NAMA : WAHYUDI
NIM : 201532215
ANALISIS REGRESI SESI 02
Halaman 57
Buat persamaan garis lurus dari data berikut : 1. Data IMT dan Gula Darah Puasa
KASUS IMT(Y) GPP(X)
Y
Y
X
X
Y
Y
X
X
X X
21 18,60 150 -3,00 7,96 -23,918 63,41
2 28,10 150 6,50 7,96 51,730 63,41
3 25,10 120 3,50 -22,04 -77,048 485,63
4 21,60 150 0,00 7,96 -0,029 63,41
5 28,40 190 6,80 47,96 325,971 2300,45
6 20,80 110 -0,80 -32,04 25,748 1026,37
7 23,20 150 1,60 7,96 12,711 63,41
8 15,90 130 -5,70 -12,04 68,656 144,89
9 16,40 130 -5,20 -12,04 62,637 144,89
10 18,20 120 -3,40 -22,04 75,008 485,63
11 17,90 130 -3,70 -12,04 44,582 144,89
12 21,80 140 0,20 -2,04 -0,400 4,15
13 16,10 100 -5,50 -42,04 231,359 1767,11
14 21,50 150 -0,10 7,96 -0,826 63,41
15 24,50 130 2,90 -12,04 -34,863 144,89
16 23,70 180 2,10 37,96 79,582 1441,19
17 21,90 140 0,30 -2,04 -0,604 4,15
18 18,60 135 -3,00 -7,04 21,137 49,52
19 27,00 140 5,40 -2,04 -10,992 4,15
20 18,90 100 -2,70 -42,04 113,656 1767,11
21 16,70 100 -4,90 -42,04 206,137 1767,11
22 18,50 170 -3,10 27,96 -86,789 781,93
23 19,40 150 -2,20 7,96 -17,548 63,41
24 24,00 160 2,40 17,96 43,045 322,67
25 26,80 200 5,20 57,96 301,193 3359,71
26 28,70 190 7,10 47,96 340,359 2300,45
27 21,00 120 -0,60 -22,04 13,304 485,63
RERATA 21,60 142,037
SD 3,96 27,25447
JUMLAH 1.763,796 19312,96
1 0,09 maka persamaan regresi garis lurus adalah :
Y
0
1X
= 8,63 + 0,09X
artinya :
1. nilai rerata indeks massa tubuh (IMT) ketika GPP = 0 adalah 8,63 ;
2. setiap kenaikan GPP sebesar 1 mg/dL maka akan terjadi kenaikan IMT sebesar 0,09 ;
3. misalkan, seorang ibu memiliki GPP 150 mg/dL. Maka prediksi IMTnya adalah “ 8,63 + 0,09(150)
2. indeks massa tubuh dan trigliserida
kasus IMT TRIG
Y
Y
X
X
Y
Y
X
X
X X
21 18,6 180 -3,00 6,48 -19,46844993 42,0096
2 28,1 180 6,50 6,48 42,10562414 42,0096
3 25,1 160 3,50 -13,52 -47,26474623 182,7503
4 21,6 180 0,00 6,48 -0,024005487 42,0096
5 28,4 210 6,80 36,48 247,9389575 1330,898
6 20,8 140 -0,80 -33,52 26,93895748 1123,491
7 23,2 180 1,60 6,48 10,34636488 42,0096
8 15,9 160 -5,70 -13,52 77,10562414 182,7503
9 16,4 160 -5,20 -13,52 70,34636488 182,7503
10 18,2 150 -3,40 -23,52 80,05006859 553,1207
11 17,9 160 -3,70 -13,52 50,06858711 182,7503
12 21,8 170 0,20 -3,52 -0,690672154 12,37997
13 16,1 130 -5,50 -43,52 239,5130316 1893,861
14 21,5 180 -0,10 6,48 -0,672153635 42,0096
