You are on page 1of 21

Analisis Korelasi Dan Regresi Linier

BAB X ANALISIS KORELASI DAN REGRESI LINIER


TEORI DASAR ANALISIS KORELASI DAN REGRESI LINIER A. Pengantar
Penentuan teknik analisis yang akan digunakan dalam suatu analisis -- biasanya dibahas dalam metodologi penelitian -- sangat tergantung dari kerangka konseptual yang menjadi dasar analisis dan tujuan dari pelaksanaan analisis. Agar hasil analisis dapat ditafsirkan secara tepat, maka harus dihindari penggunaan teknik analisis yang tidak sesuai dengan skala pengukuran dari ariabel yang digunakan dalam analisis. Dalam mengkaji hubungan antara dua ariabel atau lebih, penting dipahami skala pengukuran dari setiap ariabel tersebut, sehingga teknik analisis yang akan digunakan untuk menjelaskan hubungan atau kaitan antara ariabel tersebut dapat dipilih yang paling sesuai. Apabila hal ini diabaikan, maka dapat menghasilkan interpretasi hasil yang kurang tepat !misleading". #ebagai contoh, analisis regresi mensyaratkan bah$a ariabel yang digunakan paling tidak diukur secara inter al, sehingga kalau ada salah satu ariabel yang diukur secara nominal atau ordinal maka hasil yang diperoleh tidak dapat ditafsirkan secara tepat, oleh karena asumsi dalam penggunaan teknik ini yang tidak dapat dilanggar adalah bah$a ariabel yang digunakan mengikuti distribusi normal. Pada bab ini teknik yang dibahas merupakan teknik analisis statistik inferensial, yaitu teknik yang mendasarkan pada pemanfaatan data yang diperoleh dari suatu sampel acak, sehingga hasilnya merupakan gambaran keadaan populasi dari mana sampel acak tersebut diambil. %eknik statistik semacam ini memberikan jaminan bah$a kesimpulan dan penafsiran dibuat dengan tingkat kesalahan yang rendah,& biasanya dipakai ','& !& (".

& %ingkat kesalahan tersebut dalam teori probabilita dan uji hipotesis merupakan besarnya probabilita menolak hipotesis benar, atau disebut kesalahan tipe-). *stilah umum yang dipakai adalah tetapi istilah lain yang juga sering dipakai adalah p- alue, significancy of statistic !%, +, ,, atau -", atau Pr. %, Pr.+, Pr . ,, Pr . - tergantung statistik uji yang digunakan. /P#-01-PA 23

Analisis Korelasi Dan Regresi Linier

%eknik analisis statistik yang dibahas dalam bab ini bersumber pada #P## yang difokuskan hanya pada teknik yang dapat menjelaskan hubungan atau kaitan antara beberapa ariabel, baik hubungan antara dua ariabel !bivariate" maupun banyak ariabel !multivariate". Pembahasan diutamakan pada cara membaca dan menafsirkan arti dari parameter yang diperoleh dari hasil pengolahan data yang terdapat pada output #P##. %eknik analisis3 statistik yang dibahas meliputi Analisis Regresi, Analisis Path, Multiple Classification Analysis !45A", %abel Kontingensi, 4odel Logit, 4odel Log-Linear, Analisis Diskriminan, dan Analisis -aktor.

B. Analisis Regresi Linier


Analisis regresi merupakan alat yang dapat memberikan penjelasan hubungan antara dua jenis ariabel yaitu hubungan antara ariabel dependen atau ariabel kriteria dengan ariabel independen atau ariabel prediktor6. Analisis hubungan antara dua ariabel disebut sebagai analisis regresi sederhana jika hanya melibatkan satu ariabel independen. Analisis disebut

sebagai analisis regresi berganda jika melibatkan lebih dari satu ariabel independen. 7ubungan antara ariabel dependen !8" dengan ariabel independen !9" dituliskan dalam model linier umum
:= : ! : " % ! ######## ! : " $#%) ######### Y 0 % p
p

