Kelompok 10

Aisyah J310171223
Dian Anggraini J310171231
Dita Oktaviani J310171062
Riliani Topayu J310171058
 Analisis Regresi
Digunakan untuk mempelajari dan mengukur pengaruh statistik yang terjadi
antara dua atau lebih variabel

Model Regresi

Non Linier Linier

Regresi Logistik Regresi Linear

Variabel terikat (Y) memiliki skala kategorik / Variabel terikat (Y) memiliki skala kontinu /
memiliki skala pengukuran nominal/ordinal memiliki skala pengukuran interval/rasio
Uji Asumsi Klasik

– Linearitas (bebas dan terikat)

– Normalitas (bebas dan terikat)
– Bebas autokorelasi
– Bebas heterokesdarisitas (varians eror harus sama dengan 0)
– Bebas multikolinieritas (antar variabel bebas tidak boleh ada linieritas)
 REGRESI LINEAR

Linier Sederhana Linier Berganda

Uji Pengaruh antara satu Uji Pengaruh dua atau

variabel bebas dengan lebih variabel bebas
variabel terikat dengan satu variabel
terikat.
 REGRESI LINEAR SEDERHANA

TUJUAN Analisis regresi linear sederhana digunakan untuk menguji pengaruh satu variabel
bebas terhadap variabel terikat

 Data berdistribusi Normal

 Data berskala interval atau rasio
SYARAT
 Model regresi dikatakan layak jika angka signifikansi pada ANOVA sebesar
< 0.05
Dasar pengambilan keputusan

Pengambilan keputusan dalam uji regresi linear sederhana dapat mengacu pada dua hal yakni :
1. Membandingkan nilai signifikansi dengan nilai probabilitas 0,05 :
- Jika nilai signifikansi <0,05, artinya variabel X berpengaruh terhadap variabel Y
- Jika nilai signifikansi >0,05, artinya variabel X berpengaruh terhadap variabel Y
2. Membandingkan nilai t hitung dengan t tabel :
- Jika nilai t hitung > t tabel artinya variabel X berpengaruh terhadap variabel Y
- Jika nilai t hitung < t tabel artinya variabel X tidak berpengaruh terhadap variabel Y
Contoh Soal Penerapan
Regresi Linier Sederhana

Berikut ini merupakan tabel hasil pengukuran asupan zat besi terhadap kadar HB
pada mahasiswa gizi UMS. Berapa besar pengaruh asupan zat besi terhadap kadar
HB pada remaja putri di UMS?
No Asupan Zat Kadar Hb (Y)
Besi (X)
1 25 11
2 27 12
3 29 12
4 23 11
5 22 10
6 28 12
7 26 13
8 25 11
9 29 12
10 21 11
UJI STATISTIK REGRESI LINIER SEDERHANA DENGAN SPSS

Langkah-langkah:

1. Melakukan Uji Kenormalan Data

2. Melakukan Uji Korelasi (Uji Pearson Product Moment)
3. Melakukan Uji Regresi dengan cara:
Analyze → Submenu regresi → Pilih Linier

Pada Kolom Dependen : Klik Variabel Terikat

Dan Kolom independent : klik variabel bebas
Pada Method, pilih enter
Klik Options Pilih Stepping Method Criteria gunakan probabilitas 5% pada entry
Pilih Exclude cases listwise klik continue pada regression coefficient,
pilih estimate Continue Ok
Hasil Output

Terdapat Pengaruh asupan Fe

terhadap kadar hemoglobin yaitu
sebesar 51% (R square=0,51)

Nilai Sig 0,020  Ada perbedaan atau

pengaruh antara asupan Fe
terhadap kadar Hb

Persamaan regresinya:
Y= 6,048 + 0,214 X
Interpretasi Output

1. Terdapat Pengaruh asupan Fe terhadap kadar hemoglobin yaitu sebesar 51% (R square=0,51)
2. Nilai Sig 0,020  Ada perbedaan atau pengaruh antara pengaruh asupan Fe terhadap kadar Hb
3. Persamaan regresinya: Y= 6,048 + 0,214 X
4. Jadi dapat disimpulkan : setiap kenaikan nilai 1 asupan Fe akan meningkatkan kadar HB sebesar 0,214
Contoh Skripsi
1. Terdapat pengaruh antara indikator pemeriksaan biofisik terhadap anemia yaitu
sebesar 31,9% (R square=0,319)
2. Nilai Sig 0,000  Ada perbedaan atau pengaruh antara indikator pemeriksaan
biofisik terhadap anemia
3. Persamaan regresinya: Y= 9,816 + 0,042 X
4. Jadi dapat disimpulkan : setiap kenaikan 1 indikator pemeriksaan biofisik akan
meningkatkan kejadian anemia sebesar 0,042
 REGRESI LINEAR BERGANDA

TUJUAN Untuk mengetahui ada atau tidaknya pengaruh dua atau lebih variabel bebas (X)
terhadap variabel terikat (Y)
Uji regresi Linear berganda terdiri dari :
1. Uji secara simultan (Uji F)
Uji F bertujuan untuk mengetahui apakah variabel-variabel independen secara simultan (bersama-
sama) berpengaruh signifikan terhadap variabel dependen
2. Uji secara parsial (Uji t)
Uji t bertujuan untuk mengetahui apakah variabel-variabel independen secara parsial (sendiri)
berpengaruh nyata atau tidak terhadap variabel dependen
 Dasar pengambilan keputusan

