analisis regresi #1

LAPORAN UTSANALISIS REGRESI TERAPAN

.

10/297716/PA/13065

Asisten Praktikum:

Dosen Pengampu:

PRODI STATISTIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS GADJAH MADAYOGYAKARTA

2012

PERMASALAHAN

1. Seorang peneliti ingin mengetahui faktor–faktor yang mempengaruhi berat badan balita

di puskesmas Sidoharjo Kabupaten Sragen. Untuk itu dipilih 40 balita secara random.

Data hasil penelitian disajikan pada table berikut dengan variabel dependen berat

badan anak dan variabel independen berat badan lahir,umur, jenis kelamin, pekerjaan

ibu dan status gizi

BB_ANAK BB_LAHIR UMUR JK PEKERJAAN_IBU STATUS_GIZI

4.8 2.7 3 PEREMPUAN TAK_KERJA BAIK

4.5 2.1 4 LAKI-LAKI KERJA KURANG


10.2 3.8 18 LAKI-LAKI KERJA BAIK



10.1 3.7 15 PEREMPUAN KERJA BAIK

9.9 2.6 22 PEREMPUAN TAK_KERJA KURANG



15.8 4 46 PEREMPUAN TAK_KERJA BAIK

15.2 3.4 43 LAKI-LAKI TAK_KERJA BAIK



10.1 3.9 24 LAKI-LAKI KERJA KURANG









16 3.8 49 LAKI-LAKI TAK_KERJA BAIK






9 2.8 17 LAKI-LAKI TAK_KERJA KURANG

13 3.9 27 LAKI-LAKI TAK_KERJA BAIK





10 3 26 PEREMPUAN TAK_KERJA KURANG





Lakukan analisis regresi untuk data tersebut dengan kriteria

a. Jenis Kelamin

Reference category : perempuan

b. Pekerjaan ibu

Reference category : tak kerja

c. Status gizi

Reference category : kurang

Lakukan prediksi berat badan seorang anak laki-laki berusia 30 bulan yang memiliki ibu

yang bekerja, jika berat badan lahirnya sebesar 3,5 kg dan status gizinya baik.

2. Ingin diketahui faktor-faktor apa saja yang mempengaruhi kadar kolesterol total

seorang pasien. Diberikan data 214 pasien Balai Laboratorium Kesehatan dari bulan

Januari-Februari 2011.

a. Analisis apakah yang harus digunakan?

b. Lakukan analisis tersebut (ujilah asumsinya terlebih dahulu)

c. Cari model terbaiknya dan interpretasikanlah

d. Lakukan analisis residual terhadap model terbaik tersebut

Data: kolesterol

3. Sertakan kritik dan saran untuk praktikum Anareg ini.

PEMBAHASAN

1. Sebelum melakukan uji regresi, asumsi yang harus dipenuhi adalah normalitas dan linearitas data. Untuk itu dilakukan uji normalitas dan linearitas terlebih dahulu.

o Uji Normalitas

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

BB_Anak .104 40 .200* .981 40 .712

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Uji Hipotesis

o H0: data berdistribusi normal

H1: data tidak berdistribusi normal

o Tingkat signifikansi: α= 0.05

o Statistik Uji

p-value= 0.712

o Daerah kritis

H0 ditolak jika p-value < α

o Kesimpulan

Karena p-value > α maka H0 tidak ditolak, maka data berdistribusi normal

o Uji Linearitas

ANOVA Table

Sum of

Squares df Mean Square F Sig.

BB_Anak *

BB_Lahir

Between Groups (Combined) 193.767 18 10.765 1.101 .412

Linearity 59.844 1 59.844 6.121 .022

Deviation from

Linearity

133.923 17 7.878 .806 .671

Within Groups 205.312 21 9.777

Total 399.079 39

Uji Hipotesis

o H0: µ=0(tidak ada hubungan linear)

H1: µ≠0(ada hubungan linear)


o Statistik Uji

p-value= 0.022

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, maka ada hubungan linear antara variabel BB_Anak

dengan BB_Lahir

ANOVA Table

Sum of


BB_Anak *

Umur

Between Groups (Combined) 385.404 32 12.044 6.165 .009

Linearity 339.468 1 339.468 173.768 .000

Deviation from Linearity 45.936 31 1.482 .759 .725


Total 399.079 39

Uji Hipotesis




o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, maka ada hubungan linear antara variabel BB_Anak

dengan Umur

ANOVA Tablea

Sum of


BB_Anak * JK Between Groups (Combined) 15.811 1 15.811 1.568 .218

Within Groups 383.268 38 10.086

Total 399.079 39

a. With fewer than three groups, linearity measures for BB_Anak * JK cannot be computed.

