BIOSTATISTIK

UJI REGRESI LINEAR

Nama Kelompok :
Dede Aisyah Zahra (16022002)
Nur Alfisa (16022008)
Musrifah (16022013)
Putri Hidayatul Laila (16022027)
Uswatun Maulidya (16022029)
 Regresi secara umum adalah sebuah alat statistik
yang memberikan penjelasan tentang pola hubungan
(model) antara dua variabel atau lebih. Gujarati (2006)
mendefinisikan analisis regresi sebagai kajian terhadap
hubungan satu variabel yang disebut sebagai variabel
yang diterangkan dengan satu atau dua variabel yang
menerangkan.
Terdapat dua jenis regresi yang sangat terkenal,
yaitu regresi linier sederhana dan regresi linier
berganda.
Dalam analisis regresi dikenal 2 jenis variabel
yaitu:
1) Variabel Respon disebut juga variabel dependen.
2) Variabel Prediktor disebut juga dengan variabel
independen.
Tujuan
Uji Regresi linear sederhana
ataupun regresi linier berganda pada
intinya memiliki beberapa tujuan, yaitu:
1)Menghitung nilai estimasi rata-rata
dan nilai variabel terikat berdasarkan
pada nilai variabel bebas.
2)Menguji hipotesis karakteristik
dependensi
3)Untuk meramalkan nilai rata-rata
variabel bebas dengan didasarkan
Asumsi dan Persyaratan
Penggunaan Model
Regresi
Asumsi tersebut adalah:
1) Model regresi harus linier dalam parameter
2) Variabel bebas tidak berkorelasi
dengan disturbance term (Error) .
3) Nilai disturbance term sebesar 0 atau dengan
simbol sebagai berikut: (E (U / X) = 0
 Lanjutan..
4) Varian untuk masing-masing error
term (kesalahan) konstan
5) Tidak terjadi otokorelasi
6) Model regresi dispesifikasi secara benar. Tidak
terdapat bias spesifikasi dalam model yang
digunakan dalam analisis empiris.
7) Jika variabel bebas lebih dari satu, maka antara
variabel bebas (explanatory) tidak ada hubungan
linier yang nyata
Persyaratan
1) Model regresi dikatakan layak jika angka
signifikansi pada ANOVA sebesar < 0.05
2) Predictor yang digunakan sebagai variabel
bebas harus layak. Kelayakan ini diketahui jika
angka Standard Error of Estimate < Standard
Deviation
3) Koefesien regresi harus signifikan. Pengujian
dilakukan dengan Uji T. Koefesien regresi
signifikan jika T hitung > T table (nilai kritis)
4) Tidak boleh terjadi multikolinieritas, artinya
tidak boleh terjadi korelasi yang sangat tinggi
atau sangat rendah antar variabel bebas.
Lanjutan..
5) Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka
Durbin dan Watson (DB) sebesar < 1 dan > 3
6) Keselerasan model regresi dapat diterangkan dengan
menggunakan nilai r2 semakin besar nilai tersebut maka
model semakin baik.
7) Terdapat hubungan linier antara variabel bebas (X) dan
variabel tergantung (Y)
8) Data harus berdistribusi normal
9) Data berskala interval atau rasio
10) Kedua variabel bersifat dependen, artinya satu variabel
merupakan variabel bebas (disebut juga sebagai variabel
predictor) sedang variabel lainnya variabel tergantung
(disebut juga sebagai variabel response)
 Regresi Linear Sederhana
Bentuk umum dari persamaan regresi linier untuk populasi
adalah :

Y a bx
Di mana:
Y = Variabel takbebas
x = Variabel bebas
a = Parameter Intercep
b = Parameter Koefisisen Regresi Variabel Bebas
Langkah kerja :
1) Buka lembar kerja SPSS, kemudian klik variabel
view, pada bagian name pertama tuliskan
kelompok dan name kedua tuliskan nilai.
2) Untuk menguji kenormalan data, pilih
analyze, klik non parametic test,
setelah itu klik 1-sample K-S.
3) Masukkan variabel kualitas pelayanan
dan partus ke test variabel list. Pastikan
test distribusinya normal
4) Pilih analyze, regression dan klik linear
5) Pindahkan variabel dependent ke kolom
dependent dan variabel independent ke
kolom independent
6) Pilih metode enter.
7) Klik statistic, pilih durbin watson dan
casewise selain estimates dan model fit
8) Klik continue dan ok
9) Output SPSS
Regresi Linear Berganda

Secara umum model regresi linier berganda

untuk populasi adalah sebagai berikut:

Dimana 0, 1, 2,.. k adalah koefisien

atau parameter model
Sempel acak yang berukuran dengan model
regresi linier berganda untuk sampel, yaitu:

Dengan :
Langkah kerja :
1) Buka lembar kerja SPSS, kemudian klik variabel
view, pada bagian name pertama tuliskan
kelompok dan name kedua tuliskan nilai.
2) Untuk menguji kenormalan data, pilih
analyze, klik non parametic test,
setelah itu klik 1-sample K-S.
3) Masukkan variabel kualitas pelayanan ,
partus, biaya ke test variabel list.
Pastikan test distribusinya normal
4) Pilih analyze, regression dan klik linear
5) Pindahkan variabel dependent ke kolom
dependent dan variabel independent ke
kolom independent
6) Pilih metode enter.
7) Klik statistic, pilih durbin watson dan
casewise selain estimates dan model fit
8) Klik continue dan ok
9) Output SPSS