Tugas Pertemuan 4
LAELI FADLANI
20160302244
ANALISIS
REGRESI 10
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 :
GPP
= 48,737+4,319 IMT
Hipotesa
:
Uji
Statistik :
= 1,070
t
= = =
4,0364
Keputusan
statistik :
Nilai =
4,0364 > = 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 :
Glukosa
= 61,877+ 0,510 BB
Hipotesa
:
Uji
Statistik :
= 0,246
t
= = =
2,0731
Keputusan
statistik :
Nilai =
2,0731< = 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.
Jelaskanasumsi-asumsitentanganalisaregresisederhanabilakitaingin membuatinferensi tentangpopulasi dari
data yang kita
punyai.
Jawaban :
Eksistensiuntuksetiap variable X, dan Y adalah random
variable yang mempunyainilai rata-rata danvariasitertentu.Notasi :dan .
Untukpopulasi (Notasiadalah rata-rata variansdalam random variable y
tergantung pada x).
➢Nilai
rata-rata y adalahindependensatusamalain, artinyasuatunilai y tidakdipengaruhi nilai
y lainnya.
➢Lineartyartinyanilai
rata rata y, adalahfungsigarislurus x
dengandemikianpersamaangarislurusitudapatditulisdimana E adalah error dengan
random variabeldengan 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” merupakanteknikdalammenentukangarislurus
yang terbaik.Teknikinimenggunakan “penentuangarisdengan error yang
minimal”, berdasarkantitikobservasidalam
diagram sebar. Karenasemakinkecilpenyimpangansuatutitikobservasiterhadapgarislurus
(semakinkecilkuadratsimpangan) semakindekat
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 ) berartisetiapkenaikan 1 unit nilai X
makanilai Y akanbertambah(meningkat) sebesar ß 1 . Sebaliknya, bila ß
1negatif (-ß 1 ) makakenaikan 1 unit nilai X maka nilai
Y akan menurun
sebesar ß 1 .
Komentar
Posting Komentar