Nama : Ade B. Aliandu
Nim : 20160302229
Nim : 20160302229
TUGAS ANALISIS REGRESI 5.
1. Pelajari data
dibawah ini, 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 buat kesimpulan.
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 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
|
Jawaban :
Hasil analisa data
dengan regresi sebagai berikut :
1. Uji Anova untuk data Umur dan Kolesterol
Regression
Variables Entered/Removeda
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umurb
|
.
|
Enter
|
a. Dependent
Variable: Cholesterol
|
|||
b. All requested variables
entered.
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
,151a
|
,023
|
,000
|
25,514
|
a. Predictors: (Constant),
Umur
|
ANOVAa
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
655,625
|
1
|
655,625
|
1,007
|
,321b
|
Residual
|
27990,819
|
43
|
650,949
|
|
|
|
Total
|
28646,444
|
44
|
|
|
|
|
a. Dependent
Variable: Cholesterol
|
||||||
b. Predictors: (Constant),
Umur
|
a. Sum of Square Regression (X)
Sum of Square total : Sum of Square Residual :
Jadi, Sum of Square Regression (X)
:
SSY – SSE = 28646.444 – 27990.819
= 655.625
b. Sum of Square
Residual :
c. Means Sum of Square for
Regression (X) :
SSRegr / df =
655.625/ 1
= 655.625
d.
Mean Sum of Square Residual :
SSResd / df =
27990.819 / 43
= 650.949
e.
Nilai F dan Kesimpulan :
F = MS – Regr / MS – Resd
= 655.625 / 650.949 = 1.007
Kesimpulan
:
Lihat Tabel F dengan nomerator = 1
dan denomerator = 43, nilainya adalah
4.20. Nilai Fh = 1.007 < F1 = 4.20, nilai p>0.05 sangat tidak bermakna, lihat
kolom Sig. = 0.321. Artinya kita menerima hipotesa nol, dan kita nyatakan
bahwa: umur tidak mempengaruhi kolesterol.
4.20. Nilai Fh = 1.007 < F1 = 4.20, nilai p>0.05 sangat tidak bermakna, lihat
kolom Sig. = 0.321. Artinya kita menerima hipotesa nol, dan kita nyatakan
bahwa: umur tidak mempengaruhi kolesterol.
2. Uji Anova untuk data Umur dan Trigliserida
Regression
Variables Entered/Removeda
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Umurb
|
.
|
Enter
|
a. Dependent Variable:
Trigliserida
|
|||
b. All requested variables
entered.
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
,301a
|
,091
|
,069
|
39,517
|
a. Predictors: (Constant),
Umur
|
ANOVAa
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
6687,911
|
1
|
6687,911
|
4,283
|
,045b
|
Residual
|
67148,000
|
43
|
1561,581
|
|
|
|
Total
|
73835,911
|
44
|
|
|
|
|
a. Dependent Variable:
Trigliserida
|
||||||
b. Predictors: (Constant),
Umur
|
a. Sum of Square Regression :
Sum of
Square total : Sum
of Square Residual :
Jadi,
Sum of Square Regression (X) :
SSY – SSE = 73835.911 – 67148.000
= 6687.911
SSY – SSE = 73835.911 – 67148.000
= 6687.911
b. Sum
of Square Residual :
C.
Mean Sum of Square Regression (X) :
SSRegr / df = 6687.911 / 1
= 6687.911
d. Mean Sum of Square Residual :
SSResd / df = 67148.000 / 43
= 1561.581
e.
Nilai F dan Kesimpulan :
F = MS – Regr / MS – Resd
= 6687.911/ 1561.581
= 4.283
F = MS – Regr / MS – Resd
= 6687.911/ 1561.581
= 4.283
Kesimpulan :
Lihat Tabel F dengan nomerator = 1
dan denomerator = 43, nilainya adalah
4.20. Nilai Fh = 4.283 > F1 = 4.20, nilai p<0.05 sangat bermakna, lihat kolom
Sig. = 0.045. Artinya kita menolak hipotesa nol, dan kita nyatakan bahwa:
umur mempengaruhi trigliserida.
