UJI HIPOTESIS

DR. MITRA, SKM, MKM

LANGKAH-LANGKAH UJI
I. MENETAPKAN HIPOTESIS
Ho : Tidak Ada perbedaan var X dg var Y , μ1 = μ 2
Tidak Ada hubungan var X dg var Y

Ha : Ada perbedaan var X dg var Y , μ1 ≠ μ2 hipotesis dua

Ada hubungan var X dg var Y arah (two tail)

rata rata kel 1 lebih besar dari kel 2, μ1 > μ2

 pihak kanan
Hipotesis satu
rata rata kel 1 lebih kecil dari kel 2, μ1 < μ2 arah (one tail)
 pihak kiri
Hipotesis satu arah (one tail)
II. MEMILIH UJI STATISTIK
berdasarkan :
a. Distribusi data, apakah berdistribusi normal
atau tidak normal
b. Jenis data/ variabel yg diteliti, apakah
merupakan variabel numerik atau kategorik
c. Sampel yang digunakan, apakah sampel
tersebut independen atau dependen
(berpasangan)
Tujuan Bivariat
 mengetahui hubungan antara satu variabel
dengan variabel lain

◦ Apakah pendidikan ibu mempengaruhi ibu

untuk memeriksakan kehamilannya ?

Uji Hipotesis => signifikan atau tdk signifikan ?

Signifikan : secara statistik atau substansi ?

Mis : menguji perbedaan penurunan tek darah

antara obat A dan Obat B, hasil survei:
Obat A rata-2 turun tek darah 30 mmHg
Obat B rata-2 turun tek darah 32 mm Hg
Hasil uji Signifikan (p value = 0,003), artinya
secara statistik bermakna, tapi apakah
Secara Substansi ada perbedaan ?
JENIS UJI STATISTIK
(BIVARIAT)
Variabel 1 variabel2 Uji parametrik Uji non
parametrik
Numerik Katagorik (2 Uji T Man Whitney
Kelompok) Tidak Independen
berpasangan
(INDEPENDEN)
Katagorik (2 Uji T Dependen Uji Tanda (sign
Kelompok) test)
Berpasangan Wilcoxon
(DEPENDEN)
Kategorik (lebih Uji Anova Khuskal Wallis
dari 2 Kelompok)
Kategorik Kategorik Uji Chi Square Uji Fisher exact
Numerik Numerik Uji Korelasi Uji Spearman
Tujuan : untuk
menguji Bila Salah satu variabelnya numerik
perbedaan rata- Tidak
Ya
rata
Distribusi Normal ?
Uji Uji Non
Parametrik Parametrik

Sampel berpasangan
Sampel Tidak Berpasangan
(dependen)
(Independen)

UJI T
DEPENDEN
Lebih dari 2
2 Kelompok Kelompok

Uji F
Varians Uji Levene Varians UJI ANOVA
sama Berbeda

UJI T VARIANS SAMA UJI T VARIANS

BERBEDA
 UJI CHI SQUARE
Tabel Kontigensi / Tabel Silang
(B X K)

TABEL 2 X 2 TABEL BUKAN 2 X 2

SYARAT UJI CHI SQUARE : TIDAK BOLEH NILA E < 5 LEBIH DARI 20 %

TDK TERPENUHI TERPENUHI TDK TERPENUHI TERPENUHI

UJI FISHER EXACT CHI SQUARE PENGABUNGAN Pearson Chi

(continuity SEL Square
correction)
III. MENENTUKAN BATAS
KEMAKNAAN ( α)
 levelof significans α (ALPHA)
 1% (0,01), 5 % (0,05), 10% (0,10)
IV. KEPUTUSAN UJI
STATISTIK
 Pendekatan Probabilitas
Bila p value ≤ α  Ho di tolak
Bila p value > α  Ho gagal di tolak / diterima

Pendekatan Klasik
Nilai hitung > Nilai Tabel  Ho ditolak
Nilai hitung < Nilai Tabel  Ho diterima
P value
 nilai yg menunjukkan besarnya peluang salah
menolak Ho dari data penelitian
 nilai besarnya peluang hasil penelitian tjd

karena faktor kebetulan (by chance) akibat

dari variasi random.
 Harapannya p value sekecil2nya.
Pengkodean Variabel

Untuk mendapatkan nilai OR yg benar :

