1

MULTIPLE REGRESI LINIER

A. PENGERTIAN Multiple regresi linier yang lebih dikenal dengan regresi linier ganda merupakan perluasan dari regresi linier sederhana. Pada regresi linier ganda variabel independen lebih dari satu variabel (biasanya lebih dua) yang dihubungkan dengan satu variabel dependen. Sementara pada regresi linier sederhana merupakan analisa untuk mengetahui bentuk hubungan antara satu variabel independen dengan satu variabel dependen. Regresi linier ganda adalah persamaan garis lurus (regresi linier) untuk memprediksi variabel dependen (numerik) dari beberapa variabel independen (numerik dan atau kategorik)

Jenis data pada analisis regresi linier ganda untuk variabel dependen harus numerik sedangkan untuk variabel independen boleh semuanya numerik atau campuran numerik dengan kategorik.
Pada analisis regresi linier ganda dihubungkan beberapa variabel independen dengan satu variabel dependen pada waktu yang bersamaan. Model persamaan regresi linier ganda adalah : = + 1 x1 +2 x2++i xi + ei Keterangan : = variabel dependen = intercept = nilai Y jika X = 0 = slope = Koefisien regresi = besarnya perubahan nilai Y setiap satu unit perubahan X x = variabel independen e = residual /error term sampel = beda antara nilai Y observasi dengan nilai Y prediksi ( ei = Y ) B. SYARAT MODEL REGRESI LINIER GANDA Persyaratan utama yang harus dipenuhi untuk melakukan analisa regresi linier ganda adalah :

1.
2.

Mempunyai satu variabel dependen yang bersifat numerik Mempunyai satu atau lebih variabel independen bersifat numerik dan dapat

disertai dengan variabel yang bersifat kategorik.

C. ASUMSI REGRESI LINIER GANDA a. Asumsi univariat Variabel numerik terutama variabel dependen harus berdistribusi normal sehingga dapat dianalisa dengan statistik parametrik b. Asumsi bivariat Melihat korelasi variabel dependen dengan indenpenden dengan uji korelasi pearson atau regresi linier sederhana. Variabel yang masuk kandidat adalah variabel yang nilai p value < 0,25 c. 1. Eksistensi Untuk setiap nilai variabel x (variabel independen) maka variabel Y (variabel dependen) merupakan suatu variabel random dengan distribusi probabilitas tertentu yang mempunyai mean dan variasi yang tertentu pula. Asumsi ini berhubungan dengan teknik pengambilan sampel. Asumsi ini baru dapat terpenuhi jika pengambilan sampel dilakukan secara random. Asumsi eksistensi ini dapat diketahui dengan cara melakukan analisa deskriptif variabel residual dari model. Jika residual ada nilai mean dan varian atau standar deviasi maka asumsi eksistensi terpenuhi. 2. Independensi Nilai Y (variabel dependen) secara statistik pada tiap individu tidak tergantung antara satu dengan yang lain. Asumsi ini hanya berlaku jika satu individu tidak dilakukan observasi atau pengukuran lebih dari satu kali. Asumsi ini tidak berlaku bila observasi dilakukan terhadap individu yang sama pada waktu yang berbeda. Misal pengukuran berat badan individu dalam 2 waktu yang berbeda. Asumsi ini harus dipenuhi, pengabaian ketergantungan nilai Y dapat mengakibatkan kesimpulan statistik yang tidak valid. Untuk mengetahui asumsi independensi dilakukan uji Durbin Watson, bila nilai durbin antara 2 s/d +2 berarti asumsi independensi terpenuhi, sebaliknya bila nilai durbin dibawah 2 atau diatas +2 berarti asumsi independensi tidak terpenuhi. Melihat korelasi antar variabel untuk mengetahui gejala Asumsi model multivariat kolinearitas antar variabel independen yaitu jika nilai r > 0,8 Asumsi yang harus dipenuhi oleh analisis regresi linier ganda adalah :

