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