Anda di halaman 1dari 11

UJI KORELASI RANK SPEARMAN

Correlations

Spearman's rho

tingkat pendidikan ibu

paritas responden

Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N

tingkat
pendidikan
ibu
1.000
.
31
-.250
.175
31

paritas
responden
-.250
.175
31
1.000
.
31

Hasil uji korelasi rank spearman memberiakn niloai koefisen sebesar -0,25 dengan p value 0,175
(> 0,005). Hal ini menunjukkkan adanya hubungan yang tidak signifikan antara tingkat
pendidikan ibu dengan paritas. Koefisen korelasi memberikan nilai negatif yang berarti ada
hubungan yang berlawanan arah antara tingkat pendidikan ibu dengan dengan paritas meskipun
hubungannnya tidak signifikans. Hubungan berlawanan arah tersebut menunjukkan bahwa
semakin tinggi tingkat pendidikan maka semakin sedikit anak yang dimiliki (paritas ibu) dan
semakin rendah pendidikan semakin tingggi paritas. Intensitas korelasi antara 2 variabel tersebut
lemah.

TINGKAT PENDIDIKAN SUAMI DAN PENGHASILAN KELUARGA


Correlations

Spearman's rho

tingkat pendidikan suami

penghasilan keluarga

Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N

tingkat
pendidikan
penghasilan
suami
keluarga
1.000
.649**
.
.000
31
31
.649**
1.000
.000
.
31
31

**. Correlation is significant at the 0.01 level (2-tailed).

Hasil uji korelasi rank spearman memberiakn nilai koefisen sebesar -6,49 dengan p value 0,000
(> 0,001). Hal ini menunjukkkan adanya hubungan yang sangat signifikan antara tingkat
pendidikan suami dengan penghasilan keluarga. Koefisen korelasi memberikan nilai positif yang
berarti ada hubungan yang searah antara
tingkat pendidikan suami dengan penghasilan

keluarga. Hubungan searah tersebut menunjukkan bahwa semakin tinggi tingkat pendidikan
suami maka semakin tinggi penghasilan keluarga dan semakin rendah pendidikan semakin
rendah penghasilan. Intensitas korelasi antara 2 variabel tersebut kuat.
r

=0,421 yang berarti bahwa 42,12% variasi penghasilan keluarga dipengaruhi oleh variabel

pendidikan suami atau dengan kata lain kontribusi pendidikan suami terhadap penghasilan
keluarga adalaha sebesar 42,12 % sedangkan sisanya 57,88 dipengaruhi oleh variabel lain yang
tidak digali dalam penelitian.

KORELASI KENDALLS-TAU
TINGKAT PENDIDIKAN IBU (DIDIK 2) DENGAN PARITAS (PARITAS 2)
Correlations

Kendall's tau_b

kategori pendidikan ibu

kategori paritas ibu

Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N

kategori
pendidikan
ibu
1.000
.
31
-.303
.082
31

kategori
paritas ibu
-.303
.082
31
1.000
.
31

Hasil uji korelasi kendalls-tau memberikan nilai koefisien korelasi sebesar -0,303 dengan p value
0,082 karena p value > 0,05 maka HO diterima sehingga korelasi antara kedua variabel
adalahtidak signifikans. Nilai koefisien sebesar -0,303 menunjukkan adanya hubungan yang
berlawanan arah yang lemah antara kategori tingkat pendidikan ibu dengan paritas. Artinya
semakin tinggi kategori tingkat pendidikan ibu maka semakin rendah paritasnya dan semakin
rendah kategori pendidikan ibu maka semakin tinggi paritas.

PENOLONG PERSALINAN DENGAN DENGAN KEMATIAN IBU

Correlations

Kendall's tau_b

penolong persalinan

status hidup ibu sampai


selesai masa nifas

Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N

penolong
persalinan
1.000
.
31
-.134
.431
31

status hidup
ibu sampai
selesai
masa nifas
-.134
.431
31
1.000
.
31

Hasil uji korelasi kendalls-tau memberikan nilai koefisien korelasi sebesar -0,134 dengan p value
0,431 karena p value > 0,05 maka HO diterima sehingga korelasi antara kedua variabel adalah
tidak signifikans. Nilai koefisien sebesar -0,134 menunjukkan adanya hubungan yang
berlawanan arah yang lemah antara penolong persalinan dengan kematian ibu. Artinya semakin
tinggi penolong persalinan maka semakin rendah kematiannya dan semakin rendah penolong
persalinan maka semakin tinggi kematian ibu.

