P. 1
22430447-07-Statistika-Analisis-Korelasi

22430447-07-Statistika-Analisis-Korelasi

|Views: 18|Likes:
Dipublikasikan oleh MutaQien Imam Lah

More info:

Published by: MutaQien Imam Lah on Apr 18, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

02/27/2014

pdf

text

original

OLEH

:
FAKULTAS PERTANIAN
UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
2009
WIJAYA
S T A T I ST I K A
email : zeamays_hibrida@yahoo.com
ANALISIS KORELASI
1. Koefisien Korelasi Pearson



Koefisien Korelasi Moment Product
Korelasi Data Berskala Interval dan Rasio
2. Koefisien Korelasi Spearman
Korelasi Data Berskala Ordinal (Rank)
4. Koefisien Korelasi Phi
Korelasi Data Berskala Nominal
3. Koefisien Kontingensi
Korelasi Data yang Disusun dalam Baris - Kolom
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
ANALISIS KORELASI
Negatif Bebas (Nol)
Rumus umum Koefisien Korelasi (tidak harus regresinya linier) yaitu :
1. KORELASI PEARSON
∑( Y
i
– Y)
2
JKG JKT – JKG JKR
r
2
= 1 – = 1 – = =
∑(Y
i
– Y)
2
JKT JKT JKT
r
2
= Koefisien Determinasi (Koefisien Penentu)
r = √ r
2
= Koefisien Korelasi
Y
i
= 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
Rumus Koefisien Korelasi Pearson :
1. KORELASI PEARSON
( ) ( )
( ) ( )

















∑ ∑


=

y
n n
y x xy n
y x
x
r
2 2 2
2
X = Variabel Bebas (Faktor)
Y = Variabel Terikat (Variabel Tidak Bebas)
Nilai r : – 1 ≤ r ≤ 1 …. ≤ r
2
≤ ….
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 0,21 0,50
2 0,50 1,10
3 0,14 0,25
4 1,00 1,80
5 0,21 0,40
6 0,07 0,20
7 0,50 0,90
8 1,00 2,00
9 0,70 1,20
10 0,14 0,35
11 0,35 0,70
12 0,28 0,65
1. KORELASI PEARSON
No Luas (X) Untung (Y) X
2
Y
2
XY
1 0,21 0,50 0,0441 0,2500 0,1050
2 0,50 1,10 0,2500 1,2100 0,5500
3 0,14 0,25 0,0196 0,0625 0,0350
4 1,00 1,80 1,0000 3,2400 1,8000
5 0,21 0,40 0,0441 0,1600 0,0840
6 0,07 0,20 0,0049 0,0400 0,0140
7 0,50 0,90 0,2500 0,8100 0,4500
8 1,00 2,00 1,0000 4,0000 2,0000
9 0,70 1,20 0,4900 1,4400 0,8400
10 0,14 0,35 0,0196 0,1225 0,0490
11 0,35 0,70 0,1225 0,4900 0,2450
12 0,28 0,65 0,0784 0,4225 0,1820
Jumlah 5,10 10,05 3,3232 12,2475 6,3540
Rata-rata 0,43 0,84 - - -
n 12 - - - -
1. KORELASI PEARSON
∑X = 5,10 ; ∑Y = 10,05 ; ∑X
2
= 3,3232 ; ∑Y
2
=12,2475 ;
∑XY = 6,3540 ; n = 12
( ) ( )
( ) ( )

















∑ ∑


=

y
n n
y x xy n
y x
x
r
2 2 2
2
( ) ( )















=
05 , 10
) 2475 , 12 ( 12
10 , 5
) 3232 , 3 ( 12
) 05 , 10 )( 10 , 5 ( ) 3540 , 6 ( 12
2 2
r
( ) ( )















=
0025 , 101
) 9700 , 146 (
0100 , 26
) 8784 , 39 (
2550 , 51 2480 , 76
r
1. KORELASI PEARSON
( ) ( )















