TUGAS ANALISIS
REGRESI
KETERIKATAN KORELASI DAN ANALISA REGRESI
OLEH
Yefrison Kolifay
( NIM : 20160302212)
PROGRAM
STUDI ILMU GIZI
FAKULTAS
ILMU KESEHATAN
UNIVERSITAS
ESA UNGGUL
JAKARTA
2017
1.
Dengan data ini,
lakukan analisa korelasi untuk TDS dan Umur serta IMT dan Umur?
|
TDS
|
IMT
|
UM
|
TDS
|
IMT
|
UM
|
|
135
|
28
|
45
|
166
|
39
|
59
|
|
148
|
37
|
52
|
138
|
36
|
56
|
|
162
|
37
|
60
|
145
|
34
|
49
|
|
180
|
46
|
64
|
142
|
34
|
56
|
|
152
|
41
|
64
|
132
|
32
|
50
|
|
134
|
30
|
50
|
130
|
31
|
49
|
|
135
|
32
|
57
|
129
|
28
|
47
|
|
137
|
33
|
53
|
144
|
23
|
44
|
|
122
|
32
|
41
|
138
|
40
|
51
|
|
146
|
29
|
54
|
140
|
35
|
54
|
|
160
|
36
|
48
|
142
|
30
|
46
|
|
135
|
28
|
45
|
144
|
37
|
58
|
Keterangan :
UMR : Umur
TDS : Tekanan Darah Seseorang
UM : Umur
A.
Unalisa Korelasi untuk Data Umur dengan Tekanan
Darah Sistolik
Berikut hasil analisis data dengan regresi sebagai
berikut :
a.
Variabel
Entered/Removed (b)
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Tekanan Darah Tinggia
|
.
|
Enter
|
|
a. All requested variables
entered.
|
|
||
|
b. Dependent Variable:
Umur
|
|
||
b.
Model Summary
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.644a
|
.415
|
.388
|
4.720
|
|
a. Predictors: (Constant),
Tekanan Darah Tinggi
|
||||
Nilai r = 0.644, artinya besaran korelasi antara
umur dan tekanan darah sistolik adalah 0.644.
c.
ANOVA (b)
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
347.766
|
1
|
347.766
|
15.608
|
.001a
|
|
Residual
|
490.192
|
22
|
22.281
|
|
|
|
|
Total
|
837.958
|
23
|
|
|
|
|
|
a. Predictors: (Constant),
Tekanan Darah Tinggi
|
|
|
||||
|
b. Dependent Variable:
Umur
|
|
|
|
|
||
Sum of square total adalah SSY = 837.958
Sum of square Residual adalah SSE = 490.192
Sum Of Square Regression adalah
SSY – SSE = 837.958
– 490.192 = 347.766
d.
Koefisient
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
9.750
|
10.874
|
|
.897
|
.380
|
|
Tekanan Darah Tinggi
|
.298
|
.075
|
.644
|
3.951
|
.001
|
|
|
a. Dependent Variable:
Umur
|
|
|
|
|
||
Hasilnya :
§
Dependen
Variabel : Umur
§
Independen
Variabel : Tekanan Darah Sistolik
§
Persamaan
Garis Regresi : 9.750 + 0.298 TDS ;
§
Nilai
r : 0.644
§
Uji
t untuk membuktikan
H0
: β1 = 0
β1
= 0.298 ; SE β1 = 0.075 ingat bahwa t =
§ Uji
t untuk membuktikan H0 : r = 0
ð t
=
=
=
ð
=
3,948
ð Lihat
tabel t dengan n = 22 , hasilnya adalah 1,717
ð t
hitung = 3,948 > t tabel = 1,717
§ Maka
kita berkesimpulan bahwa Umur dan Tekanan darah Sistolik berkorelasi positif
dan bermakna.
B.
Uji ANOVA untuk Data Umur dengan Indeks Massa Tubuh
Berikut hasil analisis data dengan regresi sebagai
berikut :
a.
Variabel
Entered/Removed (b)
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Umura
|
.
|
Enter
|
|
a. All requested variables
entered.
|
|
||
|
b. Dependent Variable:
Indeks Massa Tubuh
|
|||
b.
Model Summary
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.738a
|
.544
|
.524
|
3.413
|
|
a. Predictors: (Constant),
Umur
|
|
|||
Nilai r = 0.738, artinya besaran korelasi antara
umur dan indeks massa tubuh adalah 0.738.
c.
