Analisis Korelasi dan Regresi Berganda Manajemen Informasi Kesehatan PERTEMUAN 2 Mieke Nurmalasari Manajemen Informasi Kesehatan

KEMAMPUAN AKHIR YANG DIHARAPKAN Mahasiswa mampu memahami konsep dasar analisa korelasi dana analisa regresi berganda sebagai landasan dalam membuat model untuk keperluan prediksi atau peramalan. Mahasiswa juga dapat menghitung secara manual koefisien korelasi ganda dan parsial, koefisien regresi inier ganda dan koefisien determinasi. Mahasiswa juga mampu melakukan pengujian hipotesis korelasi dan regresi ganda serta dapat menganalisa hasil peramalan dan kemudian menginterpretasikannya.

Analisis Korelasi Korelasi adalah: hubungan antara dua variabel ( X dan Y) Nilai koefisien korelasi (r) antara -1 sampai dengan 1. Jika r ≈ 1, artinya terjadi hubungan yang sangat erat positif antara variabel X dan variabel Y (jika X naik maka Y juga naik). Jika r ≈ -1, artinya terjadi hubungan yang sangat erat negatif antara variabel X dan Y ( jika X naik maka Y turun) Jika r ≈ 0, artinya tidak terdapat hubungan antara variabel X dan Y.

Does there seem to be a linear relationship in the data? Is the data perfectly linear? Could we fit a line to this data?

Linear regression tries to find the best line (curve) to fit the data Let’s look at three candidate lines Which do you think is the best? What is a way to determine the best line to use?

What is linear regression? The method of finding the best line (curve) is least squares, which minimizes the distance from the line for each of points The equation of the line is y=1.5x + 4

Multiple regression A large advantage of regression is the ability to include multiple predictors of an outcome in one analysis A multiple regression equation looks just like a simple regression equation.

Additional Benefits of Multiple Regression As we saw in simple regressions already, regression allows for predictors to be binary, categorical, or continuous. The ability of a model to predict the function of the outcome estimated by the model can be improved by using more than one predictor at a time.

Response Surface for Multiple Regression Source: http://reliawiki.org/images/9/9d/Doe5.1.png

Koefisien Korelasi Parsial

Koefisien Determinasi Koefisien determinasi (R2) adalah menjelaskan seberapa besar pengaruh variabel bebas (X) terhadap variabel tidak bebas (Y). Jika dalam persamaan regresi linier berganda, misalkan ada dua variabel bebas X1 dan X2, proporsi (prosentase) sumbangan X1 dan X2 terhadap variasi atau naik turunnya variabel Y secara bersama-sama, maka inilah yang disebut koefisien determinasi berganda.