! e,

e N 0,& ),

: Residual e = Y - Y

: , i ; ),,,........p adalah koefisien regresi yang berarti besarnya perubahan pada Y :, di mana i : adalah intercept. Residual e jika 9i bertambah satu satuan dan ariabel yang lain konstan, 0

mengikuti distribusi normal dengan rata-rata ' dan arians konstan sebesar ,. Asumsi dasar dalam analisis regresi adalah !i" setiap 8 yang merupakan kombinasi linier atas 9 dan mengikuti distribusi normal, !ii" e tersebar secara acak dan tidak berpola mengikuti besarnya nilai 9, !iii" tidak terdapat hubungan !korelasi" yang tinggi antar ariabel 9.
3 Para pembaca dianggap sudah memahami prinsip dasar dari Analysis of <ariance !A1=<A", karena semua uji statistik pada umumnya didasarkan pada dekomposisi dari total ariance atas berbagai faktor penyebab perbedaan. 6 Analisis regresi dapat dipandang sebagai alat yang menjelaskan hubungan linear dari satu ariabel ke ariabel lainnya didekomposisikan dan diuraikan !descriptive tool", dan sebagai alat untuk menginduksikan !to infer" hubungan antar ariabel pada populasi. 1amun demikian keduanya dipandang dari segi teknik statistik sangat erat kaitannya, tetapi keduanya dapat dipandang terpisah paling tidak pada tingkat konseptual. Lebih jelasnya lihat Kim, >. and -.>. Kohout dalam 1ie et. al #tatistical Package for #ocial #ciences. #econd edition. pp ?,)-?,,. 1e$ 8ork@ 4cAra$ 7ill /ook 5ompany )26&.

/P#-01-PA

26

Analisis Korelasi Dan Regresi Linier

C. Analisis Regresi Sederhana


Analisis regresi sederhana hanya melibatkan satu ariabel independen 9, sehingga dalam persamaan !?.)" p;), sehingga model liniernya adalah
:= : ! : " ! e, $#&) ######### Y 0 % e N 0,& ), : Residual e = Y - Y

Dengan model seperti pada persamaan !?.," maka hipotesis yang diajukan untuk diuji adalah 7 '@ ) ; ' terhadap 7)@ ) '. 0ntuk menolak 7' harus dapat dibuktikan secara empirik bah$a ) ' atau ) bermakna !significant" atau dengan kata lain ada hubungan linier regresi antara 8 dan 9 seperti pada persamaan !?.,". Dalam output #P## 2.' for Bindo$s untuk subprogram RCARC#*=1, yang pertama perlu diketahui adalah apakah regresi 8 pada 9 bermakna. 7al ini dapat dilihat pada output A1=<A sebagai berikut@ ANOVA
Sum ! S"uares 4odel ) Regresion Residual %otal 3D6&.)E ?)E&.E) 233'.22 D! ) E? ED #ean S"uares 3D6&.)E ?E.?E $ )3E.32E Sig. '(i )ipotesis untu* mengeta)ui apa*a) regresi Y pada " ada, +abel AN,-A dengan : .''' =0,00 menun(u**an ba).a / 0 ditola* regresi Y pada " berma*na#

: " serta standard #elanjutnya adalah untuk mengetahui besarnya estimate koefisien regresi ! %

error-nya, ini dapat dilihat pada output 5=C--*5*C1%# sebagai berikut@

COEFFICIENTS
0nstand ardiFed 5oefficie / #td. Crror #tandardiFed 5oefficients /eta t #ig.

: = 01,%1 intercept) 0 : = 0,$01 *oeffisien regresi) %

/P#-01-PA

2E

Analisis Korelasi Dan Regresi Linier


) 4odel !5onstant" 9 D6.)6' .?'6 ).6,3 .',D ,6.??6 ),.2EE .''' Y a*an beruba) sebesar 0,$% unit .''' untu* setiap peruba)an satu unit dari "#

.E)2

Dapat dilihat bah$a karena regresi linier sederhana, maka pada dua tabel di atas t ,; -. /eta;',E)2 yang merupakan koef. regresi baku sebenarnya adalah sama dengan r ; koefisien korelasi antara 8 dan 9, karena beta dihitung berdasarkan aiabel baku + yang dihitung dengan cara
8= " " 27 9 , dengan 27 = standard deviasi

Koefisien determinasi r, ; ',36' !yaitu nilai /eta dikuadratkan atau !'.E)2" ," berarti bah$a ariasi 8 yang dapat dijelaskan oleh model sebesar 36 persen. /eberapa statistik dan estimasi dari parameter dapat pula diperoleh seperti rata-rata dan standard de iasi serta korelasi dari 8 dan 9. Para pembaca lebih lanjut dianjurkan untuk membaca 2322 4ase 5#0 Application Auide.

