# MEMBACA DATA
simpan <- read.table("data_gizi_balita_sampel.csv", header = TRUE, sep = ",")
simpan
## Umur..bulan. Jenis.Kelamin Tinggi.Badan..cm. Status.Gizi
## 1 6 perempuan 58.64 stunted
## 2 2 laki-laki 52.99 normal
## 3 10 laki-laki 78.40 normal
## 4 7 laki-laki 72.45 normal
## 5 5 laki-laki 58.10 normal
## 6 4 laki-laki 55.17 normal
## 7 11 perempuan 67.14 severely stunted
## 8 0 laki-laki 49.75 normal
## 9 10 laki-laki 74.86 normal
## 10 2 perempuan 47.69 stunted
## 11 6 perempuan 61.48 normal
## 12 2 laki-laki 51.95 normal
## 13 4 laki-laki 54.80 normal
## 14 3 perempuan 53.14 normal
## 15 11 laki-laki 85.85 normal
## 16 2 perempuan 53.27 normal
## 17 0 perempuan 47.83 normal
## 18 5 perempuan 57.48 stunted
## 19 9 perempuan 74.89 normal
## 20 7 perempuan 71.81 normal
## 21 6 perempuan 63.62 normal
## 22 12 perempuan 81.89 normal
## 23 4 perempuan 51.07 stunted
## 24 11 laki-laki 75.80 stunted
## 25 8 laki-laki 73.51 normal
## 26 2 laki-laki 55.84 normal
## 27 0 laki-laki 43.96 normal
## 28 8 perempuan 67.48 stunted
## 29 6 laki-laki 56.66 stunted
## 30 6 laki-laki 69.70 normal
## 31 7 laki-laki 71.46 normal
## 32 10 laki-laki 83.78 tinggi
## 33 0 laki-laki 46.81 normal
## 34 0 laki-laki 41.77 stunted
## 35 9 laki-laki 73.62 normal
## 36 8 laki-laki 78.42 tinggi
## 37 9 perempuan 66.90 stunted
## 38 6 laki-laki 62.80 normal
## 39 3 laki-laki 59.12 normal
## 40 6 laki-laki 64.30 normal
## 41 12 laki-laki 79.45 stunted
## 42 6 laki-laki 67.92 normal
## 43 2 perempuan 52.87 normal
## 44 8 laki-laki 75.08 normal
## 45 5 perempuan 58.35 normal
## 46 10 perempuan 79.57 normal
## 47 9 laki-laki 72.25 normal
## 48 0 laki-laki 48.37 normal
## 49 8 laki-laki 76.97 tinggi
## 50 8 laki-laki 69.14 normal
## 51 6 perempuan 50.92 severely stunted
## 52 4 laki-laki 59.53 normal
## 53 2 perempuan 53.66 normal
## 54 5 perempuan 60.17 normal
## 55 7 laki-laki 64.09 stunted
## 56 9 perempuan 73.07 normal
## 57 11 perempuan 85.63 normal
## 58 4 laki-laki 62.82 normal
## 59 7 laki-laki 65.19 normal
## 60 0 laki-laki 44.58 normal
## 61 2 perempuan 51.23 normal
## 62 5 perempuan 55.16 stunted
## 63 6 perempuan 63.13 normal
## 64 0 laki-laki 41.55 stunted
## 65 5 perempuan 62.78 normal
## 66 5 laki-laki 60.89 normal
## 67 0 laki-laki 40.05 stunted
## 68 12 laki-laki 80.57 normal
## 69 3 perempuan 46.85 stunted
## 70 6 perempuan 64.54 normal
## 71 8 laki-laki 72.74 normal
## 72 7 laki-laki 55.05 severely stunted
## 73 10 perempuan 72.81 stunted
## 74 9 laki-laki 77.19 normal
## 75 6 perempuan 55.65 severely stunted
## 76 0 perempuan 45.59 normal
## 77 11 laki-laki 81.50 normal
## 78 8 laki-laki 74.51 normal
## 79 2 laki-laki 54.01 normal
## 80 7 perempuan 68.88 normal
## 81 7 laki-laki 64.00 stunted
## 82 7 perempuan 68.56 normal
## 83 5 perempuan 62.47 normal
## 84 12 