TUGAS
ANALISIS REGRESI
(Temu V Hal 85)
1.
UM
|
CHOL
|
TRIG
|
40
|
218
|
194
|
46
|
265
|
188
|
69
|
197
|
134
|
44
|
188
|
155
|
41
|
217
|
191
|
56
|
240
|
207
|
48
|
222
|
155
|
49
|
244
|
235
|
41
|
190
|
167
|
38
|
209
|
186
|
36
|
208
|
179
|
39
|
214
|
129
|
59
|
238
|
220
|
56
|
219
|
155
|
44
|
241
|
201
|
37
|
212
|
140
|
40
|
244
|
132
|
32
|
217
|
140
|
56
|
227
|
279
|
49
|
218
|
101
|
50
|
241
|
213
|
46
|
234
|
168
|
52
|
231
|
242
|
51
|
297
|
142
|
46
|
230
|
240
|
60
|
258
|
173
|
47
|
243
|
175
|
58
|
236
|
199
|
66
|
193
|
201
|
52
|
193
|
193
|
55
|
319
|
191
|
58
|
212
|
216
|
41
|
209
|
154
|
60
|
224
|
198
|
50
|
184
|
129
|
48
|
222
|
115
|
49
|
229
|
148
|
39
|
204
|
164
|
40
|
211
|
104
|
47
|
230
|
218
|
67
|
230
|
239
|
57
|
222
|
183
|
50
|
213
|
190
|
43
|
238
|
259
|
55
|
234
|
156
|
Jawab :
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
UMURa
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: CHOLESTEROL
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.151a
|
.023
|
.000
|
25.514
|
a. Predictors: (Constant), UMUR
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
Df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
655.625
|
1
|
655.625
|
1.007
|
.321a
|
Residual
|
27990.819
|
43
|
650.949
|
|
|
|
Total
|
28646.444
|
44
|
|
|
|
|
a. Predictors: (Constant), UMUR
|
||||||
b. Dependent Variable: CHOLESTEROL
|
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
T
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
204.048
|
22.093
|
|
9.236
|
.000
|
UMUR
|
.445
|
.444
|
.151
|
1.004
|
.321
|
|
a. Dependent Variable: CHOLESTEROL
|
Sum of Square total: SSY= 28646.444
Sum of Square Residual:
SSE= 27990.819
Sum of Square Regression:
SSY-SSE= 655.625
Mean Sum of Square
Regression: SSReg/df=655.625 /1= 655.625
Mean Sum of Square Resudial: SSResd/df= 27990.819/43=
650.949
F=MS-Reg/MS-Resd= 655.625 /650.949 = 1.007
Nilai Fhitung = 1.007 < Ftabel
= 4.07.
Kesimpulan :
Artinya hipotesa nol diterima, maka dinyatakan bahwa :Umur tidak mempengaruhi
Cholesterol.
2.
Mg Serum
|
Mg Tulang
|
3,60
|
672
|
2,7
|
567
|
2,45
|
612
|
1,45
|
400
|
0,90
|
236
|
1,40
|
270
|
2,80
|
340
|
2,85
|
610
|
2,60
|
570
|
2,25
|
552
|
1,35
|
277
|
1,60
|
268
|
1,65
|
270
|
1,35
|
215
|
2,80
|
621
|
2,55
|
638
|
1,80
|
524
|
1,40
|
294
|
2,90
|
330
|
1,80
|
240
|
1,50
|
190
|
Hasil Analisa data dengan regresi seperti di bawah ini
VARIABLES ENTERED/REMOVED (b)
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Mg Serum (a)
|
.
|
Enter
|
a. All requested variables entered
b. Dependent Variable: Mg Tulang
MODEL SUMMARY
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.766 (a)
|
.587
|
.566
|
111.894
|
a. Predictors: (Constant), Mg Serum
ANOVA (b)
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
Regression
|
338633.876
|
1
|
338633.876
|
27.047
|
.000 (a)
|
|
Residual
|
237885.934
|
19
|
12520.312
|
|
|
|
Total
|
576519.810
|
20
|
|
|
|
|
a.
Predictors: (Constant), Mg Serum
b.
Dependent Variable: Mg Tulang
COEFFICIENTS (a)
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
37.550
|
76.410
|
|
.491
|
.629
|
MgS
|
180.948
|
34.793
|
.766
|
5.201
|
.000
|
a.
Dependent
Variable: MgT
Sum of Square Total
Sum of Square Residual
Sum of Square Regression
SSY - SSE = 576519.810
– 237885.934 = 338633.876
Mean Sum of Square for Regression
Mean Sum of Square for Residual
Nilai F
Nilai Fhitung
= 27.046 > Ftabel = 4.38, nilai p < 0.05 sangat
bermakna, dengan nilai Sig. = 0.000.
Kesimpulan :
Artinya hipotesa nol ditolak, maka dinyatakan bahwa :Mg Serum mempengaruhi Mg
Tulang.
3. Pelajari data di bawah
ini, tentukan dependen dan independen variabel serta
a.
Hitung Sum of
Square for Regression
b.
Hitung Sum of
Square for Residual
c.
Hitung Means
Sum of Square for Regression
d.
Hitung Means
Sum of Square for Residual
e.
