Kind: captions
Language: id
Assalamualaikum warahmatullahi
wabarakatuh berjumpa lagi dengan saya di
channel YouTube saya
iklopedia Ahmad Fauzi channel yang
menjelaskan berbagai hal yang berkaitan
dengan analisis data statistika
penelitian penulisan ilmiah pendidikan
biologi dan pengetahuan-pengetahuan lain
yang mungkin dapat meningkatkan
pengetahuan bahkan keterampilan kalian
di video Sebelumnya saya telah
menjelaskan Bagaimana caranya melakukan
analisis regresi baik regresi linear
sederhana maupun berganda di video kali
ini kita akan belajar lagi melakukan
analisis regresi namun regresi yang akan
kita pelajari adalah regresi logistik
binomial Sebelum saya melanjutkan video
ini saya harap kalian telah menginstal
SPSS di laptop kalian masing-masing dan
tentunya Saya harap kalian memahami
tampilan umum atau tampilan dasar dari
SPSS dan tujuan saya membuat video ini
adalah agar kalian mampu menganalisis
keterpenuhan asumsi sebelum uji regresi
logistik binomial dilakukan selain itu
saya harap kalian juga mampu melakukan
uji regresi logistik binomial dengan
menggunakan
SPSS dan yang terakhir saya harapkan
Kalian juga mampu melaporkan hasil
analisis yang telah kalian lakukan
dengan tepat dan lengkap lalu apa itu
regresi logistik
binomial nama lain dari regresi logistik
binomial adalah analisis regresi
logistik analisis ini kita gunakan untuk
memprediksi probabilitas nilai di
Variabel terikat berdasarkan satu atau
lebih variabel bebas lalu apa bedanya
dengan regresi linear yang kemarin sudah
telah kita pelajari perbedaannya adalah
di skala pengukuran di variabel
triikatnya di sini bisa kita lihat
bahwasanya regresi logistik binomial
digunakan untuk memprediksi probabilitas
nilai di Variabel terikat yang harus
dalam skala kategoris lebih tepatnya
dikotomis atau biner misalkan saja
gender laki-laki perempuan kemampuan
akademik tinggi dan rendah jadinya data
kita terbagi menjadi dua kelompok
sedangkan variabel bebasnya kita bisa
menggunakan variabel dalam skala kontinu
maupun
kategoris sehingga variabel bebas kita
bisa dalam skala interval rasio nominal
ataupun
ordinal lalu Apa saja asumsi yang harus
dimiliki data sebelum kita mampu
melakukan regresi logistik binomial yang
pertama adalah kita harus memiliki satu
variabel triikat hanya satu ya Dan ingat
skalanya berupa Skala dikotomis atau
biner misalkan tadi gender kemampuan
akademik ataupun variabel lain yang
mampu membagi variabel trikat kita
menjadi dua
kelompok selanjutnya kita memiliki satu
atau beberapa variabel bebas berupa
skala kue maupun
kategoris asumsi lainnya adalah ketika
kita melakukan pengambilan data harus
terjadi independensi
observasi atau pengambilan data di satu
subjek tidak dipengaruhi oleh subjek
yang lain atau bahkan tidak ada subjek
yang kita lakukan pengambilan data
hingga lebih dari satu
kali asumsi lainnya adalah ada hubungan
linar antara variabel bebas dengan
transformasi logit dari variabel triket
asumsi ini berbeda dengan regresi linear
sederhana maupun berganda di video
sebelumnya di sini kita lihat yang harus
berhubungan linear adalah variabel bebas
dengan transformasi logit dari variabel
triikat bukan variabel triikatnya Kenapa
karena output yang dihasilkan dari
regresi logistik binomial berupa data
logit Seperti apa cara melakukan uji
asumsi ini nanti akan kita lihat di
bagian tengah Dari video
ini kemudian asumsi terakhir yang perlu
kita cek adalah tidak menunjukkan gejala
multikolinearitas atau tidak ada dua
