STATISTIKA

OLEH :

WIJAYA
email : zeamays_hibrida@yahoo.com

FAKULTAS PERTANIAN
UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
2009

ANALISIS KORELASI
1. Koefisien Korelasi Pearson
¾ Koefisien Korelasi Moment Product
¾ Korelasi Data Berskala Interval dan Rasio
2. Koefisien Korelasi Spearman
¾ Korelasi Data Berskala Ordinal (Rank)
3. Koefisien Kontingensi
¾ Korelasi Data yang Disusun dalam Baris - Kolom
4. Koefisien Korelasi Phi
¾ Korelasi Data Berskala Nominal

ANALISIS KORELASI
Analisis Korelasi merupakan studi yang membahas tentang derajat
keeratan hubungan antar peubah, yang dinyatakan dengan Koefisien
Korelasi. Hubungan antara peubah X dan Y dapat bersifat :
a. Positif, artinya jika X naik (turun) maka Y naik (turun).
b. Negatif, artinya jika X naik (turun) maka Y turun (naik).
c. Bebas, artinya naik turunnya Y tidak dipengaruhi oleh X.:

Positif

Negatif

Bebas (Nol)

1. KORELASI PEARSON
Rumus umum Koefisien Korelasi (tidak harus regresinya linier) yaitu :
r2

=1–
r2
r
Yi

∑ ( Yi – Y)2
∑ (Yi

– Y)2

JKG
= 1–

JKT – JKG
=

JKT

JKR
=

JKT

= Koefisien Determinasi (Koefisien Penentu)
= √ r2 = Koefisien Korelasi
= Nilai Pengamatan Variabel Terikat Y.

Y = Nilai Penduga Regresi
Y = Nilai Rata-rata Variabel Terikat Y
JKG = Jumlah Kuadrat Galat
JKT = Jumlah Kuadrat Total
JKR = Jumlah Kuadrat Regresi

JKT

1. KORELASI PEARSON
Rumus Koefisien Korelasi Pearson :

r =

n ∑xy − (∑x) (∑y)

( )

2⎤
⎡n ∑ 2 −
∑x ⎥
x
⎢⎣

( )

2⎤
⎡n ∑ 2 −
∑y ⎥
y
⎢⎣

Y = Variabel Terikat (Variabel Tidak Bebas)
X = Variabel Bebas (Faktor)
Nilai r : – 1 ≤ r ≤ 1 Æ …. ≤ r2 ≤ ….

07 0.50 0.70 12 0.21 0.25 4 1.1. KORELASI PEARSON Misal data berikut menggambarkan keuntungan usahatani (Y) pada berbagai luas lahan (X) padi sawah : No Petani Luas Lahan (X) Keuntungan (Y) 1 0.35 0.35 11 0.50 2 0.50 1.14 0.80 5 0.90 8 1.20 7 0.20 10 0.00 9 0.65 .10 3 0.70 1.21 0.00 2.14 0.00 1.40 6 0.28 0.

8100 4.07 0.3232 - Y2 0.0000 0.2100 0.0441 0.4225 12.70 0.0000 0.8400 0.21 0.0840 0.20 0.1225 0.80 0.00 1.2400 0.14 0.50 1.4500 2.2475 - XY 0. KORELASI PEARSON No 1 2 3 4 5 6 7 8 9 10 11 12 Jumlah Rata-rata n Luas (X) 0.8000 0.20 0.1600 0.0490 0.4900 0.0000 1.0784 3.43 12 Untung (Y) 0.5500 0.00 0.0140 0.0400 0.21 0.2450 0.0196 0.0625 3.2500 0.50 0.2500 1.40 0.1820 6.0000 0.28 5.1225 0.2500 1.00 0.3540 - .10 0.1.70 0.35 0.25 1.84 - X2 0.0441 0.65 10.90 2.1050 0.10 0.05 0.4900 0.50 1.14 1.0196 1.4400 0.0049 0.0350 1.35 0.

