Rabu, 14 Desember 2016

TUGAS UNREG Halaman 189, 191



Tugas Hal 188-191
Dengan pengetahuan biomedik yang saudara miliki, gunakan data dibawah ini untuk membuat beberapa persamaan garis regresi dan membuktikan hipotesa tentang slop dan intersep. (Buat dulu hipotesis yang akan dibuktikan)
SKL     : Jenis Sekolah: 1 = Swasta; 0 = Negeri
JK        : Jenis Kelamin: 1 = Laki-laki; 0 = Perempuan
UM      : Umur dalam Tahun
BB       : Berat Badan
TB       : Tinggi Badan
IMT     : Indeks Massa Tubuh
BJ        : Berat Jenis Urin
AMA   : Jumlah Air Dari Makanan
TKAR  : Total Konsumsi Air
SKL
JK
UMUR
BB
TB
IMT
BJ
AMA
TKAR
0
2
10
65
148
29,7
1025
402
1943
0
1
11
27
129
16,2
1020
634
2135
0
2
10
26
138
13,7
1015
359
1951
0
2
11
28
142
13,9
1020
679
2205
0
2
10
23
125
14,7
1030
273
2116
0
1
11
29
145
13,8
1025
352
2272
0
2
11
36
145
17,1
1025
454
2204
0
2
11
41
148
18,7
1020
635
2177
0
2
10
38
142
18,8
1025
473
2043
0
2
10
55
146
25,8
1020
562
2244
0
2
11
30
140
15,3
1035
382
1924
0
2
11
32
143
15,7
1020
569
2182
0
2
11
31
131
18,1
1015
711
2253
0
2
11
53
150
23,6
1010
386
2237
0
1
11
66
144
31,9
1025
290
2042
0
2
11
43
147
19,9
1020
522
2255
0
1
11
25
134
14
1010
260
2071
0
2
10
30
134
16,7
1010
529
2180
0
2
11
41
151
18
1030
293
1904
0
1
11
24
133
14
1025
256
2077
0
2
12
27
136
14,6
1020
409
2282
0
2
11
40
150
17,8
1025
350
2034
0
2
11
37
144
17,8
1010
832
2105
0
2
10
32
136
17,3
1025
480
2164
0
2
11
41
147
19
1030
457
2139
0
2
11
27
137
14,4
1025
317
2009
0
2
11
33
141
16,5
1040
289
1549
0
2
11
25
135
13,7
1020
593
1976
0
2
10
48
148
22
1025
812
2005
0
2
11
36
151
16
1025
458
2280
0
2
10
36
149
16,2
1005
815
2077
1
2
11
33
139
17,1
1020
482
2321
1
2
11
25
130
14,8
1005
596
2679
1
1
11
31
147
14,3
1005
868
3018
1
2
11
35
147
16,2
1025
661
2112
1
2
11
51
149
23
1015
694
2547
1
2
11
39
148
17,8
1005
709
2958
1
2
10
52
158
20,8
1015
604
2917
1
2
11
58
158
23,2
1020
580
2477
1
2
11
49
153
21
1015
592
2488
1
2
11
43
147
19,9
1010
693
2894
1
1
10
42
153
18
1010
547
2591
1
1
11
43
146
20,2
1020
379
2232
1
1
11
35
141
17,6
1015
1000
2786
1
1
11
51
152
22,1
1010
636
2785
1
2
11
27
128
16,5
1010
446
2927
1
1
11
39
151
17,1
1015
631
3072
1
2
12
38
154
16,1
1015
458
2741
1
1
10
35
140
17,9
1020
578
2312
1
1
11
31
147
14,3
1020
267
2388
1
2
11
35
148
16
1010
605
2468
1
1
11
18
119
12,7
1015
388
2521
1
1
12
54
147
25
1025
492
2384
1
2
11
36
149
16,2
1020
407
2447
1
1
11
28
148
12,8
1010
715
2503
1
2
10
38
142
18,8
1020
909
2750
1
2
10
33
144
16
1020
436
2756
1
2
11
32
149
14,4
1005
1067
3547
1
1
11
40
148
18,3
1015
596
3373
1
1
11
38
147
17,6
1005
560
2710
1
1
11
39
148
17,8
1010
545
2328
1
1
10
45
147
20,8
1030
513
2343
0
2
10
65
148
29,7
1025
402
1943
0
1
11
27
129
16,2
1020
634
2135
0
2
10
26
138
13,7
1015
359
1951
0
2
11
28
142
13,9
1020
679
2205
0
2
10
23
125
14,7
1030
273
2116
0
1
11
29
145
13,8
1025
352
2272
0
2
11
36
145
17,1
1025
454
2204
0
2
11
41
148
18,7
1020
635
2177
0
2
10
38
142
18,8
1025
473
2043
0
2
10
55
146
25,8
1020
562
2244
0
2
11
30
140
15,3
1035
382
1924

