Tugas Pertemuan ke 6 Analisis Regresi halaman 86 dan 87
NIM : 20160302137
Seksi : 11
Latihan 2 halaman 86:
mg serum
|
mg tulang
|
3,5
|
672
|
2,7
|
567
|
2,45
|
612
|
1,45
|
400
|
0,9
|
236
|
1,4
|
270
|
2,8
|
340
|
2,85
|
610
|
2,6
|
570
|
2,25
|
552
|
1,35
|
277
|
1,6
|
268
|
1,65
|
270
|
1,35
|
215
|
2,8
|
621
|
2,55
|
638
|
1,8
|
524
|
1,4
|
294
|
2,9
|
330
|
1,8
|
240
|
1,5
|
190
|
Variables
Entered/Removeda
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
magnesium serumb
|
.
|
Enter
|
a. Dependent Variable: magnesium tulang
|
|||
b. All requested variables entered.
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the
Estimate
|
1
|
,766a
|
,587
|
,566
|
111,894
|
a. Predictors: (Constant), magnesium serum
|
ANOVAa
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
338633,876
|
1
|
338633,876
|
27,047
|
,000b
|
Residual
|
237885,934
|
19
|
12520,312
|
|||
Total
|
576519,810
|
20
|
||||
a. Dependent Variable: magnesium tulang
|
||||||
b. Predictors: (Constant), magnesium serum
|
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
37,550
|
76,410
|
,491
|
,629
|
|
magnesium serum
|
180,948
|
34,793
|
,766
|
5,201
|
,000
|
|
a. Dependent Variable: magnesium tulang
|
Sum of Square Total
SSY = i=ln(Yi-Yi)2=576519,810
a. Hitung Sum of Square Regression (X)
Jawab:
SSY-SSE = 576519,810-237885,934= 338633,876
b.
Hitung Sum of Square for
Residual
Jawab:
SSE = 237885,934
c.
Hitung Means Sum of
Square for Regression (X)
Jawab:
SSRegrdf=338633,8761=338633,876
d.
Hitung Means Sum of
Square for Residual
Jawab:
SSResddf=237885,93419=12520,312
e.
Hitung nilai F dan buat
kesimpulan
Jawab:
F=MS-REgrMS-Resd=338633,87612520,312=27,047
Lihat tabel F dengan nomerator =1 dan
denumerator=19, nilainya adalah 4,38
Nilai Fhitung =27,047>Ftabel=4,38, nilai p<0,05 sangat bermakna, lihat kolom Sig.=0,000
artinya kita menolak Hipotesa nol, dan kita nyatakan bahwa: Mg serum
mempengaruhi Mg tulang.
Latihan 3 halaman 87:
subjek
|
berat badan (kg)
|
glukosa mg/100 ml
|
1
|
64
|
108
|
2
|
75,3
|
109
|
3
|
73
|
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
|
Hasil SPSS untuk data
berat badan dan glukosa
Variables
Entered/Removeda
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
berat badan (Kg)b
|
.
|
Enter
|
a. Dependent Variable: glukosa (mg/100ml)
|
|||
b. All requested variables entered.
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the
Estimate
|
1
|
,484a
|
,234
|
,180
|
9,276
|
a. Predictors: (Constant), berat badan (Kg)
|
ANOVAa
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
368,798
|
1
|
368,798
|
4,286
|
,057b
|
Residual
|
1204,639
|
14
|
86,046
|
|||
Total
|
1573,437
|
15
|
||||
a. Dependent Variable: glukosa (mg/100ml)
|
||||||
b. Predictors: (Constant), berat badan (Kg)
|
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
61,877
|
19,189
|
3,225
|
,006
|
|
berat badan (Kg)
|
,510
|
,246
|
,484
|
2,070
|
,057
|
|
a. Dependent Variable: glukosa (mg/100ml)
|
Sum of Square Total
SSY = i=ln(Yi-Yi)2=1573,437
a. Hitung Sum of Square Regression (X)
Jawab:
SSY-SSE = 1573,437-1204,639= 368,798
b.
Hitung Sum of Square for
Residual
Jawab:
SSE = 1204,639
c.
Hitung Means Sum of
Square for Regression (X)
Jawab:
Means Sum of Square for Regression (X)=SSRegrdf=368,79811=368,798
d.
Hitung Means Sum of
Square for Residual
Jawab:
Means Sum of Square for Residual =SSResddf=1204,639014=86,046
e.
Hitung nilai F dan buat
kesimpulan
Jawab:
MS-REgrMS-Resd=368,79886,046=4,286
Lihat tabel F dengan nomerator =1 dan
denumerator=14, nilainya adalah 4,60
Nilai Fhitung =4,286<Ftabel=4,60, nilai p>0,05 tidak bermakna, lihat kolom Sig.=0,057
artinya kita menerima Hipotesa nol, dan kita nyatakan bahwa: Berat badan tidak
mempengaruhi Glukosa.
Latihan 4:
a. Jelaskan ‘total sum of
square’
Jawab:
SSY = i=ln(Yi-Yi)2
Total sum of square (SSY/SST)
adalah jumlah jarak antara titik observasi terhadap titik rata-rata Y.
b.
Jelaskan ‘Explained sum
of square’
Jawab: ESS adalah jumlah dari kuadrat
deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi standar.
c.
Jelaskan’unexplained sum
of square’
Jawab:
Besaran SST : total correct sum of squares di
definisikan :
SSE : variasi karena random error = unexplained
SST = SSR + SSE
Dan SSR (Regression sum
squares)
R = Koefisien dterminasi, persentase dari
variasi data yang bisa dijelaskan oleh regresi
d.
Jelaskan ‘the
coefficient of determination’
Jawab:
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 0,43 maka koefisien determinasi (r Square) adalah
sebesar 0,43 X 0,43= 0,1849.
e.
Jelaskan fungsi analisis
varians dalam analisis regresi
Jawab:
Analisis varians dalam
analisis regresi berfungsi untuk menentukan analisis regresi/ garis regresi
tersebut signifikan atau tidak.
f.
Uraikan tiga cara untuk
menguji nol hipotesa;β=0
Jawab:
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.
g.
Jelaskan dua tujuan kita
menggunakan analisis regresi
Jawab:
1. Analisa regresi digunakan untuk mengevaluasi
hubungan satu atau lebih wariabel independen
2. Menjelaskan temuan data dalam bentuk garis lurus
atau kurva atau parabola dan lain sebagainya dan sangat sesuai dengan data yang
ada.
Tidak ada komentar:
Posting Komentar