah mutually exclussive , peluang terjadinya kejadian A atau B atau C adalah penjumlahan dari peluang-peluang tersebut.

   P (A atau B atau C) = P (A) + P (B) + P(C) 

Jawaban: P(A)+P(B)+P(AB) = 0,3+0,2+0,1 = 0,6

  d. Peluang seseorang untuk memiliki golongan darah A, B, AB atau O adalah… (semua peluang)

   Hukum 5: Jika suatu kejadian A dan B adalah mutually exclussive , maka penjumlahan dari semua peluang adalah 1

   P (A) + P (B) + P (C) + P (D) = 1  Jawaban: P(O)+P(A)+P(B)+P(AB)=0,4+0,3+0,2+0,1=1 Peluang seseorang di kelas SP untuk memakai kaca mata adalah 0,3. Peluang seseorang untuk mengalami anemia adalah 0,4. Kejadian bukan mutually exclusive (dua kejadian yang bisa terjadi bersama-sama tetapi keduanya tidak ada keterkaitan) Jika secara acak dipilih satu mahasiswa, maka peluang 1 mahasiswa yang terpilih tersebut untuk a. memakai kaca mata dan mengalami anemia adalah sebesar…

   Hukum 7: Jika suatu kejadian A dan B adalah independent, (tidak berhubungan, bisa terjadi bersamaan, tetapi hanya sekedar kebetulan), maka kejadian A dan B terjadi bersamaan adalah perkalian kedua peluang tersebut

   Jika A dan B independent, P (A dan B) = P (A) * P (B)  Jawaban = P (kacamata) * P (anemia) = 0,3*0,4=0,12 Peluang seseorang di kelas SP untuk memakai kaca mata adalah 0,3. Peluang seseorang untuk mengalami anemia adalah 0,4. Kejadian bukan mutually exclusive (dua kejadian yang bisa terjadi bersama-sama tetapi keduanya tidak ada keterkaitan)

  b. memakai kaca mata atau mengalami anemia adalah sebesar …

   Hukum 6: Jika suatu kejadian A dan B adalah bukan kejadian A dapat terjadi bersama mutually exclussive, maka dengan B

   P (A atau B) = P (A) + P (B) - P (A & B)  Jawaban: P (kacamata) + P (anemia) - P (kacamata dan anemia) = (0,3+0,4)-0,12=0,58

  Kejadian yang berhubungan (tidak independent), satu kejadian mempengaruhi kemungkinan terjadinya kejadian yang lain

  Diketahui: Peluang kurang gizi [P(A)] = 0,075; Peluang menderita ISPA [P(B)] = 0,245;

Peluang menderita ISPA dari yang kurang gizi [P (B│A)] = 0,8;

  Peluang menderita ISPA dari yang tidak kurang gizi [P (B│A’)] = 0,2; maka Peluang seorang anak dari populasi untuk mengalami kurang gizi dan menderita ISPA adalah

  …  Hukum 8: Jika A dan B berhubungan/tidak independent, Kejadian kurang gizi meningkatkan resiko ISPA pada balita

   P (A dan

  B) = P (A) * P (B│A)  Jawaban: P(A)*P(B/A)  P(kurang gizi)*P(menderita ISPA dari yang kurang gizi) =

  0,075*0,8=0,06

  ISPA Tidak ISPA Total

Contoh Lain

  Kurang Gizi

  60

  15

  75 Gizi Normal 185 740 925 Total 245 755 1000

  P (kurang gizi) = 0,075  P(A) = 75/1000

  P (menderita ISPA) = 0,245  P(B)  245/1000 P (menderita ISPA dari yang kurang gizi) = 0,8  P

  (B│A)  60/75

  P (menderita ISPA dari yang tidak kurang gizi) = 0,2  P (B│A’)  185/925

  Maka: Peluang seorang anak untuk kurang gizi dan menderita ISPA = 0,075*0,8=0,06

  24 Berikut adalah serangkaian data tentang nilai Biostat 10 Mahasiswa: 6,6,7,7,7,7,8,8,8,9,9.

   Mean …? (6+6+7+7+7+7+8+8+9+9)/10 = 7,4

   Median…?

  6, 6, 7, 7, 7, 7, 8, 8, 9, 9 =

  

7



  Modus…? 6, 6, 7, 7, 7, 7, 8, 8, 9, 9 = 7

   Range?

  9 – 6 = 3 Berikut adalah serangkaian data tentang nilai Biostat 10 Mahasiswa: 6,6,7,7,7,7,8,8,8,9,9. NO NILAI SIMPANGAN

KUADRAT SIMPANGAN

  2 6 -1,4 1,960

  3 7 -0,4 0,160

  1 6 -1,4 1,960

  5 7 -0,4 0,160

  6 7 -0,4 0,160

  7 8 0,6 0,360

  8 8 0,6 0,360

  9 9 1,6 2,560

  10 9 1,6 2,560 MEAN 7,40

  SIMPANGAN 10,400

  VARIANS 1,156 Stdev = akar varians 1,075

  4 7 -0,4 0,160

   Serangkaian data memiliki mean = 7,3; median=7,5 dan modus = 8.

