Latihan
1. Dengan data ini, lakukan analisis korelasi untuk TDS dan umur serta IMT dan Umur
Jawab :
TDS
|
IMT
|
UM
|
TDS
|
IMT
|
UM
|
TDS
|
IMT
|
UM
|
135
|
28
|
45
|
122
|
32
|
41
|
130
|
31
|
49
|
148
|
37
|
52
|
146
|
29
|
54
|
129
|
28
|
47
|
162
|
37
|
60
|
160
|
36
|
48
|
144
|
23
|
44
|
180
|
46
|
64
|
166
|
39
|
59
|
138
|
40
|
51
|
152
|
41
|
64
|
138
|
36
|
56
|
140
|
35
|
54
|
134
|
30
|
50
|
145
|
34
|
49
|
142
|
30
|
46
|
135
|
32
|
57
|
142
|
34
|
56
|
144
|
37
|
58
|
137
|
33
|
53
|
132
|
32
|
50
|
149
|
33
|
54
|
132
|
30
|
48
|
120
|
28
|
43
|
126
|
29
|
43
|
161
|
38
|
63
|
170
|
41
|
63
|
152
|
39
|
62
|
a. TDS dan Umur
Regression
Variables Entered/Removedb
|
||||||||||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|||||||
1
|
Indeks Massa Tubuha
|
.
|
Enter
|
|||||||
a. All requested variables entered.
|
||||||||||
b. Dependent Variable: Tekanan Darah Sistolik
|
||||||||||
Model Summary
|
||||||||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
||||||
1
|
.730a
|
.533
|
.516
|
10.000
|
||||||
a. Predictors: (Constant), Indeks Massa Tubuh
|
||||||||||
Nilai r = 0.73, artinya besaran korelasi antara Tekanan darah Sistolik dan Indeks Massa Tubuh adalah 0,73
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
3196.407
|
1
|
3196.407
|
31.965
|
.000a
|
Residual
|
2799.893
|
28
|
99.996
|
|
|
|
Total
|
5996.300
|
29
|
|
|
|
|
a. Predictors: (Constant), Indeks Massa Tubuh
|
||||||
b. Dependent Variable: Tekanan Darah Sistolik
|
· Sum Of Square Total adalah
· Sum Of Square Residual adalah
· Sum of square Regression = SSY – SSE =
5996.300 – 2799.893 = 3196.401
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
72.687
|
12.692
|
|
5.727
|
.000
|
Indeks Massa Tubuh
|
2.093
|
.370
|
.730
|
5.654
|
.000
|
|
a. Dependent Variable: Tekanan Darah Sistolik
|
Hasilnya :
· Dependen variabel adalah TDS ;
· Independen variabel adalah IMT ;
· Persamaan garis regresi : TDS = 72.687 + 2.093 IMT ;
· Nilai r = 0.73 ;
· Uji t untuk membuktikan
H0 : b1 = 0
b1 = 2.093; SEb1 = 0.37 ingat bahwa t=
· Uji t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 28, dan hasilnya adalah 1.701
thitung = 9.97 > ttabel = 1.701
Maka kita berkesimpulan bahwa TDS dan IMT berkorelasi positif dan bermakna.
