Tugas 5 Analisa Regresi
1. Hal.85
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
|
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Cholesterola
|
.
|
Enter
|
a.
All requested variables entered.
|
|||
b.
Dependent Variable: Umur
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.151a
|
.023
|
.000
|
8.66730
|
a.
Predictors: (Constant), Cholesterol
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
75.662
|
1
|
75.662
|
1.007
|
.321a
|
Residual
|
3230.249
|
43
|
75.122
|
|||
Total
|
3305.911
|
44
|
||||
a.
Predictors: (Constant), Cholesterol
|
||||||
b.
Dependent Variable: Umur
|
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
37.435
|
11.640
|
3.216
|
.002
|
|
Cholesterol
|
.051
|
.051
|
.151
|
1.004
|
.321
|
|
a.
Dependent Variable: Umur
|
Sum of Square total: SSY= 3305,911
Sum of Square Residual: SSE= 3230,249
Sum of Square Regression: SSY-SSE=
3305,911-3230,249= 75,662
Mean Sum of Square Regression: SSReg/df= 75,662/1=
75,662
Mean Sum of Square Resudial: SSResd/df= 3230,249/43=
75,122
F=MS-Reg/MS-Resd= 75,622/75,122= 1,007
2. Halaman 86
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. Hal 87
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=4.2860.05 Maka Ho diterima berat badan tidak mempengaruhi
glukosa darah.
4. Hal 86
1.
Jelaskan ”Total Sum Of Square”?
2.
Jelaskan “Explained Sum Of Square”?
3.
Jelaskan “Unexplained Sum Of Square”?
4.
Jelaskan “The Coefficient Of
Determination”?
5.
Jelaskan fungsi Analisis Varians dalam analisis regresi
6.
Uraikan 3 cara untuk menguji nol :
7.
Jelaskan dua tujuan kita menggunakan
analisis regrasi.
Jawab :
1.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)
2.ESS Jumlah dari
kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi
standar.
3. 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
4.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.
5. 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
6.a. Tidak ada perbedaan tentang angka kematian
akibat penyakit jantung antara penduduk perkotaan dengan penduduk pedesaan.
b. 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.
c. 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.
b. 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.
c. 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.
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.
7.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