Uji Hubungan

A. Latar Belakang
Uji korelasi adalah teknik analisis yang digunakan dalam statistik untuk mengetahui ada
tidaknya hubungan antara dua variabel yang diuji. Koefisien korelasi atau rho adalah
ukuran keeratan dalam uji korelasi ini. Uji korelasi dapat dilakukan dengan berbagai cara,
seperti pearson, spearman, dan chi-square.
B. Tujuan Analisis
Uji penelitian ini dilakukan untuk mengetahui ada tidaknya hubungan antar varaibel.
C. Hasil
1. Pearson Correlation
 Uji Asumsi

Descriptives
Statistic Std. Error
Kadar HB Mean 10.8057 .11980
95% Confidence Lower Bound 10.5667
Interval for Mean Upper Bound 11.0447
5% Trimmed Mean 10.8603
Median 11.0000
Variance 1.005
Std. Deviation 1.00230
Minimum 8.00
Maximum 12.30
Range 4.30
Interquartile Range 1.35
Skewness -.718 .287
Kurtosis .354 .566
Berat badan bayi Mean 2644.29 71.472
95% Confidence Lower Bound 2501.70
Interval for Mean Upper Bound 2786.87
5% Trimmed Mean 2641.27
Median 2550.00
Variance 357575.569
Std. Deviation 597.976
Minimum 1400
Maximum 3800
 Range 2400
Interquartile Range 900
Skewness .128 .287
Kurtosis -.760 .566

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Kadar HB .134 70 .003 .945 70 .004
Berat badan bayi .159 70 .000 .969 70 .080
a. Lilliefors Significance Correction

Interpretasi:
- Rasio Skewness dan kurtosis -1,96 sd +1,96, artinya distribusi data tidak normal
- Grafik box plot menunjukkan tidak simetris, artinya data tidak normal
- Grafik Q-Q Plot tidak simetris dengan garis, artinya data tidak berdistribusi
normal
- P-value (kolmogorov-smirnov) kurang dari 0,05, artinya data tidak berdistribusi
normal
- Karena data tidak normal, maka tidak bisa menggunakan korelasi pearson

 Hasil Uji Korelasi Pearson

Correlations
Kadar HB Berat badan bayi
Kadar HB Pearson Correlation 1 .543**
Sig. (2-tailed) .000
N 70 70
 Berat badan Pearson Correlation .543** 1
bayi Sig. (2-tailed) .000
N 70 70
**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi:
- Hipotesis :
H0 : tidak terdapat hubungan antar kadar Hb dengan BB bayi yang baru lahir
Ha : ada hubungan antara kadar Hb dengan BB bayi yang baru lahir
Ha < 0,05, maka H0 ditolak
Ha > 0,05, maka H0 diterima
- Nilai r (koefisien korelasi) dikatakan kuat apabila mendekatai +1 (pengaruh
positif) atau -1 (pengaruh negatif kuat).
Nilai r pada hasil output adalah 0,543 (sedang) dan p-value sebesar 0,000 (p <
0,05).
- Kesimpulan : tidak ada hubungan antara kadar Hb dengan berat badan bayi yang
baru dilahirkan. Jika ingin melakukan uji pearson maka data harus berdistribusi
normal.

2. Spearman Test

Correlations
Berat badan
Kadar HB bayi
Spearman's rho Kadar HB Correlation 1.000 .506**
Coefficient
Sig. (2-tailed) . .000
N 70 70
Berat badan Correlation .506** 1.000
bayi Coefficient
Sig. (2-tailed) .000 .
N 70 70
**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi:
 Karena data tidak berdistribusi normal, maka untuk menguji hubungan dapat
menggunakan spearman test. Berdasarkan hasil uji diketahui bahwa nilai p-value
sebesar 0,000 dimana p < 0,05 yang artinya terdapat hubungan antara kadar Hb
dengan BB bayi yang baru dilahirkan dengan nilai korelasi sebesar 0,506 atau sedang.

3. Chi-Square

Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
Kategori HB * 70 100.0% 0 0.0% 70 100.0%
Kategori BB Bayi

Kadar HB * BB Bayi Crosstabulation

BB Bayi
Rendah Normal Total
Kadar HB Rendah Count 32 27 59
Expected Count 29.5 29.5 59.0
Normal Count 3 8 11
Expected Count 5.5 5.5 11.0
Total Count 35 35 70
Expected Count 35.0 35.0 70.0

Chi-Square Tests
Asymptotic
Significance Exact Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 2.696a 1 .101
Continuity Correctionb 1.726 1 .189
Likelihood Ratio 2.783 1 .095
Fisher's Exact Test .188 .094
Linear-by-Linear 2.658 1 .103
Association
N of Valid Cases 70
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is
5.50.
b. Computed only for a 2x2 table
 Risk Estimate
95% Confidence
Interval
Value Lower Upper
Odds Ratio for Kategori 3.160 .762 13.106
HB (Rendah / Normal)
For cohort Kategori BB 1.989 .737 5.369
Bayi = Rendah
For cohort Kategori BB .629 .399 .993
Bayi = Normal
N of Valid Cases 70

Interpretasi:
- Pada tabel yang dibaca adalah continuity correction
- Nilai p-value sebesar 0,189 > 0,05 artinya tidak terdapat hubungan antara kadar
Hb dengan berat badan bayi baru lahir.
D. Kesimpulan
Jika ingin mengolah data untuk mencari hubungan antar variabel dapat menggunakan uji
korelasional seperti pearson, spearman, dan chi-square.

