Uji Asosiasi Uji Asosiasi
(Hubungan) (Hubungan) Ir.
Ir. Suyatno Suyatno, , M.Kes M.Kes..
Program S2
Program S2 Gizi Gizi Paccasarjana Paccasarjana UNDIP UNDIP Semarang 2009
Semarang 2009
Contact : 08122815730
E-mail : suyatno_undip@yahoo.com
Blog : suyatno.blog.undip.ac.id
Jenis Uji Asosiasi Jenis Uji Asosiasi
1. Korelasi (hubungan):
1. Korelasi (hubungan):
Semua data nominal Semua data nominal : Koefisien Kontingensi : Koefisien Kontingensi
Semua data ordinal Semua data ordinal : Rank Spearman, Kendall Tau : Rank Spearman, Kendall Tau
Semua data rasio/interval: Korelasi Pearson Semua data rasio/interval: Korelasi Pearson
2. Regresi (pengaruh):
2. Regresi (pengaruh):
2. Regresi (pengaruh):
2. Regresi (pengaruh):
Skala variabel dependen interval/rasio: Skala variabel dependen interval/rasio:
Regresi Linier sederhana Regresi Linier sederhana
Regresi Linier berganda Regresi Linier berganda
Regresi Linier Dummy (dua kriteria dan lebih dari 2 kriteria) Regresi Linier Dummy (dua kriteria dan lebih dari 2 kriteria)
Regresi Polinomial (kurva) Regresi Polinomial (kurva)
Skala variabel dependen nominal: Skala variabel dependen nominal:
regresi Binary (regresi logistik) : sederhana/linier & berganda regresi Binary (regresi logistik) : sederhana/linier & berganda
1. Korelasi (hubungan) 1. Korelasi (hubungan)
Semua data nominal: Koefisien Kontingensi Semua data nominal: Koefisien Kontingensi
Semua data ordinal : Rank Spearman, Kendall Tau Semua data ordinal : Rank Spearman, Kendall Tau
Semua data rasio/interval: Korelasi Pearson Semua data rasio/interval: Korelasi Pearson
Cara analisis: Cara analisis:
Buka file Buka file
Buka file Buka file (Klik file (Klik file latihan SPSS latihan SPSS))
klik Analyze > correlate > bivariate klik Analyze > correlate > bivariate
Masukkan variabel Masukkan variabel--variabel yang ingin variabel yang ingin dikorelasikan
dikorelasikan
Correlation Coefficients: diisi jenis uji yang sesuai Correlation Coefficients: diisi jenis uji yang sesuai skala dan normalitas data (Pearson, Kendall’s tau skala dan normalitas data (Pearson, Kendall’s tau-- b atau Spearman)
b atau Spearman)
Test of Significans: diisi arah uji (Two Test of Significans: diisi arah uji (Two--tailed atau tailed atau one
one--tailed) tailed)
Output:
Korelasi Pearson:
Korelasi Pearson:
Korelasi Pearson:
Korelasi Pearson:
Hubungan Total Pendapatan dengan LILA dan BMI
Kesimpulan:
• Hubungan total pendapatan (TOT_PEND) dengan LILA dan BMI
tidak signifikan karena p > 0,0,5 (lihat Sig-2 tailed)
Output:
Korelasi Spearmen & Kendall’s Korelasi Spearmen & Kendall’s Korelasi Spearmen & Kendall’s
Korelasi Spearmen & Kendall’s----tau: tau: tau: tau:
Hubungan var. tingkat pendidikan dengan LILA dan BMI
Kesimpulan:
• Hubungan tingkat pendidikan (TK_DIDIK) dengan LILA dan BMI
tidak signifikan karena p > 0,0,5 (lihat Sig-2 tailed)
2. Regresi 2. Regresi
Kegunaan Kegunaan untuk untuk menguji menguji pengaruh pengaruh variabel variabel bebas bebas terhadap
terhadap variabel variabel terikat terikat..
