spss blok 20latihan.docx

Praktikum Biostatik Blok 20

Tersedia data hasil penelitian profil lipid dan miokard infark sebanyak 133 sampel dengan catatan sebagai berikut :1. Pada variabel genetic PJK kode 0 = Genetik PJK negative dan kode 1 = Genetik PJK Positif2. Pada variabel PJK kode 0 = PJK negatif dan kode 1 = PJK positif3. Kadar gula darah sewaktu > 200 mg% dikategorikan sebagai diabetes mellitus4. Klasifikasi profil lipid merujuk pula klasifikasi umum profil lipid (terlampir) kecuali HDL bila < atau

sama dengan 40 mg% tidak baik/ faktor resiko) sedangkan bila > 40 baik/ faktor protektif

Langkah awal:a. Buka program SPSSb. Buka file data (File – Open – Data – cari file - open )

File of type : diganti excelc. Isi bagian Label sesuai dengan bagian Named. Isi Values pada bagian Label yang memiliki satuan nominal (cth, sex, genetik, PJK)

Langkah pada cell values sex: (klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 1 untuk Label Laki Laki – klik add – isi Value 2 untuk Label Perempuan – klik Add - OK). Lakukan langkah berikut untuk mengisi value pada variabel genetik (0= genetik negative dan 1 = genetik positif) dan variabel PJK (0=PJK negatif dan 1=PJK positif)

e. Buka Data View, cut nomor 134 untuk menghilangkan missing

Soal :1. Buatlah tabel frekuensi distribusi umur dengan memakai formula Sturgess dan sajikanlah dalam bentuk

tabel dan histogram.a. Banyaknya kelas interval menurut Sturgess = 1 + 3,3 log n 1 + 3,3 log 133 1+(3,3.2,12) = 8b. Langkah mencari range (nilai max – nilai min) :

Klik analyze – descriptive statistics – frequencies muncul dialog box – masukkan variabel umur – klik statistics – muncul dialog box – beri tanda

check (√) pada mean, median, mode, range, std. deviation, minimal, maximum, SE. mean – klik continue

Lihat nilai range yang muncul pada tabel (range = 58)c. Lebar kelas interval = Range/ banyaknya kelas interval = 58/8 = 7,25 ≈ 7d. Buat tabel frekuensi

Kelas Interval Midpoint Frekuensi22-28 2529-35 3236-42 3943-49 4650-56 5357-63 6064-70 6771-77 7478-84 81

e. Langkah membuat variabel baru- kelompok umur : Klik transform – recode into different variables – masukkan variabel umur – Isi Name :

kelompokumur dan Label : kelompok(space)umur

Klik old & new values – Pada old value, isi Range 22 through 28 – Pada new value, isi Value 25 – klik Add – lanjutkan mengisi range dan value sampai range 78-84 dan value 81 – klik continue – klik OK (JIKA DIPERINTAHKAN MEMBUAT HISTOGRAM).

Klik old & new values – Pada old value, isi Range 22 through 28 – Pada new value, isi Value 1 – klik Add – lanjutkan mengisi range dan value sampai range 78-84 dan value 9 – klik continue – klik OK (TIDAK ADA PERINTAH BUAT HISTOGRAM, SEHINGGA TIDAK MEMAKAI VALUE MID POINT).

f. Cek variable baru : ada kelompok umur pada data view spssg. Isi value kelompok umur pada variable view :

klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 1 untuk Label 22-28 – klik add – isi Value 2 untuk Label 29-35 – klik Add, dst - OK).

h. Membuat tabel distribusi frekuensi berdasarkan kelompok umur :Langkah : Klik analyze - descriptive statistics – frequencies muncul dialog box – masukkan variabel kelompok umur - klik OK

i. Membuat histogram kelompok umurLangkah : Klik analyze - descriptive statistics – frequencies muncul dialog box – masukkan variabel kelompok umur – klik charts – klik histogram dan beri

check pada show normal curve on histogram – klik continue – klik OK

KETERANGAN : Yang ditulis pada lembar jawaban :

Kategori kelompok umur, frekuensi, dan percentEx : 22-28, frekuensi 4, percent 3,0 dst

