TUGAS ANALISIS REGRESI PERTEMUAN 4 HALAMAN 70-71
LATIHAN 1
LAKUKAN UJI KUALITAS GARIS LURUS DAM HIPOTESA SLOPE DAN INTERSEP
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
|
Variables Entered/Removedb
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
IMTa
|
.
|
Enter
|
a. All requested variables entered.
| |||
b. Dependent Variable: GPP
|
Model Summary
| ||||
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
1
|
.628a
|
.394
|
.370
|
21.629
|
a. Predictors: (Constant), IMT
|
ANOVAb
| ||||||
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
| |
1
|
Regression
|
7617.297
|
1
|
7617.297
|
16.282
|
.000a
|
Residual
|
11695.666
|
25
|
467.827
| |||
Total
|
19312.963
|
26
| ||||
a. Predictors: (Constant), IMT
| ||||||
b. Dependent Variable: GPP
|
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
48.737
|
23.494
|
2.074
|
.048
| |
IMT
|
4.319
|
1.070
|
.628
|
4.035
|
.000
| |
a. Dependent Variable: GPP
|
Persamaan garis
GPP = 48.737 + 4.319 IMT
- Derajat kebebasan n-2 = 25
- Nilai t table 2.059
- = 4.319, S= 1.070
- Nilai t=
- Niali t hitung 4.036 > nilai t table 2.059
- Hipotesa ditolak
- Kesimpulan: Slop garis regresi tidak sama dengan 0 maka garis regresi antara IMT dan GPP adalah linier
LATIHAN 2
DATA BERAT BADAN DAN KADAR GLUKOSA DARAH ORANG DEWASA SEBAGAI BERIKUT:
Subjek
|
Berat Badan
|
Glukosa
|
(Kg)
|
mg/100 ml
| |
1
|
64
|
108
|
2
|
75,3
|
109
|
3
|
73
|
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
|
104
|
15
|
64,4
|
102
|
16
|
77,6
|
87
|
Variables Entered/Removedb
| |||
Model
|
Variables Entered
|
Variables Removed
|
Method
|
1
|
BBa
|
.
|
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), BB
|
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), BB
| ||||||
b. Dependent Variable: GLUKOSA
|
Coefficientsa
| ||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
| ||
B
|
Std. Error
|
Beta
| ||||
1
|
(Constant)
|
61.877
|
19.189
|
3.225
|
.006
| |
BB
|
.510
|
.246
|
.484
|
2.070
|
.057
| |
a. Dependent Variable: GLUKOSA
|
Persamaan garis
GPP = 61.877 + 510 BB
- Derajat kebebasan n-1 = 15
- Nilai t table 2.131
- = 510, S= 246
- Nilai t=
- Niali t hitung 2.073 < nilai t table 2.131
- Hipotesa diterima
- Kesimpulan: Slop garis regresi tidak sama dengan 0 maka garis regresi antara BB dan Glukosa adalah linier
LATIHAN 3
a. Jelaskan asumsi-asumsi tentang analisa regresi sederhana bila kita ingin membuat inferensi tentang populasi dari data yang kita punyai.
Jawab :
Dalam analisa regresi beberapa asumsi harus terpenuhi untuk mendapatkan model garis lurus yang sebenarnya seperti dibawah ini:
1. Eksistensi untuk setiap nilai dari variabel X, dan Y adalah random variabel yang mempunyai nilai rata-rata dan varians tertentu. Notasi untuk populasi.
2. Nilai-nilai Y adalah independen satu sama lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y lain.
3. Linearity berarti nilai rata-rata Y, adalah fungsi garis lurus X, dengan demikian = β0 + β1x. Persamaan garis lurus itu dapat ditulis Y = β0 + β1X+E, Dimana E adalah Eror yang merupakan random variabel dengan nilai rata-rata 0 untuk setiap nilai X (yaitu untuk setiap nilai X). Dengan demikian nilai Y adalah jumlah dari β0+ β1X dan E(random Variabel), dan karena nilai E = 0.
4. Homoscedasticity artinya varians Y adalah sama untuk setiap nilai X (homo artinya sama ; scedastic artinya “menyebar” = scattered).
5. Distribusi normal artinya untuk setiap nilai X, nilai Y berdistribusi normal.
b. Mengapa persamaan regresi disebut “the least square equation”?
Jawab :
The least square equation merupakan tehnik dalam menentukan garis lurus yang terbaik. Tehnik ini menggunakan “penentuan garis dengan error yang minimalkan” berdasarkan titik observasi dalam diagram sebar. Karena semakin kecil penyimpangan satu observasi terhadap garis lurus (semakin kecil kuadrat simpangan) semakin dekat garis lurus yang terbaik yang diperoleh dari data yang dimiliki.
c. Jelaskan tentang pada persamaan regresi.
Jawab :
β0 adalah nilai Y bila nilai X=0
d. Jelaskan tentang pada persamaan regresi.
Jawab :
β1 adalah setiap kenaikan 1 unit X maka nilai Y akan bertambah (meningkat) sebesar β1. Sebaliknya,bila β1 negatif (-β1) maka kenaikan 1 unit X maka nilai Y akan menurun sebesar β1.
Tidak ada komentar:
Posting Komentar