Rabu, 19 April 2017

Analisis Regresi Halaman 85-88

Analisis Regresi (Halaman 85-88)



Analisis Regresi (Halaman 85-88)
1.      Pelajari data dubawah unu, 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
·         Hitung Means Sum of Square for Residual
·         Hitung nilai F dan buat kesimpulan
UM
CHOL
TRIG
UM
CHOL
TRIG
UM
CHOL
TRIG
40.0
218.0
194.0
37.0
212.0
140.0
55.0
319.0
191.0
46.0
265.0
188.0
40.0
244.0
132.0
58.0
212.0
216.0
69.0
197.0
134.0
32.0
217.0
140.0
41.0
209.0
154.0
44.0
188.0
155.0
56.0
227.0
279.0
60.0
224.0
198.0
41.0
217.0
191.0
49.0
218.0
101.0
50.0
184.0
129.0
56.0
240.0
207.0
50.0
241.0
213.0
48.0
222.0
115.0
48.0
222.0
155.0
46.0
234.0
168.0
49.0
229.0
148.0
49.0
244.0
235.0
52.0
231.0
242.0
39.0
204.0
164.0
41.0
190.0
167.0
51.0
297.0
142.0
40.0
211.0
104.0
38.0
209.0
186.0
46.0
230.0
240.0
47.0
230.0
218.0
36.0
208.0
179.0
60.0
258.0
173.0
67.0
230.0
239.0
39.0
214.0
129.0
47.0
243.0
175.0
57.0
222.0
183.0
59.0
238.0
220.0
58.0
236.0
199.0
50.0
213.0
190.0
56.0
219.0
155.0
66.0
193.0
201.0
43.0
238.0
259.0
44.0
241.0
201.0
52.0
193.0
193.0
55.0
234.0
156.0
·         UM = Umur
·         CHOL = Cholesterol
·         TRIG = Trigliserida
Jawab :
Hasil analisis data dengan regresi seperti dibawah ini
a.       Regression
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
8.667
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






  c.       Sum of Squre Total
3305.911
  d.    Sum of Square Residul
3230.249 
  e.    Sum of Square Regression
SSY – SSE = 3305.911 – 3230.249 = 75.662
  f.      Mean Sum of Square Regression
SSRegr / df = 75.662 / 1 = 75.662
  g.      Mean Sum of Square Residul
SSResd / df = 75.122 / 43 = 75.122
  h.   Nilai F
F = MS-Reg / MS-Resd = 75.662 / 75.112 = 1.007
  i. Lihat tabel F dengan nomerator= 1 dan denomerator= 43, nilainya adalah 4.07
  j. Nilai Fh = 1.007 < Ft = 4.07 , nilai p<0,05, sangat tidak bermakna
  k.Kesimpulan: Kita menerima hipotesa nol, dan kita nyatakan bahwa : umur tidak mempengaruhi cholesterol dan trigliserda.
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
·         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 analisis data dengan regresi seperti dibawah ini
  a.       Regression
Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
Mg Tulanga
.
Enter
a. All requested variables entered.
b. Dependent Variable: Mg Serum
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.766a
.587
.566
.47393
a. Predictors: (Constant), Mg Tulang
ANOVAb

Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
6.075
1
6.075
27.047
.000a
Residual
4.268
19
.225
Total
10.342
20
a. Predictors: (Constant), Mg Tulang
b. Dependent Variable: Mg Serum











      b.  Sum of Squre Total
10.342
      c.   Sum of Square Residul
4.268
      d.      Sum of Square Regression
SSY – SSE = 10.342 – 4.268 = 6.075
      e.       Mean Sum of Square Regression
SSRegr / df = 6.075 / 1 = 6.075
       f.       Mean Sum of Square Residul
SSResd / df = 4.268 / 19 = 0.225
      g.      Nilai F
F = MS-Reg / MS-Resd = 6.075 / 0.225 = 27.047
    h.      Lihat tabel F dengan nomerator= 1 dan denomerator= 19, nilainya adalah 4.38
      i.        Nilai Fh = 27.047  > Ft = 4.38 , nilai p<0,05, sangat bermakna
     j.        Kesimpulan: Kita menolak hipotesa nol, dan kita nyatakan bahwa : Mg serum mempengaruhi Mg tulang.
3. Pelajari data dubawah unu, 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
·         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/100ml
1
64
108
2
75,3
109
3
73
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
Jawab :
Hasil analisis data dengan regresi seperti dibawah ini
a.       Regression
Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
Glukosa mg /100 mla
.
Enter
a. All requested variables entered.
b. Dependent Variable: Berat Badan
Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.484a
.234
.180
8.8100
a. Predictors: (Constant), Glukosa mg /100 ml
ANOVAb

Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
332.669
1
332.669
4.286
.057a
Residual
1086.628
14
77.616
Total
1419.297
15
a. Predictors: (Constant), Glukosa mg /100 ml
b. Dependent Variable: Berat Badan
b.      Sum of Squre Total
1419.297
c.       Sum of Square Residul
1086.628
d.      Sum of Square Regression
SSY – SSE = 1419.297 – 1086.628 = 332.669
e.       Mean Sum of Square Regression
SSRegr / df = 332.669 / 1 = 332.669
f.       Mean Sum of Square Residul
SSResd / df = 1086.628 / 14 = 77.616
  
      g.      Nilai F
F = MS-Reg / MS-Resd = 332.669 / 77.616 = 0.057
h.    Lihat tabel F dengan nomerator=1 dan denomerator=14, nilainya adalah   4.60
   
       i.        Nilai Fh = 0.057  <  Ft =  , nilai p<0,05 sangat tidak bermakna
       
      j.      Kesimpulan: Kita menerima hipotesa nol, dan kita nyatakan bahwa : berat badan tidak mempengaruhi glukosa pada orang dewasa. 
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 :
  https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjchyllw0hABZnPzRy9Yxl7t1uPNo2RasFyMXVw05bVZ8UzkMaxqDq6iGNzNBnBwKR44i3eeIFWqJZOEv7bQyOZANWvlTsr7SsD1aIHQdDf3JMFn1SDx-xT9Qtawl38_yNjjTRfyQqVcDw/s1600/4.PNG 

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.
Variables Entered/Removedb

Diposting oleh di Tidak ada komentar:
Langganan: Postingan (Atom)