Uji
Uji
Asosiasi
Asosiasi
(
(
Hubungan
Hubungan
)
)
Program S2
Program S2 GiziGizi PaccasarjanaPaccasarjana UNDIP UNDIP Semarang Semarang 20092009 Contact : 08122815730 E-mail : suyatno_undip@yahoo.com Blog : suyatno.blog.undip.ac.id
Suyatno
Jenis
Jenis
Uji
Uji
Asosiasi
Asosiasi
1.
1.
Korelasi
Korelasi
(
(
hubungan
hubungan
):
):
SemuaSemua data nominal data nominal : : KoefisienKoefisien KontingensiKontingensi
SemuaSemua data ordinaldata ordinal : Rank Spearman, Kendall : Rank Spearman, Kendall TauTau
SemuaSemua data data rasiorasio/interval: /interval: KorelasiKorelasi PearsonPearson
2.
2.
Regresi
Regresi
(
(
pengaruh
pengaruh
):
):
SkalaSkala variabelvariabel dependendependen interval/interval/rasiorasio: :
RegresiRegresi Linier sederhanaLinier sederhana
RegresiRegresi Linier Linier bergandaberganda
RegresiRegresi Linier Dummy (duaLinier Dummy (dua kriteriakriteria dandan lebihlebih daridari 2 kriteria2 kriteria))
RegresiRegresi PolinomialPolinomial (kurva(kurva))
SkalaSkala variabelvariabel dependendependen nominal:nominal:
1.
1.
Korelasi
Korelasi
(
(
hubungan
hubungan
)
)
SemuaSemua data nominal: data nominal: KoefisienKoefisien KontingensiKontingensi
SemuaSemua data ordinal : Rank Spearman, Kendall data ordinal : Rank Spearman, Kendall TauTau
SemuaSemua data data rasiorasio/interval: /interval: KorelasiKorelasi PearsonPearson
Cara Cara analisisanalisis::
BukaBuka filefile (Klik(Klik file latihanfile latihan SPSSSPSS))
klikklik Analyze > correlate > Analyze > correlate > bivariatebivariate
MasukkanMasukkan variabelvariabel--variabelvariabel yang yang inginingin
dikorelasikan
dikorelasikan
Correlation Coefficients: Correlation Coefficients: diisidiisi jenisjenis ujiuji yang yang sesuaisesuai
skala
skala dandan normalitasnormalitas data (Pearson, Kendalldata (Pearson, Kendall’’s s tautau- -b
b atauatau Spearman)Spearman)
Test of Test of SignificansSignificans: : diisidiisi araharah ujiuji (Two(Two--tailed tailed atauatau
one
Output:
Korelasi Korelasi Korelasi
Korelasi Pearson:Pearson:Pearson: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 Korelasi Korelasi
Korelasi Spearmen & KendallSpearmen & KendallSpearmen & KendallSpearmen & Kendall’’’’ssss----tautautautau::::
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.
2.
Regresi
Regresi
Kegunaan untuk menguji pengaruh variabel bebas Kegunaan untuk menguji pengaruh variabel bebas
terhadap variabel terikat.
terhadap variabel terikat.
Dapat diketahui nilai koefisien determinasi (diketahui Dapat diketahui nilai koefisien determinasi (diketahui
dari nilai R Square atau Adjusted R Square jika jumlah
dari nilai R Square atau Adjusted R Square jika jumlah
variabel bebas lebih dari 2 variabel).
variabel bebas lebih dari 2 variabel).
Nilai koefisien determinan Nilai koefisien determinan menerangkan proporsi dari menerangkan proporsi dari
variabel dependent yang bisa dijelaskan oleh variabel
variabel dependent yang bisa dijelaskan oleh variabel- -variabel independent yang dimasukkan dalam analisis.
variabel independent yang dimasukkan dalam analisis.
Nilai Nilai koefisien koefisien regresi regresi (Coefficients) (Coefficients) atau atau B B
menjelaskan
menjelaskan besarnya pengaruh var. independent besarnya pengaruh var. independent terhadap var. Dependent
terhadap var. Dependent
MacamMacam--macam regresi yang biasa digunakan:macam regresi yang biasa digunakan:
1.
1. RegresiRegresi linier linier sederhanasederhana dandan bergandaberganda
2.
2. RegresiRegresi linier linier dengandengan variabelvariabel dummydummy
3.
3. RegresiRegresi logistiklogistik
4.
