Anda di halaman 1dari 33

ANALISIS KORELASI (#4)

1 Analisis Korelasi (#11)


Materi Kuliah
1. Pendahuluan
2. Koefisien Korelasi Parsial
2 Analisis Korelasi (#11)
Pendahuluan

Pada bagian yang lalu kita telah melihat bagaimana


pengaruh variabel X dan Y dapat ditentukan. Pengaruh
yang diperoleh dinyatakan dalam bentuk persamaan
matematis yang dalam statistik dikenal dengan nama garis
regresi. Jika X merupakan variabel bebas dan Y adalah
variabel tak bebas, regresi Y atas X dapat digunakan
untuk meramalkan nilai Y apabila nilai X diketahui.

Jika nilai-nilai persamaan terdiri atas lebih dari sebuah


variabel, bukan saja garis regresi yang perlu dihitung,
tetapi juga kekuatan antara variabel-variabel itu
berhubungan. Ukuran yang dipakai untuk menentukan
derajat atau kekuatan korelasi (hubungan) antara
variabel-variabel dinamakan koefisien korelasi.
3 Analisis Korelasi (#11)
Pendahuluan

Korelasi pada dasarnya adalah hubungan. Dua


kejadian yang berhubungan apabila ingin diukur kuat
tidaknya hubungan tersebut, maka kejadian tersebut
harus dinyatakan dalam nilai variabel. Korelasi ini
dapat positif dan dapat pula negatif.

Korelasi positif:

Korelasi negatif:
4 Analisis Korelasi (#11)
X
Y
X Y
Pendahuluan

Rumus korelasi:
dengan
S
xy
: covariance dari X dan Y
S
x
: standar deviasi dari X
5 Analisis Korelasi (#11)
,
S S
S
S nS
y x
r
y x
xy
y x
i
i i

n
y x
i
i i

n / x n / X X S
i
2
i
i
2
_
i x


,
_


Pendahuluan
S
y
: standar deviasi dari Y
Substitusi nilai-nilai : S
XY
, S
X
dan S
Y
diperoleh:
6 Analisis Korelasi (#11)
n y n Y Y S
i
i
i
i y
/ /
2
2
_

,
_


i
i
i
i
i
i i
i
i
i
i
i
i i
y x
y x
n y n x n
y x
r
2 2 2 2
/ /
Pendahuluan

Formula ini dinyatakan dalam deviasi variabel-


variabel dari rata-ratanya. Jika ingin menggunakan
nilai-nilai sesungguhnya dari observasi tersebut
digunakan bentuk berikut:

Nilai koefisien korelasi (r) terletak antara 1 dan 1.


Nilai r = 1 berarti hubungan antara X dan Y sempurna
dan positip. Nilai r = -1, berarti hubungan antara X dan
Y sempurna dan negatip.
7 Analisis Korelasi (#11)
2
2
2
2
) ( ) (


i
i
i
i
i
i
i
i
i
i
i
i
i
i i
Y Y n X X n
Y X Y X n
r
Pendahuluan

Nilai r = 0, berarti hubungan X dan Y lemah sekali atau


tidak ada hubungan. Kalau tidak ada hubungan, naik
turunnya X tidak mempengaruhi Y. Sedangkan kalau
hubungan positif, umumnya kenaikan (penurunan) X
menyebabkan kenaikan (penurunan) Y, sebaliknya
untuk hubungan yang negatif pada umumnya kenaikan
(penurunan) X menyebabkan penurunan (kenaikan) Y.
8 Analisis Korelasi (#11)
Pendahuluan
9 Analisis Korelasi (#11)
- 1 r + 1
Lemah (-) Lemah
(+)
Kuat (-)
Kuat (+)
-1 +1
Koefisien Korelasi Parsial