15 24,5 160 2,90 -13,52 -39,15363512 182,7503
16 23,7 210 2,10 36,48 76,47599451 1330,898
17 21,9 170 0,30 -3,52 -1,042524005 12,37997
18 18,6 165 -3,00 -8,52 25,58710562 72,56516
19 27 170 5,40 -3,52 -18,98696845 12,37997
20 18,9 140 -2,70 -33,52 90,62414266 1123,491
21 16,7 130 -4,90 -43,52 213,4019204 1893,861
22 18,5 200 -3,10 26,48 -82,19067215 701,2689
23 19,4 180 -2,20 6,48 -14,28326475 42,0096
24 24 190 2,40 16,48 39,49451303 271,6392
25 26,8 230 5,20 56,48 293,494513 3190,158
26 28,7 240 7,10 66,48 471,7722908 4419,787
27 21 160 -0,60 -13,52 8,161179698 182,7503
RERATA 21,60 173,52 SD 3,96334 27,23879
JUMLAH 1839,648148 19290,74
1 0,095364
0 5,05623 maka persamaan regresi garis lurus adalah :
Y
0
1X
= 5,056 + 0,09X
artinya :
1. nilai rerata indeks massa tubuh (IMT) ketika kadar trigliserid = 0 adalah 5,056 ; 2. setiap kenaikan trigliserid sebesar 1 mg/dL maka akan terjadi kenaikan IMT sebesar
0,09
3. misalkan, seorang ibu memiliki triglisrid 180 mg/dL. Maka prediksi IMTnya adalah “ 5,056 + 0,09(180)
Halaman 70-71
Lakukan uji kualitas garis lurus dan hipotesa slope dan intersep 1. IMT dan GPP
kasus IMT GPP kasus IMT GPP kasus IMT GPP
1 18,6 150 10 18,2 120 19 27 140
2 28,1 150 11 17,9 130 20 18,9 100
3 25,1 120 12 21,8 140 21 16,7 100
4 21,6 150 13 16,1 100 22 18,5 170
5 28,4 190 14 21,5 150 23 19,4 150
6 20,8 110 15 24,5 130 24 24 160
7 23,2 150 16 23,7 180 25 26,8 200
8 15,9 130 17 21,9 140 26 28,7 190
9 16,4 130 18 18,6 135 27 21 120
Jawaban :
Variables Entered/Removed(b)
Model VariablesEntered
Variables
Removed Method
1 GPP(a) . Enter
a All requested variables entered.
b Dependent Variable: indeks massa tubuh
Model Summary
Model R R Square Adjusted RSquare the EstimateStd. Error of
1 ,628(a) ,394 ,370 3,1453
a Predictors: (Constant), GPP
ANOVA(b)
Model SquaresSum of df Mean Square F Sig. 1 Regression 161,082 1 161,082 16,282 ,000(a)
Residual 247,327 25 9,893
Total 408,410 26
a Predictors: (Constant), GPP
b Dependent Variable: indeks massa tubuh
Coefficients(a)
Model
Unstandardized
Coefficients StandardizedCoefficients t Sig.
B Std. Error Beta B Std. Error 1 (Constant) 8,632 3,271
,628
2,639 ,014
GPP ,091 ,023 4,035 ,000
1 Persamaan garis
Yˆ
ˆ0
ˆ X IMT = 8,632 + 0,09 GPP.
a Asumsi : bahwa model garis lurus beserta asumsinya berlaku
b.
