Uji Korelasi dan Regresi

Uji Korelasi
Digunakan untuk uji hubungan antara 2
variabel.
Variabel yang digunakan bersifat
simetris
Minimal terdiri dari 2 variabel
Korelasi digunakan sebagai dasar untuk
melakukan uji regresi
Kekuatan Korelasi ( R )
Kekuatan korelasi berkisar antara 0
s.d.1
0-0,20 : sangat lemah
0.21-0,40 : lemah
0,41-0,60 : cukup
0,61-0,80 : kuat
0,81-1,00 : sangat kuat

Sifat Korelasi
Positif : searah antara variabel x
dengan variabel y
Negatif : berlawanan antara variabel x
dan y
Output spss uji korelasi



Correlations
1 .992** .984**
. .000 .000
30 30 30
.992** 1 .996**
.000 . .000
30 30 30
.984** .996** 1
.000 .000 .
30 30 30
Pearson Correl ati on
Si g. (2-tai l ed)
N
Pearson Correl ati on
Si g. (2-tai l ed)
N
Pearson Correl ati on
Si g. (2-tai l ed)
N
VAR001 berat badan
VAR002 gi zi
VAR003 ti nggi badan
VAR001
berat badan VAR002 gi zi
VAR003
ti nggi badan
Correl ati on i s si gni fi cant at the 0.01 level (2-tai led).
**.
Pengujian hipotesis uji korelasi
H0 : tidak terdapat hubungan antara x
dengan y
Ha : ada hubungan antara x dengan y
Jika nilai sig alpha < 0,05 maka H0 di
tolak
Lihat nilai R dan sifat hubungannya
Interpretasikan
Aplikasi Statistika dalam
Penelitian
Statistika deskriptif
Statistika Inferensia
Manfaat Statistika Deskriptif
Mengumpulkan ,Meringkas, menyajikan
data sehingga lebih mudah dipahami
oleh pengguna.
Penyajian data dalam TDF, Diagram
batang, diagram Lingkaran, diagram
titik, diagram gambar
Pemanfaatan Ukuran Pemusatan
dan Ukuran Persebaran
Untuk mengetahui karakteristik suatu
data.
Dapat menginterpretasikan suatu data
sehingga dapat diambil penarikan
kesimpulan.
Dapat menggunakan uji statistika yang
tepat sesuai dengan karakteristik data
Uji regresi

Digunakan untuk melakukan prediksi
Melibatkan minimal 2 variabel, IV
(variabel prediktor) dan DV ( variabel
respons)
Regresi Linear Sederhana
Regresi Multivariat
Regresi variabel Dummy
Persamaan regresi sederhana
Y = a + b X + e
Y = DV
X = IV
a = konstanta
b = variabel
e = error standard
Aplikasi Statistika Inferensia
Analisis Regresi Linear

Analisis regresi merupakan metode analisis data yang
memanfaatkan hubungan antara dua variabel atau lebih (Berat
Badan dengan Umur; FEV1 dengan Tinggi Badan; Berat Badan
dengan Umur dan Asupan Gizi).
Y=variabel dependen, tak bebas, tergantung, respon, outcome.
X=variabel independen, bebas, tak tergantung, prediktor.

Tujuan:
Menyelidiki bentuk/pola hubungan antara Y dengan X.

Mengestimasi/menduga mean atau rata-rata dari Y populasi
berdasarkan X yang diberikan.
contoh : tentukan pers.regresinya
Gaji ( juta ) tabungan ( juta)
10 5
50 25
40 20
45 23
12 7
25 12
28 14

=
2 2
) ( x x n
y x xy n
b
x b y a =
n
x
x
n
y
y

= =
y x xy x
2
y
2

.
.
.
.
.
.
.
.
.
.
y x xy x
2
y
2

Pengujian Koefisien Regresi
0 : 0 :
1 0
= = | | H H
Statistik Uji:





H0 ditolak apabila
) (b S
b
t
|
=

=
n
x
x
S
b S
2
) (
2
2
) (
2
2
2

=

n
xy b y a y
S
2 ; 2 / 2 ; 2 /
< >
n hitung n hitung
t t atau t t
o o
Analisis Korelasi
Analisis korelasi merupakan metode analisis data yang
mengukur derajat hubungan antara dua variabel random X dan
Y melalui sebuah bilangan yang disebut koefisien korelasi r.





=
] ) ( ][ ) ( [
2 2 2 2
y y n x x n
y x xy n
r
Kuadrat dari koefisien korelasi disebut koefisien
determinasi yang merepresentasikan besarnya proporsi
variasi dalam variabel y yang dijelaskan oleh variabel x
dalam model. Dengan menggunakan pasangan data
berat badan dan umur anak balita, diperoleh nilai
koefisien korelasi sebesar 0.956 dan koefisien
determinasi sebesar 0.914
Pengujian Koefisien Korelasi
Statistik Uji:


H0 ditolak apabila:
0 : 0 :
1 0
= = H H
2
1
2
r
n r
t

=
2 ; 2 / 2 ; 2 /
< >
n hitung n hitung
t t atau t t
o o
Model Regresi Linear Ganda
Model regresi linear ganda dengan p
variabel independen ditunjukkan dengan
persamaan:
E(Y) = |
0
+ |
1
X
1
+ |
2
X
2
+ ..... + |
p
X
p

variabel dependen Y kontinu, sedangkan
variabel-variabel independen X dapat
kontinu atau kategorik.


Seorang peneliti ingin mengetahui seberapa baik
dia dapat memprediksi length of stay seorang
pasien apabila diketahui variabel independennya
number of previous admissions, age dan sex.
Untuk itu telah dikumpulkan data untuk 15 pasien
sbb:

Uji Regresi Sederhana
Variables Entered/Removed
b
VAR001
Pendapata
n (j utaan)
a
. Enter
Model
1
Vari ables
Entered
Vari ables
Removed Method
Al l requested vari abl es entered.
a.
Dependent Vari abl e: VAR003 Tabungan
b.
Koefisien Determinasi
( R squared)
Menyatakan seberapa besar sumbangan
variabel X terhadap variabel Y dan
sisanya dijelaskan oleh variabel lainnya
R squared = R X R
Uji Regresi



Model Summary
.910
a
.828 .825 2.195
Model
1
R R Square
Adj usted
R Square
Std. Error of
the Esti mate
Predi ctors: (Constant), VAR001 Pendapatan (j utaan)
a.
Uji Regresi
ANOVA
b
1576.715 1 1576.715 327.251 .000
a
327.628 68 4.818
1904.343 69
Regressi on
Resi dual
Total
Model
1
Sum of
Squares df Mean Square F Si g.
Predi ctors: (Constant), VAR001 Pendapatan (j utaan)
a.
Dependent Vari abl e: VAR003 Tabungan
b.
Uji Regresi




Coefficients
a
.822 .459 1.793 .077
1.739 .096 .910 18.090 .000
(Constant)
VAR001
Pendapatan (j utaan)
Model
1
B Std. Error
Unstandardi zed
Coeffi ci ents
Beta
Standardi zed
Coeffi ci ents
t Si g.
Dependent Vari abl e: VAR003 Tabungan
a.