LAPORAN PRAKTIKUM

MATA KULIAH BIOSTATISTIKA

PRAKTIKUM ANALISIS MULTIVARIATE

DISUSUN OLEH
KELOMPOK 1:
1. ADINDA AMALIA ANDRIANI ALPIAH (192207001)
2. AFIFAH NUR’AINI (192207002)
3. AGNES ANASTASIA WULANDARI (192207003)
4. AISYAH ANAMARDIYAH RAMADANI (192207004)

PROGRAM STUDI KEBIDANAN (S1)

FAKULTAS KESEHATAN
UNIVERSITAS JENDERAL ACHMAD YANI
YOGYAKARTA
TAHUN 2022
 LAPORAN PRAKTIKUM BIOSTATISTIKA

Praktikum Analisis Multivariate

Regresi Berganda

1. TUJUAN PRAKTIKUM
Agar mahasiswa mampu menguraikan analisis multivariate regresi berganda.
2. DASAR TEORI
1. Analisis Regresi Berganda
- Analisis regresi linear sederhana adalah analisis regresi yang hanya melibatkan
dua variabel, yaitu 1 (satu) variabel dependen atau variabel tergantung dan 1 (satu)
variabel independen atau beb as. Pada analisis regresi sederhana, hubungan antara
variabel bersifat linier, dimana perubahan pada variabel X akan diikuti oleh
perubahan pada variabel Y secara tetap.
- Analisis regresi linear berganda atau multiple regression adalah analisis regresi
yang melibatkan lebih dari dua variabel, yaitu 1 (satu) variabel dependen atau
variabel terikat dan lebih dari 1 (satu) variabel independen atau bebas. Syarat
menggunakan uji asumsi klasik yang antara lain terdiri dari: uji normalitas, uji
heteroskedastisitas, uji auto korelasi, dan uji multikolinearitas.
- Uji t bertujuan untuk mengetaui ada atau tidaknya pengaruh parsial (sendiri) yang
diberikan variabel bebas (X) terhadap variabel terikat (Y)
- Uji F bertujuan untuk mengetahui ada atau tidaknya pengaruh simultan (bersama-
sama) yang diberikan variabel bebas (X) terhadap variabel terikat (Y)
- Koefisien diterminasi berfungsi untuk mengetahui berapa persen pengaruh yang
diberikan variabel X secara simultan terhadap variabel Y.
3. ALAT DAN BAHAN
a. Alat tulis
b. Komputer atau laptop
c. Kalkulator
4. LANGKAH PRAKTIKUM
1) Memasukkan data ke SPSS
2) Estimasi Model Regresi Linier
Estimasi model dilakukan secara sekaligus dengan pengujian asumsi klasik
(multikolinearitas, auto korelasi, heteroskedastisitas, normalitas)
3) Uji Kelayakan Model
a) Pada menu Bar, pilih Analyze > Regression > Linear

b) Masukkan variabel Y ke bagian Dependent dan variabel X1, X2, X3, X4, dan X5
ke bagian Independent (s), kemudian Klik OK
4) Melihat Hasil Output
A. UJI t
1. Jika nilai sig < 0,05, atau t hitung > t tabel maka terdapat pengaruh variabel X
dan Y.
2. Jika nilai sig > 0,05, atau t hitung < t tabel maka tidak terdapat pengaruh
variabel X dan Y.
t tabel = t (α/2 ; n-k-1) = t (0,025 ; 27) = 2,052
B. UJI F
1. Jika nilai sig < 0,05, atau F hitung > F tabel maka terdapat pengaruh variabel
X secara simultan terhadap variabel Y.
2. Jika nilai sig > 0,05, atau F hitung < F tabel maka tidak terdapat pengaruh
variabel X secara simultan terhadap variabel Y.
F tabel = F (k ; n-k) = F (2 ; 28) = 3,34
a. Menentukan Model Summary

Model Summary

Model R R Square Adjusted R Std. Error of the

Square Estimate

1 .894 a
.799 .784 1.990

a. Predictors: (Constant), Sikap (X2), Pengetahuan (X1)

