Nama            : Ade B. Aliandu
NIM              : 20160302229
Halaman       : 106-107
M. Kuliah      : Analisis Regresi

Latihan
1.      Dengan data diatas, lakukan analisa korelasi untuk TDS dan Umur serta IMT dan Umur.
   Hitung nilai r ;
   Hitung nilai b1 ;
   Lakukan uji t untuk membuktikan H0 : b1 = 0 ;
   Lakukan uji t untuk membuktikan H0 : r = 0.
TDS
IMT
UM
TDS
IMT
UM
TDS
IMT
UM
135
28
45
122
32
41
130
31
49
148
37
52
146
29
54
129
28
47
162
37
60
160
36
48
144
23
44
180
46
64
166
39
59
138
40
51
152
41
64
138
36
56
140
35
54
134
30
50
145
34
49
142
30
46
135
32
57
142
34
56
144
37
58
137
33
53
132
32
50
149
33
54
132
30
48
120
28
43
126
29
43
161
38
63
170
41
63
152
39
62

Jawaban :
a. TDS dan Umur

Regression

Variables Entered/Removedb


Model
Variables Entered
Variables Removed
Method


1
Indeks Massa Tubuha
.
Enter


a. All requested variables entered.


b. Dependent Variable: Tekanan Darah Sistolik

Model Summary

Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.730a
.533
.516
10.000
a. Predictors: (Constant), Indeks Massa Tubuh











Nilai r = 0.73, artinya besaran korelasi antara Tekanan darah Sistolik dan Indeks Massa Tubuh adalah 0,73

ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
3196.407
1
3196.407
31.965
.000a
Residual
2799.893
28
99.996


Total
5996.300
29



a. Predictors: (Constant), Indeks Massa Tubuh
b. Dependent Variable: Tekanan Darah Sistolik
·      Sum Of Square Total adalah


·      Sum Of Square Residual adalah

·      Sum of square Regression = SSY – SSE =
5996.300 – 2799.893 = 3196.401
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
72.687
12.692

5.727
.000
Indeks Massa Tubuh
2.093
.370
.730
5.654
.000
a. Dependent Variable: Tekanan Darah Sistolik
Hasilnya :
·      Dependen variabel adalah TDS ;
·      Independen variabel adalah IMT ;
·      Persamaan garis regresi : TDS = 72.687 + 2.093 IMT ;
·      Nilai r = 0.73 ;
·      Uji t untuk membuktikan


H0 : b1 = 0
b1 = 2.093;       SEb1 = 0.37 ingat bahwa t=

·      Uji t untuk membuktikan H0 : r = 0


Lihat tabel t dengan n = 28, dan hasilnya adalah 1.701
thitung = 9.97  > ttabel = 1.701
Maka kita berkesimpulan bahwa TDS dan IMT berkorelasi positif dan bermakna.

Hasil Scatter plot dibawah ini : Diagram sebar TDS dan IMT











b. IMT dan Umur
Regression

Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
Umura
.
Enter
a. All requested variables entered.
b. Dependent Variable: Indeks Massa Tubuh

Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.799a
.639
.626
3.069
a. Predictors: (Constant), Umur
Nilai r = 0.79, artinya besaran korelasi antara Indeks Massa Tubuh dan Umur adalah 0,79
ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
466.175
1
466.175
49.501
.000a
Residual
263.691
28
9.418


Total
729.867
29



a. Predictors: (Constant), Umur
b. Dependent Variable: Indeks Massa Tubuh
·      Sum Of Square Total adalah

·      Sum Of Square Residual adalah
·      Sum Of Square Regression = SSY – SSE =
729.867 – 263.691 = 466.175





Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
2.895
4.447

.651
.520
Umur
.588
.084
.799
7.036
.000
a. Dependent Variable: Indeks Massa Tubuh
Hasilnya :
·      Dependen variabel adalah IMT ;
·      Independen variabel adalah Umur ;
·      Persamaan garis regresi : IMT = 2.895 + 0.588 Umur ;
·      Nilai r = 0.79 ;
·      Uji t untuk membuktikan
H0 : b1 = 0
b1 = 0.588 ;             SEb1 = 0.08 ingat bahwa t=
·      Uji t untuk membuktikan H0 : r = 0

Lihat tabel t dengan n = 28, dan hasilnya adalah 1.701
thitung = 6.94  > ttabel = 1.701
Maka kita berkesimpulan bahwa IMT dan Umur berkorelasi positif dan bermakna.