perempuan 79.83 stunted
## 85 1 perempuan 53.45 normal
## 86 8 perempuan 77.23 tinggi
## 87 0 perempuan 41.24 stunted
## 88 3 perempuan 48.95 stunted
## 89 7 laki-laki 62.60 stunted
## 90 11 laki-laki 85.72 normal
## 91 2 perempuan 46.95 stunted
## 92 5 perempuan 56.92 stunted
## 93 12 laki-laki 84.78 normal
## 94 1 laki-laki 52.34 normal
## 95 0 perempuan 49.25 normal
## 96 11 laki-laki 82.17 normal
## 97 2 perempuan 51.61 normal
## 98 0 perempuan 44.31 normal
## 99 11 perempuan 79.58 normal
## 100 4 laki-laki 61.50 normal
## 101 2 perempuan 49.14 normal
## 102 4 perempuan 61.69 normal
## 103 6 laki-laki 59.57 stunted
## 104 8 perempuan 68.04 normal
## 105 5 perempuan 64.18 normal
## 106 6 perempuan 58.80 stunted
## 107 10 perempuan 78.79 normal
## 108 0 laki-laki 47.80 normal
## 109 10 perempuan 70.11 stunted
## 110 6 perempuan 59.51 stunted
## 111 2 perempuan 53.98 normal
## 112 12 perempuan 102.66 tinggi
## 113 0 perempuan 49.77 normal
## 114 11 laki-laki 83.46 normal
## 115 6 laki-laki 60.34 stunted
## 116 6 laki-laki 63.02 normal
## 117 5 laki-laki 72.57 tinggi
## 118 12 perempuan 74.06 severely stunted
## 119 9 perempuan 71.44 normal
## 120 11 laki-laki 85.64 normal
## 121 0 perempuan 41.42 stunted
## 122 4 laki-laki 61.20 normal
## 123 3 perempuan 54.83 normal
## 124 2 laki-laki 48.14 stunted
## 125 7 perempuan 60.86 stunted
## 126 9 laki-laki 63.85 severely stunted
## 127 9 laki-laki 82.71 tinggi
## 128 0 perempuan 41.61 stunted
## 129 9 laki-laki 66.06 stunted
## 130 5 perempuan 59.28 normal
## 131 8 perempuan 71.52 normal
## 132 12 laki-laki 86.29 normal
## 133 4 perempuan 51.88 stunted
## 134 5 laki-laki 62.14 normal
## 135 12 perempuan 86.90 normal
## 136 3 laki-laki 57.60 normal
## 137 4 laki-laki 56.18 normal
## 138 9 perempuan 76.42 normal
## 139 2 perempuan 67.34 tinggi
## 140 12 perempuan 83.82 normal
## 141 7 perempuan 66.39 normal
## 142 10 perempuan 77.30 normal
## 143 7 perempuan 75.33 tinggi
## 144 0 laki-laki 40.00 stunted
## 145 2 laki-laki 50.64 normal
## 146 0 perempuan 47.94 normal
## 147 9 laki-laki 75.20 normal
## 148 0 perempuan 41.89 stunted
## 149 7 laki-laki 64.45 normal
## 150 3 perempuan 58.85 normal
## 151 4 perempuan 62.30 normal
## 152 3 laki-laki 56.14 normal
## 153 4 laki-laki 53.66 stunted
## 154 8 perempuan 67.80 normal
## 155 2 laki-laki 48.32 stunted
## 156 0 laki-laki 46.91 normal
## 157 7 laki-laki 75.16 tinggi
## 158 8 laki-laki 68.40 normal
## 159 8 perempuan 70.66 normal
## 160 8 perempuan 75.25 normal
## 161 12 laki-laki 85.36 normal
## 162 3 laki-laki 53.98 normal
## 163 9 laki-laki 79.42 normal
## 164 4 perempuan 68.52 tinggi
## 165 4 laki-laki 56.09 normal
## 166 4 perempuan 59.05 normal
## 167 9 laki-laki 75.42 normal
## 168 10 perempuan 85.38 tinggi
## 169 11 laki-laki 83.27 normal
## 170 12 perempuan 