TUGAS ANALISIS REGRESI ANALISIS VARIAN HALAMAN 85 ANALISIS REGRESI
TUGAS ANALISIS
REGRESI
ANALISIS VARIAN HALAMAN 85
ANALISIS REGRESI
OLEH
MARIA ALVES WARA
( NIM : 20160302204)
PROGRAM
STUDI ILMU GIZI
FAKULTAS
ILMU KESEHATAN
UNIVERSITAS
ESA UNGGUL
JAKARTA
2017
1.
Tentukan
Dependen dan Independen Variabel 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 buuat kesimpulan
UMR
|
CHOL
|
TRIG
|
UMR
|
CHOL
|
TRIG
|
40
|
218
|
194
|
51
|
297
|
142
|
46
|
265
|
188
|
46
|
230
|
240
|
69
|
197
|
134
|
60
|
258
|
173
|
44
|
188
|
155
|
47
|
243
|
175
|
41
|
217
|
191
|
58
|
236
|
199
|
56
|
240
|
207
|
66
|
193
|
201
|
48
|
222
|
155
|
52
|
193
|
193
|
49
|
244
|
235
|
55
|
319
|
191
|
41
|
190
|
167
|
58
|
212
|
216
|
38
|
209
|
186
|
41
|
209
|
154
|
36
|
208
|
179
|
60
|
224
|
198
|
39
|
214
|
129
|
50
|
184
|
129
|
59
|
238
|
220
|
48
|
222
|
115
|
56
|
219
|
155
|
49
|
229
|
148
|
44
|
241
|
201
|
39
|
204
|
164
|
37
|
212
|
140
|
40
|
211
|
104
|
40
|
244
|
132
|
47
|
230
|
218
|
32
|
217
|
140
|
67
|
230
|
239
|
56
|
227
|
379
|
57
|
222
|
183
|
49
|
218
|
101
|
50
|
213
|
190
|
50
|
241
|
213
|
43
|
238
|
259
|
46
|
234
|
168
|
55
|
234
|
156
|
52
|
231
|
242
|
|
|
|
Keterangan :
UMR : Umur
CHOL : Kolesterol
TRIG : Trigliserida
A.
Uji ANOVA untuk Data Umur dengan Kolesterol
Berikut hasil analisis data dengan regresi sebagai
berikut :
a.
Variabel
Entered/Removed (b)
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umura
|
.
|
Enter
|
a. All requested variables
entered.
|
|
||
b. Dependent Variable:
Kolesterol
|
|
b.
Model Summary
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.151a
|
.023
|
.000
|
25.514
|
a. Predictors: (Constant),
Umur
|
|
c.
ANOVA (b)
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:
Kolesterol
|
|
|
|
Sum of square total adalah SSY = 28646.444
Sum of square Residual adalah SSE = 27990.819
Sum Of Square Regression adalah
SSY – SSE = 28646.444 – 27990.819 = 655.625
Mean Sum Of Square Regression = SSRegr /
df = 655.625 / 1 = 655.625
Mean Sum Of Square Residual = SSResd /
df = 27990.819 / 43 = 650.949
F = MS – Regr/MS – Resd = 655.625 /
650.949 = 1.007
F tabel dengan nomerator = 1 dan
denumerator = 43 nilainya adalah 4,08
Nilai F hitung = 1.007 < F tabel = 4.08,
nilai P > 0,05 sangat bermakna, lihat kolom Sig. = 0.321. Artinya kita
menerima hipotesa nol, dan kita nyatakan bahwa : Umur tidak mempengaruhi kadar
kolesterol darah.
d.
Koefisient
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
204.048
|
22.093
|
|
9.236
|
.000
|
Umur
|
.445
|
.444
|
.151
|
1.004
|
.321
|
|
a. Dependent Variable:
Kolesterol
|
|
|
|
B.
Uji ANOVA untuk Data Umur dengan Trigliserida
a.
Variabel Entered/Removed
(b)
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umura
|
.
|
Enter
|
a. All requested variables
entered.
|
|
||
b. Dependent Variable:
Trigliserida
|
|
b.
