Tugas Analisis Regresi ke-6 Kurnia Sari 20170302118




TUGAS ANALISIS REGRESI
(PERTEMUAN 6 HALAMAN 85 – 88)










Nama : Kurnia Sari
NIM : 20170302118




PROGRAM STUDI GIZI
FAKULTAS ILMU-ILMU KESEHATAN
UNIVERSITAS ESA UNGGUL
2018




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 Menas 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
Hasil analisa data dengan regresi seperti berikut ini
v  Umur dan Cholesterol
Regression

Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
CHOLESTEROLb
.
Enter
a. Dependent Variable: UMUR
b. All requested variables entered.


Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,151a
,023
,000
8,667
a. Predictors: (Constant), CHOLESTEROL




ANOVAa

Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
75,662
1
75,662
1,007
,321b
Residual
3230,249
43
75,122


Total
3305,911
44



a. Dependent Variable: UMUR
b. Predictors: (Constant), CHOLESTEROL

a.       Sum of Square Total adalah
= 3305,911

b.        Sum of Square Residual adalah
= 3230,249
c.       Sum of Square Regression adalah
                  SSY – SSE = 3305,911 – 3230,249 = 75,662
d.      Mean Sum of Square Regression =
                  SSRegr / df = 75,662/1 = 75,662
e.      Mean Sum of Regression =
                  SSResd/df = 3230,249/43 = 75,122
f.        Nilai F
                F = MS-Regr/MS-Resd = 75,662/75,122 =1,007
Tabel F dengan nomerator = 1 dan denomerator = 43, nilainya adalah = 4,07
Nilai = 1,007 >  = 4,07, nilai p > 0,05 tidak linear, lihat kolom Sig = 0,321
Artinya kita menerima hipotesa no, dan kita nyatakan bahwa : umur tidak mempengaruhi cholesterol.
v  Umur dan Trigliserida
Regression
Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
TRIGLISERIDAb
.
Enter
a. Dependent Variable: UMUR
b. All requested variables entered.

Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,301a
,091
,069
8,362
a. Predictors: (Constant), TRIGLISERIDA


ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
299,443
1
299,443
4,283
,045b
Residual
3006,468
43
69,918


Total
3305,911
44



a. Dependent Variable: UMUR
b. Predictors: (Constant), TRIGLISERIDA

a.         Sum of Square Total adalah
= 3305,911

b.        Sum of Square Residual adalah
= 3006,468

c.       Sum of Square Regression adalah
                  SSY – SSE = 3305,911 – 3006,468 = 229,443
d.      Mean Sum of Square Regression =
                  SSRegr / df = 299,443/1 = 299,443
e.      Mean Sum of Regression =
                  SSResd/df = 3006,468/43 = 69,918
f.        Nilai F
                F = MS-Regr/MS-Resd = 299,443/69,918 = 4,283
Tabel F dengan nomerator = 1 dan denomerator = 43, nilainya adalah = 4,07
Nilai = 4,283 >  = 4,07, nilai p < 0,05 sangat bermakna, lihat kolom Sig = 0,045
Artinya kita menolak hipotesa no, dan kita nyatakan bahwa : umur mempengaruhi Trigliserida
Halaman 86
1.      Pelajari data dibawah ini :
·         Hitung Sum of Square for Regression (X)
·         Hitung Sum of Square for Residual
·         Hitung Menas Sum of Square for Regression (X)
·         Hitung Means Sum of Square for Residual
·         Hitung nilai F dan buat kesimpulan

Mg Serum
Mg Tulang
3,60
672
2,70
567
2,45
612
1,45
400
0,90
236
0,40
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 berikut ini
Regression

Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
MG TULANGb
.
Enter
a. Dependent Variable: MG SERUM
b. All requested variables entered.


