Tugas Analisis Regresi Halaman
85
1.
Pelajari data dibawahini, tentukan depend an
independent variable serta:
a.
Hitung
Sum of Square for Regression (X)
b.
Hitung
Sum of Square for Residual
c.
Hitung Mean Sum of Square for Regression (X)
d.
Hitung
Mean Sum of Square for Residual
e.
Hitung
nilai F dan
buat
kesimpulan
UMR
|
CHOL
|
TRIG
|
UMR
|
CHOL
|
TRIG
|
UMR
|
CHOL
|
TRIG
|
40
|
218
|
194
|
37
|
212
|
140
|
55
|
319
|
191
|
46
|
265
|
188
|
40
|
244
|
132
|
58
|
212
|
216
|
69
|
197
|
134
|
32
|
217
|
140
|
41
|
209
|
154
|
44
|
188
|
155
|
56
|
227
|
379
|
60
|
224
|
198
|
41
|
217
|
191
|
49
|
218
|
101
|
50
|
184
|
129
|
56
|
240
|
207
|
50
|
241
|
213
|
48
|
222
|
115
|
48
|
222
|
155
|
46
|
234
|
168
|
49
|
229
|
148
|
49
|
244
|
235
|
52
|
231
|
242
|
39
|
204
|
164
|
41
|
190
|
167
|
51
|
297
|
142
|
40
|
211
|
104
|
38
|
209
|
186
|
46
|
230
|
240
|
47
|
230
|
218
|
36
|
208
|
179
|
60
|
258
|
173
|
67
|
230
|
239
|
39
|
214
|
129
|
47
|
243
|
175
|
57
|
222
|
183
|
59
|
238
|
220
|
58
|
236
|
199
|
50
|
213
|
190
|
56
|
219
|
155
|
66
|
193
|
201
|
43
|
238
|
259
|
44
|
241
|
201
|
52
|
193
|
193
|
55
|
234
|
156
|
Keterangan :
UMR : Umur
CHOL : Kolesterol
TRIG : Trigliserida
Jawaban :
UJI
ANOVA DATA UMUR DAN CHOLESTROL
A.
Uji ANOVA
untuk Data Umur dengan Kolesterol
Berikut hasil analisis data dengan regresi sebagai berikut :
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umura
|
.
|
Enter
|
a. All requested
variables entered.
|
|||
b. Dependent Variable:
Kolesterol
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.151a
|
.023
|
.000
|
25.514
|
a. Predictors:
(Constant), Umur
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
655.625
|
1
|
655.625
|
1.007
|
.321a
|
Residual
|
27990.819
|
43
|
650.949
|
|||
Total
|
28646.444
|
44
|
||||
a. Predictors:
(Constant), Umur
|
||||||
b. Dependent Variable:
Kolesterol
|
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
204.048
|
22.093
|
9.236
|
.000
|
|
Umur
|
.445
|
.444
|
.151
|
1.004
|
.321
|
|
a. Dependent Variable:
Kolesterol
|
a.
Sum of square total adalah SSY
28646.444
b.
Sum of square Residual adalah SSE
27990.819
c.
Sum Of Square Regression
SSY – SSE = 28646.444 – 27990.819 = 655.625
d.
Mean Sum Of Square Regression
SSRegr / df
= 655.625 / 1 = 655.625
e.
Mean Sum Of Square Residual
SSResd / df
= 27990.819 / 43 = 650.949
F = MS – Regr/MS – Resd = 655.625 /
650.949 = 1.007
f.
Hitung
nilai F dan buat
kesimpulan
F tabel dengan nomerator = 1 dan
denumerator = 43 nilainya adalah 4,08
Nilai F hitung = 1.007 < F tabel
= 4.08, nilai P > 0,05 sangat bermakna, lihat kolom Sig. = 0.321. Artinya
kita menerima hipotesa nol, dan kita nyatakan bahwa : Umur tidak mempengaruhi
kadar kolesterol darah.
UJI ANOVA DATA
UMUR DAN TRIGLISERIDA
Regression
Variables Entered/Removeda
|
|||
Model
|
Variables
Entered
|
Variables
Removed
|
Method
|
1
|
Umurb
|
.
|
Enter
|
a.
Dependent Variable: Trigliserida
|
|||
b.
All requested variables entered.
|
Model Summary
|
||||
Model
|
R
|
R
Square
|
Adjusted
R Square
|
Std.
Error of the Estimate
|
1
|
,301a
|
,091
|
,069
|
39,517
|
a.
Predictors: (Constant), Umur
|
ANOVAa
|
||||||
Model
|
Sum
of Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|
1
|
Regression
|
6687,911
|
1
|
6687,911
|
4,283
|
,045b
|
Residual
|
67148,000
|
43
|
1561,581
|
|
|
|
Total
|
73835,911
|
44
|
|
|
|
|
a.
Dependent Variable: Trigliserida
|
||||||
b.
Predictors: (Constant), Umur
|
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std.
Error
|
Beta
|
||||
1
|
(Constant)
|
110,198
|
34,218
|
|
3,220
|
,002
|
Umur
|
1,422
|
,687
|
,301
|
2,069
|
,045
|
|
a.
Dependent Variable: Trigliserida
|
a. Hitung Sum of
Square for Regression (X)
b. Hitung Sum of
Square for Residual
c. HItung Mean Sum
of Square for Regression (X)
d. Hitung Mean Sum
of Square for Residual
e. Hitung nilai F dan
buat kesimpulan
Nilai
Fh= 4,282 > Ft = 4,07, nilai p < 0,05sangat bermakna, Sig = 0,045
Artinya, kita menerima hipotesa nol
dan kita
nyatakan bahwa
: umur
mempengaruhi trigliserida.