Hipotesa :H
0:
1
0
H
a:
1
0
c. Uji statistik :
t
1S
1.
d Distribusi statistik : bila asumsiterpenuhi dan H0 diterima maka uji t digunakan dengan
drajat kebebasan n-2
.
e Pengambilan keputusan : H0 ditolak bila nilai thitung lebih besar dari t tabel:=0,05 =2,05954
.
f Perhitungan statistik : dari komputer output diperoleh besaran nilai
1 = 0,09 danS
=0,023
t
0,023
0,09
3,913
.
g Keputusan statistik :
nilai thitung = 3,913 > t tabel:=0,05 =2,05954 maka kita menolak hipotesa nol
.
h Keputusan : slop garis regresi tidak sama dengan 0 maka garis regresi antara IMT dan GPP adalah linier
2. Berat badan dan kadar glukosa darah orang dewasa
subjek berat badan glukosa
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
Jawaban :
Variables Entered/Removed(b)
Model VariablesEntered
Variables
Removed Method 1 GLUKOSA(
a) . Enter
a All requested variables entered. b Dependent Variable: BB
Model Summary
Model R R Square Adjusted RSquare
Std. Error of the Estimate
1 ,484(a) ,234 ,180 8,810
a Predictors: (Constant), GLUKOSA
ANOVA(b)
Model SquaresSum of df Mean Square F Sig. 1 Regression 332,669 1 332,669 4,286 ,057(a)
Residual 1086,628 14 77,616 Total 1419,298 15
1
Coefficients(a)
Model
Unstandardized
Coefficients StandardizedCoefficients T Sig.
B Std. Error Beta B Std. Error 1 (Constant) 30,778 22,609
,484
1,361 ,195
GLUKOSA ,460 ,222 2,070 ,057
a Dependent Variable: BB
Persamaan garis Yˆ
ˆ0
ˆ X IMT = 30,778 + 0,460 GPPa. Asumsi : bahwa model garis lurus beserta asumsinya berlaku
b.
Hipotesa :H
0:
1
0
H
a:
1
0
c. Uji statistik :
t
1S
1d. Distribusi statistik : bila asumsi terpenuhi dan H0 diterima maka uji t digunakan
dengan drajat kebebasan n-2
e. Pengambilan keputusan : H0 ditolak bila nilai thitung lebih besar dari t tabel:=0,05 =2,14479 f. Perhitungan statistik : dari komputer output diperoleh besaran nilai
1 = 0,460 danS
1
=0,222
t
0,460
2,072
0,222
g. Keputusan statistik :
nilai thitung = 2,072 > t tabel:=0,05
=2,14479 maka kita menerima hipotesa nol
h. Keputusan : slop garis regresi sama dengan 0 maka garis regresi antara berat
badan dan kadar glukosa adalah tidak linier
Y X
0
0
1 Latihan 3
a. Jelaskan asumsi-asumsi tentang analisa regresi sederhana bila kita ingin membuat inferensi tentang pupulasi dari data yang kita punyai
b. Mengapa persamaan regresi disebut ‘the least square equation’? c. Jelaskan tentang
pada persamaan regresi0
d. Jelaskan tentang
1 pada persamaan regresi Jawaban :a. Asumsi-asumsi tentang analisa regresi yaitu :
1. Ekstensi yaitu untuk setiap nilai dari variabel X , dan Y adalah random variabel yang
mempunyai nilai rata-rata dan varians tertentu .dengan notasi
dan
2 Y X untuk populasi . dimana notasi Y|X adalah rata-rata dan varians dari random variabel Y tergantung pada nilai X.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,
Y X =
+
1 X
Y X adalah fungsi garis lurus X , dengandemikian
Persamaan garis lurus ini dapat ditulis Y=
Y X =
+
1 X + E. Dimana E adalah error yang merupakan random variabel dengan nilai rata-rata 0 untuk setiap nilai X (yaitu
Y X =0 untuk setiap nilai X). Dengan demikian Y adalah jumlah random daridan E.
Dan karena nilai E = 0 maka dapat di tulis
E
Y
0
1X
+
X0
4. Homoscedasticity artinya varians Y adalah sama untum setiap nilai X ( Homo artinya sama ; scedastic artinya ‘menyebar’)
5. Distribusi normal artinya untuk setiap nilai X, nilai Y berdistribusi normal. Biasanya distibusi normal ini jika n>30 dan nilai mean dan median relatif pada satu titik.
c. Intersep (
0 ) adalah nilai rata-rata Y ketika X=0