RISKA FERDIAN

KESEHATAN MASYARAKAT 4B
UIN SYARIF HIDAYATULLAH JAKARTA
2010
KORELASI DAN REGRESI LINIER
 Hubungan dua variabel numerik

Derajat keeratan Bentuk

hubungan
hubungan
Hubungan Korelasi jika dilihat dari scatter
diagram

•Semakin rapat tebarannya, semakin kuat hubungannya.

• Semakin melebar tebarannya,semakin lemah hubungannya.
• linier positif terjadi bila kenaikan variabel satu diikuti kenaikan
variabel yang lain.
• linier negatif terjadi bila kenaikan variabel yang satu diikuti
penurunan variabel yang lain.
 Utk mengetahui lebih tepat besar/derajat hubungan dua
variabel digunakan Koef. Korelasi Pearson Product
Moment.

 Koefisien Korelasi bersimbol “r”

Nilai ‘r’ berkisar antara 0-1. bila disertai arah nilainya antara -1 s.d +1
r= 0  tdk ada hubungan
r= -1  hub. Linier negatif sempurna
r= + 1 hub. Linier positif sempurna
Kekuatan hubungan menurut Colton

 r= 0,00 – 0,25  tdk ada hub/hub.lemah

 r= 0,26 – 0,50  hub.sedang

 r=0,51-0,75hub.kuat

 r=0,76-1,00 hub.sgt kuat

Uji hipotesis

 Koef.korelasi adlh langkah awal utk menjelaskan

derajat hub.linier antara 2 variabel. Langkah
selanjutnya adl uji hipotesis.
 2 cara:
 Membandingkan nilai r hitung dengan r tabel

 Menggunakan pengujian dengan pendekatan

distribusi t, formulanya:
 Regresi Linier Sederhana
 Tujuan:
Utk membuat perkiraan (prediksi) nilai suatu variabel
(variabel dependen) melalui variabel lain (variabel
independen)

 Contoh:
Ingin menghubungkan BB (variabel independen) dgn tekanan
darah(variabel dependen). Dengan regresi kita dpt
memperkirakan besarnya tekanan darah apabila mengetahui
BB.
Cont……….
 Metode Kuadrat kecil
Karena hub X dan Y pada ilmu sosial atau kesmas tdk eksak, pers
garis yg dibentuk menjadi:

a = Y-bX
Y= a +bx+e

Y=var.dependen

X=var.Independen

a=intercept, perbedaan besarnya rata2 var Y saat Var X = 0

b=Slope, perkiraan besarnya perubahan nilai var Y bila var X berubah satu unit
pengukuran
Kesalahan Standar Estimasi ( Standar
Error of Estimate/Se)

 Semakin kecil Se,semakin tinggi ketepatan estimasi

utk menjelaskan nilai var dependen ssungguhnya.
 Semakin besar Se, semakin rendah ketepatan
estimasi utk menjelaskan nilai var dependen
ssungguhnya.
Koefisien determinasi (R2)
 Dapat dihitung dgn menguadratkan nilai ‘r’

 R2=r2

 Koefisien determinasi (R2) berguna untuk mengetahui

seberapa besar var. dependen (Y) dapat dijelaskan oleh
var.independen (X).
 Semakin besar R2,semakin baik/semakin tepat var.
independen (X) memprediksi var. dependen (Y).
 Besarnya R2 antara 0-1 atau 0%-100%
 Sumber:
Sabri luknis, Sustanto Priyo Hastono. Statistik
Kesehatan. Jakarta: Rajawali Press. 2008
Terima Kasih