Rabu, 01 November 2017

analisis regresi pertemuan 6


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
thitung = 2,069> ttabel = 1,761

maka kesimpulannya bahwa glukosa dan berat badan berkorelasi positif dan bermakna.

·      Hasil diagram sebar glukosa dan Berat badan
 


Tidak ada komentar:

Posting Komentar