Hasil Diagram sebar TDS dan IMT
b. IMT dan Umur
Regression
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umura
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: Indeks Massa Tubuh
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.799a
|
.639
|
.626
|
3.069
|
a. Predictors: (Constant), Umur
|
Nilai r = 0.79, artinya besaran korelasi antara Indeks Massa Tubuh dan Umur adalah 0,79
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
466.175
|
1
|
466.175
|
49.501
|
.000a
|
Residual
|
263.691
|
28
|
9.418
|
|
|
|
Total
|
729.867
|
29
|
|
|
|
|
a. Predictors: (Constant), Umur
|
||||||
b. Dependent Variable: Indeks Massa Tubuh
|
· Sum Of Square Total adalah
· Sum Of Square Residual adalah
· Sum Of Square Regression = SSY – SSE =
729.867 – 263.691 = 466.175
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
2.895
|
4.447
|
|
.651
|
.520
|
Umur
|
.588
|
.084
|
.799
|
7.036
|
.000
|
|
a. Dependent Variable: Indeks Massa Tubuh
|
Hasilnya :
· Dependen variabel adalah IMT ;
· Independen variabel adalah Umur ;
· Persamaan garis regresi : IMT = 2.895 + 0.588 Umur ;
· Nilai r = 0.79 ;
· Uji t untuk membuktikan
H0 : b1 = 0
b1 = 0.588 ; SEb1 = 0.08 ingat bahwa t=
· Uji t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 28, dan hasilnya adalah 1.701
thitung = 6.94 > ttabel = 1.701
Maka kita berkesimpulan bahwa IMT dan Umur berkorelasi positif dan bermakna
· Hasil diagram sebar IMT dan Umur
2. Dengan menggunakan data berikut (data fiktif) :
· Hitung nilai r
· Hitung nilai β1
· Lakukan uji T untuk membuktikan H0 : β1= 0
· Lakukan uji T untuk membuktikan H0 : r = 0
Jawab
No
|
Mg serum
|
Mg Tulang
|
1
|
3.60
|
672
|
2
|
2.70
|
567
|
3
|
2.45
|
612
|
4
|
1.45
|
400
|
5
|
0.90
|
236
|
6
|
1.40
|
270
|
7
|
2.80
|
340
|
8
|
2.80
|
621
|
9
|
2.55
|
638
|
10
|
1.80
|
524
|
11
|
1.40
|
294
|
12
|
2.90
|
330
|
13
|
1.80
|
240
|
14
|
1.50
|
190
|
15
|
2.85
|
610
|
16
|
2.60
|
570
|
17
|
2.25
|
552
|
18
|
1.35
|
277
|
19
|
1.60
|
268
|
20
|
1.65
|
270
|
21
|
1.35
|
215
|
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
Nilai r = 0,766 artinya besaran korelasi antara mg serum dan mg tulang adalah 0,766.
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
· Sum of Square Total adalah
· Sum of Square Residual adalah
· Sum of Square Regression = SSY – SSE =
10,342 – 4,268 = 6,075
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
.737
|
.278
|
|
2.647
|
.016
|
mg_tulang
|
.003
|
.001
|
.766
|
5.201
|
.000
|
|
a. Dependent Variable: mg_serum
|
Hasilnya :
1. Dependent variabel adalah Mg serum
2. Independent variabel adalah Mg tulang
3. Persamaan garis regresi : Mg serum = 0,737 + 0,003 Mg tulang;
4. Nilai r = 0,766
5. Uji t untuk membuktikan
ingat bahwa
· Uji t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 19, dan hasilnya adalah 1,729
thitung = 5,227> ttabel = 1,729
maka kesimpulannya bahwa Mg serum dan Mg tulang berkorelasi positif dan bermakna.
· Hasil diagram sebar mg serum dan mg tulang
3. Data berat badan dan kadar glukosa darah orang dewasa sebagai berikut :
· Hitung nilai r
· Hitung nilai β1
· Lakukan uji T untuk membuktikan H0 : β1= 0
· Lakukan uji T untuk membuktikan H0 : r = 0
Jawab :
Subjek
|
Berat badan (kg)
|
Glukosa (mg/100 ml)
|
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
|
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
berat_badana
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: Glukosa
|
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
|
Nilai r = 0,484 artinya besaran korelasi antara Glukosa dan berat badan adalah 0,484.
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
|
|
|
|
|
a. Predictors: (Constant), berat_badan
|
||||||
b. Dependent Variable: Glukosa
|
· Sum of Square Total adalah
· Sum of Square Residual adalah
· Sum of Square Regression = SSY – SSE =
1573,437 – 1204,639 = 368,798
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
|
Hasilnya :
1. Dependent variabel adalah glukosa;
2. Independent variabel adalah berat badan;
3. Persamaan garis regresi : Glukosa = 61,877 + 0,510 berat badan;
4. Nilai r = 0,484
5. Uji t untuk membuktikan
; ingat bahwa
· Uji t untuk membuktikan H0 : r = 0
Lihat tabel t dengan n = 14, dan hasilnya adalah 1,761
maka kesimpulannya bahwa glukosa dan berat badan berkorelasi positif dan bermakna.
· Hasil diagram sebar glukosa dan Berat badan