4.20. Nilai Fh = 4.283 > F1 = 4.20, nilai p<0.05 sangat bermakna, lihat kolom
Sig. = 0.045. Artinya kita menolak hipotesa nol, dan kita nyatakan bahwa:
umur mempengaruhi trigliserida.
2.
Pelajari data dibawah ini, tentukan dependen dan independent 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 buat kesimpulan
Mg Serum
|
Mg Tulang
|
3.60
|
672
|
2.70
|
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
|
Jawaban :
Hasil
analisa data dengan regresi seperti dibawah ini
Regression
Variables Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Mg Seruma
|
.
|
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
|
.766a
|
.587
|
.566
|
111.894
|
a. Predictors: (Constant), Mg Serum
|
ANOVAb
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
338633.876
|
1
|
338633.876
|
27.047
|
.000a
|
Residual
|
237885.934
|
19
|
12520.312
|
|
|
|
Total
|
576519.810
|
20
|
|
|
|
|
a. Predictors: (Constant), Mg Serum
|
||||||
b. Dependent Variable: Mg Tulang
|
a. Sum of Square for Regression (X) :
Sum of Square total Sum of Square Residual
Jadi, Sum of Square Regression (X) :
SSY – SSE = 576519.810 – 237885.934
= 338633.876
= 338633.876
b. Sum of Square
Residual :
c.
Mean Sum of Square Regression (X) :
SS Regr / df = 338633.876 / 1
= 338633.876
d. Mean
Sum of Square Residual :
SSResd / df = 237885.934 / 19 = 12520.312
e.
Nilai F dan Kesimpulan
F = MS – Regr / MS – Resd
= 338633.876 / 12520.312
= 27.047
F = MS – Regr / MS – Resd
= 338633.876 / 12520.312
= 27.047
Kesimpulan:
Lihat Tabel F dengan nomerator = 1 dan denomerator = 19,
nilainya adalah 4.20. Nilai Fh
= 27.047 > F1 = 4.20, 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.
3. Pelajari data dibawah ini,
tentukan dependen dan independent 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 buat kesimpulan
Data berat badan dan kadar glukosa darah
orang dewasa sebagai berikut (data fiktif)
Subjek
|
Berat badan
|
Glukosa
|
(Kg)
|
mg/100 ml
|
|
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
|
73.0
|
104
|
15
|
64.4
|
102
|
16
|
77.6
|
87
|
Jawaban
:
Hasil analisa data dengan regresi seperti
dibawah ini :
Regression
Variables
Entered/Removedb
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Berat badana
|
.
|
Enter
|
a. All requested variables entered.
|
|||
b. Dependent Variable: Glukosa
|
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
|
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. Predictors: (Constant), Berat badan
|
||||||
b. Dependent Variable: Glukosa
|
a.
Sum of Square Regression (X) :
Sum of Square total Sum
of Square Residual
Jadi, Sum of Square Regression (X) :
SSY – SSE = 1573.437 – 1204.639 =
368.798
b. Sum of Square
Residual :
c. Mean Sum of Square Regression (X) :
SS Regr / df = 368.798 / 1 = 368.789
d.
Mean Sum of Square Residual :
SSResd / df = 1204.639 / 14 = 86.046
e.
Nilai F dan Kesimpulan
F = MS – Regr / MS – Resd
= 368.789 / 86.046
= 4.286
F = MS – Regr / MS – Resd
= 368.789 / 86.046
= 4.286
Kesimpulan :
Lihat Tabel F dengan nomerator = 1
dan denomerator = 14, nilainya adalah 4.20.
Nilai Fh = 4.286 > F1 = 4.20, nilai p<0.05 sangat
bermakna, lihat kolom Sig. =
0.057. Artinya kita menolak hipotesa nol, dan kita nyatakan bahwa: Berat badan mempengaruhi glukosa.
4. Jawablah
pertanyaan berikut :
a. Jelaskan “Total sum of square”.
Jawaban
:
Total sum of square (SST) adalah jumlah kuadrat dari masing-masing observasi
(Y) dikurangi rata-rata seluruh observasi. Rumus jumlah kuadrat total :
b. Jelaskan “Explained sum of square”.
