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
| ||||
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.
Tidak ada komentar:
Posting Komentar