 Kode harus konsisten antara variabel independen dengan
dependen
 Variabel dependen yg menjadi pokok bahasan/kasus sebaiknya
di kode 1 sedangkan bagian yang sebaliknya diberi kode 0
 Variabel independen harus konsisten kodenya ngikuti variabel
dependen, kelompok expose/penyebab kasus diberi kode 1,
kelompok non expose/non penyebab diberi kode 0
Contoh:
- var. dep : kanker paru : ya (diberi kode 1), tidak (kode 0)
- var. indep. :
merokok : ya (diberi kode 1), tidak (kode 0)
perilaku ; baik (diberi kode 0), buruk (kode 1)
Tentukanlah Uji Statistik
 Seorang peneliti ingin mengetahui efek latihan
aerobik terhadap penurunan kadar kolesterol LDL
pada orang dewasa normal. Pada penelitian awal
dilakukan pengukuran pertama kadar kolesterol LDL
sebelum diberikan latihan aerobik. Setelah empat
minggu latihan aerobik dilakukan pengukuran yang
kedua.

 Suatu penelitian ingin mengetahui hubungan antara

status anemia dengan Berat Badan Bayi Lahir. Status
anemia dibagi menjadi dua kategori yaitu anemia dan
tidak anemia. Sedangkan Berat Badan Bayi Lahir
dibagi menjadi BBLR dan BBLN
 Suatu studi dilakukan di daerah pedesaan. Ingin mengetahui
apakah ada perbedaan Berat Badan anak yang dilahirkan
dengan memberikan makanan tambahan pada ibu-ibu selama
kehamilannya. Ibu yang datang ke klinik diacak dan
dikelompokkan menjadi kelompok yang menerima makanan
tambahan dan kelompok yang tidak menerima makanan
tambahan.

 Seorang peneliti ingin mengetahui apakah ada perbedaan

kadar Hb dengan menggunakan 3 metode pemeriksaan yaitu
metode A, Metode B dan Metode C

 Suatu penelitian ingin mengetahui hubungan antara kadar

ureum dengan kadar tripsin serum.
PENGOLAHAN DATA DG SPSS
UJI T INDEPENDEN
LANGKAH2 :
1. ANALYZE
2. COMPARE MEANS
3. INDEPENDENT SAMPEL T
4. MASUKKAN VARIABEL NUMERIK KE DALAM KOTAK TEST
VARIABEL
5. MASUKKAN VARIABEL KATEGORI KE DALAM GROUPING
VARIABEL
6. AKTIFKAN DEFINE GROUP
7. KETIK 1 UTK KOTAK GROUP 1
8. KETIK 2 UTK KOTAK GROUP 2
9. OK
ANALISIS UJI BEDA MEAN (T Test)
(SPSS)
Tujuan penelitian : mengetahui hubungan
berat badan ibu dengan pemberian ASI
eksklusif

 Berat badan ibu : Numerik

 ASI eksklusif : Kategorik
 Numerik dg kategorik (2 Kelompok)

 UJI T Independen
 Group Statistics

Std. Error
eksklu N Mean Std. Deviation Mean
bbibu tdk eksklusif 23 58.09 9.723 2.027
eksklusif 23 55.00 8.090 1.687

Rata-rata berat badan ibu yang menyusui

eksklusif adalah 55 kg dg sd 8.09 kg,
sedangkan utk ibu yg tidak menyusui
eksklusif adl 58.09 kg dg sd 9.273 kg
 Independent Samples Test

Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
bbibu Equal variances
1.642 .207 1.170 44 .248 3.087 2.637 -2.228 8.402
assumed
Equal variances
1.170 42.593 .248 3.087 2.637 -2.233 8.407
not assumed