n = 12 r = r = r = n ∑ xy − (∑ x) (∑ y) ⎡n ∑ 2 − x ⎢⎣ ( ) 2⎤ ⎡n ∑ 2 − ∑x ⎥ ⎢ y ⎦ ⎣ (∑ y) ⎥⎦ 2⎤ 12(6.3232 . KORELASI PEARSON ∑ X = 5.3540 .0025) ⎤⎥⎦ . ∑ Y = 10. ∑ XY = 6.05) ⎡12(3.9700) − ⎢⎣ (101.10)(10.2475) − ⎦ ⎣ 2 (10.3232) − ⎢⎣ ( ) ⎤ ⎡ 5.8784) − ⎢⎣ (26.2480 − 51.1. ∑ X2 = 3.10 ⎥ ⎢12(12.2475 .10 .05 .0100) ⎤⎥⎦ ⎡(146.05) ⎤⎥⎦ 2 76.2550 ⎡(39. ∑Y2 =12.3540) − (5.

2480 − 51.2487 Nilai r2 = 97.98 % variasi besarnya keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan (nilai X).8684 ) ( 45 .9930 (13 .9899 Æ r2 = 0.8784) − ⎢⎣ (26. .0025) ⎤⎥⎦ 24 .9675 ) 24.9930 r = = 0.1.9700) − ⎢⎣ (101. KORELASI PEARSON r = r = 76.0100) ⎤⎥⎦ ⎡(146.98 % 25.2550 ⎡(39.9798 = 97.98 % artinya sebesar 97.

025(10) t < –2. KORELASI PEARSON Pengujian Koefisien Korelasi Pearson : 1. 3.t Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-2) atau t > tα/2(n-2) t <–t0.1. 4. H0 ≡ r = 0 lawan H1 ≡ r ≠ 0 Taraf Nyata α = 5 % = 0.228 atau t > 2.05 Uji Statistik = Uji.228 5. Perhitungan : t = r n − 2 1 − r 2 .025(10) atau t > t0. 2.

1.2772) t = 22.025(10) = 2. Perhitungan : t = r n − 2 1 − r t = 0.9798 t = (0. Kesimpulan : Karena nilai ( t = 22. artinya terdapat hubungan yang signifikan antara keuntungan usahatani (Y) dengan luas lahan garapan (X) .9899 12 − 2 1 − 0.0202 t = 0.052) > ( t0.9899)(22.228) maka disimpulkan untuk menolak H0.9899 2 10 0.052 6. KORELASI PEARSON 5.

025(10) = 2.228 2.052 .228 22.228.052 dan t0.1. Tolak H0 Tolak H0 Terima H0 –2. Kesimpulan : Nilai t = 22. KORELASI PEARSON 6.

KORELASI SPEARMAN 1. Jika ada nilai pengamatan yang sama : 2 2 rs = 2 ∑x + ∑ y − ∑d 2 ∑ x2 = ∑ y2 = 2 2 ∑x .2. ∑ y N3 – N – ∑Tx ∑ Tx = ∑ t3 – t 12 12 N3 – N t3 – t 12 – ∑Ty ∑ Ty = ∑ 12 . Jika tidak ada nilai pengamatan yang sama : 6 ∑ di2 rs = 1 – n (n2 – 1) 2.

5 8 9 10 11 12 . KORELASI SPEARMAN Contoh data berikut menggambarkan Pengalaman Usahatani (X) dan Penerapan Teknologi (Y) dari 12 petani : No 1 2 3 4 5 6 7 8 9 10 11 12 X 12 10 10 13 11 14 13 14 11 14 10 8 Y 85 74 78 90 85 87 94 98 81 91 76 74 No 1 2 3 4 5 6 7 8 9 10 11 12 X 8 10 10 10 11 11 12 13 13 14 14 14 Rank 1 3 3 3 5.5 11 11 11 No 1 2 3 4 5 6 7 8 9 10 11 12 X 74 74 76 78 81 85 85 87 90 91 94 98 Rank 1.5 6.2.5 3 4 5 6.5 8.5 1.5 7 8.5 5.

5 0.50 .5 9 0.25 10 14 91 11 10 1.25 5 11 85 5.25 3 10 78 3 4 1.25 8 14 98 11 12 1.00 6 14 87 11 8 9.5 6.25 Jml 22.2.00 12 8 74 1 1. KORELASI SPEARMAN No X Y Rank-X Rank-Y di2 1 12 85 7 6.5 1.25 2 10 74 3 1.5 2.00 11 10 76 3 3 0.00 4 13 90 8.5 5 0.00 7 13 94 8.00 9 11 81 5.5 0.5 11 6.