atau lebih variabel bebas yang terlalu
berhubungan Nah di sini saya Beri tanda
bintang Ya baik di asumsi linearitas
maupun
multikolinearitas maksud saya memberi
bintang di sini adalah kita Ketika
melakukan uji linearitas kita tidak
melakukan analisis ini pada semua
variabel bebas hanya variabel bebas yang
berupa variabel dalam skala
kontinu yang perlu kita lakukan
linearitas oleh karena itu tadi saya
katakan variabel bebas di regresi
logistik binomial dapat berubah skala
kontinu maupun kategoris Oleh karena itu
Misalkan kita memiliki empat variabel
bebas terdiri atas tiga kontinu dan satu
kategoris yang perlu kita lakukan
analisis linearitas hanya ketiga
variabel kontinu tadi variabel kontinu
misalkan tinggi badan berat badan skor
tes atau skor
IQ sedangkan data kategoris misalkan
kemampuan akademik gender ras ataupun
skala-skala lain yang menyebabkan data
kita terkelompok menjadi beberapa
kelompok sedangkan di asumsi
multikolinearitas kita hanya melakukan
asumsi ini ketika variabel bebas kita
lebih dari satu Oleh karena itu kalau
hanya satu kita tidak perlu melakukan
asumsi multikolinearitas
oke Sekarang waktunya kita melakukan
praktik analisis regresi logistik
binomial menggunakan
SPSS misalkan saja kita telah melakukan
penelitian yang melibatkan 100 peserta
di penelitian tersebut kita memiliki
beberapa variabel yang pertama adalah
tinggi badan saya singkat sebagai TB
kemudian gender gendernya ada dua satu
adalah laki-laki dan dua adalah
perempuan kemudian berat badan saya
singkat dengan BB dan variabel terakhir
adalah kondisi jantung saya singkat
sebagai kaji kondisi jantung ada dua
yang satu normal sedangkan label yang
dua berarti tidak normal variabel bebas
kita ada tiga yaitu tinggi badan gender
dan berat badan sedangkan kondisi
jantung kita posisikan sebagai Variabel
terikat kita dari data ini kita telah
memenuhi dua asumsi pertama sebelum
regresi logistik binomial kita lakukan
yaitu yang pertama adalah Variabel
terikat kita harus dalam bentuk skala
biner atau dikotomis karena data kita
sudah terbagi menjadi dua normal dan
tidak normal kemudian variabel bebas
kita ada
beberapa baik berupa skala ktinue
interval atau rasio maupun dalam skala
kategoris di sini gender adalah skalanya
nominal yang termasuk dalam variabel
kategoris data sudah kita Siapkan
sekarang waktunya membuka
SPSS Setelah kalian membuka SPSS seperti
biasanya tampilan awalnya adalah seperti
ini kita disuguhkan di Window yang ada
di menu data view kita bisa lihat di
pojok kiri bawah ada data view dan ada
variabel View sekarang Mari kita menuju
variable view terlebih dahulu dengan
cara menekan tombol variable view di
sebelah data
view kemudian Mari kita masukkan
variabel-variabel kita tadi agar kita
tidak kesulitan mengingat apa saja
variabel-variabel kita tadi Mari kita
kecilkan tampilan window dataset ini
dengan cara mengklik tombol Kotak di
pojok kanan atas SPSS
kita setelah itu Mari kita atur agar
Excel dan SPSS bisa muncul di layar kita
sekaligus oke sekarang di sini bisa kita
lihat baik data di Excel maupun tampilan
SPSS kita pertama kita perlu memasukkan
variabel tinggi badan TB ya kemudian
gender kemudian berat badan atau BB
kemudian kondisi jantung di label perlu
kita labeli variabel kita dengan nama
yang lengkap TB adalah tinggi badan
gender tidak perlu kita labeli lagi
Kemudian BB adalah berat badan sedangkan
KJ adalah kondisi J
kemudian di sini kita lihat kita telah
memberi label angka di variabel gender
