HARTARTO AKHMADNIM. O11113009Pend. Dokter hewan/ Fakultas Kedokteran UNHAShartartoakhmad@gmail.com

REGRESI DAN KORELASI

A. Judul Penelitian: Korelasi Tinggi Badan dan Berat Badan Siswa Kelas XII IPA PLUS di SMA Neg. 1 Bantaeng.B. Tujuan Penelitian: untuk mengetahui korelasi antara tinggi badan dan berat badan pada siswa kelas XII IPA PLUS di SMA Neg. 1 BantaengC. Metode Penelitian: Model Regresi dan Korelasi

1. Regresi Y = a+bx

Keterangan :a : Konstantab: adalah dari rumus brikutb =

2. Korelasir =

= Jumlah Umur dari ayam = Jumlah Berat Badan ayamn= Jumlah data (10)D. Desain Penelitian: 1. Variabel Bebas (Dependent)Variabel bebas adalah tinggi badan.

2. Variabel Terikat (Independent)Variabel terikat adalah sampel berat badan dari 10 siswa laki-laki kelas XII IPA PLUS di SMA Neg. 1 Bantaeng.

E. Analisis DataAdapun hasil penelitian yang diperoleh disajikan pada tabel berikut:NOTinggi Badan ( cm ) XBerat Badan ( KG ) Y

116863

217381

316254

415749

516052

616562

716356

817078

916864

1016461

NOXiYiXiYiXi.Yi

11686328224396910584

21738129929656114013

3162542624429168748

4157492464924017693

5160522560027048320

61656227225384410230

7163562656931369128

81707828900608413260

91686428224409610752

101646126896372110004

Jumlah165062027246039432102732

3. Mencari Nilai = a + b

Jika, b =

b = b = b = b = 2,0571 dan untuk nilai a a = + b

a = (62) + (2,0571)(165) a = (62) + (339,421)a = 401,421Sehingga, Nilai adalah sebagai berukit := a + b xn

1. 1 = a + b x1 1 = (401,421) + (2,0571) (168) 1 = 747,0138

1. 2 = a + b x2 2 = (401,421) + (2,0571) (173) 2 = 757,29931. 3 = a + b x3 3 = (401,421) + (2,0571) (162) 3 = 734,67121. 4 = a + b x4 4 = (401,421) + (2,0571) (157) 4 = 724,38571. 5 = a + b x5 5 = (401,421) + (2,0571) (160) 5 = 730,5571. 6 = a + b x6 6 = (401,421) + (2,0571) (165) 6 = 740,84251. 7 = a + b x7 7 = (401,421) + (2,0571) (163) 7 = 736,7281. 8 = a + b x8 8 = (401,421) + (2,0571) (170) 8 = 751,1281. 9 = a + b x9 9 = (401,421) + (2,0571) (168) 9 = 747,0131. 10 = a + b x10 10 = (401,421) + (2,0571) (164) 10 = 738,785Sehingga table lengkap dari hasil penelitian lengkap disajikan di bawah ini,NoBerat Badan, Kg(Y)Tinggi Badan, cm(X)XY Y

X

Y-

16316810584396928224747,0138-684,0138

28117314013656129929757,2993-676,2993

3541628748291626244734,6712-680,6712

4491577693240124649724,3857-675,3857

5521608320270425600730,557-678,557

66216510230384427225740,8425-678,8425

7561639128313626569736,728-680,728

87817013260608428900751,128-673,128

96416810752409628224747,013-683,013

106116410004372126896738,785-677,785

6201650102732394322724607408,4235-6788,4235

4. Mencari nilai Korelasi

5. Grafik Regresi dan KorelasiDari hasil yang telah didapatkan maka, grafik regresi dan korelasinya adalah sebagai berikut.F. PembahasanBerdasarkan perhitungan diatas, diperoleh data bahwa semakin besar nilai tinggi badan seorang siswa maka berat badan juga semakin meningkat. pada siswa pertama yang memiliki tinggi badan 168 cm maka berat badannya adalah 63 kg. siswa kedua memiliki tinggi badan 173 dan berat badannya 81 kg. siswa ke-5 memiliki tinggi badan 160 cm dan berat badannya 52 kg, sedangkan pada siswa ke-10 memiliki tinggi badan 164 cm dan berat badan 61 kg, begitupun seterusnya. Dari tabel juga dapat dilihat bahwa tinggi badan yang paling rendah adalah siswa ke-4 yaitu 157 cm dengan berat badan 49 kg, sedangkan tinggi badan yang paling besar adalah siswa ke-2 yaitu 173 cm dengan berat badannya 81 kg. dari ke-10 sampel siswa laki-laki, rata-rata tinggi badan adalah 165 kg sedangkan rata-rata berat badan dari ke-10 siswa laki-laki adalah 62 kg.

G. Analisis SPSSREGRESSION/DESCRIPTIVESMEANSTDDEVCORRSIGN/MISSINGLISTWISE/STATISTICSCOEFFOUTSRANOVACHANGEZPP/CRITERIA=PIN(.05)POUT(.10)/NOORIGIN/DEPENDENTTinggiBadan/METHOD=ENTERBeratBadan.