Dapat Dapat diketahui diketahui nilai nilai koefisien koefisien determinasi determinasi (diketahui (diketahui dari
dari nilai nilai R R Square Square atau atau Adjusted Adjusted R R Square Square jika jika jumlah jumlah variabel
variabel bebas bebas lebih lebih dari dari 2 2 variabel) variabel)..
Nilai Nilai koefisien koefisien determinan determinan menerangkan menerangkan proporsi proporsi dari dari variabel
variabel dependent dependent yang yang bisa bisa dijelaskan dijelaskan oleh oleh variabel variabel-- variabel
variabel independent independent yang yang dimasukkan dimasukkan dalam dalam analisis analisis..
variabel
variabel independent independent yang yang dimasukkan dimasukkan dalam dalam analisis analisis..
Nilai Nilai koefisien koefisien regresi regresi (Coefficients) (Coefficients) atau atau B B menjelaskan
menjelaskan besarnya besarnya pengaruh pengaruh var var.. independent independent terhadap
terhadap var var.. Dependent Dependent
Macam Macam--macam macam regresi regresi yang yang biasa biasa digunakan digunakan::
1.
1. Regresi Regresi linier linier sederhana sederhana dan dan berganda berganda
2.
2. Regresi Regresi linier linier dengan dengan variabel variabel dummy dummy
3.
3. Regresi Regresi logistik logistik
4.
4. Regresi Regresi berganda berganda model model polinomial polinomial
Regresi Linier:
Regresi Linier:
Syarat
Syarat--syarat yang harus dipenuhi: syarat yang harus dipenuhi:
a.
a. Terdapat hubungan linier antara variabel Terdapat hubungan linier antara variabel
bebas dan terikat, caranya: sebelumnya dicek bebas dan terikat, caranya: sebelumnya dicek dengan uji korelasi parsial
dengan uji korelasi parsial
b.
b. Skala data variabel bebas dan terikat adalah: Skala data variabel bebas dan terikat adalah:
rasio atau interval rasio atau interval rasio atau interval rasio atau interval
c.
c. Tidak terdapat multikolinieritas (korelasi kuat Tidak terdapat multikolinieritas (korelasi kuat antara variabel bebas dan bebas), caranya:
antara variabel bebas dan bebas), caranya:
dicek dari koefiesien korelasi: dicek dari koefiesien korelasi:
klik Analyze > correlate > bivariate klik Analyze > correlate > bivariate
jika nilai r dibawah 0,5 (korelasi lemah) jika nilai r dibawah 0,5 (korelasi lemah) berarti tidak ada problem multiko
berarti tidak ada problem multiko
dari nilai VIF (Variance Inflation Factor) dari nilai VIF (Variance Inflation Factor) dan Tolerance
dan Tolerance
Syarat ……….
Syarat ……….
Cara mengetahui dari nilai VIF (Variance Inflation Factor) Cara mengetahui dari nilai VIF (Variance Inflation Factor)
dan Tolerance: klik Analyze > regression > linier , setelah dan Tolerance: klik Analyze > regression > linier , setelah dimasukkan variabel independent dan dependent maka:
dimasukkan variabel independent dan dependent maka:
tekan tombol statistics tekan tombol statistics
nonaktifkan pilihan estimates dan model fit nonaktifkan pilihan estimates dan model fit
aktifkan pilihan Covariance matrix dan Collinierity diagnotics aktifkan pilihan Covariance matrix dan Collinierity diagnotics
Suatu model dikatakan bebas multiko, jika: Suatu model dikatakan bebas multiko, jika:
Nilai VIF di sekitar angka 1 Nilai VIF di sekitar angka 1
Angka tolerance mendekati 1 Angka tolerance mendekati 1 d.
d. Error/galad berdistribusi normal, cara mengetahui: Error/galad berdistribusi normal, cara mengetahui:
klik Analyze > regression > linier klik Analyze > regression > linier
setelah dimasukkan variabel independent dan dependent setelah dimasukkan variabel independent dan dependent kemudian:
kemudian:
tekan plots tekan plots
aktifkan kotak pilihan normal probability plot aktifkan kotak pilihan normal probability plot
abaikan yang lain dan klik continue abaikan yang lain dan klik continue
Jika data menyebar disekitar garis diagonal dan mengikuti arah Jika data menyebar disekitar garis diagonal dan mengikuti arah diagonal maka model regresi memenuhi asumsi normalitas.
diagonal maka model regresi memenuhi asumsi normalitas.