90.19 tinggi
## 171 6 perempuan 62.03 normal
## 172 1 laki-laki 49.22 normal
## 173 9 perempuan 79.57 normal
## 174 6 laki-laki 61.81 normal
## 175 12 perempuan 90.03 tinggi
## 176 2 laki-laki 46.63 stunted
## 177 11 perempuan 75.10 stunted
## 178 2 laki-laki 55.56 normal
## 179 2 laki-laki 51.31 normal
## 180 9 perempuan 72.36 normal
## 181 11 perempuan 81.81 normal
## 182 0 laki-laki 40.86 stunted
## 183 12 perempuan 82.86 normal
## 184 0 laki-laki 47.01 normal
## 185 7 laki-laki 68.52 normal
## 186 4 perempuan 57.86 normal
## 187 2 laki-laki 51.52 normal
## 188 8 laki-laki 73.09 normal
## 189 0 laki-laki 40.51 stunted
## 190 6 laki-laki 71.83 tinggi
## 191 10 perempuan 72.62 stunted
## 192 4 perempuan 56.63 normal
## 193 9 perempuan 67.75 stunted
## 194 11 perempuan 88.15 tinggi
## 195 11 perempuan 73.57 stunted
## 196 10 perempuan 73.14 stunted
## 197 0 laki-laki 49.75 normal
## 198 11 perempuan 77.32 normal
## 199 12 laki-laki 76.80 stunted
## 200 7 perempuan 76.56 tinggi
data <- read.csv("data_gizi_balita_sampel.csv") %>%
clean_names()
# STRUKTUR DATA
names(data)
## [1] "umur_bulan" "jenis_kelamin" "tinggi_badan_cm" "status_gizi"
str(data)
## 'data.frame': 200 obs. of 4 variables:
## $ umur_bulan : int 6 2 10 7 5 4 11 0 10 2 ...
## $ jenis_kelamin : chr "perempuan" "laki-laki" "laki-laki" "laki-laki" ...
## $ tinggi_badan_cm: num 58.6 53 78.4 72.5 58.1 ...
## $ status_gizi : chr "stunted" "normal" "normal" "normal" ...
summary(data)
## umur_bulan jenis_kelamin tinggi_badan_cm status_gizi
## Min. : 0.000 Length:200 Min. : 40.00 Length:200
## 1st Qu.: 3.000 Class :character 1st Qu.: 53.66 Class :character
## Median : 6.000 Mode :character Median : 63.08 Mode :character
## Mean : 5.955 Mean : 64.20
## 3rd Qu.: 9.000 3rd Qu.: 74.87
## Max. :12.000 Max. :102.66
umur <- data$umur_bulan
jenis_kelamin <- data$jenis_kelamin
tinggi <- data$tinggi_badan_cm
status_gizi <- data$status_gizi
# MENGECEK DATA KOSONG
sum(is.na(umur))
## [1] 0
sum(is.na(jenis_kelamin))
## [1] 0
sum(is.na(tinggi))
## [1] 0
sum(is.na(status_gizi))
## [1] 0
# DATA CLEANING
# as.numeric() dipakai agar atribut "na.action" bawaan na.omit()
# dibuang, karena atribut itu yang membuat psych::describe() error
umur_bersih <- as.numeric(na.omit(umur))
tinggi_bersih <- as.numeric(na.omit(tinggi))
# STATISTIKA DESKRIPTIF
describe(umur_bersih)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 200 5.96 3.77 6 5.97 4.45 0 12 12 -0.05 -1.15 0.27
describe(tinggi_bersih)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 200 64.2 13.07 63.08 64.03 15.3 40 102.66 62.66 0.13 -0.8 0.92
stat.desc(umur_bersih)
## nbr.val nbr.null nbr.na min max range
## 200.0000000 25.0000000 0.0000000 0.0000000 12.0000000 12.0000000
## sum median mean SE.mean CI.mean.0.95 var
## 1191.0000000 6.0000000 5.9550000 0.2663071 0.5251460 14.1838945
## std.dev coef.var
## 3.7661511 0.6324351
stat.desc(tinggi_bersih)
