KeluarJangan Lupa Klik Like Dan Follow ya!
WELCOME TO andriworldwide.blogspot.com | Sesering mungkin mampir ke blog saya yang sederhana ini agar tidak ketinggalan berita-berita tentang game, terutama Ninja Saga dan yang lainnya | Jika ingin bertanya sesuatu tentang blog ini, kalian bisa bertanya | Jika ada kekurangan dalam blog ini mohon di maafkan | SALAM

GRATIS BITCOIN DI SINI

Get Free 100.000 SATOSHIS Get Free 1000 BITCOIN EARN 5500 BITCOIN

Jawaban Statistika

Share on :
Dalam memilih peubah untuk dimasukkan dalam model, ada dua pertimbangan utama, yaitu
     a. Pertimbangan Substansi (Scientifically Important), dan
     b. Dukungan Empirirs (Statistically Significant).
     Bagaimana hubungan kedua kriteria ini? Jelaskan!

2.  Apa yang dimaksud dengan model memenuhi syarat signifikan secara statistis dan apa implikasinya terhadap keputusan untuk menggunakan model itu?

3.  Dalam keadaan bagaimana analisis regresi diperlukan?

4.  Apa kesamaan dan perbedaan antara analisis regresi dan analisis korelasi ?

5.  Apa yang dimaksud dengan hubungan fungsional antar-peubah?
     Jawab :

6.  Dapatkah hubungan sebab akibat dibuktikan dengan cara statistika ? jelaskan !
     Jawab : Jika hubungan sebab akibat antara variabel bebas dan terikat ingin dibuktikan dengan jelas, maka semua variabel lain yang mungkin mencemari atau mengacaukan hubungan tersebut harus dikontrol dengan ketat.
Kontrol  dan manipulasi paling baik dilakukan dalam situasi buatan (laboratorium), di mana pengaruh klausal dapat diuji. Jika kontrol dan manipulasi dilakukan untuk membuktikan hubungan sebab-akibat dalam suatu situasi buatan, maka kita mempunyai desain eksperimen laboratorium yang dikenal juga sebagai eksperimen lab. 

7.  Apa fungsi Statistika dalam analisis fungsional antarpeubah, termasuk hubungan sebab akibat?
     Jawab : Analisis fungsional memfokuskan perhatian pada (secara khas dimensi tak (selengkapnya klik )

9.  Selain regresi linier, sebutkan jenis regresi lainnya yang dapat digunakan ! 
       
10.Kapan sebuah model regresi disebut sederhana ?

12.Jelaskan apa yang dimaksud dengan
     a. Peubah Bebas
     b. Peubah TakBebas
     c. Peubah Penjelas
     d. Peubah Respon
14.Selidikilah, apakah yang berikut ini merupakan soal korelasi atau regresi atau keduanya !
     Hubungan antara :
     a. Curah hujan dan hasil jagung di suatu daerah
     b. Besarnya kota dan banyaknya kejahatan
     c. Umur seseorang dan tekanan darahnya
     d. Hasil tes IQ dan berat badan anak umur 10-15 tahun
15. Jelaskan pengertian istilah berikut
     a. Koefisien Korelasi                 h. Model Linear Sederhana
     b. Korelasi Positif                      i.   Model Deterministik    
     c. Korelasi Negatif                    j.   Model Probabilistik
     d. Koefisien Determinasi          k.  Model Linear ganda
     g. Model linear
     Jawab :
     a.PENGERTIAN KORELASI  Korelasi adalah salah satu teknik ...bertujuan untuk menghitung koefisien korelasi antara dua variabel, 
     b.Koreasi positif adalah nilai r yang positif
 c. Korelasi Negatif adalah nilai hasil dari r yang berniali negatif
d. koefisein determinasi adalah perpangkatan dari nilai r
g.Model Linear adalah model yang berupa garis lurus
h. model linear sederhana adalah model linear yang sifatnya cuma menghitung 2 buah variabel saja
i Model Deterministik adalah model yang menyangkut Pengaruh regresi statistik muncul jika anggota yang terpilih
j. Model probabilistik merupakan salah satu model suatu mekanisme dalam pembuatan serangkaian kebijakan yang memonitor tingkat
16. Pengamatan terhadap peubah X (darah haemoglobin dalam persentase normal ) dan peubah  Y (Sel-Sel darah merah, dalam juta per mm Kubik) diberikan dalam tabel berikut
X
80
86
96
100
108
110
Y
5,1
5,4
6,5
7,2
7,7
7,7

