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 ≤ ….

70 12 0.1.20 7 0.50 1.70 1.21 0.07 0.90 8 1.35 0.65 . KORELASI PEARSON Misal data berikut menggambarkan keuntungan usahatani (Y) pada berbagai luas lahan (X) padi sawah : No Petani Luas Lahan (X) Keuntungan (Y) 1 0.20 10 0.50 0.28 0.00 2.21 0.25 4 1.00 9 0.10 3 0.00 1.14 0.40 6 0.80 5 0.14 0.35 11 0.50 2 0.

05 0.00 0.90 2.4900 0.0000 0.2450 0.21 0.20 0.1600 0.0196 0.5500 0.40 0.20 0.50 0.0625 3.0350 1.8000 0.07 0.4400 0.0140 0.2500 0.10 0.14 0.8100 4.0000 1.14 1.25 1.0049 0.2500 1.28 5.35 0.4900 0.0000 0. KORELASI PEARSON No 1 2 3 4 5 6 7 8 9 10 11 12 Jumlah Rata-rata n Luas (X) 0.0441 0.0000 0.0400 0.65 10.35 0.00 1.0490 0.1225 0.2500 1.4225 12.50 1.8400 0.80 0.43 12 Untung (Y) 0.1.4500 2.2100 0.10 0.2475 - XY 0.1820 6.50 1.0196 1.1225 0.1050 0.70 0.0441 0.84 - X2 0.70 0.0840 0.3232 - Y2 0.0784 3.21 0.3540 - .00 0.2400 0.

2550 ⎡(39.3540) − (5.0025) ⎤⎥⎦ .3232) − ⎢⎣ ( ) ⎤ ⎡ 5.10 ⎥ ⎢12(12.05) ⎤⎥⎦ 2 76. ∑Y2 =12.10)(10.05 . ∑ X2 = 3.1.0100) ⎤⎥⎦ ⎡(146. ∑ Y = 10.8784) − ⎢⎣ (26.2480 − 51.10 . KORELASI PEARSON ∑ X = 5.9700) − ⎢⎣ (101.2475 .2475) − ⎦ ⎣ 2 (10. n = 12 r = r = r = n ∑ xy − (∑ x) (∑ y) ⎡n ∑ 2 − x ⎢⎣ ( ) 2⎤ ⎡n ∑ 2 − ∑x ⎥ ⎢ y ⎦ ⎣ (∑ y) ⎥⎦ 2⎤ 12(6.3540 . ∑ XY = 6.05) ⎡12(3.3232 .

KORELASI PEARSON r = r = 76.8684 ) ( 45 .9675 ) 24.9798 = 97.2550 ⎡(39.9930 (13 .1.0025) ⎤⎥⎦ 24 .0100) ⎤⎥⎦ ⎡(146.8784) − ⎢⎣ (26.9930 r = = 0.98 % artinya sebesar 97.9700) − ⎢⎣ (101. .98 % variasi besarnya keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan (nilai X).2487 Nilai r2 = 97.9899 Æ r2 = 0.98 % 25.2480 − 51.

228 5. Perhitungan : t = r n − 2 1 − r 2 .t Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-2) atau t > tα/2(n-2) t <–t0.025(10) atau t > t0.05 Uji Statistik = Uji. KORELASI PEARSON Pengujian Koefisien Korelasi Pearson : 1.025(10) t < –2. H0 ≡ r = 0 lawan H1 ≡ r ≠ 0 Taraf Nyata α = 5 % = 0.1. 3. 4.228 atau t > 2. 2.

9899 2 10 0.9899 12 − 2 1 − 0.0202 t = 0.9899)(22. Kesimpulan : Karena nilai ( t = 22.2772) t = 22.052) > ( t0.025(10) = 2. Perhitungan : t = r n − 2 1 − r t = 0.228) maka disimpulkan untuk menolak H0.9798 t = (0. artinya terdapat hubungan yang signifikan antara keuntungan usahatani (Y) dengan luas lahan garapan (X) .1.052 6. KORELASI PEARSON 5.

228 22.228.052 dan t0.052 . Kesimpulan : Nilai t = 22.1. Tolak H0 Tolak H0 Terima H0 –2.025(10) = 2. KORELASI PEARSON 6.228 2.

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

5 8.5 1.5 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 6.5 7 8.2.5 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 3 4 5 6.5 5.

