NAMA :
MUTIA RIZKI IQLIMA
NIM :
20160302228
1. Dengan
data diatas, lakukan analisa korelasi untuk TDS dan Umur serta IMT dan Umur.
• Hitung nilai r ;
• Hitung nilai b1
;
• Lakukan uji t untuk membuktikan H0 :
b1
= 0 ;
• Lakukan uji t untuk membuktikan H0 :
r = 0.
TDS
|
IMT
|
UM
|
TDS
|
IMT
|
UM
|
TDS
|
IMT
|
UM
|
135
|
28
|
45
|
122
|
32
|
41
|
130
|
31
|
49
|
148
|
37
|
52
|
146
|
29
|
54
|
129
|
28
|
47
|
162
|
37
|
60
|
160
|
36
|
48
|
144
|
23
|
44
|
180
|
46
|
64
|
166
|
39
|
59
|
138
|
40
|
51
|
152
|
41
|
64
|
138
|
36
|
56
|
140
|
35
|
54
|
134
|
30
|
50
|
145
|
34
|
49
|
142
|
30
|
46
|
135
|
32
|
57
|
142
|
34
|
56
|
144
|
37
|
58
|
137
|
33
|
53
|
132
|
32
|
50
|
149
|
33
|
54
|
132
|
30
|
48
|
120
|
28
|
43
|
126
|
29
|
43
|
161
|
38
|
63
|
170
|
41
|
63
|
152
|
39
|
62
|
Jawaban :
a.
TDS dan Umur
Regression
Variables Entered/Removedb
|
||||||||||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|||||||
1
|
Indeks Massa Tubuha
|
.
|
Enter
|
|||||||
a. All requested variables entered.
|
||||||||||
b.
Dependent Variable: Tekanan Darah Sistolik
|
||||||||||
Model Summary
|
||||||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
||||||
1
|
.730a
|
.533
|
.516
|
10.000
|
||||||
a.
Predictors: (Constant), Indeks Massa Tubuh
|
||||||||||
Nilai r = 0.73,
artinya besaran korelasi antara Tekanan darah Sistolik dan Indeks Massa Tubuh
adalah 0,73
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
3196.407
|
1
|
3196.407
|
31.965
|
.000a
|
Residual
|
2799.893
|
28
|
99.996
|
|
|
|
Total
|
5996.300
|
29
|
|
|
|
|
a. Predictors: (Constant), Indeks Massa Tubuh
|
||||||
b.
Dependent Variable: Tekanan Darah Sistolik
|
·
Sum Of Square Total adalah
· Sum
Of Square Residual adalah
·
Sum of square Regression = SSY – SSE =
5996.300
– 2799.893 = 3196.401
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
72.687
|
12.692
|
|
5.727
|
.000
|
Indeks Massa Tubuh
|
2.093
|
.370
|
.730
|
5.654
|
.000
|
|
a.
Dependent Variable: Tekanan Darah Sistolik
|
Hasilnya
:
· Dependen
variabel adalah TDS ;
· Independen
variabel adalah IMT ;
· Persamaan
garis regresi : TDS = 72.687 + 2.093 IMT ;
· Nilai
r = 0.73 ;
· Uji
t untuk membuktikan
H0
: b1
= 0
b1
= 2.093; SEb1
= 0.37 ingat bahwa t=
· Uji
t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 28, dan
hasilnya adalah 1.701
thitung = 9.97 > ttabel = 1.701
Maka kita berkesimpulan bahwa TDS dan
IMT berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram
sebar TDS dan IMT
b.
IMT dan Umur
Regression
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umura
|
.
|
Enter
|
a.
All requested variables entered.
|
|||
b.
Dependent Variable: Indeks Massa Tubuh
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.799a
|
.639
|
.626
|
3.069
|
a.
Predictors: (Constant), Umur
|
Nilai r = 0.79,
artinya besaran korelasi antara Indeks Massa Tubuh dan Umur adalah 0,79
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
466.175
|
1
|
466.175
|
49.501
|
.000a
|
Residual
|
263.691
|
28
|
9.418
|
|
|
|
Total
|
729.867
|
29
|
|
|
|
|
a.
Predictors: (Constant), Umur
|
||||||
b.
Dependent Variable: Indeks Massa Tubuh
|
·
Sum Of Square Total adalah
·
Sum Of Square Residual adalah
·
Sum Of Square Regression = SSY – SSE =
729.867
– 263.691 = 466.175
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
2.895
|
4.447
|
|
.651
|
.520
|
Umur
|
.588
|
.084
|
.799
|
7.036
|
.000
|
|
a.
