1. REGRESI Linier multivariat Jenis uji : regresi linier multivariat Tujuan :Untuk mengetahui pengaruh satu variabel independent (variabel x) terhadap 1 variabel dependent (variabel y) dan seberapa besar pengaruhnya Syarat: Variabel independent = rasio, distribusi normal Variabel dependent = rasio, distribusi normal Variable Variabel independent (X): rasio X1 = status pendidikan X2 = lama belajar Variabel dependent (Y): rasio Y = nilai MDE Asumsi:X : numerik, tidak berdistribusi normalY: numeric, berdistribusi normalRegresi Linier, tapi var x nya harus dikategoriin dulu

Hipotesis normalitas H0: Data distribusi normal H1: Data tidak distribusi normal Hipotesis penelitian H0: Tidak ada pengaruh status pendidikan, lama belajar, dengan nilai MDE H1: Ada pengaruh status pendidikan, lama belajar, dengan nilai MDE Hasil Ouptput SPSS UJI NORMALITASOne-Sample Kolmogorov-Smirnov Test

status pendidikanlama belajarnilai mde

N363636

Normal Parametersa,bMean1.942.6463.5758

Std. Deviation.8601.51521.69116

Most Extreme DifferencesAbsolute.253.150.194

Positive.253.128.100

Negative-.223-.150-.194

Kolmogorov-Smirnov Z1.517.8991.165

Asymp. Sig. (2-tailed).020.395.133

a. Test distribution is Normal.

b. Calculated from data.

P value Status pendidikan 0,020 < 0.05 tolak H0 : data tidak terdistribusi normal Lama belajar 0,395 > 0.05 terima H0 : data terdistribusi normal Nilai MDE 0,133 > 0.5 terima H0 : data terdistribusi normalInterpretasi: Asumsi normalitas data terpenuhi bisa dilanjutkan uji regresi linier multivariate Regresi linier multivariate

Coefficientsa

ModelUnstandardized CoefficientsStandardized CoefficientstSig.95.0% Confidence Interval for B

BStd. ErrorBetaLower BoundUpper Bound

1(Constant)79.29510.6677.434.00057.594100.996

status pendidikan-10.5973.937-.420-2.692.011-18.607-2.588

lama belajar1.8522.235.129.828.413-2.6966.400

a. Dependent Variable: nilai mde

P value Status pendidikan (X1) 0,011 < 0,05 tolak H0 : ada pengaruh antara status pendidikan dengan nilai MDE Lama belajar 0,413 > 0,05 terima H0 : tidak ada pengaruh antara lama belajar dengan nilai MDE Model Summary

ModelRR SquareAdjusted R SquareStd. Error of the Estimate

1.452a.205.15619.92377

a. Predictors: (Constant), lama belajar, status pendidikan

R kekuatan korelasi 0,452 sedang R square variabel X1 (status pendidikan) memprediksi / menggambarkan var Y (nilai MDE) sebesar 2.05%

2. Regresi logistik Tujuan: untuk melihat pengaruh Riwayat imunisasi hepatitis (X) terhadap kejadian Kanker hati (Y) Syarat:1. Variabel independent = (nominal, ordinal, interval, rasio)2. Variabel dependent = nominal Variabel :1. Variabel independent (X): nominal, ordinal, interval, rasio RIMUN2. Variabel dependent (Y): Nominal Ca hati Asumsi:numerik, berdistribusi normalnumeric, tidak berdistribusi normalRegresi Logistik, tapi var y harus dikategoriin dulu

1. Hipotesis normalitasH0: Data distribusi normalH1: Data tidak distribusi normal2. Hipotesis penelitianH0: Tidak ada hubungan RHEP dengan CA HatiH1: Ada hubungann RHEP dengan CA hati Hasil output SPSS Uji normalitas

One-Sample Kolmogorov-Smirnov Test

ca hatiriwayat imunisasi

N4949

Normal Parametersa,bMean.61.84

Std. Deviation1.592.373

Most Extreme DifferencesAbsolute.383.506

Positive.383.331

Negative-.350-.506

Kolmogorov-Smirnov Z2.6843.540

Asymp. Sig. (2-tailed).000.000

a. Test distribution is Normal.

b. Calculated from data.

P value Ca hati 0 < 0,05 tolak H0 : data tidak distribusi normal Riw imunisasi 0 < 0,05 tolak H0 : data tidak distribusi normal Asumsi terpenuhi var y sudah kategorik lanjut uji logistic

Variables in the Equation

BS.E.WalddfSig.Exp(B)95% C.I.for EXP(B)

LowerUpper

Step 1aCA_hati.4302.806

CA_hati(1)-.511.779.4301.512.600.1302.761

CA_hati(2)19.37040192.970.00011.000258475978.291.000.

Constant1.833.53911.5811.0016.250

a. Variable(s) entered on step 1: CA_hati.

Interpretasi: P valuenya 0.806 > 0.05 terima H0 Terdapat hubungan antara riwayat imunisasi hepatitis dengan CA HAti Odds Ratio 0.6 < 1 orang yang imunisasi hepatitis beresiko 0.6 kali lebih rendah daripada tidak imunisasi untuk terkena CA hati

3. UJI KORELASI Jenis uji: Korelasi Pearson Tujuan: untuk melihat hubungan variable X dengan Variabel Y Syarat: Distribusi data normal Data harus numeric (Interval dan Rasio) Variabel : X : interval / rasio (indeks aktivitas) Y : interval / rasio (rasio lingkar pinggang dan panggul) Asumsi:1. Hipotesis normalitasH0: data berdistribusi normalH1 : data tidak berdistribusi normal2. Hipotesis penelitianH0: tidak ada hubungan indeks aktivitas dengan rasio lingkar panggulH1: Ada hubungann indeks aktivitas dengan rasio lingkar panggul Hasil output SPSS Uji normalitas : One-Sample Kolmogorov-Smirnov Test

indeks aktivitasrasio lingkar panggul

N5050

Normal Parametersa,bMean6.1586.8654

Std. Deviation1.34146.06389

Most Extreme DifferencesAbsolute.078.126

Positive.078.075

Negative-.066-.126

Kolmogorov-Smirnov Z.554.890

Asymp. Sig. (2-tailed).918.406

a. Test distribution is Normal.

b. Calculated from data.

P valueIndeks aktivitas 0.918 > 0.05 data distribusi normalRlpp 0.405 data distribusi normalAsumsi terpenuhi lanjur uji korelasi pearson Uji hipotesis : Correlations

rasio lingkar panggulindeks aktivitas

rasio lingkar panggulPearson Correlation1-.054

Sig. (2-tailed).708

N5050

indeks aktivitasPearson Correlation-.0541

Sig. (2-tailed).708

N5050

Interpretasi : P value P > 0.05 tidak ada hubungan antara x dengan Y