Regression

Notes

Output Created14-Dec-2014 00:41:32

Comments

InputActive DatasetDataSet0

Filter

Weight

Split File

N of Rows in Working Data File13

Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.

Cases UsedStatistics are based on cases with no missing values for any variable used.

SyntaxREGRESSION/DESCRIPTIVES MEAN STDDEV CORR SIG N/MISSING LISTWISE/STATISTICS COEFF OUTS R ANOVA CHANGE ZPP/CRITERIA=PIN(.05) POUT(.10)/NOORIGIN/DEPENDENT TinggiBadan/METHOD=ENTER BeratBadan.

ResourcesProcessor Time00:00:00.062

Elapsed Time00:00:00.324

Memory Required1348 bytes

Additional Memory Required for Residual Plots0 bytes

[DataSet0]

Descriptive Statistics

MeanStd. DeviationN

TinggiBadan1.6500E24.8304610

BeratBadan62.000010.4986810

Correlations

TinggiBadanBeratBadan

Pearson CorrelationTinggiBadan1.000.946

BeratBadan.9461.000

Sig. (1-tailed)TinggiBadan..000

BeratBadan.000.

NTinggiBadan1010

BeratBadan1010

Variables Entered/Removedb

ModelVariables EnteredVariables RemovedMethod

1BeratBadana.Enter

a. All requested variables entered.

b. Dependent Variable: TinggiBadan

Model Summary

ModelRR SquareAdjusted R SquareStd. Error of the EstimateChange Statistics

R Square ChangeF Changedf1df2Sig. F Change

1.946a.896.8831.65344.89668.81418.000

a. Predictors: (Constant), BeratBadan

ANOVAb

ModelSum of SquaresdfMean SquareFSig.

1Regression188.1291188.12968.814.000a

Residual21.87182.734

Total210.0009

a. Predictors: (Constant), BeratBadan

b. Dependent Variable: TinggiBadan

Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.Correlations

BStd. ErrorBetaZero-orderPartialPart

1(Constant)138.0003.29741.862.000

BeratBadan.435.052.9468.295.000.946.946.946

a. Dependent Variable: TinggiBadan

CurveEstimation.TSETNEWVAR=NONE.CURVEFIT/VARIABLES=TinggiBadanWITHBeratBadan/CONSTANT/MODEL=LINEAR/PLOTFIT.

CurveFit

Notes

Output Created14-Dec-2014 00:42:19

Comments

InputActive DatasetDataSet0

Filter

Weight

Split File

N of Rows in Working Data File13

Missing Value HandlingDefinition of MissingUser-defined missing values are treated as missing.

Cases UsedCases with a missing value in any variable are not used in the analysis.

SyntaxCURVEFIT/VARIABLES=TinggiBadan WITH BeratBadan/CONSTANT/MODEL=LINEAR/PLOT FIT.

ResourcesProcessor Time00:00:01.156

Elapsed Time00:00:02.405

UseFromFirst observation

ToLast observation

PredictFromFirst Observation following the use period

ToLast observation

Time Series Settings (TSET)Amount of OutputPRINT = DEFAULT

Saving New VariablesNEWVAR = NONE

Maximum Number of Lags in Autocorrelation or Partial Autocorrelation PlotsMXAUTO = 16

Maximum Number of Lags Per Cross-Correlation PlotsMXCROSS = 7

Maximum Number of New Variables Generated Per ProcedureMXNEWVAR = 60

Maximum Number of New Cases Per ProcedureMXPREDICT = 1000

Treatment of User-Missing ValuesMISSING = EXCLUDE

Confidence Interval Percentage ValueCIN = 95

Tolerance for Entering Variables in Regression EquationsMaximum Iterative Parameter ChangeTOLER = .0001CNVERGE = .001

Method of Calculating Std. Errors for AutocorrelationsACFSE = IND

Length of Seasonal PeriodUnspecified

Variable Whose Values Label Observations in PlotsUnspecified

Equations IncludeCONSTANT

[DataSet0]

Model Description

Model NameMOD_1

Dependent Variable1TinggiBadan

Equation1Linear

Independent VariableBeratBadan

ConstantIncluded

Variable Whose Values Label Observations in PlotsUnspecified

Case Processing Summary

N

Total Cases13

Excluded Casesa3

Forecasted Cases0

Newly Created Cases0

a. Cases with a missing value in any variable are excluded from the analysis.

Variable Processing Summary

Variables

DependentIndependent

TinggiBadanBeratBadan

Number of Positive Values1010

Number of Zeros00

Number of Negative Values00

Number of Missing ValuesUser-Missing00

System-Missing33

Model Summary and Parameter Estimates

Dependent Variable:TinggiBadan

EquationModel SummaryParameter Estimates

R SquareFdf1df2Sig.Constantb1

Linear.89668.81418.000138.000.435

The independent variable is BeratBadan.

H. KesimpulanBerdasarkan hasil penelitian diatas, maka dapat disimpulkan bahwa tinggi badan memiliki berpengaruh signifikan terhadap berat badan sampel siswa laki-laki kelas XII IPA PLUS di SMA Neg. 1 Bantaeng.