Hasil Scatter plot dibawah ini : Diagram sebar TDS dan IMT
2.      Dengan menggunakan data berikut (data fiktif)
   Hitung nilai r ;
   Hitung nilai b1 ;
   Lakukan uji t untuk membuktikan H0 : b1 = 0 ;
   Lakukan uji t untuk membuktikan H0 : r = 0.
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
2.80
621
2.55
638
1.80
524
1.40
294
2.90
330
1.80
240
1.50
190
2.85
610
2.60
570
2.25
552
1.35
277
1.60
268
1.65
270
1.35
215


Jawaban :
a.    Mg Tulang dan Mg Serum

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








Nilai r = 0.76, artinya besaran korelasi antara Mg Tulang dan Mg Serum adalah 0,76
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
·      Sum Of Square Total adalah

·      Sum Of Square Residual adalah
·      Sum of square Regression = SSY – SSE =
576519.810 – 237885.934 = 338633.876




Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
37.550
76.410

.491
.629
Mg Serum
180.948
34.793
.766
5.201
.000
a. Dependent Variable: Mg Tulang
Hasilnya :
·      Dependen variabel adalah Mg Tulang ;
·      Independen variabel adalah Mg Serum ;
·      Persamaan garis regresi : Mg tulang = 37.550 + 180.948 Mg Serum ;
·      Nilai r = 0.76 ;
·      Uji t untuk membuktikan
H0 : b1 = 0
b1 = 180.948;       SEb1 = 34.79 ingat bahwa t=
·      Uji t untuk membuktikan H0 : r = 0

Lihat tabel t dengan n = 19, dan hasilnya adalah 1.729
thitung = 5.14  > ttabel = 1.729
Maka kita berkesimpulan bahwa Mg Tulang dan Mg Serum berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram sebar Mg Tulang dan Mg Serum 
3.    Data Berat dan kadar glukosa darah orang dewasa sebagai berikut.
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
   Hitung nilai r ;
   Hitung nilai b1 ;
   Lakukan uji t untuk membuktikan H0 : b1 = 0 ;
·      Lakukan uji t untuk membuktikan H0 : r = 0
Jawaban :
a.      Glukosa dan Berat badan
Regression
Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
Berat badan (kg)a
.
Enter
a. All requested variables entered.
b. Dependent Variable: Glukosa mg/100 ml

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)
Nilai r = 0.76, artinya besaran korelasi antara Mg Tulang dan Mg Serum adalah 0,76

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 (kg)
b. Dependent Variable: Glukosa mg/100 ml
·      Sum Of Square Total adalah

·      Sum Of Square Residual adalah
·      Sum of square Regression = SSY – SSE =
1573.437 – 1204.639 = 368.798

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/100 ml
Hasilnya :
·      Dependen variabel adalah Glukosa ;
·      Independen variabel adalah Berat badan ;
·      Persamaan garis regresi : Glukosa = 61.877 + 0.510 Berat badan ;
·      Nilai r = 0.48 ;
·      Uji t untuk membuktikan
H0 : b1 = 0
b1 = 0.510 ;          SEb1 = 0.24 ingat bahwa t=
·      Uji t untuk membuktikan H0 : r = 0

Lihat tabel t dengan n = 14, dan hasilnya adalah 1.761
thitung = 2.06  > ttabel = 1.761
Maka kita berkesimpulan bahwa Glukosa dan Berat badan berkorelasi positif dan bermakna.
Hasil Scatter plot dibawah ini : Diagram sebar Glukosa dan Berat badan 


Komentar