Prinsip Uji Linieritas
Prinsipnya adalah melihat apakah penyimpangan
Regresi
Regresi
Linier:
Linier:
Syarat
Syarat
-
-
syarat
syarat
yang
yang
harus
harus
dipenuhi
dipenuhi
:
:
a.a.
Terdapat
Terdapat
hubungan
hubungan
linier
linier
antara
antara
variabel
variabel
bebas
bebas
dan
dan
terikat
terikat
,
,
caranya
caranya
:
:
sebelumnya
sebelumnya
dicek
dicek
dengan
dengan
uji
uji
korelasi
korelasi
parsial
parsial
b.b.
Skala
Skala
data
data
variabel
variabel
bebas
bebas
dan
dan
terikat
terikat
adalah
adalah
:
:
rasio
rasio
atau
atau
interval
interval
c.c.
Tidak
Tidak
terdapat
terdapat
multikolinieritas
multikolinieritas
(
(
korelasi
korelasi
kuat
kuat
antara
antara
variabel
variabel
bebas
bebas
dan
dan
bebas
bebas
),
),
caranya
caranya
:
:
dicek
dicek
dari
dari
koefiesien
koefiesien
korelasi
korelasi
:
:
klik
klik
Analyze > correlate >
Analyze > correlate >
bivariate
bivariate
jika
jika
nilai
nilai
r
r
dibawah
dibawah
0,5 (
0,5 (
korelasi
korelasi
lemah
lemah
)
)
berarti
berarti
tidak
tidak
ada
ada
problem
problem
multiko
multiko
dari
dari
nilai
nilai
VIF (Variance Inflation Factor)
VIF (Variance Inflation Factor)
dan
Syarat
Syarat
………
………
.
.
Cara
Cara mengetahuimengetahui daridari nilainilai VIF (Variance Inflation Factor) VIF (Variance Inflation Factor) dan
dan Tolerance: Tolerance: klikklik Analyze > regression > linier , Analyze > regression > linier , setelahsetelah dimasukkan
dimasukkan variabelvariabel independent independent dandan dependent dependent makamaka: :
tekantekan tomboltombol statisticsstatistics
nonaktifkannonaktifkan pilihanpilihan estimates danestimates dan model fitmodel fit
aktifkanaktifkan pilihanpilihan Covariance matrix danCovariance matrix dan CollinierityCollinierity diagnoticsdiagnotics
asumsiasumsi multikolinearitasmultikolinearitas terpenuhiterpenuhi jikajika nilainilai VIF diVIF di bawahbawah 10. 10.
Karena
Karena VIF = 1/Toleranceas makaVIF = 1/Toleranceas maka multikolineritasmultikolineritas jugajuga dapatdapat ditentukan
ditentukan dengandengan Tolerance diTolerance di bawahbawah 0,1. 0,1.
Paling Paling baikbaik : : jikajika NilaiNilai VIF VIF didi sekitarsekitar angkaangka 1 1 dandan
Angka
Angka tolerance tolerance mendekatimendekati 11
d.
d. Error/Error/galadgalad berdistribusiberdistribusi normal, normal, caracara mengetahuimengetahui::
klikklik Analyze > regression > linierAnalyze > regression > linier
setelahsetelah dimasukkandimasukkan variabelvariabel independent danindependent dan dependent dependent
kemudian kemudian: :
tekantekan plotsplots
aktifkanaktifkan kotakkotak pilihanpilihan normal probability plotnormal probability plot
abaikanabaikan yang lain danyang lain dan klikklik continuecontinue
JikaJika data menyebardata menyebar disekitardisekitar garisgaris diagonal dandiagonal dan mengikutimengikuti araharah
diagonal
Syarat
Syarat
……
……
..
..
e.
