ppt ta anggi

Download Ppt Ta Anggi

Post on 12-Aug-2015

38 views

Category:

Documents

1 download

Embed Size (px)

TRANSCRIPT

ANALISIS REGRESI GANDA PADA DUNIA KESEHATAN

Tiara Anggita Qurilmi, S.Ked 04114708032Pembimbing I: Prof. Dr. dr.R.M.Suryadi Tjekyan, DTM&H, MPH Pembimbing II Dr. Ardehlia Arin

BAB I

Latar Belakang Analisa regresi berganda adalah salah satu metode statistika yang sering digunakan untuk mengetahui sejauh mana ketergantungan dan hubungan sebuah variabel tak bebas dengan sebuah atau lebih variabel bebas, bila dalam analisisnya hanya melibatkan sebuah variabel bebas maka regresi linier sederhana. Sedangkan bila dalam analisisnya melibatkan dua atau lebih variabel bebas maka analisis yang digunakan adalah analisis linear berganda

Rumusan Masalah Bagaimana penggunaan analisis regresi berganda dalam kehidupan sehari-hari Bagaimana menghitung koefisien regresi berganda Bagaimana cara prosedur pengujian hipothesis dalam regresi makalah

Tujuan Memahami dan mengerti serta menggunakan analisis regresi berganda dalam kehidupan sehari-hari Memahami dan dapat menghitung koefisien regresi berganda Mengetahui prosedur pengujian hipotesis dalam regresi berganda

ManfaatTugas akhir ini diharapkan dapat: Memberikan gambaran mengenai ketentuan pemakaian analisis regresi berganda Memberikan gambaran mengenai aplikasi analisis regresi berganda dalam Studi Ilmu Kedokteran beserta contohcontohnya sehingga memberikan gambaran yang lebih holistik. Sebagai bahan referensi penulisan lebih lanjut tentang analisis regresi berganda

BAB II

Pengertian Regresi Ganda Analisi regresi berganda adalah pengujian hubungan secara linier antara dua atau lebih variabel independen dengan variabel dependen. Analisis ini dilakukan untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen, apakah masing-masing variabel independen berhubungan positif atau negatif untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.

Regresi Linear Berganda Analisis regresi linier berganda memberikan kemudahan bagi pengguna untuk memasukkan lebih dari satu variabel prediktor hingga p-variabel prediktor dimana banyaknya p kurang dari jumlah observasi (n). Sehingga model regresi dapat ditunjukkan sebagai berikut.

Hubungan liniear lebih dari dua variabel1. Hubungan linear lebih dari dua variabel bila dinyatakan dalam bentuk persamaan matematis adalah : Y = a + b1x1 + b2x2 +bkxk Keterangan : x, x1, x2..xk = variabel-variabel a, b1, b2..bk = bilangan konstan (konstanta) koefisien variabel

2. Persamaan regresi linear berganda Bentuk umum dari persamaan linear berganda dapat ditulis sebagai berikut: Bentuk stokastik

= a + b1x1 + b2x2 + b3x3 bkxk + eBentuk non stokastik

= a + b1x1 + b2x2 + b3x3bkxk

Keterangan : Variabel terikat (nilai duga y) a, b1, b2 b3..bk : koefisien regresi x1, x2 x3.....xk : variabel bebas e : kesalahan pengganggu

Pendugaan dan Pengujian Koefisien RegresiKesalahan baku regresi dan koefisien regresi berganda Kesalahan baku atau selisih taksir standar regresi berganda dirumuskan :

Keterangan Se : Kesalahan baku regresi berganda n : Jumlah pasangan observasi m : jumlah konstant dalam persamaan regresi berganda.

Untuk koefisien b1 dan b2 kesalahan bakunya dirumuskan :

Peramalan dengan Regresi Linear Berganda Kelebihan peramalan y dengan menggunakan regresi linear berganda adalah dapat diketahui besarnya pengaruh secara kuantitatif setiap variabel bebas (x1 atau x2) apabila pengaruh variabelnya dianggap konstan. Misalnya sebuah persamaan regresi berganda

Korelasi Linear Berganda Korelasi linear berganda merupakan alat ukur mengenai hubungan yang terjadi antara variabel yang terikat. (variabel Y) dan dua atau lebih variabel bebas (x1, x2xk). Analisis korelasinya menggunakan tiga koefisien korelasi yaitu koefisien determinasi berganda, koefisien korelasi berganda, dan koefisien korelasi parsial.

Korelasi linear berganda dengan dua variabel bebas A. Koefisien penentu berganda atau koefisien determinasi berganda Koefisien determinasi berganda, disimbolkan KPB y.12 atau R2 merupakan ukuran kesusaian garis regresi linear berganda terhadap suatu data. Rumus :

B. Koefisien korelasi berganda Koefisien korelasi berganda disimbolkan ry12 merupakan ukuran keeratan hubungan antara variabel terikat dan semua variabel bebas. Secara bersama-sama. Rumus :

C. Koefisien korelasi parsial Koefisien korelasi parsial merupakan koefisien korelasi antara dua variabel. Jika variabel lainnya konstan, pada hubungan yang melibatkan lebih dari dua variabel.

