Tugas 5 no 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
|
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
2. pelajari data dibawah ini, tentukan dependen dan independent variable
serta
·
Hitung
Sum of Square 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
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.
Latihan 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=4.286<Ft= 4,60, nilai p 0 .057>0.05 Maka Ho
diterima berat badan tidak mempengaruhi glukosa darah.
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
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 :
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. Tidak ada perbedaan tentang angka
kematian akibat penyakit jantung antara penduduk perkotaan dengan penduduk
pedesaan. 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.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.
8. 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