VII. ANALISIS REGRESI-KORELASI - Jurusan Informatika · VII. ANALISIS REGRESI-KORELASI 6.1....
Transcript of VII. ANALISIS REGRESI-KORELASI - Jurusan Informatika · VII. ANALISIS REGRESI-KORELASI 6.1....
Praktikum Biostatistika 49
VII. ANALISIS REGRESI-KORELASI
6.1. Analisis Regresi Linier
Seorang peneliti ingin mengetahui bentuk hubungan antara jumlah cacing jenis
tertentu denagn jumlah telurnya pada usus ayam buras. Untuk tujuan tersebut diperiksa
20 ekor ayam dan ditemukan sebagai berikut :
Tabel 1.6.1. Jumlah Cacing dan Jumlah Telurnya pada Usus Ayam Buras.
No Jumlah Cacing ( Xi) Jumlah telurnya (Yi)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
12
14
13
12
15
16
13
11
10
11
12
13
17
19
13
11
16
12
14
15
45
50
51
43
61
62
50
43
40
44
48
52
70
76
53
43
60
48
53
63
Total 269 1055
Rataan 13,45 52,75
Panggil atau keluarkan program SPSS, Klik Variable View, maka muncul Gambar 1.6.1
Gambar 1.6.1 Kotak Dialog Variable View
Praktikum Biostatistika 50
Ketik X dan Y pada Klom Name, ketik angka 0 pada Kolom Decimals dan pada KLOM
Label ketik Jumlah Cacing dan Jumkah Telur, kemudian Klik Data View, maka muncul
Gambar 2.6.1.
Gambar 2.6.2 Data View
Salin data Tabel 1.6.1. ke Gambar 2.6.2.
KLik Graphs, pilih ScatterDot ► Simple Scatter. Klik Difine, muncul Gambar 3,6.1.
Praktikum Biostatistika 51
Gambar 3.7.1. Kotak Dialog Simple Scatterplot
Klik Jumlah Telur (Y), pindahkan dengan tada ►ke Kotak Y Axis
Klik: Jumlah Cacing(X), pindahkan dengan tada ►ke Kotak X Axis
KLIK OK, maka diperoleh hasil berikut :
Graph
201816141210
Jumlah Cacing
80
70
60
50
40
Jum
lah
Telu
r
Praktikum Biostatistika 52
Dari Scatterplot tampak garisnya berbentuk linier, maka kita perlu mencari
persamaannya, dengan cara sebagai berikut :
Kembali ke Gambar 2.61. Klik Analyze , pilih Regression ►Linear, maka
muncul Gambar 4.6.1.
Gambar 4.6. 1. Kotak Dialog Liniar Regreeion
Klik Jumlah Telur(Y), pindahkan dengan tanda ►ke Kotak Dependent
Klik Jumlah Cacing (Y), pindahkan dengan tanda ►ke Kotak Independent(s)
MethodeEnter
Regression Variables Entered/Removed(b)
Model Variables Entered
Variables Removed Method
1 Jumlah Cacing(a)
. Enter
a All requested variables entered. b Dependent Variable: Jumlah Telurnya Model Summary
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .972(a) .946 .943 2.332
a Predictors: (Constant), Jumlah Cacing
Praktikum Biostatistika 53
ANOVA(b)
Model
Sum of Squares df Mean Square F Sig.
1 Regression 1699.882 1 1699.882 312.643 .000(a)
Residual 97.868 18 5.437
Total 1797.750 19
a Predictors: (Constant), Jumlah Cacing b Dependent Variable: Jumlah Telurnya Coefficients(a)
Model
Unstandardized Coefficients Standardized Coefficients
t
Sig.
B Std. Error Beta
1 (Constant) -2.442 3.165 -.772 .450
Jumlah Cacing 4.104 .232 .972 17.682 .000
a Dependent Variable: Jumlah Telurnya Kesimpulan :
-Koefesin korelasinya (R) : 0,972
-Garis Regresinya sangan nyata (P<0.1), lihat Sig pada ANOVA
-Persamaan Garis Geresinya : Y = = -2,442 + 4.104X, Lihat nilai pada Kolom B
Menggambar Persamaan Garis Regresi
Kembali ke Gambar 2.7
Gambar 5.7.1. Data View
Praktikum Biostatistika 54
Ketik angka 10 – 20 pada Kolom X, seperti tampak pada Gambar 5.7
Klik Tranform, pilih Compute, maka muncul Gambar 6.7.
Gamabar 6.6. 1. Kotak Dialog Compute Variable
Ketik Y pada Target Variable dan Ketik -2.442 + 4.103*X pada Numeric Expression
Lalu Klik OK, maka Kolom Y pada Gambar 5.7 dilengkapi.