Koefisien korelasi antara dua variabel X dan Y (fungsi


dengan satu variabel bebas) dimaksudkan untuk
mengukur kuat tidaknya hubungan antara dua variabel
tersebut. Makin besar nilai r (koefisien korelasi) makin
kuat hubungan, makin kecil r maka makin lemah
hubungan. Untuk hubungan tiga variabel X
1
, X
2
dan Y
(fungsi dengan dua variabel bebas), dapat dihitung tiga
koefisien korelasi yaitu :
r
10
= koefisien korelasi antara Y dan X
1
(antara X
1
dan Y)
r
20
= koefisien korelasi antara Y dan X
2
(antara X
2
dan Y)
r
12
= koefisien korelasi antara X
1
dan X
2
(antara X
1
dan X
2
)
10 Analisis Korelasi (#11)
Koefisien Korelasi Parsial

Koefisien korelasi tersebut, masing-masing dinamakan


Koefisien Korelasi Sederhana (Simple Coefficient of
Correlation) atau Koefisien Korelasi Order Nol
(Correlation Coefficient of Zero Order), dihitung
berdasarkan rumus berikut:
11 Analisis Korelasi (#11)

,
_

,
_

i
i
i
i
i
i i
Y
y x
y x
S S
Y X Cov
r
2 2
, 1
, 1
1
1
10
) , (

,
_

,
_

i
i
i
i
i
i i
Y
y x
y x
S S
Y X Cov
r
2 2
, 2
, 2
2
2
20
) , (
Koefisien Korelasi Parsial
Kenyataannya r
10
mengukur kuat tidaknya hubungan
antara Y dan X
1
(antara X
1
dan Y), apabila variabel
ketiga (X
2
) mungkin berhubungan (berkorelasi) dengan
X
1
dan Y (kedua-duanya). Jadi jelaslah bahwa kalau X
2

berada dalam model regresi, r
10
tidak mengukur kuat
tidaknya hubungan antara X
1
dan Y. Maka dari itu kita
memerlukan suatu koefisien korelasi yang bebas dari
pengaruh misalnya X
2
baik terhadap X
1
maupun
terhadap Y.
12 Analisis Korelasi (#11)

,
_

,
_

i
i
i
i
i
i i
x x
x x
S S
X X Cov
r
2
, 2
2
, 1
, 2 , 1
2 1
2 1
12
) , (
Koefisien Korelasi Parsial
Yang kita cari koefisien korelasi antara X
1
dan Y yang
bebas dari pengaruh X
2
. Koefisien korelasi yang
demikian kita sebut KOEFISIEN KORELASI PARSIAL
(Partial Correlation Coefficient).

Maka:
r
10.2
= koefisien korelasi antara X
1
dan Y, kalau X
2
konstan
r
20.1
= koefisien korelasi antara X
2
dan Y, kalau X
1
konstan
r
12.0
= koefisien korelasi antara X
1
dan X
2
, kalau Y konstan.

Model regresinya:
Y
i
=
0
+
1
X
1
+
2
X
2
+ e
i
13 Analisis Korelasi (#11)
Koefisien Korelasi Parsial

Dan:
Nilai e
1
mewakili nilai Y setelah dibebaskan dari
pengaruh X
2,
artinya nilai Y yang sudah bebas dari
pengaruh X
2
. Juga e
2
merupakan nilai X
1
yang sudah
bebas dari pengaruh X
2
.
14 Analisis Korelasi (#11)
i i
i
i i
i i
i
i i i
X b y Y Y e
e X b a Y
e X b a Y
, 2
1
^ ^
, 1
, 1 , 2
1
^
1
^ ^
, 1 , 2 1 1

+ +
+ +
i i
i
i i
i i
i
i i i
x b x X X e
e X b a X
e X b a X
, 2
2
^
, 1
, 1
^
, 1 , 2
, 2 , 2
2
^
2
^
, 1
^
, 2 , 2 2 2 , 1

+ +
+ +
Koefisien Korelasi Parsial
Jadi e
1
dan e
2
sudah bebas dari pengaruh X
2
.
Kemudian kita terus lanjutkan tahap berikutnya yaitu
membuat regresi e
1
terhadap e
2
sebagai berikut:
Disini merupakan perkiraan besarnya pengaruh X
1

terhadap Y atau koefisien regresi (koefisien arah) dari
Y terhadap X
1
yaitu merupakan perkiraan B
1.2.
15 Analisis Korelasi (#11)
V e b a e + +
2
3
^
3
^
1
3
^
b
Koefisien Korelasi Parsial