D. Analisis Regresi Berganda


Kalau satu ariabel dependen 8 perlu dijelaskan oleh lebih dari satu ariabel independen 9, maka kita perlu membuat model yang sesuai dengan tujuan studi. 4odel tersebut adalah regresi linier ganda !Multivariate 6inear Regression" yang secara umum modelnya seperti pada persamaan !?.)". #elain berguna untuk dapat menjelaskan hubungan p ariabel 9 secara bersama terhadap ariabel 8, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan tentang peranan atau kontribusi relatif setiap ariabel 9 terhadap ariabel 8. #ecara empirik $alaupun misalnya model !?.)" signifikan, yang berarti bah$a secara bersama p ariabel 9 dapat menjelaskan ariabel 8, tidak berarti bah$a setiap ariabel mempunyai pengaruh yang signifikan pada ariabel 8. #uatu kajian tersendiri perlu dilakukan untuk kemudian dapat memilah ariabel 9 yang berpengaruh secara parsial pada ariabel 8.

/P#-01-PA

22

Analisis Korelasi Dan Regresi Linier

Dengan model pada persamaan !?.)" maka uji hipotesis-nya adalah@ 7'@ ) ; , ; .........; p ; ' dengan 7)@ salah satu i ', !i ; ),,,.....,p" yang dari ouput #P## dapat dilihat pada output A1=<A dengan p;, sebagai berikut ANOVA
Sum ! S"uares 4odel ) Regression Residual %otal )))').2&2 ED?.'?) ))2DD.22) d! , )'D )'3 #ean S"uares &&&'.2E' E.)'3 $ 3ED.62? Sig. .''' 7engan : =0,00 mengindi*asi-*an ba).a regresi Y pada "% dan "& signifi*an#

#ecara umum model regresi dengan 8 pada 9 ) dan 9, dapat digunakan lebih lanjut, namun demikian untuk mengetahui apakah 9 ) dan 9, secara parsial berpengaruh terhadap 8 dapat diuji dengan melihat output 5=C--*5*C1% sebagai berikut@ COEFFICIENTS
0nstand ardiFed 5oefficie / #td. Crror 4odel ) !5onstant" 9) 9, E,.366 -.33, -.,D' .3,3 .,3? .')? #tandardiFed 5oefficients /eta -.))2 -.E3? t )?,.)63 -,.&)E -)E.?,3 #ig. .''' "% dan "& secara parsial ber.')? pengaru) nyata pada Y ting*at signifi*ansi p-value) masing.''' masing 0,0%$ dan 0,000#

#eberapa besar

ariasi dari

ariabel 8 yang dapat dijelaskan oleh model dapat dilihat dari

koefisien determinasi pada output 4=DCL #044AR8 berikut@


MODEL SUMMARY
4odel ) Cntered Remo ed R 9), 9,
,

R #Guare .2,2

Adjusted R #Guare .2,E

#td. Crror of the Cstimate ,.E&

.23D

Cstimasi R

cenderung terlalu tinggi !overestimate", adjusted R, !R,a" dirancang untuk

mengurangi bias tersebut yang dihitung dengan cara

/P#-01-PA

)''

Analisis Korelasi Dan Regresi Linier


& & Ra = R

p % R& ) N p %

dengan p adalah banyaknya ariabel independen 9 pada persamaan !?.)". #ecara matematis R, dan R,a dapat dirumuskan dengan R, ; ) R,a ; ) Residual sum of sGuares %otal sum of sGuares Residual sum of sGuaresH!1-p-)" %otal sum of sGuaresH!1-)"

Dengan menggunakan R,a ; ',2,E maka ariasi dari 8 yang dapat dijelaskan oleh model adalah sebesar 2? persen.