Klik Graph, pilih Line, pilih Simple, Klik Define, maka muncul Gambar 7.7
Gambar 7.6.1. Kotak Dialog Define Simple Line
Praktikum Biostatistika 55
Graph
201816141210
Jumlah Cacing
80
70
60
50
40
30
Mea
n J
um
lah
Tel
ur
6.2. Analisis Regresi Kuadratik.
Seorang peneliti ingin mengetahui hubungan antara dosis oba tertentu (X) dengan kadar
Creatinin Ginjalnya (Y) dari hasil peneitiannya diperoleh hasil sebagai berikut :
Tabel 1.6.2. Kadar Creatinie pada Berbagai Dosis Obat.:
No Dosis Obat mg
(Xi)
Kadar Creatinin % (Yi)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
7
3
2
4
6
7
8
8
1
3
10
13
15
20
16
11
14
12
21
17
10
7
6
11
16
Y = - 2.442 + 4.103X
Praktikum Biostatistika 56
.Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.6.2.
Gambar 1.6.2. Kotak Dialog Variable View
Ketik X dan Y pada Kolom Name, ketik angka 0 pada Kolom Decimals dan pada Kolom
Label ketik Dosis Obat dan Kadar Cretinin(%), lalu Klik Data View, maka mumcul
Gambar 2.6.2.
Praktikum Biostatistika 57
Gambar 2.6.2. Data View
Klik Graphs, pilih ScatterDot ► Simple Scatter, Klik Define, muncul Gambar 3.7.2.
Gambar 3.6.2. Kotak Dialog Simple Scatterplot
Klik Kadar Creatinin (%)(Y), pindahkan dengan tanda►ke Y Axis
Klik Dosis Obat (x), pindahkan dengan tanda►ke X Axis
Klik OK, maka diperleh hasil sebagai berikut :
Graph
87654321
Dosis Obat
21
18
15
12
9
6
Kad
ar C
reat
inin
(%)
Praktikum Biostatistika 58
Jadi berdasarkan Plot Data kemungkinan Persamaan Garis Regresinya adalah :
Y = 0 + 1X + 2X2
Kembali ke gambar 2.6.2., lalu Klik Transform ► Compute, maka muncul Gambar 4.6.2.
Gambar 4.6.2. Kotak Dialog Compute Variable
Pada Target Variable Ketik XX, dan pada Numeric Expression : X*X
Klik OK, maka muncul Gambar 5.6.2.
Gambar 5.6.2. Data View
Praktikum Biostatistika 59
Klik Analyze, pilih Regression ►Klik Linear, maka muncul Gambar 6.6.2.
Gambar 6.6.2. Kotak Dialog Linier Regression
Klik Dosis Obat (X) dan XX, pindahkan dengan tanda►ke Independent List(s)
Klik Kadar Creatinin (%)(Y), , pindahkan dengan tanda►ke Dependent List
Method Enter, Klik .OK, diperoleh hasil sebagai berikut :
.Regression Model Summary
Model R R Square Adjusted R
Square Std. Error of the Estimate
1 .921(a) .848 .822 1.826
a Predictors: (Constant), XX, Disis Obat
Praktikum Biostatistika 60
ANOVA(b)
Model
Sum of Squares Df Mean Square F Sig.
1 Regression 222.930 2 111.465 33.436 .000(a)
Residual 40.004 12 3.334
Total 262.933 14
a Predictors: (Constant), XX, Disis Obat b Dependent Variable: Kadar Kretinin Coefficients(a)
Model
Unstandardized Coefficients Standardized Coefficients
t
Sig.
B Std. Error Beta
1 (Constant) 3.363 1.870 1.798 .097
Disis Obat 6.778 .974 3.807 6.959 .000
XX -.801 .104 -4.209 -7.694 .000
a Dependent Variable: Kadar Kretinin
Kesimpulan :
1. Koefesin korelasinya (R) : 0,921
2. Garis Regresinya sangan nyata (P<0.1), lihat Sig pada ANOVA
3. Persamaan Garis Geresinya : Y = 3.363 + 6.778X - 0.801 X2
Menggambar Persamaan Garis Regresi
Kembali ke Gambar 2.6.2., Ganti Kolom X dengan angka 0 – 8, seperti tampat pada
Gambar 7.6.2. sedangkan Kolom kosongkan, lalu Klik Tanform, pilih Compute,
maka muncul Gambar 8.6.2.
Praktikum Biostatistika 61
Gambar 7.6.2. Data View
Gambar 8.6.2. Ktak Dialog Compute Variable
Praktikum Biostatistika 62
Ketik Y pada Target Variable dan ketik 3.363 + 6.778*X - 0.801*X*X pada Numeric
Expression, lalu Klik OK, maka kembali ke Gambar 7.6,2. dengan pada Klom Y nya
telah dilengkapi dilengkapi.
Klik Graphs, pilih Line, pilih Simple, Klikk Define, maka muncul Gambar 9.6.2.
Gambar 9.6.2. Define Simple Line.
Klik Kadar Creatini (%), pindahkan dengan tanda ►ke Variable
Klik Dosis Obat(X) , pindahkan dengan tanda ►ke Category Axis
Graph
876543210
Dosis Obat
18
15
12
9
6
3
Mea
n K
adar
Cre
atin
in(%
)
Y = 3.363 + 6.778X – 0.801X2
Praktikum Biostatistika 63