Utk melihat uji kesamaan varian  uji levene. Pvalue

> alpha (0.05)  varian sama.
Pada hasil analisis, pvalue utk uji levene adl 0,207
varian sama.
Selanjutnya di cari uji t utk varian sama (equal
varians), di kolom sig ( 2 tailed) p =0, 248, artinya
tidak ada perbedaan yang signifikan rata-rata berat
ibu antara ibu yang menyusui eksklusif dengan ibu
yang tidak menyusui eksklusif.
Contoh Interpretasi
 Rata-rata berat badan ibu yang menyusui
eksklusif adalah 55 kg dg sd 8.09 kg,
sedangkan utk ibu yg tidak menyusui
eksklusif adl 58.09 kg dg sd 9.273 kg. Uji
Statistik dengan menggunakan uji t
independent menunjukkan bahwa tidak ada
perbedaan yang signifikan rata-rata berat ibu
antara ibu yang menyusui eksklusif dengan
ibu yang tidak menyusui eksklusif (p =0,
248).
Uji T DEPENDEN
 Langkah – langkah :
1. Analyze
2. Compare means
3. Paired sample t
4. Masukkan kedua variabel yang di uji
kedalam kotak Paired Variabels
5. OK
UJI T DEPENDEN (T paired)
 Tujuan penelitian : mengetahui perbedaan
kadar Hb antara pengukuran pertama dengan
pengukuran ke dua
 Kadar Hb  Numerik
 Pengukuran pertama dan kedua : Kategorik

(paired/berpasangan)
 Uji T dependen/berpasangan/paired
 Paired Samples Statistics

Std. Error
Mean N Std. Deviation Mean
Pair hb1 10.2283 46 1.35657 .20002
1 hb2 10.7609 46 .97786 .14418

Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 hb1 - hb2 -.53261 .98117 .14467 -.82398 -.24124 -3.682 45 .001

Rata-rata kadar Hb pada pengukuran pertama adl 10,23 gr % dg s.d

1,36 gr%. Pada pengukuran kedua rata-rata kadar Hb adalah 10,76
gr% dg s.d 0,98 gr%. Terlihat nilai mean perbedaan antara
pengukuran pertama dg kedua adalah 0,533 gr% dg sd 0,981 gr%.
Hasil uji statistik didapatkan nilai 0.001 maka dapat disimpulkan
ada perbedaan yang signifikan antara kadar Hb pertama dan kedua.
UJI ANOVA
 Langkah-langkah
1. Analyze

2. Compare means

3. One way ANOVA

4. Masukkan variabel numerik ke dalam Dependent

List
5. Masukkan variabel Kategorik ke dalam Faktor List

6. Aktifkan kotak Post Hoc

7. Pilih Banferonni

8. Continue

9. OK
UJI ANOVA (SPSS)
Tujuan Penelitian : mengetahui hubungan
tingkat pendidikan ibu dengan berat badan
bayi baru lahir.

Tingkat pendidikan : SD, SMP, SMA dan PT (4

kategori)
Berat badan bayi  Numerik
 Uji nya adalah UJI ANOVA
 Descriptives

bbbayi
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
SD 9 2511.11 226.078 75.359 2337.33 2684.89 2100 2900
SMP 10 2720.00 252.982 80.000 2539.03 2900.97 2100 3000
SMA 15 3440.00 277.231 71.581 3286.47 3593.53 3000 4000
Perguruan Tinggi 12 3666.67 465.800 134.465 3370.71 3962.62 2900 4100
Total 46 3160.87 566.266 83.491 2992.71 3329.03 2100 4100

Pada kolom descriptives, diperoleh nilai rata-rata dan standar

deviasi pada masing-masing tk. Pendidikan.

Rata-rata berat badan bayi utk ibu yg berpendidikan SD adalah

2511,11 gr dg s.d 226.078 gr. Pada ibu yg berpendidikan
SMP, rata-rata berat badan bayinya adl 2720 gr dg sd
252.98 gr. Utk ibu yg berpendidikan SMA, rata-rata berat
badan bayi adalah 3440 gr sd 277,231 gr, sedangkan ibu
yang berpendidikan PT adalah 3666,67 gr sd 465.8 gr
 ANOVA

bbbayi
Sum of
Squares df Mean Square F Sig.
Between Groups 9982010 3 3327336.554 31.421 .000
Within Groups 4447556 42 105894.180
Total 14429565 45

Pada hasil uji anova, dapat di ketahui dari

kolom “F” dan “Sig”. P value (pada kolom sig)
adalah 0,001, artinya ada perbedaan berat
badan bayi di antara ke empat jenjang
pendidikan.
 Multiple Comparisons