ANOVA Tablea

Sum of


BB_Anak *

pekerjaan_ibu

Between Groups (Combined) 3.134 1 3.134 .301 .587

Within Groups 395.945 38 10.420

Total 399.079 39

a. With fewer than three groups, linearity measures for BB_Anak * pekerjaan_ibu cannot be computed.

ANOVA Tablea

Sum of

Squares df

Mean

Square F Sig.

BB_Anak *

status_gizi

Between

Groups

(Combined) 69.160 1 69.160 7.966 .008


Total 399.079 39

a. With fewer than three groups, linearity measures for BB_Anak * status_gizi cannot be computed.

*Antara variabel BB_Anak dengan variabel JK, pekerjaan_ibu, dan status_gizi tidak terdapat

p-value linearitasnya, karena variabel JK(Jenis Kelamin), pekerjaan_ibu, dan status_gizi

fungsi numeriknya hanya berupa pengkodean, yang aslinya merupakan data kategorik.

Dari grafik di atas, terlihat bahwa ada hubungan linear positif antara variabel dependen

dengan variabel-variabel independennya.

Uji Regresi 1

Variables Entered/Removed

Model

Variables

Entered

Variables

Removed Method

1 D3, D1, D2,

Umur, BB_Lahira

. Enter

a. All requested variables entered.

Tabel di atas menunjukkan variabel independen D3, D1, D2, Umur, BB_Lahir

dimasukkan dengan metode Enter(dimasukkan secara serentak)Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .961a .923 .912 .94818

a. Predictors: (Constant), D3, D1, D2, Umur, BB_Lahir

Nilai koefisien korelasi R = 0.961, yang menunjukkan derajat hubungan linear positif

yang erat antara variabel dependen Y dan variabel-variabel independennya(hal ini

memperkuat asumsi linearitas pada grafik tadi). Koefisien determinasi sederhana

Rsquare = 0.923, yang menunjukkan bahwa 92.3% variasi dalam variabel

Y(BB_Anak) dapat diterangkan oleh variabel D3, D1, D2, Umur, dan BB_Lahir,

sisanya disebabkan faktor lain yang belum bisa dijelaskan. Koreksi terhadap Rsquare

= adjusted Rsquare sebesar 91.2%, standard error of estimate (S) mengukur besarnya

variasi model regresi sebesar 0.94818

Uji Overall

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 368.511 5 73.702 81.978 .000a

Residual 30.568 34 .899

Total 399.079 39

a. Predictors: (Constant), D3, D1, D2, Umur, BB_Lahir

b. Dependent Variable: BB_AnakUji Hipotesis

o H0: Semua βi=0

H1: Tidak semua βi=0


o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, maka tidak semua βi=0, berarti paling tidak ada 1 dari

variabel independen yang mempengaruhi Y.

Uji Parsial

Coefficientsa

Model

Unstandardized Coefficients

Standardized

Coefficients

t Sig.B Std. Error Beta

1 (Constant) 2.349 .832 2.823 .008

BB_Lahir 1.036 .270 .201 3.835 .001

Umur .179 .011 .853 16.829 .000

D1 .222 .321 .034 .690 .495

D2 -.047 .315 -.007 -.149 .883

D3 1.022 .449 .123 2.274 .029

a. Dependent Variable: BB_Anak

Uji Hipotesis (Constant)

o H0: β0=0 (constant tidak masuk model secara signifikan)

H1: β0≠0 (constant masuk model secara signifikan)


o Statistik Uji

p-value= 0.008

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga constant layak masuk model

