Lia Efriyanurika 20170302064
Halaman 57
Latihan
Buat persamaan garis lurus dari data berikut (gunakan rumus-rumus yang sudah diberikan) dan memudahkan perhitungan gunkana Microsoft Excel
1. Data Indeks Masaa Tubuh (IMT) dan Glukosa Post Prandial (GPP)
Rerata = Y = 21.6037, X = 142.037
SD = Y = 3.9633 , X = 27.2544
Nilai β1 = 0.0913
Nilai β0 = 8.6318
Maka persamaan regresi garis lurus adalah
2.
Data Indeks Massa Tubuh (IMT) dan Trigliserida
Rerata = Y
= 21.6037, X = 173.5185
SD =
Y = 3.9633 , X = 27.23879
Nilai β1 =
0.095364
Nilai β0 =
5.05623
Halaman 70
Latihan 1
Lakukan uji kualitas garis lurus dan hipotesa slope dan
intersep (gunakan rumus-rumus yang sudah diberikan dan kerjakan di laboratorium
komputer)
Persamaan garis :
Kasus = 48.737 + 4.319 IMT
Langkah pembuktian hipotesa:
a.
Asumsi : Bahwa model persamaan garis lurus
beserta asumsinya berlaku
b.
Hipotesa :
Ho : β1
= 0
Ha : β1
≠
0
c.
Uji statistic :
d.
Distribusi statistic : bila asumsi
terpenuhi dan H0 diterima makan uji t digunakan dengan derajat
kebebasan n-2
e.
Pengambilan keputusan : Ho ditolak bila
nilai thitung lebih besar dari ttabel; α =
0.05 = 2.059
f.
Perhitungan statistic dari computer out put
diperoleh besaran nilai β1 = 4.319 dan S β1 = 1.070
t = 4.319 = 4.036
1.070
g. Keputusan statistic :
nilai thitung =
4.036 > dari ttabel; α =
0.05 =2.059 à
Kita menolak hipotesis nol
Kesimpulan : Slop
garis regresi tidak sama dengan 0 maka garis regresi antara IMT dan glukosa post
pradial (GPP) adalah linier
Latihan 2
1. Data berat badan
dan kadar glukosa darah orang dewasa sebagai berikut
Tentukan persamaan garis lurus dan lakukan uji = 0 dan = 0
Tentukan persamaan garis lurus dan lakukan uji = 0 dan = 0
Persamaan garis :
Kasus = 61.877 + 0.510 IMT
Langkah pembuktian hipotesa:
a.
Asumsi : Bahwa model persamaan garis lurus
beserta asumsinya berlaku
b.
Hipotesa :
Ho : β1
= 0
Ha : β1
≠
0
c.
Uji statistic :
d.
Distribusi statistic : bila asumsi
terpenuhi dan H0 diterima makan uji t digunakan dengan derajat
kebebasan n-2
e.
Pengambilan keputusan : Ho ditolak bila
nilai thitung lebih besar dari ttabel; α =
0.05 = 2.144
f.
Perhitungan statistic dari computer out put
diperoleh besaran nilai β1 = 0.510 dan S β1 = 0.246
t = 0.510 = 2.073
0.246
g. Keputusan statistic :
nilai thitung =
2.073 < dari ttabel; α = 0.05 =2.144 à Kita menerima
hipotesis nol
Kesimpulan : Berartigulosa
tidak dipengaruhi oleh berat badan
Latihan 3
a.
Jelaskan asumsi-asumsi tentang analisis regresi
sederhana bila kita ingin membuat inferensi tentang populasi dari data yang
kita punya :
1.
Eksistensi : untuk setiap nilai dari variable X,
dan Y adalahrandom variable yang mempunyai naili rata-rata dan variasi tertentu
2.
Nilai Y adalah independen satu sama lain,
artinya suatu nilai Y tidak dipengaruhi oleh nilai Y lain
4.
Homoscedasticity artinya varians Y adalah
sama untuk setiap nilai X (Homo artinya sama; scedastic artinya menyebar =
scattered)
b.
Mengapa persamaan regresi disebut “the least
square equation”?
The least square equation merupakan teknik
dalam menentukan garis lurus yang terbaik. Teknik 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.
Jawaban :
Jawaban :
Slop berarti setiap kenaikan
1 unit nilai X maka nilai Y akan bertambah (meningkat) sebesar , sebaliknya bila negatif maka kenaikan 1 unit
nilai X maka nilai Y akan menurun sebesar
Tidak ada komentar:
Posting Komentar