e. TidakTidak terdapatterdapat autokorelasiautokorelasi (data (data satusatu dengandengan yang lain yang lain
bebas
bebas), ), caracara mendeteksimendeteksi::
klikklik Analyze > regression > linierAnalyze > regression > linier
setelahsetelah dimasukkandimasukkan variabelvariabel independent danindependent dan dependent makadependent maka: :
tekantekan tomboltombol statisticsstatistics
aktifkanaktifkan pilihanpilihan Durbin-Durbin-Watson padaWatson pada bagianbagian residualsresiduals
abaikanabaikan tomboltombol yang lain, continue yang lain, continue
Ketentuan
Ketentuan yang yang dipakaidipakai::
angkaangka DD--W W didi bawahbawah ––2 2 berartiberarti adaada autokorelasiautokorelasi positifpositif
angkaangka D-D-W W didi antaraantara –2 –2 dandan +2 berarti+2 berarti tidaktidak adaada autokorelasiautokorelasi
angkaangka DD--W W didi atasatas 2 2 berartiberarti adaada autokorelasiautokorelasi negatifnegatif
Cara mengatasiCara mengatasi: : dengandengan transformasitransformasi data ataudata atau menambahmenambah
data
Note:
Autokorelasi adalah kondisi dimana terdapat korelasi atau hubungan antar pengamatan (observasi), baik itu dalam bentuk observasi deret waktu (time series) atau observasi cross-section
Contohnya:
untuk data deret waktu: kita ingin membentuk regresi antara
tingkat bunga dan investasi. Data yang digunakan adalah data kuartalan. Maka, kita berasumsi bahwa tingkat bunga pada
suatu kuartal (misalnya kuartal I) hanya akan mempengaruhi investasi pada kuartal I tersebut, dan tidak mempengaruhi investasi kuartal berikutnya.
untuk data cross-section: kita ingin meregresikan antara
pendapatan dan konsumsi. Data yang digunakan misalnya adalah data pendapatan dan konsumsi keluarga pada suatu periode waktu. Maka yang kita harapkan adalah konsumsi
keluarga A hanyalah dipengaruhi oleh pendapatan keluarga A tersebut, tidak oleh pendapatan keluarga B. Jadi, jika terjadi
peningkatan pendapatan keluarga B, maka tidak mempengaruhi konsumsi keluarga A.
Cara
Cara
Analisis
Analisis
Regresi
Regresi
Linier
Linier
1.
1.
Regresi
Regresi
linier
linier
sederhana
sederhana
:
:
RegresiRegresi linier linier sederhanasederhana: : jikajika hanyahanya adaada satusatu variabelvariabel
bebas
bebas dengandengan data data pengukuranpengukuran variabelvariabel bebasbebas dandan terikat
terikat adalahadalah: : rasiorasio atauatau interval (interval (bukabuka: file regresi: file regresi) )
CaranyaCaranya: :
klikklik Analyze > regression > linier Analyze > regression > linier
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)
2.
2.
Regresi
Regresi
linier
linier
berganda
berganda
:
:
jikajika adaada lebihlebih daridari satusatu variabelvariabel bebasbebas dengandengan data data
pengukuran
pengukuran variabelvariabel bebasbebas dandan terikatterikat adalahadalah: : rasiorasio atau
atau interval (interval (bukabuka: file regresi1: file regresi1) )
CaranyaCaranya: : klikklik Analyze > regression > linier , Analyze > regression > linier , setelahsetelah
itu
itu dipilihdipilih variabelvariabel independent independent dandan dependent, dependent, method
method pilihpilih salahsalah satusatu: enter, forward, backward : enter, forward, backward atau
Pilihan
Pilihan
metode
metode
:
:
Enter: Enter: semuasemua variabelvariabel dimasukkandimasukkan dalamdalam model model regresiregresi, ,
tidak
tidak adaada yang yang dikeluarkandikeluarkan..
Backward: Backward: semuasemua variabelvariabel dimasukkandimasukkan dalamdalam model model
regresi
regresi kemudiankemudian dianalisisdianalisis dandan variabelvariabel yang yang tidaktidak layaklayak masuk
masuk dalamdalam model model regresiregresi dikeluarkandikeluarkan satusatu per per satusatu
Forward: Forward: variabelvariabel bebasbebas dimasukkandimasukkan tidaktidak sekaligussekaligus, ,
namun
namun dimasukkandimasukkan satusatu per per satusatu dalamdalam model model regresiregresi dimulai
dimulai daridari variabelvariabel yang yang memilikimemiliki korelasikorelasi paling paling kuatkuat dengan
dengan variabelvariabel dependendependen
Stepwise: Stepwise: variabelvariabel bebasbebas dimasukkandimasukkan satusatu per per satusatu keke
dalam
dalam model model regresiregresi dimulaidimulai daridari variabelvariabel dengandengan korelasi
korelasi paling paling kuatkuat terhadapterhadap variabelvariabel dependendependen, , dandan setiap
setiap kali kali terjaditerjadi pemasukkanpemasukkan variabelvariabel bebasbebas makamaka dilakukan
dilakukan pengujianpengujian variabelvariabel yang yang telahtelah masukmasuk untukuntuk tetap
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 :
Regresi
Regresi
Linier
Linier
dgn
dgn
Variabel
Variabel
Dummy
Dummy
Variabel
Variabel
terikat
terikat
adalah
adalah
:
:
rasio
rasio
atau
atau
interval.
interval.
