Selasa, 22 November 2016

Tugas Temu 8



1.    Lakukan prediksi CHOL dengan variabel independen TRIG, UMUR dan UMUR2

Model 1 : CHOL = β₀ + β₁TRIG
Coefficient
Standar Error
Partial F
β₀ = 203.123

1.850
β₁ = 0.127
.093


Estimasi model 1 : CHOL = 203.123 + 0.127 TRIG
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
1181.676
1181.676
1.850
.041
Residual
43
27464.768
638.716


Total
44
28646.444




Model 2 : CHOL = β₀ + β₂UM+E
Coefficient
Standar Error
Partial F
β₀ = 204.048

1.007
β₁ = 0.445
.0444


Estimasi model : CHOL = 204.048 + 0.445 UM
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
655.625
655.625
1.007
.023
Residual
43
27990.819
650.949


Total
44
28646.444




Model 3: CHOL = β₀ + β₃(UM)²+E
Coefficient
Standar Error
Partial F
β₀ = 217.420

0.603
β₁ = .003
.004




Estimasi model : CHOL = 217.420+ .003 (UM)²
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
396.227
396.277
0.603
.014
Residual
43
28250.217
656.982


Total
44
28646.444




Model 4: CHOL = β₀ + β₁ TRIG + β₂UM+E
Coefficient
Standar Error
Partial F
β₀ = 192.155

1.110
β₁ = 0.108
.098

β₂ = 0.292
.464



Estimasi model : CHOL = 192.155+ 0.108+0.292UM
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
1437.719
718.860
1.110
.050
Residual
43
27208.725
647.827


Total
44
28646.444




Model 5: CHOL = β₀ + β₁TRIG+β₃(UM)²+E
Coefficient
Standar Error
Partial F
β₀ = 200.525

.992
β₁ = .115
.098

β₃ = .002
.005


Estimasi model : CHOL = 200.525+.115+.002 (UM)²



ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
2
1292.618
644.309
.992
.045
Residual
42
27353.826
651.282


Total
44
28646.444




Model 6: CHOL = β₀ + β₁TRIG+β₂ UM+β₃(UM)²+E
Coefficient
Standar Error
Partial F
β₀ = -21.969

2.274
β₁ = .079
.095

β₂ = 9.220
4.269

β₃ = -.088
.042


Estimasi model : CHOL = -21.969+.079+9.220 - .088 (UM)²
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
3
4086.344
1362.115
2.274
.143
Residual
41
24560.100
599.027


Total
44
28646.444




Kita lakukan uji parsial F
ANOVA tabel untuk CHOL dengan TRIG, UM, UMSQ
Sumber
df
SS
MS
F
            X1
Regresi X2|X3
             X3|X1,X2
1
1
1
1181.676
256.043
2648.625
1181.676
256.043
2648.625
1.972
0.427
4.421*
0.142
Residual
41
24560.100
599.027


Total
44
28646.444



*P<0,05



Berikut ringkasan tabel analisis yang dapat membantu kita dalam pemilihan model estimasi yang terbaik.

No
Model Estimasi
F
1
Y = 203.123 + 0.127 TRIG
               (.093)
1.850
.041
2
Y = 204.048 + 0.445 UM
               (.0444)
1.007
.023
3
Y = 217.420+ .003 (UM)²
               (.004)*
.603
.014
4
Y = 192.155+ 0.108+0.292UM
        (.098)        (.464) 
1.110
.050
5
Y = 200.525+.115+.002 (UM)²
          (.098) (.005)
.992
.045
6
Y = -21.969+.079+9.220 - .088 (UM)²
        (.095) (4.269)* (.042)*
2.274
.143
*bermakna p<0,05

Uji F= (1181.676/1)/ (256,043+2648,625+24560.100/41)= 1,764
(F tabel = 4,08) Hasil data p>0,05=tidak signifikan
Dari ke enam model estimasi terlihat bahwa variable trigliserida secara konsisten tidak berpengaruh terhadap cholesterol (p<0,05). pada model estimasi 1 tampak nilai r² sebesar 0,041 dan bila dibandingkan dengan model estimasi 4,5 yang nilai naik atau turunnya tidak signifikan dengan jumlah yang tidak berarti. namun kenaikan cukup signifikan bisa dilihat di model ke 6 dari 0,041 di model 1 naik sampai 2,274 di model ke-6.
Dengan demikian kita bisa berkesimpulan variable trigliserida tidak memiliki pengaruh berarti pada peningkatan kadar cholesterol, namun pada model ke enam dimana penambahan variable um dan umsq mampu menjelaskan variasi cholesterol dan perlu ditambahkan ke dalam model. model akhir yaitu :
Y=-21,969 + 0,079 TRIG + 9,220 UM + -0,088 UMSQ
.