   Kurva yang dibentuk oleh serangkaian data tersebut adalah? Menceng/condong ke kiri, negative skewnes

   Bagaimanakah ciri-ciri kurva normal? Mean, med, mod behimpit, sebagian besar data berada di bag tengah kurva, kurva simetris, bentuk lonceng simetris kanan & kiri, luas daerah di bawah kurva=1, ; 68% berada di antara +- 1 SD, tidak adanilai ekstrim, hanya sebagian kecil data di bag ekor

   Mengapa kita perlu mengetahui distribusi data normal/tidak? Untuk menentukan angka statistik yang akan ditampilkan (mean/median), mengetahui uji statistik yang akan digunakan

  Ari, mahasiswa Gizi, ingin mengetahui perbedaan rata-rata kadar Hb pada wanita hamil usia <20 th dan rata-rata kadar Hb pada wanita hamil usia 20-30 tahun.

   Jika Ari menggunakan hipotesis dua arah, bagaimana pernyataan Ho dan Ha-nya?

   Ho: tidak ada perbedaan rata-rata antara kadar Hb wanita hamil usia < 20 th dan usia 20-30 tahun Ha: ada perbedaan antara rata-rata antara kadar Hb wanita

   hamil usia < 20 th dan usia 20-30 tahun  Kapan Ho diterima? Bila kadar Hb A = Hb B .

   Kapan Ho ditolak (Ha diterima)? Bila kadar Hb A  Hb B; kadar Hb A < Hb B; atau kadar Hb A >Hb B.

   Jika Ari menggunakan hipotesis satu arah, bagaimana pernyataan Ho dan Ha-nya?

   Ho: Rata-rata kadar Hb pada wanita hamil < 20 tahun tidak lebih kecil daripada rata-rata kadar Hb wanita hamil 20-30 tahun

   Ha: Rata-rata kadar Hb pada wanita hamil < 20 tahun lebih kecil daripada rata-rata kadar Hb wanita hamil 20-30 tahun

   Kapan Ho diterima? Kapan Ho ditolak (Ha diterima)?  Ho diterima apabila rata-rata kadar Hb wanita hamil < 20 tahun = atau > dari rata-rata kadar Hb wanita hamil 20-30 tahun

   Ho ditolak apabila rata-rata kadar Hb wanita hamil < 20 tahun lebih kecil dari rata-rata kadar Hb wanita hamil 20-30 tahun

   Penelitian dengan tujuan untuk “mengetahui perbedaan kadar fenol pada Buah Apel varietas A dan B”

   Jika distribusi data normal, maka sebaiknya menggunakan uji?

  Independent t test  Jika distribusi data tidak normal, maka sebaiknya menggunakan uji?

  Mann Whitney

   Penelitian dengan tujuan untuk “mengetahui perbedaan kadar fenol pada Buah Apel varietas A sebelum dan sesudah perlakuan blanching”

   Jika distribusi data normal, maka sebaiknya menggunakan uji?

  T test berpasangan / paired t-test  Jika distribusi data tidak normal, maka sebaiknya menggunakan uji?

  Willcoxon 

  Penelitian dengan tujuan untuk “mengetahui perbedaan kadar fenol pada Buah Apel varietas A, B, dan C”

   Jika distribusi data normal, maka sebaiknya menggunakan uji?

  One way ANOVA  Jika distribusi data tidak normal, maka sebaiknya menggunakan uji?

  Kruskall Wallis

   Penelitian dengan tujuan untuk “mengetahui hubungan antara lama blanching (waktu) dan kadar fenol pada Buah Apel varietas A ”

   Jika distribusi data normal, maka sebaiknya menggunakan uji?

  Korelasi Pearson  Jika distribusi data tidak normal, maka sebaiknya menggunakan uji?

  Korelasi Spearmann 

  Penelitian dengan tujuan untuk “mengetahui perbedaan skor pengetahuan ibu di daerah A dan B”, sebaiknya menggunakan uji?

  Mann Whitney 

  Penelitian dengan tujuan untuk “mengetahui perbedaan skor pengetahuan ibu di daerah A sebelum dan sesudah edukasi gizi”, sebaiknya menggunakan uji?

  Willcoxon

   Penelitian dengan tujuan untuk “mengetahui perbedaan skor pengetahuan ibu di daerah A, B dan C”, sebaiknya menggunakan uji?

   Kruskall Wallis 

  Penelitian dengan tujuan untuk “mengetahui hubungan antara skor pengetahuan ibu dan pola asuh di daerah A”, sebaiknya menggunakan uji?