Jawaban
:
Explained sum of square (ESS) adalah jumlah
dari kuadrat deviasi dari nilai prediksi dari nilai rata-rata dalam jumlah
model regresi standar.
c. Jelaskan “Unexplained sum of square”.
Jawaban
:
Rumus:
Total variasi tak terjelaskan = variasi karena regresi +
variasi sisa tak
terjelaskan
d. Jelaskan “the coefficient of
determination”.
Jawaban
:
Seberapa besar kemampuan
semua variabel bebas dalam menjelaskan varians dari variabel terikatnya. Secara
sederhana koefisien determinasi dihitung dengan mengkuadrat akan Koefisien
Kortelasi (R).
e. Jelaskan fungsi analisis varians dalam
analisis regresi.
Jawaban
:
Berfungsi untuk
menentukan apakah rerata nilai dari dua atau lebih sampel berbeda secara
signifikan atau tidak. Perhitungan analisis varians atau Anova menghasilkan
nilai F yang secara signifikan menunjukkan kepada peneliti bahwa sampel yang
diteliti berasal dari populasi yang berbeda, walaupun analisis varians (Anova)
tidak dapat menunjukkan secara rinci yang mana diantara nilai rerata dari
sampel-sampel yang berbeda secara signifikan satu sama lain. Apabila ingin
benar-benar tahu terdapat perbedaan rata-rata ada uji lanjutan untuk lebih
lanjut. Analisis Varians atau Anova menyajikan estimasi varians yang berfungsi
untuk menjawab pertanyaan berkaitan dengan inferensial analisis regresi :
a. Apakah slop b1 =
1?
b. Bagaimana ketereratan
garis lurus yang diperoleh?
c. Apakah model regresi
garis lurus yang diperoleh sudah tepat (the best fit line)?
f. Uraikan tiga cara untuk menguji nol
hipotesa : b=0.
Jawaban
:
·
Menentukan Formulasi Hipotesis
H0
: μ1 = μ2
; H0 : μxy=
0
Apabila hipotesis nol (H0)
diterima maka hipotesis alternative (Ha) di tolak.
·
Menentukan Taraf Nyata ()
Taraf nyata adalah besaran batas
toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter
populasinya.Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula
penolakan hipotesis nol atau hipotesis
yang diuji, padahal hipotesis nol benar.
Nilai yang dipakai sebagai taraf nyata digunakan
untuk menentukan nilai distribusi yang digunakan pada pengujian.
·
Menentukan Kriteria Pengujian
Penerimaan H0 terjadi jika
nilai uji statistiknya lebih kecil atau lebih besar daripada nilai positif atau
negatif dari tabel. Atau nilai uji statistik berada di luar
nilai kritis.
Penolakan H0 terjadi jika
nilai uji statistiknya lebih kecil atau lebih besar daripada nilai positif atau
negatif dari tabel. Atau nilai uji statistik berada di luar
nilai kritis.
·
Menentukan nilai uji Statistik dan
membuat kesimpulan
Uji statistik merupakan perhitungan untuk
menduga parameter data sempel yang diambilsecara random darisebuahpopulasi.
Pembuatan kesimpulan merupakan penetapan
keputusan dalam hal penerimaan atau penolakan hipotesis nol (H0)
yang sesuai dengan kriteria pengujiannya. Pembuatan kesimpulan dilakukan
setelah membandingkan uji statistik dengan nilai tabel atau nilai kritis.
Ø Penerimaan
H0 terjadi jika nilai uji statistic berada di luar nilai kritisnya
Ø Penolakan
H0 terjadi jika nilai uji statistik berada di dalam nilai kritisnya
g. Jelaskan dua tujuan kita menggunakan
analisis regresi.
Jawaban
:
Ø Tujuan
menggunakan analisis regresi adalah mendapatkan pola hubungan secara matematis
antara x dan y, mengetahui besaran perubahan variable X dan Y.
Ø Tujuan
kedua ialah untuk mengetahui nilai eror, yang dapat menentukan signifikan atau
tidaknya garis regresi yang kita peroleh.
Komentar
Posting Komentar