6,5
6,7
7,0
7,5
7,6
8,6

6,4

6,7
6,8
7,5
7,5

6,0

7,8
7,5

8,4



6,6


7,9



7,8



    





   


  a. Tentukan persamaan garis regresi Y=b0 +b1 X !
     b. Berikan penjelasan tentang arti b1?
     c. Gunakan garis regresi itu untuk menduga Y jika X= 83 .
   Jawab ; 
17. Jika koefisien korelasi antara IQ dan umur anak nilainya sama dengan nol, dapatkah disimpulkan bahwa IQ dan umur anak tidak terdapat hubungan ? jelaskan !
  Jawab : mungkin saja, jika terdapat ketiakpastian antara IQ dan umur anak

18. Sebuah sampel acak berukuran 21. Memberikan nilai koefisien korelasi r = -0,8 untuk peubah X an Y,
     a. Jelaskan arti nilai X tersebut ?
     b. Ujilah pasangan hipotesis Ho : p=0 melawan H1: p<0 pada taraf signifikasi 0,05 !
   Jawab : a. nilai x tersebut berarti terletak di antara 2 peubah yang bersifat probabilistik
               b. terpenuhi, 0,05 signifikansi pengujian hipotesis yang menggunakan sampel n > 30. b. Pengujian hipotesis ... UjiHipotesis satu dan beda dua rata-rata sampel besar. 2. Uji Hipotesis satu
20. Data berikut diperoleh dalam suatu telaah mengenai hubungan antara bobot badan dan ukuran dada bayi pada waktu lahir.
Bobot (Kg)
Ukuran Dada (cm)
2,75
29,5
2,15
26,3
4,41
32,2
5,52
36,5
3,21
27,2
4,32
27,7
2,31
28,3
4,30
20,3
3,71
28,7
    












      a. Hitunglah koefisien korelasi kedua peubah itu !
Jawab : untuk menjawab soal ini di perlukan persyaratan software SPSS statistic terbaru ,

Bagi teman-teman yang belum punya aplikasi SPSS bisa download langsung di website resminya diIBM-SPSS
yang mau download SPSS dengan gratis bisa download SPSS disini :
Free Download SPSS 17 (size: 174.97Mb)
Download SPSS:  Download SPSS 17
Atau Crack saja  (size: 5.88Mb)
Download Crack:  Downlad Crack SPSS 17


21. Seorang peneliti ingin mengetahui hubungan antara berat badan dan tinggi badan sekelompok orang yang datanya dibuat dalam tabel distribusi frekuensi berikut !
Berat Badan (Kg)
Tinggi Badan (cm)
100-119
120-139
140-159
166-179
90-99
3
1


80-89
7
8
4
2
70-79
5
16
20
4
60-69
3
10
84
10
50-59

8
30
5
40-49

2
15
2
                       







       a. Hitunglah Koefisien korelasi data tersebut dan berikan penjelasan secukupnya
       c. Secara substansial apakah kegunaan bagi seorang peneliti untuk mengetahui hubungan berat badan dan tinggi badan seseorang ?
Jawab : petunjuk gunakan metode distirbusi data, disini saya tidak akan posting jawabannya karena pengerjaannya sangat mudah

Regression



Notes

Output Created
13-Jun-2012 14:21:43
Comments

Input
Active Dataset
DataSet0
Filter
<none>
Weight
<none>
Split File
<none>
N of Rows in Working Data File
11
Missing Value Handling
Definition of Missing
User-defined missing values are treated as    missing.
Cases Used
Statistics are based on cases with no missing values for any variable used.

Syntax
REGRESSION
  /DESCRIPTIVES MEAN STDDEV CORR SIG N
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS CI(95) BCOV R ANOVA COLLIN TOL CHANGE ZPP
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN
  /DEPENDENT VAR00001
  /METHOD=ENTER VAR00004 VAR00002
  /RESIDUALS DURBIN NORM(ZRESID)
  /CASEWISE PLOT(ZRESID) OUTLIERS(3).

