- Dengan data diatas, lakukan analisa korelasi untuk TDS dan Umur serta IMT dan Umur.
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
|
Umura
|
.
|
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
|
.757a
|
.573
|
.557
|
9.567
|
a.
Predictors:
(Constant), Umur
|
Nilai r = 0.757, artinya besaran korelasi antara
Tekanan Darah Sistolik dan Umur adalah 0.757
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
3433.639
|
1
|
3433.639
|
37.516
|
.000a
|
Residual
|
2562.661
|
28
|
91.524
|
|||
Total
|
5996.300
|
29
|
||||
a.
Predictors: (Constant), Umur
b.
Dependent
Variable: Tekanan Darah Sistolik
·
Sum Of Square Total adalah
● Sum Of Square
Residual adalah
● Sum of square
Regression = SSY – SSE =
5996.300 – 2562.661 = 3433.639
|
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
59.465
|
13.863
|
4.289
|
.000
|
|
Umur
|
1.596
|
.261
|
.757
|
6.125
|
.000
|
|
a. Dependent Variable:
Tekanan Darah Sistolik
|
Hasilnya :
●
Dependen
variabel adalah TDS ;
●
Independen
variabel adalah UMUR ;
●
Persamaan
garis regresi : TDS = 59.465 + 1.596 UMUR ;
●
Nilai
r = 0.757 ;
●
Uji
t untuk membuktikan
H0 : â1 = 0
●
â1 = 1.596; SEâ1 = 0.261 ingat bahwa t=
●
Uji
t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 28, dan hasilnya adalah
1.701
thitung = 9.38 > ttabel = 1.701
Maka kita berkesimpulan bahwa TDS dan UMUR
berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram sebar
TDS dan UMUR
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 = 0.799, artinya besaran korelasi antara
Indeks Massa Tubuh dan Umur adalah 0,799
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 = 0.799 ;
●
Uji
t untuk membuktikan
H0 : â1 = 0
â1 = 0.588 ; SEâ1 = 0.084 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
- Dengan menggunakan data berikut (data fiktif)
• Hitung nilai r ;
• Hitung nilai â1 ;
• Lakukan uji t untuk
membuktikan H0 : â1 = 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 = 0.766, artinya besaran korelasi antara
Mg Tulang dan Mg Serum adalah 0,766
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 = 0.766 ;
●
Uji
t untuk membuktikan
H0 : â1 = 0
â1 = 180.948; SEâ1 = 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.
• Hitung
nilai r ;
• Hitung
nilai â1 ;
• Lakukan
uji t untuk membuktikan H0 : â1 = 0 ;
●
Lakukan uji t untuk membuktikan H0 : r = 0
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
|
Jawaban :
- 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 = 0.484, artinya besaran korelasi antara
Glukosa dan Berat Badan adalah 0,484
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
|
|
|
Hasilnya :
●
Dependen
variabel adalah Glukosa ;
●
Independen
variabel adalah Berat badan ;
●
Persamaan
garis regresi : Glukosa = 61.877 + 0.510 Berat badan ;
●
Nilai
r = 0.484 ;
●
Uji
t untuk membuktikan
H0 : â1 = 0
â1 = 0.510 ; SEâ1 = 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