2.    Lakukan prediksi BB dengan variabel independen TB, BTL, dan AK
Model 1 : BB= β₀ + β₁TB
Coefficient
Standar Error
Partial F
β₀ = -2.492

2.327
β₁ = .441
.289


Estimasi model 1 : BB = -2.492 + .441 TB
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
326.204
326.204
2.327
.143
Residual
14
1962.751
140.196


Total
15
2288.954




Model 2 : BB = β₀ + β₂BTL+E
Coefficient
Standar Error
Partial F
β₀ = -4.303

117.411
β₁ = 1.554
.143


Estimasi model : BB= -4.303+ 1.554 BTL
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
2045.099
2045.099
117.411
.893
Residual
14
243.855
17.418


Total
15
2288.954




Model 3: BB= β₀ + β₃AK+E
Coefficient
Standar Error
Partial F
β₀ = 52.517

8.620
β₁ = .013
.004


Estimasi model : BB = 52.517 + .013 AKL
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
1
872.301
872.301
8.620
.381
Residual
14
1216.653
101.190


Total
15
2288.954




Model 4: BB= β₀ + β₁ TB + β₂BTL+E
Coefficient
Standar Error
Partial F
β₀ = -27.527

165.499
β₁ = .155
.101

β₂ = 1.496
.142



Estimasi model : BB= -27.527+ .155+.1496BTL
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
2
2082.309
1041.154
165.499
.910
Residual
13
206.645
15.896


Total
15
2288.954




Model 5: BB = β₀ + β₁TB+β₃AK+E
Coefficient
Standar Error
Partial F
β₀ = -31.333

8.185
β₁ = .492
.216

β₃ = .014
.004


Estimasi model : BB = -31.333+.492+.014 AK

ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
2
1275.821
637.911
8.185
.557
Residual
13
1013.133
77.933


Total
15
2288.954




Model 6: BB= β₀ + β₁TB+β₂ BTL+β₃AK+E
Coefficient
Standar Error
Partial F
β₀ = -33.412

61.141
β₁ = .210
.090

β₂ = 1.291
.150

β₃ = .004
.002


Estimasi model : BB = -33.412+.210+1.291 + .004  
ANOVA TABEL
Sumber
df
SS
MS
F
r2
Regresi
3
2148.400
716.133
61.141
.939
Residual
12
140.554
11.713


Total
15
2288.954




Kita lakukan uji parsial F
ANOVA tabel untuk CHOL dengan TRIG, UM, UMSQ
Sumber
df
SS
MS
F
            X1
Regresi X2|X3
           X3|X1,X2
1
1
1
326.204
1756.105
66.091
326.204
1756.105
66.091
29.195
157.17
5.915
0.142
Residual
41
140.554
11.173


Total
44
2288.954



*P<0.05




Ringkasan Table analisis yang bisa memantu memilih model estimasi terbaik :
No.
Model Estimasi
F
1
Y= -2,492 + 0,441 TB
            (.289)
2.327
0,014
2
Y= -4,303 + 1,554 BTL
              (.143)
117.411
0,893
3
Y=52,217 + 0,013 AK
               (.004)*
8.620
0,381
4
Y=-27,527 + 0,155 TB + 1,496 BTL
              (.101) (.142)
65.499
0,909
5
Y= -31,333 + 0,492 TB + 0,014 AK
             (.216) (.004)
8.185
0,557
6
Y= -33,412 + 0,210 TB + 1,291 BTL + 0,004 AK
              (.090) (.150)  (.002)
61.141
0,938
*bermakna p<0,05

Uji F= (326,204/1)/ (1756,105+66,091+140,554/14)= 2,326
(F tabel = 4,60) Hasil data p>0,05=tidak signifikan
Dari keenam model estimasi terlihat bahwa variable tinggi badan secara konsisten tidak berpengaruh terhadap berat badan (p<0,05). pada model estimasi 1 tampak nilai r² sebesar 0,014 dan bila dibandingkan dengan model estimasi lainnya (2,3,4,5,6) mengalami kenailam yang signifikan dengan jumlah yang cukup berarti, Hingga di model ke 6 mencapai 0,938 dari 0,014 di model 1.  
dengan demikian kita bisa berkesimpulan variable tinggi badan tidak memiliki pengaruh berarti pada peningkatan berat badan, namun pada model ke enam dimana penambahan variable berat tanpa lemak dan asupan kalori mampu menjelaskan variasi berat badan dan perlu ditambahkan ke dalam model. model akhir yaitu : 
Y= -33,412 + 0,210 TB + 1,291 BTL + 0,004AK










Tidak ada komentar:

Posting Komentar