Model Summary
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.292a
|
.085
|
.064
|
46.90656
|
a. Predictors: (Constant),
Umur
|
|
c.
ANOVA (b)
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
8812.870
|
1
|
8812.870
|
4.005
|
.052a
|
Residual
|
94609.708
|
43
|
2200.226
|
|
|
|
Total
|
103422.578
|
44
|
|
|
|
|
a. Predictors: (Constant),
Umur
|
|
|
|
|
||
b. Dependent Variable:
Trigliserida
|
|
|
|
Sum of square total adalah SSY = 103422.578
Sum of square Residual adalah SSE = 94609.708
Sum Of Square Regression adalah
SSY – SSE = 103422.578 – 94609.708 = 8812.870
Mean Sum Of Square Regression = SSRegr /
df = 8812.870 / 1 = 8812.870
Mean Sum Of Square Residual = SSResd /
df = 94609.708/ 43 = 2200.226
F = MS – Regr/MS – Resd = 8812.870 /
2200.226 = 4.005
F tabel dengan nomerator = 1 dan
denumerator = 43 nilainya adalah 4,08
Nilai F hitung = 4.005 < F tabel =
4.08, nilai P > 0,05 sangat bermakna, lihat kolom Sig. = 0.321. Artinya kita
menerima hipotesa nol, dan kita nyatakan bahwa : Umur tidak mempengaruhi kadar trigliserida
darah.
d.
Koefisient
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
8812.870
|
1
|
8812.870
|
4.005
|
.052a
|
Residual
|
94609.708
|
43
|
2200.226
|
|
|
|
Total
|
103422.578
|
44
|
|
|
|
|
a. Predictors: (Constant),
Umur
|
|
|
|
|
||
b. Dependent Variable:
Trigliserida
|
|
|
|
2.
Tentukan
Dependen dan Independen Variabel 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 buuat kesimpulan
Mg Serum
|
Mg Tulang
|
Mg Serum
|
Mg Tulang
|
3,6
|
672
|
1,6
|
268
|
2,7
|
567
|
1,65
|
270
|
2,45
|
617
|
1,35
|
215
|
1,45
|
400
|
2,8
|
621
|
0,9
|
236
|
2,55
|
638
|
1,4
|
270
|
1,8
|
524
|
2,8
|
340
|
1,4
|
294
|
2,85
|
610
|
2,9
|
330
|
2,6
|
570
|
1,8
|
240
|
2,25
|
552
|
1,5
|
190
|
1,35
|
277
|
|
|
Hasil analisis data dengan regresi seperti di bawah
ini :
a.
Variabel
Entered/Removed (b)
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Mg Seruma
|
.
|
Enter
|
a. All requested variables
entered.
|
|
||
b. Dependent Variable: Mg Tulang
|
|
b.
Model Summary
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.757a
|
.573
|
.551
|
113.968
|
a. Predictors: (Constant),
Mg Serum
|
|
c.
ANOVA (b)
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
331735.951
|
1
|
331735.951
|
25.540
|
.000a
|
Residual
|
246786.715
|
19
|
12988.774
|
|
|
|
Total
|
578522.667
|
20
|
|
|
|
|
a. Predictors: (Constant),
Mg Serum
|
|
|
|
|||
b. Dependent Variable: Mg
Tulang
|
|
|
|
Sum of square total adalah SSY = 578522.667
Sum of square Residual adalah SSE = 246786.715
Sum Of Square Regression adalah
SSY – SSE = 578522.667 – 246786.715 = 578522.667
Mean Sum Of Square Regression = SSRegr /
df = 331735.951 / 1 = 331735.951
Mean Sum Of Square Residual = SSResd /
df = 246786.715 / 19 = 12988.774
F = MS – Regr/MS – Resd = 331735.951 /
12988.774 = 25.540
F tabel dengan nomerator = 1 dan
denumerator = 19 nilainya adalah 5,12
Nilai F hitung = 25,54 > F tabel =
5,12 nilai P < 0,05 sangat bermakna, lihat kolom Sig. = 0.000. Artinya kita
menolak hipotesa nol, dan kita nyatakan bahwa : Magnesium Serum mempengaruhi
Magnesium Tulang.
d.