=
0025 , 101
) 9700 , 146 (
0100 , 26
) 8784 , 39 (
2550 , 51 2480 , 76
r
) 9675 , 45 ( ) 8684 , 13 (
9930 , 24
= r
24,9930
r = = 0,9899 r
2
= 0,9798 = 97,98 %
25,2487
Nilai r
2
= 97,98 % artinya sebesar 97,98 % variasi besarnya
keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan
(nilai X).
1. KORELASI PEARSON
Pengujian Koefisien Korelasi Pearson :
1. H
0
≡ r = 0 lawan H
1
≡ r ≠ 0
2. Taraf Nyata α= 5 % = 0,05
3. Uji Statistik = Uji- t
4. Wilayah Kritik (Daerah Penolakan H
0
) :
t <–t
α/2(n-2)
atau t > t
α/2(n-2)
t <–t
0,025(10)
atau t > t
0,025(10)
t < –2,228 atau t > 2,228
5. Perhitungan :
r
n
r t
2
1
2


=
1. KORELASI PEARSON
5. Perhitungan :
r
n
r t
2
1
2


=
9798 , 0 1
2 12
9899 , 0


= t
0202 , 0
10
9899 , 0 = t
) 2772 , 22 )( 9899 , 0 ( = t
t = 22,052
6. Kesimpulan :
Karena nilai ( t = 22,052) > ( t
0,025(10)
= 2,228)
maka disimpulkan untuk menolak H
0
, artinya terdapat
hubungan yang signifikan antara keuntungan usahatani
(Y) dengan luas lahan garapan (X)
1. KORELASI PEARSON
6. Kesimpulan :
Nilai t = 22,052 dan t
0,025(10)
= 2,228.
–2,228 2,228
22,052
Tolak H
0
Tolak H
0
Terima H
0
2. KORELASI SPEARMAN
1. Jika tidak ada nilai pengamatan yang sama :
6 ∑d
i
2
r
s
= 1 –
n (n
2
– 1)
2. Jika ada nilai pengamatan yang sama :
∑ ∑



+

=
y
x
d x
r
y
s
2
2
2
2
2
. 2
N
3
– N
∑x
2
= – ∑Tx
12
N
3
– N
∑y
2
= – ∑Ty
12
t
3
– t
∑Tx = ∑
12
t
3
– t
∑Ty = ∑
12
2. KORELASI SPEARMAN
Contoh data berikut menggambarkan Pengalaman Usahatani (X)
dan Penerapan Teknologi (Y) dari 12 petani :
No X Y
1 12 85
2 10 74
3 10 78
4 13 90
5 11 85
6 14 87
7 13 94
8 14 98
9 11 81
10 14 91
11 10 76
12 8 74
No X Rank
1 8 1
2 10 3
3 10 3
4 10 3
5 11 5,5
6 11 5,5
7 12 7
8 13 8,5
9 13 8,5
10 14 11
11 14 11
12 14 11
No X Rank
1 74 1,5
2 74 1,5
3 76 3
4 78 4
5 81 5
6 85 6,5
7 85 6,5
8 87 8
9 90 9
10 91 10
11 94 11
12 98 12
2. KORELASI SPEARMAN
No X Y Rank-X Rank-Y d
i
2
1 12 85 7 6,5 0,25
2 10 74 3 1,5 2,25
3 10 78 3 4 1,00
4 13 90 8,5 9 0,25
5 11 85 5,5 6,5 1,00
6 14 87 11 8 9,00
7 13 94 8,5 11 6,25
8 14 98 11 12 1,00
9 11 81 5,5 5 0,25
10 14 91 11 10 1,00
11 10 76 3 3 0,00
12 8 74 1 1,5 0,25
Jml 22,50
2. KORELASI SPEARMAN
6 ∑d
i
2
r
s
= 1 –
n (n
2
– 1)
6 (22,50)
r
s
= 1 –
12 (144 – 1)
135
r
s
= 1 – = 1 – 0,0787 = 0,9213
1716
∑d
i
2
= 22,50 n = 12
2. KORELASI SPEARMAN
Rank-X t Tx Rank-Y t Ty
3 3 2,0 1,5 2 0,5
5,5 2 0,5 6,5 2 0,5
8,5 2 0,5
11 3 2,0
Jml 5,0 Jml 1,0
∑Tx = 5,0 ∑Ty = 1,0 n = 12
12
3
– 12
∑x
2
= – 5,0 = 138
12
12
3
– 12
∑x
2
= – 1,0 = 142
12
2. KORELASI SPEARMAN
∑d
i
2
= 22,50 ∑x
2
= 138 ∑y
2
= 142
∑ ∑