Dependent Variable: bbbayi

Bonferroni

Mean
Difference 95% Confidence Interval
(I) didik (J) didik (I-J) Std. Error Sig. Lower Bound Upper Bound
SD SMP -208.889 149.517 1.000 -622.90 205.13
SMA -928.889* 137.207 .000 -1308.82 -548.96
Perguruan Tinggi -1155.556* 143.494 .000 -1552.89 -758.22
SMP SD 208.889 149.517 1.000 -205.13 622.90
SMA -720.000* 132.850 .000 -1087.86 -352.14
Perguruan Tinggi -946.667* 139.334 .000 -1332.48 -560.85
SMA SD 928.889* 137.207 .000 548.96 1308.82
SMP 720.000* 132.850 .000 352.14 1087.86
Perguruan Tinggi -226.667 126.032 .476 -575.65 122.32
Perguruan Tinggi SD 1155.556* 143.494 .000 758.22 1552.89
SMP 946.667* 139.334 .000 560.85 1332.48
SMA 226.667 126.032 .476 -122.32 575.65
*. The mean difference is significant at the .05 level.

Uji Multiple comparisons berguna utk menelusuri lebih lanjut

kelompok mana saja yang berhubungan signifikan (yang
berbeda signifikan)
 Dapat dilihat pada kolom “sig”. Ternyata kelompok yang
signifikan adalah SD dg SMA, SD dg PT, SMP dg SMA, SMP dg
PT.
Contoh Interpretasi pada laporan
penelitian
Tabel ……
Distribusi Rata-rata Berat Bayi Menurut Tingkat
Pendidikan di …..Tahun …..
Variabel Mean SD 95% CI P value
-SD 2511.11 226.078 2337.33-2684.89 0.000
-SMP 2720.00 252.982 2539.03-2900.97
-SMU 3440.00 277.231 3286.47-3593.53
-PT 3160.87 465.800 3370.71-3329.03
Rata-rata berat badan bayi utk ibu yg berpendidikan
SD adalah 2511,11 gr dg s.d 226.078 gr. Pada ibu
yg berpendidikan SMP, rata-rata berat badan
bayinya adl 2720 gr dg sd 252.98 gr. Utk ibu yg
berpendidikan SMA, rata-rata berat badan bayi
adalah 3440 gr sd 277,231 gr, sedangkan ibu
yang berpendidikan PT adalah 3666,67 gr sd 465.8
gr. Uji Statistik dg uji Anova menunjukkan bahwa
ada perbedaan berat badan bayi di antara ke empat
jenjang pendidikan (p=0,000). kelompok
yangberbeda signifikan adalah SD dg SMA, SD dg
PT, SMP dg SMA, SMP dg PT.
UJI CHI SQUARE
LANGKAH-LANGKAH
1. ANALYZE
2. Descriptives statistics
3. Crosstabs
4. Masukkan variabel independent ke dalam kotak
Rows
5. Masukkan variabel dependen ke dalam kotak Colums
6. Klik Statistik, pilih Chi Square
7. Aktifkan kotak Cell, pilih Observer (utk menambilkan
nilai observer)
8. Continue
9. Ok
UJI CHI KUADRAT (SPSS)
 Tujuan Penelitian : mengetahui hubungan
status pekerjaan ibu dg pemberian ASI
ekslusif

 Pekerjaan : dibagi 2 kategori : bekerja dan

tidak bekerja
 Pemberian ASI eksklusif : ya (ASI eksklusif)
dan tidak ASI eklusif)
 Data Kategori dg Kategori  UJI CHI
SQUARE
 kerja * eksklu Crosstabulation

eksklu
tdk eksklusif eksklusif Total
kerja bekerja Count 16 7 23
% within kerja 69.6% 30.4% 100.0%
tidak bekerja Count 7 16 23
% within kerja 30.4% 69.6% 100.0%
Total Count 23 23 46
% within kerja 50.0% 50.0% 100.0%

hasil analisis diperoleh bahwa ada sebanyak 7

ibu (30,4%) yg bekerja menyusui eksklusif
sedangkan pada ibu yang tidak bekerja,
terdapat 16 ibu (69,6%) yang menyusui
eksklusif
 Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 7.043b 1 .008
a
Continuity Correction 5.565 1 .018
Likelihood Ratio 7.235 1 .007
Fisher's Exact Test .017 .009
Linear-by-Linear
6.890 1 .009
Association
N of Valid Cases 46
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 11.
50.