REGRESI LINEAR SEDERHANA


TB DENGAN BB
Model Summaryb
Model
1

R
R Square
.700a
.490

Adjusted
R Square
.473

Std. Error of
the Estimate
7.463

a. Predictors: (Constant), tinggi badan ibu


b. Dependent Variable: berat badan ibu

Hasil uji regresi menunjukkan nilai r sebesar 0,7 yang menunjukkan adanya hubungan searah
yang kuat antara tinggi badan dan berat badan ibu nilai r square sebesar 0,49 menginformasikan
bahwa49% variasi pada berat badan ibu dapat dijelaskan oleh tinggi badan ibu. Atau dengan kata
lain kontribusi tinggi badan ibu terhadap variasi dari variabel berat badan ibu sebesar 49%
sisanya sebesar 51% dipengaruhi oleh vaiabel lain yang tidak digali.

ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
1553.433
1615.406
3168.839

df
1
29
30

Mean Square
1553.433
55.704

F
27.887

Sig.
.000a

N
o
rm
a
l01P
-..D
l80e
tp
P
fn
o
R
e
g
r
s
i
o
n
S
t
a
n
d
r
i
z
e
d
R
e
s
i
d
u
a
l
d
e
t
V
a
r
i
b
l
e
:
b
r
a
t
b
d
a
n
i
b
u
0
.6

a. Predictors: (Constant), tinggi badan ibu


b. Dependent Variable: berat badan ibu

E
xp
ectd
C
u
m
P
ro
b

Nilai uji anova menunjukkan nilai sig (p value ) sebesar 0,000. Karena p value < 0,01 maka H0
ditolak sehingga ada hubungan yang sangat signifikans antara tinggi badan ibu dengan berat
badan ibu.

.0
0
4
.0
2
.00
.2
0
.
4
0
.
6
0
.
8
1
.
0
O
b
s
e
rv
d
C
u
m
P
ro
b

normality plot menunjukan bahwa lingkaran berada disekitar garisdiagonal yang menunjukkan
bahwa distribusi data TB dan BB ibu berada pada kondisi distribusi normal.

Coefficientsa

Model
1

(Constant)
tinggi badan ibu

Unstandardized
Coefficients
B
Std. Error
-51.279
20.133
.697
.132

Standardized
Coefficients
Beta
.700

t
-2.547
5.281

Sig.
.016
.000

a. Dependent Variable: berat badan ibu

Hasil uji regresi menunjukkan besar nilai konstan (a) adalah -51, 279. Berarti nilai intercept
sebesar -51, 279. Artinya berat badan ibu akan sebesar -51, 279 kg bila tinggi badan ibu 0 cm.
dengan nilai p value sebesar 0,016 maka karena p value <0,05 maka intercept adalah
signifikans.
Nilai slope tinggi badan ibu (b) adalah 0,697 berarti bahwa berat badan ibu akan beruabah
sebesar 0,697 kg pada setiap perubahan tinggi badan ibu sebesar 1 cm. jadi tinggi badan ibu naik
1 cm maka berat badan ibu naik 0,697 kg. sebaliknya bila tinggi badan ibu lebih rendah 1 cm
maka berat badan ibu akan turun lebih rendah 0,697 kg dibandingkan dengan yang lain.
Persamaan umum regresi adalah Y=a+bX
Diketahui : a = -51,279
adalah

b=0,697 dengan demikian persamaan regresi yang dapar dibuat

BERAT BADAN IBU = -51,279 X TINGGI BADAN IBU


Bila diketahui tinggi badan ibu 170 cm berapa berat badan ibu dalam populasi tersebut?

UJI REGRESI LINEAR ANTARA LILA IBU DENGAN BBL BAYI


V independen

v depnden

Hb ibu

BBL bayi

Lila ibu
Imt ibu

UJI REGRESI LINEAR BERGANDA


b
Variables Entered/Removed

Model
1

Variables
Entered
indeks
massa
tubuh,
Kadar Hb
darah
responde
n, Ukuran
LILA
a
responden

Variables
Removed

Method

Enter

a. All requested variables entered.


b. Dependent Variable: Berat Bayi yang dilahirkan (gram)

Model Summaryb
Model
1

R
R Square
.803a
.645

Adjusted
R Square
.605

Std. Error of
the Estimate
377.427

a. Predictors: (Constant), indeks massa tubuh, Kadar Hb


darah responden, Ukuran LILA responden
b. Dependent Variable: Berat Bayi yang dilahirkan (gram)

Hasil uji regresi linear berganda menunjukkan R = 0,803 artinya ada korelasi searah yang kuat
antara 3 variabel independen (Hb darah, LILA ibu dan indeks masat tubuh ibu) dengan variabel
dependent berat badan bayi yang dilahirkan.
Koefisen determinan (R square) sebesar 0,645 yang memberkan informasi bahwa 64,5% variasi
berat badan bayi yang dilahirkan dapat dijelaskan oleh ketiga variabel independent tersebut
sedangkan sisanya 35,5 % dipengaruhi oleh variabel lain yang tidak dijelaskan dalam penelitian
ini.

