Professional Documents
Culture Documents
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
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
TUJUAN Analisis regresi linear sederhana digunakan untuk menguji pengaruh satu variabel
bebas terhadap variabel terikat
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:
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
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