Syarat……..
Syarat……..
e.
e. Tidak terdapat otokorelasi (data satu dengan yang lain Tidak terdapat otokorelasi (data satu dengan yang lain bebas), cara mendeteksi:
bebas), cara mendeteksi:
klik Analyze > regression > linier klik Analyze > regression > linier
setelah dimasukkan variabel independent dan dependent maka: setelah dimasukkan variabel independent dan dependent maka:
tekan tombol statistics tekan tombol statistics
aktifkan pilihan Durbin aktifkan pilihan Durbin--Watson pada bagian residuals Watson pada bagian residuals
abaikan tombol yang lain, continue abaikan tombol yang lain, continue
abaikan tombol yang lain, continue abaikan tombol yang lain, continue
Ketentuan yang dipakai:
Ketentuan yang dipakai:
angka D angka D--W di bawah W di bawah – –2 berarti ada autokorelasi positif 2 berarti ada autokorelasi positif
angka D angka D--W di antara W di antara – –2 dan +2 berarti tidak ada autokorelasi 2 dan +2 berarti tidak ada autokorelasi
angka D angka D--W di atas 2 berarti ada autokorelasi negatif W di atas 2 berarti ada autokorelasi negatif
Cara mengatasi: dengan transformasi data atau menambah Cara mengatasi: dengan transformasi data atau menambah data observasi
data observasi
Cara Analisis Regresi Linier Cara Analisis Regresi Linier
1.
1. Regresi linier sederhana: Regresi linier sederhana:
Regresi linier sederhana: jika hanya ada satu variabel Regresi linier sederhana: jika hanya ada satu variabel bebas dengan data pengukuran variabel bebas dan bebas dengan data pengukuran variabel bebas dan terikat adalah: rasio atau interval (buka: file
terikat adalah: rasio atau interval (buka: file regresi regresi) )
Caranya: Caranya:
klik Analyze > regression > linier klik Analyze > regression > linier
klik Analyze > regression > linier klik Analyze > regression > linier
setelah itu dipilih variabel independent dan dependent setelah itu dipilih variabel independent dan dependent
Output:
Model regresi bagus Koefisien determinasi
Hanya 60,8 % variablititas var. produktivitas yang bisa diterangkan oleh var.LILA
Var.LILA berpengaruh sig Terhdp var. produktivitas
(p <0,05)
Model persamaan regresi : Produktivitas = 4,768 LILA + 21,517
2.
2. Regresi linier berganda Regresi linier berganda: :
jika ada lebih dari satu variabel bebas dengan data jika ada lebih dari satu variabel bebas dengan data pengukuran variabel bebas dan terikat adalah: rasio pengukuran variabel bebas dan terikat adalah: rasio atau interval (buka: file
atau interval (buka: file regresi1 regresi1) )
Caranya: klik Analyze > regression > linier , setelah Caranya: klik Analyze > regression > linier , setelah itu dipilih variabel independent dan dependent,
itu dipilih variabel independent dan dependent, method pilih salah satu: enter, forward, backward method pilih salah satu: enter, forward, backward atau stepwise
atau stepwise
Pilihan metode:
Pilihan metode:
Enter Enter:: semua semua variabel variabel dimasukkan dimasukkan dalam dalam model model regresi, regresi, tidak
tidak ada ada yang yang dikeluarkan dikeluarkan..