3. Linieritas Mean nilai Y adalah fungsi garis lurus dari Xi yang dibentuk dari persamaan regresi. Persamaan matematikanya adalah : = + 1 x1 +2 x2++i xi + ei Untuk nilai X yang random maka nilai e = 0 dan nilai e 0 jika nilai x tidak random. Asumsi linearitas dapat diketahui dengan uji Anova (overall F test). Bila diperoleh p value < alpha maka model berbentuk linier. 4. Homocedasticity Homo = sama , scedastic = scattered. Yaitu varian setiap nilai variabel Y sama untuk setiap nilai variabel x. Asumsi homoscedasticity dapat diketahui dengan membuat plot residual. Pada plot residual dilihat titik tebarannya. Bila titik tebaran tidak mempunyai pola tertentu dan menyebar merata di sekitar garis titik nol residual maka varian homogen pada setiap nilai X, sehingga asumsi homoscedasticity terpenuhi. Tapi jika titik tebaran membentuk pola tertentu seperti berkelompok di bawah atau di atas garis tengah nol maka asumsi homoscedasticity tidak terpenuhi. 5. Multivariat Normalitas Untuk nilai X yang fix maka nilai y akan berdistribusi normal. Perlu diketahui apakah variabel Y berdistribusi normal gabungan x1, x2, .., xn. Asumsi ini dapat mengevaluasi kesignifikanan hubungan antara x dan y yang dicerminkan oleh garis yang tepat ( dapat diketahui dari confidence interval mean dan uji hipotesis). Asumsi normalitas dapat diketahui dari P-P plot residual. Bila data menyebar di sekitar garis diagonal dan mengikuti arah diagonal maka asumsi normalitas terpenuhi. Namun jika sebaliknya data menyebar jauh dari garis diagonal maka asumsi normalitas tidak terpenuhi. 6. Colinearity Apakah tidak terdapat korelasi antar variabel independen. Dilihat dari nilai r, jika r < 0,8 maka tidak terjadi kolinearitas. Selain itu dapat juga diketahui dari nilai VIF atau tolerance. Jika nilai FIV < 10 maka tidak terjadi kolinearitas. D. PEMBUATAN MODEL Salah satu aspek yang penting pada regresi linier ganda adalah memilih variabel independen sehingga terbentuk sebuah model yang paling sesuai untuk menjelaskan variabel dependen yang sesungguhnya dalam populasi. Pemilihan variabel independen

4
sebaiknya didasarkan pada pertimbangan statistik dan substansi. Variabel yang masuk model harus cukup baik untuk menjelaskan faktor-faktor penting yang berhubungan dengan variabel dependen. Salah satu kriteria yang sering digunakan adalah melihat perubahan nilai R
2

(R

square). Namun yang perlu diperhatikan adalah bahwa setiap penambahan satu variabel independen akan meningkatkan nilai R2 walaupun variabel tersebut tidak cukup penting. Model yang digunakan adalah model dengan nilai R2 besar tapi jumlah variabel independen sedikit. E. LANGKAH-LANGKAH REGRESI LINIER GANDA Langkah-langkah untuk analisis regresi linier ganda adalah : 3. Melakukan analisis univariat untuk mengetahui kenormalan data. Dapat dilihat dari normal P-P plot residual atau melakukan uji kolmogorov smirnov. Jika p value kolmogorov smirnov > 0,05 maka data berdistribusi normal. Variabel numerik harus berdistribusi normal terutama variabel dependen. 4. Melakukan analisis bivariat untuk menentukan variabel yang menjadi kandidat model. Setiap variabel independen dihubungkan dengan variabel dependen dan dilihat p valuenya. Jika nilai p < 0,25 maka variabel tersebut dapat masuk ke dalam kandidat model multivariat. 5. Melakukan analisis secara bersamaan. Lakukan pemilihan variabel yang masuk ke dalam model. Metode-metode yang dapat digunakan untuk pemilihan variabel independen dalam regresi linier ganda adalah sebagai berikut : a. Metode ENTER Pada metode ini semua variabel independent dimasukkan secara serentak tanpa melewati kriteria tertentu. Kemudian pengeluaran variabel dari model didasarkan kepada pertimbangan peneliti baik secara substansi atau dari aspek statistik (pvalue). b. Metode FORWARD Pada metode ini dimasukkan satu per satu variabel dari hasil pengkorelasian variabel dan memenuhi kriteria kemaknaan statistik untuk masuk ke dalam model, sampai semua variabel yang memenuhi kriteria masuk. Variabel yang pertama kali masuk adalah varriabel yang mempunyai korelasi parsial terbesar dengan variabel dependen dan memenuhi kriteria. Yang dimaksud dengan korelasi parsial adalah hubungan variabel independen dan variabel dependen setelah dikontrol variabel lain. Standar

