Uji hipotesis korelatif

Independen ->

Dependen
v
• Harus datanya numerik sama numerik
• Tidak ada data dependen dan independen ->
tentang x sama y gitu
• Semakin tinggi nilai x nya semakin tinggi y nya
artinya korelasinya positif 1
• Nilai x nya rendah nilai y nya tinggi artinya
korelasinya negatif 1
• Kalau semuanya tidak terletak teratur jadi
agak jauh namnya korelasi nya 0.80
Korelasi Pearson
 Asumsi korelasi pearson
• Tidak terdapat variable dependen atau
independen
• Variabel harus berskala NUMERIK DENGAN
NUMERIK berdistribusi normal
• Umur skala datanya numerik sama rasio\
• Kreatini skala datanya numerik
 Langkah
• Uji normalitas data -> analyze – non parametric -> one
sample itu masukin umur sama bersihan kllik OK
• Hipotesis
– H0: umur dan bersihan kreatinin berditribusi normal
– Ha  umur dan bersihan kreatinin tidak berdisttribusi
norma
– Kesimpulan : h0 diterima karena 0,862 > 0,05 , 0,673>
0,05, data berdistribusi normal : sehingga memenuhi
syarat hipotesis korelasi
• Langkah
• interpretasi
 Langkah lanjutan
• Tujuan penelitian  mengehtahui adanya
hubungan atau korelasi antara umur pasien
dengan bersihan kreatinin (clearance creatinine)
• Hipotesis selalu dua arah
• H0  tidak terdapat korelasi antara umur dengan
CC
– Uji hipotesis r : simbolnya
• H0 : rho = 0
• H1  terdapat korelasi antara umur dengan CC
• Ha : rho tidak sama dengan 0
 Lanjut
• Langkah : analyze -> correlate ->bivariate  masukkan data yang akan
diuji si umur dan CC -> klik yang pearson sama two ytailed -> klik OK
• Interpretasi
– p value 0,073 >0,05  h0 diterima
– Kesimpulan : tidak ada korelasi antara umur dengan CC
– Kekuatan korelasi  r= -0,365 -> kekuatannya rendah arahnya negatif ->
artinya bersihan kreatinin meningkat sedangkan umur menurun atau
sebaliknya
• 0-0,25  sangat rendah
• 0,26-0,5  rendah Baik plus
• 0,51-0,75  sedang atau minus
• 0,76-1  kuat nilainya
• Korelasi bivariate : varian yang ada dua . Kalau distribusi nya norma pake
pearson kalau ga normal spearmen
• Arah hubungan  negatif  setiap
peningkatan x diikuti penurunan Y
• Disebut ada korelasi kalau kategorinya
SEDANG atau KUAT
Data korelasinya
ANALISISN REGRESI LINIER BERGANDA
DAN LOGISTIK
• ADA HUBUNGAN SEBAB AKIBAT X SEBABKAN Y
KALAU DI YANG ATAS ITU GA BISA TAU SIAPA
YANG SEBABIN X/Y
• Variabel x lebih dari satu kalau di berganda
 asumsi
• Varibel nya itu variabel yang wajib dipenuhi adalah variable
y dan berskala numerik bisa interval ataupun rasio dan
harus berdistribusi NORMAL
• Variabel x nya berskala minimal nominal
• Linieritas jadi harus dipastikan antara bvariabel independen
dan dependen ada hubungan linier dapat dilihat dari grafik
catterlot yang titik2 diatas itu
• Tidak ada multikolinieritas (antar varibel ) jadi x nya kan
lebih dari satu jadi ada x1 x2 x3 ini dia semuanya ke Y yang
namanya multikolinieritas ini antara x1 x2 x3 TIDAK BOLEH
ADA KORELASI kalau ada korelasi bis amengganggu
hubungan antara variabel x ke y nya
• Homoscesdaticity -> vairan dari data y sama denga x
 Uji regresi linier sederhana
• Tujuan :
– Mengetahui pengaruh umur ibu thdp BB bayi
– Memprediksi BB bayi melalui umur ibu
 langkah
• Uji normalitas data -> analyze – non prametric
-> ambl age sama BWT -> ok
• Uji regresi nya -> anyze  regression ->
masukkan bwt ke dependen terus age ke
independen -> yterus pencet statistic gterus
klik semuanya kecuali yang kiri bawah
• Hipotesis :
• H0: tidak ada pengaruh umur ibu terhdapat
bb bayi
• H1 terdapat pengaruh umur ibu thdp bb bayi
• Di coefficients liatnya
• Persamaan :
– Y(berat bayi ) = 2657,333 +12,364x(dikali umur ibu)
– Uji T : p value 0,219  tidak ada pengaruh umur ibu
tgdp BB bayi
• Asumsi :
– Lihat nilai tolerance dan VIF
– Jika tolerance > 0,10 dan VIF <10 maka -> tidak ada
mulitkolinieritas
– Uji regresi linier bisa dilanjtukan
 Sisaan saling bebas
• Liat dari model summary
 UJI LINIER BERGANDA
• Y (HARUS NUMERIK BERDISTRIBUSI NORMAL)=
bwt
• X(x disni boleh bebas ga harus numerik dan
baiknya harus normal juga)
– umur ibu
– races
– Smoke
– Hipertensi
– Uterus
– BB IBU
• Uji normalitas duluuu
• Jika tolerance <0,10 dan niai vif >10 maka
terdapat multikolinieritas
• 10-30 artinya moderate
• Jaid dari data ini tidak ada multikolinieritas
(liat di tabel coeficents)
• Jadi dari tabel coeffcient didapatkan
– BB Bayi lahir = 3139,609 – 1,525(age of mother) +
3,472 (weight of mother) – 190,315 (race) –
366,261(smoke) – 597,443(history of
hypertension) – 523,293 (presence of uterine
irrtability)
• Tabel anova nya dilihat
– Ternyata signifikansi nya 0,001 jadi regresi yang
kita punya fit atau baik
• Tabel model summary diliat
– Liat r square nya : 22,1%