Korelasi Dan Regresi 28okt15

BUDI UTOMO
DEPT.IKM-KP FKUA
Pengertian
Regresi merupakan teknik statistika yang digunakan untuk mempelajari hubungan fungsional
dari satu atau beberapa peubah bebas (peubah yang mempengaruhi) terhadap satu peubah
tak bebas (peubah yang dipengaruhi) bersifat 1 arah. Lebih bgs drpd korelasi (arah dan kuat
hubg)
Dalam study crosssectional pake regresi
Korelasi merupakan ukuran kekuatan hubungan dua peubah (tidak harus memiliki hubungan
sebab akibat)
2 arah pd penlt experimental dan kohort
Analisis korelasi regresi
Tujuan analisis ?
korelasi adalah ingin mengetahui
APAKAH ADA HUBUNGAN antara dua variabel atau
lebih
Korelasi parametrik : pearson, k spearman: non
parametrik
Analisis regresi adalah untuk MEMPREDIKSI
SEBERAPA JAUH pengaruh yang ada tersebut (yang
telah dianalisis melalui analisis korelasi).
Jika ada hubungan bagaimanakah arah dan
seberapa besar kuat hubungan tersebut.
Pendahuluan
Beberapa penelitian di bidang kedokteran
sering ingin menilai apakah ada hubungan
antara
dua
variabel
(dependent
dan
independent) yang numerik.
contoh :
Hubungan Index Massa Tubuh dengan kadar
kolesterol.
Hubungan antara KGD dengan Kadar LDL
pada pasien DM.
Korelasi : hubungan keterkaitan antara dua atau lebih

variabel.
Angka koefisien korelasi ( r ) bergerak -1 r +1
POSITIF
makin besar nilai variabel 1
menyebabkan makin besar
pula nilai variabel 2
Contoh : makin banyak waktu
belajar, makin tinggi skor
Ulangan korelasi positif
antara waktu belajar
dengan nilai ulangan
NEGATIF
makin besar nilai variabel 1
menyebabkan makin kecil
nilai variabel 2
contoh : makin banyak waktu
bermain, makin kecil skor
Ulangan korelasi negatif
antara waktu bermain
dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
Contoh
linier positif
linier negatif
Analisis korelasi untuk mengetahui
eratnya hubungan antara dua variabel.
Semakin erat hubungannya maka semakin
yakin bahwa hubungan dua variabel tersebut

adalah hubungan sebab akibat.
Analisis regresi dapat diketahui bentuk
hubungan antara dua variabel (Prediksi dari

data yang ada).
Analisis regresi dan korelasi didasarkan atas
hubungan yang terjadi antara dua variabel

atau lebih.
Variabel yang digunakan untuk meramal
disebut variabel bebas (independen). Dapat

lebih dari satu variabel.
Variabel yang akan diramal variabel
respons (dependen). Terdiri dari satu

variabel.
Arti ketika diberikan respon ke x akan akibat
ke y
A. Diagram Tebar
(Scatter plot)
Diagram tebar adalah diagram dengan
memakai garis koordinat dengan axis X

dan ordinat Y.
Tiap pengamatan diwakili oleh satu titik.
Hubungan antara variabel dapat berupa
garis lurus (linier), garis lengkung (kurva
linier) atau tdk terlihat pola tertentu.
Dapat berupa garis regresi positif atau
negatif.
Kekuatan Hubungan
Bila titik-titik menbar pada satu garis lurus, maka
kekuatan hubungan antara kedua variabel tersebut

sangat sempurna.
Kekuatan hubungan dapat dikuantifikasi melalui
suatu koefisien yaitu koefisien korelasi (r pearson).
Koefisien ini akan berkisar antara 0 1.
bila r = 0 tidak ada hubungan linier.
r = 1 hubungan linier sempurna.
0-1 = bila mendekati 1 semakin kuat
hubungannya, bila mendekati 0 semakin lemah
hubungannya.
Lihat tandanya apakah korelasi positif atau negatif.
Interval Koefisien
Tingkat Hubungan
0.000 0.199
Sangat rendah
0.200 0.399
Rendah
0.400 0.599
Sedang
0.600 0.799
Kuat
0.800 1.000
Sangat kuat
Rumus koefisien korelatif

(Pearson)
n(XY) (X) (Y)
r=
[(nX2) (X)2] [(nY2) (Y)2]
Ket: n = jumlah sampel
X = nilai pada ordinat X
Y = nilai pada ordinat Y
Contoh..
No
X (SGOT)
Y (HDL)
XY
X2
Y2
1.
2.
3.
4.
5.
6.
7.
12.7
11.3
13.5
15.1
17.9
19.3
15.5
42.2
41.2
42.3
42.8
43.8
44.5
45.5
535.94
465.56
571.05
646.28
784.02
858.85
705.25
161.29
127.69
182.25
228.01
320.41
372.49
240.25
1780.84
1697.84
1789.29
1831.84
1918.44
1980.25
2070.25
105.3
302.3
4566.95
1632.39
13068.35
n(XY) (X) (Y)

r=
[(nX2) (X) 2] [(nY2) (Y)2]
7 (4566.95) (105.3) (302.3)

r=
= 0.768
[(7x1632.39) (105.3)2] [(7x13068.35) (302)2]
Scatter Plot
Kesimpulan hasil
Dilihat dari besarnya r yang mendekati 1,
maka hubungan antara SGOT dengan HDL

adalah kuat.
Berpola linier positif
Maka makin tinggi SGOT maka akan
semakin tinggi kadar HDL.
Koefisien Determinasi
R = r2
Yaitu besarnya proporsi variasi Y yang dapat
dijelaskan oleh variabel X.

