TUGAS MANAJEMEN DATA

UJI REGRESI LINIER BERGANDA

Diajukan Sebagai Tugas Mata Kuliah Manajemen Data

Program Studi Magister Ilmu Kesehatan Masyarakat

Oleh:

SYNTIA MELANTIKA, SKM

NIM : 2005018

PROGRAM STUDI MAGISTER ILMU KESEHATAN MASYARAKAT

STIKES HANG TUAH PEKANBARU
TAHUN AJARAN 2020/2021
 UJI REGRESI LINIER BERGANDA

1. Langkah - Langkah Uji Statistik Regresi Linier Berganda

Langkah pertama yang dilakukan adalah cek normalitas data, cek normalitas data atau
distribusi data pada jenis data variabel numerik, untuk variabel kategori tidak perlu
dilakukan cek distribusi data, adapun langkah - langkahnya adalah sebagai berikut:
 Pertama buka aplikasi SPSS pada perangkat computer atau laptop
 Kemudian klik program SPSS hingga muncul work sheet area kerja
 Disebelah kiri bawah ada dua pilihan yaitu: Data View dan Variabel View
 Lalu klik variabel view untuk menentukan variabel dari data yang kita punya
 Bila sudah di isi semua variabel view selanjutnya klik data view yang ada di sebelah kiri
variabel view
 Perhatikan pada menu toolbar SPSS diatas silahkan pilih menu Analyze ---> klik
Nonparametric Tests, pilih Legacy Dialogs, kemudian pilih 1 Sample K-S, masukkan
variabel numerik ke kotak Test Variable List yaitu Berat Badan Lahir, BB Ibu, Umur Ibu,
Hb dan Lila maka akan muncul seperti gambar berikut:
 Selanjutnya lihat pada Document Output tabel One-Sample Kolmogorov-Smirnov Test,
variabel pada nilai signifikan Pvalue > 0,05 menunjukkan bahwa data berdistribusi normal
pada variabel BBL, BB Ibu, Hb dan Lila. Sedangkan variabel umur nilai signifikan Pvalue
> 0,05 artinya tidak berdistribusi normal sehingga tidak bisa dimasukkan ke dalam
pemodelan multivariat. Selanjutnya masukkan hasil tersebut ke dalam Microsoft Word
sebagai laporan.
 Langkah pertama lakukan pemeriksaan normalitas data, selanjutnya lakukan pemeriksaan
collinearity yang bisa dilihat pada nilai korelasi R Pearson > 0,8
 Langkah selanjutnya klik menu Analyze ---> klik Correlate, lalu pilih Bivariate, masukkan
data yang berdistribusi normal ke dalam kotak Variables yaitu (BB Ibu, Kadar Hb, dan Lila)
dan OK seperti pada gambar di bawah ini:

 Pada Document Output lihat nilai pada Table Correlations, korelasi antara BB Ibu dengan
Hb adalah -259 artinya < 0,8 berarti tidak ada Collinearity, selanjutnya korelasi antara Lila
dengan BB Ibu adalah -120 juga menunjukkan tidak ada Collinearity, kemudian korelasi
antara Hb dengan Lila 250 juga tidak ada Collinearity, sehingga dari ketiga variabel diatas
diperoleh nilai R < 0,8 dan dapat disimpulkan tidak ada Collinearity
 Selanjutnya lakukan seleksi Bivariat, seleksi Bivariat tergantung dari jenis data yang
dihubungkan
 Langkah berikutnya klik menu Analyze ---> klik Compare Means, lalu pilih Independent
Samples T Test, pada kotak Test Variable(s) masukkan variabel numerik yaitu BBL,
kemudian pada grouping variabel masukkan variabel rokok, kemudain Define Groups
 kategorinya Group 1 = 0 dan Group 2 = 1 lalu klik Continue dan OK seperti pada gambar di
bawah ini:

 Lakukan uji seperti diatas, pada grouping variabel ganti dengan variabel ANC kemudian
Define Group, pilih Continue dan OK
 Selanjutnya lakukan uji Anova pada variabel sosial ekonomi, variabel sosial ekonomi
memiliki 3 kategori sehingga menggunakan uji One-Way Anova
 Klik menu Analyze ---> klik Compare Means, lalu pilih One-Way Anova, pada kotak
Dependent List masukkan variabel numerik yaitu BBL dan pada kotak Factor masukkan
variabel Sosial Ekonomi dan OK seperti pada gambar dibawah ini:
 Selanjutnya lakukan uji untuk menghubungkan BBL dengan BB Ibu, Kadar Hb dan Lila.
Klik menu Analyze ---> klik Correlate, lalu pilih Bivariate, reset terlebih dahulu
 Pindahkan variabel BBL, BB Ibu, Kadar Hb dan Lila ke kotak Variables lalu pilih OK seperti
pada gambar dibawah ini:

