Oleh: Anwar, Dita, Erna Program Studi Magister Biomedik Fakultas Kedokteran Universitas Sumatera Utara 2011.

Presentasi berjudul: "Oleh: Anwar, Dita, Erna Program Studi Magister Biomedik Fakultas Kedokteran Universitas Sumatera Utara 2011."— Transcript presentasi:

1 Oleh: Anwar, Dita, Erna Program Studi Magister Biomedik Fakultas Kedokteran Universitas Sumatera Utara 2011

2 Pendahuluan 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.

3 Analisis 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.

4 Variabel yang digunakan untuk meramal disebut variabel bebas (independen). Dapat lebih dari satu variabel. Variabel yang akan diramal  variabel respons (dependen). Terdiri dari satu variabel.

5 A. 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.

6 Contoh linier positif linier negatif

7 Kekuatan Hubungan Bila titik-titik menebar 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.

8 Interval KoefisienTingkat Hubungan 0.000 – 0.199Sangat rendah 0.200 – 0.399Rendah 0.400 – 0.599Sedang 0.600 – 0.799Kuat 0.800 – 1.000Sangat kuat

9 Rumus 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

10 Contoh.. NoX (SGOT)Y (HDL)XYX2X2 Y2Y2 1. 2. 3. 4. 5. 6. 7. 12.7 11.3 13.5 15.1 17.9 19.3 15.5 42.2 41.2 42.3 42.8 43.8 44.5 45.5 535.94 465.56 571.05 646.28 784.02 858.85 705.25 161.29 127.69 182.25 228.01 320.41 372.49 240.25 1780.84 1697.84 1789.29 1831.84 1918.44 1980.25 2070.25 ∑105.3302.34566.951632.3913068.35 n(∑XY) – (∑X) (∑Y) r = √[(n∑X 2 ) – (∑X) 2 ] [(n∑Y 2 ) – (∑Y) 2 ] 7 (4566.95) – (105.3) (302.3) r = = 0.768 √[(7x1632.39) – (105.3) 2 ] [(7x13068.35) – (302) 2 ]

11 Scatter Plot

12 Kesimpulan 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.

13 Koefisien 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%.

14 Uji 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

15 dk5%1 %dk.5%1% 10,8871,000240,3880,496 20,9500,999250,3810,487 30,8780,959260,3740,478 40,8110,917270,3670,470 50,7540,874280,3610,463 60,7070,834290,3550,456 70,6660,798300,3490,449 80,6320,765350,3250,418 90,6020,735400,3040,393 100,5760./08450,2880,372 110,5530,684500,2730,354 120,5320,661600,2500,325 130,5140,641700,3230,302 140,4970,623800,2170,283 150,4820,606900,2050,267 160,4680,5901000,1950,254 170,4560.5751250,1740,228 180,4440,5611500,1590,208 190.4330,5492000,1380,148 200,4230,5373000,1130,148 210,4130,5264000,0980,128 220,4040,5155000,0880,115 230,3960,50510000,0620,081

16 B. 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?

17 Karena 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.

18 Metode 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

19 Maka 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

20 Regresi Linier Ganda Contoh kasus diatas adalah Regresi linier sederhana. Hubungan 1 variabel dependen biasanya tidak hanya dengan satu variabel saja. Variabel X lebih dari 1. maka : Y = a + b1X1 + b2X2 + …….+b p X p Hasilnya sudah terkontrol koefisien b terhadap variabel bebas lain yang berada dalam model. Dalam hal ini koefisien determinasi (R) cukup penting. Untuk menjelaskan variabel X yang kita pilih dapat menjelaskan variasi Y.

21

22 soal sebuah penelitian untuk mengetahui apakah ada hubungan antara Hb'ibu hamil dengan berat badan bayi lahirnya. Peneliti mengumpulkan data sebanyak 20 responden, melalui catatan medik di salah satu rumah sakit di Jogjakarta. Hasil pengumpulan data kemudian di masukkan pada tabel berikut ini:

23 NoHbBBLNoHbBBL 111.225001110.72700 211.324501210.12560 311.525001310.32600 410.624501411.92700 510.724701512.13200 610.524901612.23400 711.625101711.93000 811.725701812.53200 911.326001912.33400 1011.430002012.43400

24 soal Tentukan lah : Koefisien korelasi nya dan interpretasi nya Korelasi determinasi nya dan interpretasi nya. persamaan regresi linier nya Berapa perkiraan nilai BBL jika Hb ibu 11,8

25

26 NoXYX2.X2.Y*X.Y 111.22500125.44' 625000028000 211.32450127.69600250027685 311.52500132.25' 6250000.28750 410.62450112.36.600250025970 510.72470114.49 610090026429 610.52490110.25620010026145 711.62510134.56630010029116 811.72570136.89660490030069 911.32600127.69 '676000029380 1011.43000129.96900000034200 1110.72700114.49729000028890 1210.12560102.01655360025856 1310.32600106.09676000026780 1411.92700141.61729000032130 1512.13200146.411024000038720 1612.23400148.841156000041480 1711.93000141. 6i900000035700 1812.53200156.251024000040000 1912.33400151.291156000041820 2012.43400 '153.761156000042160 = 228,2= 55700 = 2613.94 = 157524600 = 639280 = 52075.24= 310249000 0