This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
UjiUji AsosiasiAsosiasi((HubunganHubungan))
Program S2 Program S2 GiziGizi PaccasarjanaPaccasarjana UNDIP UNDIP SemarangSemarang 20092009
� 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)
2. 2. RegresiRegresi�� 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 Nilai koefisien determinan koefisien determinan menerangkan proporsi dari menerangkan proporsi dari variabel dependent yang bisa dijelaskan oleh variabelvariabel dependent yang bisa dijelaskan oleh variabel--variabel independent yang dimasukkan dalam analisis. variabel independent yang dimasukkan dalam analisis.
�� Nilai Nilai koefisien regresi (Coefficients) atau B koefisien regresi (Coefficients) atau B menjelaskanmenjelaskan 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 bergandaberganda2.2. RegresiRegresi linier linier dengandengan variabelvariabel dummydummy3.3. RegresiRegresi logistiklogistik4.4. RegresiRegresi bergandaberganda model model polinomialpolinomial
Prinsip Uji Linieritas
Prinsipnya adalah melihat apakah penyimpanganhubungan antar data menjauhi atau mendekati garis linier
RegresiRegresi Linier:Linier:SyaratSyarat--syaratsyarat yang yang harusharus dipenuhidipenuhi::a.a. TerdapatTerdapat hubunganhubungan linier linier antaraantara variabelvariabel
kemudiankemudian: : �� tekantekan plotsplots�� aktifkanaktifkan kotakkotak pilihanpilihan normal probability plotnormal probability plot�� abaikanabaikan yang lain yang lain dandan klikklik continuecontinue�� JikaJika data data menyebarmenyebar disekitardisekitar garisgaris diagonal diagonal dandan mengikutimengikuti araharah
diagonal diagonal makamaka model model regresiregresi memenuhimemenuhi asumsiasumsi normalitasnormalitas..
SyaratSyarat………….. ..
e.e. TidakTidak terdapatterdapat autokorelasiautokorelasi (data (data satusatu dengandengan yang lain yang lain bebasbebas), ), caracara mendeteksimendeteksi::�� klikklik Analyze > regression > linierAnalyze > regression > linier�� setelahsetelah dimasukkandimasukkan variabelvariabel independent independent dandan dependent dependent makamaka: : �� tekantekan tomboltombol statisticsstatistics�� aktifkanaktifkan pilihanpilihan DurbinDurbin--Watson Watson padapada bagianbagian residualsresiduals�� abaikanabaikan tomboltombol yang lain, continue yang lain, continue
KetentuanKetentuan yang yang dipakaidipakai::�� angkaangka DD--W W didi bawahbawah ––2 2 berartiberarti adaada autokorelasiautokorelasi positifpositif�� angkaangka DD--W W didi antaraantara ––2 2 dandan +2 +2 berartiberarti tidaktidak adaada autokorelasiautokorelasi�� angkaangka DD--W W didi atasatas 2 2 berartiberarti adaada autokorelasiautokorelasi negatifnegatif�� Cara Cara mengatasimengatasi: : dengandengan transformasitransformasi data data atauatau menambahmenambah
data data observasiobservasi
Note:Autokorelasi adalah kondisi dimana terdapat korelasi atauhubungan antar pengamatan (observasi), baik itu dalambentuk observasi deret waktu (time series) atau observasicross-section � Contohnya:
� untuk data deret waktu: kita ingin membentuk regresi antaratingkat bunga dan investasi. Data yang digunakan adalah data kuartalan. Maka, kita berasumsi bahwa tingkat bunga padasuatu kuartal (misalnya kuartal I) hanya akan mempengaruhiinvestasi pada kuartal I tersebut, dan tidak mempengaruhiinvestasi kuartal berikutnya.
� untuk data cross-section: kita ingin meregresikan antarapendapatan dan konsumsi. Data yang digunakan misalnyaadalah data pendapatan dan konsumsi keluarga pada suatuperiode waktu. Maka yang kita harapkan adalah konsumsikeluarga A hanyalah dipengaruhi oleh pendapatan keluarga A tersebut, tidak oleh pendapatan keluarga B. Jadi, jika terjadipeningkatan pendapatan keluarga B, maka tidak mempengaruhikonsumsi keluarga A.