5 9 0.5 6.25 10 14 91 11 10 1.00 11 10 76 3 3 0.00 12 8 74 1 1.5 11 6.50 .00 9 11 81 5.5 1.5 5 0.25 5 11 85 5.25 8 14 98 11 12 1.25 2 10 74 3 1.00 6 14 87 11 8 9.5 2. KORELASI SPEARMAN No X Y Rank-X Rank-Y di2 1 12 85 7 6.2.00 4 13 90 8.5 0.5 0.25 Jml 22.00 7 13 94 8.25 3 10 78 3 4 1.

KORELASI SPEARMAN ∑ di2 = 22.50 n = 12 rs = 1 – 6 ∑ di2 n (n2 – 1) 6 (22.9213 1716 .50) rs = 1 – 12 (144 – 1) 135 rs = 1 – = 1 – 0.0787 = 0.2.

0 Jml ∑ Ty = 1.5 0.0 = 138 12 ∑ x2 = 123 – 12 – 1.0 ∑ x2 = Tx 2.0 0.5 11 t 3 2 2 3 Jml ∑ Tx = 5.0 .5 6.5 8.0 = 142 12 t 2 2 Ty 0.2.5 5.0 n = 12 123 – 12 – 5. KORELASI SPEARMAN Rank-X 3 5.5 0.5 2.5 1.0 Rank-Y 1.

∑ y 138 + 142 − 22. KORELASI SPEARMAN ∑ di2 = 22.5 rs = 2 (138) .5 rs = 279.2.50 2 rs = ∑x 2 ∑ x2 = 138 2 + ∑y 2 − ∑d ∑ y2 = 142 2 2 ∑x . (142) 257.971 r s = 0.9197 .

Perhitungan : t = rs n − 2 2 1 − rs . H0 ≡ rs = 0 lawan H1 ≡ rs ≠ 0 2.025(10) t < –2. Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-1) atau t > tα/2(n-1) t <–t0.228 atau t > 2. Uji Statistik = Uji.025(10) atau t > t0.t 4.2.05 3. Taraf Nyata α = 5 % = 0.228 5. KORELASI SPEARMAN Pengujian Koefisien Korelasi Pearson : 1.

Kesimpulan : Karena nilai ( t = 7.8459 t = (0.0560) t = 7.9197 12 − 2 1 − 0.409 6.9197 10 0.409) > ( t0.2.025(10) = 2. Perhitungan : t = rs n − 2 2 1 − rs t = 0.228) maka disimpulkan untuk menolak H0.1541 t = 0. artinya terdapat hubungan yang signifikan antara pengalaman usahatani (X) dengan penerapan teknologi (Y) .9197)(8. KORELASI SPEARMAN 5.

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. KORELASI PHI Koefisien korelasi phi rφ merupakan ukuran derajat keeratan hubungan antara dua variabel dengan skala nominal yang bersifat dikotomi (dipisahduakan).

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

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 ? .3. KORELASI PHI Contoh : Data berikut menggambarkan banyaknya petani tebu berdasarkan penggunaan jenis pupuk dan cara tanam.

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

05 3.3.X2 4. H0 ≡ r φ = 0 lawan H1 ≡ r φ ≠ 0 2. Taraf Nyata α = 5 % = 0.53 16 Jumlah 14 16 30 . Perhitungan : Tanam Awal Keprasan Jumlah Pupuk Tunggal oi ei 6. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.47 7 8.53 5 7.05(1) atau X2 > 3. Uji Statistik = Uji.47 9 14 Pupuk Majemuk ei oi 9 7.841 5. KORELASI PHI Uji Koefisien Korelasi phi : 1.

53 5 7.53 6. KORELASI PHI Tanam Awal Keprasan Jumlah X2 = ∑ Pupuk Tunggal oi ei 6.571) < (X20. .53| – 0.63 = 0.5 ]2 [|7 – 8.635) maka H0 diterima artinya penggunaan jenis pupuk tidak tergantung pada cara tanam.3.47 9 14 Pupuk Majemuk ei oi 9 7.5 ]2 ei X2 = [ |5 – 6.5]2 +…+ 5.53| – 0.05(1) = 6.53 16 Jumlah 14 16 30 [ | oi – ei | – 0.47 7 8. Kesimpulan Karena nilai (X2 = 0.571 8.

3.575 50176 .5(30) ]2 = (A+B)(C+D)(A+C)(B+D) X2 = 30 [ 46 – 15 ]2 (14)(16)(14)(16) 28830 = 50176 = 0.C| – 0.5 N ]2 30 [ |35 – 81| – 0. KORELASI PHI Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah X2 = N [ |A.D – B.