## nbr.val nbr.null nbr.na min max range
## 2.000000e+02 0.000000e+00 0.000000e+00 4.000000e+01 1.026600e+02 6.266000e+01
## sum median mean SE.mean CI.mean.0.95 var
## 1.283964e+04 6.307500e+01 6.419820e+01 9.242918e-01 1.822663e+00 1.708631e+02
## std.dev coef.var
## 1.307146e+01 2.036110e-01
# DISTRIBUSI BALITA MENURUT JENIS KELAMIN
tabel_distribusi_jk <- data %>%
count(jenis_kelamin, name = "Frekuensi") %>%
mutate(
`Jenis Kelamin` = ifelse(
jenis_kelamin == "laki-laki",
"Laki-laki",
"Perempuan"
),
Persentase = round(
(Frekuensi / sum(Frekuensi)) * 100,
2
)
) %>%
select(`Jenis Kelamin`, Frekuensi, Persentase) %>%
adorn_totals("row", fill = "Total")
cat("Distribusi Balita Menurut Jenis Kelamin\n\n")
## Distribusi Balita Menurut Jenis Kelamin
print(tabel_distribusi_jk)
## Jenis Kelamin Frekuensi Persentase
## Laki-laki 100 50
## Perempuan 100 50
## Total 200 100
# DISTRIBUSI BALITA MENURUT STATUS GIZI
tabel_distribusi_gizi <- data %>%
count(status_gizi, name = "Frekuensi") %>%
mutate(
Persentase = round(
(Frekuensi / sum(Frekuensi)) * 100,
2
)
) %>%
adorn_totals("row", fill = "Total")
cat("Distribusi Balita Menurut Status Gizi\n\n")
## Distribusi Balita Menurut Status Gizi
print(tabel_distribusi_gizi)
## status_gizi Frekuensi Persentase
## normal 130 65.0
## severely stunted 6 3.0
## stunted 47 23.5
## tinggi 17 8.5
## Total 200 100.0
# STATISTIK BERDASARKAN JENIS KELAMIN
describeBy(
data$tinggi_badan_cm,
data$jenis_kelamin
)
##
## Descriptive statistics by group
## group: laki-laki
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 100 63.62 13.14 62.81 63.6 16.06 40 86.29 46.29 0.02 -1.12 1.31
## ------------------------------------------------------------
## group: perempuan
## vars n mean sd median trimmed mad min max range skew kurtosis
## X1 1 100 64.78 13.05 63.9 64.44 15.12 41.24 102.66 61.42 0.24 -0.55
## se
## X1 1.3
describeBy(
data$umur_bulan,
data$jenis_kelamin
)
##
## Descriptive statistics by group
## group: laki-laki
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 100 5.65 3.79 6 5.61 4.45 0 12 12 -0.01 -1.19 0.38
## ------------------------------------------------------------
## group: perempuan
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 100 6.26 3.74 6 6.34 4.45 0 12 12 -0.09 -1.15 0.37
# STATISTIK BERDASARKAN STATUS GIZI
describeBy(
data$tinggi_badan_cm,
data$status_gizi
)
##
## Descriptive statistics by group
## group: normal
## vars n mean sd median trimmed mad min max range skew kurtosis
## X1 1 130 64.75 11.98 62.92 64.48 14.53 43.96 86.9 42.94 0.16 -1.14
## se
## X1 1.05
## ------------------------------------------------------------
## group: severely stunted
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 6 61.11 8.74 59.75 61.11 8.96 50.92 74.06 23.14 0.24 -1.79 3.57
