Oleh Anwar Dita Erna Program Studi Magister Biomedik Fakultas Kedokteran Universitas Sumatera Utara 20 11 Pendahuluan Beberapa penelitian di bidang kedokteran sering ingin menilai apakah ada hubungan antara dua variabel dependent dan independent yang numerik ID: 810726
Download The PPT/PDF document "Korelasi dan Regresi" is the property of its rightful owner. Permission is granted to download and print the materials on this web site for personal, non-commercial use only, and to display it on your personal computer provided you do not modify the materials and that you retain all copyright notices contained in the materials. By downloading content from our website, you accept the terms of this agreement.
Slide1
Korelasi dan Regresi
Oleh:
Anwar, Dita, Erna
Program Studi
Magister
Biomedik
Fakultas Kedokteran Universitas Sumatera Utara
20
11
Slide2Pendahuluan
Beberapa penelitian di bidang kedokteran sering ingin menilai apakah ada hubungan antara dua variabel (dependent dan independent) yang numerik.
contoh :
Hubungan Index Massa Tubuh dengan kadar
kolesterol.
Hubungan antara KGD dengan Kadar LDL pada pasien DM.
Slide3Analisis regresi dapat diketahui bentuk hubungan antara dua variabel (Prediksi dari data yang ada).
Analisis korelasi
untuk mengetahui eratnya hubungan antara dua variabel.
Semakin erat hubungannya maka semakin yakin bahwa hubungan dua variabel tersebut adalah hubungan sebab akibat.
Analisis regresi dan korelasi didasarkan atas hubungan yang terjadi antara dua variabel atau lebih.
Slide4Variabel yang digunakan untuk
meramal
disebut
variabel
bebas
(
independen
).
Dapat
lebih
dari
satu
variabel
.
Variabel
yang
akan
diramal
variabel
respons
(
dependen
).
Terdiri
dari
satu
variabel
.
Slide5A. Diagram Tebar (Scatter plot)
Diagram tebar adalah diagram dengan memakai garis koordinat dengan axis X dan ordinat Y.
Tiap pengamatan diwakili oleh satu titik.
Hubungan antara variabel dapat berupa garis lurus (linier), garis lengkung (kurva linier) atau tdk terlihat pola tertentu.
Dapat berupa garis regresi positif atau negatif.
Slide6Contoh linier positif
linier negatif
Slide7Kekuatan Hubungan
Bila
titik-titik
men
e
bar
pada
satu garis
lurus, maka kekuatan
hubungan antara kedua
variabel tersebut sangat
sempurna.Kekuatan
hubungan
dapat
dikuantifikasi
melalui
suatu
koefisien
yaitu
koefisien
korelasi
(r
pearson
).
Koefisien
ini
akan
berkisar
antara
0 – 1.
bila
r = 0
tidak
ada
hubungan
linier.
r = 1
hubungan
linier
sempurna
.
0-1 =
bila
mendekati
1
semakin
kuat
hubungannya
,
bila
mendekati
0
semakin
lemah
hubungannya
.
Lihat
tandanya
apakah
korelasi
positif
atau
negatif
.
Slide8Interval
Koefisien
Tingkat
Hubungan
0.000 – 0.199
Sangat rendah
0.200 – 0.399
Rendah
0.400 – 0.599
Sedang
0.600 – 0.799
Kuat
0.800 – 1.000
Sangat
kuat
Slide9Rumus
koefisien
korelatif
(
Pearson
)
n(∑XY) – (∑X) (∑Y)
r =
√[(n∑X2) – (∑X)2] [(n∑Y2) – (∑Y)2]
Ket: n = jumlah sampel
X = nilai pada ordinat X
Y = nilai pada ordinat Y
Contoh..
No
X (SGOT)
Y (HDL)
XY
X
2
Y
2
1.
2.
3.
4.
5.
6.
7.