X1 = SKL :       1 bila sekolah swasta
0 bila sekolah Negeri
X2 = JK :          1 bila laki-laki
0 bila Perempuan
X3 = UM
X4 = BB          
X5 = TB          
X6 = IMT        
X7 = AMA      
X8 = TKAR     
X9 = SKL*JK

Jawab:
H0 : µ1 =  µ2  atau H0 : β1 = 0
Tidak ada hubungan antara jenis sekolah, jenis kelamin, umur, berat badan, tinggi badan, indeks massa tubuh, jumlah air dari makanan dan total konsumsi air dengan berat jenis urin.

Ha : µ1 µ2  atau H0 : β1 ≠ 0
Ada hubungan antara jenis sekolah, jenis kelamin, umur, berat badan, tinggi badan, indeks massa tubuh, jumlah air dari makanan dan total konsumsi air dengan berat jenis urin.

Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9X9

Persamaan garis untuk jenis sekolah swasta dan jenis kelamin laki-laki:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9X9
Y = β0 + β1(1) + β2(1) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9(1*1)
Y = (β0 + β1 + β2 + β9) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8

Model Regresi:
BJ = (978,545 + 1,878 + 1,881 – 1,283) + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT
 - 0,014 AMA – 0,009 TKAR
= 981,021 + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT - 0,014 AMA
 – 0,009  TKAR
Persamaan garis untuk jenis sekolah swasta dan jenis kelamin perempuan:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9X9
Y = β0 + β1(1) + β2(0) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9(1*0)
Y = (β0 + β1) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8

Model Regresi:
BJ = (978,545 + 1,878) + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT - 0,014 AMA
 – 0,009 TKAR
 = 980,423 + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT - 0,014 AMA
 – 0,009  TKAR

Persamaan garis untuk jenis sekolah negeri dan jenis kelamin laki-laki:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9X9
Y = β0 + β1(0) + β2(1) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9(0*1)
Y = (β0 + β2) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8                 

Model Regresi:
BJ = (978,545 + 1,881) + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT - 0,014 AMA
 – 0,009 TKAR
 = 980,426 + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT - 0,014 AMA
  – 0,009  TKAR

Persamaan garis untuk jenis sekolah negeri dan jenis kelamin perempuan:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9X9
Y = β0 + β1(0) + β2(0) + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8 + β9(0*0)
Y = β0 + β3X3 + β4X4 + β5X5 + β6X6 + β7X7 + β8X8

Model Regresi:
BJ = 978,545 + 0,289 UM - 0,857 BB + 0,419 TB + 1,967 IMT - 0,014 AMA
 – 0,009 TKAR

Variables Entered/Removedb
Model
Variables Entered
Variables Removed
Method
1
Jenis Sekolah*Jenis Kelamin, Indeks Massa Tubuh, Jenis Kelamin, Umur dalam Tahun, Jumlah Air Dari Makanan, Tinggi Badan, Total Konsumsi Air, Jenis Sekolah, Berat Badana
.
Enter
a. All requested variables entered.

b. Dependent Variable: Berat Jenis Urin

Model Summary
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.686a
.471
.395
6.103
a. Predictors: (Constant), Jenis Sekolah*Jenis Kelamin, Indeks Massa Tubuh, Jenis Kelamin, Umur dalam Tahun, Jumlah Air Dari Makanan, Tinggi Badan, Total Konsumsi Air, Jenis Sekolah, Berat Badan

ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
2086.687
9
231.854
6.226
.000a
Residual
2346.190
63
37.241


Total
4432.877
72



a. Predictors: (Constant), Jenis Sekolah*Jenis Kelamin, Indeks Massa Tubuh, Jenis Kelamin, Umur dalam Tahun, Jumlah Air Dari Makanan, Tinggi Badan, Total Konsumsi Air, Jenis Sekolah, Berat Badan
b. Dependent Variable: Berat Jenis Urin




Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
978.545
75.754

12.917
.000
Jenis Sekolah
1.878
6.239
.119
.301
.764
Jenis Kelamin
1.881
2.719
.111
.692
.492
Umur dalam Tahun
.289
1.512
.019
.191
.849
Berat Badan
-.857
1.120
-1.157
-.765
.447
Tinggi Badan
.419
.510
.419
.821
.415
Indeks Massa Tubuh
1.967
2.410
1.008
.816
.417
Jumlah Air Dari Makanan
-.014
.005
-.320
-2.805
.007
Total Konsumsi Air
-.009
.003
-.431
-2.713
.009
Jenis Sekolah*Jenis Kelamin
-1.283
3.471
-.135
-.370
.713
a. Dependent Variable: Berat Jenis Urin







Pembuktian hipotesa tentang slop dan intersep:
            Dari keempat persamaan garis dan model regresi diatas menunjukkan intersep masing-masing berbeda namun slopenya sama. Hal ini dikarenakan variabel jenis sekolah dan jenis kelamin mengalami interaksi.
            Dari penyataan diatas dapat disimpulkan bahwa H0 ditolak karena nilai Fhitung (6,226) > Ftabel (2,03). Sehingga dapat disimpulkan ada pengaruh antara variabel indeks massa tubuh, jenis kelamin, umur dalam tahun, jumlah air dari makanan, tinggi badan, total konsumsi air, jenis sekolah, berat badan dan interaksi jenis sekolah-jenis kelamin dengan berat jenis urin.
            Namun, untuk masing – masing variabel hanya variabel AMA dan TKAR yang berpengaruh terhadap berat jenis urin karena nilai Thitung > Ttabel (1,645) sedangkan variabel lain tidak berpengaruh.

HAL 191
Variabel
β
Sβ
Partial F
Umur
1.02892
0.50177
4.205
IMT
10.45104
9.13111
1.310
RKK
-0.53744
23.23004
0.0005
Umur*RKK
0.43733
0.71320
0.376
IMT*RKK
-3.70682
10.76763
0.11851
Intersep
48.61271



Parsial F1 = (β1 : Sβ1)2 = (1.02892 : 0.50177)2 = 4.205
Sβ2  = β2 :    = 10.45104 :    = 9.13111
Parsial F3 = (β3 : Sβ3)2 = (-0.53744 : 23.23004)2 = 0.0005
Sβ4  = β4 :    = 0.43733 :    = 0.71320
Parsial F5 = (β5 : Sβ5)2 = (-3.70682 : 10.76763)2 = 0.11851

X1 = Umur
X2 = IMT
X3 = RKK
X4 = Umur*RKK
X5 = IMT*RKK
Persamaan garis:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5
    = 48.61271 + 1.02892 X1 + 10.45104 X2 + -0.53744 X3 + 0.43733 X4 + -3.70682 X5
    = 48.61271 + 1.02892 Umur + 10.45104 IMT  - 0.53744 RKK + 0.43733 Umur*RKK
      - 3.70682 IMT*RKK
Kesimpulan:
Penambahan variabel X1 dan X2 kedalam model bermakna karena Parsial F > Ftabel(1), dengan kata lain perlu menambahkan variabel tersebut kedalam model regresi. Sedangkan variabel selain itu tidak perlu ditambahkan kedalam model regresi sehingga model regresi akhir adalah sebagai berikut:
Y = β0 + β1X1
Y = 48.61271 + 1.02892 Umur

Tidak ada komentar:

Posting Komentar