%. Pemilihan &aria'el (tama


Balaupun model regresi linier ganda signifikan, mungkin tidak semua ariabel independen 9 mempunyai pengaruh nyata pada ariabel dependen 8, lebih daripada itu lebih banyak ariabel independen sebagai prediktor tidak membuat lebih mudah dalam melakukan analisis. Dalam hal ini cara yang paling banyak digunakan untuk memilih ariabel yang signifikan tersebut adalah dengan cara bertatar ! step.ise"E. #ecara singkat metode step.ise ini dimulai tahap-) dengan memasukkan ariabel independen 9 yang mempunyai simpel korelasi !r" tertinggi dengan ariabel dependen 8. Pada tahap-, !dan seterusnya" ariabel 9 yang mempunyai korelasi parsial tertinggi dengan ariabel 8 dimasukkan dalam model, akan tetapi pada tahap ini ariabel 9 yang sudah masuk pada tahap-) !atau sebelumnya" dapat dikeluarkan !removed" dari model jika tidak memenuhi kriteria pemilihan ariabel yang dipilih !Bilks , 4ahalanobis Distance, atau lainnya". Demikian seterusnya tahap berikutnya dilakukan seperti pada tahap-, sehingga diperoleh ariabel terbaik.

). K ntri'usi Setia* Predi+t r Terhada* ,


E %erdapat dua cara lain, yaitu for.ard selection dan bac*.ard elimination, tetapi step.ise selection merupakan metode pemilihan yang paling tepat. Lebih lanjut tentang hal ini lihat 2322 4ase 5#0 Application Auide pp. ,)3. /P#-01-PA )')

Analisis Korelasi Dan Regresi Linier

Dalam analisis adalah penting untuk mengetahui peranan setiap ariabel 9 !prediktor" terhadap ariabel 8 yang kemudian dapat dibandingkan besarnya peranan setiap prediktor tersebut dalam menjelaskan ariasi pada 8. 0kuran yang digunakan untuk tujuan tersebut adalah dengan melihat adjusted R , dari setiap prediktor yang dapat dilihat dari output 4=DCL #044AR8 ketika melakukan pemilihan ariabel dengan cara step.ise seperti berikut. MODEL SUMMARY
4odel ! ariables in the model" 9) 9), 9, 9), 9,, 9? R R #Guare .)6& .,?) .,?2 Adjusted Adjuste dR R #Guare #Guare 5hange .)6? .,,2 .,?2 .)6? .'&3 .')' *nt erp

*sian kolom Adjusted R #Guare 5hange merupakan selisih dari Adjusted R #Guare pada suatu baris terhadap baris sebelumnya di 9) menjelaskan )6 persen ariasi <ariabel 8 9, menjelaskan & persen ariasi <ariabel 8

.D)E .DE' .DE2

-. Diagn sti+ # del


Perlu dipastikan apakah model yang secara empirik adalah signifikan atau IPr.-JK','& merupakan model yang tepat !fit". Dalam hal ini uji kecocokan model ! :ooodness of ;it test" yang secara umum ditunjukkan oleh besarnya R, masih harus dilanjutkan dengan beberapa langkah lain untuk melihat apakah asumsi dasar pembentukan model dipenuhi atau tidak. Asumsi yang perlu diuji adalah !)" residual !e" tersebar secara acak dan tidak mempunyai pola tertentu mengikuti 9 serta mempunyai multikolinieritas antara ariabel 9. arians konstan, dan !," tidak adanya

KORELASI DAN REGRESI LINIER DALA# SPSS ../ $OR 0INDO0S A. #en1ia*+an Data Dalam SPSS ../ ! r 0ind 2s
#ebagai contoh analisis korelasi dan regresi linier pada bab ini adalah mendapatkan persamaan regresi linier antara ariabel fertilitas !jumlah anak kandung yang dilahirkan hidup" dengan umur saat perka$inan pertama, jumlah tahun dalam ikatan perka$inan, jumlah anak yang
/P#-01-PA )',