Kategori umur Frekuensi Percent 22-28 4 3,0

dst dst dst

2. Buatlah variabel baru berupa variabel indeks massa tubuh dengan rumus BB/(TB2) dan lanjutkan dengan membuat variabel kategori IMT sesuai dengan ukuran orang Asia.a. Langkah memasukkan rumus BB/TB2 :

Klik transform – compute variable – isi target variable : IMT – klik type&label – muncul dialog box – isi Label dengan Indeks massa tubuh – klik continue

Isi Numeric Expression : (Berat) / (Tinggi/100 **2) Klik OK

b. Langkah membuat variabel baru- kategori IMT : Klik transform – recode into different values – masukkan variabel IMT - isi Name : KategoriIMT

dan Label : Kategori Indeks Massa Tubuh Klik old & new values – isi Range lowest through value = 18.5 – isi value = 1 – klik Add Isi Range 18.5 through 22.9 – isi value = 2 – klik Add Lanjutkan pengisian range dan value sesuai klasifikasi BMI Asia (range terakhir : klik all others

values – isi value – klik add) Klik continue – klik OK

c. Cek variable baru : ada kategori IMT pada data view spss

d. Langkah mengubah value variabel kategori IMT :

Klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 1 untuk Label underweight – klik add – OK). Lakukan langkah berikut untuk mengisi value pada variabel kategori IMT (2= healthy weight, 3 = overweight, 4 = heavily overweight, dan 5 = obese) – klik OK.

e. Membuat tabel distribusi berdasarkan kategori IMT : Klik analyze - descriptive statistics – frequencies muncul dialog box – masukkan variabel kategori IMT - klik OK

f. Langkah menampilkan chart kategori indeks massa tubuh : Klik analyze - descriptive statistics – frequencies muncul dialog box – masukkan variabel kategori IMT – klik charts – beri check pada bar charts –

klik continue – klik OK

KETERANGAN : Jika ada missing, cek recode into different variable – old and new values masukkan 2 desimal, misalnya pada IMT : 29,9 Maka masukan 29,99

Yang ditulis pada lembar jawaban :Kategori IMT, frekuensi, dan percentEx : Underweight, frekuensi 40, percent 30,1 dst

Kategori umur Frekuensi Percent Underweight 40 30,1

dst dst dst

3. Apakah IMT berdistribusi normal4. Apakah kadar gula darah berdistribusi normal5. Apakah total kolesterol berdistribusi normal6. Apakah LDL berdistribusi normal7. Apakah trigliserid berdistribusi normal8. Apakah HDL berdistribusi normal

Langkah untuk soal nomor 3-8 (UJI NORMALITAS) :a. Klik analyze – descriptive statistics – explore – isi dependent list = indeks massa tubuh, gula darah

sewaktu, total kolesterol, LDL dan HDL (type numerik) – klik plots – beri tanda check pada normality plots with tests – klik continue – klik OK

ATAU

Klik analyze – Nonparametric test - legacy dialog – 1sample KS – isi test variable list = indeks massa tubuh, gula darah sewaktu, total kolesterol, LDL dan HDL (type numerik) – klik option – contreng descriptive – continue – klik OK.

b. Lihat data, jika p < 0,05 maka tidak terdistribusi normal dan p > 0,05 maka terdistribusi normal.c. Kesimpulan :

IMT berdistribusi normal dengan nilai Sig 0.200 dan yang lainnya tidak berdistribusi normal

KETERANGAN :Explore : Melihat p < 0,05 / >0,05 pada Kolmogorov- smirnov (sig)1-sample KS : melihat p < 0,05 / > 0,05 pada Asymp.Sig (2-tailed)

Yang ditulis pada lembar jawaban :Berupa kesimpulan, misalnya : Sig pada IMT 0,20 menunjukkan P>0,05 Sehingga IMT berdistribusi normal.

