UJI HIPOTESIS DATA NUMERIK

SKALA UKUR → INTERVAL ATAU RASIO

1. KORELASI → DATA NUMERIK

EG : Korelasi antara hemodialisa dengan penurunan berat badan

Hemodialisa → frekuensi (kali) → X

Penurunan berat badan → kg

KORELASI PEARSON → SYARAT DATA BERDISTRIBUSI NORMAL (STATISTIK PARAMETRIK)

KORELASI SPEARMAN → TIDAK MENSYARAT (BEBAS BERDISTRIBUSI ) (STATISTIK NON PARAMETRIK)

INFORMASI KORELASI : ARAH HUBUNGAN DAN KEERATAN/KEKUATAN HUBUNGAN

ARAH POSITIF → SEMAKIN TINGGI FREKUENSI HEMODIALISA SEMAKIN TINGGI PENURUNAN BB

ARAH NEGATIF → SEMAKIN TINGGI FREKUENSI HEMODIALISA SEMAKIN RENDAH PENURUNAN BB

2. REGRESI LINIER → DEPENDEN DATA NUMERIK

A. REGRESI LINIER SEDERHANA (SIMPLE LINIER REGRESSION)

VAR INDEPENDEN : HANYA 1, JENIS DATA NUMERIK

BENTUK HUBUNGAN → LINIER ATAU TIDAK

PREDIKSI VAR DEPENDEN DENGAN MENGGUNAKAN VAR INDEPENDEN

Nilai P (0,0005

B. REGRESI LINIER GANDA (MULTIPLE LINEAR REGRESSION)

VAR INDEPENDEN : LEBIH DARI 1 (2,3, 4 DST), JENIS DATA BOLEH NUMERIK DAN ATAU KATEGORIK
(NUMERIK HARUS LEBIH BANYAK DIBANDINGKAN DATA KATEGORIK → 70% DATA NUMERIK)

3. REGRESI LOGISTIK → DEPENDEN DATA KATEGORIK (2 KATEGORIK) → BINARY LOGISTIK

VAR INDEPENDEN HARUS BANYAK YANG KATEORIK DI BANDING NUMERIK → 70%