III.

7.1.

ANALISIS REGRESI-KORELASI

Analisis Regresi Linier Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis

tertentu denagn jumlah telurnya pada usus ayam buras. Untuk tujuan tersebut diperiksa 20 ekor ayam dan ditemukan sebagai berikut : Tabel 1.7.1. Jumlah Cacing dan Jumlah Telurnya pada Usus Ayam Buras.
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total Rataan Jumlah Cacing ( Xi) 12 14 13 12 15 16 13 11 10 11 12 13 17 19 13 11 16 12 14 15 269 13,45 Jumlah telurnya (Yi) 45 50 51 43 61 62 50 43 40 44 48 52 70 76 53 43 60 48 53 63 1055 52,75

Panggil atau keluarkan program SPSS, Klik Variable View, maka muncul Gambar 1.7.1

Gambar 1.7. 1. Kotak Dialog Variable View

Ketik X dan Y pada Klom Name, ketik angka 0 pada Kolom Decimals dan pada KLOM Label ketik Jumlah Cacing dan Jumkah Telur, kemudian Klik Data View, maka muncul Gambar 2.7.1.

Gambar 2.7. 1. Data View Salin data Tabel 1.7.1. ke Gambar 2.7. KLik Graphs, pilih ScatterDot Simple Scatter. Klik Difine, muncul Gambar 3,7.1.

Gambar 3.7.1. Kotak Dialog Simple Scatterplot Klik Jumlah Telur (Y), pindahkan dengan tada ke Kotak Y Axis Klik: Jumlah Cacing(X), pindahkan dengan tada ke Kotak X Axis KLIK OK, maka diperoleh hasil berikut :

Graph
80

Jumlah Telur

70

60

50

40 10 12 14 16 18 20

Jumlah Cacing

Dari Scatterplot tampak garisnya berbentuk linier, maka kita perlu mencari persamaannya, dengan cara sebagai berikut : Kembali ke Gambar 2.71. Klik Analyze , pilih Regression Linear, maka muncul Gambar 4.7.1.

Gambar 4.7. 1. Kotak Dialog Liniar Regreeion Klik Jumlah Telur(Y), pindahkan dengan tanda ke Kotak Dependent Klik Jumlah Cacing (Y), pindahkan dengan tanda ke Kotak Independent(s) MethodeEnter

Regression
Variables Entered/Removed(b) Variables Variables Entered Removed Method Jumlah . Enter Cacing(a) a All requested variables entered. b Dependent Variable: Jumlah Telurnya Model 1 Model Summary Adjusted R R R Square Square .972(a) .946 .943 a Predictors: (Constant), Jumlah Cacing Model 1 Std. Error of the Estimate 2.332

ANOVA(b) Model 1 Regression Residual Total Sum of Squares 1699.882 97.868

df 1 18 19

Mean Square 1699.882 5.437

F 312.643

Sig. .000(a)

1797.750 a Predictors: (Constant), Jumlah Cacing b Dependent Variable: Jumlah Telurnya

Coefficients(a) Unstandardized Coefficients B -2.442 4.104 Std. Error 3.165 .232 Standardized Coefficients t Beta .972 -.772 17.682 .450 .000 1 a (Constant) Jumlah Cacing Sig.

Model

Dependent Variable: Jumlah Telurnya Kesimpulan : -Koefesin korelasinya (R) : 0,972 -Garis Regresinya sangan nyata (P<0.1), lihat Sig pada ANOVA -Persamaan Garis Geresinya : Y = = -2,442 + 4.104X, Lihat nilai pada Kolom B Menggambar Persamaan Garis Regresi Kembali ke Gambar 2.7

Gambar 5.7.1. Data View Ketik angka 10 20 pada Kolom X, seperti tampak pada Gambar 5.7

Klik Tranform, pilih Compute, maka muncul Gambar 6.7.

Gamabar 6.7. 1. Kotak Dialog Compute Variable Ketik Y pada Target Variable dan Ketik -2.442 + 4.103*X pada Numeric Expression Lalu Klik OK, maka Kolom Y pada Gambar 5.7 dilengkapi. Klik Graph, pilih Line, pilih Simple, Klik Define, maka muncul Gambar 7.7

Gambar 7.7.1. Kotak Dialog Define Simple Line

Graph

80

70

Mean Jumlah Telur

60

50

Y = - 2.442 + 4.103X

40

30 10 12 14 16 18 20

Jumlah Cacing

7.2.

Analisis Regresi Kuadratik.