9. Buatlah kategorisasi gula darah menjadi DM dan non DM berapa angka kejadian DM pada sampel ini. Sajikan dalam bentuk tabel dan grafika. Langkah membuat variable baru :

Klik transform – recode into different variables – masukkan variabel Gula darah sewaktu – isi Name : Kategoriguladarah dan Label : Kategori Gula Darah – klik change – klik old & new values – isi Range lowest through value 200 dan value 0 – klik add – beri tanda check pada all other values dan value 1 – klik Add – klik continue – klik OK

b. Langkah mengubah value variabel kategori gula darah :

Klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 1 untuk Label DM – klik add, isi value 2 untuk label NON DM – klik add) – klik OK.

c. Langkah membuat tabel distribusi : Klik analyze - descriptive statistics – frequencies muncul dialog box – masukkan variabel kategori gula darah – klik OK

d. Langkah menampilkan chart kategori indeks massa tubuh : Klik analyze - descriptive statistics – frequencies muncul dialog box – masukkan variabel kategori gula darah – klik charts – beri check pada pie

charts – klik percentage – klik continue – klik OK double-click pada gambar pie chart – muncul dialog box chart editor - klik element – klik show

data labels – close dialog box chart editor

KETERANGAN :

Yang ditulis pada lembar jawaban :Kategori Gula Darah, frekuensi, dan percentEx :

Kategori gula darah Frekuensi Percent DM 13 9,8

Non DM dst dst

10. Sajikan genetik PJK dalam bentuk bar diagram atau pie diagramLangkah menampilkan chart genetik PJK :a. Langkah mengubah value variabel genetik PJK:

Klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 0 untuk Label negative genetik – klik add, isi value 1 untuk label positif genetik – klik add) – klik OK

b. Klik analyze - descriptive statistics – frequenciesc. muncul dialog box – masukkan variabel genetik PJK – klik charts – beri check pada bar diagram atau

pie charts – klik percentage – klik continue – klik OKd. double-click pada gambar pie chart – muncul dialog box chart editor - klik element – klik show data

labels – close dialog box chart editor

11. Sajikan PJK dalan bentuk tabel dan diagramLangkah menampilkan chart PJK :

a. Klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 0 untuk Label negative PJK – klik add, isi value 1 untuk label positif PJK – klik add) – klik OK

b. Klik analyze - descriptive statistics – frequenciesc. muncul dialog box – masukkan variabel PJK – klik charts – beri check pada bar diagram atau pie

charts – klik percentage – klik continue – klik OKd. double-click pada gambar pie chart – muncul dialog box chart editor - klik element – klik show data

labels – close dialog box chart editor

KETERANGAN : Yang ditulis pada lembar jawaban utk soal no 10 & 11 :

Buat tabel untuk kategori, frekuensi, dan percentage (sama sprti no 1,2, 9).Buat diagram (sesuai perintah) + persentase.

12. Hitunglah berapa korelasi antara IMT dan kadar gula darah, apakah korelasi bermakna.

Langkah :a. Klik analyze – correlate – bivariate – muncul dialog box bivariate correlationsb. Masukkan variabel indeks massa tubuh dan gula darah sewaktu (variable numeric)– klik options –

beri tanda check pada means and standard deviations – klik continue – klik OKc. Muncul

Descriptive Statistics

Mean Std. Deviation N

Indeks Massa Tubuh 22.8073 6.58482 133Gula Darah Sewaktu 139.286 88.8839 133

Correlations

Indeks Massa Tubuh Gula Darah Sewaktu

Indeks Massa Tubuh Pearson Correlation 1 .023

Sig. (2-tailed) .790

N 133 133

Gula Darah Sewaktu Pearson Correlation .023 1


N 133 133

d. Kesimpulan : jika p <0,05 : ada korelasi, jika p>0,05 : tidak ada korelasi. Melihat nilai p pada sig (2-tailed).


Kesimpulan : nilai p 0,790 tidak ada korelasi antara IMT dengan glukosa karena p>0,05. Untuk korelasi : menggunakan data numerik

13. Buatlah kategorisasi kolesterol berdasarkan rujukan umumLangkah :a. Klik transform – recode into different variables – masukkan total kolesterol – isi Name :

Kategorikolesterol dan Label : Kategori Kolesterol – klik change – klik old & new values – (isi Range lowest through value <199 dan value 1 - klik add , isi range 200 – 239 dan value 2 – klik add , beri tanda check pada all other values dan value 3 – klik Add) – klik continue – klik OK.

b. Klik cell Values – klik tanda ‘’’ - muncul dialog box, (isi Value 1 untuk Label normal – klik add, isi value 2 untuk label agak tinggi – klik add, isi value 3 untuk label tinggi – klik add) – klik OK.