 Berdasarkan output di atas diketahui nilai R Square sebesar 0,799 hal ini
mengandung arti bahwa pengaruh variabel pengetahuan (X1) dan sikap (X2)
secara simultan terhadap variabel kepuasan (Y) adalah sebesar 79,9%.

b. Menentukan Uji Simultan

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 424.038 2 212.019 53.536 .000b

1 Residual 106.928 27 3.960

Total 530.967 29

a. Dependent Variable: Kepuasan (Y)

b. Predictors: (Constant), Sikap (X2), Pengetahuan (X1)

a. Pengujian Hipotesis ketiga (H3)

Berdasarkan output di atas diketahui nilai signifikasi untuk pengaruh
pengetahuan (X1) dan sikap (X2) secara simultan terhadap kepuasan (Y)
adalah sebesar 0,000 < 0,05 dan F hitung 53,536 > F tabel 3,34 sehingga dapat
disimpulkan bahwa H3 diterima yang berarti terdapat pengaruh pengetahuan
(X1) dan sikap (X2) secara simultan terhadap kepuasan (Y).
c. Menentukan Koefisien dan Signifikasi antara satu variabel dengan satu variabel
dan variabel lainnya dengan melihat nilai p value dari masing-masing variabel.

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

a.
Coefficients

B Std. Error Beta

(Constant) 2.552 1.501 1.700 .101

1 Pengetahuan (X1) .271 .088 .382 3.081 .005

Sikap (X2) .550 .118 .580 4.682 .000

a. Dependent Variable: Kepuasan (Y)

Pengujian hipotesis pertama (H1)
Diketahui nilai Sig. untuk pengaruh pengetahuan (X1) terhadap kepuasan (Y)
adalah sebesar 0,005 < 0,5 dan nilai hitung t 3,081 > t tabel 2,052 sehingga dapat
disimpulkan bahwa H1 diterima yang berarti terdapat pengaruh pengetahuan
(X1) terhadap kepuasan (Y).
 b. Pengujian hipotesis kedua (H2)
Diketahui nilai Sig. untuk pengaruh sikap (X2) terhadap kepuasan (Y) adalah
sebesar 0,000 < 0,5 dan nilai t hitung 4,682 > t tabel 2,052 sehingga dapat
disimpulkaj bahwa H2 diterima yang berarti terdapat pengaruh sikap (X2)
terhadap kepuasan (Y).
5. PEMBAHASAN
1. Tentukan hipotesisnya!

Coefficientsa

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 2.552 1.501 1.700 .101

1 Nilai Pengetahuan .271 .088 .382 3.081 .005

Nilai Sikap .550 .118 .580 4.682 .000

Dependent Variable: Nilai Kepuasan

1.) Pengujian Hipotesis Pertama (H1)

Diketahui nilai Sig. untuk pengaruh X1 terhadap Y adalah sebesar 0,005<0,05 dan
nilai t hitung 3,081 > t table 2,052, sehingga dapat disimpulkan bahwa H1 diterima
yang berarti terdapat pengaruh X1 terhadap Y.
2.) Pengujian Hipotesis Kedua (H2)
Diketahui nilai Sig. untuk pengaruh X2 terhadap Y adalah sebesar 0,000<0,05 dan
nilai t hitung 4,682 < t table 2,052, sehingga dapat disimpulkan bahwa H2 diterima
yang berarti terdapat pengaruh X2 terhadap Y.
Pengujian Hipotesis Ketiga (H3)
3) Pengujian Hipotesis Ketiga Dengan Uji F

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 424.038 2 212.019 53.536 .000b

1 Residual 106.928 27 3.960

Total 530.967 29

a. Dependent Variable: Nilai Kepuasan

b. Predictors: (Constant), Nilai Sikap, Nilai Pengetahuan
 Berdasarkan output diatas dapat diketahui nilai signifikasi untuk pengaruh X1 dan
X2 secar simultan terhadap Y adalah sebesar 0,000<0,05 dan nilai F hitung
53,536 > F table 3,34, sehingga dapat disimpulkan bahwa H3 diterima yang
berarti terdapat pengaruh X1 dan X2 secara simultan terhadap Y.

