Nama

NIM
Kelas
Mata Kuliah

: Lulu Raudatul H
: I-14134024
: Alih Jenis 7
: ADPG

Hari, tanggal : Jumat, 30 Mei 2014

Asisten Praktikum :
1. Rian Diana
2. Yulianto Kurniawan

UJI BEDA DAN REGRESI

1. Buka SPSS data Jabar
2. Namai variabel view ke 30 ener_pre
3. Namai variabel view ke 31 ener_post
Klik transform compute masukan kebutuhan energi post ke dalam numeric
expression +2000 target variable diisi ener_postOK
A. UJI BEDA
Dua grup T-test man whitney
Lebih dua grup annova kruskal wallis
a) T-test dependent (normal)
Pakai independent dua kelompok yang berbeda
Pakai pair ada pre test dan post test
b) Man whitney tidak normal., ada dua : 2 related test dan 2 indpendent test
SOAL
Apakah terdapat perbedaan antara IMT laki-laki dan perempuan?
1. Penyelesaian: Pakai independent t test.
Cara: analyze compare means independent sample t test test
variable: BMI; grouping variable: JK (B4k4) define groups grup 1= 1,
grup 2= 2 ok.
Hasil t Test:
Uji variansi : sig (kalau signifikan pakai yang bawah, kalau tidak signifikan
pakai yang atas). Kalau signifikan atau tidak sig 2 tailed : 0.000
signifikan.
Independent Samples Test
Levene's Test for
Equality of
Variances

F
BMI

Equal
variances
assumed
Equal
variances not
assumed

550.747

Sig.
.000

t-test for Equality of Means

df

Mean
Sig. (2- Differenc Std. Error
tailed)
e
Difference

95% Confidence
Interval of the
Difference
Lower

Upper

-31.317

22051

.000

-1.6223

.0518

-1.7238

-1.5208

-31.557

2.136E4

.000

-1.6223

.0514

-1.7231

-1.5215

Group Statistics

BMI

Jenis Kelamin

Mean

Std. Deviation

Std. Error Mean

Laki laki

10678

21.903

3.3368

.0323

Perempuan

11375

23.525

4.2663

.0400

T Test -> selain melihat perbedaan, liat juga mana yang lebih baik.
Tabel Group Statistic digunakan untuk melihat mana yang lebih baik.
Interpretasi: Terdapat perbedaan antara IMT laki-laki dan perempuan . IMT lakilaki lebih sehat karena rata-rata IMT nya 21.903 sedangkan IMT perempuan
23.525.
2. Penyelesaian: Pakai Mann Whitney
Cara: analyze non parametric test 2 independent sample test
variable: BMI; grouping variable: JK (B4k4) define groups grup 1=
1, grup 2=2 man whitney ok.
Hasil mann whitney:
Ranks

BMI

Jenis Kelamin

Laki laki

10678

Mean Rank
9700.21

Sum of Ranks
1.04E8

Perempuan

11375

12272.49

1.40E8

Total

22053

Test Statisticsa
BMI
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)

4.656E7
1.036E8
-29.987
.000

a. Grouping Variable: Jenis Kelamin

Asymp Sig. 2 tailed yang diliat p= 0.000 signifikan .

Interpretasi: Terdapat perbedaan antara IMT laki-laki dan perempuan.
SOAL
Apakah terdapat perbedaan antara energi sebelum dan sesudah intervensi
dilakukan?
1. Penyelesaian: pakai Paired sampel test.
Cara: analyze- compare means paired sample T Test pre : var 1; post
: var 2 -> ok.
Hasil Paired simple T test
Paired Samples Correlations
N
Pair 1