9213 1716 . KORELASI SPEARMAN ∑ di2 = 22.50) rs = 1 – 12 (144 – 1) 135 rs = 1 – = 1 – 0.50 n = 12 rs = 1 – 6 ∑ di2 n (n2 – 1) 6 (22.0787 = 0.2.

0 .5 2.5 0.0 = 142 12 t 2 2 Ty 0.0 0.5 1.5 8.2.0 n = 12 123 – 12 – 5.0 ∑ x2 = Tx 2.0 = 138 12 ∑ x2 = 123 – 12 – 1.5 11 t 3 2 2 3 Jml ∑ Tx = 5. KORELASI SPEARMAN Rank-X 3 5.0 Jml ∑ Ty = 1.5 5.5 6.5 0.0 Rank-Y 1.

5 rs = 279.9197 . (142) 257.5 rs = 2 (138) . ∑ y 138 + 142 − 22.50 2 rs = ∑x 2 ∑ x2 = 138 2 + ∑y 2 − ∑d ∑ y2 = 142 2 2 ∑x . KORELASI SPEARMAN ∑ di2 = 22.2.971 r s = 0.

Uji Statistik = Uji.t 4.2.025(10) atau t > t0.05 3. Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-1) atau t > tα/2(n-1) t <–t0. H0 ≡ rs = 0 lawan H1 ≡ rs ≠ 0 2. Perhitungan : t = rs n − 2 2 1 − rs .228 atau t > 2.025(10) t < –2. KORELASI SPEARMAN Pengujian Koefisien Korelasi Pearson : 1.228 5. Taraf Nyata α = 5 % = 0.

025(10) = 2.228) maka disimpulkan untuk menolak H0.9197 12 − 2 1 − 0.2. KORELASI SPEARMAN 5.9197 10 0.8459 t = (0. Perhitungan : t = rs n − 2 2 1 − rs t = 0.1541 t = 0.409) > ( t0. Kesimpulan : Karena nilai ( t = 7. artinya terdapat hubungan yang signifikan antara pengalaman usahatani (X) dengan penerapan teknologi (Y) .9197)(8.0560) t = 7.409 6.

KORELASI PHI Koefisien korelasi phi rφ merupakan ukuran derajat keeratan hubungan antara dua variabel dengan skala nominal yang bersifat dikotomi (dipisahduakan). Kolom Baris Jumlah Jumlah A B (A+B) C D (C+D) (A+C) (B+D) N A.D – B.C rφ = √ (A+B)(C+D)(A+C)(B+D) .3.

C | – 0.5 N ]2 (A+B)(C+D)(A+C)(B+D) db-X2 = (b – 1)(k – 1) .5 ]2 db-X2 = (b – 1)(k – 1) ei Atau dengan rumus : X2 = N [ | A.3.D – B. KORELASI PHI Uji signifikansi rφ dilakukan dengan statistik χ2 Pearson : X2 = ∑ [ | oi – ei | – 0.

Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah Tentukan nilai Koefisien Korelasinya dan Ujilah pada taraf nyata 1% apakah penggunaan jenis pupuk tergantung dari cara tanamnya ? . KORELASI PHI Contoh : Data berikut menggambarkan banyaknya petani tebu berdasarkan penggunaan jenis pupuk dan cara tanam.3.

3.D – B.2054 35 – 81 = √ 50176 – 46 = 224 . KORELASI PHI Jawab : Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah A.C rφ = √ (A+B)(C+D)(A+C)(B+D) (5)(7) – (9)(9) rφ = √ (14)(16)(14)(16) rφ = – 0.

47 9 14 Pupuk Majemuk ei oi 9 7.05 3. H0 ≡ r φ = 0 lawan H1 ≡ r φ ≠ 0 2. Perhitungan : Tanam Awal Keprasan Jumlah Pupuk Tunggal oi ei 6.05(1) atau X2 > 3.47 7 8. KORELASI PHI Uji Koefisien Korelasi phi : 1.X2 4.53 16 Jumlah 14 16 30 . Taraf Nyata α = 5 % = 0. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.53 5 7.3. Uji Statistik = Uji.841 5.

