You are on page 1of 9

ANALISIS KORELASI DAN REGRESI LINEAR

Contoh kasus dan penyelesaian

OLEH:
Erni Yusnita Lalusu
NIDN. 0925088603

FAKULTAS KESEHATAN MASYARAKAT


UNIVERSITAS TOMPOTIKA LUWUK
Judul: “pengaruh berat badan terhadap tekanan darah”

SOAL

Seorang peneliti ingin mengetahui pengaruh dari berat badan terhadap tekanan darah. Untuk
kebutuhan penelitian tersebut diambil sampel secara acak sebanyak 10 orang untuk diteliti. Hasil
pengumpulan data diketahui data sebagai berikut:

No. BB (X) Sistol (Y)


1 56 110
2 55 110
3 55 112
4 52 105
5 45 100
6 46 100
7 48 105
8 45 100
9 54 110
10 59 115
Statistik ∑X ∑Y
Jumlah 515 1067

Berdasarkan data tersebut di atas :

1. Hitunglah besarnya korelasi (nilai r) dan koefisien determinasi (nilai R)!


2. Jika ada pengaruh, ujilah hipotesis tersebut dengan menggunakan Uji T dan Uji F (tingkat
keyakinan sebesar 95%)!
3. Hitunglah nilai a dan b dan buatlah persamaan regersi linier sederhana (Y= a+bX)
4. Hitunglah prediksi tekanan darah pada seseorang dengan berat badan 70 kg
Jawab!

1. Terlebih dahulu merumuskan Hipotesis

H0 = tidak ada pengaruh berat badan terhadap tekanan darah

Ha = ada pengaruh berat badan terhadap tekanan darah

Atau,

H0 : r = 0

Ha : r ≠ 0

2. Membuat tabel penolong!

No. BB (X) Sistol (Y) X2 Y2 XY


1 56 110 3136 12100 6160
2 55 110 3025 12100 6050
3 55 112 3025 12544 6160
4 52 105 2704 11025 5460
5 45 100 2025 10000 4500
6 46 100 2116 10000 4600
7 48 105 2304 11025 5040
8 45 100 2025 10000 4500
9 54 110 2916 12100 5940
10 59 115 3481 13225 6785
Statistik ∑X ∑Y ∑X2 ∑Y2 ∑XY
Jumlah 515 1067 26757 114119 55195

3. Mencari rhitung :
Interpretasi:
n (∑XY) – (∑X).(∑Y)
rhitung = Korelasi berat badan
√ {n. ∑X – (∑X) } . {n. ∑Y – (∑Y) }
2 2 2 2 dengan tekanan darah
menunjukkan hubungan
10 (55195) – (515).(1067) yang sangat kuat
rhitung = (r = 0,9715) dan berpola
√ {10 (26757) – (515)2} . {10 (114119) – (1067)2} linear positif. Artinya
semakin bertambah berat
2445
rhitung = badan seseorang akan
√ 6333845 semakin meningkatkan
tekanan darah orang
rhitung = 0,9715 tersebut.
4. Mencari koafisien determinasi atau besarnya sumbangan (kontribusi) variable berat badan
(X) terhadap tekanan darah (Y). sbb:

R2 = r2 x 100% = 0,97152 x 100% = 94,38%

Interpretasi:
Berat badan memberikan kontribusi terhadap tekanan darah sebesar 94,38% dan sisanya
5,62% ditentukan oleh variable lain.

5. Menguji signifikansi dengan rumus thitung :

r√n–2 0,9715 √ 10 – 2
thitung = = = 48,90
√ 1 – r2 √ 1 – 0,97152

Kaidah pengujian :

Jika thitung > ttabel maka, Tolak H0 dan terima Ha

Jika thitung < ttabel maka, Terima H0 dan tolak Ha

Pengujian ini menggunakan α =0,05 ; n = 10; df = n-2 (untuk uji 2 arah),

sehingga diperoleh ttabel = ± 2,306

Interpretasi:

Ada pengaruh yang bermakna secara statistik berat badan terhadap tekanan darah dimana
thitung > ttabel yaitu 48,90 > 2,306
6. Membuat persamaan garis regresi.