2. Korelasi linear berganda dengan 3 variabel bebas

Signifikansi Koefisien Regresi GandaPengujian Signifikansi Persamaan Regresi Pengujian disini menggunakan F tes, yang merupakan hasil bagi MSb/a (regresi) dengan MS sisa. Pengujian disini kita dasarkan pada asumsi bahwa persamaan regresi ganda yang diperoleh aalah linier. Asumsi ini digunakan karena keterbatasan kemampuan melakukan pengujian linieritas pada regresi ganda (lebih-lebih jika melibatkan x lebih dari 2).

2. Pengujian Signifikansi Regresi Ganda7,8 Walaupun persamaan regresi linier ganda telah terbukti signifikan, tetapi masih bisa dipersoalkan tentang kontribusi masing-masing variabel bebas terhadap variabel terikat. Untuk itu perlu pengujian koefisien regresi, dalam hal ini akan diuji koefisien b dengan menggunakan t tes. Pengujian disini akan melibatkan simpangan baku taksiran, jumlah kuadrat simpangan nilai X yang diuji koefisiennya dengan rata-ratanya, dan korelasi X yang diuji koefisiennya dengan X lainnya.

a) Koefisien Determinasi (R2) Keofisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabelvariabel independen sangat terbatas.

Uji Signifikansi Simultan (Uji Statistik F) Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat. Hipotesis nol (Ho) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol

atau : 1. Ho:b1= b2 =.........= bk = 0 Artinya apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya adalah 2. HA : b1 b2 ....... bk 0 Artinya semua variabel dependen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen

Uji Signifikan Parameter Individual (Uji Statistik t)

Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas secara individual dalam menerangkan variasi variabel dependen. Ho yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau Ho :bi = 0.

Hal ini berarti variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. HA / hipotesis alternatifnya parameter suatu variabel tidak sama dengan nol, atau HA : bi 0. Hal ini berarti variabel tersebut merupakan variabel penjelas yang signifikan terhadap variabel dependen.

Kriteria uji statistik t adalah sebagai berikut : 1. Quick look : bila jumlah degree of freedom (df) adalah 20 atau lebih, dan derajat kepercayaan 5%, maka Ho yang menyatakan bi=0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut).

2. Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, maka HA / hipotesis alternatif dapat diterima yaitu variabel independen secara individual berpengaruh singnifikan terhadap variabel dependen

Langkah-langkah uji analisis regresi linier berganda langkah2.docx

Koefisien Korelasi Untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel terikatnya diperlukan perhitungan koefisien korelasi. dalam regresi linier ganda koefisien korelasi merupakan sumbangan/kontribusi bersama dari seluruh variabel bebas terhadap variabel terikatnya.

Menurut Sugiyono dan priyatno pedoman untuk menginterpretasikan koefisien korelasi adalah sebagai berikut : a. 0.00-0.199 = sangat rendah b. 0,20-0,399 = rendah c. 0,40-0,599 = sedang d. 0,60-0,799 = kuat e. 0,80-1,000 = sangat kuat

Beberapa syarat yang harus dipenuhi dalam regresi ganda adalah: 1. Sampel harus diambil secara acak (random) dari populasi yang berdistribusi normal. 2. Oleh karena sampel diambil dari populasi yang berdistribusi normal, maka sampel juga harus berdistribusi normal. 3. Data variabel terikat harus berskala interval atau skala ratio sedangkan skala untuk variabel bebas tidak harus interval atau ratio tetapi bisa juga untuk data yang berskala lebih rendah

4. Antara variabel bebas dengan variabel terikat mempunyai hubungan secara teoritis, dan melalui perhitungan korelasi sederhana dapat diuji signifikansi hubungan tertentu. 5. Persamaan regresi harus linier.

Contoh kasuscontoh : seorang peneliti ingin mengetahui apakahpendidikan dan kasta berpengaruh terhadap keputusan ibu melakukan imunisasi ?

Data KasusNo. Responden 1 2 3 4 5 6 7 8 9 10 Jumlah Pendidikan 10 2 4 6 8 7 4 6 7 6 60 Kasta 7 3 2 4 6 5 3 3 4 3 40 Riwayat Imunisasi 23 7 15 17 23 22 10 14 20 19 170

Tabel pembantuNo. Responden 1 2 3 4 5 6 7 8 9 10 Jumlah 10 2 4 6 8 7 4 6 7 6 60 7 3 2 4 6 5 3 3 4 3 40 23 7 15 17 23 22 10 14 20 19 170 230 14 60 102 184 154 40 84 140 114 1122 161 21 30 68 138 110 30 42 80 57 737 70 6 8 24 48 35 12 18 28 18 267 100 4 16 36 64 49 16 36 49 36 406 49 9 4 16 36 25 9 9 16 9 182 X1 X2 Y X1Y X2Y X1X2 X12 X22

Hipotesis Ho = 1 = 2 = 0. pendidikan dan kasta tidak berpengaruh terhadap keputusan ibu melakukan imunisasi Ho = 1 2 = 0. pendidikan dan kasta berpengaruh terhadap keputusan ibu melakukan imunisasi Kriteria F hitung f tabel = h0 diterim