.571) < (X20. KORELASI PHI Tanam Awal Keprasan Jumlah X2 = ∑ Pupuk Tunggal oi ei 6.635) maka H0 diterima artinya penggunaan jenis pupuk tidak tergantung pada cara tanam.571 8.47 7 8.5 ]2 ei X2 = [ |5 – 6.5 ]2 [|7 – 8.53 16 Jumlah 14 16 30 [ | oi – ei | – 0.53 6.63 = 0. Kesimpulan Karena nilai (X2 = 0.5]2 +…+ 5.53| – 0.3.47 9 14 Pupuk Majemuk ei oi 9 7.53 5 7.53| – 0.05(1) = 6.

D – B.5(30) ]2 = (A+B)(C+D)(A+C)(B+D) X2 = 30 [ 46 – 15 ]2 (14)(16)(14)(16) 28830 = 50176 = 0.3.5 N ]2 30 [ |35 – 81| – 0.575 50176 .C| – 0. KORELASI PHI Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah X2 = N [ |A.

2054 |35 – 81| = √ 50176 46 = 224 .4.C | V = √ (A+B)(C+D)(A+C)(B+D) Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah | (5)(7) – (9)(9)| V = √ (14)(16)(14)(16) V = 0. KORELASI CRAMER | A.D – B.

berarti kedua variabel tersebut bersifat bebas. KORELASI KONTINGENSI Koefisien kontingensi C merupakan ukuran korelasi antara dua variabel kategori yang disusun dalam tabel kontingensi berukuran b x k. Pengujian terhadap koefisien kontingensi C digunakan sebagai Uji Kebebasan (Uji Independensi) antara dua variabel. Jadi apabila hipotesis nol dinyatakan sebagai C = 0 diterima. C = X2 = ∑ χ χ 2 2 + (oi – ei)2 ei n db-X2 = (b – 1)(k – 1) .4.

KORELASI KONTINGENSI Contoh : Ada anggapan bahwa pelayanan bank swasta terhadap para nasabahnya lebih memuaskan dari pada bank pemerintah. maka dilakukan wawancara terhadap nasabah bank swasta dan bank pemerintah masing-masing sebanyak 40 orang. Untuk mengetahui hal tersebut. Hasil wawancara yang tercatat adalah : Tidak Puas Netral Puas Swasta Pemerintah 16 10 9 5 15 25 .4.

Taraf Nyata α = 5 % = 0. H0 ≡ C = 0 lawan H1 ≡ C ≠ 0 2. KORELASI KONTINGENSI 1.X2 4. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.05(2) atau X2 > 5.991 5.4. Perhitungan : Swasta Tidak Puas Netral Puas Jumlah ei 13 7 20 oi 16 9 15 40 Pemerintah oi 10 5 25 ei 13 7 20 40 Jumlah 26 14 40 80 .05 3. Uji Statistik = Uji.

027 20 = √ 0.4.243 .027 + 80 = 5.0591 = 0.027 5. KORELASI KONTINGENSI Swasta Tidak Puas Netral Puas Jumlah X2 = ∑ oi ei oi ei 16 9 15 13 7 20 10 5 25 13 7 20 40 (oi – ei)2 X2 = X2 + n 26 14 40 80 (25 – 20)2 +…+ 13 =√ Jumlah 40 (16 – 13)2 ei C =√ Pemerintah 5.

Kesimpulan : Karena nilai (X2 = 5.05(2) = 5.991) maka H0 diterima artinya hubungan antara kedua variabel tersebut bersifat tidak nyata (tingkat kepuasan nasabah terhadap pelayanan bank swasta tidak berbeda nyata dengan bank pemerintah).027) < (X20. . KORELASI KONTINGENSI 6.4.

rb rb Y1 Y2 p q u Sy = = = = = = = = (Y1 − u Y2) SY p. KORELASI BISERI Koefisien korelasi biseri merupakan ukuran derajat keeratan hubungan antara Y yang kontinu (kuantitatif) dengan X yang diskrit bersifat dikotomi.q Koefisien Korelasi Biseri Rata-rata Variabel Y untuk kategori ke-1 Rata-rata Variabel Y untuk kategori ke-2 Proporsi kategori ke-1 1–p Tinggi ordinat kurva z dengan peluang p dan q Simpangan Baku Variabel Y .5.

