Biostat - Korelasi-Regresi
-
Upload
aris-cahyo-purnomo -
Category
Documents
-
view
29 -
download
10
description
Transcript of Biostat - Korelasi-Regresi
1
Teknik AnalisisKorelasi dan Regresi
Windhu Purnomo
S2 AKKFKM Unair
2006
Cara pemilihan uji statistik multivariat
Model loglinierModel loglinierModel loglinier
Model loglinier
Koefisien
konkordans W
Fungsi
diskriminan
Fungsidiskriminan
> 1 variabel
Model loglinier
Regresi logistikganda
Uji tanda
Uji median
Uji jumlah
peringkat dariWilcoxon
Uji Mann-Whitney
Uji Kruskal Wallis
Model log-linier
Koefisien
konkordans WRegresi logistik
ganda
Korelasi
Spearman
Korelasi Kendall'stau
Korelasi kappa
Fungsi
diskriminan
Regresi logistik
ganda
Korelasi
Spearman
Korelasi Kendall'stau
1 variabel
Ordinal
Multivariat anava
Anava pada
komponenprinsipal
Multivariat anava
Anava pada
komponen
prinsipalHotelling's T
Analisis profil
Multivariat anava
Anava pada
komponenprinsipal
Multivariat anava
Anava pada
komponenprinsipal
Korelasi kanonikal
Analisis jalur
Model struktural
Korelasi kanonikal> 1 variabel
Anava multi faktor
Regresi ganda
Multiple-classification
analysis
Analisis survival
Uji t 2 sampelbebas
Anava 1 faktor
Analisis survival
Anova multi faktor
Regresi gandaMultiple-
classification
analysis
Analisis survival
KorelasiSpearman
Korelasi Kendall's
tau
Korelasi gandaRegresi ganda
Analisis survival
KorelasiRegresi
Analisis survival1 variabel
Rasio /
Interval
Model loglinear
Uji chi-square 1
sampel
Uji binomial /
McNemar
Model loglinear
Uji Kolmogorof-
Smirnov 1 sampel
Uji peringkat
bertanda dariWilcoxon
Analisis faktor
Analisis kluster
Komponen
prinsipalMatriks korelasi
Uji t 1 sampel
Uji normalitas (G)
Uji t sampel
berpasangan
0 variabel
> 1 variabel1 variabel> 1 variabel1 variabel> 1 variabel1 variabel
Nominal (kategorikal)OrdinalRasio / Interval
Variabel Bebas
Variabel Tergantung
2
Lanjutan
Cara pemilihan uji statistik multivariat
Model loglinierModel loglinierModel loglinierModel loglinierFungsidiskriminan
Fungsidiskriminan
> 1 variabel
Regresi logistik
ganda
Model loglinier
Uji chi-square
Uji pasti Fisher
Koefisien PhiKorelasi kappa
Regresi logistik
ganda
Model loglinier
Uji tandaUji median
Uji jumlah
peringkat dariWilcoxon
Uji Mann-WhitneyUji Kruskall Wallis
Fungsi
diskriminanRegresi logistik
ganda
Uji t 2 sampel
bebasAnava 1 faktor
1 variabel
Nominal
(kate-
gorikal)
> 1 variabel1 variabel> 1 variabel1 variabel> 1 variabel1 variabel
Nominal (kategorikal)OrdinalRasio / Interval
Variabel Bebas
Variabel Tergantung
Korelasi (Pearson’s Correlation)
� Korelasi (interdependensi) antara 2 variabel atau lebih
� Tidak mempersoalkan mana var. bebas & mana var. tergantung (polahubungan simetris)
� Variabel kuantitatif (rasio/interval)
3
Macam korelasi berdasarkan
banyaknya variabel yg terlibat:
1. Korelasi sederhana (simple):
2. Korelasi ganda (multiple):
x y
x2
x1
y
Macam korelasi berdasarkan bentuk
kurva:
1. Korelasi linear (garis lurus):y=b0+b1.x
2. Korelasi non linear (kurvilinier)y=b0+b1.x
2 (parabolik)
y=b0+b1.x3 (kubik)
y=b0+b1.ln(x) (logaritmik)
y=b0+b1.sin(x) (sinusoid)
dll.
