TUGAS ANALISIS REGRESI PERT.5 HALAMAN 85-88

LATIHAN 1
Pelajari data dibawah ini, tentukan dependen dan independent variable serta:
a.       Hitung Sum Of Square for Regression (X)
b.      Hitung sum of square for residual
c.       Hitung means sum of square for regression (X)
d.      Hitung means sum of square for residual
e.       Hitung nilai F dan buat kesimpulan

UMUR
CHOLESTEROL
TRIGLISERIDA
40.0
218.0
194.0
46.0
265.0
188.0
69.0
197.0
134.0
44.0
188.0
155.0
41.0
217.0
191.0
56.0
240.0
207.0
48.0
222.0
155.0
49.0
244.0
235.0
41.0
190.0
167.0
38.0
209.0
186.0
36.0
208.0
179.0
39.0
214.0
129.0
59.0
238.0
220.0
56.0
219.0
155.0
44.0
241.0
201.0
37.0
212.0
140.0
40.0
244.0
132.0
32.0
217.0
140.0
56.0
227.0
279.0
49.0
218.0
101.0
50.0
241.0
213.0
46.0
234.0
168.0
52.0
231.0
242.0
51.0
297.0
142.0
46.0
230.0
240.0
60.0
258.0
173.0
47.0
243.0
175.0
58.0
236.0
199.0
66.0
193.0
201.0
52.0
193.0
193.0
55.0
319.0
191.0
58.0
212.0
216.0
41.0
209.0
154.0
60.0
224.0
198.0
50.0
184.0
129.0
48.0
222.0
115.0
49.0
229.0
148.0
39.0
204.0
164.0
40.0
211.0
104.0
47.0
230.0
218.0
67.0
230.0
239.0
57.0
222.0
183.0
50.0
213.0
190.0
43.0
238.0
259.0
55.0
234.0
156.0

JAWAB:
A.    UJI ANOVA UNTUK UMUR DAN CHOLESTEROL
ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
655.625
1
655.625
1.007
.321a
Residual
27990.819
43
650.949


Total
28646.444
44



a. Predictors: (Constant), UMUR




b. Dependent Variable: CHOLESTEROL




a.       Sum Of Square for Regression
SSY – SSE = 28646.444 - 27990.819 = 655.621

b.      Sum Of Square for Residual
SSE = 27990.819

c.       Means Sum Of Square for Regression
SSRegr/df = 655.625/1 = 655.625

d.      Means Sum of Square for Residual
SSRegd/df = 27990.819/43 = 27947.819

e.       Nilai F
F = MS-Regr / MS-Resd = 655.621 / 27947.819 = 0.0234

f.       Kesimpulan

Nilai Fh = 0.0234 < nilai Ft = 4.07, sangat tidak bermakna sehingga dapat dinyatakan bahwa umur tidak mempengaruhi kolesterol.
A.    UJI ANOVA UNTUK DATA UMUR DAN TRIGLISERIDA
ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
6687.911
1
6687.911
4.283
.045a
Residual
67148.000
43
1561.581


Total
73835.911
44



a. Predictors: (Constant), UMUR




b. Dependent Variable: TRIGLISERIDA




a.       Sum of Square for regression
SSY – SSE = 73835.911 - 67148.000 = 6687.911
b.      Sum of Square for Residual
SSE = 67148.000
c.       Means sum of square for regression
SSRegr / df = 6687.911 / 1 = 6687.911
d.      Means sum of square for residual
SSResd / df = 67148.000 / 43 = 1561.5814
e.       Nilai F
MS-Regr / MS-Resd = 6687.911 / 1561.5814 = 4.282
f.       Kesimpulan

Nilai Fh 4.282 > Ft 4.07, sangat bermakna sehingga dapaat dinyatakan bahwa umur dapat mempengaruhi kadar trigliserida.
LATIHAN 2

Mg Serum
Mg Tulang
3.60
672.0
2.70
567.0
2.45
612.0
1.45
400.0
0.90
236.0
1.40
270.0
2.80
340.0
2.85
610.0
2.60
570.0
2.25
552.0
1.35
277.0
1.60
268.0
1.65
270.0
1.35
215.0
2.80
621.0
2.55
638.0
1.80
524.0
1.40
294.0
2.90
330.0
1.80
240.0
1.50
190.0

ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
338633.876
1
338633.876
27.047
.000a
Residual
237885.934
19
12520.312


Total
576519.810
20



a. Predictors: (Constant), serum




b. Dependent Variable: tulang




a.       Sum of Square for Regression
SSY – SSE = 576519.810 - 237885.934 = 338633.876

b.      Sum of square for residual
SSE = 237885.934


c.       Means sum of square for regression
SSRegr / df = 338633.876 / 1 =338688.876

d.      Means sum of square for residual
SSResd / df = 237885.934 / 19 = 12520.3123
e.       Nilai F
MS-Regr / MS-Resd = 338688.876 / 12520.3123 = 27.05
f.       Kesimpulan

Nilai Fh = 27.05 > Ft = 4.38 sangat signifikan, dapat dinyatakan bahwa Mg serum dapat mempengaruhi Mg tulang.

LATIHAN 3
LATIHAN 3
Pelajari data dibawah ini, tentukan dependen dan independent variable serta:
a.       Hitung Sum Of Square for Regression (X)
b.      Hitung sum of square for residual
c.       Hitung means sum of square for regression (X)
d.      Hitung means sum of square for residual
e.       Hitung nilai F dan buat kesimpulan

BB
GLUKOSA
64.0
108.0
75.3
109.0
73.0
104.0
82.1
102.0
76.2
105.0
95.7
121.0
59.4
79.0
93.4
107.0
82.1
101.0
78.9
85.0
76.7
99.0
82.1
100.0
83.9
108.0
73.0
104.0
64.4
102.0
77.6
87.0




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), BB




b. Dependent Variable: GLUKOSA




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
SSRegr / df = 368.798 / 1 = 368.798

d.      Means sum of square for residual
SSResd / df = 1204.639 / 14 = 86.04

e.       Nilai F
MS-Regr / MS-Resd = 368.798 / 86.04 = 4.28

f.       Kesimpulan

Nilai Fh = 4.28 < Ft = 4.60 sangat tidak signifikan, dapat dinyatakan bahwa BB tidak dapat mempengaruhi Glukosa.

LATIHAN 4
a.       Jelaskan “total sum of square”
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)

b.      Jelaskan “explained sum of square”
ESS Jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi standar.

c.       Jelaskan “unexplained sum of square”
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

d.      Jelaskan “the coefficient of determination”
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 terdapat 36% (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.

e.       Jelaskan fungsi analisis varians dalam analisis regresi
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.

f.       Uraikan 3 cara untuk menguji not hipotesa: =0
1. Tidak ada perbedaan tentang angka kematian akibat penyakit jantung antara penduduk perkotaan dengan penduduk pedesaan.
2. 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.
3. 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.
4. 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.

g.      Jelaskan dua tujuan kita menggunakan analisis regresi

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