5
SPSS kriteria variabel yang masuk P-in (PIN) 0,05 yaitu jika variabel mempunyai nilai P 0,05 maka dapat masuk ke dalam model. c. Metode BACKWARD Yaitu dengan memasukkan semua variabel ke dalam model, kemudian satu persatu variabel yang tidak memenuhi kriteria kemaknaan statistik tertentu dikeluarkan dari model. Variabel pertama yang dikeluarkan adalh variabel yang mmepunyai korelasi parsial terkecil dengan variabel dependen. Kriteria pengeluaran atau P-out (POUT) adalah 0,1 yang artinya variabel yang keluar dari model adalah variabel yang mempunyai nilai P 0,1 d. Metode STEPWISE Merupakan kombinasi antara metode backward dan forward. Pada metode stepwise dimulai dari tanpa variabel sama sekali dalam model. Kemudian satu persatu variabel hasil pengkorelasian variabel dimasukkan ke dalam model dan dikeluarkan dari model dengan kriteria yang sudah ditetapkan. Variabel yang pertama masuk adalah variabel yang mmepunyai korelasi parsial terbesar . Setelah masuk variabel pertama ini diperiksa apa sudah memenuhi kriteria atau perlu keluar dari model seperti pada metoda backward. e. Metode REMOVE Mengeluarkan semua variabel independen dengan serentak tanpa melewati kriteria kemaknaan tertentu. Dari metode di atas metode yang paling sering digunakan adalah metode enter. Karena dengan metode ini peneliti secara aktif terlibat dalam proses pemilihan variabel dengan pertimbangan secara statistik dan substansi sesuai tahap demi tahap. 6. 1) 2) 3) 4) Melakukan diagnostik regresi linier yaitu : Eksistensi Independensi Linearitas Homocedasticity Melakukan pengujian terhadap ke enam asumsi Lihat mean dan standar deviasi dari residu. Kalau ada artinya asumsi terpenuhi Lakukan uji Durbin-watson Lihat hasil uji anova. Jika P< 0,05 maka asumsi liniearitas terpenuhi Lihat plot antara residu dengan nilai Y dugaan. Bila tak ada pola tertentu di sekitar nilai nol residu dapat disebut varians Y homogen pada setiap nilai X.

6
5) Normalitas

Lihat kenormalan E atau residu. Dapat dilihat dari normal probability plot atau boxwhisker plot atu K-S test. 6) Melakukan pengujian adanya kolinearitas Melihat nilai r pada bivariat dan melihat nilai FIV pada multivariat F. PENGGUNAAN SOFTWARE Software yang dapat digunakan dalam analisa regresi linier ganda salah satunya adalah SPSS dan Stata. Contoh kasus Penyakit jantung koroner merupakan salah satu penyakit yang menyebabkan kematian. Penyakit jantung koroner disebabkan karena terjadinya penyumbatan pada pembuluh darah arteri. Tingginya kolesterol dalam darah merupakan suatu indikator seseorang beresiko untuk menderita penyakit jantung koroner. Selain itu status gizi seseorang juga dapat mempengaruhi kadar kolesterol. Status gizi dapat diukur dari rasio lingkar pinggang, intake energi, lemak dan serat. Aktifitas fisik dan kebiasaan merokok serta stress juga diduga mempengaruhi kolesterol darah. Hal yang tidak kalah penting mempengaruhi kolesterol adalah kadar HDL dan trigliserid dalam darah. Faktor lain juga adalah sosial ekonomi yang dapat dilihat dari income. Dgn demikian diantara variabel di atas variabel apakah yg dpt digunakan utk memprediksi kadar kolesterol darah seseorang Kerangka konsep

Status gizi Rasio lingkar pinggang Intake energi Lemak Serat Aktivitas fisik Total kolesterol Kebiasaan : Merokok Stress Sosial Ekonomi - Income

7
Langkah-langkah b. Asumsi univariat untuk mengetahui kenormalan data. Lakukan uji kolmogorov smirnov 1 sampel.

Klik analyze non parametrik test 1 sampel K-S Masukkan variabel-variabel yang mempunyai data Pada test distribution pilih Normal Lihat p value kolmogorov smirnov pada out put Jika variabel dependen terutama berdistribusi normal Variabel numerik adalah :

numerik baik independen maupun dependen ke dalam kotak test variabel list.