12.7
11.3
13.5
15.1
17.9
19.3
15.5
42.241.242.342.843.844.545.5535.94465.56571.05646.28784.02858.85705.25161.29127.69182.25228.01320.41372.49240.251780.841697.841789.291831.841918.441980.252070.25∑105.3302.34566.951632.3913068.35
n(∑XY) – (∑X) (∑Y)r = √[(n∑X2) – (∑X) 2] [(n∑Y2) – (∑Y)2] 7 (4566.95) – (105.3) (302.3)r = = 0.768 √[(7x1632.39) – (105.3)2] [(7x13068.35) – (302)2]
Slide11Scatter Plot
Slide12Kesimpulan hasil
Dilihat dari besarnya r yang mendekati 1, maka hubungan antara SGOT dengan HDL adalah kuat.
Berpola linier positif
Maka makin tinggi SGOT maka akan semakin tinggi kadar HDL.
Slide13Koefisien Determinasi
R = r
2
Yaitu besarnya proporsi variasi Y yang dapat dijelaskan oleh variabel X.
Apabila r = 1 maka R = 100%
X memegang peranan dalam perubahan Y. bila terjadi perubahan X, maka Y akan berubah.
Pada kasus diatas r = 0.768 maka R = r
2
R= (0.768)
2
= 0.59
59%.
Hal ini berarti HDL dapat dijelaskan oleh Variabel SGOT sebesar 59%.
Slide14Uji Hipotesis koefisien Korelasi
Pengujian signifikansi Selain menggunakan tabel r, juga dapat dihitung dengan uji t. rumusnya:
r
√(n-2)
t=
√(1-r
2
) df= n-2
bila t hitung > t tabel, Ho di tolak
bila t hitung < t tabel, Ho diterima
Slide15dk
5%
1 %
dk .
5%
1%
1
0,887
1,000
24
0,388
0,496
2
0,950
0,999
25
0,381
0,487
3
0,878
0,959
26
0,374
0,47840,8110,917270,3670,47050,7540,874280,3610,46360,7070,834290,3550,45670,6660,798300,3490,44980,6320,765350,3250,41890,6020,735400,3040,393100,5760./08450,2880,372110,5530,684500,2730,35412
0,5320,66160
0,250
0,325
13
0,514
0,641
70
0,323
0,302
14
0,497
0,623
80
0,217
0,283
15
0,482
0,606
90
0,205
0,267
16
0,468
0,590
100
0,195
0,254
17
0,456
0.575
125
0,174
0,228
18
0,444
0,561
150
0,159
0,208
19
0.433
0,549
200
0,138
0,148
20
0,423
0,537
300
0,113
0,148
21
0,413
0,526
400
0,098
0,128
22
0,404
0,515
500
0,088
0,115
23
0,396
0,505
1000
0,062
0,081
Slide16B. Regresi Linier
Persamaan garis Linier :
Y = a + bX
Pada persamaan ini harus jelas dan tentukan mana variabel Y (dependen) dan variabel X (independen). Penetapan disesuaikan dengan tujuan analisis.
Biasanya variabel Y
lebih sulit diukur
Variabel X lebih mudah diukur
Mengapa?
Slide17Karena dari persamaan garis regresi linier, kita dapat melakukan banyak hal. Contohnya : menduga satu nilai variabel dependen berdasarkan nilai variabel bebasnya.Dari contoh kasus diatas, SGOT merupakan variabel bebas dan HDL merupakan variabel terikat. Sehingga:
HDL = a + b SGOT
Garis linier dapat digambarkan bila koefisien a dan b diperoleh.
Slide18Metode kuadrat terkecil
n(∑XY) – (∑X) (∑Y)
b=
n
∑(X)
2
– (∑X)
2
Koefisien b = besarnya perubahan nilai variabel Y apakah nilai variabel X berubah sebesar satu unit (satuannya)
Koefisien a = nilai awal/intercept
besarnya nilai variabel Y, bila variabel X = 0
a = y - bx
Slide19Maka dari contoh soal diatas dapat dihitung:
n(∑XY) – (∑X) (∑Y)
b=
n
∑(X)
2
– (∑X)
2
7x4566.95 – (105.3x302.3)
b= = 0.403
7x1632.39 – (105.3)
2
a= y – bX
= (302.3/7) – (0.403)(105.3/7) = 37.123
Maka HDL = 37.123 + 0.403 SGOT