5. Nilai Ujian Jumlah Mahasiswa Total Belajar Tidak Belajar 55 – 59 1 31 32 60 – 64 0 27 27 65 – 69 1 30 31 70 – 74 2 16 18 75 – 79 5 12 17 80 – 84 6 3 9 85 – 89 6 5 11 Total 21 124 145 . KORELASI BISERI Data berikut merupakan hasil nilai ujian statistika dari 145 mahasiswa yang belajar dan tidak belajar.

26 dan u = 0.19.5. p = 21/145 = 0.223 .86 Sy = 9.38 66.14 q = 0. KORELASI BISERI Interval Y1 F FY1 Y2 F FY2 55 – 59 57 1 57 57 31 1767 60 – 64 62 0 0 62 27 1674 65 – 69 67 1 67 67 30 2010 70 – 74 72 2 144 72 16 1152 75 – 79 77 5 385 77 12 924 80 – 84 82 6 492 82 3 246 85 – 89 87 6 522 87 5 435 21 1667 124 8208 Jumlah Rata-rata 79.19 Rata-rata Y1 = 79.38 dan Y2 = 66.

223 )( 9.26 ) ( 13.588 ) rb = = 0.120 ) rb = ( 2.769 ( 2. KORELASI BISERI rb = (Y1 − u Y2) SY p.065 ) .38 – 66.19 ) ( 0.14 )( 0.86 ) rb = ( 0.065 ) ( 1.19 ) ( 0.q ( 79.5.

Korelasi Linear Ganda Untuk regresi linier ganda Y = b0 + b1 X1 + b2 X2 + … + bk Xk .6. maka koefisien korelasi ganda dihitung dari Koefsisien Determinasi dengan rumus : r2 = JKR = b1 x1 y + b1 x2 y + … + bk xk y JKG ∑ y2 JKR = Jumlah Kuadrat Regresi JKG = Jumlah Kuadrat Galat xi y = ∑ X I Y – ( ∑ XI ) ( ∑ Y ) / n ∑ y2 = ∑ Y2 – ( ∑ Y )2 / n . KORELASI LINEAR GANDA DAN PARSIAL 1.

6.011 55 4 81 70 3 91 ∑ X1Y = 61. Bolos (X2) Nilai (Y) 65 1 85 ∑ X1 = 725 50 7 74 55 5 76 ∑ X2 = 43 65 2 90 ∑ X12 = 44.581 55 4 74 .540 70 5 98 ∑ Y = 1.685 50 1 76 ∑ X2Y = 3. KORELASI LINEAR GANDA DAN PARSIAL Tabel berikut menunjukkan skor tes kecerdasan (X1).475 55 6 85 70 3 87 ∑ X22 = 195 65 2 94 ∑ X1X2 = 2. frekuensi membolos (X2) dan nilai ujian statistika (Y) dari 12 mahasiswa : Skor tes (X1) Frek.

6. KORELASI LINEAR GANDA DAN PARSIAL Dari tabel tersebut hubungan fungsional yang dapat dibangun yaitu : Y = b0 + b1 X1 + b2 X2. Kemudian persamaan normal yang dapat dibentuk yaitu : ∑Y ∑ X1 Y ∑ X2 Y = = = b0 n + b1 ∑ X1 + b2 ∑ X2 b0 ∑ X1 + b1 ∑ X12 + b2 ∑ X1X2 b0 ∑ X2 + b1 ∑ X1X2 + b2 ∑ X22 Matrik dari persamaan normal diatas : n ∑ X1 ∑ X2 b0 ∑ X1 ∑ X12 ∑ X1 X2 b1 ∑ X2 ∑ X1 X2 ∑ X22 b2 ∑Y = ∑ X1 Y ∑ X2 Y .

