Uji korelasi

Dr. Nur Asnah Sitohang. S.Kep.Ns. M.Kep

 Pearson Product Momen Test
• Syarat : data numeric dengan numeric
• Tujuan : untuk mengetahui arah hubungan dua variabel numeric (data diskrit dan
kontiniu); untuk mengetahui kekuatan hubungan dua variabel numeric
• Koefisien korelasi (r) berkisar dari 0 – 1 atau bila dilihat arahnya antara -1 s/d + 1
• r = 0 : tidak ada hubungan linier
• r = - 1: hubungan linier negativ sempurna
• r = + 1 : hubungan linier positip sempurna
 Syarat
• Data berjumlah besar
• Data diskrit dan kontiniu
• Statistik parametric
• Memiliki ukuran parameter : mean dan standar deviasi populasi
• Tidak membuat ranking data
• Menghitung korelasi dengan menggunakan variasi data
 Korelasi Rank Spearman
• Untuk data diskrit dan kontiniu
• Statistik nonparametric
• Data tidak terdistribusi normal atau data diukur dalam bentuk rangking
• Tidak memerlukan asumsi normalitas
• Jumlah data sedikit
• Hubungan positif : bila kenaikan satu variable diikuti variabel lain
• Hubungan negatif : bila keniakan satu variabel diikuti penurunan variable lain
• Menurut Sir Francis Galton (1894), kekuatan hubungan 2 variabel dapat dibagi
menjadi 4 area :
r = 0,00 – 0,25 = tidak ada hubungan/ hubungan lemah
r = 0,26 – 0,50 = hubungan sedang
r = 0,51- 0, 75 = hubungan kuat
r = 0.76 – 1,00 = hubungan sangat kuat/ sempurna
 Langkah - langkah
• buka file data bu Asnah.sav
• Klik analayze =====correlate=======bivariate correlatation
==masukkan 2 data ke kotak variable dan klik pearson===klik OK
• Nilai r pada kolom Pearson Correlation
• Nilai P pada kolom Sig. (2-tailed)
 Penyajian hasil dan interpretasi
Tabel 1.1. hubungan umur dan Hb
Variabel Nilai P r
Umur - Hb 0.001 0.465

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

• Coefficients (a)/(b) Di tabel coefficients (a)

kolom“B”
a=8,184
b= 0.113
 Persamaan garis

Y = a + bX
Kadar Hb = 8,184 + 0,113 (umur)

• Ha = ada hubungan linier umur dengan nilai Hb

• Nilai b = 0,113 berarti bahwa variable Hb bertambah sebesar 0,113 gr%
bila umur bertambah setiap satu tahun
 Penyajian data
Tabel 1.2 Analisis korelasi dan regresi umur dengan kadar Hb

Variabel r R² Persamaan garis Nilai P

Umur 0.465 0.216 Hb=8,184+0,113*umur 0,001
 Interpretasi
• Hubungan umur dengan kadar Hb menunjukkan hubungan yang sedang
(r=0,465) dan berpola positif artinya ssemakin tua umurnya semakin
tinggi kadar Hbnya. Nilai koefisien determinasi 0,216 artinya persamaan
garis regresi yang diperoleh dapat menerangkan 21,60% variasi kadar Hb
atau persamaan garis yang kurang baik untuk menjelaskan variable kadar
Hb. Hasil uji statistik diperoleh nilai P = 0,001 (<0,05) maka dapat
disimpulkan ada hubungan yang signifikan antara umur dengan kadar Hb.
Model regresi sederhana (fit) dengan data yang ada
 Memprediksi variable dependen dengan nilai
independen
• Kadar Hb = 8,184 + 0,113 (umur)
• Kadar Hb = 8,184 + 0,113 (30)
• Kadar Hb = 8,184 + 11,574gr%
• Ingat…prediksi regresi tidak dapat menghasilkan angka yang tepat seperti diatas
NAMUN perkiraannya tergantung dari nilai standar error of the estimate (SEE)
yang besarnya 1,0504 (Tabel Model Summary)
• Dengan demikian variasi variable dependen = Z*SEE 2,058 (α =95% = 1,96)
• Variasinya = 1,96 x 1,0504 = ± 2,058
 Hasilnya adalah

Kadar Hb = 11,574 ± 2,058

Maknanya : dengan tingkat kepercayaan 95%, kadar Hb untuk
mereka yang berumur 30 tahun ada;ah antara 9,516 g% s/d 13,631 g
%
Langkah membuat grafik
 LATIHAN
• LAKUKAN UJI PRODUCT MOMENT DATA UMUR DENGAN HB2
• LAKUKAN ANALISIS REGRESI HUBUNGAN UMUR DENGAN HB
2
• TAMPILKAN HASIL DALAM TABEL DAN BUAT
INTERPRETASINYA