Uji Asosiasi (Hubungan)

Teks penuh

(1)

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

(2)

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:



(3)

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

(4)

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)

(5)

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)

(6)

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.

(7)

Prinsip Uji Linieritas

Prinsipnya adalah melihat apakah penyimpangan

(8)

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

(9)

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

(10)

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

(11)

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.

(12)

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



(13)

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)

(14)

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

(15)

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

(16)

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

(17)

ke-3 var bebas ini berpengaruh signifikan terhdp var. produktivitas (p <0,05)

Model persamaan regresi :

(18)

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,



(19)

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)

(20)

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)

(21)

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

(22)

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)



(23)

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

(24)

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

(25)

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

(26)
(27)

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

(28)

Output: nilai signifikansi dan Rsq atau koefisien determinasi terbesar

(29)

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

(30)

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

(31)

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

(32)

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



(33)

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

(34)





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



(35)

(1)

(36)

(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

(37)

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

(38)

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



Figur

Grafik menunjukkan bentuk garis yang non  linier

Grafik menunjukkan

bentuk garis yang non linier p.30

Referensi

Memperbarui...

Related subjects :