KORELASI CRAMER | A.4.D – B.2054 |35 – 81| = √ 50176 46 = 224 .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.

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

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

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 .4. Uji Statistik = Uji. KORELASI KONTINGENSI 1.05(2) atau X2 > 5. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20. Taraf Nyata α = 5 % = 0.05 3.X2 4. H0 ≡ C = 0 lawan H1 ≡ C ≠ 0 2.991 5.

027 + 80 = 5.027 5.0591 = 0. 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 5.4.027 20 = √ 0.243 .

KORELASI KONTINGENSI 6. . Kesimpulan : Karena nilai (X2 = 5.027) < (X20.4.05(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).

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 . KORELASI BISERI Koefisien korelasi biseri merupakan ukuran derajat keeratan hubungan antara Y yang kontinu (kuantitatif) dengan X yang diskrit bersifat dikotomi.5. rb rb Y1 Y2 p q u Sy = = = = = = = = (Y1 − u Y2) SY p.

5. KORELASI BISERI Data berikut merupakan hasil nilai ujian statistika dari 145 mahasiswa yang belajar dan tidak belajar. 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 .

38 66.38 dan Y2 = 66.19.26 dan u = 0. p = 21/145 = 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 79.14 q = 0.19 Rata-rata Y1 = 79.223 .5.86 Sy = 9.

86 ) rb = ( 0. KORELASI BISERI rb = (Y1 − u Y2) SY p.q ( 79.19 ) ( 0.120 ) rb = ( 2.14 )( 0.065 ) .5.26 ) ( 13.223 )( 9.769 ( 2.19 ) ( 0.065 ) ( 1.588 ) rb = = 0.38 – 66.

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 Untuk regresi linier ganda Y = b0 + b1 X1 + b2 X2 + … + bk Xk .6. KORELASI LINEAR GANDA DAN PARSIAL 1.

KORELASI LINEAR GANDA DAN PARSIAL Tabel berikut menunjukkan skor tes kecerdasan (X1).540 70 5 98 ∑ Y = 1.6. frekuensi membolos (X2) dan nilai ujian statistika (Y) dari 12 mahasiswa : Skor tes (X1) Frek. Bolos (X2) Nilai (Y) 65 1 85 ∑ X1 = 725 50 7 74 55 5 76 ∑ X2 = 43 65 2 90 ∑ X12 = 44.685 50 1 76 ∑ X2Y = 3.011 55 4 81 70 3 91 ∑ X1Y = 61.475 55 6 85 70 3 87 ∑ X22 = 195 65 2 94 ∑ X1X2 = 2.581 55 4 74 .

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 .6. KORELASI LINEAR GANDA DAN PARSIAL Dari tabel tersebut hubungan fungsional yang dapat dibangun yaitu : Y = b0 + b1 X1 + b2 X2.

6.254 b1 = 0. b1 dan b2 dapat dihitung dari : 1. KORELASI LINEAR GANDA DAN PARSIAL Nilai b0 .284 . Matriks : (a) Determinan Matriks. dan (b) Invers Matriks Melalui salah satu cara diatas diperoleh nilai b0 = 27. Persamaan Normal : (a) Substitusi.922 b2 = 0. dan (b) Eliminasi 2.

922 b2 = 0. JKT = ∑ Y2 – FK = 85.463 – 11.25 – 544.254 b1 = 0.011)/12 ] + 0. KORELASI LINEAR GANDA DAN PARSIAL ∑ X1 = 725 ∑ X2 = 43 ∑ X12 = 44.581 ∑ Y2 = 85.011 ∑ X1Y = 61.922 [ (61.685 ∑ X2Y = 3.011)2 / 12 = 85. JKR = b1 [ (∑ X1Y – (∑X1)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ] = 0.475 ∑ X22 = 195 ∑ X1X2 = 2.654 .905 – 85.867 = 544. FK = (∑Y)2 / n = (1.685 – (725)(1.596 4.75 2.905 b0 = 27.284 Analisis Ragam : 1. JKG = JKT – JKR = 728.75 = 728.175.25 3.284 [ (3.6.176.581 – (43)(1.011)/12 ] = 556.596 = 183.540 ∑ Y = 1.