Analisis Korelasi Dan Regresi Linier

telah meninggal dan pemakaian alat K/, bagi $anita pernah ka$in dan berusia )' L D2 tahun. 0ntuk menyiapkan data analisis ini diperlukan data k22p)6i.sa dengan manipulasi data sebagai berikut@ a. Pastikan Anda bekerja dengan data #usenas indi idu !k22p)6i.sa ". b. Lakukan proses Sele3t Cases untuk case jenis kelamin $anita, usia )' L D2 tahun dan pernah ka$in. Case yang tidak sesuai dengan kondisi, akan difilter. c. Lakukan Re3 de ariabel k6r?& menjadi ariabel K/ dengan kondisi jika ariabel k6r?& berisi ) maka ariabel K/ berisi kode ), jika ariabel k6r?& berisi selain kode ) maka ariabel K/ berisi kode ,, sedangkan jika ariabel k6r?& berupa missing alue !responden tersebut tidak termasuk target fertilitas" maka pada ariabel K/ berisi kode '. d. #impan data tersebut dengan nama 4ultiple Regresi.sa .

B.

#engguna+an Pr sedur Regresi Dalam SPSS ../ ! r 0ind 2s


0ntuk menggunakan menu regresi pada #P## 2.' for Bindo$s, maka Anda harus

melakukan beberapa langkah sebagai berikut@ a. Pastikan Anda telah bekerja dengan data 4ultiple Regresi.sa pada <indo. Data Edit r. b. >ika diperlukan, Anda dapat menguji beberapa asumsi yang diperlukan oleh analisis regresi linier, misalnya asumsi kenormalan. Lakukan analisis eksplorasi data melalui menu@ Anal14e Des3ri*ti5e Statisti3s6 E7*l re. Lakukan analisis tersebut dengan lengkap, kemudian lakukan analisis regresi linier dengan langkah-langkah berikut ini@ c. Dari menu, Anda klik Anal14e Regressi n Linear d. Ketika muncul kotak dialog Linear Regressi n, maka lakukan beberapa hal antara lain.

/P#-01-PA

)'?

Analisis Korelasi Dan Regresi Linier

*sikan <ariabel

ariabel k6r?,,

k6r?Da k6r??,

sebagai De*endent k6r?Dc dan K/ ke dalam kotak Inde*endent8s9. 0ntuk memilih metode regresi ini, Anda dapat memilihnya pada drop do.n list pada #eth d. #ebagai contoh Anda pilih 2tep.ise. >ika Anda menginginkan untuk menghitung regresi hanya pada daerah kota saja !daerah ; )". e. Klik kotak Statisti3s6 dialog sehingga muncul Linear Regressi n:

Statisti3s, kemudian lakukan beberapa hal antara lain@ pilih Pilih beberapa pilihan pilihan dalam Regressi n C e!!i3ients. Dur'in;0ats n dalam Residuals. Pilih beberapa pilihan yang lain. Klik C ntinue. f. Klik Pl ts.. sehingga muncul kotak dialog Linear Regressi n: Pl ts, kemudian lakukan beberapa hal antara lain@ Pilhlah pilihan pada Standardi4ed Residual Pl ts.

/P#-01-PA

)'D

Analisis Korelasi Dan Regresi Linier

4asukkan ariabel DCPC1DC1% ke dalam kotak 9, sedangkan ariabel M+RC#*D pada kotak 8. Klik C ntinue. g. Klik Sa5e6 jika Anda ingin menyimpan hasil penghitungan regresi ini menjadi ariabel dalam data Anda. Ketika muncul kotak dialog Linear Regressi n: Sa5e, pilihlah ariabel yang akan disimpan ke dalam data Anda. Lanjutkan dengan klik C ntinue. h. Klik O*ti ns6 untuk mengatur@ Kriteria uji signifikasi uji - yang akan digunakan oleh #P## 2.' for Bindo$s dalam setiap tahapan proses sesuai dengan metode yang digunakan. 4emasukkan atau tidak memasukkan konstanta dalam output regresi. 4enangani missing value. Klik C ntinue. i. Klik OK.