dan kondisi
jantung Oleh karena itu di value kita
perlu melabeli data-data tersebut yang
pertama ke
gender silakan geser kursor kita di
baris gender dan kita posisikan di sisi
kanan value dari baris gender tersebut
lalu kita klik kiri sekali sehingga
muncul kotak dialog value labels di
value pertama kita tuliskan angka satu
sedangkan di label kita Tuliskan
lakilaki kemudian kita tekan enter di
keyboard kita
masing-masing selanjutnya kita tulis
angka dua di value kemudian di label
kita tulis
perempuan sekali lagi kita klik enter
dan karena kita telah melabeli gender
kita dengan laki-laki dan perempuan Mari
kita Klik tombol
Oke selanjutnya kita beri label kondisi
jantung sama seperti tadi Arahkan kursor
kita ke sisi kanan dari kolom value di
baris keempat yaitu baris KJ kita klik
kiri sekali sehingga muncul kotak dialog
value labels value pertama kita tulis
angka sat dan labelnya adalah normal
value Yang kedua kita beri angka dua dan
labelnya tidak
normal kemudian kita klik enter sehingga
kita telah melabeli kondisi jantung
menjadi dua kelompok yaitu normal dan
tidak normal kemudian kita tekan tombol
Oke di kolom missing tidak perlu kita
isi apa-apa kemudian di kolom kolom juga
tidak perlu kita ubah di kolom align
juga demikian dan di measure perlu kita
sesuaikan yang pertama kita tentukan
tinggi badan measurenya apa yaitu scale
Oleh karena itu kita Arahkan kursor kita
di sisi kanan baris pertama dari kolom
measure kemudian kita pilih
scale gender kita pilih sebagai
nominal kemudian berat badan juga skale
sedangkan kondisi jantung adalah
nominal nah variabel kita telah kita
define setelah kita tentukan di variabel
View Sekarang waktunya kita memasukkan
data kita di data view caranya kita Klik
tombol data view di pojok kiri bawah
SPSS kita kemudian kita kembali ke Excel
kita berbesar dahulu tampilan excel-nya
kemudian kita blok semua data kita ingat
angka-angkanya saja kolom paling atas
tidak perlu kita blok Oleh karena itu
dari baris kedua hingga baris
ke-101 kita blok seperti ini kemudian
kita tekan ctrl c di keyboard kita
masing-masing sehingga muncul garis
putus-putus yang bergerak seperti ini
kemudian kita perlu kembali ke SPSS kita
setelah kita memilih data view Mari kita
klik pojok kiri atas di sel-sel di data
view tersebut sehingga di pojok kiri
atas berwarna kuning seperti ini
kemudian kita tekan ctrl V atau paste
dengan mengklik di keyboard Kita
masing-masing sekarang kita tunggu
prosesnya Nah di sini data kita telah
terpaste telah tersalin di SPSS kita
mari kita perbesar tampilan SPSS kita
dengan menekan Kotak di pojok kanan atas
program SPSS kita data sudah siap
sekarang kita save terlebih dahulu data
ini dengan cara mengklik icon bergambar
disket di pojok kiri atas SPSS kalian
setelah itu Mari kita tunggu munculnya
kotak dialog save dataas kita pilih
folder yang kita inginkan misalkan saya
akan mensave file dataset ini di folder
saya yang
nama
regresi linear ganda dan regresi
binomial nah kalian terserah ingin
men-save file kalian di folder mana
kemudian di file name kita beri nama
file ini sesuai keinginan kita misalkan
data regresi logistik
binomial setelah nama kita Tuliskan kita
tekan enter satu kali di keyboard kita
masing-masing
foila data kita sudah tersave di folder
yang telah kita inginkan dan secara
otomatis seperti biasanya window output
dari SPSS muncul secara otomatis ketika
kita men-save data kita data sudah siap
dan data sudah di-save Sekarang waktunya