Seorang peneliti ingin mengetahui hubungan antara dosis oba tertentu (X) dengan kadar Creatinin Ginjalnya (Y) dari hasil peneitiannya diperoleh hasil sebagai berikut : Tabel 1.7.2. Kadar Creatinie pada Berbagai Dosis Obat.:
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Dosis Obat mg (Xi) 1 2 3 4 5 7 3 2 4 6 7 8 8 1 3 Kadar Creatinin % (Yi) 10 13 15 20 16 11 14 12 21 17 10 7 6 11 16

.Panggil atau keluarkan program SPSS Klik Variabel View, maka muncul Gambar 1.7.2.

Gambar 1.7.2. Kotak Dialog Variable View Ketik X dan Y pada Kolom Name, ketik angka 0 pada Kolom Decimals dan pada Kolom Label ketik Dosis Obat dan Kadar Cretinin(%), lalu Klik Data View, maka mumcul Gambar 2.7.2.

Gambar 2.7.2. Data View

Klik Graphs, pilih ScatterDot Simple Scatter, Klik Define, muncul Gambar 3.7.2.

Gambar 3.7.2. Kotak Dialog Simple Scatterplot Klik Kadar Creatinin (%)(Y), pindahkan dengan tandake Y Axis Klik Dosis Obat (x), pindahkan dengan tandake X Axis Klik OK, maka diperleh hasil sebagai berikut :

Graph
21

18

Kadar Creatinin(%)

15

12

6 1 2 3 4 5 6 7 8

Dosis Obat

Jadi berdasarkan Plot Data kemungkinan Persamaan Garis Regresinya adalah : Y = 0 + 1X + 2X2 Kembali ke gambar 2.7.2., lalu Klik Transform Compute, maka muncul Gambar 4.7.2.

Gambar 4.7.2. Kotak Dialog Compute Variable Pada Target Variable Ketik XX, dan pada Numeric Expression : X*X Klik OK, maka muncul Gambar 5.7.2.

Gambar 5.7.2. Data View

Klik Analyze, pilih Regression Klik Linear, maka muncul Gambar 6.7.2.

Gambar 6.7.2. Kotak Dialog Linier Regression Klik Dosis Obat (X) dan XX, pindahkan dengan tandake Independent List(s) Klik Kadar Creatinin (%)(Y), , pindahkan dengan tandake Dependent List Method Enter, Klik .OK, diperoleh hasil sebagai berikut : .Regression
Model Summary Adjusted R R R Square Square .921(a) .848 .822 a Predictors: (Constant), XX, Disis Obat Model 1 Std. Error of the Estimate 1.826

ANOVA(b) Model 1 Regression Residual Total Sum of Squares 222.930 40.004

Df 2 12 14

Mean Square 111.465 3.334

F 33.436

Sig. .000(a)

262.933 a Predictors: (Constant), XX, Disis Obat b Dependent Variable: Kadar Kretinin

Coefficients(a)

Model 1 (Constant) Disis Obat XX

Unstandardized Coefficients B 3.363 6.778 Std. Error 1.870 .974 .104

Standardized Coefficients t Beta 3.807 -4.209 1.798 6.959 -7.694 .097 .000 .000 Sig.

-.801 a Dependent Variable: Kadar Kretinin

Kesimpulan : 1. Koefesin korelasinya (R) : 0,921 2. Garis Regresinya sangan nyata (P<0.1), lihat Sig pada ANOVA 3. Persamaan Garis Geresinya : Y = 3.363 + 6.778X - 0.801 X2 Menggambar Persamaan Garis Regresi Kembali ke Gambar 2.7.2., Ganti Kolom X dengan angka 0 8, seperti tampat pada Gambar 7.7.2. sedangkan Kolom kosongkan, lalu Klik Tanform, pilih Compute, maka muncul Gambar 8.7.2.

Gambar 7.7.2. Data View

Gambar 8.7.2. Ktak Dialog Compute Variable Ketik Y pada Target Variable dan ketik 3.363 + 6.778*X - 0.801*X*X pada Numeric Expression, lalu Klik OK, maka kembali ke Gambar 7.7,2. dengan pada Klom Y nya telah dilengkapi dilengkapi. Klik Graphs, pilih Line, pilih Simple, Klikk Define, maka muncul Gambar 9.7.2.

Gambar 9.7.2. Define Simple Line.

Klik Kadar Creatini (%), pindahkan dengan tanda ke Variable Klik Dosis Obat(X) , pindahkan dengan tanda ke Category Axis

Graph
18

15

Mean Kadar Creatinin(%)

12

Y = 3.363 + 6.778X 0.801X2

9

3 0 1 2 3 4 5 6 7 8

Dosis Obat