4
Koefisien korelasi (r):
1. Kekuatan korelasi (magnitude):
sangat sangat
lemah sedang kuat
*-----*-------*-------------*-------------*-------*-----* r
0 0,1 0,25 0,5 0,75 0,9 1
tak ada lemah kuat sempurna
korelasi
Koefisien korelasi (r):
2. Arah korelasi (direction):
r>0positif
r<0negatif
x x
y y
5
Contoh rumusan masalah:
� Apakah ada korelasi antara skormotivasi perawat dengan skorkepatuhan menjalankan protappencegahan infeksi?
� Apakah (makin) meningkatnya tarifpuskesmas akan diikuti dengan(makin) menurunnya jumlahkunjungan?
Contoh print-out:
Correlations
1 -.031
. .774
89 89
-.031 1
.774 .
89 89
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Skor motivasi
Skor kepatuhan
memasang infus
Skor
motivasi
Skor
kepatuhan
memasang
infus
p=0,774 (>0,05)tak ada korelasi yg signifikan
6
Symmetric Measures
.490 .181 3.507 .001c
.463 .158 3.259 .002c
41
Pearson's RInterval by Interval
Spearman CorrelationOrdinal by Ordinal
N of Valid Cases
Value
Asymp.
Std. ErroraApprox. T
bApprox. Sig.
Not assuming the null hypothesis.a.
Using the asymptotic standard error assuming the null hypothesis.b.
Based on normal approximation.c.
Contoh print-out:
p=0,001 (<0,05)ada korelasi yg signifikan
Skor koordinasi * Skor kinerja
korelasi sedang dan positifkooordinasi>>, kinerja >>
Regresi
� u/ prediksi (model matematis)
� pola hubungan asimetris (harusdiketahui mana sebagai var. bebas, mana var. tergantung)
7
Model regresi (linear)
� Regresi sederhana (simple):
y=β0+β1.x
� Regresi ganda (multiple):
y=β0+β1.x1+β2.x2+….+βi.xi
Istilah
y=ββββ0+ββββ1.x
β0 & β1=parameter regresi
β0=intercept=konstanta
β1=slope=koefisien regresi
y=kriterium, outcome, variabel yg
diramal, variabel tergantung
x=argumen, prediktor, variabel peramal,
variabel bebas
8
Langkah-langkah membaca printout
regresi:
1. Baca hasil tabel Anova: lihatsignifikansi uji F
� Jika p<0,05: ada model prediksi
� Jika p>=0,05: tak ada model prediksi
2. Baca signifikansi hasil uji t, u/ melihat parameter regresi (β)mana yg masuk dlm model:
� Jika p<0,05: β masuk dlm model
� Jika p>=0,05: β tak masuk dlm model
Contoh print-out: (langkah 1)
Model Summary
.490a
.240 .220 .40525
Model
1
R R Square
Adjusted
R Square
Std. Error
of the
Estimate
Predictors: (Constant), Koordinasia.
ANOVAb
2.020 1 2.020 12.299 .001a
6.405 39 .164
8.425 40
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Koordinasia.
Dependent Variable: Kinerjab.
p=0,001 (<0,05)ada model prediksi,berarti ada pengaruh
Koordinasi thdKinerja
9
Coefficientsa
1.287 .599 2.149 .038
.546 .156 .490 3.507 .001
(Constant)
Koordinasi
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Kinerjaa.
Contoh print-out: (langkah 2)
� ββββ0000 masuk dlm model krn p=0,038 (<0,05)� ββββ1 1 1 1 masuk dlm model krn p=0,001 (<0,05)
ββββ0
ββββ1
Model regresi/prediksi yg terbentuk:
y=β0+β1.x
Kinerja = 1,287 + 0,546.Koordinasi
Jika misalnya: Koordinasi=3,5
Maka: Kinerja=1,287+(0,546).(3,5)
=3,198
Catatan: skor Kinerja & Koordinasi punya range 1-5
10
Kurva model regresi
Skor koordinasi
4.54.03.53.02.5
Skor
kin
erja
4.5
4.0
3.5
3.0
2.5
2.0