kita melakukan analisis regresi logistik
binomial Seperti yang saya katakan tadi
ada beberapa asumsi asumsi pertama dan
kedua telah terpenuhi Sekarang waktunya
kita melakukan analisis asumsi yang lain
sekaligus uji
hipotesisnya
Namun karena sepertinya lebih mudah
melakukan uji hipotesisnya daripada
asumsinya di tutorial kali ini kita
melakukan uji hipotesisnya terlebih
dahulu meski di laporan nanti kita
menyampaikan asumsinya terlebih
dahulu sekarang bagaimana cara melakukan
analisis ristik binomial langkah pertama
adalah kita harus mengklik menu analyze
di bagian atas dari SPSS
kalian setelah analy kita klik kiri
sekali kita pilih
regression setelah regression kita pilih
kita pilih binary logistik kemudian kita
klik kiri
sekali sehingga akan muncul kotak
logistik regression di kotak dependen
kita masukkan variabel trikat kita yaitu
itu kondisi jantung caranya kita klik
kondisi jantung kemudian kita klik tanda
panah di sisi kiri kotak dependen
sehingga kondisi jantung masuk di kotak
dependen variabel-variabel bebas kita
kita masukkan di covariat caranya
bagaimana kita klik tinggi badan
kemudian kita tekan tanda panah di sisi
kovariat gender juga demikian dan yang
terakhir berat badan juga kita Mas
masukkan di sini seperti yang saya
jelaskan tadi variabel bebas kita ada
tiga namun terdiri atas dua skala yang
pertama skalanya scale yaitu tinggi
badan dan berat badan sedangkan gender
adalah
kategoris Oleh karena itu kita perlu
menginformasikan pada SPSS bahwa kita
memiliki variabel bebas berupa skala
kategoris caranya bagaimana di sisi
kanan kita tekan menu
kategorical setelah itu akan muncul
kotak Logistic regression.2 define
categorical variables di sini kita perlu
memasukkan variabel kategori kita ke
kotak kategorial ke variats caranya
bagaimana kita tekan gender sebagai
variabel kategoris kita kemudian kita
tekan tanda panah di sisi kiri kotak
kategorikal covariat sehingga gender
masuk di kotak
tersebut kemudian di change contrast
reference kategorinya kita pilih first
dengan menekan sekali menggunakan klik
kiri kemudian jangan lupa tekan tombol
change sehingga di sini muncul
keterangan first dalam kurung setelah
tulisan
indikator kemudian kita klik
continue di menu option juga perlu kita
lihat dengan mengklik kiri sekali
di sini ada beberapa menu Mari kita
centang beberapa menu yang penting yaitu
classification
plot Goodness of cas listing of residual
kemudian C for
XB kemudian displaynya bisa kita pilih
add last
step selanjutnya kita klik
continue lalu kita tekan tombol
Oke dan kita tunggu output yang kita
inginkan Nah di sini telah muncul
outputnya ada banyak tabel ada beberapa
tabel penting yang perlu kita baca dan
ada beberapa tabel yang mungkin tidak
perlu kita baca terlebih
dahulu yang
pertama kita bisa melihat di
sini ada tabel kategori variabel coding
yang menginformasikan variabel kategoris
kita yaitu gender laki-laki dan
perempuan yang telah kita masukkan di
menu kategorial
tadi kemudian di sini ada beberapa tabel
yang lain yang perlu kita
baca tabel tersebut antara lain adalah
tabel omnibus tes di sisi kiri sini ada
omnibus tes ya kita klik kiri sekali
sehingga di sisi kanan langsung
menampilkan tabel yang kita inginkan
yaitu omnibus test of model coefisien
yang perlu kita baca adalah di baris
model di sini ada nilai k squ-nya ada
degree of freedom-nya dan ada nilai
signya nilai Sig di sini akan menentukan
apakah model regresi yang kita hasilkan