Pvalue dpt diketahui pada colom sig.

Utk table 2X2  continuity correction.
Bukan tabel 2x2  Pearson Chi Square
Kalau nilai E > 20 % (utk 2x2)  Fisher exact
Pada uji chi square, didapatkan pvalue adalah
0,018 artinya ada hubungan yang signifikan
status pekerjaan ibu dengan pemberian ASI
eksklusif
 Risk Estimate

95% Confidence
Interval
Value Lower Upper
Odds Ratio for kerja
5.224 1.488 18.347
(bekerja / tidak bekerja)
For cohort eksklu = tdk
2.286 1.164 4.487
eksklusif
For cohort eksklu =
.438 .223 .859
eksklusif
N of Valid Cases 46

Diperoleh POR (prevalence Odds Rasio) =

5.224 artinya ibu yang tidak bekerja
mempunyai peluang 5.224 kali utk menyusui
eksklusif dibandingkan dengan ibu yang
bekerja
 Contoh Interpretasi pada laporan
penelitian
Tabel ……
Distribusi Responden Menurut Tingkat Status Pekerjaan dan
Pemberian ASI Eksklusif di …..Tahun …..

Menyusui
Tdk Total
Jenis Eksklusif
eksklusif OR
Pekerjaa P value
n % n % n % (95% CI)
n

Bekerja 16 69.6 7 30.4 23 100 5.224 0,018

Tidak 7 30.4 16 50.0 23 100 (1.488-
Bekerja 18.347)
Total 23 50.0 23 50.0 46 100
hasil analisis diperoleh bahwa ada sebanyak 7 ibu
(30,4%) yg bekerja menyusui eksklusif sedangkan
pada ibu yang tidak bekerja, terdapat 16 ibu
(69,6%) yang menyusui eksklusif. Dengan kata lain
proporsi ibu yang bekerja lebih sedikit yang
menyusui eksklusif dibandingkan dengan ibu yang
tidak bekerja. Uji Chi square menunjukkan bahwa
ada hubungan yang signifikan status pekerjaan ibu
dengan pemberian ASI eksklusif (p= 0,018). Nilai
OR yang diperoleh adalah 5.224 artinya ibu yang
tidak bekerja mempunyai peluang 5.224 kali utk
menyusui eksklusif dibandingkan dengan ibu yang
bekerja.
UJI KORELASI DAN REGRESI LINEAR
SEDERHANA
UJI KORELASI :
Langkah-langkah :
1. Analyze
2. Correlate
3. Bivariate
4. Masukkan ke dua variabel numerik ke dalam
kotak Variabel
5. OK
UJI REGRESI LINEAR
 Analyze
 Regression
 Linear
 Masukkan variabel dependent ke dalam kotak

Dependent
 Masukkan variabel independent ke dalam

kotak Independent
 ok
UJI KORELASI DAN REGRESI (SPSS)
Tujuan penelitian : mengetahui hubungan
berat badan ibu dengan berat badan bayi.

Berat badan Ibu (X) : data Numerik

Berat badan Bayi (Y): data Numerik
Data Numerik dihubungkan dengan data
numerik  UJI KORELASI DAN REGRESI
 Correlations

bbibu bbbayi
bbibu Pearson Correlation 1 .693**
Sig. (2-tailed) .000
N 46 46
bbbayi Pearson Correlation .693** 1
Sig. (2-tailed) .000
N 46 46
**. Correlation is significant at the 0.01 level
(2-tailed).
Hasil analisis didapatkan nilai r adalah 0.693 dg
pvalue=0.000, artinya hubungan berat badan ibu
dengan berat badan bayi menunjukkan hubungan
yang kuat dan berpola positif artinya semakin
bertambah berat badan ibu semakin berat berat
badan bayi. Hasil statistik menunjukkan hubungan
yang signifikan antara berat badan ibu dengan
berat badan bayi (p=0.000)
 Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .693a .480 .468 413.126
a. Predictors: (Constant), bbibu

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 6919951 1 6919950.655 40.545 .000a
Residual 7509615 44 170673.058
Total 14429565 45
a. Predictors: (Constant), bbibu
b. Dependent Variable: bbbayi

