Title | ANALISIS BIVARIAT DATA NUMERIK DAN NUMERIK Uji Korelasi dan Regresi |
---|---|
Author | I Gede Purnawinadi |
Pages | 6 |
File Size | 1.3 MB |
File Type | |
Total Downloads | 520 |
Total Views | 805 |
ANALISIS BIVARIAT DATA NUMERIK DAN NUMERIK Uji Korelasi dan Regresi Sebagai contoh kita akan melakukan analisis korelasi dan regresi menggunakan data yang sudah dibagikan (ASI Ekslusif) dengan mengambil variabel yang bersifat numerik yaitu berat badan ibu dengan berat badan bayi. A. Korelasi Untuk m...
Accelerat ing t he world's research.
ANALISIS BIVARIAT DATA NUMERIK DAN NUMERIK Uji Korelasi dan Regresi I Gede Purnawinadi
Related papers
Download a PDF Pack of t he best relat ed papers
PROGRAM ST UDI S3 KESEHATAN MASYARAKAT PASCA SARJANA UNIVERSITAS ANDALAS MO… Indah Nisa
SUTANT O PRIYO HAST ONO: Analisis Dat a SUTANT O PRIYO HAST ONO Rurisu Shant ika Sukandar ANALISIS BIVARIAT DATA KAT EGORIK DAN NUMERIK Uji t dan ANOVA I Gede Purnawinadi
ANALISIS BIVARIAT DATA NUMERIK DAN NUMERIK Uji Korelasi dan Regresi
Sebagai contoh kita akan melakukan analisis korelasi dan regresi menggunakan data yang sudah dibagikan (ASI Ekslusif) dengan mengambil variabel yang bersifat numerik yaitu berat badan ibu dengan berat badan bayi. A. Korelasi Untuk mengeluarkan uji korelasi, langkahnya adalah sebagai berikut: 1. Aktifkan data ASI Eksklusif (program SPSS) 2. Dari menu utama SPSS, klik ͚Analyze͛, kemudian pilih ͚correlate͛, dan pilih ͚Bivariate͛, muncullah menu Bivariate Correlation: 3. Sorot variabel berat badan ibu dan berat badan bayi, lalu masukkan ke kotak sebelah kanan ͚variables͛.
©IgE_Analisis Bivariat (Korelasi dan Regresi)_Biostatistics/Nursing Unklab 2016
Page 1
4. Klik ͚OK͛ dan terlihat hasil: Correlations Berat badan Berat Badan Ibu Berat Badan Ibu
Pearson Correlation
1
Sig. (2-tailed) N Berat badan Bayi
Pearson Correlation Sig. (2-tailed) N
Bayi .684
**
.000 50
50
**
1
.684
.000 50
50
**. Correlation is significant at the 0.01 level (2-tailed).
Tampilan analisis korelasi berupa matrik antar variabel yang dikorelasi, informasi ya g muncul terdapat tiga baris, pertama berisi nilai korelasi (r), kedua menampilkan nilai p Value, dam ketiga menampilkan N (jumlah data). Pada hasil di atas diperoleh nilai r = 0,684 dan nilai p = 0,000.
©IgE_Analisis Bivariat (Korelasi dan Regresi)_Biostatistics/Nursing Unklab 2016
Page 2
Mnurut Colton, kekuatan hubungan dua variabel secara kualitatif dapat dibagi dalam 4 area, yaitu: r = 0,00 – 0,25
tidak ada hubungan/hubungan lemah
r = 0,26 – 0,50
hubungan sedang
r = 0,51 – 0,75
hubungan kuat
r = 0,76 – 1,00
hubungan sangat kuat/sempurna
Kesimpulan dari hasil tersebut: berat badan ibu dan bayi menunjukkan hubungan yang kuat dan berpola positif, artinya semakin bertambah berat badan ibu semakin tinggi berat badan bayinya. Hasil uji statitiik didapatkan ada hubungan yang signifikan antara berat badan ibu dan berat badan bayi (p = 0,000).
B. Regresi Linier Sederhana Dalam analisis regresi kita harus menentukan variabel independen dan dependennya. Dalam kasus ini berat badan ibu sebagai variabel independen dan berat badan bayi sebagai variabel dependen. Caranya: 1. Pastikan tampilan berada pada data editor (SPSS), jika belum, aktifkan data tersebut. 2. Dari menu SPSS, klik ͚Analyze͛, pilih ͚Regression͛, pilih ͚Linear͛
©IgE_Analisis Bivariat (Korelasi dan Regresi)_Biostatistics/Nursing Unklab 2016
Page 3
3. Klik berat badan bayi , masukkan ke kotak Dependent 4. Klik berat badan ibu , masukkan ke kotak Independent
5. Klik ͚OK͛, dan hasilnya: Model Summary
Model
R
1
.684
Adjusted R
Std. Error of the
Square
Estimate
R Square a
.468
.456
430.715
a. Predictors: (Constant), Berat Badan Ibu
a
ANOVA Model 1
Sum of Squares
df
Mean Square
Regression
7820261.965
1
7820261.965
Residual
8904738.035
48
185515.376
16725000.000
49
Total
F
Sig.
42.154
.000
b
a. Dependent Variable: Berat badan Bayi b. Predictors: (Constant), Berat Badan Ibu
©IgE_Analisis Bivariat (Korelasi dan Regresi)_Biostatistics/Nursing Unklab 2016
Page 4
Coefficients
a
Standardized Unstandardized Coefficients Model 1
B (Constant) Berat Badan Ibu
Std. Error
657.929
391.676
44.383
6.836
Coefficients Beta
t
.684
Sig.
1.680
.099
6.493
.000
a. Dependent Variable: Berat badan Bayi
Dari hasil tersebut, dapat diinterpretasikan dengan mengkaji nilai-nilai yang penting dalam regresi linier diantaranya: pada tabel Model Summary koefisien determinasi (nilai R Square = 0,468) yang artinya persamaan garis regresi yang diperoleh cukup baik untuk menjelaskan variabel berat badan bayi. Selanjutnya pada tabel ANOVA, diperoleh nilai p )di kolom Sig) sebesar 0,000, berarti pada alpha 5% kita dapat menyimpulkan bahwa regresi sederhana cocok (fit) dengan data yang ada. Persamaan garis regresi dapat dilihat pada tabel Coefficients yaitu pada kolom B: nilai konstan ini merupakan nilai intercept atau nilai a sebesar 657,929 atau 657,93, sedangkan nilai b = 44,38, sehingga persamaan regresinya:
Y = a + bX Berat badan bayi = 657,93 + 44,38 x (BB ibu)
Misalkan kita ingin mengetahui berat badan bayi jika diketahui berat badan ibu 60 kg, maka: BB bayi = 657,93 + 44,38 (60) = 3320,73 gram atau 3,32 kg. Dari nilai b = 44,38 berarti variabel berat badan bayi akan bertambah sebesar 44,38 gram bila berat badan ibu bertambah setiap satu kilogram. Penyajian data: Variabel Berat Badan Ibu
r 0,684
R2 0,468
Persamaan Regresi BB Bayi = 657,93 + 44,38 (BBibu)
©IgE_Analisis Bivariat (Korelasi dan Regresi)_Biostatistics/Nursing Unklab 2016
P value 0,000
Page 5...