14. Buatlah kategorisasi trigliserid berdasarkan rujukan umum (sama dengan no 13)15. Buatlah kategorisasi LDL berdasarkan rujukan umum (sama dengan no 13)16. Buatlah kategorisasi HDL berdasarkan rujukan umum (sama dengan no 13)

17. Hitunglah angka kejadian PJK berdasarkan klasifikasi/kategori masing-masing profil lipid (cholesterol/LDL/trigliserid/HDL). Sajikan dalam bentuk tabel dengan menggunakan perintah crosstab ujilah dengan chisquare

a. Klik analyze - descriptive statistics – crosstabb. Muncul dialog box crosstabs– isi row (variable independent) : kategori kolesterol, kategori LDL,

kategori trigliserida, kategori HDL – isi colomn (variable dependent) : PJKc. Klik statistic – beri tanda contreng pada chi square – klik continued. Klik cells – beri tanda contreng pada row – klik continuee. Klik OK

f. Kesimpulan : jika p>0,05 : tidak ada hubungan, jika p< 0,05 : ada hubungan. Nilai p dilihat dari Sig (2 tailed).


Ex : nilai p pada Sig (2 tailed) yakni 0,40 menunjukkan bahwa tidak ada hubungan antara kejadian PJK dan kolesterol karena p>0,05.

Nilai Sig (2-tailed) pada tabel 3x2 dilihat di “person chi square”, sedangkan pada tabel 2x2 dilihat di “continuity correction”.

Tabel 3x2 yakni : memiliki 3 kategori, misalnya kolesterol (normal, agak tinggi, tinggi) & 2 kategori, misalnya PJK (positif, negative).

18. Apakah terdapat hubungan antara genetik PJK dan kejadian PJK. Gunakan chisquare test.Langkah :a. Klik analyze – descriptive statistics – crosstabsb. Muncul dialog box crosstabs – isi Row dengan Genetik PJK dan Column dengan PJK – klik statistics

– beri tanda check pada Chi-square, Contingency coofficient, Phi and Cramer’s V – klik continue – klik OK

c. Kesimpulan : p pada Sig (2-tailed) 0, 00 (sangat signifikan/ bermakna) genetik merupakan faktor resiko PJK krn p <0,05.

Chi-Square Tests

Value df Asymp. Sig. (2-sided)

Exact Sig. (2-sided)


Pearson Chi-Square 73.211a 1 .000

Continuity Correctionb 69.003 1 .000

Likelihood Ratio 75.556 1 .000

Fisher's Exact Test .000 .000

Linear-by-Linear Association 72.661 1 .000

N of Valid Cases 133

a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 6.86.b. Computed only for a 2x2 table

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal

Phi .742 .000

Cramer's V .742 .000

Contingency Coefficient .596 .000


a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.

KETERANGAN : Kesimpulan sama seperti no 17 Tulisan miring tidak wajib

19. Apakah terdapat hubungan antara kategori IMT dan kejadian PJK. Gunakan chisquare test.Langkah :a. Klik analyze – descriptive statistics – crosstabsb. Muncul dialog box crosstabs – isi Row dengan kategori IMT dan Column dengan PJK – klik

statistics – beri tanda check pada Chi-square, Contingency coofficient, Phi and Cramer’s V – klik continue – klik OK

c. Kesimpulan : p 0,091 kategori IMT bukan faktor resiko PJK krn p>0,05Chi-Square Tests




Linear-by-Linear Association .501 1 .479


a. 1 cells (10.0%) have expected count less than 5. The minimum expected count is 4.86.

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal

Phi .245 .091




a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.


20. Apakah terdapat hubungan antara kategori umur dan kejadian PJK. Gunakan chisquare test.Langkah :a. Klik analyze – descriptive statistics – crosstabsb. Muncul dialog box crosstabs – isi Row dengan kategori umur dan Column dengan PJK – klik

statistics – beri tanda check pada Chi-square, Contingency coofficient, Phi and Cramer’s V – klik continue – klik OK

c. Kesimpulan : phi 0,797 kategori umur bukan faktor resiko PJK krn p >0,05Chi-Square Tests






a. 7 cells (43.8%) have expected count less than 5. The minimum expected count is .86.