OUTPUT KORELASI DAN REGRESI LINIER


,utput yang dihasilkan oleh prosedur regresi linier pada #P## 2.' for Bindo$s yang telah Anda lakukan tersebut antara lain sebagai berikut.

/P#-01-PA

)'&

Analisis Korelasi Dan Regresi Linier


Descriptive Statistics A.K lahir hidup Umur perkawinan pertama Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak %ean 2,90 19,10 13,38 ,25 1,16 &td. 'e(iati)n 1,98 3,22 8,11 ,71 ,48 * 1991 1991 1991 1991 1991

Correlations A.K lahir hidup 1,000 +,273 ,757 ,529 +,160 , ,000 ,000 ,000 ,000 1991 1991 1991 1991 1991 Umur perkawinan pertama +,273 1,000 +,306 +,147 ,096 ,000 , ,000 ,000 ,000 1991 1991 1991 1991 1991 Jml thn dlm ikatan perkawinan ,757 +,306 1,000 ,295 +,150 ,000 ,000 , ,000 ,000 1991 1991 1991 1991 1991 A.K udah menin!!al ,529 +,147 ,295 1,000 ,024 ,000 ,000 ,000 , ,139 1991 1991 1991 1991 1991 "ernah K# Atau $idak +,160 ,096 +,150 ,024 1,000 ,000 ,000 ,000 ,139 , 1991 1991 1991 1991 1991

"ear )n ,)rrelati)n

&i!. -1+tailed.

A.K lahir hidup Umur perkawinan pertama Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak A.K lahir hidup Umur perkawinan pertama Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak A.K lahir hidup Umur perkawinan pertama Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak

/P#-01-PA

)'3

Analisis Korelasi Dan Regresi Linier

a Variables Entered Re!oved

%)del 1

7aria0le 8ntered

7aria0le 9em)(ed

Jml thn dlm ikatan perkawina n

A.K udah menin!!al

"ernah K# Atau $idak

%eth)d &tepwi e -,riteria/ "r)0a0ilit 1+)2+3+t)+e nter 45 ,050, "r)0a0ilit 1+)2+3+t)+r em)(e 65 ,100.. &tepwi e -,riteria/ "r)0a0ilit 1+)2+3+t)+e nter 45 ,050, "r)0a0ilit 1+)2+3+t)+r em)(e 65 ,100.. &tepwi e -,riteria/ "r)0a0ilit 1+)2+3+t)+e nter 45 ,050, "r)0a0ilit 1+)2+3+t)+r em)(e 65 ,100..

a. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

)'6

Analisis Korelasi Dan Regresi Linier

d Model S"!!ar#

,han!e &tati ti: %)del 1 2 3 9 9 &;uare ,757a ,574 ,8220 ,676 : ,825 ,681 Ad<u ted &td. 8rr)r )2 9 &;uare the 8 timate ,573 1,29 ,676 1,13 ,681 1,12 9 &;uare ,han!e 3 ,han!e ,574 2674,772 ,103 630,596 ,005 30,542 d21 1 1 1 d22 &i!. 3 ,han!e 1989 ,000 1988 ,000 1987 ,000 'ur0in+= at )n

1,951

a. "redi:t)r / -,)n tant., Jml thn dlm ikatan perkawinan 0. "redi:t)r / -,)n tant., Jml thn dlm ikatan perkawinan, A.K udah menin!!al :. "redi:t)r / -,)n tant., Jml thn dlm ikatan perkawinan, A.K udah menin!!al, "ernah K# Atau $idak d. 'ependent 7aria0le/ A.K lahir hidup

ANOVAd %)del 1 &um )2 &;uare 4469,949 3323,920 7793,868 5270,397 2523,471 7793,868 5308,598 2485,271 7793,868 d2 1 1989 1990 2 1988 1990 3 1987 1990 %ean &;uare 4469,949 1,671 2635,198 1,269 1769,533 1,251 3 2674,772 &i!. ,000a

