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 ≤ ….

00 1.20 7 0.50 2 0.00 2.1.21 0.14 0.50 0.35 0.10 3 0.70 1.80 5 0.07 0.35 11 0.14 0.90 8 1.50 1.25 4 1.70 12 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 0.20 10 0.40 6 0.65 .21 0.00 9 0.28 0.

0840 0.2100 0.70 0.0049 0.1050 0.0000 0.1225 0.20 0.0400 0.2500 1.00 0.3540 - .14 1.0196 1.70 0.20 0.10 0.8100 4.00 1.0140 0.21 0.07 0.05 0.00 0. KORELASI PEARSON No 1 2 3 4 5 6 7 8 9 10 11 12 Jumlah Rata-rata n Luas (X) 0.2475 - XY 0.65 10.0441 0.0625 3.40 0.1.0000 0.28 5.84 - X2 0.50 0.2400 0.25 1.4900 0.14 0.4500 2.90 2.21 0.50 1.2500 0.0000 1.35 0.80 0.4900 0.1600 0.0784 3.35 0.10 0.0490 0.0196 0.0441 0.0000 0.50 1.3232 - Y2 0.4225 12.1820 6.5500 0.2450 0.1225 0.43 12 Untung (Y) 0.2500 1.8000 0.0350 1.8400 0.4400 0.

∑ Y = 10.3540) − (5.1.2550 ⎡(39.05) ⎤⎥⎦ 2 76. n = 12 r = r = r = n ∑ xy − (∑ x) (∑ y) ⎡n ∑ 2 − x ⎢⎣ ( ) 2⎤ ⎡n ∑ 2 − ∑x ⎥ ⎢ y ⎦ ⎣ (∑ y) ⎥⎦ 2⎤ 12(6.3232) − ⎢⎣ ( ) ⎤ ⎡ 5.2475) − ⎦ ⎣ 2 (10.10 . ∑ XY = 6.10)(10.3540 .2475 .8784) − ⎢⎣ (26. ∑ X2 = 3.2480 − 51.0025) ⎤⎥⎦ . ∑Y2 =12.9700) − ⎢⎣ (101. KORELASI PEARSON ∑ X = 5.05 .05) ⎡12(3.0100) ⎤⎥⎦ ⎡(146.3232 .10 ⎥ ⎢12(12.

2550 ⎡(39.9899 Æ r2 = 0.9930 r = = 0.8784) − ⎢⎣ (26.0025) ⎤⎥⎦ 24 .2487 Nilai r2 = 97. KORELASI PEARSON r = r = 76. .98 % artinya sebesar 97.8684 ) ( 45 .98 % 25.9675 ) 24.2480 − 51.98 % variasi besarnya keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan (nilai X).9700) − ⎢⎣ (101.0100) ⎤⎥⎦ ⎡(146.9798 = 97.1.9930 (13 .

228 5.025(10) atau t > t0.025(10) t < –2. KORELASI PEARSON Pengujian Koefisien Korelasi Pearson : 1. Perhitungan : t = r n − 2 1 − r 2 .1. 3.05 Uji Statistik = Uji.228 atau t > 2. 4.t Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-2) atau t > tα/2(n-2) t <–t0. H0 ≡ r = 0 lawan H1 ≡ r ≠ 0 Taraf Nyata α = 5 % = 0. 2.

025(10) = 2.052 6.1.2772) t = 22.9899)(22.9899 12 − 2 1 − 0.228) maka disimpulkan untuk menolak H0. Perhitungan : t = r n − 2 1 − r t = 0. KORELASI PEARSON 5.052) > ( t0.9899 2 10 0.9798 t = (0. Kesimpulan : Karena nilai ( t = 22. artinya terdapat hubungan yang signifikan antara keuntungan usahatani (Y) dengan luas lahan garapan (X) .0202 t = 0.

025(10) = 2.1. Tolak H0 Tolak H0 Terima H0 –2.228 22.052 . KORELASI PEARSON 6.052 dan t0.228 2. Kesimpulan : Nilai t = 22.228.

Jika tidak ada nilai pengamatan yang sama : 6 ∑ di2 rs = 1 – n (n2 – 1) 2. Jika ada nilai pengamatan yang sama : 2 2 rs = 2 ∑x + ∑ y − ∑d 2 ∑ x2 = ∑ y2 = 2 2 ∑x . ∑ y N3 – N – ∑Tx ∑ Tx = ∑ t3 – t 12 12 N3 – N t3 – t 12 – ∑Ty ∑ Ty = ∑ 12 . KORELASI SPEARMAN 1.2.

5 1.5 3 4 5 6.5 8 9 10 11 12 .5 7 8.5 8.2.5 6.5 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. 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 5.

5 6.25 5 11 85 5.5 9 0.25 2 10 74 3 1.00 4 13 90 8.00 12 8 74 1 1.00 7 13 94 8. KORELASI SPEARMAN No X Y Rank-X Rank-Y di2 1 12 85 7 6.5 5 0.5 0.25 Jml 22.00 11 10 76 3 3 0.25 10 14 91 11 10 1.5 11 6.5 1.25 3 10 78 3 4 1.5 2.5 0.25 8 14 98 11 12 1.00 6 14 87 11 8 9.2.00 9 11 81 5.50 .

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

5 8.0 = 142 12 t 2 2 Ty 0.5 1. KORELASI SPEARMAN Rank-X 3 5.5 0.5 0.5 11 t 3 2 2 3 Jml ∑ Tx = 5.5 5.0 ∑ x2 = Tx 2.0 Jml ∑ Ty = 1.2.0 = 138 12 ∑ x2 = 123 – 12 – 1.0 .5 2.5 6.0 Rank-Y 1.0 0.0 n = 12 123 – 12 – 5.

5 rs = 2 (138) .5 rs = 279.9197 .50 2 rs = ∑x 2 ∑ x2 = 138 2 + ∑y 2 − ∑d ∑ y2 = 142 2 2 ∑x . (142) 257. KORELASI SPEARMAN ∑ di2 = 22.971 r s = 0. ∑ y 138 + 142 − 22.2.

025(10) t < –2.228 5. H0 ≡ rs = 0 lawan H1 ≡ rs ≠ 0 2.2. KORELASI SPEARMAN Pengujian Koefisien Korelasi Pearson : 1. Uji Statistik = Uji. Wilayah Kritik (Daerah Penolakan H0) : t <–tα/2(n-1) atau t > tα/2(n-1) t <–t0.228 atau t > 2.025(10) atau t > t0. Taraf Nyata α = 5 % = 0. Perhitungan : t = rs n − 2 2 1 − rs .05 3.t 4.

9197 12 − 2 1 − 0.409 6.8459 t = (0. Perhitungan : t = rs n − 2 2 1 − rs t = 0.025(10) = 2.9197 10 0.409) > ( t0. Kesimpulan : Karena nilai ( t = 7.228) maka disimpulkan untuk menolak H0. artinya terdapat hubungan yang signifikan antara pengalaman usahatani (X) dengan penerapan teknologi (Y) .1541 t = 0. KORELASI SPEARMAN 5.9197)(8.0560) t = 7.2.

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

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

3. KORELASI PHI 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 14 16 30 Jumlah Tentukan nilai Koefisien Korelasinya dan Ujilah pada taraf nyata 1% apakah penggunaan jenis pupuk tergantung dari cara tanamnya ? .

KORELASI PHI Jawab : Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah A.D – B.2054 35 – 81 = √ 50176 – 46 = 224 .C rφ = √ (A+B)(C+D)(A+C)(B+D) (5)(7) – (9)(9) rφ = √ (14)(16)(14)(16) rφ = – 0.3.

Uji Statistik = Uji.53 5 7. KORELASI PHI Uji Koefisien Korelasi phi : 1. Perhitungan : Tanam Awal Keprasan Jumlah Pupuk Tunggal oi ei 6. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.841 5.47 9 14 Pupuk Majemuk ei oi 9 7.X2 4. H0 ≡ r φ = 0 lawan H1 ≡ r φ ≠ 0 2.47 7 8.05 3.05(1) atau X2 > 3.53 16 Jumlah 14 16 30 . Taraf Nyata α = 5 % = 0.3.

Kesimpulan Karena nilai (X2 = 0.571) < (X20.53 16 Jumlah 14 16 30 [ | oi – ei | – 0.635) maka H0 diterima artinya penggunaan jenis pupuk tidak tergantung pada cara tanam.53| – 0.5]2 +…+ 5. KORELASI PHI Tanam Awal Keprasan Jumlah X2 = ∑ Pupuk Tunggal oi ei 6.571 8.53| – 0.53 6.47 9 14 Pupuk Majemuk ei oi 9 7.63 = 0.05(1) = 6. .5 ]2 ei X2 = [ |5 – 6.47 7 8.53 5 7.3.5 ]2 [|7 – 8.

D – B.5 N ]2 30 [ |35 – 81| – 0.5(30) ]2 = (A+B)(C+D)(A+C)(B+D) X2 = 30 [ 46 – 15 ]2 (14)(16)(14)(16) 28830 = 50176 = 0. KORELASI PHI Pupuk Tunggal Pupuk Majemuk Jumlah Tanam Awal 5 9 14 Keprasan 9 7 16 14 16 30 Jumlah X2 = N [ |A.575 50176 .C| – 0.3.

KORELASI CRAMER | A.D – B.4.2054 |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.

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. Jadi apabila hipotesis nol dinyatakan sebagai C = 0 diterima. Pengujian terhadap koefisien kontingensi C digunakan sebagai Uji Kebebasan (Uji Independensi) antara dua variabel.4. C = X2 = ∑ χ χ 2 2 + (oi – ei)2 ei n db-X2 = (b – 1)(k – 1) .

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

Taraf Nyata α = 5 % = 0.4.X2 4. H0 ≡ C = 0 lawan H1 ≡ C ≠ 0 2.991 5.05(2) atau X2 > 5. 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 . Uji Statistik = Uji. KORELASI KONTINGENSI 1.05 3. Wilayah Kritik (Daerah Penolakan H0) : X2 >X20.

027 5.0591 = 0.4.027 + 80 = 5.027 20 = √ 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 5.243 .

Kesimpulan : Karena nilai (X2 = 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).4.027) < (X20. KORELASI KONTINGENSI 6.05(2) = 5.

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

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.

5.86 Sy = 9.38 dan Y2 = 66. 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 79.38 66. p = 21/145 = 0.223 .19 Rata-rata Y1 = 79.14 q = 0.26 dan u = 0.19.

120 ) rb = ( 2. KORELASI BISERI rb = (Y1 − u Y2) SY p.26 ) ( 13.5.065 ) .588 ) rb = = 0.q ( 79.769 ( 2.38 – 66.14 )( 0.223 )( 9.19 ) ( 0.065 ) ( 1.86 ) rb = ( 0.19 ) ( 0.

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. Korelasi Linear Ganda Untuk regresi linier ganda Y = b0 + b1 X1 + b2 X2 + … + bk Xk .

581 55 4 74 .011 55 4 81 70 3 91 ∑ X1Y = 61.6.475 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).685 50 1 76 ∑ X2Y = 3.540 70 5 98 ∑ Y = 1. Bolos (X2) Nilai (Y) 65 1 85 ∑ X1 = 725 50 7 74 55 5 76 ∑ X2 = 43 65 2 90 ∑ X12 = 44. frekuensi membolos (X2) dan nilai ujian statistika (Y) dari 12 mahasiswa : Skor tes (X1) Frek.

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

254 b1 = 0. KORELASI LINEAR GANDA DAN PARSIAL Nilai b0 . Persamaan Normal : (a) Substitusi. Matriks : (a) Determinan Matriks. dan (b) Invers Matriks Melalui salah satu cara diatas diperoleh nilai b0 = 27.284 . b1 dan b2 dapat dihitung dari : 1.922 b2 = 0. dan (b) Eliminasi 2.6.

685 ∑ X2Y = 3.596 = 183. FK = (∑Y)2 / n = (1. JKG = JKT – JKR = 728.867 = 544.540 ∑ Y = 1.284 Analisis Ragam : 1.6. JKT = ∑ Y2 – FK = 85.596 4.254 b1 = 0.581 ∑ Y2 = 85.011)/12 ] = 556.922 b2 = 0.475 ∑ X22 = 195 ∑ X1X2 = 2.284 [ (3.011)2 / 12 = 85. KORELASI LINEAR GANDA DAN PARSIAL ∑ X1 = 725 ∑ X2 = 43 ∑ X12 = 44.175. JKR = b1 [ (∑ X1Y – (∑X1)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ] = 0.75 2.25 – 544.654 .685 – (725)(1.905 – 85.922 [ (61.463 – 11.011 ∑ X1Y = 61.011)/12 ] + 0.176.905 b0 = 27.75 = 728.581 – (43)(1.25 3.