75 2.654 Total 11 728.250 r2 = JKR JK 544.344 2 Galat 9 183.654 No Variasi DB 1 Regresi 2 544. JKT = 728.596 = JKG 728.256 20.25 3. JKG = 183.596 272.406 = 0.596 4.7478 Æ r = 0.250 KT F F5% 4. FK = 85. KORELASI LINEAR GANDA DAN PARSIAL Analisis Ragam : 1.176.8648 . JKR = 544.298 13.6.

2 / db-R (1 – r2y/1.2 / k (1 – r2y/1. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Korelasi Ganda : F = F = r2y/1.2 ) / db-G db-R = Derajat Bebas Regresi db-G = Derajat Bebas Galat .2 ) / (n–k–1) r2y/1.6.

7478 .8648 . KORELASI LINEAR GANDA DAN PARSIAL r2 F = = 0. 9) = 4. r = 0.343 0.2 ) / db-G (0. .3739 = (1 – 0. db-R = 2 .2565 Karena nilai ( F = 13.05(2 .0280 F0.343) > ( F0.2565) artinya koefisien korelasi ganda tersebut bersifat nyata.05(2 . db-G = 9 r2y/1. 9) = 4.2 / db-R (1 – r2y/1.7478) / 2 F = 0.7478) / 9 = 13.6.

2 2 2 ) ( 1 − ry2 r1.6. Korelasi X1 dengan Y jika X2 tetap : ry1/2 = ry1 (1 − − ry2 r1. KORELASI LINEAR GANDA DAN PARSIAL 2.2 2 2 ) ( 1 − ry1 r1. Korelasi X2 dengan Y jika X1 tetap : ry2/1 = ry1 ry2 r12 ry2 (1 − − ry1 r1.2) B.2) = korelasi antara Y dengan X1 = korelasi antara Y dengan X2 = korelasi antara X1 dengan X2 . Koefisien Korelasi Parsial : A.

6. 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 ] . KORELASI LINEAR GANDA DAN PARSIAL 2.

ry12 = 0. KORELASI LINEAR GANDA DAN PARSIAL 2. ry2 = –0. Koefisien Korelasi Parsial : ry1 = 0.909 ry1/2 = 0.862 .855 .242 rY22 = 0.743 .242)(−0.6. r122 = 0.349) (1 − (0.122) 0.778 = ry1/2 0.059 .349 .2) 0. r12 = –0. Korelasi X1 dengan Y jika X2 tetap : ry1/2 = ry1/2 = ry1 (1 − − ry2 r1.2 2 2 ) ( 1 − ry2 r1.059)) (1 − 0.862 − (−0.122 A.

059 .242 − (0.349) (1 − (0. r12 = –0.122) 0. ry12 = 0.122 B.743 .475 ry1/2 = 0.941)) (1 − 0. KORELASI LINEAR GANDA DAN PARSIAL 2.6.059 = ry1/2 0.862 .242 rY22 = 0. Korelasi X2 dengan Y jika X1 tetap : ry2/1 = ry1/2 = ry2 (1 − − ry1 r1. ry2 = –0. r122 = 0.124 .862)(−0. Koefisien Korelasi Parsial : ry1 = 0.2 2 2 ) ( 1 − ry1 r1.349 .2) − 0.

949 t0. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0. Korelasi X1 dengan Y jika X2 tetap (ry1/2) : t = 0.025(9) = 2.6.731 t = 4.855 .855 9 1 − 0.124 .015 ry1/2 = 0. ry2/1 = 0. t = ryi/ j n−3 1 − 2 yi/ j r A.262 Æ Korelasi Signifikan . rY2/12 = 0.731 .

ry2/1 = 0. rY2/12 = 0.015 t = 0.025(9) = 2.262 Æ Korelasi Tidak Signifikan . KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0.015 ry1/2 = 0.374 t0.855 . t = ryi/ j n−3 1 − 2 yi/ j r B.124 . Korelasi X2 dengan Y jika X1 tetap (ry2/1) : 9 t = 0.124 1 − 0.6.731 .

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

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 .7.

5 –1 4 3 2 50.5 90.5 –2 1 2 1 30.5 1 2 90.7.Cx –2 –1 0 1 2 10.Cx2 4 7 0 14 36 61 fi Cx. KORELASI DATA DIKELOMPOKKAN X 10.5 50.5 Cy .Cy 4 8 0 5 22 39 fx .Cx –2 –7 0 14 18 23 fx.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 70.5 2 Y fy fy.Cy fy.5 30.5 0 1 5 7 70.

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