Dependent Variable: Indeks Massa Tubuh
|
Hasilnya
:
· Dependen
variabel adalah IMT ;
· Independen
variabel adalah Umur ;
· Persamaan
garis regresi : IMT = 2.895 + 0.588 Umur ;
· Nilai
r = 0.79 ;
· Uji
t untuk membuktikan
H0
: b1
= 0
b1
= 0.588 ; SEb1
= 0.08 ingat bahwa t=
· Uji
t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 28, dan
hasilnya adalah 1.701
thitung = 6.94> ttabel
= 1.701
Maka kita berkesimpulan bahwa IMT dan
Umur berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram
sebar TDS dan IMT
2. Dengan
menggunakan data berikut (data fiktif)
• Hitung nilai r ;
• Hitung nilai b1
;
• Lakukan uji t untuk membuktikan H0
: b1
= 0 ;
• Lakukan uji t untuk membuktikan H0
: r = 0.
Mg Serum
|
Mg Tulang
|
3.60
|
672
|
2.70
|
567
|
2.45
|
612
|
1.45
|
400
|
0.90
|
236
|
1.40
|
270
|
2.80
|
340
|
2.80
|
621
|
2.55
|
638
|
1.80
|
524
|
1.40
|
294
|
2.90
|
330
|
1.80
|
240
|
1.50
|
190
|
2.85
|
610
|
2.60
|
570
|
2.25
|
552
|
1.35
|
277
|
1.60
|
268
|
1.65
|
270
|
1.35
|
215
|
Jawaban
:
a. Mg Tulang dan Mg Serum
Regression
Variables Entered/Removedb
|
|||||||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
||||
1
|
Mg
Seruma
|
.
|
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
|
.766a
|
.587
|
.566
|
111.894
|
|||
a.
Predictors: (Constant), Mg Serum
|
|||||||
Nilai r = 0.76,
artinya besaran korelasi antara Mg Tulang dan Mg Serum adalah 0,76
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
338633.876
|
1
|
338633.876
|
27.047
|
.000a
|
Residual
|
237885.934
|
19
|
12520.312
|
|
|
|
Total
|
576519.810
|
20
|
|
|
|
|
a.
Predictors: (Constant), Mg Serum
|
||||||
b.
Dependent Variable: Mg Tulang
|
·
Sum Of Square Total adalah
·
Sum Of Square Residual adalah
·
Sum of square Regression = SSY – SSE =
576519.810
– 237885.934 = 338633.876
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
37.550
|
76.410
|
|
.491
|
.629
|
Mg
Serum
|
180.948
|
34.793
|
.766
|
5.201
|
.000
|
|
a.
Dependent Variable: Mg Tulang
|
Hasilnya :
·
Dependen variabel adalah Mg Tulang
;
·
Independen variabel adalah Mg
Serum ;
·
Persamaan garis regresi : Mg tulang
= 37.550 + 180.948 Mg Serum ;
·
Nilai r = 0.76 ;
·
Uji t untuk membuktikan
H0 : b1 = 0
b1= 180.948; SEb1 = 34.79 ingat bahwa t=
·
Uji t untuk membuktikan H0 :
r = 0
Lihat tabel t dengan n = 19, dan hasilnya adalah
1.729
thitung = 5.14 > ttabel = 1.729
Maka kita berkesimpulan bahwa Mg Tulang dan Mg
Serum berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram sebar
Mg Tulang dan Mg Serum
3. Data
Berat dan kadar glukosa darah orang dewasa sebagai berikut.
Subjek
|
Berat badan
|
Glukosa
|
(Kg)
|
mg/100 ml
|
|
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
|
73.0
|
104
|
15
|
64.4
|
102
|
16
|
77.6
|
87
|
• Hitung nilai r ;
• Hitung nilai b1
;
• Lakukan uji t untuk membuktikan H0
: b1
= 0 ;
· Lakukan
uji t untuk membuktikan H0 : r = 0
Jawaban
:
a.
Glukosa
dan Berat badan
Regression
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Berat
badan (kg)a
|
.
|
Enter
|
a.
All requested variables entered.
|
|||
b.
Dependent Variable: Glukosa mg/100 ml
|
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)
|
Nilai r = 0.76,
artinya besaran korelasi antara Mg Tulang dan Mg Serum adalah 0,76
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.
Predictors: (Constant), Berat badan (kg)
|
||||||
b.
Dependent Variable: Glukosa mg/100 ml
· Sum Of
Square Total adalah
· Sum Of
Square Residual adalah
· Sum of
square Regression = SSY – SSE =
1573.437
– 1204.639 = 368.798
|
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/100 ml
|
Hasilnya :
·
Dependen variabel adalah Glukosa ;
·
Independen variabel adalah Berat
badan ;
·
Persamaan garis regresi : Glukosa
= 61.877 + 0.510 Berat badan ;
·
Nilai r = 0.48 ;
·
Uji t untuk membuktikan
H0 : b1 = 0
b1= 0.510 ; SEb1 = 0.24 ingat bahwa t=
·
Uji t untuk membuktikan H0 :
r = 0
Lihat tabel t dengan n = 14, dan hasilnya adalah
1.761
thitung = 2.06> ttabel =
1.761
Maka kita berkesimpulan bahwa Glukosa dan Berat
badan berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram sebar
Glukosa dan Berat badan
Tidak ada komentar:
Posting Komentar