1.
lakukan
uji kualitas garis lurus dan hipotesa slope dan intersep (gunakan rumus-rumus
yang sudah diberikan dan kerjakan di laboratorium computer)
Jawaban
:
Coefficientsa
|
||||||||||||
Model
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
||||||||
B
|
Std. Error
|
Beta
|
||||||||||
1
|
(Constant)
|
48.737
|
23.494
|
|
2.074
|
.048
|
||||||
IMT
|
4.319
|
1.070
|
.628
|
4.035
|
.000
|
|||||||
a.
Dependent Variable: GPP
|
|
|
|
|
Persamaan garis :
GPP = 48.737 +
4.319 IMT
Langkah pembuktian hipotesa :
a) Asumsinya : bahwa model persamaan garis lurus beserta asumsinya berlaku;
b) Hipotesa : Ho : β1 =
0
Ha : β1 ≠ 0
c) Uji Statistik :
d) Distribusi Statistik : bila
asumsi terpenuhi dan Ho diterima maka uji t digunakan dengan derajat kebebasan
n-1
e) Pengambilan keputusan Ho ditolak bila t-hitung lebih besar
dari t-tabel; α = 0,05 = 2.05553
f) Perhitungan statistik : dari komputer out put diperoleh besaran nilai β1
= 4.319 dan Sβ1 = 1.070
g) Keputusan Statistik :
Nilai t- hitung = 4.035 > t-tabel = 2,05553
Kita menolak Hipotesa nol
h) Kesimpulan : Slop garis regresi tidak sama dengan 0 maka garis regresi
antara IMT dan GPP adalah Linier
1.
data
berat badan dan kadar glukosa darah orang dewasa sebagai berikut
Jawaban:
Langkah pembuktian hipotesa :
a) Asumsinya : bahwa model persamaan garis lurus beserta asumsinya berlaku;
b) Hipotesa : Ho : β1 =
0
Ha : β1 ≠ 0
c) Uji Statistik :
d) Distribusi Statistik : bila
asumsi terpenuhi dan Ho diterima maka uji t digunakan dengan derajat kebebasan
n-1
e) Pengambilan keputusan Ho ditolak bila t-hitung lebih besar
dari t-tabel; α = 0,05 = 2.13145
f) Perhitungan statistik : dari komputer out put diperoleh besaran nilai β1
= 460 dan Sβ1 = 222
g) Keputusan Statistik :
Nilai t- hitung = 2.070 > t-tabel = 2.13145
Kita menolak Hipotesa nol
h) Kesimpulan : Slop garis regresi tidak sama dengan 0 maka garis regresi
antara BB dan Glukosa adalah Linier
1.
latihan
3
1. jelaskan
asumsi-asumsi tentang analisa regresi sederhana bila kita ingin sederhana bila
kita ingin membuat inferensi tentang populasi dari data yang kita punyai
jawaban :
Dalam
analisa regresi beberapa asumsi harus terpenuhi untuk mendapatkan model garis
lurus yang sebenarnya seperti dibawah ini:
a)
Eksistensi
untuk setiap nilai dari variabel X, dan Y adalah random variabel yang mempunyai
nilai rata-rata dan varians tertentu. Notasi untuk populasi.
b)
Nilai-nilai Y adalah
independen satu sama lain, artinya suatu nilai Y tidak dipengaruhi oleh nilai Y
lain.
c)
Linearity berarti nilai rata-rata Y, adalah fungsi garis lurus X, dengan demikian
= β0 + β1x. Persamaan
garis lurus itu dapat ditulis Y = β0 + β1X+E, Dimana E
adalah Eror yang merupakan random variabel dengan nilai rata-rata 0 untuk
setiap nilai X (yaitu untuk setiap nilai
X). Dengan demikian nilai Y adalah jumlah dari β0+
β1X dan E(random Variabel), dan karena nilai E = 0.
d)
Homoscedasticity artinya varians Y adalah sama untuk setiap nilai
X (homo artinya sama ; scedastic artinya “menyebar” = scattered).
e)
Distribusi normal
artinya untuk setiap nilai X, nilai Y berdistribusi normal.
2. mengapa
persamaan regresi disebut the last square equation
The
least square equation merupakan tehnik dalam menentukan garis lurus yang
terbaik. Tehnik 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.
3. jelaskan
tentang β0 pada persamaan regresi
β0 adalah nilai Y bila nilai X=0
4. jelaskan
tentang β1 pada persamaan regresi
β1
adalah setiap kenaikan 1 unit X maka nilai Y akan bertambah (meningkat) sebesar
β1. Sebaliknya,bila β1 negatif (-β1) maka
kenaikan 1 unit X maka nilai Y akan menurun sebesar β1.