VII. ANALISIS REGRESI-KORELASI

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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total Rataan

Jumlah Cacing ( Xi) 12 14 13 12 15 16 13 11 10 11 12 13 17 19 13 11 16 12 14 15 269 13,45

Jumlah telurnya (Yi) 45 50 51 43 61 62 50 43 40 44 48 52 70 76 53 43 60 48 53 63 1055 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

49

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

50

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 80

Jumlah Telur

70

60

50

40

10

12

14

16

18

20

Jumlah Cacing

Praktikum Biostatistika

51

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) MethodeEnter

Regression Variables Entered/Removed(b)

Model 1

Variables Entered

Variables Removed

Jumlah Cacing(a)

Method .

Enter

a All requested variables entered. b Dependent Variable: Jumlah Telurnya Model Summary

Model 1

R .972(a)

R Square .946

Adjusted R Square .943

Std. Error of the Estimate 2.332

a Predictors: (Constant), Jumlah Cacing

Praktikum Biostatistika

52

ANOVA(b) Model 1

Regression

Sum of Squares 1699.882

Residual

97.868

Total

1797.750 a Predictors: (Constant), Jumlah Cacing b Dependent Variable: Jumlah Telurnya

df 1

Mean Square 1699.882

18

5.437

F 312.643

Sig. .000(a)

19

Coefficients(a)

Unstandardized Coefficients

Model

Standardized Coefficients t

1

(Constant) Jumlah Cacing

B -2.442

Std. Error 3.165

4.104

.232

Sig.

Beta .972

-.772

.450

17.682

.000

Dependent Variable: Jumlah Telurnya Kesimpulan : a

-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

53

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

54

Graph 80

Mean Jumlah Telur

70

60

50

Y = - 2.442 + 4.103X

40

30

10

12

14

16

18

20

Jumlah Cacing

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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Dosis Obat mg (Xi) 1 2 3 4 5 7 3 2 4 6 7 8 8 1 3

Praktikum Biostatistika

Kadar Creatinin % (Yi) 10 13 15 20 16 11 14 12 21 17 10 7 6 11 16

55

.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

56

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 21

Kadar Creatinin(%)

18

15

12

9

6

1

2

3

4

5

6

7

8

Dosis Obat

Praktikum Biostatistika

57

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

58

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 1

R

R Square

Adjusted R Square

.921(a) .848 a Predictors: (Constant), XX, Disis Obat

Praktikum Biostatistika

.822

Std. Error of the Estimate 1.826

59

ANOVA(b) Model 1

Regression Residual

Sum of Squares 222.930 40.004

Total

262.933 a Predictors: (Constant), XX, Disis Obat b Dependent Variable: Kadar Kretinin

Df 2

Mean Square 111.465

12

3.334

F 33.436

Sig. .000(a)

14

Coefficients(a)

Unstandardized Coefficients

Model

Standardized Coefficients t

1

Sig.

(Constant)

B 3.363

Std. Error 1.870

1.798

.097

Disis Obat

6.778

.974

3.807

6.959

.000

.104

-4.209

-7.694

.000

XX

-.801 a Dependent Variable: Kadar Kretinin

Beta

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

60

Gambar 7.6.2. Data View

Gambar 8.6.2. Ktak Dialog Compute Variable

Praktikum Biostatistika

61

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 18

Mean Kadar Creatinin(%)

15

12

9

6

Y = 3.363 + 6.778X – 0.801X2

3

0

1

2

3

4

5

6

7

8

Dosis Obat

Praktikum Biostatistika

62

Praktikum Biostatistika

63