Uji Hipotesis (BB_Lahir)

o H0: β1=0 (BB_Lahir tidak masuk model secara signifikan)

H1: β1≠0 (BB_Lahir masuk model secara signifikan)


o Statistik Uji

p-value= 0.001

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga BB_Lahir layak masuk model

Uji Hipotesis (Umur)

o H0: β2=0 (Umur tidak masuk model secara signifikan)

H1: β2≠0 (Umur masuk model secara signifikan)


o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga Umur layak masuk model

Uji Hipotesis (D1)

o H0: β3=0 (D1 tidak masuk model secara signifikan)

H1: β3≠0 (D1 masuk model secara signifikan)


o Statistik Uji

p-value= 0.495

o Daerah kritis


o Kesimpulan

Karena p-value > α maka H0 tidak ditolak, sehingga D1 tidak layak masuk model

Uji Hipotesis (D2)




o Statistik Uji

p-value= 0.883

o Daerah kritis


o Kesimpulan


Uji Hipotesis (D3)




o Statistik Uji

p-value= 0.029

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga D3 layak masuk model

Setelah dilakukan uji parsial, didapatkan bahwa variabel D1 dan D2 tidak layak masuk model(tidak signifikan), tetapi variabel D2 lah yang paling tidak layak(p-value terbesar dengan 0.883), maka variabel D2 dikeluarkan terlebih dahulu.

Sehingga modelnya menjadi sebagai berikut:

Y=2.349+1.036 (BB Lahir )+0.179 (Umur )+0.222 (D 1 )−0.047 (D 2 )+1.022(D 3)

Uji Regresi II (tanpa D2)


Model

Variables

Entered

Variables

Removed Method

1 D3, D1, Umur,

BB_Lahira

. Enter


Tabel di atas menunjukkan variabel independen D3, D1, Umur, dan BB_Lahir dimasukkan

dengan metode Enter(dimasukkan secara serentak)

ANOVAb


1 Regression 368.491 4 92.123 105.412 .000a

Residual 30.588 35 .874

Total 399.079 39

a. Predictors: (Constant), D3, D1, Umur, BB_Lahir

b. Dependent Variable: BB_Anak

Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 2.324 .804 2.891 .007

BB_Lahir 1.040 .265 .202 3.919 .000

Umur .179 .010 .854 17.378 .000

D1 .213 .312 .033 .684 .498

D3 1.009 .434 .121 2.323 .026


Pada Uji Regresi kedua ini, fokus kita hanya pada variabel D1, karena pada uji regresi pertama pun

telah diketahui bahwa variabel D1 dan D2 tidak layak masuk model, tetapi variabel D2 dikeluarkan

terlebih dahulu karena dianggap variabel yang paling tidak layak masuk model(memiliki p-value

terbesar).

Setelah variabel D2 dikeluarkan, ternyata variabel D1 masih tidak layak masuk model(tidak

signifikan), sehingga memang perlu dikeluarkan dari model. Dengan uji hipotesis sebagai berikut.

Uji Hipotesis (D1)




o Statistik Uji

p-value= 0.498

o Daerah kritis


o Kesimpulan


Sehingga modelnya menjadi berikut ini:

Y=2.324+1.040 (BBLahir )+0.179 (Umur )+0.213 (D 1 )+1.009 (D3)

Uji Regresi III (tanpa D1 dan D2)


Model

Variables

Entered

Variables

Removed Method

1 D3, Umur,

BB_Lahira

. Enter


Tabel di atas menunjukkan variabel independen D3, Umur, dan BB_Lahir dimasukkan

dengan metode Enter(dimasukkan secara serentak)