signifikan secara statistik atau tidak
bila nilainya kurang dari 0,05 maka
model yang kita hasilkan
signifikan Sangkan bila di atas 0,05
maka model regresi yang kita hasilkan
tidak signifikan secara
statistik tabel selanjutnya adalah model
summary di model summary kita bisa
memperoleh nilai Nagel k r Square nah
nilai r squ di sini akan menjelaskan
seberapa besar kondisi-kondisi jantung
ditentukan oleh variabel bebas kita yang
ada di model regresi yang kita hasilkan
atau dalam redaksi kalimat lain seberapa
besar model regresi yang dihasilkan
mampu memperkirakan keragaman kondisi
jantung
peserta ya kemudian tabel lainnya yang
perlu kita baca adalah tabel
classification tabel nah di
classification tabel ini ada overal
percentages di sini ada
74% angka ini akan mewakili seberapa
banyak kasus yang bisa diprediksi
Berdasarkan model regresi yang kita
hasilkan oleh karena itu di model
summary tadi kita mendapatkan angka R
Square yang mampu menjelaskan seberapa
besar keragaman kondisi jantung
sedangkan di tabel klasifikation tabel
kita lihat seberapa banyak
kasus yang bisa di prediksi Berdasarkan
model regresi yang kita
hasilkan tabel selanjutnya yang perlu
kita baca baca adalah tabel variables in
the equation nah di tabel inilah
merupakan tabel yang menentukan
persamaan regresi yang kita hasilkan
angka-angka yang perlu kita baca
nantinya adalah di kolom B di kolom W di
kolom DF dan di kolom six Bagaimana cara
membaca tabel-tabel tadi secara lengkap
dan tepat akan kita lihat dan kita bahas
di akhir video ini sebelum kita membaca
dengan lengkap temuan yang kita peroleh
berdasarkan output SPSS ini kita perlu
melakukan uji asumsi terlebih dahulu
Seperti yang saya katakan tadi kita
telah mengecek asumsi pertama dan kedua
tetapi kita belum mengecek beberapa
asumsi yang lain asumsi yang lain yang
perlu kita lihat adalah linearitas dan
ingat linearitas yang kita lihat adalah
Transformasi logik dari Variabel terikat
dengan variabel bebas kita Oleh karena
itu kita masih perlu melakukan
transformasi terlebih dahulu Apa yang
ditransformasi variabel bebas kita
ditransformasi ke logiknya Bagaimana
caranya yang pertama kita tekan
transform di menu bagian atas
kemudian kita pilih compute
variabel kemudian di sini ada
berbagai function group Nanti bisa kita
pilih sesuai keinginan
kita kemudian Sekarang mari kita pilih
target variabel terlebih dahulu di kotak
target variabel ini kita isi variabel
baru yang ingin kita tambahkan variabel
baru itulah yang akan kita analisis
nantinya
kita tulis LN
kemudian
TB kemudian di function group kita pilih
aritmatik kemudian kita pilih LN dengan
cara mengklik LN dua kali sehingga
muncul di numeric
expression Setelah itu kita tekan tinggi
badan lalu kita masukkan ke dalamung LN
tadi dengan cara cara menekan tanda
panah ini sehingga akan menghasilkan
numeric expression
LN
TB kemudian kita klik
Oke selanjutnya kita perlu
mentransformasi variabel bebas kita yang
ktinue selanjutnya caranya sama kita
klik transform kemudian kita klik
compute
variable kita tekan reset terlebih
dahulu di sisi bawah sehingga terulang
menjadi kondisi awal kemudian kita
lakukan langkah-langkah seperti tadi di
target variabel kita Tuliskan variabel
baru yang kita inginkan misalkan LN
kemudian
undbb Kemudian sama seperti tadi di
function group kita pilih
aritmetik kemudian kita lihat di sini
ada LN LN kita klik dua
kali sehingga di numeric expression akan
muncul LN dalam kurung Tanda tanya
kemudian kita tekan berat badan dengan