Resources
Processor Time
0:00:02.964
Elapsed Time
0:00:04.107
Memory Required
1700 bytes
Additional Memory Required for Residual Plots
304 bytes


[DataSet0]


Descriptive Statistics

Mean
Std. Deviation
N
VAR00001
56.7273
33.33194
11
VAR00004
49.7273
36.33205
11
VAR00002
69.3636
30.77100
11


Correlations


VAR00001
VAR00004
VAR00002
Pearson Correlation
VAR00001
1.000
.061
-.065
VAR00004
.061
1.000
-.190
VAR00002
-.065
-.190
1.000
Sig. (1-tailed)
VAR00001
.
.429
.424
VAR00004
.429
.
.287
VAR00002
.424
.287
.
N
VAR00001
11
11
11
VAR00004
11
11
11
VAR00002
11
11
11


Variables Entered/Removed
Model
Variables Entered
Variables Removed
Method
1
VAR00002, VAR00004a
.
Enter
a. All requested variables entered.


Model Summaryb
Model

R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.082a
.007
-.242
37.14020
a. Predictors: (Constant), VAR00002, VAR00004
b. Dependent Variable: VAR00001

Model Summaryb
Model
Change Statistics

R Square Change
F Change
df1
df2
Sig. F Change
Durbin-Watson
1
.007
.027
2
8
.973
1.910

b. Dependent Variable: VAR00001


ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
75.025
2
37.513
.027
.973a
Residual
11035.156
8
1379.395


Total
11110.182
10



a. Predictors: (Constant), VAR00002, VAR00004
b. Dependent Variable: VAR00001


Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients

B
Std. Error
Beta
t
Sig.
1
(Constant)
58.606
35.903

1.632
.141
VAR00004
.046
.329
.051
.141
.891
VAR00002
-.060
.389
-.056
-.155
.880
a. Dependent Variable: VAR00001

Coefficientsa
Model
95,0% Confidence Interval for B
Correlations
Lower Bound
Upper Bound
Zero-order
Partial
Part
1
(Constant)
-24.186
141.397



VAR00004
-.713
.806
.061
.050
.050
VAR00002
-.957
.836
-.065
-.055
-.055
a. Dependent Variable: VAR00001

Coefficientsa
Model
Collinearity Statistics
Tolerance
VIF
1
VAR00004
.964
1.038
VAR00002
.964
1.038
a. Dependent Variable: VAR00001


Coefficient Correlationsa
Model
VAR00002
VAR00004
1
Correlations
VAR00002
1.000
.190
VAR00004
.190
1.000
Covariances
VAR00002
.151
.024
VAR00004
.024
.108
a. Dependent Variable: VAR00001


Collinearity Diagnosticsa
Model
Dimension

Variance Proportions
Eigenvalue
Condition Index
(Constant)
VAR00004
VAR00002
1
1
2.639
1.000
.01
.04
.02
2
.300
2.965
.01
.67
.16
3
.060
6.616
.98
.29
.82
a. Dependent Variable: VAR00001


Residuals Statisticsa

Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
53.2020
61.1814
56.7273
2.73908
11
Residual
-53.42031
35.85556
.00000
33.21921
11
Std. Predicted Value
-1.287
1.626
.000
1.000
11
Std. Residual
-1.438
.965
.000
.894
11
a. Dependent Variable: VAR00001


Charts






22.  Kerjakan dalam Software SPSS carilah model Regresi dan besarnya korelasi !
Panjang Bayi (cm)
Bobot Lahir (Kg)
57,5
2,75
52,8
2,15
61,3
4,41
67,0
5,52
53,5
3,21
62,7
4,32
56,2
2,31
68,5
4,30
69,2
3,71
      











Jawab : petunjuk gunakan metode distirbusi data, disini saya tidak akan posting jawabannya karena pengerjaannya sangat mudah
23.  Pendapatan bulanan dan pengeluaran untuk membeli minuman 70 orang pegawai di suatu daerah dilaporkan dalam tabel berikut hitunglah koefisien korelasi dan koefisien determinasinya, serta berikan penjelasan masing-masing !
Pengeluaran (Rupiah rph)
Pendapatan (Ribuan Rupiah)
30-39
40-49
50-59
60-69
70-79
0,00-0,99
3




1,00-1,99
2
3
1


2,00-2,99
1
2
10
2

3,00-3,99

5
8
5
1
4,00-4,99


2
4
3
5,00-5,99



1
10
6,00-6,99



2
5
7,00-7,99





           











Jawab : petunjuk gunakan metode distirbusi data, disini saya tidak akan posting jawabannya karena pengerjaannya sangat mudah,
terdapat hubungan yang baik antara penjualan dan pengeluaran

Regression



Notes

Output Created
13-Jun-2012 14:21:43
Comments

Input
Active Dataset
DataSet0
Filter
<none>
Weight
<none>
Split File
<none>
N of Rows in Working Data File
11
Missing Value Handling
Definition of Missing
User-defined missing values are treated as missing.
Cases Used
Statistics are based on cases with no missing values for any variable used.