9e!re i)n 9e idual $)tal 9e!re i)n 9e idual $)tal 9e!re i)n 9e idual $)tal

2076,019

,0000

1414,760

,000:

a. "redi:t)r / -,)n tant., Jml thn dlm ikatan perkawinan 0. "redi:t)r / -,)n tant., Jml thn dlm ikatan perkawinan, A.K udah menin!!al :. "redi:t)r / -,)n tant., Jml thn dlm ikatan perkawinan, A.K udah menin!!al, "ernah K# Atau $idak d. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

)'E

Analisis Korelasi Dan Regresi Linier

Coe$$icientsa &tandardi >ed ,)e22i:ien t #eta ,757

%)del 1

-,)n tant. Jml thn dlm ikatan perkawinan -,)n tant. Jml thn dlm ikatan perkawinan A.K udah menin!!al -,)n tant. Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak

Un tandardi>ed ,)e22i:ient # &td. 8rr)r ,430 ,056 ,185 ,516 ,161 ,937 ,893 ,158 ,952 +,295 ,004 ,049 ,003 ,037 ,084 ,003 ,037 ,053

t 7,696 51,718 10,554

&i!. ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000

95@ ,)n2iden:e Anter(al 2)r # ?)wer #)und Upper #)und ,321 ,540 ,178 ,420 ,154 ,864 ,728 ,151 ,879 +,400 ,192 ,612 ,167 1,010 1,057 ,164 1,024 +,190

Ber)+)rder ,757

,)rrelati)n "artial ,757

"

,658 ,335 ,646 ,341 +,071

49,306 25,112 10,665 48,086 25,632 +5,526

,757 ,529 ,757 ,529 +,160

,742 ,491 ,733 ,498 +,123

a. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

)'2

Analisis Korelasi Dan Regresi Linier


a Coe$$icients

rdi

en t 7,696 51,718 10,554 49,306 25,112 10,665 48,086 25,632 +5,526 &i!. ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 95@ ,)n2iden:e Anter(al 2)r # ?)wer #)und Upper #)und ,321 ,540 ,178 ,420 ,154 ,864 ,728 ,151 ,879 +,400 ,192 ,612 ,167 1,010 1,057 ,164 1,024 +,190 ,757 ,529 ,757 ,529 +,160 ,742 ,491 ,733 ,498 +,123 ,629 ,320 ,609 ,325 +,070 ,913 ,913 ,888 ,908 ,972 1,095 1,095 1,126 1,101 1,028 Ber)+)rder ,757 ,)rrelati)n "artial ,757 "art ,757 ,)llinearit1 &tati ti: $)leran:e 7A3 1,000 1,000

757

658

335

646

341 071

/P#-01-PA

))'

Analisis Korelasi Dan Regresi Linier


d E%cl"ded Variables

%)del 1

#eta An Umur perkawinan pertama A.K udah menin!!al "ernah K# Atau $idak Umur perkawinan pertama "ernah K# Atau $idak Umur perkawinan pertama +,045
a

t +2,955 25,112 +3,188 +1,814 +5,526 +1,510

&i!. ,003 ,000 ,001 ,070 ,000 ,131

"artial ,)rrelati)n +,066 ,491 +,071 +,041 +,123 +,034

,)llinearit1 &tati ti: %inimum $)leran:e 7A3 $)leran:e ,906 ,913 ,978 ,903 ,972 ,900 1,103 1,095 1,023 1,108 1,028 1,111 ,906 ,913 ,978 ,843 ,888 ,825

,335a +,047a +,024


0

+,0710 +,020
:

a. "redi:t)r in the %)del/ -,)n tant., Jml thn dlm ikatan perkawinan 0. "redi:t)r in the %)del/ -,)n tant., Jml thn dlm ikatan perkawinan, A.K udah menin!!al :. "redi:t)r in the %)del/ -,)n tant., Jml thn dlm ikatan perkawinan, A.K udah menin!!al, "ernah K# Atau $idak d. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

)))

Analisis Korelasi Dan Regresi Linier


a Coe$$icient Correlations

%)del 1

Jml thn dlm ikatan perkawinan ,)rrelati)n ,)(arian:e Jml thn dlm ikatan perkawinan Jml thn dlm ikatan perkawinan Jml thn dlm ikatan perkawinan A.K udah menin!!al Jml thn dlm ikatan perkawinan A.K udah menin!!al Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak Jml thn dlm ikatan perkawinan A.K udah menin!!al "ernah K# Atau $idak 1,000 1,2788+05 1,000 +,295 1,0638+05 +3,5858+05 1,000 +,302 ,164 1,0778+05 +3,6778+05 2,8798+05