Terdapat
Terdapat
variabel
variabel
bebas
bebas
berskala
berskala
nominal,
nominal,
sehingga
sehingga
variabel
variabel
tsb
tsb
disebut
disebut
var.dummy
var.dummy
Data entry var. dummy
Data entry var. dummy
dikode
dikode
0
0
dan
dan
1
1
Caranya
Caranya
:
:
1.
1.
Regresi
Regresi
Berganda
Berganda
dengan
dengan
Var. Dummy 2
Var. Dummy 2
katagori
katagori
bukabuka file regresi_dummyfile regresi_dummy
klikklik Analyze > regression > linier,Analyze > regression > linier,
setelahsetelah ituitu dipilihdipilih variabelvariabel independent independent dandan
dependent,
dependent,
Output:
Model persamaan regresi :
Produktivitas = 25,464 gender+ 188,286
Artinya:
Produktivitas responden Laki-laki lebih tinggi 25,464 kg/minggu dibanding perempuan Contoh 1: Var. Dependent: - Produktivitas (kg teh/minggu) Var. Independent: - Gender (0=P & 1=L)
Output:
Model persamaan regresi :
Produktivitas = 30,016 gender+ 28,629 st suplemen + 1,396 usia + 128,859
Contoh 2:
Var. Dependent:
- Produktivitas (kg teh/minggu) Var. Independent:
-Gender (0=P & 1=L)
-Status Suplementasi Fe (0=tdk & 1=ya) -Usia (tahun)
Cara Membaca Model persamaan:
Produktivitas = 30,016 gender+ 28,629 st suplemen + 1,396 usia + 128,859
Taksiran:
Model regresi bagi kode 0 dan 0 yang berarti responden perempuan dan tidak memperoleh suplementasi Fe:
Produktivitas = 30,016 (0) + 28,629 (0) + 1,396 usia + 128,859 = 128,859 + 1,396 usia
Model regresi bagi kode 1 dan 1 yang berarti responden laki-laki dan memperoleh suplementasi Fe:
Produktivitas = 30,016 (1) + 28,629 (1) + 1,396 usia + 128,859 = 187,504 + 1,396 usia
Model regresi bagi kode 1 dan 0 yang berarti responden laki-laki dan tidak memperoleh suplementasi Fe:
Produktivitas = 30,016 (1) + 28,629 (0) + 1,396 usia + 128,859 = 158,875 + 1,396 usia
Model regresi bagi kode 0 dan 1 yang berarti responden perempuan dan memperoleh suplementasi Fe:
Produktivitas = 30,016 (0) + 28,629 (1) + 1,396 usia + 128,859 = 158,884 + 1,396 usia
2.
2.
Regresi
Regresi
Berganda
Berganda
dengan
dengan
Var. Dummy
Var. Dummy
lebih
lebih
dari
dari
2
2
katagori
katagori
bukabuka file regresi_dummy1file regresi_dummy1
klikklik Analyze > regression > linier,Analyze > regression > linier,
setelahsetelah ituitu dipilihdipilih variabelvariabel dependent (dependent (produktivitasproduktivitas) )
dan
dan independent (independent (hbhb, , masa_krjmasa_krj, indeks1, indeks2, , indeks1, indeks2, indeks3)
indeks3)
Output:
Hubungan antara var
independen dan dependen sangat kuat (r > 0,5) dan R Square Adjusted = 91,4 %
Model bagus, dari hasil Anova (p < 0,5) Persamaan regresi: Produktivitas = 8,304 Hb + 50,743 masa kerja + 92,754 indeks1+116,033 indeks2 + 102,187 indeks3 - 24,655
Cara Membaca Model persamaan:
Produktivitas = 8,304 kadar Hb + 50,743 masa kerja + 92,754 indeks1+116,033 indeks2 + 102,187 indeks3 - 24,655
Penafsiran:
Koefisien 8,304 kadar Hb artinya setiap penambahan 1 mg/dL Hb maka produktivitas akan meningkat 8,304 kg
Koefisien 50,743 masa kerja artinya setiap penambahan 1 tahun masa kerja maka produktivitas akan meningkat 50,743 kg
Koefisien 92,754 indeks1 artinya secara rata-rata responden dengan pendidikan SD mempunyai produktivitas 92,754 kg lebih banyak dibanding responden tidak sekolah