+

=
y
x
d x
r
y
s
2
2
2
2
2
. 2
) 142 ( . ) 138 ( 2
5 , 22 142 138 − +
=
r
s
971 , 279
5 , 257
=
r
s
9197 , 0 =
r
s
Pengujian Koefisien Korelasi Pearson :
1. H
0
≡ r
s
= 0 lawan H
1
≡ r
s
≠ 0
2. Taraf Nyata α= 5 % = 0,05
3. Uji Statistik = Uji- t
4. Wilayah Kritik (Daerah Penolakan H
0
) :
t <–t
α/2(n-1)
atau t > t
α/2(n-1)
t <–t
0,025(10)
atau t > t
0,025(10)
t < –2,228 atau t > 2,228
5. Perhitungan :
r
n
r
t
s
s
2
1
2


=
2. KORELASI SPEARMAN
5. Perhitungan :
8459 , 0 1
2 12
9197 , 0


= t
1541 , 0
10
9197 , 0 = t
) 0560 , 8 )( 9197 , 0 ( = t
t = 7,409
6. Kesimpulan :
Karena nilai ( t = 7,409) > ( t
0,025(10)
= 2,228) maka
disimpulkan untuk menolak H
0
, artinya terdapat
hubungan yang signifikan antara pengalaman usahatani
(X) dengan penerapan teknologi (Y)
2. KORELASI SPEARMAN
r
n
r
t
s
s
2
1
2