Model Summary

Model
R
R Square
Adjusted R Square
Std. Error of the Estimate

1
,746a
,557
,533
,543

a. Predictors: (Constant), MG TULANG

ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
7,046
1
7,046
23,863
,000b
Residual
5,610
19
,295


Total
12,657
20



a. Dependent Variable: MG SERUM
b. Predictors: (Constant), MG TULANG

a.      Sum of Square Total adalah

= 12,657


b.   Sum of Square Residual adalah

 = 5,610
c.    Sum of Square Regression adalah
                  SSY – SSE = 12,657 – 5,610 = 7,047
d.    Mean Sum of Square Regression =
                  SSRegr / df = 7,046/1 = 7,046
e.    Mean Sum of Square Residual =
                  SSResd/df = 5,610/19 = 0,295
f.     Nilai F
                F = MS-Regr/MS-Resd = 7,046/0,295 = 23,885
Tabel F dengan nomerator = 1 dan denomerator = 19, nilainya adalah = 4,38
Nilai = 23,863 >  = 4,38, nilai p < 0,05 sangat bermakna, lihat kolom Sig = 0,000
Artinya kita menolak hipotesa no, dan kita nyatakan bahwa : Mg Serum mempengaruhi Mg tulang.









Halaman 87
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 Menas Sum of Square for Regression (X)
·         Hitung Means Sum of Square for Residual
·         Hitung nilai F dan buat kesimpulan

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
73,0
104
15
64,4
102
16
77,6
87

Hasil analisa data dengan regresi seperti berikut ini
Regression

Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
GLUKOSAb
.
Enter
a. Dependent Variable: BERAT BADAN
b. All requested variables entered.


Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
,484a
,234
,180
8,810
a. Predictors: (Constant), GLUKOSA







ANOVAa
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
332,669
1
332,669
4,286
,057b
Residual
1086,628
14
77,616


Total
1419,297
15



a. Dependent Variable: BERAT BADAN
b. Predictors: (Constant), GLUKOSA

a.   Sum of Square Total adalah

 = 1419,297

b.   Sum of Square Residual adalah

 = 1086,628
c.    Sum of Square Regression adalah
                  SSY – SSE = 1419,297 – 1086,628 = 332,669
d.    Mean Sum of Square Regression =
                  SSRegr / df = 332,669/1 = 332,669
e.    Mean Sum of Square Residual =
                  SSResd/df = 1086,628/14 = 77,616
f.     Nilai F
                F = MS-Regr/MS-Resd = 332,669/77,616 = 4,286
Tabel F dengan nomerator = 1 dan denomerator = 14, nilainya adalah = 4,60
Nilai = 4,286 <  = 4,60, nilai p < 0,05 sangat bermakna, lihat kolom Sig = 0,057
Artinya kita menolak hipotesa no, dan kita nyatakan bahwa : Berat Badan mempengaruhi Glukosa.



















Halaman 88
3.      Pelajari data dibawah ini, tentukan dependen dan independent variabel serta
a.    Jelaskan “Total Sum of Square”
b.    Jelaskan “Explained Sum of Square”
c.    Jelaskan “Unexplained Sum of Square”
d.    Jelaskan “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  adalah jumlah kuadrat dari masing-masing obeservasi (Y) dikurangi rata-rata seluruh observasi.Rumus jumlah kuadarat Total SST=SSG+SSW

SST          = Total of Square
k               = jumlah populasi
ni              = ukuran sampel dari populasi
xij              = pengukuran ke-j dari populasi ke-i
x               = mean keseluruhan (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 determinasi, persentase dari variasi data yang bias 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(RSquare) adalah sebesar 0,80 X 0,80= 0,64. Berarti kemampuan variable bebas dalam mennjelaskan varians dari variable terkaitnya adalah sebesar 64,0% berarti terdapat 36% (100%-64%) Varians variable terkait yang dijelaskan oleh factor lain.Berdasarkan Interpretasi tersebut,maka tampak bawa nilai R Square adalah antara 0 sampai dengan 1.

e.   Analisis varians relative 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 eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.


f.     Tiga Cara untuk Menguji Nol Hipotesa : β = 0
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.
d. Hipotesis dapat juga dibedakan berdasarkan hubungan atau perbedaan 2 variabel atau 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 di 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.Pertama kali lakukan adalah membuat diagram sebar dari data yang kita miliki.


Komentar

Postingan populer dari blog ini

Analisis Regresi Ke-3

Analisis Regresi Pertemuan 1