Model Summary

Model R R Square

Adjusted R

Square

Std. Error of the

Estimate

1 .960a .922 .916 .92792

a. Predictors: (Constant), D3, Umur, BB_Lahir

Nilai koefisien korelasi R = 0.960, yang menunjukkan derajat hubungan linear positif

yang erat antara variabel dependen Y dan variabel-variabel independennya. Koefisien

determinasi sederhana Rsquare = 0.922, yang menunjukkan bahwa 92.2% variasi

dalam variabel Y(BB_Anak) dapat diterangkan oleh variabel D3, Umur, dan

BB_Lahir, sisanya disebabkan faktor lain yang belum bisa dijelaskan. Koreksi

terhadap Rsquare = adjusted Rsquare sebesar 91.6%, standard error of estimate (S)

mengukur besarnya variasi model regresi sebesar 0.92792

Uji OverallANOVAb


1 Regression 368.082 3 122.694 142.497 .000a

Residual 30.997 36 .861

Total 399.079 39

a. Predictors: (Constant), D3, Umur, BB_Lahir

b. Dependent Variable: BB_Anak

Uji Hipotesis

o H0: Semua βi=0



o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan



Uji Parsial

Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 2.302 .797 2.887 .007

BB_Lahir 1.074 .259 .209 4.155 .000

Umur .180 .010 .860 17.849 .000

D3 .969 .427 .117 2.268 .029






o Statistik Uji

p-value= 0.007

o Daerah kritis


o Kesimpulan


Uji Hipotesis (BB_Lahir)

o H0: β1=0 (BB_Lahir tidak masuk model secara signifikan)

H1: β1≠0 (BB_Lahir masuk model secara signifikan)


o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga BB_Lahir layak masuk model

Uji Hipotesis (Umur)




o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga Umur layak masuk model

Uji Hipotesis (D3)




o Statistik Uji

p-value= 0.029

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga D3 layak masuk model

Karena semua variabel independen telah layak masuk model, maka model yang terbentuk adalah:

Y=2.302+1.074 (BBLahir )+0.18(Umur )+0.969(D3)

Pertanyaan

Lakukan prediksi berat badan seorang anak laki-laki berusia 30 bulan yang memiliki ibu

yang bekerja, jika berat badan lahirnya sebesar 3,5 kg dan status gizinya baik.

o Jika kita memakai model yang terakhir, dimana variabel D1(Jenis Kelamin) dan D2(status pekerjaan ibu) tidak diikutsertakan karena tidak signifikan, maka prediksi berat badannya adalah:

Berat Badan=2.302+1.074 (3.5 )+0.18 (30 )+0.969 (1 )=12.43 kg

o Jika kita memakai model yang pertama, dimana semua variabel independen masih diikutsertakan, maka prediksi berat badannya adalah:

Berat Badan=2.349+1.036 (3.5 )+0.179 (30 )+0.222 (1 )−0.047 (1 )+1.022 (1 )=12.542 kg

2. a) Analisis yang digunakan adalah analisis regresi, dengan variabel dependen: kadar kolesterol total

variabel independen: umur, gula darah puasa, HDL kolestrol, LDL kolestrol, dan Trygliceride

b) Sebelum melakukan uji regresi, asumsi yang harus dipenuhi adalah normalitas dan linearitas data.

o Uji Normalitas

Tests of Normality



kolestrol_total .059 214 .068 .979 214 .002


Uji Hipotesis

o H0: data berdistribusi normal

H1: data tidak berdistribusi normal


o Statistik Uji

p-value= 0.068(menggunakan uji Kolmogorov-Smirnov karena n>50)

o Daerah kritis


o Kesimpulan

Karena p-value > α maka H0 tidak ditolak, maka data berdistribusi normal

o Uji Linearitas

kolestrol_total vs umur

Uji Hipotesis




o Statistik Uji

p-value= 0.047

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, maka ada hubungan linear antara variabel

kolestrol_total dengan umur

Kolestrol_total vs gula_darah_puasa

Uji Hipotesis




o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan


kolestrol_total dengan gula_darah_puasa

kolestrol_total vs HDL_kolestrol

Uji Hipotesis




o Statistik Uji

p-value= 0.001

o Daerah kritis


o Kesimpulan


kolestrol_total dengan HDL_kolestrol

kolestrol_total vs LDL_kolestrol

Uji Hipotesis




o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan


kolestrol_total dengan LDL_kolestrol

kolestrol_total vs Trygliceride

Uji Hipotesis




o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan


kolestrol_total dengan Trygliceride

Uji Regresi I

Uji Overall

ANOVAb


1 Regression 510277.132 5 102055.426 727.691 .000a

Residual 29171.078 208 140.246

Total 539448.210 213

a. Predictors: (Constant), Trygliceride, LDL_kolestrol, umur, HDL_kolestrol, gula_darah_puasa

