Tugas Pertemuan ke 6 Analisis Regresi halaman 86 dan 87
mg serum
|
mg tulang
|
3,5
|
672
|
2,7
|
567
|
2,45
|
612
|
1,45
|
400
|
0,9
|
236
|
1,4
|
270
|
2,8
|
340
|
2,85
|
610
|
2,6
|
570
|
2,25
|
552
|
1,35
|
277
|
1,6
|
268
|
1,65
|
270
|
1,35
|
215
|
2,8
|
621
|
2,55
|
638
|
1,8
|
524
|
1,4
|
294
|
2,9
|
330
|
1,8
|
240
|
1,5
|
190
|
Variables Entered/Removeda
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
magnesium serumb
|
.
|
Enter
|
a. Dependent Variable: magnesium 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), magnesium 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: magnesium tulang
| ||||||
b. Predictors: (Constant), magnesium serum
| ||||||
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
37,550
|
76,410
|
,491
|
,629
| |
magnesium serum
|
180,948
|
34,793
|
,766
|
5,201
|
,000
| |
a. Dependent Variable: magnesium tulang
| ||||||
Sum of Square Total
SSY = i=ln(Yi-Yi)2=576519,810
a. Hitung Sum of Square Regression (X)
Jawab:
SSY-SSE = 576519,810-237885,934= 338633,876
b. Hitung Sum of Square for Residual
Jawab:
SSE = 237885,934
c. Hitung Means Sum of Square for Regression (X)
Jawab:
SSRegrdf=338633,8761=338633,876
d. Hitung Means Sum of Square for Residual
Jawab:
SSResddf=237885,93419=12520,312
e. Hitung nilai F dan buat kesimpulan
Jawab:
F=MS-REgrMS-Resd=338633,87612520,312=27,047
Lihat tabel F dengan nomerator =1 dan denumerator=19, nilainya adalah 4,38
Nilai Fhitung =27,047>Ftabel=4,38, nilai p<0,05 sangat bermakna, lihat kolom Sig.=0,000 artinya kita menolak Hipotesa nol, dan kita nyatakan bahwa: Mg serum mempengaruhi Mg tulang.
Latihan 3 halaman 87:
subjek
|
berat badan (kg)
|
glukosa mg/100 ml
|
1
|
64
|
108
|
2
|
75,3
|
109
|
3
|
73
|
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 SPSS untuk data berat badan dan glukosa
Variables Entered/Removeda
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
berat badan (Kg)b
|
.
|
Enter
|
a. Dependent Variable: glukosa (mg/100ml)
| |||
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 (Kg)
| ||||
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 (mg/100ml)
| ||||||
b. Predictors: (Constant), berat badan (Kg)
| ||||||
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
61,877
|
19,189
|
3,225
|
,006
| |
berat badan (Kg)
|
,510
|
,246
|
,484
|
2,070
|
,057
| |
a. Dependent Variable: glukosa (mg/100ml)
| ||||||
Sum of Square Total
SSY = i=ln(Yi-Yi)2=1573,437
a. Hitung Sum of Square Regression (X)
Jawab:
SSY-SSE = 1573,437-1204,639= 368,798
b. Hitung Sum of Square for Residual
Jawab:
SSE = 1204,639
c. Hitung Means Sum of Square for Regression (X)
Jawab:
Means Sum of Square for Regression (X)=SSRegrdf=368,79811=368,798
d. Hitung Means Sum of Square for Residual
Jawab:
Means Sum of Square for Residual =SSResddf=1204,639014=86,046
e. Hitung nilai F dan buat kesimpulan
Jawab:
MS-REgrMS-Resd=368,79886,046=4,286
Lihat tabel F dengan nomerator =1 dan denumerator=14, nilainya adalah 4,60
Nilai Fhitung =4,286<Ftabel=4,60, nilai p>0,05 tidak bermakna, lihat kolom Sig.=0,057 artinya kita menerima Hipotesa nol, dan kita nyatakan bahwa: Berat badan tidak mempengaruhi Glukosa.
Latihan 4:
a. Jelaskan ‘total sum of square’
Jawab:
SSY = i=ln(Yi-Yi)2
Total sum of square (SSY/SST) adalah jumlah jarak antara titik observasi terhadap titik rata-rata Y.
b. Jelaskan ‘Explained sum of square’
Jawab: ESS adalah jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam model regresi standar.
c. Jelaskan’unexplained sum of square’
Jawab:
Besaran SST : total correct sum of squares di definisikan :
SSE : variasi karena random error = unexplained
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’
Jawab:
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 0,43 maka koefisien determinasi (r Square) adalah sebesar 0,43 X 0,43= 0,1849.
e. Jelaskan fungsi analisis varians dalam analisis regresi
Jawab:
Analisis varians dalam analisis regresi berfungsi untuk menentukan analisis regresi/ garis regresi tersebut signifikan atau tidak.
f. Uraikan tiga cara untuk menguji nol hipotesa;β=0
Jawab:
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.
g. Jelaskan dua tujuan kita menggunakan analisis regresi
Jawab:
1. Analisa regresi digunakan untuk mengevaluasi hubungan satu atau lebih wariabel independen
2. Menjelaskan temuan data dalam bentuk garis lurus atau kurva atau parabola dan lain sebagainya dan sangat sesuai dengan data yang ada.