kebutuhan energi pre &

ener_postOK

22087

Correlation
.922

Sig.
.000

yang dibaca : sig (2 tailed) p= 0.000 signifikan

Paired Samples Test
Paired Differences

Std.
Std. Error
Deviation
Mean

Mean
Pair 1 kebutuhan energi
pre - ener_postOK

95% Confidence
Interval of the
Difference

5.39743E1 292.58661

Lower

Upper

1.96873 50.11543 57.83313

df

27.416

22086

Sig. (2tailed)
.000

Interpretasi: Terdapat perbedaan antara konsumsi energi sebelum dan sesudah

intervensi, lebih tinggi konsumsi energi sebelum sehinngga intervensi ini belum
efektif.
SOAL
Apakah IMT orang yang berpendidikan SD, SM, SMA dan PT berbeda?
Catatan tambahan:
wilcoxon independent
man whitney related (tidak normal)
Kruskal wallis tidak normal
ANOVA normal
Contoh: permen selama 6 minggu: minggu 1 ga dikasih minggu 3 minggu
ke 6
Uji beda dibandingkan perkelompok
Cara: analyze compare means one way annova dependent : BMI
(angka), faktor : Pendidikan klik Post Hoc LSD, Tukey, Duncan (lebih
akurat yang mana ini bebas).
Test of Homogeneity of Variances
BMI
Levene Statistic

df1

10.891

df2
6

Sig.

22046

.000

Tabel homogen homogen: <0.05 tidak homogen, > 0.05 homogen

ANOVA
BMI
Sum of Squares
Between Groups

df

Mean Square

2184.536

364.089

Within Groups

338217.401

22046

15.341

Total

340401.937

22052

F
23.732

Sig.
.000

Kalau Fhasil > Ftabel = signifikan, tolak Ho terima H1

Kotak anova Sig: <0.05 signifikan.
Interpretasi: Terdapat perbedaan antara tingkat pendidikan dengan BMI.
Lalu ke Uji lanjut (Post Hoc)karena data tidak homogen maka pakai Games
Howell, kalau homogen LSD duncan tukey dll.
Anova ada 2 syarat:
1. Normal
2. Variance nya harus sama.
Harus dilihat satu2. Kelompok tamat sd berbeda nyata dengan kelompok
dmp, sma dan pt.
Cara: analyze GLM Repeated Measures energen define masukin
3 variabel contrast : polynomial options : estimates of effect size ok.

Multiple Comparisons
Dependent Variable:BMI
95% Confidence
(I) Status
pendidikan tertinggi (J) Status pendidikan

LSD

Interval

Mean
Difference

Std.

(I-J)