2. Cari asumsi klasik regresi linear berganda (uji normalitas, uji multikolinearitas, uji
autokorelasi dan uji heteroskedastisitas) dan interpretasikan!
1) Uji Normalitas

Pada hasil uji histogram, garis tersebut melengkung ke atas membentuk seperti
gunung dan terlihat sempurna dengan kaki yang simetris, maka dapat disimpulkan
bahwa data dalam penelitian berdistribusi normal.
2) Uji Heteroskedastisitas
 Perhatikan bagian yang diberi lingkaran biru. Pertama titik 0 pada sumbu
X dan Y, selanjutnya titik-titik data yang ada dalam grafik. Jika titik-titik data
menyebar di atas dan dibawah titik 0 pada sumbu Y dan X serta tidak membentuk
pola tertentu seperti zig-zag atau menumpuk, maka dapat disimpulkan bahwa tidak
terjadi gejala heteroskedastisitas.

3) Uji Autokorelasi

Model Summaryb

Model R R Square Adjusted R Std. Error of the Durbin-Watson

Square Estimate

1 .894a .799 .784 1.99005 1.971

a. Predictors: (Constant), Nilai Sikap, Nilai Pengetahuan

b. Dependent Variable: Nilai Kepuasan

Untuk dapat mengambil kesimpulan, kita harus membandingkan nilai DW

dengan nilai dl dan du pada Tabel DW. Berdasarkan table DW dengan n=30 dan
jumlah variable bebas = 2, maka nilai dl dan du berturut-turut sebesar dl=1.2837
dan du=1.5666. Kesimpulannya jika nilai DW di bawah 2,0 berarti terdapat
autokorelasi positif. Nilai dl < dari nilai DW yang berarti terdapat autokorelasi.
4) Uji Multikolinearitas
 Fokuskan pada kolom Collinearity Statistics yang telah saya beri kotak
biru. Kesimpulannya nilai tolerance dan VIF akan selalu sama. Jadi pilih salah
satu saja. Jika menggunakan tolerance nilainya harus > 0,1. Jika menggunakan
VIF maka nilainya harus lebih kecil dari 10. Pada hasil tersebut dapat
disimpulkan tidak terjadi multikolineraitas karena nilai tolerance >0,1. Pada
model regresi yang bauk seharusnya tidak terjadi korelasi diantara variable bebas
atau tidak terjadi multikolinearitas.

3. Lakukan analisis uji t dan interpretasikan!

UJI t
1. Jika nilai sig < 0,05, atau t hitung > t tabel maka terdapat pengaruh variabel X dan
Y.
2. Jika nilai sig > 0,05, atau t hitung < t tabel maka tidak terdapat pengaruh variabel
X dan Y.
t tabel = t (α/2 ; n-k-1) = t (0,025 ; 27) = 2,052
4. Lakukan analisis uji F dan interpretasikan!
UJI F
1. Jika nilai sig < 0,05, atau F hitung > F tabel maka terdapat pengaruh variabel X
secara simultan terhadap variabel Y.
2. Jika nilai sig > 0,05, atau F hitung < F tabel maka tidak terdapat pengaruh
variabel X secara simultan terhadap variabel Y.

F tabel = F (k ; n-k) = F (2 ; 28) = 3,34

5. Hitung koefisien diterminasi dan interpretasikan!
Koefisien determinasi menunjukkan sejauh mana kontribusi variabel bebas dalam
model regresi mampu menjelaskan variasi dari variabel terikatnya. Koefisien
determinasi dapat dilihat melalui nilai R Square. Dari hasil didapatkan nilai R Square
sebesar 0,784 hal ini mengandung arti bahwa pengaruh variabel pengetahuan (X1)
dan sikap (X2) secara simultan terhadap variabel kepuasan (Y) adalah sebesar 79,9%.
6. DAFTAR PUSTAKA
Anggraeni, F. D., & Shanti, E. F. (2022). MODUL PEMBELAJARAN PRAKTIKUM
BIOSTATISTIKA. Yogyakarta: Universitas Jenderal Achmad Yani
Yogyakarta.
Santoso, S. (2018). Mahir statistik multivariat dengan SPSS. Elex Media Komputindo.
Hidayat, A. A. (2021). Cara Praktis Uji Statistik dengan SPSS. Health Books Publishing.
 LAPORAN PRAKTIKUM BIOSTATISTIKA

