TEKNIK ANALISIS DAN STATISTIK GIZI LANJUT

(ANALISIS REGRESI LINIER BERGANDA)

PENGARUH
PENGARUH KUNJUNGAN
KUNJUNGAN IBU
IBU HAMIL
HAMIL (K4),
(K4),
PEMBERIAN
PEMBERIAN FE FE (90
(90 TABLET),
TABLET), RUMAH
RUMAH
TANGGA
TANGGA BER-PHBS
BER-PHBS DAN
DAN PERSALINAN
PERSALINAN
DITOLONG
DITOLONG NAKES
NAKES TERHADAP
TERHADAP KEJADIAN
KEJADIAN
BBLR
BBLR DI
DI KOTA
KOTA SURABAYA
SURABAYA TAHUN
TAHUN 2018
2018

Ulfa Al Uluf
102014153015
 Data diperoleh dari profil kesehatan 2018
Kota Surabaya

variable independet :
- Kunjungan ibu hamil (K4)
- Pemberian Fe (90 tablet)
- Rumah Tangga ber PHBS
- Persalinan ditolong Tenaga Kesehatan

variable dependent :
kejadian BBLR

Tujuan :
Untuk mengetahui pengaruh variable independen
terhadap variable dependen

Analisa :
uji Regresi Linier Berganda (data %)
 Data view
Variabel view
 1. UJI NORMALITAS (UJI K-S)
2. UJI PERSAMAAN REGRESI
UJI REGRESI LINIER 3. UJI KEMAKNAAN MODEL
(UJI F)
4. UJI KEMAKNAAN
KOEFISIEN (UJI T)
 UJI NORMALITAS DENGAN KOLMOGOROV
SMIRNOV

• Kesimpulan :
Sig > α (0.05)
Data berdistribusi Normal
UJI KEMAKNAAN MODEL 0.209 > α (0.05)
Model tidak fit/tidak cocok
Kesimpulan :
Tidak ada pengaruh antara variable independent (K4, FE
90 tablet, PHBS dan Persalinan ditolong NAKES) secara
simultan terhadap variable dependent (kejadian BBLR)

UJI KEMAKNAAN KOEFISIEN

Sig > α (0.05)

Kesimpulan :
RT ber PHBS Pengaruh terhadap
(kejadian BBLR)
 BACKWARD adalah metode yang digunakan untuk mengeliminasi
satu persatu variabel independen yang tidak berpengaruh secara
signifikan terhadap variable dependent

0.039 < α (0.05) dan 0.049 < α (0.05)

H0 Ditolak :
Kesimpulan :
Variabel K4 dan FE3 berpengaruh terhadap kejadian
BBLR
 PERSAMAAN REGRESI

Y : 0.039 (K4) + 0.49 (FE3)

 Uji Residual adalah Salah syarat yang harus dipenuhi pada
analisi regresi linier.

Tujuan :
Melihat adanya BIAS pada selisih antara nilai faktual dan nilai
presiksi (under estimate dan over estimate).

Uji residual dapat dilakukan dengan 4 syarat yaitu :

UJI RESIDUAL 1. Harus berdistribusi normal
Syarat ini bisa dilakukan dengan 2 cara yaitu Uji K-S dan Melihat
histogram
2. Adanya Homoscedasticity dengan uji Park (Logaritma Natural)
3. Tidak ada otokorelasi dengan Durbin Watson
4. Tidak ada multikolinieritas (nilai Tolerance dan VIF

Apabila syarat2 terpenuhi maka estimasi parameternya tidak

bias sehingga hasil dari pemodelan dapat dipertanggug
jawabkan
Syarat 1 : Harus berdistribusi normal

Uji K-S dan Melihat histogram

Uji Normalitas (K-S)

0.779 > α (0.05)

Kesimpulan :
Data Terdistribusi
SYARAT Normal
1
TERPENUHI
Syarat 2 : Adanya Homoscedasticity dengan uji Park (Logaritma Natural)

Uji Park :
0.325 > α (0.05) dan 0.845 > α (0.05)
H0 : Diterima
Kesimpulan :
terjadi Homoscedastisitas SYARAT 2 TERPENUHI
3. Tidak ada otokorelasi dengan Durbin Watson

Syarat Pengambilan Keputusan

Uji Durbin-Watson
H0 ditolak pada taraf 2α, jika:
d<dL atau 4-d<dL Nilai d = 2.412
H0 diterima pada taraf 2α, jika: dL = 1.5274
d>dU dan 4-d>dU dU = 1.6581
Jika tidak keduanya, tidak dapat 4-d = 1.588
disimpulkan 2.412 > 1. 5274 dan 4-2.412 > 1.5274 = 1.588 > 1.5274
.maka H0 ditolak yang berarti ada otokorelasi.
LANJUT UJI ALTERNATIVE
 UJI RUNS TEST
Uji Runs Test digunakan sebagai uji alternative apabila syarat
otokorelasi dengan menggunakan Durbin – Watson tidak dapat
disimpulkan.

Kesimpulan :
0.900 > 0.05
H0 Diterima
Tidak ada otokorelasi

SYARAT 3 TERPENUHI
 4. Tidak ada multikolinieritas

Nilai Tolerance 0.999 > 0,10 maka tidak terjadi multikoleniaritas. SYARAT 4
Pada nilai VIF 1.001 < 10 maka tidak terjadi multikolinearitas. TERPENUHI

Kesimpulan dari Uji Residual :

Karena dari 4 syarat uji residual terpenuhi maka estimasi parameternya TIDAK BIAS dan
pemodelan DAPAT DIPERTANGGUNG JAWABKAN
TERIMA KASIH