=
Koefisien korelasi phi rφ merupakan ukuran derajat keeratan
hubungan antara dua variabel dengan skala nominal yang
bersifat dikotomi (dipisahduakan).
3. KORELASI PHI
A.D – B.C
r
φ
=
√ (A+B)(C+D)(A+C)(B+D)
Kolom Jumlah
A
C
(A+C)
B (A+B)
Baris
D
(B+D)
(C+D)
Jumlah N
Uji signifikansi r
φ
dilakukan dengan statistik χ
2
Pearson :
3. KORELASI PHI
N [ | A.D – B.C | – 0,5 N ]
2
X
2
= db-X
2
= (b – 1)(k – 1)
(A+B)(C+D)(A+C)(B+D)
[ | o
i
– e
i
| – 0,5 ]
2
X
2
= ∑ db-X
2
= (b – 1)(k – 1)
e
i
Atau dengan rumus :
Contoh :
Data berikut menggambarkan banyaknya petani tebu berdasarkan
penggunaan jenis pupuk dan cara tanam.
Pupuk Tunggal Pupuk Majemuk Jumlah
Tanam Awal 5 9 14
Keprasan 9 7 16
Jumlah 14 16 30
Tentukan nilai Koefisien Korelasinya dan Ujilah pada taraf nyata 1%
apakah penggunaan jenis pupuk tergantung dari cara tanamnya ?
3. KORELASI PHI
3. KORELASI PHI
Jawab :
Pupuk Tunggal Pupuk Majemuk Jumlah
Tanam Awal 5 9 14
Keprasan 9 7 16
Jumlah 14 16 30
A.D – B.C
r
φ
=
√ (A+B)(C+D)(A+C)(B+D)
(5)(7) – (9)(9) 35 – 81 – 46
r
φ
= = =
√ (14)(16)(14)(16) √ 50176 224
r
φ
= – 0,2054
3. KORELASI PHI
Uji Koefisien Korelasi phi :
1. H
0
≡ r
φ
= 0 lawan H
1
≡ r
φ
≠ 0
2. Taraf Nyata α= 5 % = 0,05
3. Uji Statistik = Uji- X
2
4. Wilayah Kritik (Daerah Penolakan H
0
) :
X
2
>X
2
0,05(1)
atau X
2
> 3,841
5. Perhitungan :
Pupuk Tunggal Pupuk Majemuk
o
i
e
i
o
i
6,53 9
7 7,47
e
i
Jumlah
Tanam Awal 5 7,47 14
Keprasan 9 8,53 16
Jumlah 14 16 30
3. KORELASI PHI
Pupuk Tunggal Pupuk Majemuk
o
i
e
i
o
i
6,53 9
7 7,47
e
i
Jumlah
Tanam Awal 5 7,47 14
Keprasan 9 8,53 16
Jumlah 14 16 30
[ | o
i
– e
i
| – 0,5 ]
2
X
2
= ∑
e
i
[ |5 – 6,53| – 0,5 ]
2
[|7 – 8,53| – 0,5]
2
X
2
= + …+ = 0,571
5,63 8.53
6. Kesimpulan
Karena nilai (X
2
= 0,571) < (X
2
0,05(1)
= 6,635) maka H
0
diterima artinya penggunaan jenis pupuk tidak tergantung
pada cara tanam.
3. KORELASI PHI
Pupuk Tunggal Pupuk Majemuk Jumlah
Tanam Awal 5 9 14
Keprasan 9 7 16
Jumlah 14 16 30
N [ |A.D – B.C| – 0,5 N ]
2
X
2
=
(A+B)(C+D)(A+C)(B+D)
30 [ |35 – 81| – 0,5(30) ]
2
=
(14)(16)(14)(16)
30 [ 46 – 15 ]
2
28830
X
2
= = = 0,575
50176 50176
4. KORELASI CRAMER
| A.D – B.C |
V =
√ (A+B)(C+D)(A+C)(B+D)
Pupuk Tunggal Pupuk Majemuk Jumlah
Tanam Awal 5 9 14
Keprasan 9 7 16
Jumlah 14 16 30
| (5)(7) – (9)(9)| |35 – 81| 46
V = = =
√ (14)(16)(14)(16) √ 50176 224
V = 0,2054
4. 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, berarti kedua variabel
tersebut bersifat bebas.
n
C
+
=
χ
χ
2
2
(o
i
– e
i
)
2
X
2
= ∑ db-X
2
= (b – 1)(k – 1)
e
i
4. KORELASI KONTINGENSI
Contoh :
Ada anggapan bahwa pelayanan bank swasta terhadap para
nasabahnya lebih memuaskan dari pada bank pemerintah. Untuk
mengetahui hal tersebut, maka dilakukan wawancara terhadap nasabah
bank swasta dan bank pemerintah masing-masing sebanyak 40 orang.
Hasil wawancara yang tercatat adalah :
Swasta Pemerintah
Tidak Puas 16 10
Netral 9 5
Puas 15 25
1. H
0
≡ C = 0 lawan H
1
≡ C ≠ 0
2. Taraf Nyata α= 5 % = 0,05
3. Uji Statistik = Uji- X
2
4. Wilayah Kritik (Daerah Penolakan H
0
) :
X
2
>X
2
0,05(2)
atau X
2
> 5,991
5. Perhitungan :
4. KORELASI KONTINGENSI
Swasta Pemerintah
o
i
e
i
o
i
e
i
Tidak Puas 16 13 10 13 26
Netral 9 7 5 7 14
Puas 15 20 25 20 40
Jumlah 40 40 80
Jumlah
4. KORELASI KONTINGENSI
Swasta Pemerintah
o
i
e
i
o
i
e
i
Tidak Puas 16 13 10 13 26
Netral 9 7 5 7 14
Puas 15 20 25 20 40
Jumlah 40 40 80
Jumlah
(o
i
– e
i
)
2
(16 – 13)
2
(25 – 20)
2
X
2
= ∑ = + …+ = 5,027
e
i
13 20
X
2
5,027
C = √ = √ = √ 0,0591 = 0,243
X
2
+ n 5,027 + 80
6. Kesimpulan :
4. KORELASI KONTINGENSI
Karena nilai (X
2
= 5,027) < (X
2
0,05(2)
= 5,991) maka H
0
diterima artinya hubungan antara kedua variabel tersebut
bersifat tidak nyata (tingkat kepuasan nasabah terhadap
pelayanan bank swasta tidak berbeda nyata dengan bank
pemerintah).
5. KORELASI BISERI
Koefisien korelasi biseri merupakan ukuran derajat keeratan
hubungan antara Y yang kontinu (kuantitatif) dengan X yang
diskrit bersifat dikotomi.
( )
S
Y Y
r
Y
b
u
q p.
2 1

