latihan ujian

Nama:

NRP

Interpretasi Ujian Labkom CRP

Uji Korelasi dan Regresi

Senin, 2 Februari 2015

A. Uji Pearson

- Jenis uji : Uji korelasi Pearson

- Tujuan : Untuk melihat hubungan

- Syarat :

a. Data variabel independet dan dependent harus numerik (interval/rasio)

b. Data harus berdistribusi normal

- Variabel :

a. Variabel X=Independent= Umur ibu =rasio

b. Variabel Y=Dependet= BB Bayi= rasio

- Asumsi :

1. Hipotesis normalitas

H0 : Data berdistribusi normal

H1 : Data Tidak berdistribusi normal

2. Hipotesis penelitian

H0 : Tidak adanya hubungan antara umur ibu dengan BB Bayi

H1 : Adanya hubungan antara umur ibu dengan BB bayi

- Hasil output SPSS

1. Uji normalitas :

2.

One-Sample Kolmogorov-Smirnov Test

age of mother

birthweight

(grams)

N 189 189

Normal Parametersa,,b Mean 23.24 2944.29

Std. Deviation 5.299 729.016

Most Extreme Differences Absolute .095 .043

Positive .095 .043

Negative -.054 -.043

Kolmogorov-Smirnov Z 1.299 .598

Asymp. Sig. (2-tailed) .068 .867

a. Test distribution is Normal.

b. Calculated from data.

P Value Age mother : 0,068>0,05 : Data berdistribusi normal

P Value BB Bayi : 0,867 >0,05 : Data berdistribusi normal

Kesimpulan:

Data numerik dengan variabel Independent dan dependent berdistribusi

normal dan memenuhi syarat uji korelasi Pearson

3. Uji hipotesis :

Correlations

age of mother

birthweight

(grams)

age of mother Pearson Correlation 1 .090

Sig. (2-tailed) .221

N 189 189

birthweight (grams) Pearson Correlation .090 1

Sig. (2-tailed) .221

N 189 189

P value : 0,221 >0,05 : Tidak ada hubungan antara umur ibu dengan BB bayi

o Jika ada hubungan maka lihat pearson correlation

Arah hubungan= positif berarti searah

Kekuatan hubungan = hasil mendekati 0 maka hubungan antara

umur ibu dengan BBLR lemah.

- Kesimpulan :

Tidak ada hubungan antara umur ibu dengan BB bayi

B. Uji Spearman

- Jenis uji : Uji Korelasi Spearman

- Tujuan : Untuk melihat hubungan antara umur ibu dengan bb anak

- Syarat :

a. Data variabel independent dan dependent keduanya harus ordinal atau

salah satunya berskala ordinal

b. Data tidak harus berdistribusi normal

- Variabel :

Variabel X =Independent = Umur ibu = numerik= rasio

Variabel Y=Dependet =BB bayi = Kategorik = Ordinal

- Asumsi :



H1 : Data Tidak berdistribusi normal


H0 : Ada hubungan antara Umur ibu dengan BB bayi

H1 : Tidak Adanya hubungan antara umur ibu dengan BB bayi

- Hasil output SPSS

1. Uji normalitas :

2.


age of mother

birthweight

(grams)

N 189 189




Positive .095 .043


Kolmogorov-Smirnov Z 1.299 .598



b. Calculated from data.

P value umur ibu :0,068 >0,05 : Data berdistribusi normal


3. Uji hipotesis :

Correlations

age of mother

birthweight

(grams)

Spearman's rho age of mother Correlation Coefficient 1.000 .061

Sig. (2-tailed) . .405

N 189 189

birthweight (grams) Correlation Coefficient .061 1.000

Sig. (2-tailed) .405 .

N 189 189

P Value 0,405 >0,05 : Tidak ada hubungan antara umur ibu dengan BB Bayi

C. Regresi Linier

- Jenis uji : Regresi linier sederhana

- Tujuan :

a. Untuk mengetahui pengaruh satu variabel independent (variabel X)

terhadap 1 variabel dependent (variabel Y) dan seberapa besar

pengaruhnya.

- Syarat :

o Variabel independent =rasio, distribusi normal

o Variabel dependent =rasio, distribusi normal

- Variabel :

a. Variabel Independent (X) : Rasio = BB ibu

b. Variabel Dependent (Y) : Rasio = BB bayi

- Asumsi :



H1 : Data tidak berdistribusi normal


H0 : Tidak ada hubungan antara BB ibu dengan BB bayi

H1 : Ada hubungan antara BB ibu dengan BB bayi

- Hasil output SPSS

1. Uji normalitas :

2.

P Value BB ibu : 0,000 <0,05 : Data tidak terdistribusi normal



birthweight

(grams)

weight at last

menstrual period

N 189 189




Positive .043 .152


Kolmogorov-Smirnov Z .598 2.094



a. Calculated from data.

b.

