TUGAS 5
HALAMAN 85,86,87,88
NOMOR 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
NOMOR 2 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.
NOMOR 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
|
9.276
|
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.
NOMOR 4 HALAMAN 88
1. Jelaskan ”Total Sum Of Square”?
2 2. Jelaskan “Explained Sum Of Square”?
3..Jelaskan “Unexplained Sum Of Square”?
4 4,Jelaskan “The Coefficient Of
Determination”?
5.Jelaskan fungsi Analisis Varians dalam analisis regresi
6 6.Uraikan 3 cara untuk menguji nol :
7 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 perkotaandenganpendudukdesa.
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.
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.