NIM : 201532298
TUGAS HAL 86-87
Hal.85
UM
|
CHOL
|
TRIG
|
40
|
218
|
194
|
46
|
265
|
188
|
69
|
197
|
134
|
44
|
188
|
155
|
41
|
217
|
191
|
56
|
240
|
207
|
48
|
222
|
155
|
49
|
244
|
235
|
41
|
190
|
167
|
38
|
209
|
186
|
36
|
208
|
179
|
39
|
214
|
129
|
59
|
238
|
220
|
56
|
219
|
155
|
44
|
241
|
201
|
37
|
212
|
140
|
40
|
244
|
132
|
32
|
217
|
140
|
56
|
227
|
279
|
49
|
218
|
101
|
50
|
241
|
213
|
46
|
234
|
168
|
52
|
231
|
242
|
51
|
297
|
142
|
46
|
230
|
240
|
60
|
258
|
173
|
47
|
243
|
175
|
58
|
236
|
199
|
66
|
193
|
201
|
52
|
193
|
193
|
55
|
319
|
191
|
58
|
212
|
216
|
41
|
209
|
154
|
60
|
224
|
198
|
50
|
184
|
129
|
48
|
222
|
115
|
49
|
229
|
148
|
39
|
204
|
164
|
40
|
211
|
104
|
47
|
230
|
218
|
67
|
230
|
239
|
57
|
222
|
183
|
50
|
213
|
190
|
43
|
238
|
259
|
55
|
234
|
156
|
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Cholesterola
|
.
|
Enter
|
a. All
requested variables entered.
|
|
||
b.
Dependent Variable: Umur
|
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.151a
|
.023
|
.000
|
8.66730
|
a.
Predictors: (Constant), Cholesterol
|
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
75.662
|
1
|
75.662
|
1.007
|
.321a
|
Residual
|
3230.249
|
43
|
75.122
|
|
|
|
Total
|
3305.911
|
44
|
|
|
|
|
a.
Predictors: (Constant), Cholesterol
|
|
|
|
|||
b.
Dependent Variable: Umur
|
|
|
|
|
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
37.435
|
11.640
|
|
3.216
|
.002
|
Cholesterol
|
.051
|
.051
|
.151
|
1.004
|
.321
|
|
a.
Dependent Variable: Umur
|
|
|
|
|
Sum of Square total: SSY= 3305,911
Sum of Square Residual: SSE= 3230,249
Sum of Square Regression: SSY-SSE=
3305,911-3230,249= 75,662
Mean Sum of Square Regression: SSReg/df= 75,662/1=
75,662
Mean Sum of Square Resudial: SSResd/df= 3230,249/43=
75,122
F=MS-Reg/MS-Resd= 75,622/75,122= 1,007
Tugas 4 Halaman 86
Mg Serum
|
Mg Tulang
|
3,60
|
672
|
2,7
|
567
|
2,45
|
612
|
1,45
|
400
|
0,90
|
236
|
1,40
|
270
|
2,80
|
340
|
2,85
|
610
|
2,60
|
570
|
2,25
|
552
|
1,35
|
277
|
1,60
|
268
|
1,65
|
270
|
1,35
|
215
|
2,80
|
621
|
2,55
|
638
|
1,80
|
524
|
1,40
|
294
|
2,90
|
330
|
1,80
|
240
|
1,50
|
190
|
Hasil Analisa data dengan regresi seperti di
bawah ini
VARIABLES ENTERED/REMOVED (b)
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Mg Serum (a)
|
.
|
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
|
.766 (a)
|
.587
|
.566
|
111.894
|
a. Predictors: (Constant), Mg Serum
ANOVA (b)
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
Regression
|
338633.876
|
1
|
338633.876
|
27.047
|
.000 (a)
|
|
Residual
|
237885.934
|
19
|
12520.312
|
|||
Total
|
576519.810
|
20
|
||||
a.
Predictors: (Constant), Mg
Serum
b.
Dependent Variable: Mg Tulang
COEFFICIENTS (a)
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std.
Error
|
Beta
|
||||
1
|
(Constant)
|
37.550
|
76.410
|
|
.491
|
.629
|
MgS
|
180.948
|
34.793
|
.766
|
5.201
|
.000
|
a.
Dependent Variable: MgT
Sum
of Square Total
Sum
of Square Residual
Sum of Square Regression
SSY - SSE
= 576519.810 – 237885.934 = 338633.876
Mean Sum of Square for Regression
Mean Sum of Square for Residual
Nilai F
Nilai Fhitung
= 27.046 > Ftabel = 4.38, nilai p < 0.05 sangat
bermakna, dengan nilai Sig. = 0.000.
Kesimpulan : Artinya hipotesa nol
ditolak, maka dinyatakan bahwa :Mg
Serum mempengaruhi Mg Tulang.
Tugas V
Latihan 3 Hal 87
Pelajari data di bawah ini, tentukan dependen dan
independen variabel serta
a.
Hitung
Sum of Square for Regression
b.
Hitung
Sum of Square for Residual
c.
Hitung
Means Sum of Square for Regression
d.
Hitung
Means Sum of Square for Residual
e.
Hitung
nilai F buat kesimpulan
Data
berat badan dan kadar glukosa darah orang dewasa sebagai berikut:
Subjek
|
Berat Badan (kg)
|
Glukosa mg/100ml
|
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
|
104
|
15
|
64,4
|
102
|
16
|
77,6
|
87
|
Berat
badan sebagai variabel Independen dan Glukosa darah sebagai variabel Dependen
Model
Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R
Square
|
Std. Error
of the Estimate
|
1
|
.484a
|
.234
|
.180
|
9.276
|
|
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.
Sum
of Square for Regression
SSY-SSE=
1573.437-1204.639=368.798
b.
Sum
of Square for Residual
SSE= 1204.639
c.
Means
Sum of Square for Regression
SSReg/df= 368.798
d. Means Sum of Square for
Residual
SSRes/df=86.046
e. Nilai F
Lihat
Tabel F dengan nomerator =1 dan denomerator=14, nilainya adalah 4,60
Nilai
Fh=4.286<Ft= 4,60, nilai p 0 .057>0.05 Maka Ho
diterima berat badan tidak mempengaruhi glukosa darah.
1. Jelaskan
”Total Sum Of Square”?
2. Jelaskan
“Explained Sum Of Square”?
3. Jelaskan
“Unexplained Sum Of Square”?
4. Jelaskan
“The Coefficient Of Determination”?
5. Jelaskan
fungsi Analisis Varians dalam analisis
regresi
6. Uraikan
3 cara untuk menguji nol :
7. Jelaskan
dua tujuan kita menggunakan analisis regrasi.
Jawab :
1.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
ni =ukuran
sampel dari populasi i
x ij =pengukuran
ke-j dari populasi ke-i
x =mean
keselueuan (dari seluruh nilai data)
2.ESS
Jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam
model regresi standar.
3.
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
4.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.
5. 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
6.a. Tidak ada perbedaan tentang angka kematian
akibat penyakit jantung antara penduduk perkotaan dengan penduduk pedesaan.
b. 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.
c. 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.
b. 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.
c. 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.
7.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