Rabu, 18 Oktober 2017

Tugas Analisis Regresi Pertemuan 5 Halaman 85-88


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