klik kiri sekali kemudian kita tekan
tombol panah di sisi kiri numeric
expression sehingga BB masuk ke dalam
kurung LN tadi kemudian kita klik
oke Sekarang mari kita lihat tampilan
dataset kita nah di dataset kita muncul
dua variabel baru yaitu lntb dan lnbb
dua variabel bebas ini kue sehingga
perlu kita transformasi dan kita
analisis linearitasnya sedangkan
variabel bebas kita yang lain gender
adalah variabel kategoris sehingga kita
tidak perlu melakukan linearitas pada
variabel
ini sekarang waktunya kita melakukan
analisis linearitas caranya bagaimana
yang pertama kita klik
analyze kemudian kita pilih regression
lagi kemudian kita pilih binary logistik
lagi kita tekan kita klik kiri sekali
agar tampilannya seperti semula lagi
kita tekan tombol resiset di bagian
bawah nah sekarang kita masukkan lagi
Variabel terikat kita adalah kondisi
jantung Oleh karena itu kita tekan
kondisi jantung kemudian kita tekan arah
panah di sebelah kiri dependen sehingga
kondisi jantung masuk di kotak dependen
kemudian ketiga variabel bebas kita
dimasukkan di kotak ini yaitu tinggi
badan kita masukkan kemudian gender kita
masukkan juga kemudian berat badan kita
masukkan juga nah sampai langkah ini
kita melakukan hal yang sama seperti
kita melakukan analisis regresi logistik
binomial di awal tadi namun perlu ada
langkah tambahan yang perlu kita lakukan
seperti yang kita lakukan sebelum kita
menghasilkan dua variabel baru Mohon
maaf yaitu ln TB dan
ln_bb
Nah di sini kita perlu memasukkan
interaksi antara variabel bebas asli
kita dengan LN tersebut jya variabel
lama kita dengan variabel baru kita
perlu kita interaksikan caranya bag mana
Mari kita interaksikan tinggi badan
terlebih dahulu kita klik tinggi badan
kemudian kita tekan tombol Shift di
keyboard kita kemudian kita tekan juga
ln_tb Oh mohon maaf bukan shift ya tapi
conttrol kita ulangi lagi kita tekan
tinggi badan terlebih dahulu kemudian
kita tekan ktrol di keyboard kita jangan
lepaskan e kontrol ya tetap kita tekan
ya kemudian kita pilih
lntb kemudian baru boleh kita lepas
tombol kontrol di keyboard kita sehingga
di sini kita lihat yang berwarna kuning
adalah tinggi badan dan
ln_tb setelah kita menekan dua variabel
sekaligus akan nyala tombol di bawah
panah yaitu tombol a bintang b Mari kita
Klik tombol ini sehingga interaksi kedua
variabel masuk di kotak blok kemudian
kita lakukan hal yang sama di variabel
kedua kita yaitu tinggi badan kemudian
kita tekan conttrol di keyboard kita
masing-masing kemudian kita klik
ln eh mohon maaf ya berat badan ya kita
tekan berat badan kita klik berat badan
kemudian kita tekan conttrol di keyboard
kita kemudian kita tekan
ln_bd sehingga sekali lagi muncul dua
variabel yang ditekan sekaligus yaitu BB
dan
ln_bb kita
lepas kontrol di keyboard kita kemudian
kita masukkan kedua variabel ini dengan
mengklik tombol a bintang
b nah sehingga di sini ada lima isian
tig variabel bebas kita dan dua variabel
interaksi interaksinya adalah interaksi
variabel asli kita dengan LN variabel
asli kita
tersebut kemudian kita tekan
oke di sini muncul banyak tabel tapi
yang perlu kita baca hanya satu tabel
saja yaitu tabel variable in the
equation dan yang perlu kita baca
hanyalah dua baris interaksi tadi yaitu
tinggi badan by lntb dan berat badan by
LN n BB yang perlu kita lihat adalah di
kolom sig-nya bila sig-nya di atas
0,05 maka ada hubungan
linear namun bila di bawah 0,05
linearitas tidak tercipta di sini kita