Sehingga
16 Analisis Korelasi (#11)
( )
( )
( ) ( )
( )
0 , 0
2
_
1
_
2 1
2
2 2 1
2 1 1 2 2 1
2
2
1 2
2
_
2
1
_
1
2
_
2
3
^

,
_

,
_

,
_

e e jadi e e sebab
x b x
x b y x b x
e
e e
e e
e e e e
b

2
2
1 2
1
^
2
2
2
1
^
x
x x
b ;
x
y x
b
Koefisien Korelasi Parsial
17 Analisis Korelasi (#11)
( )
( )
( )
( )


+
+

+
+
+

2
2
2
2 2 1 2 1
2
2 2 1 2 1 1 2 2 1
2
2 2 1 2 1 1 2 2 1
2 2 1 2
2
1
2
2 2 1 2 1 1 2 2 1
3
^
2
2
x B x x B x
x b b x x b y x b y x
x b b x x b y x b y x
b x x b x
x b b x x b y x b y x
b
( )
( )
2
2 2
2
2 1
2 1 2
2
2 1
2
1
2
2
2
2
2 1
2
2
2
2 1
2
2
2
2
2
2
2 1
1
x
x
x x
x x
x
x x
2 x
x
x
x x
x
y x
x x
x
y x
y x
x
x x
y x

1
]
1

1
]
1

1
]
1

1
]
1

1
]
1

1
]
1

Koefisien Korelasi Parsial


18 Analisis Korelasi (#11)
( ) ( )
( )
1
]
1

1
]
1

'

2
2
2
2 1
2
1
2
2
2 2 1
2
2
2 2 1
1
x
x x
x
x
y x x x
x
y x x x
2 y x
( ) ( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( )
1 2
2 1
2
2
2
1
2 2 1
2
2 1
2
2
2
2
2
2
2
2 1
2
1
2
2
2 2 1
1
x x x x
y x x x x y x
x
x
x
x
x x
x
x
y x x x
y x

1
]
1

'

Koefisien Korelasi Parsial


Kalau kita menghitung koefisien korelasi antara e
1
dan
e
2
sama halnya kita menghitung r
1.2
, sebab X
2
sekarang
konstan.
19 Analisis Korelasi (#11)
( )
( )
0 , 0
2
_
1
_
2 1
2
2
2
1
2 1
2
_
2 2
2
_
1 1
_
2 2
_
1 1
2 2
2 1
2 . 10
2 1
2 1

,
_

,
_

,
_

,
_

e e maka e e sebab
e e
e e
e e e e
e e e e
e e Cov
r r
e e
e e

Koefisien Korelasi Parsial
Catatan:
Y
i
=
0
+
1
X
1
+
2
X
2
+ e
i
20 Analisis Korelasi (#11)
i i
i
i i
i i
i
i i i
X b y Y Y e
e X b a Y
e X b a Y
, 2
1
^ ^
, 1
, 1 , 2
1
^
1
^ ^
, 1 , 2 1 1

+ +
+ +
i i
i
i i
i i
i
i i i
x b x X X e
e X b a X
e X b a X
, 2
2
^
, 1
, 1
^
, 1 , 2
, 2 , 2
2
^
2
^
, 1
^
, 2 , 2 2 2 , 1

+ +
+ +
Koefisien Korelasi Parsial

Ingat untuk hubungan (korelasi) dua variabel X dan Y.

