Pertemuan ke 6 Halaman 86-88
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
b. Hitung
Sum of Square for Residual
c. Hitung
Means Sum of Square for Regression
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:
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
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.484a
|
.234
|
.180
|
9.276
|
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.
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.
4. Jawablah
pertanyaan berikut :
1. Jelaskan
”Total Sum Of Square”?
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
7.
Jelaskan dua tujuan kita menggunakan analisis regrasi.
Jawab :
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)
2.ESS
Jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam
model regresi standar.
3.
Besaran SST : total correct sum of squares di definisikan :
4.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.
5. 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.
6. 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.
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.
7.menjelaskan temuan
data dalam bentuk garis lurus atau kurva atau parabola dan lain sebagainya dan
sangat sesuai dengan data yang ada.Pertamkali lakukan adalah membuat diagram
sebar dari data yang kita miliki.
Komentar
Posting Komentar