## ------------------------------------------------------------
## group: stunted
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 47 57.3 12.43 57.48 56.92 15.23 40 79.83 39.83 0.16 -1.27 1.81
## ------------------------------------------------------------
## group: tinggi
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 17 80.17 9.1 77.23 79.52 8.12 67.34 102.66 35.32 0.7 -0.12 2.21
describeBy(
data$umur_bulan,
data$status_gizi
)
##
## Descriptive statistics by group
## group: normal
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 130 5.78 3.72 6 5.77 4.45 0 12 12 0.03 -1.17 0.33
## ------------------------------------------------------------
## group: severely stunted
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 6 8.5 2.59 8 8.5 2.97 6 12 6 0.23 -1.99 1.06
## ------------------------------------------------------------
## group: stunted
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 47 5.34 4 6 5.23 5.93 0 12 12 0.09 -1.31 0.58
## ------------------------------------------------------------
## group: tinggi
## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 17 8.12 2.89 8 8.27 2.97 2 12 10 -0.31 -0.83 0.7
# STATISTIK BERDASARKAN JENIS KELAMIN & GIZI
summaryBy(
tinggi_badan_cm + umur_bulan ~
jenis_kelamin + status_gizi,
data = data,
FUN = function(x) {
c(
Rata_rata = mean(x, na.rm = TRUE),
Standar_deviasi = sd(x, na.rm = TRUE),
Median = median(x, na.rm = TRUE),
Minimum = min(x, na.rm = TRUE),
Maksimum = max(x, na.rm = TRUE),
Jumlah = sum(!is.na(x))
)
}
)
## jenis_kelamin status_gizi tinggi_badan_cm.Rata_rata
## 1 laki-laki normal 64.71324
## 2 laki-laki severely stunted 59.45000
## 3 laki-laki stunted 55.34300
## 4 laki-laki tinggi 77.34857
## 5 perempuan normal 64.78661
## 6 perempuan severely stunted 61.94250
## 7 perempuan stunted 58.74926
## 8 perempuan tinggi 82.13900
## tinggi_badan_cm.Standar_deviasi tinggi_badan_cm.Median
## 1 12.439396 62.820
## 2 6.222540 59.450
## 3 13.133063 55.160
## 4 4.645404 76.970
## 5 11.515090 63.130
## 6 10.566281 61.395
## 7 11.920238 58.640
## 8 11.059976 81.305
## tinggi_badan_cm.Minimum tinggi_badan_cm.Maksimum tinggi_badan_cm.Jumlah
## 1 43.96 86.29 71
## 2 55.05 63.85 2
## 3 40.00 79.45 20
## 4 71.83 83.78 7
## 5 44.31 86.90 59
## 6 50.92 74.06 4
## 7 41.24 79.83 27
## 8 67.34 102.66 10
## umur_bulan.Rata_rata umur_bulan.Standar_deviasi umur_bulan.Median
## 1 5.676056 3.786346 6.0
## 2 8.000000 1.414214 8.0
## 3 4.650000 4.233637 5.0
## 4 7.571429 1.718249 8.0
## 5 5.898305 3.656336 6.0
## 6 8.750000 3.201562 8.5
## 7 5.851852 3.809944 6.0
## 8 8.500000 3.535534 9.0
## umur_bulan.Minimum umur_bulan.Maksimum umur_bulan.Jumlah
## 1 0 12 71
## 2 7 9 2
## 3 0 12 20
## 4 5 10 7
## 5 0 12 59
## 6 6 12 4
## 7 0 12 27
## 8 2 12 10