Teknik Analisis Korelasi dan Regresi

Windhu Purnomo S2 AKK FKM Unair 2006

Cara pemilihan uji statistik multivariat

Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel Uji t 1 sampel Uji normalitas (G) Uji t sampel berpasangan > 1 variabel Analisis faktor Analisis kluster Komponen prinsipal Matriks korelasi Korelasi ganda Regresi ganda Analisis survival 1 variabel Uji KolmogorofSmirnov 1 sampel Uji peringkat bertanda dari Wilcoxon Korelasi Spearman Korelasi Kendall's tau Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square 1 sampel Uji binomial / McNemar > 1 variabel

0 variabel

Model loglinear

Model loglinear

1 variabel

Korelasi Regresi Analisis survival

Ra sio / Interval > 1 variabel Korelasi kanonikal Korelasi kanonikal Multivariat anava Analisis jalur Anava pada Model struktural komponen prinsipal

Anova multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal

Uji t 2 sampel bebas Anava 1 faktor Analisis survival Multivariat anava Anava pada komponen prinsipal Hotelling's T Analisis profil Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-Whitney Uji Kruskal Wallis Model loglinier

Anava multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal

1 variabel Ordinal

Korelasi Spearman Korelasi Kendall's tau

Fungsi diskriminan Regresi logistik ganda

Korelasi Spearman Korelasi Kendall's tau Korelasi kappa Model loglinier Koefisien konkordans W

Model log-linier Koefisien konkordans W Regresi logistik ganda

Model loglinier Regresi logistik ganda

> 1 variabel

Fungsi diskriminan

Fungsi diskriminan

Model loglinier

Model loglinier

Lanjutan Cara pemilihan uji statistik multivariat

Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel > 1 variabel 1 variabel Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-Whitney Uji Kruskall Wallis Model loglinier Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square Uji pasti Fisher Koefisien Phi Korelasi kappa > 1 variabel

1 variabel Nominal (kategorikal) > 1 variabel

Uji t 2 sampel bebas Anava 1 faktor

Fungsi diskriminan Regresi logistik ganda Fungsi diskriminan

Regresi logistik ganda Model loglinier

Regresi logistik ganda Model loglinier

Fungsi diskriminan

Model loglinier

Model loglinier

Model loglinier

Korelasi (Pearsons Correlation)

Korelasi (interdependensi) antara 2 variabel atau lebih Tidak mempersoalkan mana var. bebas & mana var. tergantung (pola hubungan simetris) Variabel kuantitatif (rasio/interval)

Macam korelasi berdasarkan banyaknya variabel yg terlibat:

1.

Korelasi sederhana (simple):

x y

2.

Korelasi ganda (multiple):

x1 y x2

Macam korelasi berdasarkan bentuk kurva:

1.

Korelasi linear (garis lurus):

y=b0+b1.x

2.

Korelasi non linear (kurvilinier)

y=b0+b1.x2 y=b0+b1.x3 y=b0+b1.ln(x) y=b0+b1.sin(x) dll. (parabolik) (kubik) (logaritmik) (sinusoid)

Koefisien korelasi (r):

1.

Kekuatan korelasi (magnitude):

sangat lemah sangat kuat

sedang

*-----*-------*-------------*-------------*-------*-----* r 0 0,1 0,25 0,5 0,75 0,9 1

tak ada korelasi lemah kuat sempurna

Koefisien korelasi (r):

2. y

Arah korelasi (direction):

y

r>0 positif

r<0 negatif

Contoh rumusan masalah:

Apakah ada korelasi antara skor motivasi perawat dengan skor kepatuhan menjalankan protap pencegahan infeksi? Apakah (makin) meningkatnya tarif puskesmas akan diikuti dengan (makin) menurunnya jumlah kunjungan?

Contoh print-out:
p=0,774 (>0,05) tak ada korelasi yg signifikan Correlations
Skor kepatuhan memasang infus -.031 .774 89 1 . 89

Skor motivasi Skor motivasi Pearson Correlation Sig. (2-tailed) N Skor kepatuhan memasang infus Pearson Correlation Sig. (2-tailed) N 1 . 89 -.031 .774 89

Contoh print-out:
Skor koordinasi * Skor kinerja

p=0,001 (<0,05) ada korelasi yg signifikan

Symmetric Measures
Asymp. a b Std. Error Approx. TApprox. Sig. .181 .158 3.507 3.259 .001c .002c

Value Interval by Interval Pearson's R Ordinal by Ordinal Spearman Correlation N of Valid Cases
a. Not assuming the null hypothesis.

.490 .463 41

b. Using the asymptotic standard error assuming the null hypothesis. c. Based on normal approximation.

korelasi sedang dan positif kooordinasi>>, kinerja >>

Regresi
u/ prediksi (model matematis) pola hubungan asimetris (harus diketahui mana sebagai var. bebas, mana var. tergantung)

Model regresi (linear)

Regresi sederhana (simple): y=0+1.x Regresi ganda (multiple): y=0+1.x1+2.x2+.+i.xi

Istilah
y=0+1.x
0 & 1=parameter regresi 0=intercept=konstanta 1=slope=koefisien regresi y=kriterium, outcome, variabel yg diramal, variabel tergantung x=argumen, prediktor, variabel peramal, variabel bebas

Langkah-langkah membaca printout regresi:

1.

Baca hasil tabel Anova: lihat signifikansi uji F

Jika p<0,05: ada model prediksi Jika p>=0,05: tak ada model prediksi

2.

Baca signifikansi hasil uji t, u/ melihat parameter regresi () mana yg masuk dlm model:
Jika p<0,05: masuk dlm model Jika p>=0,05: tak masuk dlm model

Contoh print-out: (langkah 1)

Model Summary
Std. Error of the Estimate .40525

Model 1

R .490a

R Square .240

Adjusted R Square .220

a. Predictors: (Constant), Koordinasi

p=0,001 (<0,05) ada model prediksi, berarti ada pengaruh Koordinasi thd Kinerja

ANOVAb
Sum of Squares Regression Residual Total 2.020 6.405 8.425

Model 1

df 1 39 40

Mean Square 2.020 .164

F 12.299

Sig. .001a

a. Predictors: (Constant), Koordinasi b. Dependent Variable: Kinerja

Contoh print-out: (langkah 2)

0 masuk dlm model krn p=0,038 (<0,05) 1 masuk dlm model krn p=0,001 (<0,05)

a Coefficients

Unstandardized Standardized Coefficients Coefficients Model 1 B (Constant) 1.287 Koordinasi .546 Std. Error .599 .156 .490 Beta t 2.149 3.507 Sig. .038 .001

a. Dependent Variable: Kinerja

Model regresi/prediksi yg terbentuk:

y=0+1.x Kinerja = 1,287 + 0,546.Koordinasi
Jika misalnya: Koordinasi=3,5 Maka: Kinerja=1,287+(0,546).(3,5) =3,198
Catatan: skor Kinerja & Koordinasi punya range 1-5

Kurva model regresi

4.5

4.0

3.5

3.0

Skor kinerja

2.5

2.0 2.5 3.0 3.5 4.0 4.5

Skor koordinasi

10