Syntax
REGRESSION
  /DESCRIPTIVES MEAN STDDEV CORR SIG N
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS CI(95) BCOV R ANOVA COLLIN TOL CHANGE ZPP
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN
  /DEPENDENT VAR00001
  /METHOD=ENTER VAR00004 VAR00002
  /RESIDUALS DURBIN NORM(ZRESID)
  /CASEWISE PLOT(ZRESID) OUTLIERS(3).

Resources
Processor Time
0:00:02.964
Elapsed Time
0:00:04.107
Memory Required
1700 bytes
Additional Memory Required for Residual Plots
304 bytes


[DataSet0]


Descriptive Statistics

Mean
Std. Deviation
N
VAR00001
56.7273
33.33194
11
VAR00004
49.7273
36.33205
11
VAR00002
69.3636
30.77100
11


Correlations


VAR00001
VAR00004
VAR00002
Pearson Correlation
VAR00001
1.000
.061
-.065
VAR00004
.061
1.000
-.190
VAR00002
-.065
-.190
1.000
Sig. (1-tailed)
VAR00001
.
.429
.424
VAR00004
.429
.
.287
VAR00002
.424
.287
.
N
VAR00001
11
11
11
VAR00004
11
11
11
VAR00002
11
11
11


Variables Entered/Removed
Model
Variables Entered
Variables Removed
Method
1
VAR00002, VAR00004a
.
Enter
a. All requested variables entered.


Model Summaryb
Model

R
R Square
Adjusted R Square
Std. Error of the Estimate
1
.082a
.007
-.242
37.14020
a. Predictors: (Constant), VAR00002, VAR00004
b. Dependent Variable: VAR00001

Model Summaryb
Model
Change Statistics

R Square Change
F Change
df1
df2
Sig. F Change
Durbin-Watson
1
.007
.027
2
8
.973
1.910

b. Dependent Variable: VAR00001


ANOVAb
Model
Sum of Squares
df
Mean Square
F
Sig.
1
Regression
75.025
2
37.513
.027
.973a
Residual
11035.156
8
1379.395


Total
11110.182
10



a. Predictors: (Constant), VAR00002, VAR00004
b. Dependent Variable: VAR00001


Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients

B
Std. Error
Beta
t
Sig.
1
(Constant)
58.606
35.903

1.632
.141
VAR00004
.046
.329
.051
.141
.891
VAR00002
-.060
.389
-.056
-.155
.880
a. Dependent Variable: VAR00001

Coefficientsa
Model
95,0% Confidence Interval for B
Correlations
Lower Bound
Upper Bound
Zero-order
Partial
Part
1
(Constant)
-24.186
141.397



VAR00004
-.713
.806
.061
.050
.050
VAR00002
-.957
.836
-.065
-.055
-.055
a. Dependent Variable: VAR00001

Coefficientsa
Model
Collinearity Statistics
Tolerance
VIF
1
VAR00004
.964
1.038
VAR00002
.964
1.038
a. Dependent Variable: VAR00001


Coefficient Correlationsa
Model
VAR00002
VAR00004
1
Correlations
VAR00002
1.000
.190
VAR00004
.190
1.000
Covariances
VAR00002
.151
.024
VAR00004
.024
.108
a. Dependent Variable: VAR00001


Collinearity Diagnosticsa
Model
Dimension

Variance Proportions
Eigenvalue
Condition Index
(Constant)
VAR00004
VAR00002
1
1
2.639
1.000
.01
.04
.02
2
.300
2.965
.01
.67
.16
3
.060
6.616
.98
.29
.82
a. Dependent Variable: VAR00001


Residuals Statisticsa

Minimum
Maximum
Mean
Std. Deviation
N
Predicted Value
53.2020
61.1814
56.7273
2.73908
11
Residual
-53.42031
35.85556
.00000
33.21921
11
Std. Predicted Value
-1.287
1.626
.000
1.000
11
Std. Residual
-1.438
.965
.000
.894
11
a. Dependent Variable: VAR00001


Charts




0 comments on Jawaban Statistika :

Post a Comment

Jika Spam Akan DI hapus.

Tulisan Lain