NIM
Kelas
Mata Kuliah
: Lulu Raudatul H
: I-14134024
: Alih Jenis 7
: ADPG
F
BMI
Equal
variances
assumed
Equal
variances not
assumed
550.747
Sig.
.000
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
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
22087
Correlation
.922
Sig.
.000
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
df
27.416
22086
Sig. (2tailed)
.000
df1
10.891
df2
6
Sig.
22046
.000
df
Mean Square
2184.536
364.089
Within Groups
338217.401
22046
15.341
Total
340401.937
22052
F
23.732
Sig.
.000
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
.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
-.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
-.4642*
.1727
.007
-.803
-.126
-.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
-.4947*
.1785
.006
-.845
-.145
-.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
-.1590
.1761
.367
-.504
.186
.1959*
.0952
.040
.009
.382
Tamat SD/MI
.3051*
.0697
.000
.169
.442
sekolah
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
Square
Estimate
R Square
.236a
.056
.056
3.8178
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
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
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
Model Summary
Step
1
-2 Log likelihood
28217.865a
Nagelkerke R
Square
Square
.069
.093