Latihan 2 halaman 86
mg serum
|
mg tulang
|
3,5
|
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
|
Variables Entered/Removeda
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
magnesium serumb
|
.
|
Enter
|
a. Dependent Variable: magnesium 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), magnesium 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: magnesium tulang
| ||||||
b. Predictors: (Constant), magnesium serum
|
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
37,550
|
76,410
|
,491
|
,629
| |
magnesium serum
|
180,948
|
34,793
|
,766
|
5,201
|
,000
| |
a. Dependent Variable: magnesium tulang
|
Sum of Square Total
SSY = i=ln(Yi-Yi)2=576519,810
- Hitung Sum of Square Regression (X)
Jawab:
SSY-SSE = 576519,810-237885,934= 338633,876
- Hitung Sum of Square for Residual
Jawab:
SSE = 237885,934
- Hitung Means Sum of Square for Regression (X)
Jawab:
SSRegrdf=338633,8761=338633,876
- Hitung Means Sum of Square for Residual
Jawab:
SSResddf=237885,93419=12520,312
- Hitung nilai F dan buat kesimpulan
Jawab:
F=MS-REgrMS-Resd=338633,87612520,312=27,047
Lihat tabel F dengan nomerator =1 dan denumerator=19, nilainya adalah 4,38
Nilai Fhitung =27,047>Ftabel=4,38, nilai p<0,05 sangat bermakna, lihat kolom Sig.=0,000 artinya kita menolak Hipotesa nol, dan kita nyatakan bahwa: Mg serum mempengaruhi Mg tulang.
Latihan 3 halaman 87:
subjek
|
berat badan (kg)
|
glukosa mg/100 ml
|
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
|
Hasil SPSS untuk data berat badan dan glukosa
Variables Entered/Removeda
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
berat badan (Kg)b
|
.
|
Enter
|
a. Dependent Variable: glukosa (mg/100ml)
| |||
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 (Kg)
|
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 (mg/100ml)
| ||||||
b. Predictors: (Constant), berat badan (Kg)
|
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
61,877
|
19,189
|
3,225
|
,006
| |
berat badan (Kg)
|
,510
|
,246
|
,484
|
2,070
|
,057
| |
a. Dependent Variable: glukosa (mg/100ml)
|
Sum of Square Total
SSY = i=ln(Yi-Yi)2=1573,437
- Hitung Sum of Square Regression (X)
Jawab:
SSY-SSE = 1573,437-1204,639= 368,798
- Hitung Sum of Square for Residual
Jawab:
SSE = 1204,639
- Hitung Means Sum of Square for Regression (X)
Jawab:
Means Sum of Square for Regression (X)=SSRegrdf=368,79811=368,798
- Hitung Means Sum of Square for Residual
Jawab:
Means Sum of Square for Residual =SSResddf=1204,639014=86,046
- Hitung nilai F dan buat kesimpulan
Jawab:
MS-REgrMS-Resd=368,79886,046=4,286
Lihat tabel F dengan nomerator =1 dan denumerator=14, nilainya adalah 4,60
Nilai Fhitung =4,286<Ftabel=4,60, nilai p>0,05 tidak bermakna, lihat kolom Sig.=0,057 artinya kita menerima Hipotesa nol, dan kita nyatakan bahwa: Berat badan tidak mempengaruhi Glukosa.
Latihan 4:
- Jelaskan ‘total sum of square’
Jawab:
SSY = i=ln(Yi-Yi)2
Total sum of square (SSY/SST) adalah jumlah jarak antara titik observasi terhadap titik rata-rata Y.
- Jelaskan ‘Explained sum of square’
Jawab: ESS adalah jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi standar.
- Jelaskan’unexplained sum of square’
Jawab:
Besaran SST : total correct sum of squares di definisikan :
SSE : variasi karena random error = unexplained
SST = SSR + SSE
Dan SSR (Regression sum squares)
R = Koefisien dterminasi, persentase dari variasi data yang bisa dijelaskan oleh regresi
- Jelaskan ‘the coefficient of determination’
Jawab:
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 0,43 maka koefisien determinasi (r Square) adalah sebesar 0,43 X 0,43= 0,1849.
- Jelaskan fungsi analisis varians dalam analisis regresi
Jawab:
Analisis varians dalam analisis regresi berfungsi untuk menentukan analisis regresi/ garis regresi tersebut signifikan atau tidak.
- Uraikan tiga cara untuk menguji nol hipotesa;β=0
Jawab:
- Tidak ada perbedaan tentang angka kematian akibat penyakit jantung antara penduduk perkotaan dengan penduduk pedesaan.
- 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.
- 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.
- Jelaskan dua tujuan kita menggunakan analisis regresi
Jawab:
- Analisa regresi digunakan untuk mengevaluasi hubungan satu atau lebih wariabel independen
- Menjelaskan temuan data dalam bentuk garis lurus atau kurva atau parabola dan lain sebagainya dan sangat sesuai dengan data yang ada.
Tidak ada komentar:
Posting Komentar