BIVARIAT
Sutanto priyo hastono
Tujuan Bivariat
mengetahui hubungan antara satu variabel
dengan variabel lain
NON PARAMETRIK
: DISTRIBUSI DATA TIDAK NORMAL
DETEKSI
KENORMALAN DATA
ANALISIS HUBUNGAN
KATEGORIK DNG NUMERIK
Uji t
Tuj: menguji perbedaan mean antara 2
kelompok
Uji t digunakan bila : var Kategoriknya
isinya harus dua nilai/kelompok
Mis : sex (pria, wanita), umur (tua, muda),
kinerja(baik, buruk)
Orang desa
Orang kota
intervensi
Pre test Post test
-Uji t independen : hubungan sex dng bbadan, hub sex dng umur,
hub bb1 dng umur
- Uji t dependen : hubungan peng1 dng peng2
Mis:
- Analisis hubungan pendidikan dengan berat bayi:
Apakah ada perbedaan mean berabt bayi antara ibu pendidikan sd,
smp, smu dan pt.
sd smp smu pt
ASUMSI : DISTRIBUSI DATA NORMAL DAN VARIAN HOMOGEN
BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI KRUSKAL WALLIS
Pemilihan uji
umur bbadan agama Sex Umur1 Bb1 Peng1 Peng2
23 56 2 1 2 1 50 67
34 78 3 2 3 2 45 65
56 76 4 2 1 1 65 63
45 56 1 1 2 2 56 68
dst 67
Kenapa hub sex dng berat badan tidak bisa uji anova ?
Kenapa hub sex dengan bb1 tidak bisa uji anova ?
Kenapa hub umur dng bbadan tidak bisa uji anova ?
perintah :Uji anova
Hasil Anova
Penyajian dan Interpretasi
ANALISIS HUBUNGAN
KATEGORIK DNG KATEGORIK
Uji Kai Kuadrat
Tuj: mengetahui perbedaan proporsi/persentase antara dua atau lebih
kelompok(sampel)
Mis:
- Uji hubungan kelas perawatan dng kepuasan pasien.
: Apakah ada perbedaan persentase kepuasan pasien antara
pasien kelas VIP, I dan II
Kenapa hub sex dng berat badan tidak bisa uji kai kuadrat ?
Kenapa hub agama dengan umur tidak bisa uji kai kuadrat ?
Kenapa hub umur dng bbadan tidak bisa uji kai kuadrat ?
Strategi Analisis :
Kotak Row diisi var. independen, kotak Coloumn diisi var. dep
Proses di spss:
Mis : apakah ada hubungan BB dng TD. Apakah hubngan kuat atau
lemah. Apakah hubungan pos atau neg
ASUMSI : DISTRIBUSI DATA NORMAL
BILA TDK TERPENUHI: UJI NON PARAMETRIK: KORELASI SPEARMAN
Uji Regresi Linier
Tujuan: memprediksi variabel dependen melalui variabel independen
- Var. dependen = variabel yang dipengaruhi
- Var. independen = variabel yang mempengaruhi
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)
R2 = R Square
R2 = r 2 x 100%
Kenapa hub sex dng berat badan tidak bisa uji korelasi ?
Kenapa hub agama dengan umur tidak bisa uji korelasi ?
Kenapa hub sex dng bb1 tidak bisa uji korelasi ?
KESIMPULAN BIVARIAT
Regresi Logistik:
Model matematis untuk menganalisis/memprediksi
variabel dependen kategorik (dichotom:sehat/sakit)
melalui variabel independen kategorik
Variabel dependen: kategorik
Variabel independen : kategorik
Regresi Logistik:
- Sederhana hanya satu variabel independen
- Ganda/multiple lebih dari satu variabel
independen
PERBEDAAN REGRESI LINIER DAN LOGISTIK :
1. Regresi linier
var dependen = numerik
var independen = numerik
Hasil prediksi : nilai/angka absolut
2. Regresi logistik
var dependen = kategorik
var independen = kategorik
Hasil prediksi : peluang /risiko
REGRESI LOGISTIK
1 1
P(Y ) (logY )
( a b )
1 Exp 1 Exp
Note:
Kerja : 0=bekerja 1=tidak bekerja
Eksklusif: 0=tidak eksklusif 1=ya eksklusive