lihat baik di baris interaksi pertama
maupun kedua nilai siknya sama-sama di
atas
0,05 sehingga linearitas
terpenuhi asumsi linearitas telah kita
lakukan sekarang waktunya kita melakukan
analisis asumsi yang lain yaitu
multikolinearitas multikolinearitas
perlu kita lakukan karena variabel bebas
kita lebih dari satu
sayangnya asumsi ini tidak bisa muncul
ketika kita melakukan regresi logistik
binomial Oleh karena itu Mari kita
titipkan analisis ini ke analisis yang
lain yaitu analisis regresi linear
berganda nah oleh karena itu Sekarang
mari kita melakukan analisis regresi
linear berganda sehingga kita
mendapatkan hasil analisis
multikolinearitas caranya kita klik
analyze kemudian kita pilih
regression kemudian kita pilih
linier selanjutnya di kotak dependen
kita masukkan kondisi
jantung sedangkan di kota independen
kita masukkan tiga variabel bebas kita
yaitu tinggi badan gender dan berat
badan di menu statistik kita klik nah
kemudian kita centang colionerity
diagnostic inilah langkah agar kita
memperoleh hasil analisis
multikolinearitas kemudian kita tekan
continue lalu kita klik
oke Ada banyak tabel yang muncul namun
yang perlu kita baca hanyalah tabel
koefisien
di tabel koefisien yang perlu kita lihat
adalah angka-angka di kolom viif atau
FIF prinsipnya bila variabel bebas kita
memiliki nilai Vi kurang dari 10 maka
tidak terjadi
multikolinearitas kita lihat dari tinggi
badan gender maupun berat badan nilai
fv-nya selalu di rentangan sat hingga 10
tidak ada yang melebihi angka 10
sehingga dapat kita simpulkan gejala
multikolinearitas tidak nampak
Oke analisis setelah kita lakukan
sekarang waktunya kita membaca hasil
analisis
tersebut yang perlu kita baca terlebih
dahulu adalah hasil analisis
asumsinya kita bisa membaca asumsi
multikolinearitas dan linearitas
terlebih dahulu di sini saya Tampilkan
hasil analisis
linearitasnya bagaimana cara membacanya
bisa kita gunakan redaksi kalimat
berikut hasil transformasi boxw
menginformasikan bahwa Terdapat hubungan
yang linear baik antara data tinggi
badan dengan logit dari kondisi jantung
maupun antara data berat badan dengan
logit dari kondisi jantung angka-angka
yang kita gunakan sebagai dasar
kesimpulan hasil analisis ini adalah
angka di kolom S di baris interaksi bisa
kita lihat Interaksi yang pertama signya
0,723 sedangkan interaksi kedua yang
melibatkan variabel berat badan adalah
0,159 ketika nilai sig-nya di atas 0,05
maka kita katakan ada
linearitas
kemudian asumsi selanjutnya adalah
multikolinearitas kita lihat berdasarkan
tabel yang hasilnya sebetulnya titip
dari analisis regresi linear berganda
yang telah kita lakukan tadi cara
membacanya bisa seperti ini hasil
analisis multikulinearitas menunjukkan
bahwa nilai V variabel tinggi badan
gender dan berat badan secara
berturuurut sebesar
2,018
2,228 dan
1,963 ketiganya tidak melebihi nilai 10
sehingga gejala multi kolinearitas tidak
terdeteksi nah kedua asumsi telah kita
baca sekarang waktunya kita membaca
hasil analisis regresi logistik binomial
yang telah kita
lakukan kita kumpulkan beberapa tabel
penting ini yaitu tabel omnibus test
tabel model summary dan classification
tabel cara membacanya bisa menggunakan
kalimat seperti
ini analisis regresi logistik binomial
dilakukan untuk memastikan pengaruh
tinggi badan gender dan berat badan
terhadap
ketidaknormalan kerja jantung model
regresi logistik yang dihasilkan
signifikan secara statistik Kenapa kok
signifikan karena berdasarkan omnibus
