Selasa, 11 Juli 2017
Rabu, 05 Juli 2017
Rabu, 07 Juni 2017
Selasa, 30 Mei 2017
Minggu, 21 Mei 2017
Sabtu, 20 Mei 2017
Selasa, 09 Mei 2017
Selasa, 11 April 2017
Tugass Analisi Regresi 5
1. Pelajari data dibawah ini,
tentukan dependen dan independent variabel serta
· Hitung Sum, of Square for Regression (X)
· Hitung Sum of Square for Residual
· Hitung Means Sum of Square for Regression(X)
· Hitung Means Sum of Square for Residual
· Hitung nilai F dan buat kesimpulan
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
Nilai Fhitung = 1,007 > Ftabel = 4.07,
nilai p < 0.05 sangat bermakna, dengan nilai Sig. = 0.000.
Kesimpulan : Artinya hipotesa nol ditolak,
maka dinyatakan bahwa :umur mempengaruhi kolesterol.
2. Pelajari data dibawah ini,
tentukan dependen dan independent variabel serta
· Hitung Ssu, of Square for Regression
(X)
· Hitung Sum of Square for Residual
· Hitung Means Sum of Square for Regression(X)
· Hitung Means Sum of Square for Residual
· Hitung nilai F dan buat kesimpulan
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 total: SSY= 576519,810
Sum of Square Residual: SSE= 237885,934
Sum of Square Regression: SSY-SSE=
576519,810-237885,934= 338633,876
Mean Sum of Square Regression:
SSReg/df= 338633,876/1= 338633,876
Mean Sum of Square Resudial:
SSResd/df= 237885,934/19=12520,312
F=MS-Reg/MS-Resd= 338633,876/12520,312= 27,046
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
|
Sum of Square Total
Sum of Square total: SSY= 576519,810
Sum of Square Residual: SSE= 237885,934
Sum of Square Regression: SSY-SSE=
576519,810-237885,934= 338633,876
Mean Sum of Square Regression:
SSReg/df= 338633,876/1= 338633,876
Mean Sum of Square Resudial:
SSResd/df= 237885,934/19=12520,312
F=MS-Reg/MS-Resd= 338633,876/12520,312= 27,046
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. Jawablah pertanyaan berikut :
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
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 :
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.
Langganan:
Postingan (Atom)