Persamaan Normal : (a) Substitusi.284 . Matriks : (a) Determinan Matriks. KORELASI LINEAR GANDA DAN PARSIAL Nilai b0 .254 b1 = 0. b1 dan b2 dapat dihitung dari : 1.922 b2 = 0.6. dan (b) Eliminasi 2. dan (b) Invers Matriks Melalui salah satu cara diatas diperoleh nilai b0 = 27.

176. JKG = JKT – JKR = 728.011)2 / 12 = 85.011)/12 ] = 556.922 b2 = 0.596 4.25 – 544.596 = 183.867 = 544.75 = 728.25 3.011)/12 ] + 0. JKR = b1 [ (∑ X1Y – (∑X1)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ] = 0.463 – 11.254 b1 = 0.475 ∑ X22 = 195 ∑ X1X2 = 2.540 ∑ Y = 1.581 – (43)(1. JKT = ∑ Y2 – FK = 85.685 ∑ X2Y = 3.284 Analisis Ragam : 1.922 [ (61.175.905 – 85.581 ∑ Y2 = 85. KORELASI LINEAR GANDA DAN PARSIAL ∑ X1 = 725 ∑ X2 = 43 ∑ X12 = 44.685 – (725)(1. FK = (∑Y)2 / n = (1.6.284 [ (3.654 .011 ∑ X1Y = 61.75 2.905 b0 = 27.

6. JKG = 183. JKR = 544.596 4.344 2 Galat 9 183.298 13.176.654 Total 11 728.256 20. JKT = 728.75 2.596 = JKG 728.654 No Variasi DB 1 Regresi 2 544. FK = 85.250 r2 = JKR JK 544.596 272. KORELASI LINEAR GANDA DAN PARSIAL Analisis Ragam : 1.7478 Æ r = 0.8648 .250 KT F F5% 4.25 3.406 = 0.

6.2 / k (1 – r2y/1.2 ) / db-G db-R = Derajat Bebas Regresi db-G = Derajat Bebas Galat .2 ) / (n–k–1) r2y/1.2 / db-R (1 – r2y/1. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Korelasi Ganda : F = F = r2y/1.

KORELASI LINEAR GANDA DAN PARSIAL r2 F = = 0.343) > ( F0.0280 F0. 9) = 4.05(2 .7478) / 2 F = 0.05(2 .7478 .3739 = (1 – 0. .2 / db-R (1 – r2y/1.7478) / 9 = 13.2565 Karena nilai ( F = 13. db-G = 9 r2y/1.2565) artinya koefisien korelasi ganda tersebut bersifat nyata. r = 0.8648 .6. db-R = 2 .343 0. 9) = 4.2 ) / db-G (0.

2) B.2 2 2 ) ( 1 − ry2 r1. Korelasi X1 dengan Y jika X2 tetap : ry1/2 = ry1 (1 − − ry2 r1. Koefisien Korelasi Parsial : A.2 2 2 ) ( 1 − ry1 r1.2) = korelasi antara Y dengan X1 = korelasi antara Y dengan X2 = korelasi antara X1 dengan X2 . KORELASI LINEAR GANDA DAN PARSIAL 2.6. Korelasi X2 dengan Y jika X1 tetap : ry2/1 = ry1 ry2 r12 ry2 (1 − − ry1 r1.

KORELASI LINEAR GANDA DAN PARSIAL 2. Koefisien Korelasi Parsial : n ∑ X1Y – (∑ X1)(∑ Y) ry1 = √ [ n ∑ X12 – (∑ X1)2 ] [ n ∑Y2 – (∑Y)2 ] n ∑ X2Y – (∑ X2)(∑ Y) ry2 = √ [ n ∑ X22 – (∑ X2)2 ] [ n ∑Y2 – (∑Y)2 ] n ∑ X1X2 – (∑ X1)(∑ X2) r12 = √ [ n ∑X12 – (∑X1)2 ] [ n ∑X22 – (∑X2)2 ] .6.

