Uji Regresi Linier
Uji Regresi Linier
Laporan ini disusun untuk memenuhi tugas praktikum Analisis Data Medis Inferensial
Oleh :
Dayu Astiningsih
G41140027
Golongan : A / Semester : 5
Latihan Soal 2
Peneliti ingin mengetahui pengaruh tinggi badan dan umur terhadap berat badan anak
dengan kurang gizi.
Ha = Ada perbedaan pengauh tinggi badan dan umur terhadap berat badan
anak dengan kurang gizi.
B. Tentukan nilai
Nilai = 0,05 = 5 %
Derajat Kepercayaan = 0,95 = 95 %
3. Mengisi tabel data view yang telah dibuat sesuai dengan data yang ada di BKPM
4. Langkah selanjutnya yaitu Klik Analize Regression Linier
Didapatkan nilai rata-rata serta standar deviasi untuk semua variabel, baik
independent maupun dependent.Diperoleh rata2 untuk berat badan 34,92 ; umur
8,50; tinggi badan 75,53.
Pada matriks korelasi tersebut, didapatkan angka signifikansi untuk hubungan
antar seluruh variabel independent dengan variabel dependent bernilai di
bawah 0,05 ( <0,05 ).
Sig variabel independent dg variabel dependent ( umur dengan berat badan )
sebesar 0,012.
Kemudian Sig variabel independent dg variabel dependent (tinggi badan
dengan berat badan sebesar 0,003.
Pada bagian ini terdapat nilai koefisien determinasi R-Square = 0.740 (54,8%).
Ini menunjukkan bahwa sebesar 54,8% variasi variabel dependent (Y) dapat
dijelaskan oleh 2 variabel independent (X1 dan X2), artinya pengaruh variabel
independen terhadap perubahan variabel dependen adalah 54,8%.
Hal tersebut menunjukkan bahwa umur dan tinggi badan mempengaruhi berat
badan anaka yang kurang gizi sebesar 54,8% sedangkan sisanya dijelaskan faktor
lain.
Pada bagian ini juga terdapat hasil Durbin Watson merupakan uji untuk
mengetahui autokorelasi, dimana ketentuannya antara -2 dan +2, kemudian nilai
pada tabel tsb 1,133 sehingga dapat disimpulkan bahwa tidak terdapat
autokorelasi.
Nilai signifikansi (Sig) pada tabel anova 0,028 dibandingkan dengan nilai a
yakni 0,05. 0,028 < 0,05,
Kesimpulan: Ho ditolak, artinya artinya persamaan regresi dapat digunakan
untuk memprediksi variabel Y. Variabel independent (X1 dan X2)
dengan signifikan memberikan kontribusi terhadap variabel dependent
Persamaan Regresi
= bo + b1X1 + b2X2
= 12,0222+0,400X1 + 0,259X2
Nilai Toleransi
Nilai VIF=1/Tolerance, dimana tolerance < 0,10 atau nilai VIF >10 maka
dikatakan ada korelasi. Pada tabel tersebut nilainya 3,255 < 10. Asumsinya
untuk uji regresi linier berganda tidak ada multikolinieritas (tidak ada korelasi
diantara variabel bebas(independent). Sehingga dapat disimpulkan bahwa
tidak ada korelasi diantara variabel bebas(independent)
Daftar hasil-hasil dari Residual Statistics.
Pada chart menunjukkan bahwa uji yang digunakan uji regresi linier dengan
Distribusi Normal.
Pada gambar plot Regression standardized Residual dan Regresion standardized
Predicted dibawah ini: