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 ≤ ….

90 8 1.50 1.70 12 0.1.25 4 1.10 3 0.35 11 0.28 0.14 0.00 9 0.70 1.00 2.00 1.14 0.20 10 0.07 0.50 2 0.35 0. KORELASI PEARSON Misal data berikut menggambarkan keuntungan usahatani (Y) pada berbagai luas lahan (X) padi sawah : No Petani Luas Lahan (X) Keuntungan (Y) 1 0.50 0.65 .40 6 0.20 7 0.80 5 0.21 0.21 0.

50 0.35 0.80 0.50 1.0784 3.35 0.1050 0.0000 0.0350 1.1.0441 0.4500 2.21 0.0196 0.0840 0.25 1.0000 1.1600 0.65 10.2500 0.5500 0.4225 12.00 1.8100 4.0441 0.2450 0.0490 0.20 0.0400 0.90 2.05 0.0049 0.8400 0.40 0.0625 3.20 0.4900 0.2100 0.43 12 Untung (Y) 0.4900 0.2475 - XY 0.00 0.84 - X2 0.21 0.8000 0.00 0.0140 0.70 0.28 5.0196 1.14 1.4400 0.2500 1.14 0.1225 0.3232 - Y2 0.1225 0.07 0.3540 - .2400 0.2500 1.70 0.0000 0.50 1. KORELASI PEARSON No 1 2 3 4 5 6 7 8 9 10 11 12 Jumlah Rata-rata n Luas (X) 0.10 0.10 0.0000 0.1820 6.

10 ⎥ ⎢12(12.8784) − ⎢⎣ (26.3232) − ⎢⎣ ( ) ⎤ ⎡ 5.10 .2550 ⎡(39.05 . ∑ Y = 10.1.2475) − ⎦ ⎣ 2 (10. KORELASI PEARSON ∑ X = 5.05) ⎡12(3.9700) − ⎢⎣ (101.2480 − 51.3540 .2475 . n = 12 r = r = r = n ∑ xy − (∑ x) (∑ y) ⎡n ∑ 2 − x ⎢⎣ ( ) 2⎤ ⎡n ∑ 2 − ∑x ⎥ ⎢ y ⎦ ⎣ (∑ y) ⎥⎦ 2⎤ 12(6. ∑ X2 = 3.0025) ⎤⎥⎦ .0100) ⎤⎥⎦ ⎡(146.3540) − (5.10)(10.05) ⎤⎥⎦ 2 76. ∑ XY = 6. ∑Y2 =12.3232 .

1.98 % artinya sebesar 97.8784) − ⎢⎣ (26.8684 ) ( 45 .9930 (13 .0025) ⎤⎥⎦ 24 .0100) ⎤⎥⎦ ⎡(146.2487 Nilai r2 = 97.9700) − ⎢⎣ (101.2480 − 51.9675 ) 24.9798 = 97.98 % variasi besarnya keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan (nilai X).9899 Æ r2 = 0.98 % 25.9930 r = = 0.2550 ⎡(39. . KORELASI PEARSON r = r = 76.

H0 ≡ r = 0 lawan H1 ≡ r ≠ 0 Taraf Nyata α = 5 % = 0.025(10) t < –2. 2. 4.025(10) atau t > t0.t Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-2) atau t > tα/2(n-2) t <–t0. Perhitungan : t = r n − 2 1 − r 2 .05 Uji Statistik = Uji.1. 3.228 atau t > 2. KORELASI PEARSON Pengujian Koefisien Korelasi Pearson : 1.228 5.

052 6. KORELASI PEARSON 5. Perhitungan : t = r n − 2 1 − r t = 0. Kesimpulan : Karena nilai ( t = 22.228) maka disimpulkan untuk menolak H0.052) > ( t0.9899)(22. artinya terdapat hubungan yang signifikan antara keuntungan usahatani (Y) dengan luas lahan garapan (X) .9899 2 10 0.2772) t = 22.9798 t = (0.9899 12 − 2 1 − 0.1.025(10) = 2.0202 t = 0.

Tolak H0 Tolak H0 Terima H0 –2.1.228 22. Kesimpulan : Nilai t = 22.052 .228 2. KORELASI PEARSON 6.025(10) = 2.228.052 dan t0.

KORELASI SPEARMAN 1. ∑ y N3 – N – ∑Tx ∑ Tx = ∑ t3 – t 12 12 N3 – N t3 – t 12 – ∑Ty ∑ Ty = ∑ 12 .2. 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.

5 5.5 1.5 7 8.5 3 4 5 6.5 6.2. 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 8.5 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 8 9 10 11 12 .

5 1.00 11 10 76 3 3 0.25 2 10 74 3 1.25 3 10 78 3 4 1.25 10 14 91 11 10 1.5 5 0.5 0.00 12 8 74 1 1.5 9 0.25 8 14 98 11 12 1.00 4 13 90 8.5 0.00 6 14 87 11 8 9.00 9 11 81 5.50 .2. KORELASI SPEARMAN No X Y Rank-X Rank-Y di2 1 12 85 7 6.5 11 6.00 7 13 94 8.25 5 11 85 5.25 Jml 22.5 2.5 6.

KORELASI SPEARMAN ∑ di2 = 22.50) rs = 1 – 12 (144 – 1) 135 rs = 1 – = 1 – 0.9213 1716 .2.50 n = 12 rs = 1 – 6 ∑ di2 n (n2 – 1) 6 (22.0787 = 0.

0 Jml ∑ Ty = 1.0 .0 = 138 12 ∑ x2 = 123 – 12 – 1.5 1.5 8.0 ∑ x2 = Tx 2. KORELASI SPEARMAN Rank-X 3 5.0 Rank-Y 1.2.0 0.5 11 t 3 2 2 3 Jml ∑ Tx = 5.0 = 142 12 t 2 2 Ty 0.5 6.5 5.0 n = 12 123 – 12 – 5.5 0.5 0.5 2.

5 rs = 279. (142) 257.50 2 rs = ∑x 2 ∑ x2 = 138 2 + ∑y 2 − ∑d ∑ y2 = 142 2 2 ∑x .5 rs = 2 (138) .971 r s = 0.9197 .2. ∑ y 138 + 142 − 22. KORELASI SPEARMAN ∑ di2 = 22.

Perhitungan : t = rs n − 2 2 1 − rs .2. Taraf Nyata α = 5 % = 0.025(10) atau t > t0.025(10) t < –2. Uji Statistik = Uji.t 4.228 5.228 atau t > 2. H0 ≡ rs = 0 lawan H1 ≡ rs ≠ 0 2. KORELASI SPEARMAN Pengujian Koefisien Korelasi Pearson : 1. Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-1) atau t > tα/2(n-1) t <–t0.05 3.

409) > ( t0. artinya terdapat hubungan yang signifikan antara pengalaman usahatani (X) dengan penerapan teknologi (Y) .0560) t = 7. Perhitungan : t = rs n − 2 2 1 − rs t = 0.025(10) = 2. KORELASI SPEARMAN 5.409 6. Kesimpulan : Karena nilai ( t = 7.9197 10 0.8459 t = (0.9197 12 − 2 1 − 0.9197)(8.1541 t = 0.2.228) maka disimpulkan untuk menolak H0.

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

KORELASI PHI Uji signifikansi rφ dilakukan dengan statistik χ2 Pearson : X2 = ∑ [ | oi – ei | – 0.3.5 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.D – B.C | – 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 ? .3. KORELASI PHI Contoh : Data berikut menggambarkan banyaknya petani tebu berdasarkan penggunaan jenis pupuk dan cara tanam.

3.D – B. 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 = – 0.2054 35 – 81 = √ 50176 – 46 = 224 .

841 5. KORELASI PHI Uji Koefisien Korelasi phi : 1. Uji Statistik = Uji. Taraf Nyata α = 5 % = 0.X2 4. H0 ≡ r φ = 0 lawan H1 ≡ r φ ≠ 0 2. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.53 16 Jumlah 14 16 30 .47 9 14 Pupuk Majemuk ei oi 9 7.05(1) atau X2 > 3.05 3.53 5 7. Perhitungan : Tanam Awal Keprasan Jumlah Pupuk Tunggal oi ei 6.3.47 7 8.

Kesimpulan Karena nilai (X2 = 0.63 = 0.571 8.571) < (X20. KORELASI PHI Tanam Awal Keprasan Jumlah X2 = ∑ Pupuk Tunggal oi ei 6.5 ]2 ei X2 = [ |5 – 6.53| – 0.5]2 +…+ 5.05(1) = 6.53 5 7.5 ]2 [|7 – 8.47 9 14 Pupuk Majemuk ei oi 9 7.53 6.47 7 8.53| – 0. .3.53 16 Jumlah 14 16 30 [ | oi – ei | – 0.635) maka H0 diterima artinya penggunaan jenis pupuk tidak tergantung pada cara tanam.

C| – 0.5(30) ]2 = (A+B)(C+D)(A+C)(B+D) X2 = 30 [ 46 – 15 ]2 (14)(16)(14)(16) 28830 = 50176 = 0.5 N ]2 30 [ |35 – 81| – 0.3.D – B.575 50176 . 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 . KORELASI CRAMER | A.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 = 0.4.D – B.

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. C = X2 = ∑ χ χ 2 2 + (oi – ei)2 ei n db-X2 = (b – 1)(k – 1) . KORELASI KONTINGENSI Koefisien kontingensi C merupakan ukuran korelasi antara dua variabel kategori yang disusun dalam tabel kontingensi berukuran b x k.4.

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

Uji Statistik = Uji. H0 ≡ C = 0 lawan H1 ≡ C ≠ 0 2. 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 .X2 4.4. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.05 3.991 5.05(2) atau X2 > 5. Taraf Nyata α = 5 % = 0. KORELASI KONTINGENSI 1.

027 + 80 = 5.243 .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 5.027 20 = √ 0.4.

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). Kesimpulan : Karena nilai (X2 = 5.4. KORELASI KONTINGENSI 6.027) < (X20. .05(2) = 5.

rb rb Y1 Y2 p q u Sy = = = = = = = = (Y1 − u Y2) SY p.5. 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 .

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

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. p = 21/145 = 0.38 66.26 dan u = 0.86 Sy = 9.5.38 dan Y2 = 66.19 Rata-rata Y1 = 79.19.223 .

588 ) rb = = 0.223 )( 9.19 ) ( 0. KORELASI BISERI rb = (Y1 − u Y2) SY p.120 ) rb = ( 2.38 – 66.065 ) ( 1.065 ) .86 ) rb = ( 0.26 ) ( 13.769 ( 2.19 ) ( 0.14 )( 0.q ( 79.5.

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

581 55 4 74 .540 70 5 98 ∑ Y = 1. frekuensi membolos (X2) dan nilai ujian statistika (Y) dari 12 mahasiswa : Skor tes (X1) Frek.475 55 6 85 70 3 87 ∑ X22 = 195 65 2 94 ∑ X1X2 = 2. KORELASI LINEAR GANDA DAN PARSIAL Tabel berikut menunjukkan skor tes kecerdasan (X1).6.011 55 4 81 70 3 91 ∑ X1Y = 61.685 50 1 76 ∑ X2Y = 3. Bolos (X2) Nilai (Y) 65 1 85 ∑ X1 = 725 50 7 74 55 5 76 ∑ X2 = 43 65 2 90 ∑ X12 = 44.

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.

dan (b) Invers Matriks Melalui salah satu cara diatas diperoleh nilai b0 = 27.6. Matriks : (a) Determinan Matriks.922 b2 = 0. dan (b) Eliminasi 2.254 b1 = 0. KORELASI LINEAR GANDA DAN PARSIAL Nilai b0 .284 . Persamaan Normal : (a) Substitusi. b1 dan b2 dapat dihitung dari : 1.

JKR = b1 [ (∑ X1Y – (∑X1)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ] = 0.905 – 85.25 3.175.596 4.284 [ (3.011)2 / 12 = 85.176.475 ∑ X22 = 195 ∑ X1X2 = 2.6.75 = 728.284 Analisis Ragam : 1.254 b1 = 0.867 = 544.685 ∑ X2Y = 3.011)/12 ] = 556.905 b0 = 27.011)/12 ] + 0.581 – (43)(1.922 [ (61.011 ∑ X1Y = 61.540 ∑ Y = 1.463 – 11.75 2. JKG = JKT – JKR = 728. KORELASI LINEAR GANDA DAN PARSIAL ∑ X1 = 725 ∑ X2 = 43 ∑ X12 = 44.581 ∑ Y2 = 85. FK = (∑Y)2 / n = (1.654 .596 = 183.922 b2 = 0. JKT = ∑ Y2 – FK = 85.25 – 544.685 – (725)(1.

298 13.406 = 0.8648 .596 = JKG 728. JKG = 183. FK = 85.25 3.654 No Variasi DB 1 Regresi 2 544. KORELASI LINEAR GANDA DAN PARSIAL Analisis Ragam : 1.6.75 2.7478 Æ r = 0.250 r2 = JKR JK 544. JKT = 728.596 272. JKR = 544.256 20.344 2 Galat 9 183.596 4.654 Total 11 728.250 KT F F5% 4.176.

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

2565) artinya koefisien korelasi ganda tersebut bersifat nyata.0280 F0.7478) / 2 F = 0.05(2 . r = 0.343 0. 9) = 4. db-R = 2 . .7478 .8648 . db-G = 9 r2y/1.05(2 .3739 = (1 – 0.343) > ( F0. 9) = 4.2 / db-R (1 – r2y/1.6.7478) / 9 = 13. KORELASI LINEAR GANDA DAN PARSIAL r2 F = = 0.2 ) / db-G (0.2565 Karena nilai ( F = 13.

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

6. 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 ] .

778 = ry1/2 0.862 − (−0.855 .122 A.349 .909 ry1/2 = 0. KORELASI LINEAR GANDA DAN PARSIAL 2. r122 = 0.6. Koefisien Korelasi Parsial : ry1 = 0.2) 0. ry12 = 0.862 .743 .349) (1 − (0. Korelasi X1 dengan Y jika X2 tetap : ry1/2 = ry1/2 = ry1 (1 − − ry2 r1.242 rY22 = 0.059)) (1 − 0. r12 = –0.059 .2 2 2 ) ( 1 − ry2 r1. ry2 = –0.242)(−0.122) 0.

124 .2 2 2 ) ( 1 − ry1 r1.2) − 0.743 . Korelasi X2 dengan Y jika X1 tetap : ry2/1 = ry1/2 = ry2 (1 − − ry1 r1. ry2 = –0.242 − (0.6.059 = ry1/2 0. ry12 = 0. r122 = 0. r12 = –0.242 rY22 = 0.862 . KORELASI LINEAR GANDA DAN PARSIAL 2.475 ry1/2 = 0.862)(−0.349) (1 − (0.059 .122) 0. Koefisien Korelasi Parsial : ry1 = 0.941)) (1 − 0.349 .122 B.

t = ryi/ j n−3 1 − 2 yi/ j r A.731 .855 .949 t0.015 ry1/2 = 0. ry2/1 = 0.025(9) = 2.262 Æ Korelasi Signifikan . rY2/12 = 0.731 t = 4. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0.855 9 1 − 0. Korelasi X1 dengan Y jika X2 tetap (ry1/2) : t = 0.124 .6.

ry2/1 = 0.731 . KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0.6.124 . t = ryi/ j n−3 1 − 2 yi/ j r B.015 t = 0.374 t0.124 1 − 0. Korelasi X2 dengan Y jika X1 tetap (ry2/1) : 9 t = 0.015 ry1/2 = 0.855 . rY2/12 = 0.025(9) = 2.262 Æ Korelasi Tidak Signifikan .

Y) r = √ [ n ∑ fx.7.X)(∑ fy.X)2 ] [ n ∑ fy.X2 – (∑ fx.Cy)2 ] .Cy2 – (∑ fy.Cy – (∑ fx. KORELASI DATA DIKELOMPOKKAN n ∑ fi.Y2 – (∑ fy.XY – (∑ fx.Cx2 – (∑ fx.Cx.Y)2 ] Atau : n ∑ fi.Cy) r = √ [ n ∑ fx.Cx )2 ] [ n ∑ fy.Cx )( ∑ 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 Cy .5 –2 1 2 1 30.5 30.5 90.Cx2 4 7 0 14 36 61 fi Cx.5 –1 4 3 2 50.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 2 Y fy fy.Cy 4 8 0 5 22 39 fx .5 1 2 90.Cx –2 –7 0 14 18 23 fx.5 50.7.5 0 1 5 7 70.5 70.Cy fy. KORELASI DATA DIKELOMPOKKAN X 10.Cx –2 –1 0 1 2 10.

Cx.5 adalah : 8 = (2)(–2)(–1) + (4)(–1)(–1) + (1)(0)(–1) n ∑ fi.Cy = 8 pada titik tengah (X) = 30.Cy) r = √ [ n ∑ fx.7.67 .Cy2 – (∑ fy.Cx )2 ] [ n ∑ fy. KORELASI DATA DIKELOMPOKKAN Cara mencari fi Cx.Cx2 – (∑ fx.Cx )( ∑ fy.Cy – (∑ fx.Cy)2 ] 43 (39) – (23) (5) r = √ [ 43 (61) – (23)2 ] [ 43 (61) – (5)2 ] = 0.

Sign up to vote on this title
UsefulNot useful