Tuesday 18 April 2017

Tugas pertemuan 6

  1. Tugas Pertemuan 6 1. Pelajari data dibawah ini, tentukan dependen dan independen variable serta
  1. Hitung Sum of Square for Regression (X)
  2. Hitung Sum of Square for Residual
  3. Hitung Means Sum of Square for Regression (X)
  4. Hitung Means Sum of Square for Residual
  5. 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
  1. Predictors: (Constant), Umur


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

  1. Sum of Square Total:
  1. Sum of Square Residual:
Sum of Square Regression:
SSY – SSE = 28646,444 - = 655,625
  1. Means Sum of Square for Regression:
SSRegr/df = 655,625/1 = 655,625
  1. Means Sum of Square for Residual
SSResd/df = 27990,819/43 = 650,949
  1. 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.





  1. Pelajari data dibawah ini, tentukan dependen dan independen variable serta
  1. Hitung Sum of Square for Regression (X)
  2. Hitung Sum of Square for Residual
  3. Hitung Means Sum of Square for Regression (X)
  4. Hitung Means Sum of Square for Residual
  5. 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
  1. Sum of Square Total:
  1. Sum of Square Residual:
Sum of Square Regression:
SSY – SSE = - = 338633,876
  1. Means Sum of Square for Regression:
SSRegr/df = 338633,876/1 = 338633,876
  1. Means Sum of Square for Residual
SSResd/df = 237885,934/19 = 12520,312
  1. 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.


  1. Pelajari data dibawah ini, tentukan dependen dan independen variable serta
  1. Hitung Sum of Square for Regression (X)
  2. Hitung Sum of Square for Residual
  3. Hitung Means Sum of Square for Regression (X)
  4. Hitung Means Sum of Square for Residual
  5. 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

  1. Sum of Square Total:
  1. Sum of Square Residual:
Sum of Square Regression:
SSY – SSE = 1573,437 – 1204,639 = 368,798
  1. Means Sum of Square for Regression:
SSRegr/df = 368,798/1 = 368,798
  1. Means Sum of Square for Residual
SSResd/df = 1204,639/14 = 86,046
  1. 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
  1. Jawablah pertanyaan berikut:
  1. Jelaskan ‘Total sum of squares’
  2. Jelaskan ‘Explained sum of square’
  3. Jelaskan ‘Unexplained sum of square’
  4. Jelaskan ‘the coefficient of determination’
  5. Jelaskan fungsi Analisis varians dalam analisis regresi
  6. Uraikan tiga cara untuk menguji nol hipotesa β = 0
  7. Jelaskan dua tujuan kita menggunakan analisis regresi
Jawaban

  1. 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)
  1. ESS Jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi standar.
  2. 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
  1. 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.
  2. 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
  3. 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.

  1. 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.
Posted by at

No comments:

Post a Comment

Subscribe to: Post Comments (Atom)