b. Dependent Variable: kolestrol_total

Uji Hipotesis

o H0: Semua βi=0



o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan



Uji Parsial

Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 36.264 4.882 7.428 .000

umur .008 .068 .002 .111 .912

gula_darah_puasa -.007 .012 -.011 -.633 .527

HDL_kolestrol .345 .049 .120 7.055 .000

LDL_kolestrol .976 .019 .893 52.199 .000

Trygliceride .160 .008 .328 19.409 .000

a. Dependent Variable: kolestrol_total





o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan


Uji Hipotesis (umur)

o H0: β1=0 (umur tidak masuk model secara signifikan)

H1: β1≠0 (umur masuk model secara signifikan)


o Statistik Uji

p-value= 0.912

o Daerah kritis


o Kesimpulan

Karena p-value > α maka H0 tidak ditolak, sehingga umur tidak layak masuk model

Uji Hipotesis (gula_darah_puasa)

o H0: β2=0 (gula_darah_puasa tidak masuk model secara signifikan)

H1: β2≠0 (gula_darah_puasa masuk model secara signifikan)


o Statistik Uji

p-value= 0.527

o Daerah kritis


o Kesimpulan

Karena p-value > α maka H0 tidak ditolak, sehingga gula_darah_puasa tidak layak masuk

model

Uji Hipotesis (HDL_kolestrol)

o H0: β3=0 (HDL_kolestrol tidak masuk model secara signifikan)

H1: β3≠0 (HDL_kolestrol masuk model secara signifikan)


o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga HDL_kolestrol layak masuk model

Uji Hipotesis (LDL_kolestrol)

o H0: β4=0 (LDL_kolestrol tidak masuk model secara signifikan)

H1: β4≠0 (LDL_kolestrol masuk model secara signifikan)


o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga LDL_kolestrol layak masuk model

Uji Hipotesis (Trygliceride)

o H0: β5=0 (Trygliceride tidak masuk model secara signifikan)

H1: β5≠0 (Trygliceride masuk model secara signifikan)


o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, sehingga Trygliceride layak masuk model

Setelah dilakukan uji parsial, didapatkan bahwa variabel umur dan gula_darah_puasa tidak layak masuk model(tidak signifikan), tetapi variabel umur-lah yang paling tidak layak(p-value terbesar dengan 0.912), maka variabel umur dikeluarkan terlebih dahulu.

Sehingga modelnya menjadi sebagai berikut:

Y=36.264+0 .008 (umur )−0 .007 (gula¿)+0 .345 (HDLkolestrol )+0 .976 (LDLkolestrol )+0.16(Trygliceride)

Uji Regresi II (tanpa umur)

ANOVAb


1 Regression 510275.398 4 127568.849 913.929 .000a

Residual 29172.813 209 139.583

Total 539448.210 213

a. Predictors: (Constant), Trygliceride, LDL_kolestrol, gula_darah_puasa, HDL_kolestrol


Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 36.641 3.510 10.439 .000

gula_darah_puasa -.007 .011 -.011 -.626 .532

HDL_kolestrol .345 .049 .120 7.090 .000

LDL_kolestrol .976 .018 .893 52.816 .000

Trygliceride .160 .008 .328 19.455 .000


Pada Uji Regresi kedua ini, fokus kita hanya pada variabel gula_darah_puasa, karena pada uji

regresi pertama pun telah diketahui bahwa variabel umur dan gula_darah_puasa tidak layak masuk

model, tetapi variabel umur dikeluarkan terlebih dahulu karena dianggap variabel yang paling tidak

layak masuk model(memiliki p-value terbesar).

Setelah variabel umur dikeluarkan, ternyata variabel gula_darah_puasa masih tidak layak masuk

model(tidak signifikan), sehingga memang perlu dikeluarkan dari model. Dengan uji hipotesis

sebagai berikut.