Uji t
1. Jika nilai sig < 0,05, atau t hitung > t tabel maka terdapat pengaruh variabel X terhadap variabel Y
2. Jika nilai sig > 0,05, atau t hitung < t tabel maka tidak terdapat pengaruh variabel X terhadap
variabel Y
Uji F
1. Jika nilai sig < 0,05, atau F hitung > F tabel maka terdapat pengaruh variabel X secara simultan
terhadap variabel Y
2. Jika nilai sig > 0,05, atau F hitung < F tabel maka tidak terdapat pengaruh variabel X secara simultan
terhadap variabel Y
 Perumusan Hipotesis
H1 : Terdapat pengaruh variabel (X1) terhadap Variabel (Y)
H2 : Terdapat pengaruh variabel (X2) terhadap Variabel (Y)
H3 : Terdapat pengaruh variabel (X1) dan (X2) secara simultan terhadap Variabel (Y)

Kriteria Pengujian :
Ho diterima jika Sig > 0,05
Ho ditolak jika Sig <0,05
 Regresi Logistik
1. Definisi Regresi Logistik

Regresi logistik adalah sebuah pendekatan untuk membuat model

prediksi seperti halnya regresi linear atau yang biasa disebut dengan
istilah Ordinary Least Squares (OLS) regression. Perbedaannya adalah
pada regresi logistik, peneliti memprediksi variabel terikat yang
berskala dikotomi. Skala dikotomi yang dimaksud adalah skala data
nominal dengan dua kategori, misalnya: Ya dan Tidak, Baik dan Buruk
atau Tinggi dan Rendah.
 Kapan kita menggunakan
Regresi Logstik

Terikat (Y) Bebas (X)

Nominal : 2 kategori (Biner) Kontinu dan Kategori

>2 kategori
Ordinal : (Memiliki tingkatan)
 Jenis Regresi Logistik
Variabel terikat (Y)
Regresi Logistik biner
biner (2 kategori)

Regresi Logistik Regresi Logistik Variabel terikat (Y)

Multinomial >2 kategori

Regresi Logistik Variabel terikat (Y)

Ordinal skala ordinal
 Syarat Uji Regresi Logistik

Variabel terikat harus bersifat dikotomi (2 kategori.

misal: ya dan tidak atau cukup dan kurang)

Variabel bebas bersifat numerik atau kategorik.

Data kategorik lebih dianjurkan agar mempermudah dalam
interpretasi data

Sampel yang diperlukan dalam jumlah relatif besar, minimum

dibutuhkan hingga 50 sampel data untuk sebuah variabel bebas.
 Contoh Soal

Regresi Logistik Sederhana : Seorang peneliti ingin mengetahui hubungan dan

memprediksi pengaruh konsumsi fast food terhadap kejadian obesitas.
 Uji Hubungan (Chi Square)

Melakukan uji bivariat dengan uji Chi Square variabel Konsumsi Fastfood
dengan Kejadian Obesitas
 Langkah Uji Regresi Logistik

1. Entry data, lalu klik Analyze, pilih Regression, klik Binary Regression Logistic, lalu klik OK
2. Pindahkan variabel Obesitas ke dalam kolom dependent list, sedangkan variabel Konsumsi fastfood (variabel
independent) pindahkan pada kolom covariate
3. Klik sub menu Categorical dibagian kiri, pindahkan variabel independent ke bagian kirinya
4. Pilih first pada reference category, klik change pilih Hosmer-Lameshow goodness of fit dan CI for exp(B), lalu
klik continue.
5. Klik sub menu Save, pilih probabilities pada predicted value, lalu klik continue, OK.
 Nagelkerke R Square

Berdasarkan uji R square, diketahui bahwa Obesitas dapat dipengaruhi oleh konsumsi fast food sebesar
37,6%, sedangkan 62,4% dipengaruhi oleh faktor lain.
 Uji Wald (Kemaknaan Statistik)
H0 ditolak : Ada hubungan antara konsumsi fast food dengan Obesitas
Ha diterima : Tidak ada hubungan antara konsumsi fast food dengan Obesitas

Kesimpulan :
Berdasarkan uji wald, diperoleh nilai sebesar 7,306 (> 3,841), atau nilai p 0,007 (p<0,05) sehingga H0
ditolak, dapat disimpulkan bahwa variabel konsumsi fastfood memberikan pengaruh parsial yang signifikan
terhadap kejadian obesitas.
 Odds Rasio

Pada tabel terdapat kolom Exp (B), variabel konsumsi fast food memiliki nilai exponen sebesar 16,667, CI
lower-upper (2,167-128,176) yang menunjukkan bahwa orang yang mengkonsumsi fastfood lebih
berisiko mengalami obesitas sebanyak 16,667 kali lipat dibandingkan orang yang tidak
mengkonsumsi fastfood.
Contoh skripsi
Terimakasih
Pertanyaan

Rizky Purnama (J310171012)

Pertanyaan : apakah uji regresi harus diuji korelasi terlebih dahulu ?
Jawab : Tidak, uji korelasi dapat berdiri sendiri, tidak harus diuji korleasi terlebih dahulu
sesuai dengan syarat yang ada. Setiap regresi pasti ada korelasinya. Tetapi korelasi
belum tentu dilanjutkan dengan regresi.
Analisis korelasi, mengukur suatu tingkat atau kekuatan hubungan linear antara dua
variabel. Koefisien korelasi adalah mengukur kekuatan hubungan linear.
Analisis regresi mencoba untuk mengestimasi atau memprediksikan nilai rata-rata suatu
variabel yang sudah diketahui nilainya, berdasarkan suatu variabel lain yang juga sudah
diketahui nilainya.