Backward Backward:: semua semua variabel variabel dimasukkan dimasukkan dalam dalam model model regresi
regresi kemudian kemudian dianalisis dianalisis dan dan variabel variabel yang yang tidak tidak layak layak masuk
masuk dalam dalam model model regresi regresi dikeluarkan dikeluarkan satu satu per per satu satu
Forward Forward:: variabel variabel bebas bebas dimasukkan dimasukkan tidak tidak sekaligus, sekaligus, namun
namun dimasukkan dimasukkan satu satu per per satu satu dalam dalam model model regresi regresi namun
namun dimasukkan dimasukkan satu satu per per satu satu dalam dalam model model regresi regresi dimulai
dimulai dari dari variabel variabel yang yang memiliki memiliki korelasi korelasi paling paling kuat kuat dengan
dengan variabel variabel dependen dependen
Stepwise Stepwise:: variabel variabel bebas bebas dimasukkan dimasukkan satu satu per per satu satu ke ke dalam
dalam model model regresi regresi dimulai dimulai dari dari variabel variabel dengan dengan korelasi
korelasi paling paling kuat kuat terhadap terhadap variabel variabel dependen, dependen, dan dan setiap
setiap kali kali terjadi terjadi pemasukkan pemasukkan variabel variabel bebas bebas maka maka dilakukan
dilakukan pengujian pengujian variabel variabel yang yang telah telah masuk masuk untuk untuk tetap
tetap masuk masuk atau atau keluar keluar kembali kembali dari dari model model regresi regresi..
Output:
nilai koefisien determinasi dipakai Adjusted R Square krn lebih dari 2 var. Bebas (dipakai R-Square jk var < 2) jenis metoda yang dipilih
71,6 % variabilitas variabel produktivitas ditentukan oleh 4 var. independen yg dipilih
menunjukkan model regresi
yang dipilih bagus
ke-3 var bebas ini berpengaruh signifikan terhdp var. produktivitas (p <0,05)
Model persamaan regresi :
Produktivitas = 10,913 LILA + 4,966 Kadar Hb -13,275 pendidikan – 13,988 jumlah anak + 100,123 Produktivitas = 10,913 LILA + 4,966 Kadar Hb -13,275 pendidikan – 13,988 jumlah anak + 100,123
Regresi Linier dgn Variabel Dummy Regresi Linier dgn Variabel Dummy
Variabel terikat adalah: rasio atau interval. Variabel terikat adalah: rasio atau interval.
Terdapat variabel bebas berskala nominal, Terdapat variabel bebas berskala nominal, sehingga variabel tsb disebut var.dummy sehingga variabel tsb disebut var.dummy
Data entry var. dummy dikode 0 dan 1 Data entry var. dummy dikode 0 dan 1
Caranya: Caranya:
1. Regresi Berganda dengan Var. Dummy 2 1. Regresi Berganda dengan Var. Dummy 2
katagori katagori
buka file buka file regresi_dummy regresi_dummy
klik Analyze > regression > linier, klik Analyze > regression > linier,
setelah itu dipilih variabel independent dan setelah itu dipilih variabel independent dan dependent,
dependent,
method pilih salah satu metoda, misal: enter method pilih salah satu metoda, misal: enter
Output:
Contoh 1:
Var. Dependent:
- Produktivitas (kg teh/minggu) Var. Independent:
- Gender (0=P & 1=L)
Model persamaan regresi :
Produktivitas = 25,464 gender+ 188,286
Artinya:
Produktivitas responden Laki-laki lebih tinggi 25,464 kg/minggu dibanding perempuan
Output:
Contoh 2:
Var. Dependent:
- Produktivitas (kg teh/minggu) Var. Independent:
-Gender (0=P & 1=L)
-Status Suplementasi Fe (0=tdk & 1=ya) -Usia (tahun)
Model persamaan regresi :
Produktivitas = 30,016 gender+ 28,629 st suplemen + 1,396 usia + 128,859