Stress dan Income

maka analisa regresi linier ganda dapat dilanjutkan. Rasio lingkar pinggang, HDL, Trigliserida, Intake energi, Lemak, Serat, Aktivitas fisik,

O n e - S a m p le K o lm o g o r o v - S m ir n o v T e s t R a s io L in g k a ro t a l T Kadar P in g g a n g k o le s t e r o la d a r H T lr ig li s e r In t a k e e n e rLge i m a k S e r a t A k t if it a s f is ik R E S S C O M E K d id ST IN N 80 80 80 80 80 80 80 80 80 80 , N o r m a l P a r aa mb e Me er s n t a .8 5 8 8 2 3 0 .0 9 4 7 .8 8 1 1 2 .8 4 1 4 3 2 .6 1 5 7 .6 6 9 .6 7 6 .2 9 0 2 4 1 .1 9 4 2 2 .0 9 S t d . D e v ia t io n 6 .4 9 3 E - 0 2 2 9 .3 1 7 .5 8 3 4 .5 0 3 3 8 .6 9 1 6 .0 7 3 .9 8 1 .1 1 1 3 5 .4 6 1 5 8 .4 2 M o s t E x t r e m e A b s o lu t e .0 8 6 .0 9 8 .1 4 0 .2 4 1 .1 4 9 .1 0 7 .0 9 5 .0 6 6 .0 8 9 .0 7 2 D if f e r e n c e s P o s it iv e .0 8 6 .0 9 8 .0 7 9 .2 4 1 .1 4 9 .1 0 7 .0 9 5 .0 3 8 .0 6 6 .0 7 2 N e g a t iv e -.0 6 5 - .0 8 9 - .1 4 0 -.2 1 5 - .0 8 2 - .0 5 5 - .0 6 1 - .0 6 6 -.0 8 9 - .0 6 1 K o lm o g o r o v - S m ir n o v Z .7 6 8 .8 7 4 1 .2 5 0 2 .1 5 3 1 .3 3 3 .9 5 9 .8 5 1 .5 8 9 .7 9 5 .6 4 4 A s y m p . S ig . ( 2 - t a ile d ) .5 9 6 .4 3 0 .0 8 8 .0 0 0 .0 5 7 .3 1 7 .4 6 4 .8 7 8 .5 5 2 .8 0 1 a .T e s t d is t r ib u t io n is N o r m a l. b .C a lc u l a t e d f r o m d a t a .

Dari hasil test kolmogorov smirnov terlihat bahwa ada satu variabel yang tidak berdistribusi normal yaitu kadar trigliserid

8
Untuk lebih jelasnya terhadap variabel tidak normal dilihat dengan diagram steam and leaf plot. Langkahnya adalah : Analyze descriptive explore plot steam and leaf

Kadar Trigliserid Stem-and-Leaf Plot Frequency Stem & Leaf (=<69) 15589 15 0 13 0222566666777788889999 00001111222233334444555566667 1 0 (>=161)

11.00 Extremes 5.00 7 . 2.00 8 . 1.00 9 . 2.00 10 . 22.00 11 . 29.00 12 . 1.00 13 . .00 14 . 1.00 15 . 6.00 Extremes Stem width: Each leaf: 10

1 case(s)

Dari diagram terlihat ada 17 responden yang mempunyai nilai ekstrim yaitu 11 orang dengan kadar trigliserid 69 dan 6 responden 161. Sebaiknya data ekstrim dihilangkan. Setelah dicoba menghilangkan data yang ekstrim ternyata distribusi tetap tidak normal. Walupun demikian variabel trigliserida tetap diikutkan dalam analisis karena variabel dependen sudah berdistribusi normal. Jumlah sampel yang digunakan adalah 80. c. Asumsi korelasi bivariat Tujuannya adalah untuk menseleksi variabel yang akan menjadi kandidat model regresi linier ganda. Kriterianya adalah variabel yang p valuenya < 0,25 dapat masuk sebagai kandidat model regresi linier ganda.