Koefisien 116,033 indeks2 artinya secara rata-rata responden dengan pendidikan Smp mempunyai produktivitas 116,033 kg lebih banyak dibanding responden tidak sekolah
Koefisien 92,754 indeks3 artinya secara rata-rata responden dengan pendidikan SMA mempunyai produktivitas 102,187 kg lebih banyak dibanding responden tidak sekolah
Regresi
Regresi
berganda
berganda
model
model
Polinomial
Polinomial
membentuk
membentuk
persamaan
persamaan
regresi
regresi
tidak
tidak
berdasarkan
berdasarkan
garis
garis
lurus
lurus
tetapi
tetapi
non
non
-
-
linier (
linier (
kurva
kurva
)
)
Model
Model
persamaan
persamaan
regresi
regresi
non
non
-
-
linier
linier
ada
ada
bermacam
bermacam
bentuk
bentuk
:
:
Quadratic Quadratic Cubic Cubic Logistic Logistic LogarithmicLogarithmic Inverse Inverse dlldll
Cara
Cara
memilih
memilih
method yang
method yang
tepat
tepat
pada
pada
Regresi
Regresi
berganda
berganda
model
model
Polinomial
Polinomial
BukaBuka file regresi_kurvafile regresi_kurva
klikklik Analyze > regression > curve estimation Analyze > regression > curve estimation
KemudianKemudian dipilihdipilih variabelvariabel independent (var. independent (var. rotiroti) ) dandan
dependent (
dependent (var.biayavar.biaya) )
UntukUntuk models (method) models (method) pilihpilih (v) (v) padapada semuasemua metodametoda
yang
yang tersediatersedia dandan tekantekan OKOK
EvaluasiEvaluasi Output: Output: metodemetode yang yang baikbaik adalahadalah yang yang memilikimemiliki
nilai
nilai signifikansisignifikansi dandan RsqRsq atauatau koefisienkoefisien determinasideterminasi terbesar
Output: nilai signifikansi dan Rsq atau koefisien determinasi terbesar
Contoh
Contoh
:
:
Aplikasi
Aplikasi
regresi
regresi
berganda
berganda
model
model
Polinomial
Polinomial
Bagaimana
Bagaimana
pengaruh
pengaruh
jumlah
jumlah
roti
roti
yang
yang
diproduksi
diproduksi
terhadap
terhadap
besar
besar
biaya
biaya
.
.
Buka
Buka
file regresi_kurva
file
regresi_kurva
klik
klik
Analyze > regression > curve estimation
Analyze > regression > curve estimation
Kemudian
Kemudian
dipilih
dipilih
variabel
variabel
independent (var.
independent (var.
roti
roti
)
)
dan
dan
dependent (
dependent (
var.biaya
var.biaya
)
)
Untuk
Untuk
Models (method)
Models (method)
pilih
pilih
salah
salah
satu
satu
:
:
misalnya
misalnya
cubic (model
cubic (model
ini
ini
dapat
dapat
membentuk
membentuk
model
Output
Angka Rsq atau koefisien determinasi sebesar 0,997 artinya sekitar 99,7% variasi biaya bisa dijelaskan oleh variasi roti yang diproduksi Uji ANOVA (F) didapat tingkat signifikansi 0,000 atau p<0,05 artinya model dapat dipakai
Grafik menunjukkan bentuk garis yang non linier
Persamaan regresi:
Biaya=131,00 + 68,4308 roti – 13,945 roti2 + 1,0033 roti3 Biaya dapat diprediksi
berdasarkan jumlah roti yang akan diproduksi
Regresi
Regresi
logistik
logistik
:
:
Jika
Jika
variabel
variabel
terikat
terikat
berskala
berskala
nominal
nominal
Terdapat
Terdapat
2
2
jenis
jenis
:
:
1.
1.
Regresi
Regresi
logistik
logistik
sederhana
sederhana
:
:
jika
jika hanyahanya adaada satusatu variabelvariabel bebasbebas dengandengan skalaskala data
data rasiorasio/interval /interval atauatau nominal (dummy), nominal (dummy), sedangsedang skala
skala data data variabelvariabel terikatterikat adalahadalah: nominal: nominal 2.
