Hasil analisis dapat disimpulkan ada hubungan yang signifikan umur dengan kadar Hb nilai P= 0.001
(<0.05). Hubungan umur dengan Hb menunjukkan hubungan yang sedang (r = 0.465) dengan berpola
positif yang artinya semakin tua umur ibu semakin tinggi kadar Hbnya
Regresi linier sederhana
• Tujuan : untuk membuat perkiraan (prediksi) nilai suatu variable
(dependen7) melalui variable yang lain (independent)
• Syarat : data numerik
• Analisis regresi merupakan suatu model matematis yang dapat digunakan
untuk mengetahui bentuk hubungan 2 variabel
• contoh : hubungan berat badan (independent) dengan tekanan darah
(dependent)
• Tujuan analisis : dapat memperkirakan besarnya nilai tekanan darah bila diketahui
data berat badan
• Untuk melakukan prediksi digunakan persamaan garis yang dapat diperoleh dengan
berbagai metode
• Salah satu cara yang sering digunakan peneliti menggunakan metode kuadrat terkecil
( least square)
• Metode least square merupakan metode pembuatan garis regresi dengan cara
meminimalkan jumlah kuadrat jarak antara nilai Y yang teramati dengan nilai Y yang
diramalkan oleh garis regresi itu
Model matematis persamaan regresi
Y = a+ bX Issac Newton
Model determinastic
Prediksi perubahan suhu
Y = 32+ 9/5X Fahrenheit
Y = variabel dependen
Y = a +bX+ e X = variabel independen
a = intercept, perkiraan besarnya rata – rata variabel Y
ketika nilai variabel X=0
e = nilai kesalahan (error) yaitu selisih antara nilai Y
individual yang teramati dengan nilai Y yang
sesungguhnya pada titik X tertentu
Kesalahan standar estimasi (standard error
estimate/ Se)
• Menunjukkan persamaan estimasi untuk menjelaskan nilai variable
dependen yang sesungguhnya. Semakin kecil nilai variable dependen yang
sesungguhnya semakin kecil nilai Se
• Makin tinggi ketepatan persamaan estimasi yang dihasilkan menjelaskan
nilai variable dependen yang sesungguhnya
• Semakin besar nilai Se, makin rendah ketepatan persamaan estimasi yang
dihasilkan untuk menjelaskan nilai bariabel dependen yang sesungguhnya
Koefisien determinasi (R²)
• Ukuran yang paling penting dan sering digunakan dalam analisis regresi
• R² (R Square) = koefisien determinasi
• Dihitung dengan mengkuadratkan nilai r
• Berguna untuk mengetahui seberapa besar variasi variabel dependen (Y) dapat
dijelaskan oleh variabel independen (X)
• Semakin besar nilai R Square semakin baik/ semakin tepat variable independen
memprediksi variable dependen
• Besarnya R² antara 0 s/d 1 atau 0% s/d 100%
Langkah - langkah
Dari output cari :
Di tabel model
• R² = koefisien determinasi summary
0,216
Di tabel model
• Persamaan garis summary
21,6 %
Di tabel ANOVA
• Nilai P 0.001
Y = a + bX
Kadar Hb = 8,184 + 0,113 (umur)