Uji Hipotesis (gula_darah_puasa)

o H0: β1=0 (gula_darah_puasa tidak masuk model secara signifikan)

H1: β1≠0 (gula_darah_puasa masuk model secara signifikan)


o Statistik Uji

p-value= 0.532

o Daerah kritis


o Kesimpulan

Karena p-value > α maka H0 tidak ditolak, sehingga gula_darah_puasa tidak layak masuk

model

Sehingga, modelnya menjadi:

Y=36.641−0.007 (gula¿)+0 .345 (HDLkolestrol )+0 .976 (LDLkolestrol )+0.16(Trygliceride )

Uji Regresi III (tanpa umur dan gula_darah_puasa)

Uji Overall

ANOVAb


1 Regression 510220.670 3 170073.557 1221.979 .000a

Residual 29227.540 210 139.179

Total 539448.210 213

a. Predictors: (Constant), Trygliceride, LDL_kolestrol, HDL_kolestrol


Uji Hipotesis

o H0: Semua βi=0



o Statistik Uji

p-value= 0.000

o Daerah kritis


o Kesimpulan



Uji Parsial

Coefficientsa

Model


Standardized

Coefficients


1 (Constant) 36.405 3.485 10.447 .000

HDL_kolestrol .342 .048 .119 7.073 .000

LDL_kolestrol .973 .018 .891 54.301 .000

Trygliceride .159 .008 .326 19.693 .000


Uji Hipotesis (Constant dan semua variabel independen)

o H0: Semua βi=0 (variabel tidak masuk model secara signifikan)

H1: Semua βi≠0 (variabel masuk model secara signifikan)


o Statistik Uji

p-value Constant = 0.000p-value HDL_kolestrol =0.000p-value LDL_kolestrol =0.000p-value Trygliceride =0.000

o Daerah kritis


o Kesimpulan

Karena semua p-value < α maka H0 ditolak untuk semua p-value, sehingga semua

variabel(Constant, HDL_kolestrol, LDL_kolestrol, Trygliceride) layak masuk model

Sehingga, modelnya menjadi:

Y=36.405+0 .342 (HDLkolestrol )+0 .973 (LDLkolestrol )+0.159(Trygliceride)

c) . Mencari model yang terbaik(model regresi yang didapatkan pada analisis terakhir belum tentu merupakan model regresi terbaik).

Telah didapat 3 model persamaan regresi sbb:

Model I (lengkap; constant+semua variabel independen)Y=36.264+0 .008 (umur )−0.007 (gula¿ )+0.345 (HDLkolestrol )+0 .976 (LDLkolestrol )+0.16(Trygliceride)

Model II (tanpa variabel umur)

Y=36.641−0.007 (gula¿)+0 .345 (HDLkolestrol )+0 .976 (LDLkolestrol )+0.16(Trygliceride )

Model III (tanpa variabel umur dan gula_darah_puasa)

Y=36.405+0 .342 (HDLkolestrol )+0 .973 (LDLkolestrol )+0.159(Trygliceride)

Kriteria-kriteria untuk membandingkan model terbaik itu adalah:

KRITERIA KETERANGAN

Koefisien Determinasi (R2) Besar

Standart Error of Estimate (s2) Kecil

Adjusted R2 Besar

Statistic PRESS Kecil

Cp Mallow’s ≤ parameter

AIC Kecil

BIC/SBC Kecil

MODEL IVariabel Dependen (Y): kolestrol_total

Variabel Independen (X): umur, gula_darah_puasa, HDL_kolestrol, LDL_kolestrol, Trygliceride

Descriptive Statistics

N Sum

PRESS1 214 71055.11

Valid N (listwise) 214

Ringkasan Kriteria :KRITERIA KETERANGAN

Koefisien Determinasi (R2) 0,946Standart Error of Estimate (s2) 11,843Adjusted R2 0,945Statistic PRESS 71055,11Cp Mallow’s 6AIC 1063,801BIC/SBC 1083,997

MODEL IIVariabel Dependen (Y): kolestrol_total

Variabel Independen (X): gula_darah_puasa, HDL_kolestrol, LDL_kolestrol, Trygliceride


N Sum

PRESS2 214 70745.41


Ringkasan Kriteria :KRITERIA KETERANGAN


MODEL III

Variabel Dependen (Y): kolestrol_total Variabel Independen (X): HDL_kolestrol, LDL_kolestrol, Trygliceride