=
r
b
= Koefisien Korelasi Biseri
Y
1
= Rata-rata Variabel Y untuk kategori ke-1
Y
2
= Rata-rata Variabel Y untuk kategori ke-2
p = Proporsi kategori ke-1
q = 1 – p
u = Tinggi ordinat kurva z dengan peluang p dan q
S
y
= Simpangan Baku Variabel Y
5. KORELASI BISERI
Data berikut merupakan hasil nilai ujian statistika dari 145
mahasiswa yang belajar dan tidak belajar.
Jumlah Mahasiswa
Nilai Ujian
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
Total
5. KORELASI BISERI
Interval Y
1
F FY
1
Y
2
F FY
2
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
Jumlah 21 1667 124 8208
Rata-rata 79,38 66,19
Rata-rata Y
1
= 79,38 dan Y
2
= 66,19. p = 21/145 = 0,14
q = 0,86 Sy = 9,26 dan u = 0,223
5. KORELASI BISERI
( )
S
Y Y
r
Y
b
u
q p.
2 1

=
( 79,38 – 66,19 ) ( 0,14 )( 0,86 )
r
b
=
( 0,223 )( 9,26 )
( 13,19 ) ( 0,120 )
r
b
=
( 2,065 )
( 1,588 )
r
b
= = 0,769
( 2,065 )
6. KORELASI LINEAR GANDA DAN PARSIAL
Untuk regresi linier ganda Y = b
0
+ b
1
X
1
+ b
2
X
2
+ …+ b
k
X
k
,
maka koefisien korelasi ganda dihitung dari Koefsisien
Determinasi dengan rumus :
JKR b
1
x
1
y + b
1
x
2
y + …+ b
k
x
k
y
r
2
= =
JKG ∑ y
2
JKR = Jumlah Kuadrat Regresi
JKG = Jumlah Kuadrat Galat
x
i
y = ∑X
I
Y – ( ∑X
I
) ( ∑Y ) / n
∑ y
2
= ∑Y
2
– ( ∑Y )
2
/ n
1. Korelasi Linear Ganda
6. KORELASI LINEAR GANDA DAN PARSIAL
Tabel berikut menunjukkan skor tes kecerdasan (X
1
), frekuensi
membolos (X
2
) dan nilai ujian statistika (Y) dari 12 mahasiswa :
Skor tes (X1) Frek. Bolos (X2) Nilai (Y)
65 1 85
50 7 74
55 5 76
65 2 90
55 6 85
70 3 87
65 2 94
70 5 98
55 4 81
70 3 91
50 1 76
55 4 74
∑X
1
= 725
∑X
2
= 43
∑X
1
2
= 44.475
∑X
1
X
2
= 2.540
∑Y = 1.011
∑X
1
Y = 61.685
∑X
2
Y = 3.581
∑X
2
2
= 195
6. KORELASI LINEAR GANDA DAN PARSIAL
Dari tabel tersebut hubungan fungsional yang dapat dibangun
yaitu : Y = b
0
+ b
1
X
1
+ b
2
X
2
. Kemudian persamaan normal
yang dapat dibentuk yaitu :
n ∑X
1
∑X
2
b
0
∑X
1
X
2
=
∑Y
∑X
1
∑X
1
2
∑X
2
2
b
1
b
2
∑X
1
Y
∑X
2
∑X
1
X
2
∑X
2
Y
∑Y
=
b
0
n + b
1
∑X
1
+ b
2
∑X
2
∑X
1
Y
∑X
2
Y
b
0
∑X
1
+ b
1
∑X
1
2
+ b
2
∑X
1
X
2
=
=
b
0
∑X
2
+ b
1
∑X
1
X
2
+ b
2
∑X
2
2
Matrik dari persamaan normal diatas :
6. KORELASI LINEAR GANDA DAN PARSIAL
Nilai b
0
, b
1
dan b
2
dapat dihitung dari :
1. Persamaan Normal : (a) Substitusi, dan (b) Eliminasi
2. Matriks : (a) Determinan Matriks, dan (b) Invers Matriks
Melalui salah satu cara diatas diperoleh nilai
b
0
= 27,254
b
1
= 0,922
b
2
= 0,284
6. KORELASI LINEAR GANDA DAN PARSIAL
∑X
1
= 725
∑X
2
= 43
∑X
1
2
= 44.475
∑X
1
X
2
= 2.540 ∑Y = 1.011
∑X
1
Y = 61.685 ∑X
2
Y = 3.581
∑X
2
2
= 195
b
0
= 27,254 b
1
= 0,922 b
2
= 0,284
Analisis Ragam :
∑Y
2
= 85.905
1. FK = (∑Y)
2
/ n = (1,011)
2
/ 12 = 85.176,75
2. JKT = ∑Y
2
– FK = 85.905 – 85,175,75 = 728,25
3. JKR = b
1
[ (∑X
1
Y – (∑X
1
)(∑Y)/n ] + b
2
[ (∑X
2
Y – (∑X
2
)(∑Y)/n ]
= 0,922 [ (61.685 – (725)(1.011)/12 ] +
0,284 [ (3.581 – (43)(1.011)/12 ]
= 556,463 – 11.867 = 544,596
4. JKG = JKT – JKR = 728,25 – 544,596 = 183,654
6. KORELASI LINEAR GANDA DAN PARSIAL
Analisis Ragam :
1. FK = 85.176,75
2. JKT = 728,25
3. JKR = 544,596
4. JKG = 183,654
No Variasi DB JK KT F F
5%
1 Regresi 2 544,596 272,298 13,344 4,256
2 Galat 9 183,654 20,406
Total 11 728,250
JKR 544,596
r
2
= = = 0,7478 r = 0,8648
JKG 728,250
6. KORELASI LINEAR GANDA DAN PARSIAL
Pengujian Korelasi Ganda :
r
2
y/1,2
/ k
F =
(1 – r
2
y/1,2
) / (n–k–1)
r
2
y/1,2
/ db-R
F =
(1 – r
2
y/1,2
) / db-G
db-R = Derajat Bebas Regresi
db-G = Derajat Bebas Galat
6. KORELASI LINEAR GANDA DAN PARSIAL
r
2
= 0,7478 ; r = 0,8648 ; db-R = 2 ; db-G = 9
r
2
y/1,2
/ db-R
F =
(1 – r
2
y/1,2
) / db-G
(0,7478) / 2 0,3739
F = = = 13,343
(1 – 0,7478) / 9 0,0280
F
0,05(2 ; 9)
= 4,2565
Karena nilai ( F = 13,343) > ( F
0,05(2 ; 9)
= 4,2565) artinya
koefisien korelasi ganda tersebut bersifat nyata.
6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
A. Korelasi X
1
dengan Y jika X
2
tetap :
( ) ( )
r r
r r r
r
y
y y
y
2
2 . 1
2
2
2 . 1 2 1
2 / 1
1 1 − −