Apabila r = 1 maka R = 100%
X memegang peranan dalam perubahan Y. bila
terjadi perubahan X, maka Y akan berubah.
Pada kasus diatas r = 0.768 maka R = r2
R= (0.768)2 = 0.59 59%.
Hal ini berarti HDL dapat dijelaskan oleh Variabel
SGOT sebesar 59%.
Uji Hipotesis koefisien

Korelasi
Pengujian signifikansi Selain menggunakan
tabel r, juga dapat dihitung dengan uji t.
rumusnya:
t=
r(n-2)
(1-r2)
df= n-2
bila t hitung > t tabel, Ho di tolak

bila t hitung < t tabel, Ho diterima
B. Regresi Linier
Persamaan garis Linier : yg sederhana
Y = a + bX (a = intersep : suatu nilai

Pada persamaan ini harus jelas dan tentukan mana variabel Y
(dependen) dan variabel X (independen). Penetapan disesuaikan
dengan tujuan analisis.
Biasanya variabel Y lebih sulit diukur
Variabel X lebih mudah diukur
Mengapa?
Bl variabel lbh dr 1 : linier ganda :
Y=a+b1x1 + b2x2 +n1x1+ .... + E
Perubhn harga dr nilai y Bl harga x meningkat per 1 satuan
parameter = slove
E= eror, smkn sdkit eror, smkin baik daya ramalnya
Karena dari persamaan garis regresi linier,
kita dapat melakukan banyak hal. Contohnya :

menduga satu nilai variabel dependen
berdasarkan nilai variabel bebasnya.
Dari contoh kasus diatas, SGOT merupakan
variabel bebas dan HDL merupakan variabel
terikat. Sehingga:
HDL = a + b SGOT
Garis linier dapat digambarkan bila koefisien a
dan b diperoleh.
Metode kuadrat terkecil

b=
n(XY) (X) (Y)

n(X)2 (X)2
Koefisien b = besarnya perubahan nilai

variabel Y apakah nilai variabel X berubah
sebesar satu unit (satuannya)
Koefisien a = nilai awal/intercept besarnya
nilai variabel Y, bila variabel X = 0
a = y - bx
Maka dari contoh soal diatas dapat dihitung:

n(XY) (X) (Y)
b=
n(X)2 (X)2
7x4566.95 (105.3x302.3)
b=
= 0.403
7x1632.39 (105.3)2
a= y bX
= (302.3/7) (0.403)(105.3/7) = 37.123
Maka HDL = 37.123 + 0.403 SGOT
Regresi Linier Ganda

Contoh kasus diatas adalah Regresi linier
sederhana.
Hubungan 1 variabel dependen biasanya
tidak hanya dengan satu variabel saja.
Variabel X lebih dari 1.
maka : Y = a + b1X1 + b2X2 + .+bpXp
Hasilnya sudah terkontrol koefisien b
terhadap variabel bebas lain yang berada

dalam model.
Dalam hal ini koefisien determinasi (R) cukup
penting. Untuk menjelaskan variabel X yang
kita pilih dapat menjelaskan vaiasi Y.
Soal
Seorang dokter ingin mengetahui apakah ada hubungan
antara
berat badan seseorang dengan tinggi badan sesorang, untuk
keperluan tsb dilakukan penelitian terhadap 10 orang dengan
data
sbb:
Tinggi (cm)
Berat Badan (kg)
161 46
158
68
166 57
171 48
160 62
156 41
143 47
136 52
132 39
140 42
Buat persamaan regresinya dan koefisien korelasinya!
[email protected]
TUGAS cari korelasi dan regresi
Y= BMI
BMI dg tekanan darah dg berat badan
Data imajiner dan lanjutkan dg uji
regresi linier dg variable independen

BMI

Korelasi Dan Regresi 28okt15

Diunggah oleh

Hak Cipta:

Format Tersedia

Korelasi Dan Regresi 28okt15

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Korelasi Dan Regresi 28okt15

Diunggah oleh

Hak Cipta:

Format Tersedia

BUDI UTOMO

Analisis korelasi regresi

seberapa besar kuat hubungan tersebut.

Korelasi : hubungan keterkaitan antara dua atau lebih

Analisis korelasi untuk mengetahui

eratnya hubungan antara dua variabel.

Semakin erat hubungannya maka semakin

yakin bahwa hubungan dua variabel tersebut

Analisis regresi dapat diketahui bentuk

hubungan antara dua variabel (Prediksi dari

Analisis regresi dan korelasi didasarkan atas

hubungan yang terjadi antara dua variabel

Variabel yang digunakan untuk meramal

disebut variabel bebas (independen). Dapat

respons (dependen). Terdiri dari satu

memakai garis koordinat dengan axis X

kekuatan hubungan antara kedua variabel tersebut

Rumus koefisien korelatif

n(XY) (X) (Y)

7 (4566.95) (105.3) (302.3)

maka hubungan antara SGOT dengan HDL

dijelaskan oleh variabel X.

Uji Hipotesis koefisien

bila t hitung > t tabel, Ho di tolak

Y = a + bX (a = intersep : suatu nilai

Karena dari persamaan garis regresi linier,

kita dapat melakukan banyak hal. Contohnya :

Metode kuadrat terkecil

n(XY) (X) (Y)

Koefisien b = besarnya perubahan nilai

Maka dari contoh soal diatas dapat dihitung:

Maka HDL = 37.123 + 0.403 SGOT

Regresi Linier Ganda

terhadap variabel bebas lain yang berada

regresi linier dg variable independen

Anda mungkin juga menyukai