No
1 Halaman 85
UM
|
CHOL
|
TRIG
|
40
|
218
|
194
|
46
|
265
|
188
|
69
|
197
|
134
|
44
|
188
|
155
|
41
|
217
|
191
|
56
|
240
|
207
|
48
|
222
|
155
|
49
|
244
|
235
|
41
|
190
|
167
|
38
|
209
|
186
|
36
|
208
|
179
|
39
|
214
|
129
|
59
|
238
|
220
|
56
|
219
|
155
|
44
|
241
|
201
|
37
|
212
|
140
|
40
|
244
|
132
|
32
|
217
|
140
|
56
|
227
|
279
|
49
|
218
|
101
|
50
|
241
|
213
|
46
|
234
|
168
|
52
|
231
|
242
|
51
|
297
|
142
|
46
|
230
|
240
|
60
|
258
|
173
|
47
|
243
|
175
|
58
|
236
|
199
|
66
|
193
|
201
|
52
|
193
|
193
|
55
|
319
|
191
|
58
|
212
|
216
|
41
|
209
|
154
|
60
|
224
|
198
|
50
|
184
|
129
|
48
|
222
|
115
|
49
|
229
|
148
|
39
|
204
|
164
|
40
|
211
|
104
|
47
|
230
|
218
|
67
|
230
|
239
|
57
|
222
|
183
|
50
|
213
|
190
|
43
|
238
|
259
|
55
|
234
|
156
|
Variables
Entered/Removedb
|
|||
Model
|
Variables
Entered
|
Variables
Removed
|
Method
|
1
|
Cholesterola
|
.
|
Enter
|
a. All requested
variables entered.
|
|
||
b. Dependent
Variable: Umur
|
|
Model
Summary
|
||||
Model
|
R
|
R
Square
|
Adjusted
R Square
|
Std.
Error of the Estimate
|
1
|
.151a
|
.023
|
.000
|
8.66730
|
a. Predictors:
(Constant), Cholesterol
|
|
ANOVAb
|
||||||
Model
|
Sum of
Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|
1
|
Regression
|
75.662
|
1
|
75.662
|
1.007
|
.321a
|
Residual
|
3230.249
|
43
|
75.122
|
|
|
|
Total
|
3305.911
|
44
|
|
|
|
|
a. Predictors:
(Constant), Cholesterol
|
|
|
|
|||
b. Dependent
Variable: Umur
|
|
|
|
|
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std.
Error
|
Beta
|
||||
1
|
(Constant)
|
37.435
|
11.640
|
|
3.216
|
.002
|
Cholesterol
|
.051
|
.051
|
.151
|
1.004
|
.321
|
|
a. Dependent
Variable: Umur
|
|
|
|
|
Sum of Square total: SSY= 3305,911
Sum of Square Residual: SSE= 3230,249
Sum of Square Regression: SSY-SSE=
3305,911-3230,249= 75,662
Mean Sum of Square Regression: SSReg/df= 75,662/1=
75,662
Mean Sum of Square Resudial: SSResd/df= 3230,249/43=
75,122
F=MS-Reg/MS-Resd= 75,622/75,122= 1,007
No 6 Halaman 86
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 Residual
Sum of Square Regression
SSY - SSE
= 576519.810 – 237885.934 = 338633.876
Mean Sum of Square for Regression
Mean Sum of Square for Residual
Nilai F
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.
No 3 Halaman 87
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
|
9.27
|
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.
No
4 Halaman 88
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
6. Uraikan
3 cara untuk menguji nol : β = 0
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 :
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
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.
Tidak ada komentar:
Posting Komentar