=
r
y1
= korelasi antara Y dengan X
1
r
y2
= korelasi antara Y dengan X
2
r
12
= korelasi antara X
1
dengan X
2
B. Korelasi X
2
dengan Y jika X
1
tetap :
( ) ( )
r r
r r r
r
y
y y
y
2
2 . 1
2
1
2 . 1 1 2
1 / 2
1 1 − −

=
6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
n ∑X
1
Y – (∑X
1
)(∑Y)
r
y1
=
√ [ n ∑X
1
2
– (∑X
1
)
2
] [ n ∑Y
2
– (∑Y)
2
]
n ∑X
2
Y – (∑X
2
)(∑Y)
r
y2
=
√ [ n ∑X
2
2
– (∑X
2
)
2
] [ n ∑Y
2
– (∑Y)
2
]
n ∑X
1
X
2
– (∑X
1
)(∑X
2
)
r
12
=
√ [ n ∑X
1
2
– (∑X
1
)
2
] [ n ∑X
2
2
– (∑X
2
)
2
]
6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
A. Korelasi X
1
dengan Y jika X
2
tetap :
( ) ( )
r r
r r r
r
y
y y
y
2
2 . 1
2
2
2 . 1 2 1
2 / 1
1 1 − −

=
r
y1
= 0,862 ; r
y1
2
= 0,743 ; r
y2
= –0,242
r
Y2
2
= 0,059 ; r
12
= –0,349 ; r
12
2
= 0,122
( ) ( ) 122 , 0 1 ) 059 , 0 ( 1
) 349 , 0 )( 242 , 0 ( 862 , 0
2 / 1
− −
− − −
=
r
y
909 , 0
778 , 0
2 / 1
=
r
y
855 , 0
2 / 1
=
r
y
6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
B. Korelasi X
2
dengan Y jika X
1
tetap :
( ) ( )
r r
r r r
r
y
y y
y
2
2 . 1
2
1
2 . 1 1 2
1 / 2
1 1 − −