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal

Phi .170 .797




a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.


21. Apakah ada perbedaan kadar gula darah antarkelompok IMT, gunakan ANOVA.Langkah :a. Klik analyze – compare means – one-way ANOVAb. Muncul dialog box one-way ANOVA – isi Dependent list dengan gula darah sewaktu (numeric)dan

pada Factor dengan Kategori IMT (kategori)– klik options – beri tanda check pada Descriptive, Homogeneity of variance test dan Means plot – klik continue

c. Klik Post Hoc – beri tanda check pada Bonferroni – klik continue – klik OKd. Kesimpulan : lihat p pada Sig, jika p< 0,05 : ada perbedaan, jika p> 0,05 : tidak ada perbedaan.

ANOVAGula Darah Sewaktu

Sum of Squares df Mean Square F Sig.

Between Groups 9741.891 4 2435.473 .302 .876

Within Groups 1033103.252 128 8071.119

Total 1042845.143 132


Kesimpulan : nilai Sig 0,876 sehingga kadar gula darah antarkelompok kategori IMT dari underweight sampai obese tidak berbeda secara signifikan karena nilai p>0,05

ANOVA menggunakan variable kategori dan numeric Jika memiliki >2 kategori (misal : obes, underweight, normal) menggunakan ANOVA, jika

hanya memiliki 2 kategori (misal : laki-laki, perempuan) menggunakan t-student test.

22. Apakah ada perbedaan kadar gula darah antarkelompok umur, gunakan ANOVA.Langkah :a. Klik analyze – compare means – one-way ANOVAb. Muncul dialog box one-way ANOVA – isi Dependent list dengan gula darah sewaktu dan pada

Factor dengan Kelompok umur – klik options – beri tanda check pada Descriptive, Homogeneity of variance test dan Means plot – klik continue

c. Klik Post Hoc – beri tanda check pada Bonferroni – klik continue – klik OKd. Kesimpulan : lihat p pada Sig, jika p< 0,05 : ada perbedaan, jika p> 0,05 : tidak ada perbedaan.

ANOVAGula Darah Sewaktu

Sum of Squares df Mean Square F Sig.

Between Groups 34457.060 7 4922.437 .610 .747

Within Groups 1008388.083 125 8067.105

Total 1042845.143 132


Kesimpulan : nilai Sig 0,747 sehingga kadar gula darah antarkelompok kategori umur tidak berbeda secara signifikan karena nilai p>0,05.

23. Apakah terdapat perbedaan kadar masing-masing profil lipid berdasarkan sex/jenis kelamin. Gunakan t student test independent.

Langkah :a. Klik analyze – compare means – independent-samples T testb. Muncul dialog box independent-samples T test – isi Test variables dengan Total kolesterol,

Trigliserid, HDL dan LDL (numeric) dan pada Grouping variable dengan Sex – klik Define groups – isi Group 1 dengan 1 dan Group 2 dengan 2 – klik continue

c. Kesimpulan : nilai p dilihat dari Sig pada levene’s test for equality of variences, jika p <0,05 : ada perbedaan, jika p>0,05 : tidak ada perbedaan. Perbedaan juga dapat dilihat dari mean yang memiliki perbedaan nilai yang jauh.


Kesimpulan : nilai Sig 0,04 sehingga ada perbedaan kadar trigliserida berdasarkan jenis kelamin karena p<0,05.

T-student test menggunakan variable kategori dan numeric.