Seperti diketahui bahwa:


21 Analisis Korelasi (#11)

2
i
2
i
2
i
2
i
^
2
i
2
i
2
i
2
i
^
2
i
2
i
2
i
2
i
^
2
i
y
e
y
y
1
y
e
y
y
y
y
e y y
2
2
2
2
) ( ) (


i
i
i
i
i
i
i
i
i
i
i
i
i
i i
Y Y n X X n
Y X Y X n
r
Koefisien Korelasi Parsial

Sehingga
22 Analisis Korelasi (#11)
( ) ( )
( ) ( )
( )
( ) ( )
2
i
2
i
^
2
i
2
i
2
1
^
2
i
i i
1
^
2
i
2
i
2
i i
2
2
i
2
i
i i
2
2
i
2
i
i i
y
y
y
x B
y
y x B
y x
y x
y x
y x
r
x x
y x
r

'

( )

+
2
i
2
2
i
2
2
i
2
i
2
i
2
i
2
y r 1 e
r 1
y
e
y
e
r 1
Koefisien Korelasi Parsial

Dengan alasan yang sama:

Perhatikan hal-hal berikut:


23 Analisis Korelasi (#11)

2
i
2
12
2
i , 2
2
i
2
2
2
i , 1
x ) r 1 ( e
y ) r 1 ( e
n
x
n
Y Y
S , Y dari deviasi dar tan s S
n
x
n
X X
S , X dari deviasi dar tan s S
e x b y
2
i
2
_
i
Y Y
2
i
2
_
i
x X
i i
^
i


,
_


,
_


+
Koefisien Korelasi Parsial

Dengan jalan yang sama:


24 Analisis Korelasi (#11)
( )
( )
( )
( ) ( )
x
y
x
y
y x
xy
x x
xy
2
i
2
i
i i
2
i
i i
2
i
i i
^
S
S
r
S
S
S S
S
S S
S
n / x n / x
n / y x
n / x
n / y x
x
y x
b

n
x
n
Y Y
S Y dari deviasi dar s S
n
x
n
X X
S X dari deviasi dar s S
e x b y
i
i
Y Y
i
i
x X
i i

,
_

,
_


+
2
2
_
2
2
2
_
2
1 , 2
1
^
, tan
, tan
Koefisien Korelasi Parsial
25 Analisis Korelasi (#11)
( )
( )
( )
( ) ( )
2
0
2
x
y
2
x
y
y x
y x
x x
y x
2
i 2
2
i
i i 2
2
i 2
i i 2
2
i 2
i i 2
1
^
S
S
r
S
S
r
S
S
S S
S
S S
S
n / x n / x
n / y x
n / x
n / y x
x
y x
b
2 2 2
2
2 2
2

n
x
n
Y Y
S , Y dari deviasi dar tan s S
n
x
n
X X
S , X dari deviasi dar tan s S
e x b x
2
i
2
_
i
Y Y
2
i 2
2
_
i 2
X 2 X
2 i 2
2
^
i , 1
2 2


,
_


,
_


+
Koefisien Korelasi Parsial

Dimana:
26 Analisis Korelasi (#11)
( )
( )
( )
( ) ( )
2
1
12
x
x
12
x
x
x x
x x
x x
x x
2
i 2
2
i
i 1 i 2
2
i 2
i 1 i 2
2
i 2
i 1 i 2
2
^
S
S
r
S
S
r
S
S
S S
S
S S
S
n / x n / x
n / x x
n / x
n / x x
x
x x
b
2
1
2
1
1 2
1 2
2 2
1 2

( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )




2
2
2
1
2 1
12
2 2
2
2
2
2 2
1
1
1
2
1 1
2
1 1
2 2
; ;
/ ; / ; / ; /
i i
i i
i i
i i
i i
i i
i i i y i x
x x
x x
r
y x
y x
r
y x
y x
r
n x S n x S n y S n x S
Koefisien Korelasi Parsial

Jadi:
27 Analisis Korelasi (#11)
( )
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
2
12
2
2
2
1
2
2
2
2
^
1
^
1 2
1
^
2
2
^
1
2
12
2
2
2
1
2
2
2
2
^
1
^
1 2
1
^
2
2
^
1
2
12
2
2
2
1
2
2
2
2
^
1
^
1 2
1
^
2
2
^
1
2
12
2
1
2
2
2
2
2
^
1 2
1
^
2
2
2
1
2 1
2
2
^
2
2
1
^
1
2
^
2
1
^
1
2 2
1 2
2 . 10
1 1
1 1
1 1
1 1
2 1
2 1
r r x y
x b b x x b y x b y x
r r x y
x b b x x b y x b y x
r r x y
x b b x x b y x b y x
r x r y
x b x x b y
e e
e e
e e e e
e e e e
e e Cov
r r
i i
i i i i i i i
i i
i i i i i i i
i i
i i i i i i i
i i
i i i i
i i
i i
i i
e e
e e