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 691.900 392.501 1.763 .085
bbibu 43.665 6.857 .693 6.368 .000
a. Dependent Variable: bbbayi
Dari hasil diatas, yg dapat diinterpretasikan
dg mengkaji nilai-nilai yang penting dalam
regresi linear antara lain : koefisien
determinasi, persamaan garis dan p value.
Nilai koefisien determinasi dapat dilihat dari
nilai R square (pada tabel “model summary”)
yaitu sebesar 0.480 atau 48%. Artinya
variasi berat badan bayi dapat dijelaskan
oleh berat badan ibu adalah sebesar 48%,
dg kata lain variabel berat badan ibu dapat
memprediksikan berat badan bayi sebesar
48%, sisanya dipengaruhi oleh faktor lain.
Selanjutnya pada tabel anova diperoleh nilai p
(pada kolom “sig”) sebesar 0,000, berati
dengan alpha 5% kita dapat menyimpulkan
bahwa model regresi cocok (fit) dengan data
yang ada.
Persamaan garis regresi dapat dilihat pada
tabel “coefficient” yaitu pada kolom B. Dari
hasil didapatkan nilai constant (a) = 691,9
dan nilai b= 43.665
Persamaan garis regresinya adalah
Y=a+bX
BB bayi = 691.9 + 43.665 BB Ibu

Dari persamaan tsb, berat badan bayi dapat

diprediksikan jika kita ketahui BB ibu.
Contoh BB ibu = 50 kg, maka prediksi BB bayi
adalah : 691.9 + 43.665 (50) = 2875.15
Jadi dapat diprediksikan, jika BB ibu = 50 Kg
maka diprediksikan BB bayi adalah 2875,15
gram.
 Contoh interpretasi pada laporan
penelitian
Tabel ……
Analisis Korelasi dan Regresi Berat Badan Ibu
dengan Berat badan Bayi
di….. Tahun ….

Variabel R R2 Persamaan Garis Pvalue

Berat Badan Ibu 0,693 0,480 BB Bayi = 691.9 + 43.665 0.000

BB ibu
Hubungan berat badan ibu dengan berat badan bayi
menunjukkan hubungan kuat (r=0.693 ) dan berpola
positif artinya semakin bertambah berat badan ibu
semakin berat berat badan bayinya. Nilai koefisien
determinasi adalah 0.480 atau 48%, artinya variasi
berat badan bayi dapat dijelaskan oleh berat badan
ibu adalah sebesar 48%, dg kata lain variabel berat
badan ibu dapat memprediksikan berat badan bayi
sebesar 48%, sisanya dipengaruhi oleh faktor lain.
Hasil uji statistik menunjukkan ada hubungan yang
signifikan berat badan ibu dengan berat badan bayi
(p=0.000)
 Uji Korelasi
= mengetahui besar dan arah hubungan dua variabel numerik

Korelasi diketahui dng koef r yg nilainya: -1 s/d +1

 Arah hubunga : positip /negatip
 Besar/kekuatan hub : kuat /lemah

r : 0,00 – 0,25 : lemah

r : 0,26 – 0,50 : sedang
r : 0,51 – 0,75 : kuat
r : 0,76 – 1 : sangat kuat

Mis : apakah ada hubungan BB dng TD. Apakah hubngan kuat

atau lemah. Apakah hubungan pos atau neg
 Uji Regresi Linier
Tujuan: memprediksi variabel dependen melalui variabel
independen
 Var. dependen = variabel yang dipengaruhi

 Var. independen = variabel yang mempengaruhi

Utk prediksi – persaman garis : y = a + bx

y = variabel dependen
x = variabel independen
a = intercep : besarnya nilai y bila nilai x=o
b = slope : besarnya perubahan nilai y bila variabel x berubah
setiap satu satuan
Ciri regresi linier  var. dependen berbentuk numerik
 Koefisien Determinasi (R2)
: variasi variabel dependen dapat dijelaskan oleh variasi variabel independen
: besarnya variabel independen mempengaruhi variabel dependen

R2 = R Square

R2 = r 2 x 100%

nilainya berkisar 0 – 100%

Misal hubungan BB dng TD dihasilkan R2 = 0,678

Artinya :
 Variasi variabel berat badan dapat menjelaskan variasi tekanan darah sebesar
67,8 %
 Variabel berat badan mempengaruhi variabel tekanan darah sebesar 67,8 %
 SEKIAN
TERIMA KASIH