Error

Upper

Bound

Bound

tamat

tertinggi tamat

Tidak pernah

Tidak tamat SD/MI

.3549

.1845

.054

-.007

.716

Tamat SD/MI

.4642*

.1727

.007

.126

.803

Tamat SLTP/MTS

.4947*

.1785

.006

.145

.845

Tamat SLTA/MA

.1590

.1761

.367

-.186

.504

Tamat D1/D2/D3

-.4322

.2231

.053

-.869

.005

Tamat PT

-.9336*

.2152

.000

-1.355

-.512

Tidak pernah sekolah

-.3549

.1845

.054

-.716

.007

Tamat SD/MI

.1092

.0886

.218

-.065

.283

Tamat SLTP/MTS

.1397

.0996

.160

-.055

.335

Tamat SLTA/MA

-.1959*

.0952

.040

-.382

-.009

Tamat D1/D2/D3

-.7872*

.1667

.000

-1.114

-.460

-1.2885*

.1561

.000

-1.594

-.983

Tidak pernah sekolah

-.4642*

.1727

.007

-.803

-.126

Tidak tamat SD/MI

-.1092

.0886

.218

-.283

.065

Tamat SLTP/MTS

.0305

.0756

.686

-.118

.179

Tamat SLTA/MA

-.3051*

.0697

.000

-.442

-.169

Tamat D1/D2/D3

-.8964*

.1536

.000

-1.197

-.595

-1.3977*

.1420

.000

-1.676

-1.119

Tidak pernah sekolah

-.4947*

.1785

.006

-.845

-.145

Tidak tamat SD/MI

-.1397

.0996

.160

-.335

.055

Tamat SD/MI

-.0305

.0756

.686

-.179

.118

Tamat SLTA/MA

-.3357*

.0831

.000

-.499

-.173

Tamat D1/D2/D3

-.9269*

.1601

.000

-1.241

-.613

-1.4282*

.1490

.000

-1.720

-1.136

Tidak pernah sekolah

-.1590

.1761

.367

-.504

.186

Tidak tamat SD/MI

.1959*

.0952

.040

.009

.382

Tamat SD/MI

.3051*

.0697

.000

.169

.442

sekolah

Tidak tamat SD/MI

Tamat PT
Tamat SD/MI

Tamat PT
Tamat SLTP/MTS

Tamat PT
Tamat SLTA/MA

Sig.

Lower

Interpretasi:
Orang yang tidak pernah sekolah memiliki hubungan yang signifikan dengan orang
yang tamat PT dengan nilai p = 0.001, berarti terdapat perbedaan yang nyata antara
tingkat pendidikan dengan Indeks Masa Tubuh (IMT).
Orang yang tamat SD/MI memiliki hubungan yang signifikan dengan orang yang tamat
D1/D2/D3 dan tamat PT dengan nilai p = 0.000, berarti terdapat perbedaan yang nyata
antara tingkat pendidikan dengan Indeks Masa Tubuh (IMT).
Orang yang tamat SLTP/MTS memiliki hubungan yang signifikan dengan orang yang
tamat SLTA/MA , tamat D1/D2/D3 dan tamat PT dengan nilai p<0.05, berarti terdapat
perbedaan yang nyata antara tingkat pendidikan dengan Indeks Masa Tubuh (IMT).
Orang yang tamat SLTA/MA memiliki hubungan yang signifikan dengan orang yang
tamat SD/MI, tamat D1/D2/D3,dan tamat PT dengan nilai p<0.05, berarti terdapat
perbedaan yang nyata antara tingkat pendidikan dengan Indeks Masa Tubuh (IMT).
Orang yang tamat D1/D2/D3 memiliki hubungan yang signifikan dengan orang yang
tamat SD/MI, tamat SLTP/MTS,dan tamat SLTA/MA dengan nilai p<0.05, berarti
terdapat perbedaan yang nyata antara tingkat pendidikan dengan Indeks Masa Tubuh
(IMT).

B. REGRESI
x var independen
x = 1 regresi sederhana
x > 1 regresi berganda
Regresi linear x y datakontinu
Regresi logistik x bebas, y kategori
Regresi linear memenuhi beberapa asumsi :
1. data normal (x dan y mesti normal atau residu data yang harus normal).
2. Harus linear.
3. Independen tidak boleh ada yang saling berhubungan/ multicolliniaty.
4. Unexplaned variance yaitu nilai r square hanya bisa menjelaskan sekian persen
dari data tersebut.
Cara: Analyze descriptive statistics pp plot variabel energi pre, bmi ok.
1) REGRESI LINEAR
Cara: analyze regresi linear dependent: BMI, independent: energi pre.
Stepwise = tidak ada penelitian sebelumnya
Forward = mengurutkan dari yang sig sampe tidak
Backward = semua muncul, lalu dikurangi yang tidak signifikan

Model Summary

Model
1

Adjusted R

Std. Error of the

Square

Estimate

R Square

.236a

.056

.056

3.8178

a. Predictors: (Constant), kebutuhan energi pre

Model Summary
Adjusted r square dikali 100%, sehingga 0.056 x 100% = 5.6%. Artinya hanya
dapat menggambarkan gambaran atau prediksi ...%.
Interpretasi:
Konsumsi energi hanya dapat menjelaskan 5.6% dari status gizi (IMT) sisanya
sebanyak 94.4% dijelaskan oleh variabel lain.
Nilai r yang baik mendekati satu 80-90%
Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)
kebutuhan energi pre

Std. Error
29.323

.184

-.003

.000

Coefficients
Beta

-.236

Sig.