ANOVA (b)
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
306.303
|
1
|
306.303
|
26.290
|
.000a
|
|
Residual
|
256.322
|
22
|
11.651
|
|
|
|
|
Total
|
562.625
|
23
|
|
|
|
|
|
a. Predictors: (Constant),
Umur
|
|
|
|
|
||
|
b. Dependent Variable:
Indeks Massa Tubuh
|
|
|
|
|||
Sum of square total adalah SSY = 562.625
Sum of square Residual adalah SSE = 256.322
Sum Of Square Regression adalah
SSY – SSE =562.625
–256.322 = 306.303
d.
Koefisient
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
2.109
|
6.235
|
|
.338
|
.738
|
|
Umur
|
.605
|
.118
|
.738
|
5.127
|
.000
|
|
|
a. Dependent Variable:
Indeks Massa Tubuh
|
|
|
|
|||
Hasilnya :
§
Dependen
Variabel : Umur
§
Independen
Variabel : Indeks Massa Tubuh
§
Persamaan
Garis Regresi : 2.109 + 0.605 IMT ;
§
Nilai
r : 0,738
§
Uji
t untuk membuktikan
H0
: β1 = 0
β1
= 0.298 ; SE β1 = 0.118 ingat bahwa t =
§ Uji
t untuk membuktikan H0 : r = 0
ð t
=
=
=
ð
=
5,13
ð Lihat
tabel t dengan n = 22 , hasilnya adalah 1,717
ð t
hitung = 5,13 > t tabel = 1,717
§ Maka
kita berkesimpulan bahwa Umur dan Indeks Massa Tubuh berkorelasi positif dan
bermakna.
2.
Dengan
menggunakan data berikut (data fikitf)
a.
Hitung nilai r;
b.
Hitung nilai β1;
c.
Lakukan uji t
untuk membuktikan H0 : β1 = 0
d.
Lakukan uji t
untuk membuktikan H0 : r = 0
|
Mg Serum
|
Mg Tulang
|
Mg Serum
|
Mg Tulang
|
|
3,6
|
672
|
1,6
|
268
|
|
2,7
|
567
|
1,65
|
270
|
|
2,45
|
617
|
1,35
|
215
|
|
1,45
|
400
|
2,8
|
621
|
|
0,9
|
236
|
2,55
|
638
|
|
1,4
|
270
|
1,8
|
524
|
|
2,8
|
340
|
1,4
|
294
|
|
2,85
|
610
|
2,9
|
330
|
|
2,6
|
570
|
1,8
|
240
|
|
2,25
|
552
|
1,5
|
190
|
|
1,35
|
277
|
|
|
Berikut hasil analisis data dengan regresi sebagai
berikut :
a.
Variabel
Entered/Removed (b)
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Mg Tulanga
|
.
|
Enter
|
|
a. All requested variables
entered.
|
|
||
|
b. Dependent Variable: Mg
Serum
|
|
||
b.
Model Summary
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.757a
|
.573
|
.551
|
.484
|
|
a. Predictors: (Constant),
Mg Tulang
|
|
|||
Nilai r = 0.757, artinya besaran korelasi antara
umur dan indeks massa tubuh adalah 0.757.
c.
ANOVA (b)
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
5.980
|
1
|
5.980
|
25.540
|
.000a
|
|
Residual
|
4.449
|
19
|
.234
|
|
|
|
|
Total
|
10.430
|
20
|
|
|
|
|
|
a. Predictors: (Constant),
Mg Tulang
|
|
|
|
|||
|
b. Dependent Variable: Mg
Serum
|
|
|
|
|||
Sum of square total adalah SSY = 10.430
Sum of square Residual adalah SSE = 4.449
Sum Of Square Regression adalah
SSY – SSE = 10.430
– 4.449 = 5.980
d.
