Analisis kolerasi adalah untuk melihat ada atau tidak ada serta keeratan hubungan antar variabel-
variabel yang bersifat numeric.
Analisis regresi adalah untuk melihat bentuk hubungan antar varibel-variabel tersebut. Misalnya
nilai p value 0.111, nilainya (+) artinya nilai variabel meningkatkan nilai variabel yang lain.
Namun nilai p value – 0.111, nilainya (-) artinya variabel menurunkan nilai variabel yang lain.
1. ANALISIS KORELASI
1. Uji korelasi person
2. Uji korelasi spearman
Correlations
indeks massa
Berat badan tubuh
Berat badan Pearson Correlation 1 .343**
Sig. (2-tailed) .000
N 101 101
indeks massa tubuh Pearson Correlation .343** 1
Sig. (2-tailed) .000
N 101 101
**. Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan :
Dari hasil analisis kolerasi diketahui bahwa P value 0,.001 < 0.05 sehingga ada hubungan antara
BB dengan IMT, dan sifat hubungan nya adalah sedang yaitu r = 0.343.
Correlations
indeks massa
tubuh Tinggi badan
Spearman's rho indeks massa tubuh Correlation Coefficient 1.000 -.361**
Sig. (2-tailed) . .000
N 101 101
Tinggi badan Correlation Coefficient -.361** 1.000
Sig. (2-tailed) .000 .
N 101 101
**. Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan :
Dari hasil analisis kolerasi diketahui bahwa P value 0,001 < 0,05 sehingga ada hubungan antara
TB dengan IMT, dan sifat hubungan nya adalah sedang yaitu r = -0.361. Nilai (-) artinya
penambahan nilai TB maka dapat menurunkan nilai IMT.
Lakukan Analisis Regresi untuk melihat bentuk hubungan antara variabel BB dan TB
terhadap IMT.
Model Summary
Coeffi cientsa
Unstandardized St andardiz ed
Coeffic ient s Coeffic ient s
Model B St d. Error Beta t Sig.
1 (Const ant) 222.783 15.401 14.465 .000
Berat badan .778 .116 .299 6.682 .000
Tinggi badan -1. 551 .084 -.829 -18.522 .000
a. Dependent Variable: indek s mass a tubuh
Persamaan garis:
Y = A + bX + …
Indeks massa tubuh = 222.783 + 0.778(berat badan) – 1.551(tinggi badan)
Penyajian dan interprestasi dari hasil analisis regresi linear antara BB dan TB dengan IMT.
Variabel r R² Persamaan garis P value
Indeks massa tubuh 0.897 0.804 IMT = 222.783 + 0.778*bb – 1.551*tb 0.0001
Kesimpulan:
- Hubungan antara berat badan dan tinggi badan terhadap indeks massa tubuh
menunujukkan hubungan yang sangat kuat yaitu r = 0.897.
- Nilai R² = 0, 804 menjelaskan bahwa persamaan garis yang kita peroleh dapat
menjelaskan 80,4% variasi nilai BB dan TB. Atau dengan kata lain persamaan yang kita
peroleh sudah baik.
- Nilai sig (probabilitas) untuk BB = 0.000 dan TB = 0.000 < 0.05, berarti kedua variabel
tersebut mempengaruhi variabel IMT
- Berdasarkan persamaan garis:
Nilai konstanta 222.783 artinya apabila tidak ada penambahan atau pengurangan dari
variabel independen yaitu berat badan dan tinggi badan maka nilai IMT adalah 222.783.
Apabila ada penambahan berat badan sebesar 1 kg maka terjadi penambahan nilai IMT
sebesar 0.778, sedangkan apabila ada kenaikan tinggi badan sebesar 1 cm maka terjadi
pengurangan nilai IMT sebesar 1.551.
- Dari persamaan garis kita dapat memprediksi variabel dependen:
Indeks massa tubuh = 222.783 + 0.778 (berat badan)
= 222.783 + 0.778 (51)
= 262.461
Sales =100.123 + 10.913 iklan Koran + 4.966 iklan radio – 13,275 outlet
Kita akan menganalisis faktor-faktor risiko yang mempengaruhi terjadinya sakit kulit di
penduduk daerah aliran Sungai Batanghari.
Variabel independen : lama tinggal indeks massa tubuh, kebiasaan konsumsi alcohol, kebiasaan
merokok, kebiasaan minum air putih, dan kadar As dalam air minum.
Apabila nilai p value < = 0.25 maka lanjut ke analisis multivariate, apabila > 0.25
maka tidak lanjut.
Langkah 2 lakukan analisis multivariate untuk variabel (lama tinggal, kebiasaan minum air
putih dan kadar arsen dalam air minum) dengan variabel (sakit kulit)
Untuk nilai p value > 0,05 maka dikeluarkan dari model analisis. Dilakukan
secara bertahap mulai dari nilai p value yang paling tinggi.
Model Akhir
Va riables in the Equation
Penduduk yang mengkonsumsi air minum denga kadar arsen (berisiko) > 0.01 mg/L berisiko
untuk terjadi sakit kulit 8 kali dibandingkan dengan penduduknya yang mengkonsumsi air
minum dengan kadar As (tidak berisiko < = 0.01 mg/L)
Variabel lama tinggal dengan nilai p value 0.999 > 0.05 maka dikeluarkan dari model analisis.
Sedangkan variabel kebiasaan minum air putih dan kadar arsen dalam air minum lanjut ke
analisis berikutnya.
Persamaan model :
Y = a + bX
Sakit kulit = 0.551 + 2.094 (kadar arsen) + 19.086 ( lama tinggal) + ( minum air putih)
Kesimpulan:
Berdasarkan model akhir diatas kita ketahui bahwa penduduk yang terdapat kadar As
dalam air minum beresiko maka dapat terkena penyakit kulit 8 kali lebih besar
dibandingkan dengan penduduk yang kadar arsen dalam air minumnya tidak berisiko.