 Selanjutnya masukkan semua asil uji pada laporan

 Kemudian lakukan uji untuk dimasukkan dalam pemodelan multivariat
 Klik menu Analyze ---> klik Regression, lalu pilih Linier. Pada kotak Dependent masukkan
variabel BBL dan pada kotak Independent masukkan semua variabel kandidat yaitu: BB Ibu,
ANC, Kadar Hb dan Lila seperti pada gambar dibawah ini:

 Pada Document Output Table Coefficients nilai Pvalue > 0,05 dikeluarkan yaitu variabel
ANC
 Klik menu Analyze ---> klik Regression, lalu pilih Linier, keluarkan variabel ANC dan OK
 Lihat di Document Output Table Coefficients apakah ada perubahan nilai koefisien pada
Unstandardized sebelum dan setelah ANC dikeluarkan dan lihat apakah ada perubahan pada
R Square (Tabel Excel)
 Langkah berikutnya, lakukan uji Diagnostik Regresi Linier Ganda. Klik menu Analyze --->
klik Regression, lalu pilih Linier, kemudian ceklis Descriptive, pilih Confidence Intervals
95%, Collinearity Diagnostics, Durbin Watson lalu pilih Continue, selanjutnya klik Plots
pilih *ZPRED untuk kotak X dan *SRESID untuk kotak Y lalu klik Histogram dan Normal
Probability Plot, Continue dan OK seperti pada gambar dibawah ini:
2. Pemeriksaan Normalitas Data

One-Sample Kolmogorov-Smirnov Test

BBL bbibu umur hb lila
N 100 100 100 100 100
Normal Parametersa,b Mean 2665.3931 35.5910 25.4500 12.1110 26.6335
Std. Deviation 371.53491 6.21601 5.14512 .99969 2.04648
Most Extreme Differences Absolute .082 .068 .113 .062 .080
Positive .082 .060 .113 .062 .080
Negative -.045 -.068 -.074 -.056 -.047
Test Statistic .082 .068 .113 .062 .080
Asymp. Sig. (2-tailed) .093c .200c,d .003c .200c,d .113c

Variabel dengan berdistribusi data normal adalah Berat Badan Lahir (P=0,093), BB Ibu (P=0,200),
Kadar Hb (P=0,200) dan Lila (P=0,113). Sedangkan Umur Ibu (P=0,003) tidak berdistribusi
normal, sehingga tidak dimasukkan dalam pemodelan multivariat.
3. Pemeriksaan Collinearity
Pemeriksaan collinearity dilakukan pada variabel independent yang berdistribusi normal yaitu
Berat Badan Lahir (P=0,093), BB Ibu (P=0,200), Kadar Hb (P=0,200) dan Lila (P=0,113).

Correlations
bbibu hb lila
bbibu Pearson Correlation 1 -.259** -.120
Sig. (2-tailed) .009 .235
N 100 100 100
hb Pearson Correlation -.259** 1 .250*
Sig. (2-tailed) .009 .012
N 100 100 100
lila Pearson Correlation -.120 .250* 1
Sig. (2-tailed) .235 .012
N 100 100 100
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).

Berdasarkan uji korelasi didapatkan hasil bahwa tidak ada korelasi yang kuat atau tidak ada
collinearity pada variabel BB Ibu, Kadar Hb dan Lila dengan r pearson < 0,8
4. Seleksi Bivariat

Variabel Uji Statistik Pvalue Kandidat Multivariat

Kebiasaan merokok Uji T Independen 0,416 Tidak

ANC Uji T Independen 0,132 Ya
Sosial ekonomi Uji Anova 0,714 Tidak
BB Ibu Uji Korelasi 0,000 Ya
Kadar Hb Uji Korelasi 0,288 Ya (berdasarkan substansi)
Lila Uji Korelasi 0,004 Ya

