You are on page 1of 29

Korelasi

Korelasi Regresi

Korelasi - Regresi
Analisis regresi dan korelasi berdasarkan atas hubungan yg terjadi antara 2 variabel atau lebih. Variabel yg digunakan utk meramal = variabel independen Variabel yg akan diramal = variabel dependen

Variabel dependen = 1 buah Variabel independen >= 1 buah

X
Y X

Contoh :
Meramal tinggi badan anak melalui tinggi badan orang tua

Meramal derajat kesehatan berdasarkan angka kesakitan dll

Korelasi

Untuk mengetahui hubungan antara 2 variabel yang numerik digunakan uji korelasi. Korelasi : untuk mengukur derajat hubungan antara dua variabel numerik

Contoh :
hubungan antara kadar kolesterol dengan jlh intake lemak hub usia pasien dengan lama rawat Hub. Kadar Hba1c penderita DM dengan kadar kolesterol

Gambaran hubungan
Dapat digambarkan dengan scatter (diagram tebar) Gambaran : linier garis lengkung tidak berpola

Scatter plot
Untuk melihat hubungan, tahap awal menggunakan diagram tebar (scater plot) Guna untuk mengetahui pola hubungan antara kedua variabel numerik. Garis koordinat = X dan dan ordinat adalah Y, tiap pengamatan digambarkan satu titik

scater plot
Pola hubungan dapat berupa linier (garis lurus), lengkung dan tidak berpola Bila pola linier dapat ditelusuri apakah pola hubungan positif atau negatif Positif : kiri bawah ke kanan atas Negatif : kiri atas ke kanan bawah

Out put Computer


hub umur dan lama rawat
8.5 8.0 7.5 7.0 6.5 6.0

LAMRAWAT

5.5 5.0 4.5 10 20 30 40 50

UMUR

Kekuatan hubungan
Bila hubungan kedua variabel numerik berpola linier, maka dapat dinilai lebih lanjut bagaimana kekuatan hubungannya. Kekuatan hub dapat dikuantifikasi dengan koefisien korelasi pearson ( r ) Bila r = 0 maka tidak ada hub Bila r = 1 maka hubungan linier sempurna Makin mendekati angka 1 maka makin kuat

Derajat Hubungan :
Menurut Colton : 0 - 0,25 = tidak ada hubungan 0,26 - 0,50 = hubungan sedang 0,51 - 0,75 = hubungan kuat 0,75 - keatas = hubungan sangat kuat

Rumus koef korelasi pearson r


Rumus : r = (XY) [(X)(Y) / n] [(X2)-(X)2/n][(Y2)-[(Y)2/n] Cth: Hubungan Usia(X) pasien dengan Jlh hari rawat(Y) di RS X

Contoh :
Data di bawah ini adalah umur pasien dengan jumlah hari rawat :
1 20 5 2 30 6 3 25 5 4 35 7 5 40 8 Carilah kekuatan hubungan kedua variabel tsb!

Jawab :
Pasien X Y XY X2 1 20 5 100 400 2 30 6 180 900 3 25 5 125 625 4 35 7 245 1225 5 40 8 320 1600 150 31 970 4750 r = (970-((150*31)/5)/V(4750 (150)2/5) ((199 - (31)2/5) = 0,97 Y2 25 36 25 49 64 199

Jawab :
Rumus : r = (XY) [(X)(Y) / n] [(X2)-[(X)2/n][(Y2)-[(Y)2/n]
r= = (970-((150*31)/5)

[(4750 (150)2/5)][(199 - (312)/5)]


0,97

Out put Computer


Correlations LAMRAW UMUR AT 1.000 .970** . .006 5 5 .970** 1.000 .006 . 5 5

UMUR

Pears on Correlation Sig. (2-tailed) N LAMRAWAT Pears on Correlation Sig. (2-tailed) N

**. Correlation is s ignificant at the 0.01 level (2-tailed).

Out put Computer


hub umur dan lama rawat
8.5 8.0 7.5 7.0 6.5 6.0

LAMRAWAT

5.5 5.0 4.5 10 20 30 40 50

UMUR

Menilai Hubungan Kemaknaan


Berdasarkan Uji T t = r ( n-2)/(1-r) t = uji t r = r pearson n = jumlah sampel Df = n-1

Aplikasi
Seorang dokter puskesmas ingin mengetahui hub antara jumlah pengunjung dengan obat tetrasiklin jlh kunjung : 50 70 40 60 70 80 jlh tetrasikl : 150 140 205 130 165 210

Out put Computer


Correlations KUNJUNG 1.000 . 6 -.007 .990 6 TETRA -.007 .990 6 1.000 . 6

KUNJUNG

TETRA

Pears on Correlation Sig. (2-tailed) N Pears on Correlation Sig. (2-tailed) N

Out put Computer


220 200

180

160

140

TETRA

120 30 40 50 60 70 80 90

KUNJUNG

Regresi Linier
Dari koef r, dapat dianalisis lanjut Dapat dinilai ketergantungan satu variabel (Y) dengan variabel lain (X) Disebut analisis regresi linier Secara matematis : Y = a + bX

Regresi Linier
Tahap awal menentukan variabel Y dan variabel X (sesuai dengan tujuan penelitian) Dari variabel X dapat dapat diduga (prediksi) variabel Y Digambarkan dgn garis regresi linier

Penentuan Garis Regresi


Persamaan Y = a + bX Penentuan b (slope) = b = (XY) [(X)(Y) / n] (X2)-[(X)2/n] b = besarnya perubahan nilai variabel Y apabila variabel X berubah sebesar 1 unit

Penentuan garis regresi


Penetuan koef a = a = y - bx a = nilai intercept. Besarnya nilai var Y apabila X=0 y = rata-rata Y x = rata-rata x

Contoh :
Seperti soal sebelumnya : b = (XY) [(X)(Y) / n] (X2)-[(X)2/n] b = 0,16 a = y-bx a = (31/5) - 0,16 (150/5) a = 1,4

Persamaan garis
Y = a + bx Y = 1,4 + 0,16 X

Lama hari rawat = 1,4 + 0,16 usia pasien Bila usia 30 tahun maka lama hari rawat = 1,4 + 0,16 (30) = 6,2 hari