9 Pilih analyze correlate Bivariat

C o r r e la t io n s T o ta l R a s io L in g k a r Kadar k o le s te r o l P in g g a n g K a d a r Hd l T r ig lis e rid In ta k e e n e r g i L e m a k T o ta l k o le s te r o l P e a r s o n C o r r e la tio n 1 .0 0 0 .2 4 7 * .3 6 2 ** .4 6 4 ** .0 4 1 .1 4 4 S ig . ( 2 - ta ile d ) . .0 2 7 .0 0 1 .0 0 0 .7 1 5 .2 0 1 N 80 80 80 80 80 80 R a s io L in g k a r P in g g aP e a r s o n C o r r e la tio n .2 4 7 ng * 1 .0 0 0 .0 4 7 .2 9 1 ** .2 1 9 .1 3 3 S ig . ( 2 - ta ile d ) .0 2 7 . .6 7 9 .0 0 9 .0 5 1 .2 3 8 N 80 80 80 80 80 80 K a d a r Hd l P e a r s o n C o r r e la tio n .3 6 2 ** .0 4 7 1 .0 0 0 .3 1 4 ** .1 4 6 .1 8 0 S ig . ( 2 - ta ile d ) .0 0 1 .6 7 9 . .0 0 4 .1 9 7 .1 1 0 N 80 80 80 80 80 80 K a d a r T rig lis e rid P e a r s o n C o r r e la tio n .4 6 4 ** .2 9 1 ** .3 1 4 ** 1 .0 0 0 .2 1 1 .1 3 8 S ig . ( 2 - ta ile d ) .0 0 0 .0 0 9 .0 0 4 . .0 6 0 .2 2 3 N 80 80 80 80 80 80 In ta k e e n e r g i P e a r s o n C o r r e la tio n .0 4 1 .2 1 9 .1 4 6 .2 1 1 1 .0 0 0 .6 0 7 ** S ig . ( 2 - ta ile d ) .7 1 5 .0 5 1 .1 9 7 .0 6 0 . .0 0 0 N 80 80 80 80 80 80 Lemak P e a r s o n C o r r e la tio n .1 4 4 .1 3 3 .1 8 0 .1 3 8 .6 0 7 ** 1 .0 0 0 S ig . ( 2 - ta ile d ) .2 0 1 .2 3 8 .1 1 0 .2 2 3 .0 0 0 . N 80 80 80 80 80 80 S e ra t P e a r s o n C o r r e la tio n .0 1 6 .0 4 1 - .0 0 3 .0 5 0 .4 2 7 ** .4 7 3 ** S ig . ( 2 - ta ile d ) .8 9 1 .7 1 5 .9 8 2 .6 5 8 .0 0 0 .0 0 0 N 80 80 80 80 80 80 A k tifita s fis ik P e a r s o n C o r r e la tio n - .0 7 6 .0 8 7 - .1 2 5 .0 7 9 .1 9 2 - .0 2 4 S ig . ( 2 - ta ile d ) .5 0 2 .4 4 5 .2 6 9 .4 8 5 .0 8 7 .8 3 3 N 80 80 80 80 80 80 ST RESS P e a r s o n C o r r e la tio n - .0 8 7 .1 0 2 - .1 6 8 - .1 6 1 .2 1 2 .0 9 0 S ig . ( 2 - ta ile d ) .4 4 5 .3 6 9 .1 3 7 .1 5 4 .0 5 9 .4 2 6 N 80 80 80 80 80 80 INC O M E P e a r s o n C o r r e la tio n - .0 2 1 .0 0 4 - .1 8 2 .0 9 1 -.0 0 2 - .0 4 3 S ig . ( 2 - ta ile d ) .8 5 2 .9 7 1 .1 0 6 .4 2 2 .9 8 9 .7 0 5 N 80 80 80 80 80 80 *. C o r re la tio n is s ig n ific a n t a t th e 0 .0 5 le v e l ( 2 - ta ile d ). **. C o r re la tio n is s ig n ific a n t a t th e 0 .0 1 le v e l ( 2 - ta ile d ) . S e r a t A k tifita s fis ik S T R E S S INC O M E .0 1 6 - .0 7 6 -.0 8 7 - .0 2 1 .8 9 1 .5 0 2 .4 4 5 .8 5 2 80 80 80 80 .0 4 1 .0 8 7 .1 0 2 .0 0 4 .7 1 5 .4 4 5 .3 6 9 .9 7 1 80 80 80 80 - .0 0 3 - .1 2 5 -.1 6 8 - .1 8 2 .9 8 2 .2 6 9 .1 3 7 .1 0 6 80 80 80 80 .0 5 0 .0 7 9 -.1 6 1 .0 9 1 .6 5 8 .4 8 5 .1 5 4 .4 2 2 80 80 80 80 .4 2 7 ** .1 9 2 .2 1 2 - .0 0 2 .0 0 0 .0 8 7 .0 5 9 .9 8 9 80 80 80 80 .4 7 3 ** - .0 2 4 .0 9 0 - .0 4 3 .0 0 0 .8 3 3 .4 2 6 .7 0 5 80 80 80 80 1 .0 0 0 .1 3 8 .2 7 7 * .0 8 1 . .2 2 2 .0 1 3 .4 7 4 80 80 80 80 .1 3 8 1 .0 0 0 .3 4 2 ** .2 0 6 .2 2 2 . .0 0 2 .0 6 6 80 80 80 80 .2 7 7 * .3 4 2 ** 1 .0 0 0 .1 9 7 .0 1 3 .0 0 2 . .0 8 1 80 80 80 80 .0 8 1 .2 0 6 .1 9 7 1 .0 0 0 .4 7 4 .0 6 6 .0 8 1 . 80 80 80 80