Berdasarkan tabel seleksi bivariat, variabel kandidat yang akan di analisis pada pemodelan
multivariat adalah ANC, BB Ibu, Kadar Hb dan Lila

5. Pemodelan Multivariat
Memasukkan semua variabel kandidat ke dalam pemodelan multivariat

Coefficientsa
Unstandardized Coefficients Standardized Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1521.724 432.722 -3.517 .001
bbibu 46.630 4.014 .780 11.618 .000
anc -29.916 55.127 -.035 -.543 .589
hb 83.844 24.602 .226 3.408 .001
lila 57.605 11.670 .317 4.936 .000
a. Dependent Variable: BBL

Variabel ANC mempunyai Pvalue = 0,589 (P>0,05) sehingga ANC dikeluarkan dari pemodelan
multivariat.
 Coefficientsa
Unstandardized Coefficients Standardized Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1534.208 430.520 -3.564 .001
bbibu 46.018 3.838 .770 11.991 .000
hb 84.663 24.465 .228 3.461 .001
lila 57.687 11.626 .318 4.962 .000
a. Dependent Variable: BBL

Setelah ANC dikeluarkan dari pemodelan, kemudian dihitung perubahan nilai koefisien
unstandardized B dan R Square sebelum dan setelah ANC dikeluarkan dari pemodelan multivariat.

6. Perubahan Nilai Koefisien Unstandardized B dan R Square

Sebelum ANC dikeluarkan Setelah ANC dikeluarkan Perubahan nilai

Variabel
Unstandardized B R Square Unstandardized B R Square Unstandardized B R Square
bbibu 46.630 0.616 46.018 0.632 1,312044506 -2,31528
anc -29.916
hb 83.844 84.663 -0,977907991
lila 57.605 57.687 -0,142753021

Tidak terdapat perubahan nilai koefisien unstandardized B dan R Square lebih dari 10%, maka
variabel ANC bukan merupakan variabel confounding, sehingga ANC dikeluarkan dari pemodelan
multivariat.
7. Persamaan Regresi Linier Ganda

Coefficientsa
Unstandardized Coefficients Standardized Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1534.208 430.520 -3.564 .001
bbibu 46.018 3.838 .770 11.991 .000
hb 84.663 24.465 .228 3.461 .001
lila 57.687 11.626 .318 4.962 .000
a. Dependent Variable: BBL

Y = -1534,208 + 46,018*BB_Ibu + 84,663*Hb + 57,687*Lila

8. Diagnostik Regresi Linier Ganda

Dengan memeriksa Asumsi HEIL Gauss dan Multicollinearity

Berdasarkan uji diagnostic regresi linier menunjukkan bahwa semua uji asumsi terpenuhi, maka
persamaan linier ganda yang terbentuk sudah fit atau layak untuk memprediksi berat badan
lahir.
KESIMPULAN:
1. Faktor - faktor yang berhubungan dengan Berat Badan Lahir adalah: Berat Badan Ibu,
Kadar Hb dan LILA. Ketiga variabel tersebut dapat menjelaskan Berat Badan Lahir bayi
sebesar 63,2% (diperlihat dari nilai R Square)
2. Berat Badan Ibu merupakan variabel yang paling berpengaruh atau dominan terhadap Berat
Badan Bayi Lahir
3. Asumsi HEIL -Gauss dan bebas Multicollinearity terpenuhi
4. Formula:
Y = -1534,208 + 46,018*BB_Ibu + 84,663*Hb + 57,687*Lila

Setiap bertambahnya satu unit (kg) berat badan ibu, maka berat badan lahir bayi akan
bertambah sebesar 46,018 gram

Setiap bertambahnya satu unit (gr/dl) kadar Hb ibu, maka berat badan lahir bayi akan
bertambah sebesar 84,663 gram

Setiap bertambahnya satu unit (cm) lila badan ibu, maka berat badan lahir bayi akan
bertambah sebesar 57,687 gram

Contoh kasus:
Bila seorang ibu mempunyai BB ibu = 56 Kg, Kadar Hb = 11,3 dan LILA = 23,7. Hitung
prediksi Berat Badan Lahir bayi berdasarkan persamaan regresi yang diperoleh.

Y = -1534,208 + 46,018*BB_Ibu + 84,663*Hb + 57,687*Lila

BBL = -1534,208 + (46,018*56) + (84,663*11,3) + (57,687*23,7)
= 3366,8 gram