A.K udah menin!!al

"ernah K# Atau $idak

,)rrelati)n

+,295 1,000 +3,5858+05 1,3928+03 +,302 1,000 +,073 +3,6778+05 1,3788+03 +1,4378+04 ,164 +,073 1,000 2,8798+05 +1,4378+04 2,8478+03

,)(arian:e

,)rrelati)n

,)(arian:e

a. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

)),

Analisis Korelasi Dan Regresi Linier


a Collinearit# Dia&nostics

%)del 1 2

'imen i)n 1 2 1 2 3 1 2 3 4

8i!en(alue 1,855 ,145 2,120 ,742 ,138 2,903 ,808 ,232 5,6238+02

,)nditi)n AndeC 1,000 3,582 1,000 1,690 3,918 1,000 1,895 3,534 7,185

-,)n tant. ,07 ,93 ,05 ,05 ,90 ,01 ,01 ,01 ,98

7arian:e "r)p)rti)n Jml thn dlm ikatan A.K udah perkawinan menin!!al ,07 ,93 ,05 ,07 ,02 ,87 ,93 ,05 ,02 ,03 ,00 ,87 ,64 ,08 ,33 ,02

"ernah K# Atau $idak

,01 ,01 ,20 ,77

a. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

))?

Analisis Korelasi Dan Regresi Linier


a Case'ise Dia&nostics

,a e *um0er 494 549 1055 1163 1421 1772 2339 3219 4186 4295 4361 4860 4963 5605 5709 5895 6431 7193 7615 7678 7723 7855 7904 8697 9486 9750 9837 10217

&td. 9e idual 5,492 3,323 +3,243 3,139 3,430 3,562 +4,221 3,233 3,931 +3,384 6,104 +3,093 3,532 3,233 3,403 3,421 3,257 +3,450 3,253 3,119 +3,093 3,920 3,374 3,210 +3,327 3,210 +3,375 3,233

A.K lahir hidup 11 10 2 9 13 9 0 8 11 2 12 0 12 8 9 9 9 1 9 6 0 8 8 8 1 8 0 8

a. 'ependent 7aria0le/ A.K lahir hidup

/P#-01-PA

))D

Analisis Korelasi Dan Regresi Linier


a Resid"als Statistics

"redi:ted 7alue 9e idual &td. "redi:ted 7alue &td. 9e idual

%inimum ,30 +4,72 +1,593 +4,221

%aCimum 11,20 6,83 5,078 6,104

%ean 2,90 1,888+16 ,000 ,000

&td. 'e(iati)n 1,63 1,12 1,000 ,999

* 1991 1991 1991 1991

a. 'ependent 7aria0le/ A.K lahir hidup

Di t)!ram 'ependent 7aria0le/ A.K lahir hidup


600 500 400 300 200 100 0
00 0, 0 ,0 +1 0 ,0 +2 0 ,0 +3 0 ,0 +4 00 1, 00 2, 00 3, 00 4, 00 5,

3re;uen:1

&td. 'e( 5 1,00 %ean 5 0,00 * 5 1991,00


00 6,

9e!re

i)n &tandardi>ed 9e idual

*)rmal "+" "l)t )2 9e!re


1,00

i)n &tandardi>ed 9e idual

'ependent 7aria0le/ A.K lahir hidup

,75

8Cpe:ted ,um "r)0

,50

,25

0,00 0,00 ,25 ,50 ,75 1,00

E0 er(ed ,um "r)0

/P#-01-PA

))&

Analisis Korelasi Dan Regresi Linier


&:atterpl)t
i)n &tandardi>ed 9e idual 9e!re

'ependent 7aria0le/ A.K lahir hidup


8 6 4 2 0 +2 +4 +6 +2 0 2 4 6 8 10 12 14

A.K lahir hidup

/P#-01-PA

))3

You might also like