Syarat : - Kedua variable berjenis numeric - Independen Contoh : - ada hubungan tinggi badan dengan berat badan -ada hubungan antara umur dengan tinggi badan Apa beda korelasi dengan regresi Korelasi digunakan untuk mengetahui besar (kuat atau tidak kuat) dari arah (+/-) hubungan dua variable. Regresi digunakan umtuk meramal/prediksi nilai suatu variable terhadap nilai variable lain melalui persamaan garis regresi. Korelasi tidak perlu ditentukan mana variable independen dan mana variable dependen, sebaliknya regresi harus ditetapkan mana yang independen dan dependen (variable dependen merupakan variable yang diramalkan / diprediksi oleh variable independen) Korelasi Tujuan : untuk mengetahui kekuatan/derajat dari arah hubungan dua variable secara sederhana hubungan dua variable dapat diketahui dari diagram lebar (scatter plat)
Arah Hubungan : a) Hubungan Linier Positif Bila kenaikan satu variable diikuti kenaikan variable yang lain b) Hubungan linier Negatif Bila kenaikan satu variable diikuti kenaikan variable yang lain y x y y x x Hubungan linier positif Hubungan linier negatif Tidak ada hubungan linier Kuat lemahnya hubungan bisa dilihat dari kerapatan tebaran pada scater plat/tebar, semakin rapat tebaran semakin kuat hubungannya, sebaliknya semakin renggang, semakin lemah hubungannya, contoh : Y (kuat) y (lemah)
X x Kekuatan atau derajat hubungan dapat diukur melalui koefisien korelasi pearsm product memont, symbol = r Atau
Nilai r artinya 0 sampai dengan 1 atau antara -1 s.d +1 r = 0 tidak ada hubungan linier r = -1 ada hubungan negative sempurna r = +1 ada hubungan positif sempurna Menurut colton membagi nilai korelasi kedalam 4 area : r = 0 0,25 hubungan lemah r = 0,26 0,50 hubungan sedang r = 0,56 0,75 hubungan kuat r = 0,76 1 hubungan sangat kuat contoh kasus suatu penelitian ingin mengetahui hubungan umur dengan tekanan darah untuk itu diambil sampel sebanyak 10 responden adapun hasil pengukurannya sebagai berikut : Data Umur/x TD/y x y xy 20 24 23 24 27 28 26 30 31 120 130 130 140 130 140 115 140 130 400 576 529 576 729 784 676 900 961 14400 16900 16900 19600 16900 19600 13225 19600 16900 2400 3120 2990 3360 3510 3920 2990 4200 4030 r = x y (x) (y) n
Pertanyaan : Hitung koefisien korelasinya dan interpretasikan Jawab :
Interpretasi : Umur dengan tekanan darah mempunyai hubungan yang kuat (r = 0,636) dan berpola linier positif, artinya semakin tua umurnya semakin tinggi tekanan darahnya. Uji Hipotesis H0 : P=0 Hn : P0 Uji = r n-2 1 - r Df =n-z
Contoh : Suatu penelitian ingin mengetahui hubungan berat badan dengan tekanan darah sistolik, data sebagai berikut : BB 50 55 57 60 70 TD 140 145 145 144 150 r = x y (x) (y) n
[x- (x) ] [y- (y) ] n n
r = 35770 (268) (1325) 10
[7356 - (268) ] [176525 - (1325) ] 10 10
r = 35770 35510
[7356 - 7182.4 ] [176525 - 176525.5 ]
r = 260
408.77
r = 0,636 (0,64)
Pertanyaan : a) Hitung kekuatan hubungan antara BB dengan TD Sistolik dan interpretsikan b) Ujilah secara statistic (hubungan dua variable tsb)
Jawab :
Table 2.11 xBB yTD x.y x y 50 55 57 60 70 140 145 145 144 156 7000 2100 19600 292 724 42380 17274 104886 X =58,4 y =144,8
r = (5).(42580) (292).(724)
[(5x17274 (292)) (5x104886 (724)]
r = 0,93 Kesimpulan : Hubungan Bb dan TD merupakan hubungan yang sangat kuat (r=0,93) dan berpola positif, artinya semakin bertambah BB nya semakin tinggi TD nya.
