Oleh:

Anwar, Dita, Erna

Program Studi Magister Biomedik

Fakultas Kedokteran Universitas Sumatera Utara
2011
Pendahuluan

Beberapa penelitian di bidang kedokteran sering ingin

menilai apakah ada hubungan antara dua variabel
(dependent dan independent) yang numerik.
contoh :
 Hubungan Index Massa Tubuh dengan kadar
kolesterol.
 Hubungan antara KGD dengan Kadar LDL pada pasien
DM.
 Analisis regresi  dapat diketahui bentuk
hubungan antara dua variabel (Prediksi dari data
yang ada).
 Analisis korelasi  untuk mengetahui eratnya
hubungan antara dua variabel.
 Semakin erat hubungannya maka semakin yakin
bahwa hubungan dua variabel tersebut adalah
hubungan sebab akibat.
 Analisis regresi dan korelasi didasarkan atas
hubungan yang terjadi antara dua variabel atau
lebih.
 Variabel yang digunakan untuk meramal
disebut variabel bebas (independen). Dapat
lebih dari satu variabel.

 Variabel yang akan diramal  variabel

respons (dependen). Terdiri dari satu
variabel.
A. Diagram Tebar (Scatter plot)
 Diagram tebar adalah diagram dengan memakai
garis koordinat dengan axis X dan ordinat Y.
 Tiap pengamatan diwakili oleh satu titik.
 Hubungan antara variabel dapat berupa garis lurus
(linier), garis lengkung (kurva linier) atau tdk
terlihat pola tertentu.
 Dapat berupa garis regresi positif atau negatif.
Contoh
 linier positif

 linier negatif
Kekuatan Hubungan
 Bila titik-titik menbar pada satu garis lurus, maka
kekuatan hubungan antara kedua variabel tersebut
sangat sempurna.
 Kekuatan hubungan dapat dikuantifikasi melalui
suatu koefisien yaitu koefisien korelasi (r pearson).
 Koefisien ini akan berkisar antara 0 – 1.
bila r = 0  tidak ada hubungan linier.
r = 1  hubungan linier sempurna.
0-1 = bila mendekati 1 semakin kuat
hubungannya, bila mendekati 0 semakin
lemah hubungannya.
 Lihat tandanya apakah korelasi positif atau negatif.
Interval Koefisien Tingkat Hubungan
0.000 – 0.199 Sangat rendah
0.200 – 0.399 Rendah
0.400 – 0.599 Sedang
0.600 – 0.799 Kuat
0.800 – 1.000 Sangat kuat
Rumus koefisien korelatif

(Pearson)

n(∑XY) – (∑X) (∑Y)

r=
√[(n∑X2) – (∑X)2] [(n∑Y2) – (∑Y)2]

Ket: n = jumlah sampel

X = nilai pada ordinat X
Y = nilai pada ordinat Y
Contoh..
No X (SGOT) Y (HDL) XY X2 Y2
1. 12.7 42.2 535.94 161.29 1780.84
2. 11.3 41.2 465.56 127.69 1697.84
3. 13.5 42.3 571.05 182.25 1789.29
4. 15.1 42.8 646.28 228.01 1831.84
5. 17.9 43.8 784.02 320.41 1918.44
6. 19.3 44.5 858.85 372.49 1980.25
7. 15.5 45.5 705.25 240.25 2070.25
∑ 105.3 302.3 4566.95 1632.39 13068.35
n(∑XY) – (∑X) (∑Y)
r=
√[(n∑X2) – (∑X) 2] [(n∑Y2) – (∑Y)2]

7 (4566.95) – (105.3) (302.3)

r= = 0.768
√[(7x1632.39) – (105.3)2] [(7x13068.35) – (302)2]
Scatter Plot
Hubungan Kadar SGOT dengan Kadar HDL
46

45

44
HDL

43

42

41

40
10 12 14 16 18 20
SGOT
 Kesimpulan hasil
 Dilihat dari besarnya r yang mendekati 1, maka
hubungan antara SGOT dengan HDL adalah kuat.
 Berpola linier positif
 Maka makin tinggi SGOT maka akan semakin
tinggi kadar HDL.
Koefisien Determinasi
 R = r2
 Yaitu besarnya proporsi variasi Y yang dapat dijelaskan
oleh variabel X.
 Apabila r = 1 maka R = 100%
X memegang peranan dalam perubahan Y. bila terjadi
perubahan X, maka Y akan berubah.

Pada kasus diatas r = 0.768 maka R = r2

R= (0.768)2 = 0.59  59%.
Hal ini berarti HDL dapat dijelaskan oleh Variabel SGOT
sebesar 59%.
Uji Hipotesis koefisien Korelasi
 Pengujian signifikansi Selain menggunakan tabel r, juga
dapat dihitung dengan uji t. rumusnya:

r√(n-2)
t=
√(1-r2) df= n-2
bila t hitung > t tabel, Ho di tolak
bila t hitung < t tabel, Ho diterima
B. Regresi Linier

 Persamaan garis Linier :

Y = a + bX
 Pada persamaan ini harus jelas dan tentukan mana
variabel Y (dependen) dan variabel X (independen).
Penetapan disesuaikan dengan tujuan analisis.
 Biasanya variabel Y  lebih sulit diukur
 Variabel X  lebih mudah diukur
 Mengapa?
 Karena dari persamaan garis regresi linier, kita dapat
melakukan banyak hal. Contohnya : menduga satu
nilai variabel dependen berdasarkan nilai variabel
bebasnya.
 Dari contoh kasus diatas, SGOT merupakan variabel
bebas dan HDL merupakan variabel terikat. Sehingga:
HDL = a + b SGOT

 Garis linier dapat digambarkan bila koefisien a dan b

diperoleh.
Metode kuadrat terkecil
n(∑XY) – (∑X) (∑Y)
b=
n∑(X)2 – (∑X)2
Koefisien b = besarnya perubahan nilai variabel Y
apakah nilai variabel X berubah sebesar satu unit
(satuannya)
Koefisien a = nilai awal/intercept  besarnya nilai
variabel Y, bila variabel X = 0
a = y - bx
 Maka dari contoh soal diatas dapat dihitung:

n(∑XY) – (∑X) (∑Y)

b=
n∑(X)2 – (∑X)2

7x4566.95 – (105.3x302.3)
b= = 0.403
7x1632.39 – (105.3)2

a= y – bX
= (302.3/7) – (0.403)(105.3/7) = 37.123

Maka HDL = 37.123 + 0.403 SGOT

Regresi Linier Ganda
 Contoh kasus diatas adalah Regresi linier sederhana.
 Hubungan 1 variabel dependen biasanya tidak hanya
dengan satu variabel saja.
 Variabel X lebih dari 1.
maka : Y = a + b1X1 + b2X2 + …….+bpXp
 Hasilnya sudah terkontrol koefisien b terhadap
variabel bebas lain yang berada dalam model.
 Dalam hal ini koefisien determinasi (R) cukup
penting. Untuk menjelaskan variabel X yang kita pilih
dapat menjelaskan vaiasi Y.
Soal…
 Seorang dokter ingin mengetahui apakah ada hubungan antara
berat badan seseorang dengan tinggi badan sesorang, untuk
keperluan tsb dilakukan penelitian terhadap 10 orang dengan data
sbb:
Tinggi (cm) Berat Badan (kg)
161 46
158 68
166 57
171 48
160 62
156 41
143 47
136 52
132 39
140 42
 Buat persamaan regresinya dan koefisien korelasinya!
 40 385
 20 400
 25 395
 20 365
 30 475
 50 440
 40 490
 20 420
 50 560
 40 525
 25 480
 50 510