Kesimpulan:

Variabel independent X ( BB ibu) tidak berdistribusi normal dan

variabel dependent Y (BB bayi) berdistribusi normal, dan untuk

memenuhi regresi linier sederhana maka variabel X yang tidak

berdistribusi normal harus di kategorikan dulu baru dapat

menggunakan uji regresi linier sederhana

3. Uji hipotesis :

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.

95,0% Confidence Interval for

B

B Std. Error Beta Lower Bound Upper Bound

1 (Constant) 2835.979 73.744 38.457 .000 2690.502 2981.457

Kategori LWT 220.107 105.128 .151 2.094 .038 12.718 427.496

a. Dependent Variable: birthweight (grams)

P Value :0,038 < 0,05 : Ada pengaruh antara BB ibu dengan BB Anak

a. (Kuat/lemah) dan menentukan seberapa besar pengaruhnya.

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .151a .023 .018 722.543

a. Predictors: (Constant), Kategori LWT

R : 0,151 ( lemah (Mendekati 0)

Jenis kekuatan Positif

R Square : 0,023 X 100%= 2,3% maka kekuatan regresinya lemah (0-25%)

Nilai R square menunjukan berapa persen pengaruh variabel x

terhadap Y, semakin mendekati 1 maka semakin mendekati 100%.

Karena nilai R square kita 0,023 maka nilai pengaruh variabel BB

ibu terhadap BB bayi sebesar 2,3% sementara 97,7% nya lagi

merupakan nilai variabel lain yang tidak diteliti

D. Regresi Logistik

- Jenis uji : Regresi Logistik multivariat

- Tujuan :

Untuk melihat pengaruh lebih dari satu variabel independent (X)

terhadap satu variabel dependent (Y) dan seberapa besar pengaruhnya

- Syarat :

a. Variabel Independent : (nominal,ordinal,interval,rasio)

b. Variabel dependent :Nominal

c. Tidak dipengaruhi uji normalitas

- Variabel :

a. Variabel independent (X) :

Umur ibu=rasio

LWT =ordinal

Moderate=interval

Race = nominal

b. Variabel dependent (Y) : BB bayi =nominal

- Asumsi :


H0 : tidak ada hubungan variabel independent (X) dengan variabel dependent

(Y)

H1 : Ada hubungan variabel independent (X) dengan variabel dependent (Y)

- Hasil output SPSS

Uji hipotesis :

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B)

Lower Upper

Step 1a race 7.843 2 .020

race(1) 1.231 .517 5.669 1 .017 3.425 1.243 9.438

race(2) .944 .416 5.140 1 .023 2.569 1.136 5.809

smoke(1) -1.054 .380 7.701 1 .006 .348 .165 .734

age -.023 .034 .434 1 .510 .978 .914 1.045

lwt -.013 .006 3.835 1 .050 .988 .975 1.000

Constant 1.385 1.063 1.695 1 .193 3.993

a. Variable(s) entered on step 1: race, smoke, age, lwt.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

95% C.I.for EXP(B)

Lower Upper

Step 1a Race 7.843 2 .020

race(1) 1.231 .517 5.669 1 .017 3.425 1.243 9.438

race(2) .944 .416 5.140 1 .023 2.569 1.136 5.809

smoke(1) -1.054 .380 7.701 1 .006 .348 .165 .734

Lwt -.013 .006 3.835 1 .050 .988 .975 1.000

Age -.023 .034 .434 1 .510 .978 .914 1.045

Constant 1.385 1.063 1.695 1 .193 3.993

a. Variable(s) entered on step 1: race, smoke, lwt, age.

a. Lihat sig

Race =0,020 < 0,05 =ada hubungan

Race (1) =0,017 <0,05 =ada hubungan

Race (2) = 0,023 <0,05 = Ada hubungan

Smoke (1) =0,006 <0,05 =ada hubungan

Lwt =0,050 <0,05 = ada hubungan

Age =0,510>0,05 = Tidak ada hubungan

b. Jika P<0,05 (ada hubungan x dan Y)

Lihat nilai Exp (B)/Odd ratio

Jika < 1 berisiko lebih rendah

Jika =1 berisiko sama

Jika >1 berisiko tinggi

ODDS Rasio:

Lwt =o,988

Race (1) =3,425

Race (2) =2,569

Smoke (1) = 0,348

Age = 0,978

Cara nulisnya

1. Lwt =0,988 (OR <1)

Lwt berisiko 0,988 kali lebih rendah untuk melahirkan bayi dengan BBLR

2. Race (1)=3,425 (OR>1)

Race (1) berisiko 3,425 kali lebih tinggi untuk melahirkan bayi dengan BBLR

3. Race (2) =2,569 (OR >1)

Race (2) berisiko 2,569 kali lebih tinggi untuk melahirkan bayi dengan BBLR

4. Smoke (1) = 0,348 (OR<1)

Smoke (1) berisiko 0,348 kali lebih rendah untuk melahirkan bayi dengan BBLR

5. Age =0,978 (OR <1)

Age berisiko 0,978 kali lebih rendah untuk melahirkan bayi dengan BBLR

- :

latihan ujian

Documents