Teknik Analisis Korelasi dan Regresi

Windhu Purnomo S2 AKK FKM Unair 2006

Cara pemilihan uji statistik multivariat
Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel Uji t 1 sampel Uji normalitas (G) Uji t sampel berpasangan > 1 variabel Analisis faktor Analisis kluster Komponen prinsipal Matriks korelasi Korelasi ganda Regresi ganda Analisis survival 1 variabel Uji KolmogorofSmirnov 1 sampel Uji peringkat bertanda dari Wilcoxon Korelasi Spearman Korelasi Kendall's tau Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square 1 sampel Uji binomial / McNemar > 1 variabel

0 variabel

Model loglinear

Model loglinear

1 variabel

Korelasi Regresi Analisis survival

Ra sio / Interval > 1 variabel Korelasi kanonikal Korelasi kanonikal Multivariat anava Analisis jalur Anava pada Model struktural komponen prinsipal

Anova multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal

Uji t 2 sampel bebas Anava 1 faktor Analisis survival Multivariat anava Anava pada komponen prinsipal Hotelling's T Analisis profil Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-Whitney Uji Kruskal Wallis Model loglinier

Anava multi faktor Regresi ganda Multipleclassification analysis Analisis survival Multivariat anava Anava pada komponen prinsipal

1 variabel Ordinal

Korelasi Spearman Korelasi Kendall's tau

Fungsi diskriminan Regresi logistik ganda

Korelasi Spearman Korelasi Kendall's tau Korelasi kappa Model loglinier Koefisien konkordans W

Model log-linier Koefisien konkordans W Regresi logistik ganda

Model loglinier Regresi logistik ganda

> 1 variabel

Fungsi diskriminan

Fungsi diskriminan

Model loglinier

Model loglinier

1

tergantung (pola hubungan simetris) Variabel kuantitatif (rasio/interval) 2 . bebas & mana var.Lanjutan Cara pemilihan uji statistik multivariat Variabel Bebas Variabel Tergantung Rasio / Interval 1 variabel > 1 variabel 1 variabel Uji tanda Uji median Uji jumlah peringkat dari Wilcoxon Uji Mann-Whitney Uji Kruskall Wallis Model loglinier Ordinal > 1 variabel Nominal (kategorikal) 1 variabel Uji chi-square Uji pasti Fisher Koefisien Phi Korelasi kappa > 1 variabel 1 variabel Nominal (kategorikal) > 1 variabel Uji t 2 sampel bebas Anava 1 faktor Fungsi diskriminan Regresi logistik ganda Fungsi diskriminan Regresi logistik ganda Model loglinier Regresi logistik ganda Model loglinier Fungsi diskriminan Model loglinier Model loglinier Model loglinier Korelasi (Pearson’s Correlation) Korelasi (interdependensi) antara 2 variabel atau lebih Tidak mempersoalkan mana var.

sin(x) dll. Korelasi linear (garis lurus): y=b0+b1.ln(x) y=b0+b1.Macam korelasi berdasarkan banyaknya variabel yg terlibat: 1. (parabolik) (kubik) (logaritmik) (sinusoid) 3 . Korelasi sederhana (simple): x y 2. Korelasi ganda (multiple): x1 y x2 Macam korelasi berdasarkan bentuk kurva: 1.x2 y=b0+b1.x3 y=b0+b1. Korelasi non linear (kurvilinier) y=b0+b1.x 2.

Kekuatan korelasi (magnitude): sangat lemah sangat kuat sedang *-----*-------*-------------*-------------*-------*-----* r 0 0.5 0. y Arah korelasi (direction): y r>0 positif r<0 negatif x x 4 .1 0.25 0.9 1 tak ada korelasi lemah kuat sempurna Koefisien korelasi (r): 2.Koefisien korelasi (r): 1.75 0.

(2-tailed) N Skor kepatuhan memasang infus Pearson Correlation Sig.774 (>0. 89 -.031 .031 .Contoh rumusan masalah: Apakah ada korelasi antara skor motivasi perawat dengan skor kepatuhan menjalankan protap pencegahan infeksi? Apakah (makin) meningkatnya tarif puskesmas akan diikuti dengan (makin) menurunnya jumlah kunjungan? Contoh print-out: p=0. (2-tailed) N 1 .774 89 1 .05) tak ada korelasi yg signifikan Correlations Skor kepatuhan memasang infus -.774 89 5 . 89 Skor motivasi Skor motivasi Pearson Correlation Sig.

c. bebas. Sig. a b Std. tergantung) 6 .05) ada korelasi yg signifikan Symmetric Measures Asymp.001 (<0. .463 41 b.181 .507 3.002c Value Interval by Interval Pearson's R Ordinal by Ordinal Spearman Correlation N of Valid Cases a. mana var.001c . kinerja >> Regresi u/ prediksi (model matematis) pola hubungan asimetris (harus diketahui mana sebagai var. TApprox.Contoh print-out: Skor koordinasi * Skor kinerja p=0.490 .259 . . Using the asymptotic standard error assuming the null hypothesis. Not assuming the null hypothesis.158 3. korelasi sedang dan positif kooordinasi>>. Error Approx. Based on normal approximation.

+βi. variabel yg diramal.x2+…. variabel peramal.x β0 & β1=parameter regresi β0=intercept=konstanta β1=slope=koefisien regresi y=kriterium.Model regresi (linear) Regresi sederhana (simple): y=β0+β1. variabel bebas 7 .x1+β2.x Regresi ganda (multiple): y=β0+β1. variabel tergantung x=argumen.xi Istilah y=β0+β1. outcome. prediktor.

020 6.405 8. Koordinasi b.05: ada model prediksi Jika p>=0.05) ada model prediksi.164 F 12.Langkah-langkah membaca printout regresi: 1.001a a. . Koordinasi p=0.240 Adjusted R Square .05: β masuk dlm model Jika p>=0. Error of the Estimate .425 Model 1 df 1 39 40 Mean Square 2. Baca hasil tabel Anova: lihat signifikansi uji F Jika p<0.40525 Model 1 R .299 Sig. Predictors: (Constant).001 (<0.490a R Square .020 . berarti ada pengaruh Koordinasi thd Kinerja ANOVAb Sum of Squares Regression Residual Total 2. Predictors: (Constant). u/ melihat parameter regresi (β) mana yg masuk dlm model: Jika p<0.05: β tak masuk dlm model Contoh print-out: (langkah 1) Model Summary Std.220 a. Dependent Variable: Kinerja 8 .05: tak ada model prediksi 2. Baca signifikansi hasil uji t.

287 Koordinasi .05) β 1 masuk dlm model krn p=0.490 Beta t 2. Dependent Variable: Kinerja β1 Model regresi/prediksi yg terbentuk: y=β0+β1.038 (<0.Contoh print-out: (langkah 2) β 0 masuk dlm model krn p=0.038 .(3.5) =3.287+(0.05) β0 a Coefficients Unstandardized Standardized Coefficients Coefficients Model 1 B (Constant) 1.546).507 Sig.156 .546 Std.149 3.198 Catatan: skor Kinerja & Koordinasi punya range 1-5 9 .Koordinasi Jika misalnya: Koordinasi=3.546.287 + 0. .599 .001 (<0.x Kinerja = 1.001 a.5 Maka: Kinerja=1. Error .

0 3.5 3.5 3.5 4.0 4.5 Skor koordinasi 10 .0 2.0 Skor kinerja 2.0 3.5 4.Kurva model regresi 4.5 2.

Sign up to vote on this title
UsefulNot useful