2. 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 dan buuat kesimpulan
Mg Serum
|
Mg Tulang
|
3,6
|
672
|
2,7
|
567
|
2,45
|
617
|
1,45
|
400
|
0,9
|
236
|
1,4
|
270
|
2,8
|
340
|
2,85
|
610
|
2,6
|
570
|
2,25
|
552
|
1,35
|
277
|
1,6
|
268
|
1,65
|
270
|
1,35
|
215
|
2,8
|
621
|
2,55
|
638
|
1,8
|
524
|
1,4
|
294
|
2,9
|
330
|
1,8
|
240
|
1,5
|
190
|
Hasil
analisis data dengan regresi seperti di bawah ini :
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
|
.757a
|
.573
|
.551
|
113.968
|
a. Predictors:
(Constant), Mg Serum
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
331735.951
|
1
|
331735.951
|
25.540
|
.000a
|
Residual
|
246786.715
|
19
|
12988.774
|
|||
Total
|
578522.667
|
20
|
||||
a. Predictors:
(Constant), Mg Serum
|
||||||
b. Dependent Variable:
Mg Tulang
|
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
46.600
|
76.897
|
.606
|
.552
|
|
Mg Serum
|
178.346
|
35.290
|
.757
|
5.054
|
.000
|
|
a. Dependent Variable:
Mg Tulang
|
a.
Sum of square total adalah SSY
578522.667
b.
Sum of square Residual adalah SSE
246786.715
c.
Sum Of Square Regression
SSY – SSE = 578522.667 – 246786.715 =
331734.951
d.
Mean Sum Of Square Regression
SSRegr / df
= 331735.951 / 1 = 331735.951
e.
Mean Sum Of Square Residual
SSResd / df
= 246786.715 / 19 = 12988.774
f.
Hitung nilai F dan buat kesimpulan
F = MS – Regr/MS – Resd = 331735.951 /
12988.774 = 25.540
F tabel dengan nomerator = 1 dan denumerator = 19 nilainya
adalah 5,12
Nilai F hitung = 25,54 > F tabel = 5,12 nilai P
< 0,05 sangat bermakna, lihat kolom Sig. = 0.000. Artinya kita menolak
hipotesa nol, dan kita nyatakan bahwa : Magnesium Serum mempengaruhi Magnesium
Tulang.
3. 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 dan buuat kesimpulan
Subjek
|
Berat Badan
|
Glukosa
|
Subjek
|
Berat Badan
|
Glukosa
|
1
|
64
|
108
|
9
|
82,1
|
101
|
2
|
75,3
|
109
|
10
|
78,9
|
85
|
3
|
73
|
104
|
11
|
76,7
|
99
|
4
|
82,1
|
102
|
12
|
82,1
|
100
|
5
|
76,2
|
105
|
13
|
83,9
|
108
|
6
|
95,7
|
121
|
14
|
73
|
104
|
7
|
59,4
|
79
|
15
|
64,4
|
102
|
8
|
93,4
|
107
|
16
|
77,6
|
87
|
Hasil
analisis data dengan regresi seperti di bawah ini :
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Berat Badana
|
.
|
Enter
|
a. All requested
variables entered.
|
|||
b. Dependent Variable:
KGD
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.495a
|
.245
|
.191
|
9.21376
|
a. Predictors:
(Constant), Berat Badan
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
384.931
|
1
|
384.931
|
4.534
|
.051a
|
Residual
|
1188.506
|
14
|
84.893
|
|||
Total
|
1573.437
|
15
|
||||
a. Predictors:
(Constant), Berat Badan
|
||||||
b. Dependent Variable:
KGD
|
a.
Sum of square total adalah SSY
1573.437
b.
Sum of square Residual adalah SSE
1188.506
c.
Sum Of Square Regression adalah
SSY – SSE =1573.437
–1188.506 = 384.931
d.
Mean Sum Of Square Regression
SSRegr / df
= 384.931
/ 1 = 384.931
e.
Mean Sum Of Square Residual
SSResd / df
= 1188.506 / 14 = 84.893
f.
Hitung nilai F dan buat kesimpulan
F = MS – Regr/MS – Resd = 384.931
/ 84.893 = 4.534
F tabel dengan nomerator = 1 dan denumerator = 14
nilainya adalah 4,60
Nilai F hitung = 4,534 < F tabel = 4,6 nilai P >
0,05 sangat bermakna, lihat kolom Sig. = 0.051. Artinya kita menerima hipotesa
nol, dan kita nyatakan bahwa : Berat Badan tidak mempengaruhi kadar gula darah.
4. Jawablah pertanyaan berikut :
a. Jelaskan “
Total Sum Of Square”
b. Jelaskan “
Explained Sum Of Square”
c. Jelaskan
Unexplained Explained Sum Of Square
d. Jelaskan The
Coefficient Detemination
e. Jelaskan
Fungsi Analisis Varians dalam Regresi
f. Uraikan tiga
cara untuk menguji nol hipotesa : β = 0
g. Jelaskan dua
tujuan kita menggunakan analisis regresi
a.
SST (jumalah
kuadrat total)
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 :
SSE : variasi karena random error =
unexplained
Sedangkan SSE
SST = SSR + SSE
Dan SSR
(Regression sum squares)
R= Koefisien
dterminasi, persentase dari variasi data yang bisa dijelaskan oleh regresi
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 terdapat 36% (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. Tiga cara untuk menguji nol hipotesa
: β = 0
1. Tidak ada perbedaan tentang angka kematian akibat
penyakit jantung antara penduduk perkotaan dengan penduduk pedesaan.
2. 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.
3. 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.
4. 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.
g. 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