- Tugas Pertemuan 6 1. Pelajari data dibawah ini, tentukan dependen dan independen variable 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
|
Jawaban
Regression
Variables Entered/Removeda
| ||||||||||||||
Model
|
Variables Entered
|
Variables Removed
|
Method
| |||||||||||
1
|
Umurb
|
.
|
Enter
| |||||||||||
a. Dependent Variable: Cholesterol
| ||||||||||||||
b. All requested variables entered.
| ||||||||||||||
Model Summary
| ||||||||||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
| ||||||||||
1
|
.151a
|
.023
|
.000
|
25.514
| ||||||||||
| ||||||||||||||
ANOVAa
| ||||||||||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
| |||||||||
1
|
Regression
|
655.625
|
1
|
655.625
|
1.007
|
.321b
| ||||||||
Residual
|
27990.819
|
43
|
650.949
| |||||||||||
Total
|
28646.444
|
44
| ||||||||||||
a. Dependent Variable: Cholesterol
| ||||||||||||||
b. Predictors: (Constant), Umur
|
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
204.048
|
22.093
|
9.236
|
.000
| |
Umur
|
.445
|
.444
|
.151
|
1.004
|
.321
| |
a. Dependent Variable: Cholesterol
|
- Sum of Square Total:
- Sum of Square Residual:
Sum of Square Regression:
SSY – SSE = 28646,444 - = 655,625
- Means Sum of Square for Regression:
SSRegr/df = 655,625/1 = 655,625
- Means Sum of Square for Residual
SSResd/df = 27990,819/43 = 650,949
- Nilai F dan Kesimpulan
F = MSReg/MSRes = 655,625/650,949 = 1,007
Nilai Fh = 1,007 < Ft = 4,07
Kesimpulannya yaitu Ho diterima, artinya umur tidak mempengaruhi kolesterol.
- Pelajari data dibawah ini, tentukan dependen dan independen variable 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
|
3.60
|
672
|
2.70
|
567
|
2.45
|
612
|
1.45
|
400
|
.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
|
Jawaban
Regression
Variables Entered/Removeda
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Mg Serumb
|
.
|
Enter
|
a. Dependent Variable: Mg Tulang
| |||
b. All requested variables entered.
|
Model Summary
| ||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.766a
|
.587
|
.566
|
111.894
|
a. Predictors: (Constant), Mg Serum
|
ANOVAa
| ||||||||||||
Model
|
Sum of Squares
|
Df
|
Mean Square
|
F
|
Sig.
| |||||||
1
|
Regression
|
338633.876
|
1
|
338633.876
|
27.047
|
.000b
| ||||||
Residual
|
237885.934
|
19
|
12520.312
| |||||||||
Total
|
576519.810
|
20
| ||||||||||
a. Dependent Variable: Mg Tulang
| ||||||||||||
b. Predictors: (Constant), Mg Serum
| ||||||||||||
Coefficientsa
| ||||||||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||||||||
B
|
Std. Error
|
Beta
| ||||||||||
1
|
(Constant)
|
37.550
|
76.410
|
.491
|
.629
| |||||||
Mg Serum
|
180.948
|
34.793
|
.766
|
5.201
|
.000
| |||||||
a. Dependent Variable: Mg Tulang
|
- Sum of Square Total:
- Sum of Square Residual:
Sum of Square Regression:
SSY – SSE = - = 338633,876
- Means Sum of Square for Regression:
SSRegr/df = 338633,876/1 = 338633,876
- Means Sum of Square for Residual
SSResd/df = 237885,934/19 = 12520,312
- Nilai F dan Kesimpulan
F = MSReg/MSRes = 338633,876/12520,312 = 27,047
Nilai Fh = 27,047 > Ft = 4,38
Kesimpulannya yaitu Ho ditolak, artinya Mg serum mempengaruhi Mg tulang.