∑XY – (∑X ∑Y) / n


b =
∑X2 – (∑X)2 / n

55195 – (515 x 1067) / 10


b =
26757 – (515)2 / 10

b = 1,04

a = Y – bX

a = (1067/10) – (1,04) (515/10)

a = 53,14

sehingga, persamaan garis regresi, sbb:

Y = 53,14 + 1,04 X

7. Menghitung prediksi tekanan darah pada seseorang dengan berat badan 70 kg

Contoh:

Y = 53,14 + 1,04 X
Sehingga,
Y = 53,14 + 1,04 (70)
Y = 125,94

Interpretasi: pada orang dengan berat badan 70 Kg, maka diperkirakan tekanan darahnya
adalah 125,94.
SPSS
1. Uji normalotas data, Analyse-- Explore

Descriptives

Statistic Std. Error

tekanan darah Mean 106.70 1.732

95% Confidence Interval for Lower Bound 102.78


Mean Upper Bound 110.62

5% Trimmed Mean 106.61

Median 107.50

Variance 30.011

Std. Deviation 5.478

Minimum 100

Maximum 115

Range 15

Interquartile Range 11

Skewness -.071 .687

Kurtosis -1.443 1.334


berat badan Mean 51.50 1.614

95% Confidence Interval for Lower Bound 47.85


Mean Upper Bound 55.15

5% Trimmed Mean 51.44

Median 53.00

Variance 26.056

Std. Deviation 5.104

Minimum 45

Maximum 59

Range 14

Interquartile Range 10

Skewness -.150 .687

Kurtosis -1.591 1.334

Untuk menguji normalitas data, menggunakan nilai “skewness/standar error” sehingga untuk
variable berat badan diperoleh -0,218 dan variable tekanan darah diperoleh -0,103. Dari kedua
variable tersebut menunjukkan hasil kurang dari 2, berarti data berdistribusi normal.
2. Menguji korelasi, analyze-Correlate- bivariat

Correlations

berat badan tekanan darah

berat badan Pearson Correlation 1 .972**

Sig. (2-tailed) .000

N 10 10
tekanan darah Pearson Correlation .972** 1

Sig. (2-tailed) .000

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

Interpretasi:
Tabel korelasi tersebut menunjukkan nilai r = 0,972 dengan nilai ρ = 0,000
Korelasi berat badan dengan tekanan darah menunjukkan hubungan yang sangat kuat (r = 0,9715) dan
berpola linear positif. Artinya semakin bertambah berat badan seseorang akan semakin meningkatkan
tekanan darah orang. Hubungan ini signifikan secara statistic (ρ < α).

3. Melakukan Uji Regresi Linear, Analyze-regression -linear

Model Summaryb

Model Adjusted R Std. Error of the


R R Square Square Estimate

d
1 .972a .944 .937 1.377
i

a. Predictors: (Constant), berat badan


b. Dependent Variable: tekanan darah
ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 254.926 1 254.926 134.406 .000a

Residual 15.174 8 1.897

Total 270.100 9

a. Predictors: (Constant), berat badan


b. Dependent Variable: tekanan darah

Coefficientsa

Model Standardized
Unstandardized Coefficients Coefficients
B Std. Error Beta t Sig.

1 (Constant) 53.004 4.652 11.394 .000

berat badan 1.043 .090 .972 11.593 .000

a. Dependent Variable: tekanan darah

dari hasil di atas, dapat diinterpretasikan nilai determinasi (R Square) dan persamaa garis. Nilai
determinan dapat dilihat pada “R Square” yaitu 0,944 dimana, persamaan garis yg diperoleh
akan dapat menerangkan 94,4% variansi tekanan darah atau persamaan garis yang diperoleh
dapat menerangkan variable tekanan darah dengan sangat baik.
Persamaan garis regresi dapat dilihat pada tabel “coefficient” yaitu pada kolom B. dari hasil di
atas didapatkan nilai konstanta (merupakan nilai intercept atau a) sebesar 53, dan nilai b = 1,04,
sehingga persamaan garis regresinya:

Tekanan Darah sistol = 53 + 1,04 (berat badan ibu)

Jadi, pada alpha 5%, kita menolak hipotesis nol, berarti ada ada pengaruh berat badan terhadap
tekanan darah. Dengan nilai b = 1,04, berarti akan terjadi peningkatan tekanan dara sebesar 1,04
mmhg bila berat badan meningkat 1 kg.
4. Memprediksi variable Dependen

Contoh: prediksi tekanan darah pada seorang dengan berat badan 70kg.

Y = 53,14 + 1,04 X
Sehingga,
Y = 53,14 + 1,04 (70)
Y = 125,94

Interpretasi: pada orang dengan berat badan 70 Kg, maka diperkirakan tekanan darahnya
adalah 125,94. Perlu diingat bahwa regresi tidak dapat menghasilkan angka yang tepat seperti di
atas, namun perkiraannya tergantung dari nilai “Std Error of The Estimated (SEE)” yang
besarnya adalah 1,377. Dengan demikian, variasi dependen dapat diperoleh dengan rumus :

Variasi = Z * SEE, nilai Z dengan α = 95% diperoleh nilai 1,96


= 1,96 * 1,377
= ± 2,698

Jadi, dengan tingkat kepercayaan 95%, untuk berat badan 70kg diprediksi tekanan darahnya
adalah diantara 123,2 mmHg (125,94 – 2,698) sampai dengan 128,6 (125,94 + 2,698)