Sabtu, 28 Oktober 2017
Selasa, 24 Oktober 2017
Selasa, 17 Oktober 2017
Analisis Regresi Pertemuan 4
Analisis
Regresi Pertemuan 4
FERONICA
20160302227
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
|
IMTb
|
.
|
Enter
|
a. Dependent Variable: GPP
|
|||
b. All requested variables entered.
|
Model Summary
|
||||
Model
|
R
|
R Square
|
Adjusted
R Square
|
Std.
Error of the Estimate
|
1
|
,578a
|
,334
|
,307
|
22,683
|
a. Predictors: (Constant), IMT
|
ANOVAa
|
||||||
Model
|
Sum of
Squares
|
df
|
Mean
Square
|
F
|
Sig.
|
|
1
|
Regression
|
6449,586
|
1
|
6449,586
|
12,535
|
,002b
|
Residual
|
12863,377
|
25
|
514,535
|
|
|
|
Total
|
19312,963
|
26
|
|
|
|
|
a. Dependent Variable: GPP
|
||||||
b. Predictors: (Constant), IMT
|
Coefficientsa
|
||||||
Model
|
Unstandardized
Coefficients
|
Standardized
Coefficients
|
t
|
Sig.
|
||
B
|
Std.
Error
|
Beta
|
||||
1
|
(Constant)
|
58,347
|
24,038
|
|
2,427
|
,023
|
IMT
|
3,809
|
1,076
|
,578
|
3,540
|
,002
|
|
a. Dependent Variable: GPP
|
Persamaan garis :
Y=β0+β1X
GPP = 58,347+3,809 IMT
Hipotesa : H0:β1=0
Ha:β1≠0
Uji Statistik :
β1=3,809
Sβ1= 1,076
t = β1/Sβ1 = 3,809/1,076 = 3,5399
Keputusan statistik :
Nilai thitung = 3,5399 > 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)