Rabu, 25 Oktober 2017

tugas pertemuan 5


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

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
Nilai Fhitung = 1,007 > Ftabel = 4.07, nilai p < 0.05 sangat bermakna, dengan nilai Sig. = 0.000.
Kesimpulan : Artinya hipotesa nol ditolak, maka dinyatakan bahwa :umur mempengaruhi kolesterol.

2.    Pelajari data dibawah ini, tentukan dependen dan independent variabel serta
·  Hitung Ssu, 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
2,7
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 total: SSY= 576519,810
Sum of Square Residual: SSE= 237885,934
Sum of Square Regression: SSY-SSE= 576519,810-237885,934= 338633,876
Mean Sum of Square Regression: SSReg/df= 338633,876/1= 338633,876
Mean Sum of Square Resudial: SSResd/df= 237885,934/19=12520,312
F=MS-Reg/MS-Resd= 338633,876/12520,312= 27,046

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.

3. Pelajari data di bawah ini, tentukan dependen dan independen variabel serta
a.       Hitung Sum of Square for Regression (X)
b.       Hitung Sum of Square for Residual
c.       Hitung Means Sum of Square for Regression (X)
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 (data fiktif) :




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
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.


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










Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.484a
.234
.180
9.276



4.  Jawablah pertanyaan berikut :
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 regrasi.
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
ni         = Ukuran sampel dari populasi i
x ij       = 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 :
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.     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.

G.    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.

Tidak ada komentar:

Posting Komentar