N Sum

PRESS3 214 69764.22


Ringkasan Kriteria:KRITERIA KETERANGAN


PERBANDINGAN MODEL REGRESI BERDASARKAN KRITERIA PEMILIHAN MODEL TERBAIK

KRITERIA MODEL 1 MODEL 2 MODEL 3 KET. BAIK

Koefisien Determinasi (R2) 0,946 0,946 0,946 Besar

Std Error of Estimate (s2) 11,843 11,815 11,797 Kecil

Adjusted R2 0,945 0,945 0,945 Besar

Statistic PRESS 71055,11 70745,41 69764,22 Kecil

Cp Mallow’s 6 5 4 ≤ P

AIC 1,063,801 1,061,814 1,060,215 Kecil

BIC/SBC 1,083,997 1,078,643 1,073,679 Kecil

o Pada Koefisien Determinasi(R2), semua model seimbang, yakni 0.946

o Pada Std Error of Estimate (s2), kriteria baiknya adalah yang kecil, s2 terkecil ada pada

MODEL 3, yakni 11.797

o Pada Adjusted R2 semua model seimbang, yakni 0.945

o Pada Statistic PRESS, kriteria baiknya adalah yang kecil, Statistic PRESS terkecil ada pada

MODEL 3, yakni 69764.22

o Pada Cp Mallow’s, semua variabel seimbang, karena semua nilai Cp Mallow’s nya sama

dengan jumlah parameter(variabel)nya.

o Pada AIC, kriteria baiknya adalah yang kecil, dan AIC terkecil ada pada MODEL 3

o Pada BIC/SBC, kriteria baiknya adalah yang kecil, dan BIC/SBC terkecil ada pada MODEL 3

Jadi jelas, model terbaik adalah MODEL 3(model regresi terakhir).

kolestroltotal=36.405+0.342 (HDLkolestrol )+0 .973 ( LDLkolestrol )+0.159(Trygliceride)

“Setiap kenaikan 1 satuan HDL_kolesterol akan menambah 0,342 satuan kolesterol_total dengan menganggap variabel lain konstan/tetap.”

d) Sebelum melakukan Analisis Residual, ada 3 asumsi yang harus dipenuhi, yaitu: residual

berdistribusi normal, nilai ekspektasi residual sama dengan 0, dan variansi residual konstan.

o Uji Normalitas Residual

Tests of Normality



Unstandardized Residual .136 214 .000 .750 214 .000


Uji Hipotesis

o H0: Residual berdistribusi normal

H1: Residual tidak berdistribusi normal


o Statistik Uji

p-value= 0.000(menggunakan uji Kolmogorov-Smirnov karena n>50)

o Daerah kritis


o Kesimpulan

Karena p-value < α maka H0 ditolak, maka residual tidak berdistribusi normal

o Nilai ekspektasi dan variansi residual

Plot sederhana antara residual dengan nilai penduga sangat bermanfaat dalam mendeteksi apakah model telah sesuai dengan spesifikasi ataukah ada penyimpangan terhadap asumsi.

Plot residual yang ideal adalah plot yang menggambarkan titik-titik menyebar disekitar nol dengan penyimpangan tidak terlalu besar.

Output MODEL 3:

Terlihat titik-titiknya tidak menyebar disekitar nol dan penyimpangannya ada yang besar. Ini menandakan bahwa plot residualnya tidak ideal.

KESIMPULAN :

Memang Model 3 merupakan model regresi yang terbaik, tetapi asumsi untuk analisis residualnya tidak terpenuhi karena residualnya tidak berdistribusi normal dan plot residualnya tidak ideal. Oleh sebab itu tidak dilanjutkan dengan analisis residual.

3. Sebenarnya tidak ada kritik dan saran yang berarti, hanya sedikit komentar saja, para asprak sudah cukup baik dalam mengajar, sehingga saya menjadi cukup tertarik dengan pelajaran(praktikum) anaregter ini yang memang sangat berguna untuk kedepannya.

analisis regresi #1

Data & Analytics