- Pelajari data dibawah ini, tentukan dependen dan independen variable 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
Subjek
|
Berat Badan (kg)
|
Glukosa (mg/100ml)
|
64.0
|
108
|
64.0
|
75.3
|
109
|
75.3
|
73.0
|
104
|
73.0
|
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
|
73.0
|
104
|
73.0
|
64.4
|
102
|
64.4
|
77.6
|
87
|
77.6
|
Jawaban
Regression
Variables Entered/Removeda
| ||||||||||||||
Model
|
Variables Entered
|
Variables Removed
|
Method
| |||||||||||
1
|
Berat Badanb
|
.
|
Enter
| |||||||||||
a. Dependent Variable: Glukosa
| ||||||||||||||
b. All requested variables entered.
| ||||||||||||||
Model Summary
| ||||||||||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
| ||||||||||
1
|
.484a
|
.234
|
.180
|
9.276
| ||||||||||
a. Predictors: (Constant), Berat Badan
| ||||||||||||||
ANOVAa
| ||||||||||||||
Model
|
Sum of Squares
|
Df
|
Mean Square
|
F
|
Sig.
| |||||||||
1
|
Regression
|
368.798
|
1
|
368.798
|
4.286
|
.057b
| ||||||||
Residual
|
1204.639
|
14
|
86.046
| |||||||||||
Total
|
1573.437
|
15
| ||||||||||||
a. Dependent Variable: Glukosa
| ||||||||||||||
b. Predictors: (Constant), Berat Badan
|
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
T
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
61.877
|
19.189
|
3.225
|
.006
| |
Berat Badan
|
.510
|
.246
|
.484
|
2.070
|
.057
| |
a. Dependent Variable: Glukosa
|
- Sum of Square Total:
- Sum of Square Residual:
Sum of Square Regression:
SSY – SSE = 1573,437 – 1204,639 = 368,798
- Means Sum of Square for Regression:
SSRegr/df = 368,798/1 = 368,798
- Means Sum of Square for Residual
SSResd/df = 1204,639/14 = 86,046
- Nilai F dan Kesimpulan
F = MSReg/MSRes = 368,798/86,046 = 4,286
Nilai Fh = 4,286 < Ft = 4,60
Kesimpulannya yaitu Ho diterima, artinya berat badan tidak mempengaruhi glukosa
- Jawablah pertanyaan berikut:
- Jelaskan ‘Total sum of squares’
- Jelaskan ‘Explained sum of square’
- Jelaskan ‘Unexplained sum of square’
- Jelaskan ‘the coefficient of determination’
- Jelaskan fungsi Analisis varians dalam analisis regresi
- Uraikan tiga cara untuk menguji nol hipotesa β = 0
- Jelaskan dua tujuan kita menggunakan analisis regresi
Jawaban
- 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)
- ESS Jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi standar.
- 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
- 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.
- 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 eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan
- Dalam Sugiyono (2008:228-232) terdapat tiga macam bentuk pengujian hipotesis. Adapun jenis uji mana yang akan dipakai tergantung pada bunyi kalimat hipotesis. Berikut 3 macam bentuk pengujian hipotesis tersebut:
Uji Dua Pihak (Two Tail Test)
Uji dua pihak digunakan apabila hipotesis nol (Ho) berbunyi “sama dengan” dan hipotesis alternatif (Ha) berbunyi “tidak sama dengan” (Ho = ; Ha ¹).
Uji Pihak Kiri
Uji pihak kiri digunakan apabila hipotesis nol (Ho) berbunyi “lebih besar atau sama dengan” dan hipotesis alternatif (Ha) berbunyi “lebih kecil” (Ho ³ ; Ha <).
Uji Pihak Kanan
Uji pihak kanan digunakan apabila hipotesis nol (Ho) berbunyi “lebih kecil atau sama dengan” dan hipotesis alternatif (Ha) berbunyi “lebih besar” (Ho £ ; Ha >).
Contoh:
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.
- 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.
No comments:
Post a Comment