Kamis, 28 Desember 2017
Senin, 04 Desember 2017
Rabu, 08 November 2017
Rabu, 01 November 2017
Senin, 23 Oktober 2017
Jumat, 13 Oktober 2017
Analisis regresi
Tugas 4
Halaman 70 - 71
Latihan 1
Kasus
|
IMT
|
GPP
|
1
|
18,6
|
150
|
2
|
28,1
|
150
|
3
|
25,1
|
120
|
4
|
21,6
|
150
|
5
|
28,4
|
190
|
6
|
20,8
|
110
|
7
|
23,2
|
150
|
8
|
15,9
|
130
|
9
|
16,4
|
130
|
10
|
18,2
|
120
|
11
|
17,9
|
130
|
12
|
21,8
|
140
|
13
|
16,1
|
100
|
14
|
21,5
|
150
|
15
|
24,5
|
130
|
16
|
23,7
|
180
|
17
|
21,9
|
140
|
18
|
18,6
|
135
|
19
|
27
|
140
|
20
|
18,9
|
100
|
21
|
16,7
|
100
|
22
|
18,5
|
170
|
23
|
19,4
|
150
|
24
|
24
|
160
|
25
|
26,8
|
200
|
26
|
28,7
|
190
|
27
|
21
|
120
|
Hasil :
Regression
Variables Entered/Removeda
|
|||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
Indeks
Massa Tubuhb
|
.
|
Enter
|
a.
Dependent Variable: Glucose Post Pandial
|
|||
b.
All requested variables entered.
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
,628a
|
,394
|
,370
|
21,629
|
a.
Predictors: (Constant), Indeks Massa Tubuh
|
ANOVAa
|
||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1
|
Regression
|
7617,297
|
1
|
7617,297
|
16,282
|
,000b
|
Residual
|
11695,666
|
25
|
467,827
|
|||
Total
|
19312,963
|
26
|
||||
a.
Dependent Variable: Glucose Post Pandial
|
||||||
b.
Predictors: (Constant), Indeks Massa Tubuh
|
Coefficientsa
|
||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
B
|
Std. Error
|
Beta
|
||||
1
|
(Constant)
|
48,737
|
23,494
|
2,074
|
,048
|
|
Indeks
Massa Tubuh
|
4,319
|
1,070
|
,628
|
4,035
|
,000
|
|
a.
Dependent Variable: Glucose Post Pandial
|
Persamaan garis :
Y=β0+β1X
GPP = 48,737+4,319 IMT
Hipotesa : H0:β1=0
Ha:β1≠0
Uji Statistik :
β1=4,319
Sβ1= 1,070
t = β1Sβ1 = 4,3191,070 =
4,0364
Keputusan statistik :
Nilai thitung
= 4,0364 > ttabel =
2,060
Kita menolak Hipotesa nol
Kesimpulan : Slop garis regresi tidak sama
dengan 0 maka garis regresi antara IMT dan GPP adalah linier.
Latihan 2
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
|
73,0
|
104
|
15
|
64,4
|
102
|
16
|
77,6
|
87
|
Hasil :
Regression
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)
|
Persamaan garis :
Y=β0+β1X
Glukosa = 61,877+ 0,510 BB
Hipotesa : H0:β1=0
Ha:β1≠0
Uji Statistik :
β1=0,510
Sβ1= 0,246
t = β1Sβ1 = 0,5100,246 =
2,0731
Keputusan statistik :
Nilai thitung
= 2,0731 < ttabel =
2,145
Kita menerima Hipotesa nol
Kesimpulan : Slop garis regresi sama
dengan 0 maka garis regresi antara BB dan Glukosa adalah tidak linier.
Latihan 3
a. Jelaskan asumsi-asumsi tentang analisa
regresi sederhana bila kita ingin membuat inferensi tentang populasi dari data yang kita punyai.
Jawaban :
Eksistensi untuk setiap variable X, dan Y
adalah random variable yang mempunyai nilai rata-rata dan variasi tertentu.
Notasi : dan . Untuk populasi (Notasi adalah rata-rata varians dalam random
variable y tergantung pada x).
- Nilai rata-rata y adalah independen satu sama lain, artinya suatu nilai y tidak dipengaruhi nilai y lainnya.
- Linearty artinya nilai rata rata y, adalah fungsi garis lurus x dengan demikian persamaan garis lurus itu dapat ditulis dimana E adalah error dengan random variabel dengan rata-rata 0 untuk setiap nilai x ( untuk setiap nilai x)
- Homoscedasticity artinya varians y adalah sama untuk setiap nilai x.
- Distribusi normal artinya untuk setiap nilai x, nilai y bersidtribusi normal.
b. Mengapa persamaan regresi diesbut “the least square equation” ?
Jawaban :
“The least square equation” merupakan
teknik dalam menentukan garis lurus yang terbaik. Teknik ini menggunakan
“penentuan garis dengan error yang minimal”, berdasarkan titik observasi
dalam diagram sebar. Karena semakin kecil penyimpangan suatu titik observasi
terhadap garis lurus (semakin kecil kuadrat simpangan) semakin dekat garis lurus yang terbaik yang diperoleh dari data yang dimiliki.
c.
Jelaskan tentang ßo pada persamaan regresi.
Jawaban :
Intersep (ßo) adalah nilai Y bila nilai X=0
d. Jelaskan tentang ß 1 pada persamaan regresi.
Jawaban:
Slop (ß 1 ) berarti setiap kenaikan 1 unit nilai X maka nilai Y
akan bertambah (meningkat) sebesar ß 1 . Sebaliknya, bila ß 1 negatif (-ß 1 ) maka kenaikan 1 unit nilai X maka nilai Y akan menurun sebesar ß 1 .
Langganan:
Postingan (Atom)