ANOVAb
Model
1

Regression
Residual
Total

Sum of
Squares
6982700
3846171
10828871

df
3
27
30

Mean Square
2327566.510
142450.794

F
16.339

Sig.
.000a

a. Predictors: (Constant), indeks massa tubuh, Kadar Hb darah responden, Ukuran


LILA responden
b. Dependent Variable: Berat Bayi yang dilahirkan (gram)

Hasil uji anova menunjukkan koefisien anova F =16,339 dengan p value 0,000 karena p value <
0,01 maka H0 ditolak sehingga ada hubungan (kontribusi) yang sangat signifikans dari ketiga
variabel independent (Hb, LILA, dan IMT ) secara bersama-sama terhadap berat badan bayi yang
dilahirkan.

Coefficientsa

Model
1

(Constant)
Kadar Hb darah
responden
Ukuran LILA responden
indeks massa tubuh

Unstandardized
Coefficients
B
Std. Error
-882.021
778.807

Standardized
Coefficients
Beta

t
-1.133

Sig.
.267

215.532

45.655

.723

4.721

.000

22.163
24.620

45.330
28.269

.084
.117

.489
.871

.629
.391

a. Dependent Variable: Berat Bayi yang dilahirkan (gram)

Hasil uji regresi menunjukkan

Nilai intercept (a) sebesar -882,021 dengan p value 0, 267. Hal ini menunjukkan bahwa
berat badan bayi yang dilahirkan akan sebesar -882,021 gram bila Hb darah ibu. LILA
dan IMT ibu sebesar 0. Namun demikian intercept tidak signifikans (p value >0,05)
Nilai slope1 (b1) untuk Hb darah ibu sebesar 215, 532 dengan p value 0,000. Berarti
bahwa berat badan bayi akan mengalami perubahan sebesar 215, 532 gram bila kadar Hb
darah ibu berubah sebesar 1gr/dl nilai p value 0,000 berarti bahwa nilai kadar Hb secara
partial (variabel tersebut secara sendirian )signifikans berpengaruh terhadap berat badan
bayi yang dilahirkan.
Slope 2(b2) untuk LILA sebesar 22,163 dengan p value sebesar 0,629. Hal ini berarti
bahwa berat badan bayi akan berubah sebesar 22,163 gram pada setiap perubahn LILA
ibu hamil sebesar 1cm . nilai p value > 0,05 berarti bahwa LILA secara partial tidak
signifikans berpengaruh terhadap berat badan bayi yang dilahirkan.

Slope 3 (b3) untuk IMT sebesar 24,620 daengan p value 0,391. Hal ini berarti bahwa
berat badan bayi akan berubah sebesar 24,620 gram pada setiap perubahan IMT sebesar 1
point. Karena p value > 0,05 maka IMT secara partial akan tidak berpengaruh secara
signifikans terhadap berat badan bayi yang dilahirkan.
PERSAMAAN UMUM REGRESI LINEAR BERGANDA ADALAH :
Y =a+bX1+b2X2+b3X3
Maka persamaan regresi pada kasus ini menjadi :
Berat badan bayi lahir = -882, 021 +215,532 Hb darah +22,163 LILA+ 24,62 IMT
ibu = 2473,73 gram
Bisakah dibantu hitung bila ada ibu hamil dengan Hb 11 mg/dl dengan LILA sebesar 20
cm dengan IMT sebesar 22. Berapa berat badan bayi yang dilahirkan ?

Gambar plot menunjukkan bahwa lingkaran (titik2) berada disekitar garis diagonal yang
menggambarkan bahwa data-data tersebut berdistribusi normal sehingga memungkinkan
dilakukan uji parametrik regresi linear.
ANALISI OF VARIAN (ANOVA)
Antara kategori pendidikan dan IMT

ANOVA
indeks massa tubuh

Between Groups
Within Groups
Total

Sum of
Squares
.680
242.035
242.715

df

Mean Square
.340
8.644

2
28
30

F
.039

Sig.
.961

Hasil uji oneway anova menghasilkan F =0,039 dengan p value =0,961. Karena p value >
0,05, maka Ho diterima sehingga tidak perbedaan varians IMT menurut kategori
pendidikan ibu. Atau dengan kata lain tidak ada perbedaan IMT yang signifikans menurut
kategori pendidikan ibu.
Analisis Uji Regresi Logistik Berganda
Dependent Variable Encoding
Original Value Internal Value
BBLR
0
Tidak BBLR
1