10
Dari tabel di atas variabel yang mempunyai nilai p-value > 0,5 adalah intake enenrgi, serat, aktivitas fisik, stress dan income. Dengan demikian variabel-variabel tersebut tidak diikutkan lagi sebagai kandidat regresi linier berganda. Untuk variabel kategorik maka dilakukan uji t independent sebagai berikut. 1. Variabel rokok hasilnya adalah
In d e p e n d e n t S a m p le s T e s t L e v e n e 's T e s t f o r E q u a lity o f V a r ia n c e s t- t e s t fo r E q u a lity o f M e a n s 9 5 % C o n fid e n c e In te r v a l o f th e D iffe r e n c e Mean S td . E r r o r S ig . ( 2 - ta ile dD iffe r e n c e D iffe r e n c e L o w e r ) Up p e r 78 1 4 .3 6 8 .8 7 9 .9 0 6 - 1 .3 7 - 1 .3 7 8 .9 4 1 1 .3 5 -1 9 .1 6 -2 5 .6 5 1 6 .4 3 2 2 .9 2

F T o ta l k o le s te rE q u a l v a r ia n c e s ol 4 .3 2 3 assu m ed E q u a l v a r ia n c e s no t a ssum ed

S ig . .0 4 1

t - .1 5 3 - .1 2 0

df

P value variabel rokok adalah 0,906 (>0,25) sehingga tidak diikutkan pada model selanjutnya. Dengan demikian variabel independen yang diikutkan sebagai kandidat regresi linier ganda adalah : Rasio lingkar pinggang, Kadar HDL, Kadar Trigliserida dan Lemak. Untuk mendeteksi korelasi antar variabel independen (kolinearitas) maka dilanjutkan lagi dengan uji pearson correlation yang hanya memasukkan variabel independen

10

11
Correlations Rasio Lingkar Kadar Pinggang Kadar Hdl Trigliserid 1.000 .047 .291 ** . .679 .009 80 80 80 .047 1.000 .314 ** .679 . .004 80 80 80 .291 ** .314 ** 1.000 .009 .004 . 80 80 80 .133 .180 .138 .238 .110 .223 80 80 80 Lemak .133 .238 80 .180 .110 80 .138 .223 80 1.000 . 80

Rasio Lingkar Pinggang

Kadar Hdl

Kadar Trigliserid

Lemak

Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N

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

Dari tabel diatas terlihat bahwa tidak ada nilai r yang lebih dari 0,8 sehingga tidak ada masalah kolinearitas. d. Pemodelan regresi linier ganda Metode yang dipakai untuk pemilihan variabel adalah metode enter. Semua variabel independen dimasukkan ke kotak independen dan variabel dependen dikotak dependen. Kemudian dilihat signifikansi variabel masing-masing secara statistik. Caranya yaitu dengan mengeluarkan satu persatu variabel yang P valuenya >0,05 dimulai dari variabel yang mempunyai pvalue paling besar. Langkahnya adalah :

Pilih analyze regression linier Semua variabel independen dimasukkan ke kolom Pilih metode ENTER.

independen dan semua variabel dependen dimasukkan kedalam kolom dependen

Cat : Utk regresi linier : membuat interaksi buat var baru dengan compute (*) var x1 * x2

11

12
Coefficients
a

Model 1

(Constant) Rasio Lingkar Pinggang Kadar H dl Kadar Trigliserid Lemak

Unstandardized Coefficients B Std. Error 98.300 42.036 58.619 46.381 .929 .403 .294 .091 6.624E-02 .183