Cara Cara AnalisisAnalisis RegresiRegresi LinierLinier
PilihanPilihan metodemetode::�� Enter: Enter: semuasemua variabelvariabel dimasukkandimasukkan dalamdalam model model regresiregresi, ,
tidaktidak adaada yang yang dikeluarkandikeluarkan..�� Backward: Backward: semuasemua variabelvariabel dimasukkandimasukkan dalamdalam model model
regresiregresi kemudiankemudian dianalisisdianalisis dandan variabelvariabel yang yang tidaktidak layaklayakmasukmasuk dalamdalam model model regresiregresi dikeluarkandikeluarkan satusatu per per satusatu
�� Forward: Forward: variabelvariabel bebasbebas dimasukkandimasukkan tidaktidak sekaligussekaligus, , namunnamun dimasukkandimasukkan satusatu per per satusatu dalamdalam model model regresiregresidimulaidimulai daridari variabelvariabel yang yang memilikimemiliki korelasikorelasi paling paling kuatkuatdengandengan variabelvariabel dependendependen
�� Stepwise: Stepwise: variabelvariabel bebasbebas dimasukkandimasukkan satusatu per per satusatu kekedalamdalam model model regresiregresi dimulaidimulai daridari variabelvariabel dengandengankorelasikorelasi paling paling kuatkuat terhadapterhadap variabelvariabel dependendependen, , dandansetiapsetiap kali kali terjaditerjadi pemasukkanpemasukkan variabelvariabel bebasbebas makamakadilakukandilakukan pengujianpengujian variabelvariabel yang yang telahtelah masukmasuk untukuntuktetaptetap masukmasuk atauatau keluarkeluar kembalikembali daridari model model regresiregresi..
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 variabelproduktivitas ditentukan oleh4 var. independen yg dipilih
menunjukkan model regresiyang dipilih bagus
ke-3 var bebas iniberpengaruh signifikanterhdp var. produktivitas(p <0,05)
Model persamaan regresi :Produktivitas = 10,913 LILA + 4,966 Kadar Hb -13,275 pendidikan – 13,988 jumlah anak + 100,123
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)
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)
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 perempuandan 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 danmemperoleh 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 dantidak 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 perempuandan memperoleh suplementasi Fe:
Produktivitas = 30,016 (0) + 28,629 (1) + 1,396 usia + 128,859= 158,884 + 1,396 usia
Hubungan antara varindependen dan dependensangat kuat (r > 0,5) danR 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
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 makaproduktivitas akan meningkat 8,304 kg
Koefisien 50,743 masa kerja artinya setiap penambahan 1 tahun masakerja maka produktivitas akan meningkat 50,743 kg
Koefisien 92,754 indeks1 artinya secara rata-rata responden denganpendidikan SD mempunyai produktivitas 92,754 kg lebih banyakdibanding responden tidak sekolah
Koefisien 116,033 indeks2 artinya secara rata-rata responden denganpendidikan Smp mempunyai produktivitas 116,033 kg lebih banyakdibanding responden tidak sekolah
Koefisien 92,754 indeks3 artinya secara rata-rata responden denganpendidikan SMA mempunyai produktivitas 102,187 kg lebih banyakdibanding responden tidak sekolah
RegresiRegresi bergandaberganda model model PolinomialPolinomial
�� EvaluasiEvaluasi Output: Output: metodemetode yang yang baikbaik adalahadalah yang yang memilikimemilikinilainilai signifikansisignifikansi dandan RsqRsq atauatau koefisienkoefisien determinasideterminasiterbesarterbesar
Output:
nilai signifikansidan Rsq ataukoefisiendeterminasiterbesar
ContohContoh::AplikasiAplikasi regresiregresi bergandaberganda model model PolinomialPolinomial
�� BagaimanaBagaimana pengaruhpengaruh jumlahjumlah rotiroti yang yang diproduksidiproduksi terhadapterhadap besarbesar biayabiaya..�� BukaBuka file file regresi_kurvaregresi_kurva
DimanaDimana::�� X = X = paparanpaparan, , faktorfaktor resikoresiko, , variabelvariabel bebasbebas�� f (z ) = f (z ) = probabilitasprobabilitas resikoresiko terjadinyaterjadinya outcome yang outcome yang diamatidiamati�� BerapapunBerapapun nilainilai z z �� f ( Z ) = f ( Z ) = berhargaberharga antaraantara 0 0 dandan 11
RegresiRegresi LogistikLogistik Model Model PrediktifPrediktif::�� untukuntuk memperolehmemperoleh model model atauatau kumpulankumpulan variabelvariabel bebasbebas
�� difokuskandifokuskan padapada pertimbanganpertimbangan nilainilai statistikstatistik biasanyabiasanyadengandengan metodemetode stepwise stepwise dandan nilainilai koefisienkoefisien regresiregresi b b harusharus significant (significant (melaluimelalui UjiUji WaldWald, p < 0,05)., p < 0,05).
RegresiRegresi Model Model FaktorFaktor::�� DifokuskanDifokuskan padapada Exp ( b ), Exp ( b ), meskipunmeskipun ujiuji WaldWald tidaktidak
bermaknabermakna 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): bibi