E.Referensi
(Gogtay & Thatte, 2017)Dodhia, R. M. (2005). A Review of Applied Multiple
Regression/Correlation Analysis for the Behavioral Sciences (3rd ed.) . In Journal of
Educational and Behavioral Statistics (Vol. 30, Issue 2).
https://doi.org/10.3102/10769986030002227

Gogtay, N. J., & Thatte, U. M. (2017). Principles of correlation analysis. Journal of

Association of Physicians of India, 65(MARCH), 78–81.
 Multiple Regression

A. Latar Belakang
Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari
satu variabel bebas atau prediktor. Dengan menggunakan regresi berganda, kita
bisa memprediksi atau mencari hubungan antara 3 variabel sekaligus.
B. Tujuan Analisis
a. Untuk menemukan hubungan antara tiga variabel (variabel dependen, independen,
prediktor)
b. Untuk memperhitungkan variabel pengganggu
C. Hasil

Descriptive Statistics
Mean Std. Deviation N
Berat badan bayi 2644.29 597.976 70
Pendapatan Perbulan 804285.71 424754.222 70
Kadar HB 10.8057 1.00230 70

Correlations
Berat badan Pendapatan
bayi Perbulan Kadar HB
Pearson Berat badan bayi 1.000 .668 .543
Correlation Pendapatan Perbulan .668 1.000 .563
Kadar HB .543 .563 1.000
Sig. (1-tailed) Berat badan bayi . .000 .000
Pendapatan Perbulan .000 . .000
Kadar HB .000 .000 .
N Berat badan bayi 70 70 70
Pendapatan Perbulan 70 70 70
Kadar HB 70 70 70
 Variables Entered/Removeda
Variables Variables
Model Entered Removed Method
1 Kadar HB, . Enter
Pendapatan
Perbulanb
a. Dependent Variable: Berat badan bayi
b. All requested variables entered.

Model Summaryb
Adjusted R Std. Error of Durbin-
Model R R Square Square the Estimate Watson
1 .698a .487 .472 434.519 1.440
a. Predictors: (Constant), Kadar HB, Pendapatan Perbulan
b. Dependent Variable: Berat badan bayi

ANOVAa
Sum of
Model Squares df Mean Square F Sig.
1 Regression 12022645.034 2 6011322.517 31.838 .000b
Residual 12650069.252 67 188807.004
Total 24672714.286 69
a. Dependent Variable: Berat badan bayi
b. Predictors: (Constant), Kadar HB, Pendapatan Perbulan

Collinearity Diagnosticsa
Variance Proportions
Condition Pendapatan
Model Dimension Eigenvalue Index (Constant) Perbulan Kadar HB
1 1 2.859 1.000 .00 .02 .00
2 .138 4.555 .01 .72 .00
3 .003 30.165 .99 .26 .99
 a. Dependent Variable: Berat badan bayi

Residuals Statisticsa
Minimum Maximum Mean Std. Deviation N
Predicted Value 1896.13 3755.34 2644.29 417.422 70
Residual -728.287 1142.057 .000 428.176 70
Std. Predicted Value -1.792 2.662 .000 1.000 70
Std. Residual -1.676 2.628 .000 .985 70
a. Dependent Variable: Berat badan bayi

Interpretasi:
- Hasil tes Durbin Watson: 1,440 (positive autocorrelation)
- Grafik scatterplot menyebar (homokedasticity)
- Nilai VIT dibawah 10 (no multicollinearity)
- Grafik histogram menunjukkan distribusi data normal
- Standardized coefficient betha menunjukkan bahwa kadar Hb dan
pendapatan cukup untuk mempengaruhi berat badan bayi lahir
- Kadar Hb dan pendapatan perbulan berpengaruh sebesar 48,7% terhadap
berat badan bayi
- Nilai t sebesar kadar Hb (2,306 > t tabel = 1,668) dan pendapatan perbulan
(5,012 > t tabel = 1,668) dengan nilai sig < 0,05. Artinya, kadar Hb dan
pendapatan perbulan berpengaruh signifikan terhadap berat badan bayi
- Model regresi adalah Y = 469,161 + 0,001Pendapatan + 145,683Hb
D. Kesimpulan
 Dengan menggunakan regresi berganda, kita dapat memprediksi atau mencari pengaruh antara 3
variabel sekaligus dan mempermudah analisis data.

E.Referensi
(Dodhia, 2005)Dodhia, R. M. (2005). A Review of Applied Multiple
Regression/Correlation Analysis for the Behavioral Sciences (3rd ed.) . In Journal of
Educational and Behavioral Statistics (Vol. 30, Issue 2).
https://doi.org/10.3102/10769986030002227

Gogtay, N. J., & Thatte, U. M. (2017). Principles of correlation analysis. Journal of

Association of Physicians of India, 65(MARCH), 78–81.