Koefisient
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
46.600
|
76.897
|
|
.606
|
.552
|
Mg Serum
|
178.346
|
35.290
|
.757
|
5.054
|
.000
|
|
a. Dependent Variable: Mg
Tulang
|
|
|
|
3.
Tentukan
Dependen dan Independen Variabel 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 buuat kesimpulan
Subjek
|
Berat Badan
|
Glukosa
|
Subjek
|
Berat Badan
|
Glukosa
|
1
|
64
|
108
|
9
|
82,1
|
101
|
2
|
75,3
|
109
|
10
|
78,9
|
85
|
3
|
73
|
104
|
11
|
76,7
|
99
|
4
|
82,1
|
102
|
12
|
82,1
|
100
|
5
|
76,2
|
105
|
13
|
83,9
|
108
|
6
|
95,7
|
121
|
14
|
73
|
104
|
7
|
59,4
|
79
|
15
|
64,4
|
102
|
8
|
93,4
|
107
|
16
|
77,6
|
87
|
Hasil analisis data dengan regresi seperti di bawah
ini :
a.
Variabel
Entered/Removed (b)
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Berat Badana
|
.
|
Enter
|
a. All requested variables
entered.
|
|
||
b. Dependent Variable: KGD
|
|
b.
Model Summary
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.495a
|
.245
|
.191
|
9.21376
|
a. Predictors: (Constant),
Berat Badan
|
|
c.
ANOVA (b)
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
384.931
|
1
|
384.931
|
4.534
|
.051a
|
Residual
|
1188.506
|
14
|
84.893
|
|
|
|
Total
|
1573.437
|
15
|
|
|
|
|
a. Predictors: (Constant),
Berat Badan
|
|
|
|
|||
b. Dependent Variable: KGD
|
|
|
|
|
Sum of square total adalah SSY = 1573.437
Sum of square Residual adalah SSE = 1188.506
Sum Of Square Regression adalah
SSY – SSE =1573.437
–1188.506 = 384.931
Mean Sum Of Square Regression = SSRegr /
df = 384.931
/ 1 = 384.931
Mean Sum Of Square Residual = SSResd /
df = 1188.506 / 14 = 84.893
F = MS – Regr/MS – Resd = 384.931 / 84.893 = 4.534
F tabel dengan nomerator = 1 dan
denumerator = 14 nilainya adalah 4,60
Nilai F hitung = 4,534 < F tabel = 4,6
nilai P > 0,05 sangat bermakna, lihat kolom Sig. = 0.051. Artinya kita menerima
hipotesa nol, dan kita nyatakan bahwa : Berat Badan tidak mempengaruhi kadar
gula darah.
d.
Koefisient
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
384.931
|
1
|
384.931
|
4.534
|
.051a
|
Residual
|
1188.506
|
14
|
84.893
|
|
|
|
Total
|
1573.437
|
15
|
|
|
|
|
a. Predictors: (Constant),
Berat Badan
|
|
|
|
|||
b. Dependent Variable: KGD
|
|
|
|
|
4.
Jawablah
pertanyaan berikut :
a. Jelaskan “ Total Sum Of Square”
b. Jelaskan “ Explained Sum Of Square”
c. Jelaskan Unexplained Explained Sum Of Square
d. Jelaskan The Coefficient Detemination
e. Jelaskan Fungsi Analisis Varians dalam Regresi
f. Uraikan tiga cara untuk menguji nol hipotesa : β = 0
g. Jelaskan dua tujuan kita menggunakan analisis
regresi
J – A – W – A – B
a. 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)
b. ESS
Jumlah dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam
model regresi standar.
c. 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. 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. 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. Tiga cara untuk menguji nol hipotesa : β = 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. 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