Latihan
Halaman 85
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
|
UM
|
CHOL
|
TRIG
|
UM
|
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
|
279
|
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
|
Jawab :
Hasil analisa
data dengan regresi menggunakan software SPSS seperti dibawah ini: Analisa data yang pertama diuji
adalah dengan variabel sebagai berikut
Variabel Dependen :
Kolesterol
Variabel Independent : Umur
Variables
Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
UMa
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: CHOL
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the
Estimate
|
1
|
.151a
|
.023
|
.000
|
25.51371
|
a. Predictors: (Constant), UM
|
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), UM
|
||||||
b. Dependent Variable: CHOL
|
Sum of Square
Total adalah
3305.91
Sum of Square
Residual adalah
3230.249
Sum of Square
Regression adalah
SSY – SSE = 28646,444 – 27990,819 =
655,625
Mean Sum of
Square Regression = SSRegr / df = 655,625/1 = 655,625
Mean Sum of
Square Residual = SSResd/df =
27990,819/43 = 650,949
F = MS-Regr /
MS-Resd = 655,625/650,949 = 1,007
Nilai Fh =
1,007 < Ft = 4,07, nilai p > 0,05 tidak bermakna, kolom sig = 0,321
artinya kita menerima hipotesa nol, dan kita nyatakan bahwa Umur tidak
mempengaruhi Kadar Kolesterol.
Variabel Dependen :
Trigliserida
Variabel Independent :
Umur
Variables
Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
UMa
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: TRIG
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the
Estimate
|
1
|
.301a
|
.091
|
.069
|
39.51685
|
a. Predictors: (Constant), UM
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
6687.911
|
1
|
6687.911
|
4.283
|
.045a
|
Residual
|
67148.000
|
43
|
1561.581
|
|||
Total
|
73835.911
|
44
|
||||
a. Predictors: (Constant), UM
|
||||||
b. Dependent Variable: TRIG
|
Sum of Square
Total adalah
Sum of Square
Residual adalah
Sum of Square
Regression adalah
SSY – SSE = 7385,911 – 67148 = 6687,911
Mean Sum of
Square Regression = SSRegr / df = 6687,911/1 = 6687,911
Mean Sum of
Square Residual = SSResd/df = 67148/43 = 1561,581
F = MS-Regr /
MS-Resd = 6687,911/1561,581 = 4,2827
Nilai Fh =
4,2827 > Ft = 4,07, nilai p<0,05 sangat bermakna, kolom sig = 0,045
artinya kita menolak hipotesa nol, dan kita nyatakan bahwa Umur mempengaruhi
Kadar Trigliserida
2. 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
Mg
Serum
|
Mg
Tulang
|
3.6
|
672
|
2.7
|
567
|
2.45
|
612
|
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
|
Jawab :
Hasil analisa
data dengan regresi menggunakan software SPSS seperti dibawah ini:
Variabel Dependen :
Mg Tulang
Variabel Independent
: Mg Serum
Variables
Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
MgSeruma
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: MgTulang
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the
Estimate
|
1
|
.766a
|
.587
|
.566
|
111.89420
|
a. Predictors: (Constant), MgSerum
|
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), MgSerum
|
||||||
b. Dependent Variable: MgTulang
|
Sum of Square
Total adalah
10.342
Sum of Square
Residual adalah
4.268
Sum of Square
Regression adalah
SSY – SSE = 576519,81 – 237885,934 = 338633,876
Mean Sum of
Square Regression = SSRegr / df = 338633,876/1 = 338633,876
Mean Sum of
Square Residual = SSResd/df = 237885,934/19 = 12520,312
F = MS-Regr /
MS-Resd = 338633,876/12520,312 = 27,0467
Nilai Fh = 27,0467
> Ft = 4,38, nilai p<0,05 sangat bermakna, kolom sig = 0,000 artinya kita
menolak hipotesa nol, dan kita nyatakan bahwa Mg Serum mempengaruhi Mg Tulang.
3. 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
Data
berat badan dan kadar glukosa darah orang dewasa sebagai berikut (data fiktif)
Subjek
|
Berat Badan
(kg)
|
Glukosa
mg/100 ml
|
64
|
108
|
64
|
75.3
|
109
|
75.3
|
73
|
104
|
73
|
82.1
|
102
|
82.1
|
76.2
|
105
|
76.2
|
95.7
|
121
|
95.7
|
59.4
|
79
|
59.4
|
93.4
|
107
|
93.4
|
82.1
|
101
|
82.1
|
78.9
|
85
|
78.9
|
76.7
|
99
|
76.7
|
82.1
|
100
|
82.1
|
83.9
|
108
|
83.9
|
73
|
104
|
73
|
64.4
|
102
|
64.4
|
77.6
|
87
|
77.6
|
Jawab :
Hasil analisa
data dengan regresi menggunakan software SPSS seperti dibawah ini:
Variabel Dependen :
Glukosa mg/100 ml
Variabel
Independent : Berat Badan (BB)
Variables
Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
BBa
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: Glukosa
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the
Estimate
|
1
|
.484a
|
.234
|
.180
|
9.27608
|
a. Predictors: (Constant), BB
|
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), BB
|
||||||
b. Dependent Variable: Glukosa
|
Sum of Square
Total adalah
1419.297
Sum of Square
Residual adalah
1086.628
Sum of Square
Regression adalah
SSY – SSE = 1573,437 – 1204,639 = 368,798
Mean Sum of
Square Regression = SSRegr / df = 368,798/1 = 368,798
Mean Sum of
Square Residual = SSResd/df = 1204,639/14 = 86,045
F = MS-Regr /
MS-Resd = 368,798/86,045 = 4,286
Nilai Fh = 4,286
< Ft = 4,60, nilai p>0,05 tidak bermakna, kolom sig = 0,057 artinya kita
menerima hipotesa nol, dan kita nyatakan bahwa Berat badan tidak mempengaruhi kadar
Glukosa darah.
4. Jawablah
pertanyaan berikut :
a. Jelakan
Total Sum of Square
b. Jelaskan
Explained Sum of Square
c. Jelaskan
Unexplained Sum of Square
d. Jelakan
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 regresi
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
n = Ukuran sampel dari populasi i
Xij = 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. 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. 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