Koefisient
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
.730
|
.284
|
|
2.570
|
.019
|
|
Mg Tulang
|
.003
|
.001
|
.757
|
5.054
|
.000
|
|
|
a. Dependent Variable: Mg
Serum
|
|
|
|
|||
Hasilnya :
§
Dependen
Variabel : Mg Serum
§
Independen
Variabel : Mg Tulang
§
Persamaan
Garis Regresi : 0,730 + 0.003 MGT ;
§
Nilai
r : 0,757
§
Uji
t untuk membuktikan
H0
: β1 = 0
β1
= 0.298 ; SE β1 = 0.118 ingat bahwa t =
§ Uji
t untuk membuktikan H0 : r = 0
ð t
=
=
=
ð
=
5,05
ð Lihat
tabel t dengan n = 19 , hasilnya adalah 1,729
ð t
hitung = 5,05 > t tabel = 1,729
§ Maka
kita berkesimpulan bahwa Mg Serum dan Mg Tulang berkorelasi positif dan
bermakna.
3.
Data berat badan
dan kadar glukosa darah orang dewasa sebagai berikut :
a.
Hitung nilai r;
b.
Hitung nilai β1;
c.
Lakukan uji t
untuk membuktikan H0 : β1 = 0
d.
Lakukan uji t
untuk membuktikan H0 : r = 0
|
Subjek
|
Berat Badan
|
Glukosa
|
Subjek
|
Berat Badan
|
Glukosa
|
|
1
|
64
|
108
|
9
|
82,1
|
101
|
|
2
|
75,3
|
109
|
10
|
78,9
|
85
|
|
3
|
73
|
104
|
11
|
76,7
|
99
|
|
4
|
82,1
|
102
|
12
|
82,1
|
100
|
|
5
|
76,2
|
105
|
13
|
83,9
|
108
|
|
6
|
95,7
|
121
|
14
|
73
|
104
|
|
7
|
59,4
|
79
|
15
|
64,4
|
102
|
|
8
|
93,4
|
107
|
16
|
77,6
|
87
|
Berikut hasil analisis data dengan regresi sebagai
berikut :
a.
Variabel
Entered/Removed (b)
|
Variables Entered/Removedb
|
|||
|
Model
|
Variables Entered
|
Variables Removed
|
Method
|
|
1
|
Glukosaa
|
.
|
Enter
|
|
a. All requested variables
entered.
|
|
||
|
b. Dependent Variable:
Berat Badan
|
|||
b.
Model Summary
|
Model Summary
|
||||
|
Model
|
R
|
R Square
|
Adjusted R Square
|
Std. Error of the Estimate
|
|
1
|
.495a
|
.245
|
.191
|
8.66626
|
|
a. Predictors: (Constant),
Glukosa
|
|
|||
Nilai r = 0.495, artinya besaran korelasi antara
umur dan indeks massa tubuh adalah 0,495.
c.
ANOVA (b)
|
ANOVAb
|
||||||
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
|
1
|
Regression
|
340.544
|
1
|
340.544
|
4.534
|
.051a
|
|
Residual
|
1051.456
|
14
|
75.104
|
|
|
|
|
Total
|
1392.000
|
15
|
|
|
|
|
|
a. Predictors: (Constant),
Glukosa
|
|
|
|
|||
|
b. Dependent Variable:
Berat Badan
|
|
|
|
|||
Sum of square total adalah SSY = 1392.000
Sum of square Residual adalah SSE = 1051.456
Sum Of Square Regression adalah
SSY – SSE = 1392.000 – 1051.456
= 340.544
d.
Koefisient
|
Coefficientsa
|
||||||
|
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||
|
B
|
Std. Error
|
Beta
|
||||
|
1
|
(Constant)
|
29.867
|
22.240
|
|
1.343
|
.201
|
|
Glukosa
|
.465
|
.218
|
.495
|
2.129
|
.051
|
|
|
a. Dependent Variable:
Berat Badan
|
|
|
|
|||
Hasilnya :
§
Dependen
Variabel : Berat Badan
§
Independen
Variabel : Kadar Gula Darah
§
Persamaan
Garis Regresi : 29.867 + 0.465 GD ;
§
Nilai
r : 0,495
§
Uji
t untuk membuktikan
H0
: β1 = 0
β1
= 0.465 ; SE β1 = 0.218 ingat bahwa t =
§ Uji
t untuk membuktikan H0 : r = 0
ð t
=
=
=
ð
=
1,965
ð Lihat
tabel t dengan n = 14 , hasilnya adalah 1,76
ð t
hitung = 1,965 > t tabel = 1,76
§ Maka
kita berkesimpulan bahwa Berat badan dan Kadar Gula Darah berkorelasi positif
dan bermakna.