tesnya kita lihat nilai sig-nya
0,001 kurang dari
0,05 bila lebih dari 0,05 maka model
regresiknya tidak signifikan selanjutnya
kita lanjutkan kalimatnya model tersebut
menjelaskan
21,3% k r squ keragaman dalam kondisi
jantung diklasifikasikan dengan tepat di
sebanyak
71%
kasus ya di sini kita peroleh dua angka
terakhir di tabel model summary dan
tabel classification tabel
selanjutnya perlu kita
susun persamaan
regresinya berdasarkan tabel variable in
the
equation Nah di sini kita bisa membaca
variabel in the equation menggunakan
kalimat berikut dari ketiga prediktor
Hanya dua prediktor yang signifikan
secara statistik yaitu gender kurung P
value-nya sebesar 0 012 dan berat badan
kurung pvue-nya sebesar
0,011 perempuan memiliki risiko mengidap
ketidaknormalan jantung sebesar
6,9333 kali lebih tinggi dari
wanita peningkatan berat badan
berasosiasi dengan peningkatan
kemunculan ketidaknmalan kerja jantung
nah didasarkan pada pembacaan ini bisa
kita lihat bila sig-nya kurang dari 0,05
maka kita katakan variabel bebas
tersebut merupakan prediktor yang
signifikan kemudian di sini bisa kita
lihat juga karena gender itu
signifikan maka kita
membacanya perempuan memiliki resisiko
menghidap ketidaknmalan jantung sebesar
6,9333 kali angka ini kita ambil dari
kolom
XB ya namun bila sig-nya di atas
0,05 maka kalimat ini tidak perlu muncul
kolom di XP tidak perlu kita baca di
sisi lain ketika variabel kita kategoris
karena nilai sig-nya kurang dari 0,05
kita bisa langsung mengatakan
peningkatan
variabel bebas memiliki asosiasi
signifikan dengan variabel terikatnya di
sini bisa kita Tuliskan peningkatan
berat badan berasosiasi dengan
peningkatan kemunculan ketidaknmalan
kerja jantung begitu ya Namun sebagai
catatan bila nilai B dari berat Batan
ada tanda negatifnya tanda minus seperti
di konstan ini ya di konstan ini kan ada
nilai mins-nya ada tanda mins-nya maka
pembacaannya dibalik penurunan berat
badan berasosiasi dengan peningkatan
kemunculan ketidaknmalan kerja jantung
jadinya ketika kita membaca tabel ini
angka-angka yang perlu kita perhatikan
yang pertama tentunya adalah kolom Sig
karena menentukan apakah variabel bebas
tersebut signifikan atau tidak nah
ketika sig-nya 0 kurang dari 0,05 maka
variabel-variabel bebas tersebut perlu
kita baca ketika kita baca kalau
variabel bebasnya berubah data kategoris
misalkan gender ya kita perlu melihat
angka di XB nah angka ini akan
menentukan seberapa besar peningkatan
yang terjadi bila ada perubahan pada
gender dan selanjutnya kalau variabel
kita berubah variabel kontinu kita
pastikan Apakah ada tanda negatif di
kolom B bila tidak ada kolom tidak ada
tanda negatif maka peningkatan variabel
bebas akan diikuti oleh peningkatan
Variabel terikat namun bila ada tanda
negatif kita membacanya penurunan di
variabel bebas tersebut akan
meningkatkan angka di Variabel terikat
tersebut begitu ya begitu cara membaca
variabel in the
equation di video kali ini kita telah
melakukan analisis regresi logistik
binomial beserta cara membacanya di
video yang lainnya kita akan lanjut ke
analisis yang lain kita juga akan masuk
ke analisis variat dan analisis yang
melibatkan repeated measures Bagaimana
cara melakukan analisis-analisis
multivariat dan repeated misers tersebut
silakan lihat di video saya selanjutnya
demikian video saya kali ini mohon maaf
bila ada kesalahan terima kasih dan
kembali lagi di video yang lain
asalamualaikum warahmatullahi
wabarakatuh foreign