JKG = 183.176.596 4. JKT = 728. JKR = 544.654 Total 11 728.6.256 20.7478 Æ r = 0.406 = 0.8648 .75 2.250 KT F F5% 4.654 No Variasi DB 1 Regresi 2 544. KORELASI LINEAR GANDA DAN PARSIAL Analisis Ragam : 1.25 3. FK = 85.250 r2 = JKR JK 544.596 = JKG 728.298 13.344 2 Galat 9 183.596 272.

6. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Korelasi Ganda : F = F = r2y/1.2 / k (1 – 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.

db-G = 9 r2y/1.7478 .0280 F0.05(2 .2565 Karena nilai ( F = 13. . db-R = 2 .2 ) / db-G (0. 9) = 4.7478) / 2 F = 0.05(2 .3739 = (1 – 0.2565) artinya koefisien korelasi ganda tersebut bersifat nyata. KORELASI LINEAR GANDA DAN PARSIAL r2 F = = 0.8648 .343) > ( F0.343 0. r = 0. 9) = 4.6.2 / db-R (1 – r2y/1.7478) / 9 = 13.

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

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. KORELASI LINEAR GANDA DAN PARSIAL 2.

862 .6. r12 = –0.743 . ry12 = 0. r122 = 0.059 .2) 0. Koefisien Korelasi Parsial : ry1 = 0.059)) (1 − 0.2 2 2 ) ( 1 − ry2 r1.909 ry1/2 = 0. Korelasi X1 dengan Y jika X2 tetap : ry1/2 = ry1/2 = ry1 (1 − − ry2 r1.855 .122 A. ry2 = –0.349 .862 − (−0.349) (1 − (0.242)(−0.122) 0.778 = ry1/2 0. KORELASI LINEAR GANDA DAN PARSIAL 2.242 rY22 = 0.

059 = ry1/2 0. r122 = 0.862 . r12 = –0.2 2 2 ) ( 1 − ry1 r1.475 ry1/2 = 0. Korelasi X2 dengan Y jika X1 tetap : ry2/1 = ry1/2 = ry2 (1 − − ry1 r1. Koefisien Korelasi Parsial : ry1 = 0.242 − (0.6.349 .862)(−0.122 B. ry2 = –0. KORELASI LINEAR GANDA DAN PARSIAL 2. ry12 = 0.743 .124 .059 .941)) (1 − 0.122) 0.242 rY22 = 0.2) − 0.349) (1 − (0.

731 t = 4.949 t0. rY2/12 = 0. KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0. t = ryi/ j n−3 1 − 2 yi/ j r A.015 ry1/2 = 0.124 .025(9) = 2.855 9 1 − 0.855 .262 Æ Korelasi Signifikan . ry2/1 = 0.731 . Korelasi X1 dengan Y jika X2 tetap (ry1/2) : t = 0.6.

374 t0.015 t = 0.015 ry1/2 = 0. Korelasi X2 dengan Y jika X1 tetap (ry2/1) : 9 t = 0.731 .6. t = ryi/ j n−3 1 − 2 yi/ j r B. rY2/12 = 0.124 1 − 0.262 Æ Korelasi Tidak Signifikan .855 . KORELASI LINEAR GANDA DAN PARSIAL Pengujian Koefisien Korelasi Parsial : ry1/22 = 0. ry2/1 = 0.124 .025(9) = 2.

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

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.

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 30.Cy fy.Cx2 4 7 0 14 36 61 fi Cx.Cx –2 –1 0 1 2 10.5 Cy .5 0 1 5 7 70.5 50.5 70.5 –2 1 2 1 30.5 90.5 –1 4 3 2 50.Cx –2 –7 0 14 18 23 fx.7. KORELASI DATA DIKELOMPOKKAN X 10.Cy 4 8 0 5 22 39 fx .5 1 2 90.5 2 Y fy fy.

Cx )2 ] [ n ∑ fy.Cy) r = √ [ n ∑ fx.Cy – (∑ fx.Cy2 – (∑ fy.Cy = 8 pada titik tengah (X) = 30.5 adalah : 8 = (2)(–2)(–1) + (4)(–1)(–1) + (1)(0)(–1) n ∑ fi.67 .Cx2 – (∑ fx.Cy)2 ] 43 (39) – (23) (5) r = √ [ 43 (61) – (23)2 ] [ 43 (61) – (5)2 ] = 0. KORELASI DATA DIKELOMPOKKAN Cara mencari fi Cx.7.Cx )( ∑ fy.Cx.

Sign up to vote on this title
UsefulNot useful