Hitung nilai F
buat kesimpulan
Data
berat badan dan kadar glukosa darah orang dewasa sebagai berikut:
Subjek
|
Berat Badan
(kg)
|
Glukosa
mg/100ml
|
1
|
64,0
|
108
|
2
|
75,3
|
109
|
3
|
73,0
|
104
|
4
|
82,1
|
102
|
5
|
76,2
|
105
|
6
|
95,7
|
121
|
7
|
59,4
|
79
|
8
|
93,4
|
107
|
9
|
82,1
|
101
|
10
|
78,9
|
85
|
11
|
76,7
|
99
|
12
|
82,1
|
100
|
13
|
83,9
|
108
|
14
|
73
|
104
|
15
|
64,4
|
102
|
16
|
77,6
|
87
|
Berat badan
sebagai variabel Independen dan Glukosa darah sebagai variabel Dependen
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.484a
|
.234
|
.180
|
9.276
|
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
368.798
|
1
|
368.798
|
4.286
|
.057a
|
Residual
|
1204.639
|
14
|
86.046
|
|
|
|
Total
|
1573.437
|
15
|
|
|
|
|
|
a.
Sum of Square
for Regression
SSY-SSE= 1573.437-1204.639=368.798
b.
Sum of Square
for Residual
SSE= 1204.639
c.
Means Sum of
Square for Regression
SSReg/df= 368.798
d.
Means Sum of
Square for Residual
SSRes/df=86.046
e.
Nilai F
Lihat
Tabel F dengan nomerator =1 dan denomerator=14, nilainya adalah 4,60
Nilai Fh=4.286<Ft= 4,60, nilai p 0 .057>0.05 Maka Ho diterima
berat badan tidak mempengaruhi glukosa darah.
4.
a
Jelaskan
”Total Sum Of Square”?
b
Jelaskan
“Explained Sum Of Square”?
c
Jelaskan
“Unexplained Sum Of Square”?
d
Jelaskan “The
Coefficient Of Determination”?
e
Jelaskan
fungsi Analisis Varians dalam analisis
regresi
f
Uraikan 3 cara
untuk menguji nol :
g
Jelaskan dua
tujuan kita menggunakan analisis regrasi.
Jawab :
a.SST (jumalah kuadrat total) adalah jumlah kuadrat
dari masing-masing obeservasi (Y) dikurangi rata-rata seluruh observasi. Rumus
jumlah kuadarat Total SST=SSG+SSW
Dimana
SST =Total of Square
k =jumlah populasi
ni =ukuran sampel dari
populasi i
x ij =pengukuran ke-j dari
populasi ke-i
x =mean keselueuan (dari
seluruh nilai data)
b.ESS Jumlah dari kuadrat deviasi dari nilai
prediksi dari nilai rata-rata dalam model regresi standar.
c. Besaran SST : total correct sum of squares di definisikan :
SSE : variasi karena random error
= unexplained
Sedangkan SSE
SST = SSR + SSE
Dan SSR (Regression sum squares)
R= Koefisien
dterminasi, persentase dari variasi data yang bisa dijelaskan oleh regresi
d. Seberapa besar kemampuan semua variabel bebas
dalam menjelaskan varians dari variabel terikatnya.Secara sederhana koefisien
determinasi dihitung dengan mengkuadratakan Koefisien Kortelasi (R).Contoh :
Jika nilai R adalah sebesar 0,80 maka koefisien determinasi (R Square) adalah
sebesar 0,80 X 0,80= 0,64.Berarti kemampuan variabel bebas dalam menjelaskan
varians dari variabel terkaitnya adalah sebesar 64,0% berarti terdapat36%
(100%-64%) Varians variabel terkait yang dijelaskan oleh faktor lain.Berdasarkan
Interpretasi tersebut,maka tampak bawa nilai R Square adalah antara 0 sampai
dengan 1.
e.
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk
berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih
memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat
luas di berbagai bidang, mulai dari eksperimenlaboratorium hingga eksperimen
periklanan, psikologi, dan kemasyarakatan.
f. 1.
Tidak ada perbedaan tentang angka kematian akibat penyakit jantung antara
penduduk perkotaan dengan penduduk pedesaan.
2. Tidak ada
perbedaan antara status gizi anak balita yang tidak mendapat ASI pada waktu
bayi, dengan status gizi anak balita yang mendapat ASI pada waktu bayi.
3. Tidak ada
perbedaan angka penderita sakit diare antara kelompok penduduk yang menggunakan
air minum dari PAM dengan kelompok penduduk yang menggunakan air minum dari
sumur.
4. Hipotesis dapat
juga dibedakan berdasarkan hubungan atau perbedaan 2 variabel alau lebih.
Hipotesis hubungan berisi tentang dugaan adanya hubungan antara dua variabel.
Misalnya, ada hubungan antara tingkat pendidikan dengan praktek pemeriksaan
hamil. Hipotesis dapat diperjelas lagi menjadi : Makin tinggi pendidikan ibu,
makin sering (teratur) memeriksakan kehamilannya. Sedangkan hipotesis perbedaan
menyatakan adanya ketidaksamaan atau perbedaan di antara dua variabel;
misalnya. praktek pemberian ASI ibu-ibu de Kelurahan X berbeda dengan praktek
pemberian ASI ibu-ibu di Kelurahan Y. Hipotesis ini lebih dielaborasi menjadi:
praktek pemberian ASI ibu-ibu di Kelurahan X lebih tinggi bila dibandingkan
dengan praktek pemberian ASI ibu-ibu di Kelurahan Y.
g. Menjelaskan temuan data dalam bentuk garis lurus
atau kurva atau parabola dan lain sebagainya dan sangat sesuai dengan data yang
ada.Pertamkali lakukan adalah membuat diagram sebar dari data yang kita miliki.
Tidak ada komentar:
Posting Komentar