2. RegresiRegresi logistiklogistik bergandaberganda:: jika
jika hanyahanya duadua atauatau lebihlebih variabelvariabel bebasbebas dengandengan skala
skala data data rasiorasio/interval /interval atauatau nominal (dummy), nominal (dummy), sedang
Model
Model
Matematis
Matematis
Regresi
Regresi
Logistik
Logistik
Rumus Rumus:: 1 1 f (Z) = f (Z) = --- --zz 1 + e 1 + e Regresi
Regresi LogistikLogistik SederhanaSederhana Z = Z = bb0 + 0 + bb1 X1 1 X1 Regresi
Regresi LogistikLogistik GandaGanda Z = Z = bb0 + 0 + bb1 X1 + 1 X1 + bb2 X2 + 2 X2 + …… + + bbpp XpXp
Dimana
Dimana::
X = paparanX = paparan, , faktorfaktor resikoresiko, variabel, variabel bebasbebas
f (z ) = f (z ) = probabilitasprobabilitas resikoresiko terjadinyaterjadinya outcome yang diamatioutcome yang diamati
Regresi
Regresi LogistikLogistik Model Model PrediktifPrediktif::
untukuntuk memperolehmemperoleh model model atauatau kumpulankumpulan variabelvariabel bebasbebas
yg
yg dianggapdianggap terbaikterbaik untukuntuk memprediksimemprediksi kejadiankejadian variabelvariabel dependen
dependen (outcome ).(outcome ).
difokuskandifokuskan padapada pertimbanganpertimbangan nilainilai statistikstatistik biasanyabiasanya
dengan
dengan metodemetode stepwise stepwise dandan nilainilai koefisienkoefisien regresiregresi b b harus
harus significant (significant (melaluimelalui UjiUji WaldWald, p < 0,05)., p < 0,05).
Regresi
Regresi Model Model FaktorFaktor::
DifokuskanDifokuskan padapada Exp ( b ), Exp ( b ), meskipunmeskipun ujiuji WaldWald tidaktidak
bermakna
bermakna dapatdapat dimasukkandimasukkan dalamdalam pemodelanpemodelan..
Dapat menghitung Besar Resiko OR/RR (dengan syarat Dapat menghitung Besar Resiko OR/RR (dengan syarat
skala data variabel bebas nominal):
skala data variabel bebas nominal):
bi
bi
OR
Caranya
Caranya
analysis:
analysis:
Buka
Buka
file: regresi_binary
file:
regresi_binary
klik
klik
Analyze > regression > binary logistic
Analyze > regression > binary logistic
Masukkan
Masukkan
variabel
variabel
independent
independent
dan
dan
dependent
dependent
method
method
pilih
pilih
salah
salah
satu
satu
:
:
(1)
(1) RegresiRegresi LogistikLogistik Model PrediktifModel Prediktif: : pilihpilih StepwiseStepwise (2)
(2) RegresiRegresi LogistikLogistik Model FaktorModel Faktor : pilih: pilih EnterEnter
(1)
(2)
Output:
Setiap kenaikan LILA cm maka proporsi BBLR
turun 18,4 %
Signifikan (p<0,05) Sig p > 0,05,
tidak beda, shg model baik
Cara
Cara
penafsiran
penafsiran
:
:
MenggunakanMenggunakan pendekatanpendekatan probabilitasprobabilitas::
AngkaAngka negatifnegatif dianggapdianggap probabilitasprobabilitas 00
AngkaAngka positifpositif lebihlebih daridari satusatu dianggapdianggap probabilitasprobabilitas 11
AngkaAngka positifpositif antaraantara 0 sampai0 sampai 1 maka1 maka probabilitasprobabilitas sesuaisesuai
dengan
Note:
Note:
Pemilihan
Pemilihan
variabel
variabel
yang
yang
boleh
boleh
masuk
masuk
dalam
dalam
Uji
Uji
Log
Log
-
-
reg
reg
DilakukanDilakukan analisisanalisis hub hub antaraantara varvar bebasbebas dandan terikatterikat
UjiUji hubunganhubungan ((tabulasitabulasi silang/Ujisilang/Uji ChiChi--Square ) Square ) ---
---batas
batas sigsig p p << 0,050,05
UjiUji pengaruhpengaruh BivariatBivariat --- batasbatas sigsig p p << 0,250,25