   Korelasi Spearmann 

  Penelitian dengan tujuan untuk “mengetahui perbedaan proporsi kejadian diare pada balita pada ibu dengan tingkat pengetahuan hygiene-sanitasi rendah sedang dan tinggi”

   sebaiknya menggunakan uji? Chi Square

    Jika kelompok tingkat pengetahuan ibu disederhanakan menjadi tingkat pengetahuan rendah dan tinggi, sebaiknya menggunakan uji?

  Fisher Exact 

   Sebutkan grafik yang sesuai untuk menampilkan data:  Proporsi status gizi (IMT kategori) pada kelompok A? Pia chart

   Perbedaan IMT antara kelompok yang berdiet dan tidak berdiet? Grafik batang

   Perbedaan IMT pada kelompok yang berdiet pada awal penelitian, setelah menjalani diet bulan pertama, kedua dan ketiga? Line chart/garis

  38 SKALA Komparatif /Uji Beda Korelasi / PENGUKURAN

  Uji Jenis Uji Hipotesis Tidak berpasangan Berpasangan

  Hubungan 2 klpk > 2 klpk 2 klpk > 2 klpk Interval /Rasio Uji t tidak One way Uji t Repeated Pearson

  (Numerik  Uji berpasangan ANOVA berpasangan ANOVA Parametrik) (independent (paired t-test) t-test)

  Ordinal Mann Kruskal- Wilcoxon Friedman Spearman

  Whitney Wallis (Kategorikal 

  Uji Non- Parametrik)

  Nominal & Chi Square, Fisher, Mac Nemar, Cohran Test, Koefisien Ordinal Kolmogorof Smirnov Friedman kontingensi,

  (Kategorikal Lambda

  

  Hypotesis testing, Widya Rahmawati, PS Ilmu Gizi

  Uji Parametrik))

  FKUB, 2012 M Sopiyudin Dahlan, 2011 Contoh … untuk data continues No Tujuan Distribusi data normal Distribusi data tidak normal

  UJI PARAMETRIK UJI NON PARAMETRIK

  Mann Whitney

  Hypotesis testing, Widya Rahmawati, PS Ilmu Gizi FKUB, 2012

  6 Untuk mengetahui proporsi BBLR pada ibu hamil dengan anemia Fisher

  5 Untuk mengetahui proporsi BBLR pada ibu hamil dengan anemia derajat ringan, sedang dan berat Chi Square

  4 Untuk mengetahui hubungan tingkat pengetahuan dan perilaku ibu balita Spearman

  Kruskal-wallis

  3 Untuk mengetahui perbedaan tingkat pengetahuan Hb ibu balita di daerah A, B, C

  Wilcoxon

  2 Untuk mengetahui perbedaan tingkat pengetahuan Ibu balita daerah C pada sebelum dan sesudah edukasi

  1 Untuk mengetahui perbedaan tingkat pengetahuan Ibu balita daerah A dan B

  1 Untuk mengetahui perbedaan rata-rata kadar Hb Ibu hamil daerah A dan B Independent t- test

  No Tujuan UJI NON PARAMETRIK

  39 Contoh … untuk data kategorikal

  Hypotesis testing, Widya Rahmawati, PS Ilmu Gizi FKUB, 2012

  4 Untuk mengetahui hubungan antara intake jus pare dan kadar glukosa darah Pearson Spearman

  ANOVA Kruskal-wallis

  3 Untuk mengetahui perbedaan rata-rata kadar Hb ibu hamil setelah perlakuan pemberian suplemen Ferosultat (klpk 1), multivitamin mineral (kelompok B) dan makanan tinggi Fe (kelompok C)

  Paired t-test Wilcoxon

  2 Untuk mengetahui perbedaan rata-rata kadar Hb Ibu hamil daerah C pada awal kehamilan dan akhir kehamilan

  Mann Whitney

  40 Data di bawah ini adalah hasil penelitian yang bertujuan untuk mengetahui hubungan antara intake Fe dan kadar Hb pada remaja putri.

  Kode Resp Intake Fe Kadar Hb

  24.5

  28.2

  12.4

  8

  23.9

  12.2

  9

  12.0

  12.6

  10

  27.1

  12.5

   Sajikanlah data di samping dalam bentuk:

   Mean ± SD Intake Fe = 25,4 ± 2,96 

  Mean ± SD Kadar Hb = 12,12 ± 0,36  Median (min; max) Intake Fe = 25,15 (20,5;

  7

  29.6

  1

  25.8

  28.6

  12.3

  2

  23.4

  11.9

  3

  12.1

  6

  4

  22.4

  11.8

  5

  20.5

  11.4

  29,6)  Median (min; max) Kadar Hb = 12,15 (11,4 ; 12,6) Buatlah grafik yang sesuai

Hubungan antara intake Fe (mg/hr) dan Kadar Hb pada Remaja Putri di Wilayah Kota Malang Tahun 2013

  14

  12 l)

  10 /d

  8 b (g H

  6

  4 adar K

  2

  5

  10

  15

  20

  25

  30

  35 Intake Fe (mg/hari) Semoga

bermanfaat...