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
Posting Komentar