Standardi zed Coefficien ts Beta .130 .240 .346 .036

t 2.338 1.264 2.305 3.213 .362

Sig. .022 .210 .024 .002 .718

a. Dependent Variable: Total kolesterol

Dari tabel di atas terlihat bahwa masih ada variabel yang p-valuenya tidak signifikan. Oleh karena itu maka keluarkan variabel satu persatu dimulai dari p-value paling besar untuk mendapatkan model yang fit. Terlebih dahulu dikeluarkan variabel lemak dan selanjutnya variabel rasio lingkar pinggang. Output komputernya adalah
M ode l Summary Model 1 R R Square .517a .267 Adjusted R Square .248 Std. Error of the Estimate 25.41

a. Predictors: (Constant), Kadar Trigliserid, Kadar Hdl

Terlihat : Nilai koefisien korelasi r = 0,517 (korelasi kuat. Menurut Koefisien determinasi r2 = 0,267 dan r
2adj

Colton korelasi kuat dengan r= 0,51 0,75)

= 0,248

artinya variabel total kolesterol dapat.dijelaskan oleh variabel HDL (High Density Lipoprotein) dan Trigliserida sebesar 26,7% sedangkan sisanya dijelaskan oleh variabel lain. Untuk melihat pemenuhan asumsi linier maka dilihat anovanya
ANOVA b Model 1 Sum of Squares 18122.970 49723.418 67846.387 df 2 77 79 Mean Square 9061.485 645.759 F 14.032 Sig. .000 a

Regression Residual Total

a. Predictors: (Constant), Kadar Trigliserid, Kadar Hdl b. Dependent Variable: Total kolesterol

12

13
Nilai p-Anova = 0,000 maka asumsi linier terpenuhi Hasil pemodelan regresi linier ganda
Coefficients
a

Model 1

(Constant) Kadar H dl Kadar Trigliserid

U nstandardized Coefficients B Std. Error 148.502 18.688 .925 .397 .330 .087

Standardi zed Coefficien ts Beta .239 .389

t 7.946 2.329 3.785

Sig. .000 .023 .000

a. Dependent Variable: Total kolesterol

e. 1). Linearity

Lakukan pengujian asumsi Pilih analyze regression linier Masukkan variabel dependen pada kotak dependen Masukkan variabel independen yang memenuhi syarat pada kotak independens Lihat Hasil anovanya
ANOVAb Model 1 Sum of Squares 18122.970 49723.418 67846.387 df 2 77 79 Mean Square 9061.485 645.759 F 14.032 Sig. .000 a

Regression Residual Total

a. Predictors: (Constant), Kadar Trigliserid, Kadar Hdl b. Dependent Variable: Total kolesterol

Nilai p-Anova = 0,000 maka asumsi linier terpenuhi 2). Eksistensi

pada kotak independens -

Pilih analyze regression linier Masukkan variabel dependen pada kotak dependen Masukkan variabel independen yang memenuhi syarat Pilih plot Pilih histogram dan normal probability plot

13

14

outputnya adalah :
Residuals Statistics Predicted Value Residual Std. Predicted Value Std. Residual Minimum 191.86 -38.21 -2.524 -1.504 Maximum 267.92 53.90 2.498 2.121
a

Mean 230.09 -1.03E-14 .000 .000

Std. Deviation 15.15 25.09 1.000 .987

N 80 80 80 80

a. Dependent Variable: Total kolesterol

Nilai mean residual adalah nol yaitu 1,03x 10 eksistensi terpenuhi 3). Homocedasticity

13

= 0. Jadi dengan demikian asumsi

Lakukan analisa scatter-plot antara nilai prediksi stadar (ZPRED) dengan nilai residu standar (ZRESID) atau residu student (SRESID).

Hasil scatter plotnya adalah

14

15
Regression Standardized Residual

S a rp t c tte lo D p n e t V ria le T ta k le te l e e d n a b : o l o s ro
3

-1

-2 -3 -2 -1 0 1 2 3

R g s nS n a ize P d dV lu e re sio ta d rd d re icte a e

Dari scatter plot terlihat bahwa scatter plot tidak membentuk suatu pola tertentu sehingga azas homocedasticity terpenuhi. 4). Independency Dilakukan uji Durbin watson. Langkahnya sama dengan sebelumnya tapi dilanjutkan dengan memilih perintah :

Pilih statistik Durbin Watson

Model Sum ary m M odel 1 R .517 R Square .267 Adjusted R Square .248

Std. Error of the Estim ate 25.41

Durbin-W atson 1.973

a. Predictors: (Constant), Kadar Trigliserid, Kadar H dl b. Dependent Variable: Total kolesterol

Terlihat bahwa hasil uji Durbin Watson adalah 1,973 Dengan demikian azas independency terpenuhi.

