HALAMAN 85 NOMOR 1
Tentukan dependent dan Independent
variabel serta
·
Hitung Sum of Square for Regression (X)
·
Hitung Sum of Square for Residual
·
Hitung Means Sum of squarefor regression (X)
·
Hitung SumMean of Square
for Residual
·
Hitung nilai F dan buat Kesimpulan
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
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
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
|
HALAMAN 86 NOMOR 2
Tentukan dependent dan Independent
variabel serta
·
Hitung Sum of Square for Regression (X)
·
Hitung Sum of Square for Residual
·
Hitung Means Sum of squarefor regression (X)
·
Hitung SumMean 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 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.
HALAMAN 87 NOMOR 3
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
|
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
HALAMAN 88 NOMOR 4
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.
- 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. 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.
Tidak ada komentar:
Posting Komentar