Tabel ini menginfomasikan bahwa BBLR dikode 0. Tidak BBLR dikode 1


Categorical Variables Codings
Parameter
coding
kategori paritas
ibu

paritas rendah
paritas tinggi

status KEK ibu

KEK

Status anemia
ibu

Frequency
23
8

(1)
1.000
.000

1.000

Tidak KEK

22

.000

anemia

10

1.000

tidak anemia

21

.000

Tabel ini menginformasikan bahwa paritas rendah dikode 1, paritas tinggi dikode 0. Frekuensi
bumil dengan paritas rendah 23 orang dan paritas tinggi 8 orang.
KEK dikode 1 dan tidak KEK dikode 0. Frekuensi bumil dengan KEK sebesar 9 orang dan tidak
KEK sebanyak 22 orang.
Anemia dikode 1 dan tidak anemia dikode 0. Frekuensi bumil dngan anemia sebanyak 10 orang
dan ibu tidak anemia sebanyak 21 orang.

Omnibus Tests of Model Coefficients


Step 1

Step
Block
Model

Chi-square
21.447
21.447
21.447

df
4
4
4

Sig.
.000
.000
.000

Hasil omnibus test of model coefficient menghasilkan bahwa sig untuk model adalah 0,000.
Karena p value < a 0,05 maka H0 ditolak sehingga model regresi logistic dianggap signifikans.

Classification Tablea
Predicted

Step 1

Observed
status BBLR bayi

BBLR
Tidak BBLR

status BBLR bayi


BBLR
Tidak BBLR
8
3
1
19

Overall Percentage

Percentage
Correct
72.7
95.0
87.1

a. The cut value is .500

Pada tabel tampak : ketepatan model dalam mengklasifikasikan observasi adalah sebesar87,1.
Diantara 31 observasi, terdapat 27 observasi yang tepat pengklasifikasiannya oleh model regresi
logistic.
Analisis kontribusi variable independen terhadap variable dependen.
Model Summary
Step
1

-2 Log
Cox & Snell
likelihood
R Square
18.877a
.499

Nagelkerke
R Square
.686

a. Estimation terminated at iteration number 6 because


parameter estimates changed by less than .001.

Nilai Nagelkerke R square sebesar 0,686, berarti bahwa kontribusi ketiga variable independen ()
terhadap variasi pada variable dependen adalah sebesar 68,6%. Sedangkan sisanya (31,4)
dipengaruhi oleh variable lain yang tidak dapat dijelaskan (tidak digali).

Uji Partial dan Pembentukan Model


Variables in the Equation
Step
a
1

Anemia(1)
KEK(1)
paritas_2(1)
ANC
Constant

B
-1.496
-3.609
-.728
.850
-.585

S.E.
1.353
1.668
1.576
.758
3.032

Wald
1.223
4.684
.213
1.258
.037

df
1
1
1
1
1

Sig.
.269
.030
.644
.262
.847

Exp(B)
.224
.027
.483
2.340
.557

a. Variable(s) entered on step 1: Anemia, KEK, paritas_2, ANC.

Pada tabel tampak hanya variable KEK yang memiliki p value < a 0,05, dengan demikian hanya
variable KEK yang secara partial signifikans berpengaruh terhadap status BBLR. Variable
lainnya (paritas dan status anemia) maupun ANC secara partial tidak berpengaruh terhadap
BBLR.

PERSAMAAN REGRESI LOGISTIK YANG BISA DIBUAT ADALAH :


exp(0,5851,496 anemia3,609 KEK 0,728 paritas +0,85 ANC )
status BBLR=
1+exp (0,5851,496 anemia3,609 KEK 0,728 paritas+ 0,85 ANC )

Interpretasi odds ratio


Jika paritas tinggi bertambah 1, maka kemungkinan untuk menghasilkan anak tidak
BBLR adalah sebesar 0,728 kali
jika KEK bertambah 1, maka kemungkinan untuk menghasilkan anak tidak BBLR
adalah sebesar 3609 kali
Jika anemia bertambah 1, maka kemungkinan untuk menghasilkan anak tidak BBLR
adalah sebesar 1469 kali
Bila ANC bertambah 1, maka kemungkinan untuk menghasilkan anak tidak BBLR adalah
sebesar 0,85 kali lipat.