=
r
y1
= 0,862 ; r
y1
2
= 0,743 ; r
y2
= –0,242
r
Y2
2
= 0,059 ; r
12
= –0,349 ; r
12
2
= 0,122
( ) ( ) 122 , 0 1 ) 941 , 0 ( 1
) 349 , 0 )( 862 , 0 ( 242 , 0
2 / 1
− −
− − −
=
r
y
475 , 0
059 , 0
2 / 1
=
r
y
124 , 0
2 / 1
=
r
y
6. KORELASI LINEAR GANDA DAN PARSIAL
Pengujian Koefisien Korelasi Parsial :
r
y1/2
= 0,855 ; r
y1/2
2
= 0,731 ;
r
y2/1
= 0,124 ; r
Y2/1
2
= 0,015
r
r
j yi
j yi
n
t
2
/
/
1
3


=
A. Korelasi X
1
dengan Y jika X
2
tetap (r
y1/2
) :
731 , 0 1
9
855 , 0

= t 949 , 4 = t
t
0,025(9)
= 2,262 Korelasi Signifikan
6. KORELASI LINEAR GANDA DAN PARSIAL
Pengujian Koefisien Korelasi Parsial :
r
y1/2
= 0,855 ; r
y1/2
2
= 0,731 ;
r
y2/1
= 0,124 ; r
Y2/1
2
= 0,015
r
r
j yi
j yi
n
t
2
/
/
1
3


=
B. Korelasi X
2
dengan Y jika X
1
tetap (r
y2/1
) :
015 , 0 1
9
124 , 0

= t 374 , 0 = t
t
0,025(9)
= 2,262 Korelasi Tidak Signifikan
7. KORELASI DATA DIKELOMPOKKAN
n ∑f
i
.XY – (∑f
x
.X)(∑f
y
.Y)
r =
√ [ n ∑f
x
.X
2
– (∑fx.X)
2
] [ n ∑f
y
.Y
2
– (∑f
y
.Y)
2
]
n ∑f
i
.C
x
.C
y
– (∑f
x
.C
x
)( ∑f
y
.C
y
)
r =
√ [ n ∑f
x
.C
x
2
– (∑f
x
.C
x
)
2
] [ n ∑f
y
.C
y
2
– (∑f
y
.C
y
)
2
]
Atau :
7. KORELASI DATA DIKELOMPOKKAN
Contoh :
Pendapatan (X) dan Pengeluaran (Y) Bulanan (ribu rupiah) karyawan
sebuah pabrik :
In Put (X)
Out Put (Y)
1 – 20 21 – 40 41 – 60 61 – 80 81 – 100
1 – 20 1 2 1 4
21 – 40 4 3 2 9
41 – 60 1 5 7 2 15
61 – 80 2 3 3 8
81 – 100 1 2 4 7
Jumlah (fx)
1 7 12 14 9 n = 43
Jumlah (fy)
7. KORELASI DATA DIKELOMPOKKAN
X
10,5 30,5 50,5 70,5 90,5
Cy.Cx
– 2 – 1 0 1 2
fy fy.Cy fy.Cy
2
f
i
CxCy
10,5 – 2 1 2 1 4 – 8 16 8
30,5 – 1 4 3 2 9 – 9 9 2
50,5 0 1 5 7 2 15 0 0 0
70,5 1 2 3 3 8 8 8 9
90,5 2 1 2 4 7 14 28 20
fx
1 7 12 14 9 43 5 61 39
fx.Cx
– 2 – 7 0 14 18 23
fx.Cx
2
4 7 0 14 36 61
fi Cx.Cy
4 8 0 5 22 39
Y
7. KORELASI DATA DIKELOMPOKKAN
Cara mencari f
i
C
x
.C
y
= 8 pada titik tengah (X) = 30,5 adalah :
8 = (2)(–2)(–1) + (4)(–1)(–1) + (1)(0)(–1)
n ∑f
i
.C
x
.C
y
– (∑f
x
.C
x
)( ∑f
y
.C
y
)
r =
√ [ n ∑f
x
.C
x
2
– (∑f
x
.C
x
)
2
] [ n ∑f
y
.C
y
2
– (∑f
y
.C
y
)
2
]
43 (39) – (23) (5)
r = = 0,67
√ [ 43 (61) – (23)2 ] [ 43 (61) – (5)2 ]

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

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->