24. Apakah terdapat perbedaan kadar masing-masing profil lipid berdasarkan genetik PJK. Gunakan t student test independent.Langkah :a. Klik analyze – compare means – independent-samples T testb. Muncul dialog box independent-samples T test – isi Test variables dengan Total kolesterol,

Trigliserid, HDL dan LDL; dan pada Grouping variable dengan genetik PJK – klik Define groups – isi Group 1 dengan 0 dan Group 2 dengan 1 – klik continue

c. Kesimpulan : sama seperti no 23

25. Hitunglah berapa korelasi antara gula darah dan hematokritLangkah :a. Klik analyze – correlate – bivariateb. Muncul dialog box Bivariate Correlations – isi variables dengan gula darah sewaktu dan hematokrit

(numeric)– klik OKDescriptive Statistics

Mean Std. Deviation N

Gula Darah Sewaktu 139.286 88.8839 133

Hematokrit 45.71 1.727 133

Correlations

Gula Darah Sewaktu

Hematokrit

Gula Darah Sewaktu

Pearson Correlation 1 -.022


N 133 133

Hematokrit

Pearson Correlation -.022 1


N 133 133


Kesimpulan : nilai p 0,799 tidak ada korelasi antara gula darah dengan hematokrit karena p>0,05.

Untuk korelasi : menggunakan data numerik

26. Apakah terdapat hubungan antara masing-masing kategori profil lipid dengan kejadian PJK. Gunakan chisquare test.Langkah :Sama seperti no 17

27. Apakah terdapat hubungan kejadian DM dan kejadian PJK. Gunakan chisquare test.Langkah :a. Klik analyze – descriptive statistics – crosstabsb. Muncul dialog box crosstabs – isi Row dengan Kategori gula darah dan Column dengan PJK – klik

OKc. Kesimpulan : nilai p : 1 pada Sig continuity correction sehingga DM bukan faktor resiko PJK krn

p>0,05.Chi-Square Tests




Pearson Chi-Square .034a 1 .853

Continuity Correctionb .000 1 1.000

Likelihood Ratio .034 1 .854

Fisher's Exact Test 1.000 .540



a. 1 cells (25.0%) have expected count less than 5. The minimum expected count is 3.71.b. Computed only for a 2x2 table

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal

Phi .016 .853




a. Not assuming the null hypothesis.

b. Using the asymptotic standard error assuming the null hypothesis.

28. Buatlah kategorisasi kadar hematokrit dengan formula sturgess dan apakah ada hubungan kategori ini dengan kejadian PJK. Gunakan chisquare test.a. Sama seperti no1 (menggunakan rumus sturges)b. Klik analyze – descriptive statistic – frequency c. Muncul dialog box – masukan variable hematokrit – klik statistic – klik range, min, mak – klik OK.d. Klik transform – recode into different variable – masukan variable hematokrit – isi output variable

dengan name : kategorikadarhematokrit dan label : Kategori Kadar Hematokrit – klik change old and new value – isi data berdasarkan hasil rumus berupa interval – klik OK.

e. Isi value Kategori kadar hematokrit pada variable view :

klik cell Values – klik tanda ‘’’ - muncul dialog box, isi Value 1 untuk Label sesuai interval – klik add – dst - OK).

f. Mencari hubungan :Klik analyze – descriptive statistics – crosstabsMuncul dialog box crosstabs – isi Row dengan Kategori kadar hematokrit dan Column dengan PJK – klik OK

g. Kesimpulan : p < 0,05 : ada hubungan, jika p> 0,05 : tidak ada hubungan.

29. Hitunglah apakah ada korelasi tekanan darah sistolik dengan kadar LDLLangkah :a. Klik analyze – correlate – bivariateb. Muncul dialog box Bivariate Correlations – isi variables dengan tekanan darah sistolik dan kadar

LDL – klik OKc. Kesimpulan : tidak ada hubungan antara tekanan darah sistolik dengan kadar LDL

Correlations

Sistolik :DL

Sistolik

Pearson Correlation 1 .124


N 133 133

:DL

Pearson Correlation .124 1


N 133 133

30. Buatlah kesimpulan variabel apa saja yang mempengaruhi kejadian PJK berdasarkan hasilanalisis soal di atasKesimpulan : variabel yang mempengaruhi PJK adalah genetik dan trigliserid (berdasarkan hasil dari semua hubungan kategori dengan PJK).

31. Buatlah model prediksi LDL dari seluruh variabel lainnya yang relevan32. Buatlah model regresi logistik kejadian PJK dari variabel lainnya yang relevan

spss blok 20latihan.docx

Documents