15

16

5). Multivariat normalitas Dilihat dari histogram dan normal P-P plot, pada gambar dibawah ini

H to r m is ga D p n e t V ria le T ta k le teo eedn a b : o l o s r l

2 0

Frequency

1 0

S . Dv=.9 td e 9 Ma =0 0 e n .0 0 -1 0 .5 -1 5 .2 -1 0 .0 -.7 5 -.5 0 -.2 5 0 0 .0 .2 5 .5 0 .7 5 1 0 .0 1 5 .2 1 0 .5 1 5 .7 2 0 .0 N 8 .0 =0 0

R g s io S n a iz dR s u l e re s n ta d rd e e id a

Nr a PPP t o R ge s nS n ad e R s u l oml - lo f e r s io ta d r iz d e id a D p n e t V r b : T ta k le teo e e d n aia le o l o s r l

10 .0

Expected Cum Prob

.5 7

.0 5

.5 2

00 .0 00 .0 .5 2 .0 5 .5 7 10 .0

Os r e C m r b b ev d u Po

Terlihat bahwa azas multivariate normalitas terpenuhi 6). Collinearity Dilihat dari nilai VIF. Caranya adalah seperti pada gambar di bawah ini :

16

17

a Coe fficie nts

Model 1

(Constant) Kadar Hdl Kadar Trigliserid

Standardi zed Unstandardized Coefficien Coefficients ts B Std. Error Beta 148.502 18.688 .925 .397 .239 .330 .087 .389

t 7.946 2.329 3.785

Sig. .000 .023 .000

Collinearity Statistics Tolerance VIF .901 .901 1.110 1.110

a. Dependent Variable: Total kolesterol

Dari tabel terlihat bahwa nilai VIF dari collinearity statistics berada dibawah 10 sehingga azas colinearity terpenuhi. e. Analisis Interaksi Untuk selanjutnya dilakukan analisis apakah ada interaksi HDL dengan trigliserid terhadap total kolesterol. Hasilnya adalah sebagai berikut : Terlihat bahwa nilai p variabel interaksi adalah 0,395 (> 0,05). Dengan demikian tidak terdapat interaksi antara HDL dan Trigliserida terhadap total kolesterol f. Interpretasi hasil

Interpretasi hasil ada dua : 1. Persamaan garis linier Persamaan linier yang diperoleh adalah : Total kolesterol = 148, 5 + 0,925 (HDL) + 0,33 (Trigliserida) Artinya adalah : Setiap kenaikan HDl 1 mg mk total kolesterol akan bertambah sebanyak 0,925 mg

17

18
kolesterol akan meningkat 0,33 mg 7. Variabel yang paling dominan Untuk menentukan variabel yang paling dominan maka dilihat dari nilai beta yang sudah distandarisasi. Variabel yang mempunyai nilai beta yang paling tinggi atau nilai partial correlation paling tinggi. Setiap kenaikan triglieserida 1 mg mk total

C o e ffic ie nats S ta n d a rd i ze d Un sta n d a rd ize d C o e fficie n C o e fficie n ts ts Model B S td . Erro r Be ta 1 (C o n sta n t) 1 4 8 .5 0 2 1 8 .6 8 8 Ka d a r Hd l .9 2 5 .3 9 7 .2 3 9 Ka d a r T rig lise rid .3 3 0 .0 8 7 .3 8 9 a . D e p en d e n t Va ria b le : T o ta l ko le ste ro l

t 7 .9 4 6 2 .3 2 9 3 .7 8 5

C o rre la tio n s Sig . Ze ro -o rd e r Pa rtia l .0 0 0 .0 2 3 .3 6 2 .2 5 6 .0 0 0 .4 6 4 .3 9 6

Pa rt .2 2 7 .3 6 9

Dari tabel di atas terlihat bahwa variabel yang paling dominan berhubungan dengan total kolesterol yang dilihat dari nilai beta terstandarisasi dan nilai correlations partial adalah kadar trigliserida

18