+

,
_

,
_

,
_

,
_

,
_

,
_

,
_


Koefisien Korelasi Parsial

Catatan:
28 Analisis Korelasi (#11)
( )
( ) ( ) ( ) ( )
( ) ( )
2
12
2
2 1 0
2
i 2 2 1 12 2 0 2 i 2 i 1 2 0 2 i i 2 2 1 12 i i 1
2
i
2
i
2
i
2
i 1 0
r 1 r 1 S nS
x S / S r S / S r x x S / S r y x S / S r y x
x y n / x n / y n S nS

0 1 1
2
i
2
i 1 1
2
i
2
i 1
2
i
2
i 1
i i 1
i i 1
S S nr
n / y n / x n r y x x
y x
y x
y x

0 2 2
2
i
2
i 2 2
2
i
2
i 2
2
i
2
i 2
i i 2
i i 2
S S nr
n / y n / x n r y x x
y x
y x
y x

Koefisien Korelasi Parsial


29 Analisis Korelasi (#11)
2 1 12
2
i 2
2
i 1 12
2
i 2
2
i 1
2
i 2
2
i 1
i 2 i 1
i 2 i 1
S S nr
n / x n / x n r x x x
x x
x x
x x

( ) ( )
( ) ( )
( )
( ) ( )
2
12
2
2 1 0
12 2 1 1 0
2
12
2
2 1 0
1 0 12 2 1 0 12 2 1 0 12 2 1 0 1
2
12
2
2 1 0
2
2
2
1
12
2
0
2 2 1 12
2
0
2 0 2 2
2
1
12 0 1 1
2
2
2
i 2
2
i 2
r 1 r 1 S nS
r r r S nS
r 1 r 1 S nS
S S r nr S S r nr S S r nr S S nr
r 1 r 1 S nS
nS
S
S
r
S
S
r S S nr
S
S
r S S nr
S
S
r S S nr
nS
n
x
n x

,
_

,
_

,
_

,
_

Koefisien Korelasi Parsial

Dengan jalan yang sama:

Dalam multiple regresi dengan tiga variabel ada 3


koefisien korelasi parsial.
30 Analisis Korelasi (#11)
2
12
2
20
12 20 10
2 . 10
1 1 r r
r r r
r

2
20
2
10
20 10 12
0 . 12
2
12
2
10
12 10 20
1 . 20
1 1
1 1
r r
r r r
r
r r
r r r
r

Contoh

Seorang Manajer Pemasaran deterjen merek ABSTRACK


ingin mengetahui apakah Promosi dan Harga berpengaruh
terhadap keputusan konsumen membeli produk tersebut?

Hipotesis:
Ho :
1
=
2
= 0, Promosi dan Harga tidak berpengaruh
signifikan terhadap keputusan konsumen membeli deterjen
merek ABSTRACK .
Ha :
1

2
0, Promosi dan Harga berpengaruh signifikan
terhadap keputusan konsumen membeli deterjen merek
ABSTRACK .
Analisis Korelasi (#11) 31
Contoh:
Data yang didapat adalah sbb.:
No.
Responden
Promosi
(X1)
Harga
(X2)
Keputusan
Konsumen
(Y)
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
Analisis Korelasi (#11) 32
Contoh
Tentukan
1. Persamaan regresi bergandanya.
2. Berikan interpretasi untuk nilai-nilai
0
,
1
, dan
2
.
3. Hitung dan berikan arti dari koefisien determinasinya.
4. Uji signifikansi dari
0
,
1
, dan
2
.
5. Hitunglah koefisien ketiga koefisien korelasi parsialnya.
Analisis Korelasi (#11) 33