Praktikum Analisis Multivariate

Regresi Logistik

1. TUJUAN PRAKTIKUM
Agar mahasiswa mampu menguraikan analisis multivariate regresi logistik.
2. DASAR TEORI
Regresi Logistik adalah suatu metode analisis statistika untuk mendeskripsikan
hubungan antara variabel terikat yang memiliki dua kategori atau lebih dengan satu atau
lebih peubah bebas berskala kategori atau kontinu.
3. ALAT DAN BAHAN
a. Alat tulis
b. Komputer atau laptop
c. Kalkulator
4. LANGKAH PRAKTIKUM
1) Analyze -> Regression -> Binary Logistic. Kemudian masukkan variabel terikat ke
kotak dependent dan masukkan semua variabel bebas ke kotak Covariates.

2) Tekan tombol Save lalu centang Probabilities, Group membership,

Unstandardized dan Studentized kemudian klik Continue.
3) Tekan tombol Options lalu centang Classification plots, Homser-lemeshow
goodness-of-fit, Casewise listing residuals dan pilih Outliers outside dan isi dengan
angka 2, Correlation of estimates, Iteration history, CI for exp (B) dan isi dengan
95

4) Kemudian pad jendela utama, klik OK dan segera lihat Output anda.
5) Interpretasi Data
a) Uji kelayakan model

Hosmer and Lemeshow Test

Step Chi-square df Sig.
1 1.756 2 .416

H0 = Diketahui output dari hormer and lemeshow test 0,416<0,43 yang artinya
model tersebut layak

b) Besarnya nilai Exp (B)/odds ratio

Besarnya pengaruh ditunjukkan dengan nilai EXP (B) atau disebut juga dengan
ODDS RATIO (OR). Variabel X dengan OR 12,582 maka X lebih beresiko
 sebanyak 12,582 kali lipat dibandingkan yang tidak. (kode 0 variabel independen).
Nilai B = Logaritma Natural dari 12,582 = 2,532. Oleh karena nilai B bernilai
positif, maka anemia ibu hamil mempunyai hubungan positif dengan variabel.
c) Pseudo R Square

Model Summary
Step -2 Log Cox & Snell Nagelkerke R
likelihood R Square Square
1 33.774 a
.198 .267
a. Estimation terminated at iteration number 5
because parameter estimates changed by less
than .001.

Nilai Nagelkerke R Square sebesar 0, 267 dan Cox & Snell R Square 0, 198 yang
menunjukkan bahwa status gizi hanya mempengaruhi 0, 267 atau 26,7% pada
berat badan bayi baru lahir, dan terdapat 100% - 26,7 % = 73,3 % sisanya
dipengaruhi oleh faktor lain.

d) Pendugaan parameter

Variables in the Equation

B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Statusgizi 1.279 1.173 1.187 1 .276 3.592 .360 35.820
Step 1 AnemiaBumil 2.532 1.178 4.621 1 .032 12.582
a
1.250 126.605
Constant -1.467 1.152 1.622 1 .203 .231
a. Variable(s) entered on step 1: Statusgizi, AnemiaBumil.

- Dari tabel di atas terlihat nilai signifikan untuk variabel status gizi sebesar 0,276.
Angka tersebut lebih besar dari alpha penelitian (0,276 > 0,05). Artinya status gizi
tidak ada pengaruh dengan berat badan bayi baru lahir.
 - Dari tabel di atas terlihat nilai signifikan untuk variabel anemia ibu hamil sebesar
0,032. Angka tersebut lebih kecil dari alpha penelitian (0,032 < 0,05). Artinya
anemia ibu hamil berpengaruh dengan berat badan bayi baru lahir.

5. DAFTAR PUSTAKA

Anggraeni, F. D., & Shanti, E. F. (2022). MODUL PEMBELAJARAN PRAKTIKUM

BIOSTATISTIKA. Yogyakarta: Universitas Jenderal Achmad Yani
Yogyakarta.
Ahmaddien, I., & Syarkani, Y. (2020). Statistika Terapan dengan Sistem SPSS.
Djamaris, A. R. (2021). Pemanfaatan Regresi Logistik Ordinal dan Multinomial dengan
SPSS.