159.245

.000

-36.102

.000

a. Dependent Variable: BMI

beta 0 = 29,323
beta 1 = - 0.003
jadi Y = -0.003X + 29.323
Interpretasi: Setiap peningkatan satu unit X akan mengurangi BMI sebesar
0.003
2) MULTIPLE LINEAR
Syarat:
Multicollinary jika setiap independen saling berhubungan berarti data jelek
dan akan mengecilkan nilai r squared info yang muncul sama
VIF dan nilai tolerance.
Semakin besar nilai VIF maka multicollinary terjadi. Nilai tolerance = 1/VIF.
Cara:
Analyze regression linear independent : kenbutuhan energi dan
protein,dependent: BMI estimates, model fit, descriptive, collinarity
diagnosa.
Sebelum uji regresi linear berganda, harus di uji pearson dulu
1. Variabel di regresi linear signifikan

2. Variabel signifikan dan r-nya > 0.25

3. Variabel yang signifikan dan variabel secara teori mempengaruhi variabel
independen
Tabel annova = kombinasi variabel yang dimasukan secara signifikan bisa
memprediksi IMT.
y = 24.225 - 0.07 energi pre + 0.241 protein
VIF = 6.690 -> maka tidak terjadi multicolinary -> sesuai
3) REGRESI LOGISTIK
analyze regression binary logistic
kategori -> yang macam-macam
liat variable the equation
Variables in the Equation
95,0% C.I.for
EXP(B)
B

S.E.

Step 1a QUINTIL

Wald

df

Sig.

Exp(B)

412.673

.000

Lower

Upper

QUINTIL(1)

-.864

.046

351.986

.000

.421

.385

.461

QUINTIL(2)

-.602

.045

179.213

.000

.548

.502

.598

QUINTIL(3)

-.432

.044

95.518

.000

.649

.595

.708

QUINTIL(4)

-.256

.044

34.122

.000

.774

.710

.843

B4K4

-.943

.095

99.346

.000

.389

.323

.469

ENER_pre

-.003

.000

362.203

.000

.997

.997

.997

Constant

7.984

.483

273.751

.000

2.933E3

a. Variable(s) entered on step 1: QUINTIL, B4K4, ENER_pre.

Model Summary

Step
1

-2 Log likelihood
28217.865a

Cox & Snell R

Nagelkerke R

Square

Square
.069

a. Estimation terminated at iteration number 4 because

parameter estimates changed by less than ,001.

Yang dipakai nagelkerke r square lebih tinggi

.093

r = 9.3 bisa menjelaskan 9.3%

Hasil baca:
y= 7.984 - 943b4k4 -...-0.003energi
odd ratio diatas satu faktor resiko
odd ratio di bawah satu faktor protektor
odd ratio Exp B
Interpretasi:
Orang dengan quintil 2 (1) dapat menurunkan resiko kegemukan sebesar 0.421
kali dibandingkan orang yang di quintil 1.
Orang dengan quintil 3 (2) dapat menurunkan resiko kegemukan sebesar 0.584 kali
dibandingkan orang yang di quintil 1.
Orang dengan quintil 4 (3) dapat menurunkan resiko kegemukan sebesar 0.649 kali
dibandingkan orang yang di quintil 1.
Orang dengan quintil 5 (4) dapat menurunkan resiko kegemukan sebesar 0.774 kali
dibandingkan orang yang di quintil 1.
data ordinal
jenis kelamin
laki-laki memiliki faktor resiko kegemukan yang lebih rendah 0.389 kali daripada
perempuan
energi - kontinous
setiap penurunan energi satu unit akan menurunkan energi resiko kegemukan
sebesar 0.003