Uji Hipotesis : H0 = P = 0 ada hubungan antara BB dan TD Hn = P0 ada hubugnan antara Bb dan TD
= 0,93 5-2 1- (0,93) 0,86
= 0,93 3 0,1351
= 0,93 22,205
= 0,93 . 4,7123
= 4,38 DF = n -2 = 5-2 = 3 cari P value di table 0,01 < P < 0,025 P < x H0 ditolak Kesimpulan ada hubungan yang bermakna BB dengan TD
T REGRESI
Tujuan : untuk meramalkan / prediksi variable dependen melalui variable independen Misalnya besarnya TD seseorang dapat diperkirakan dari BB nya. Dari hubungan linier dua variable sehingga dapat dilakukan analisis lebih lanjut bagaimana ketergantungan satu variable terhadap variable yang lain. Sedangkan ketergantungan dapat digunakan untuk prediksi. Prediksi dapat dilakukan melalui persamaan garis regresi, dari persamaan garis regresi dapat diketahui bagaimana nilai satu variable tergantung dengan variable yang lain
Persamaan : = x + x + e atau = 0 + 1 + e
e = error
= variable dependen (sebagai akibat) x = variable independen (yang menyebabkan) a = interceptor, biasanya nilai dari y bila variable x bernilai nol b = slope, besarnya perubahan nilai variable y bila variable x berubah sebesar satu unit satuannya.
Y = a + bx merupakan persamaan garis hasil dari metode kuadrat terkecil (least square method)
y = a + bx
B
X = intercept
Contoh : Suatu penelitian hubungan BB dengan TD sistolik menemukan hasil sebagai berikut : BB 50 55 57 60 70 TD 140 145 145 144 150
= a + bx b = xy - x . y x - (x)
a = y bx y = rata-rata variable y x = rata-rata variable x
Peranyaan : a). hitung persamaaan garis regresinya b). Jelaskan arti nilai b yang didapat dari persamaan garis tersebut c). Bila seseorang mempunyai BB : 65 kg, estimasikan/perkirakan nilai TD sistoliknya. Jawab : a). b = xy - x . y
a = 7 b5 y : 5 724 : 5 = 144,8 = 144,8 0,44.58,4 = 144,8 25,646 = 119,104
b). b= 0,44 artinya TD akan berubah (naik) sebesar 0,44 mmhg bila BB bertambah 1 kg c). Bila seseorang BB : 65 kg berapa TD nya ? TD = 119,104 + 0,44.(65) = 147,704 Jadi untuk seseorang BB : 65 kg TD kira-kira sebesar 147,704 mmhg
x - (x)
KOEPESIEN DETERMINASI Merupakan koepesien/ukuran yang menunjukan besrnya variable naik turunnya vaariabel dependen yang dapat dijelaskan oleh pengaruh variable independen Besarnya pengaruh variable independen terhadap variable dependen
Besarnya R = 0 s.d 1 atau 0 s.d 100%
Koepesien Determinasi = koepesien korelasi di kuadratkan Contoh : -----BB-----TD ---Berapa koepesien determinasinya ? Jawab : Diketahui : r = 0,93------koepesien determinasi : R = (0,93) = 0,86 Artinya : variable TD dapat dijelaskan oleh variable BB sebesar 0,86atau 86 % atau variable BB mempengaruhi TD sebesar 0,86 atau 86%
TEKNIK PENGAMBILAN SAMPEL Dalam penelitian ----sampel;populasi Sampel adalah bagian terkecil dari populasi Keuntungan sampel dibandingkan mengambil populasi : a. Hemat biaya, waktu dan tenaga b. Mudah mengolah dan menganalisa c. Lebih akurat/tepat datanya d. Lebih tajam /dalam dlam mengambil data e. Tidak merusak data
Sampel ada dua hal : a. Teknik pengambilan sample b. Jumlah sampel Teknik pengambilan sampel a. Random/pengambilan secara acak (probability sampling) b. Bukan random ( non probability sampling) Jenis-jenis sampel yang diambil secara random 1. Simpel Random Sampling (SRS) atau acak sederhana Pengambilan sampel dengan cara merandom semua anggota populasi dan diambil sejumlah sampel. Koepesien determinasi R R square R = r Cara merandom : - dengan melakukan undian----digunakan populasi sedikit - dengan memakai table random--------digunakan populasi banyak - dengan memakai computer Contoh populasi ada sebanyak 500 orang akan diambil sampel 200 orang. Table random
4126 7813 4731 8476 1345 4132 3214 4132 6781 0134 9371 3578 .. . .. . . . . . .. Kalau populasi tiga digit maka mengambil table tiga angka 413, 134, 013, 454, 132 2. Systematic Random Sampling Pengambilan sampel dengan cara sistematis dengan interval tertentu 3. Stratified Random Sampling