UJI PARAMETRIK

(KORELASI &
REGRESI LINEAR SEDERHANA)

FITRI YANTI, SKM.,M.KES

UJI KORELASI
 UJI KORELASI
Mengetahui kuatnya hubungan antara
dua variabel

Prasyarat : Skala pengukuran variabel interval dan

rasio

Jenis Uji :
1. Uji Korelasi Pearson (data berdistribusi Normal)
2. Uji Korelasi Spearman (data berdistribusi tidak normal)
KEKUATAN KORELASI SECARA STATISTIK
Tingkat kekuatan korelasi nilai statistik

Sangat lemah 0,0 - 0,19

Lemah 0,2 - 0,39

Sedang 0,4 - 0,59

Kuat 0,6 – 0,79

Sangat Kuat 0,8 – 1,00

Interpretasi nilai p:
Jika nilai p > 0,05 maka korelasi tidak bermakna
Jika nilai p < 0,05 maka korelasi bermakna
 CONTOH PENGGUNAAN
UJI KORELASI

•Seorang peneliti ingin mengetahui

kebermaknaan hubungan dan seberapa
kuat hubungan lama rawat inap (dalam
hari) dari penderita penyakit kronis
tertentu disuatu rumah sakit dengan
usia (dalam tahun) dengan hasil seperti
pada tabel berikut.
Data Lama rawat inap pasien berdasarkan usianya
pasien hari usia
1 15 21
2 15 18
3 21 22
4 28 24
5 30 25
6 35 25
7 40 26
8 35 34
9 30 25
10 45 38
11 50 44
12 60 51
13 45 39
14 60 54
15 50 55
 Penyelesaian:
1.Input data ke dalam aplikasi
SPSS
2.Uji Normalitas
3.Misal, data berdistribusi
normal  uji korelasi
pearson
Langkah-langkah uji Korelasi Pearson

2 3
 Langkah-langkah uji Korelasi Pearson

7
Langkah-langkah uji Korelasi Pearson
 Interpretasi hasil:

• Dari hasil analisis korelasi pearson.

diperoleh:
1. Nilai p =0,000 < 0,05 yang
menunjukkan bahwa korelasi antara
usia dan rawat inap bermakna
2. Nilai korelasi Pearson sebesar 0,922
menunjukkan korelasi positif dengan
kekuatan korelasi yang sangat kuat.
 Cara Melaporkan
Tabel 1. Hasil Analisis Korelasi Pearson

Usia

r = 0,922

Lama rawat inap p < 0,05

n = 15

Uji Korelasi Pearson

 ANALISIS
REGRESI LINEAR SEDERHANA
 OUTLINE

Jenis regresi linear

Rumus/model hubungan
Prediksi regresi linear

Contoh Analisis
Regresi Linear
 JENIS REGRESI LINEAR
Regresi linear :
metode statistika yang digunakan untuk membentuk
model hubungan antara variabel terikat (dependen;
respon; Y) dengan satu atau lebih variabel bebas
(independen, prediktor, X)  memprediksi, tujuan
kontrol, melihat kontribusi

Regresi linear
sederhana Regresi linear
berganda
 UJI REGRESI LINEAR
Untuk mengestimasi nilai variabel terikat
dari nilai variabel bebas yang diketahui

• Prasyarat :
1. Skala variabel interval dan rasio
2. Ada korelasi linier antara variabel bebas
dengan variabel terikat
3. Variabel terikat berdistribusi normal
 Rumus prediksi
Regresi Linear sederhana

Y = a + bX

Ket. :
Y = nilai prediksi y untuk suatu nilai x tertentu
(variabel dependent)
X = nilai X yang dicoba (variabel independent)
a = nilai intercept
b = slope Y/X (koefisien arah regresi)
 CONTOH
ANALISIS REGRESI LINEAR SEDERHANA

• Suatu penelitian yang mengaitkan antara

kualitas air (parameter pH) dengan jarak
sumber air dengan sumber pencemar,
didapatkan 30 sampel data seperti pada
tabel berikut:
Pertanyaan:
• Tentukan model/rumus regresinya!
• Seberapa besar kontribusi jarak sumber air
terhadap kualitas air?
No JARAK (X) PH (Y)
1 4 4
2 2 2
3 6 6
4 7 6
5 11 7
6 4 4
7 13 9
8 10 8
9 7 6
10 5 3
11 10 7
12 9 6
13 8 6
14 12 7
15 13 10
16 10 8
17 12 7
18 9 7
19 8 7
20 5 5
21 8 7
22 9 8
23 14 11
24 15 10
25 14 9
26 14 9
27 16 11
28 10 7
29 7 6
30 6 6
 Penyelesaian:

1. Input data ke
dalam aplikasi
SPSS
2. Lakukan Analisis Regresi
1

2
3
2. Lakukan Analisis Regresi
4

6
OUTPUT SPSS
 Interpretasi Hasil
1. Pada output “model summary”, kita memperoleh
informasi seberapa besar kontribusi variabel bebas
terhadap variabel terikat. Diperoleh nilai adjusted
R square = 0, 857. Hal ini berarti, jarak sumber
air berkontribusi terhadap kualitas air (PH)
sebesar 85,7%.
2. Pada output “coefficients”, kita memperoleh
informasi angka koefisien untuk rumus regresi.
Karena nilai p value < 0,05 maka koefisien dapat
digunakan pada rumus. Sehingga rumus regresinya
yaitu :
PH air = 1,837 + 0,554*jarak
“ dan janganlah kamu berjalan di muka bumi
ini dengan sombong, karena sesungguhnya
kamu sekali-kali tidak dapat menembus bumi
dan sekali-kali kamu tidak akan sampai
setinggi gunung” (Al-Isra’ : 37)

Berhati-hatilah dengan sifat

SOMBONG !!!
THANK
Ingat.. YOU
di atas langit masih ada langit
^_^