242)(−0.2) 0. Koefisien Korelasi Parsial : ry1 = 0.6. Korelasi X1 dengan Y jika X2 tetap : ry1/2 = ry1/2 = ry1 (1 − − ry2 r1. ry2 = –0.242 rY22 = 0. r122 = 0. ry12 = 0. r12 = –0.059 .2 2 2 ) ( 1 − ry2 r1.059)) (1 − 0.349) (1 − (0.743 .855 .909 ry1/2 = 0.122 A.778 = ry1/2 0.862 . KORELASI LINEAR GANDA DAN PARSIAL 2.349 .862 − (−0.122) 0.

ry2 = –0.122 B. KORELASI LINEAR GANDA DAN PARSIAL 2.059 = ry1/2 0. ry12 = 0.2) − 0.941)) (1 − 0.475 ry1/2 = 0. r122 = 0. Koefisien Korelasi Parsial : ry1 = 0.349) (1 − (0.122) 0. Korelasi X2 dengan Y jika X1 tetap : ry2/1 = ry1/2 = ry2 (1 − − ry1 r1.862 .059 .242 rY22 = 0.2 2 2 ) ( 1 − ry1 r1.862)(−0.349 .6. r12 = –0.242 − (0.743 .124 .

262 Æ Korelasi Signifikan .731 t = 4.6.855 9 1 − 0.124 . Korelasi X1 dengan Y jika X2 tetap (ry1/2) : t = 0. rY2/12 = 0. ry2/1 = 0.855 . KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0.025(9) = 2.731 .949 t0. t = ryi/ j n−3 1 − 2 yi/ j r A.015 ry1/2 = 0.

015 ry1/2 = 0.124 1 − 0. t = ryi/ j n−3 1 − 2 yi/ j r B. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0.855 .025(9) = 2.731 . ry2/1 = 0. Korelasi X2 dengan Y jika X1 tetap (ry2/1) : 9 t = 0.6.015 t = 0.262 Æ Korelasi Tidak Signifikan .124 .374 t0. rY2/12 = 0.

Cx )2 ] [ n ∑ fy.Cx2 – (∑ fx.XY – (∑ fx.X)(∑ fy.Cy)2 ] .X)2 ] [ n ∑ fy.Cx )( ∑ fy. KORELASI DATA DIKELOMPOKKAN n ∑ fi.Cx.Cy) r = √ [ n ∑ fx.X2 – (∑ fx.Y2 – (∑ fy.Cy – (∑ fx.Cy2 – (∑ fy.7.Y) r = √ [ n ∑ fx.Y)2 ] Atau : n ∑ fi.

7. KORELASI DATA DIKELOMPOKKAN Contoh : Pendapatan (X) dan Pengeluaran (Y) Bulanan (ribu rupiah) karyawan sebuah pabrik : In Put (X) Out Put (Y) Jumlah (fy ) 1 – 20 21 – 40 41 – 60 1 2 1 21 – 40 4 3 2 41 – 60 1 5 7 2 15 61 – 80 2 3 3 8 81 – 100 1 2 4 7 12 14 9 n = 43 1 – 20 Jumlah (fx) 1 7 61 – 80 81 – 100 4 9 .

Cx2 4 7 0 14 36 61 fi Cx.5 –2 1 2 1 30.5 –1 4 3 2 50.Cx –2 –1 0 1 2 10.5 0 1 5 7 70.Cy fy.5 2 Y fy fy.5 70.5 50.5 90. KORELASI DATA DIKELOMPOKKAN X 10.5 Cy .5 30.Cy2 fi CxCy 4 –8 16 8 9 –9 9 2 2 15 0 0 0 3 3 8 8 8 9 1 2 4 7 14 28 20 5 61 39 1 7 12 14 9 43 fx.5 1 2 90.Cx –2 –7 0 14 18 23 fx.Cy 4 8 0 5 22 39 fx .7.

7.Cx )2 ] [ n ∑ fy.Cx2 – (∑ fx.Cy) r = √ [ n ∑ fx.Cy – (∑ fx. KORELASI DATA DIKELOMPOKKAN Cara mencari fi Cx.Cx.5 adalah : 8 = (2)(–2)(–1) + (4)(–1)(–1) + (1)(0)(–1) n ∑ fi.Cy2 – (∑ fy.67 .Cy)2 ] 43 (39) – (23) (5) r = √ [ 43 (61) – (23)2 ] [ 43 (61) – (5)2 ] = 0.Cy = 8 pada titik tengah (X) = 30.Cx )( ∑ fy.

Sign up to vote on this title
UsefulNot useful