NAMA :
MUTIA RIZKI IQLIMA
NIM : 20160302228
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
(X)
b.
Hitung Sum of Square for Residual
c.
Hitung Means Sum of Square for
Regression (X)
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 (data fiktif) :
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
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.
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
|
||||
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.484a
|
.234
|
.180
|
9.276
|
4. Jawablah pertanyaan berikut :
A.
Jelaskan ”Total Sum Of Square”?
B.
Jelaskan “Explained Sum Of Square”?
C.
Jelaskan “Unexplained Sum Of
Square”?
D.
Jelaskan “The Coefficient Of
Determination”?
E.
Jelaskan fungsi Analisis Varians dalam analisis regresi
F.
Uraikan tiga cara untuk menguji nol
hipotesa : β = 0
G.
Jelaskan dua tujuan kita menggunakan
analisis regrasi.
Jawab
:
A.
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)
B.
ESS Jumlah
dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model
regresi standar.
C.
Besaran SST : total correct sum of squares di
definisikan :
D. 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.
E. 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.
F. 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.
G. 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. Menjelaskan temuan data dalam bentuk garis lurus atau kurva
atau parabola dan lain sebagainya dan sangat sesuai dengan data yang ada. Pertama
kali lakukan adalah membuat diagram sebar dari data yang kita miliki.
Tidak ada komentar:
Posting Komentar