Statistik Deskriptif (I) : Analisis Korelasi Product Moment
Statistik Deskriptif (I) : Analisis Korelasi Product Moment
2007/2008
ANALISIS KORELASI
Analisis Korelasi : metode statistik yang digunakan untuk menentukan kuat
tidaknya (derajat) hubungan linier antara 2 variable atau lebih. Analisa korelasi sederhana,meneliti hubungan dan bagaimana eratnya itu,tanpa melihat bentuk hubungan. Jika kenaikan didalam suatu variable diikuti dengan kenaikan variable yang lain,maka dapat dikatakan bahwa kedua variable tersebut mempunyai korelasiyang positif.Tetapi jika kenaikan didalam suatu variable diikuti penurunan variable yang lain maka kedua variable tersebut mempunyai korelasi negatif.Jika tidak ada perubahan pada suatu variable ,meskipun variable yang lain mengalami perubahan ,maka kedua variable tersebut,tidak mempunyai hubungan (uncorrelated).
Pedoman Untuk Menginterpretasikan Koefisien Korelasi (r) Interval Koefisien 0,00 0,199 0.20 0,399 0,40 0,599 0,60 0,799 0,80 1,000 Tingkat Hubungan Sangat rendah Rendah Sedang Kuat Sangat Kuat
Ukuran yang digunakan untuk mengukur derajat hubungan (korelasi) linier disebut koefisien korelasi (correlation coefisient) yang dinyatakan dengan notasi sering dikenal dengan nama Koefisien Korelasi Pearson atau Product
r yang
r=
n 2 ( )
Nilai
r selalu terletak antara 1 dan + 1 (-1< r < 1) r = -1 ini berarti ada korelasi negatif sempurna antara X dan Y. r = 0, ini berarti tidak ada korelasi antara X dan Y
Jika r =1, ini berarti ada korelasi positif sempurna antara X dan Y
Berikut ini disajikan penerapan atau penggunaaan rumus untuk menetukan koefisien korelasi anatara besarnya biaya iklan dan volume penjualan perusahaan A, dalam Rp 1000,-.
Tabel . Prosedur penentuan koefisien korelasi pengeluaran biaya iklan dan volume penjualan .
Biaya Iklan (X) 1 5 7 10 12 15 20 25 30 Volume Penjualan (Y) 2 40 50 60 65 70 80 92 100 X2 3 25 49 100 144 225 400 625 900 Y2 4 1600 2.500 3.600 4.225 4.900 6.400 8.464 10.000 XY 5 200 350 600 780 1.050 1.600 2.300 3.000
X = 124
N=8
Y = 557
2.468
41.689
9.880
r =
r=
8( 2..468) (124 )
8( 41.689 ) ( 557 )
1).
Perumusan Hipotesis Jika diduga bahwa suatu variabel mempunyai hubungan yang positif dengan variabel lain, maka rumusan hipotesisnya adalah Ho : = 0 (tidak ada hubungan antara suatu variabel yang positif dengan variabel lain) Ha : > 0 (terdapat hubungan yang positif dan signifikan anatara suatu suatu variabel dengan variabel lainnya)
2). Menentukan taraf nyata (level of signifance ) , misalnya 5% 3). Menetukan titik kritis (daerah penerimaan / penolakan Ho). Titik kritis dicari dengan bantuan Tabel t (t distribution) Nilai t-tabel ditentukan berdasarkan tingkat signifikansi () yang digunnakan dan derajat bebas atau degree of freedom (df), dimana df = n-2, yang besarnya tergantung pada jumlah sampel (n). Jika misalnya = 0,05 dan n=8 atau df = 8 - 2 = 6 , maka t tabel nya adalah :
Terima Ho
Tolak Ho/Terima Ha
t =1,943 5). Kesimpulan Kesimpulan di buat berdasarkan keputusan yang diambil. Jika keputusan menerima Ho , kesimpulannya adalah tidak ada korelasi (hubungan) antara variabel satu dengan variabel lainnya. Sebaliknya jika tolak Ho dan terima Ha, maka kesimpulannya adalah terdapat korelasi (hubungan) positif yang signifikan antara variabel satu dengan variabel lainnya.
( )
Sebaagaimana yang sering dijumpai, bahwa nilai observasi atau pengamatan yang diperoleh dari suatu sempel tidak selalu persis sama dengan nilai yang diharapkan atau nilai teoritis yang sesuai dengan azas probabilita Dalam percobaan pelembaransebuah dadu sebanyak 60 kali, diharapkan atau secara teoritis akan diperoleh mata dadu : 1. Sebanyak 1/6 x 60 kali = 10 kali 2. Sebanyak 1/6 x 60 kali = 10 kali 3. Sebanyak 1/6 x 60 kali = 10 kali 4. Sebanyak 1/6 x 60 kali = 10 kali 5. Sebanyak 1/6 x 60 kali = 10 kali 6. Sebanyak 1/6 x 60 kali = 10 kali Namun demikian secara aktual atau kenyataannya tidak demikian, dan setelah diobservasi hasilnya : Mata dadu 1 Frekuensi munculnya = 8 Mata dadu 2 Frekuensi munculnya = 11 Mata dadu 3 Frekuensi munculnya = 11 Mata dadu 4 Frekuensi munculnya = 12 Mata dadu 5 Frekuensi munculnya = 9 Mata dadu 6 Frekuensi munculnya = 9 60 Berdasarkan hasil observasi dari percobaan percobaan diatas dapat muncul pertanyaan apakah mata dadu tersebut imbang (fair )? Dalam pengertian statistik mata dadu yang imbang (fair) dapat menggambarkan distribusi probabilita yang selanjutnya dalam pembahasan ini disebut sebagai Hipotesis nol (Ho) Pertanyaan diatas dapat juga dinyatakan sebagai berikut : Apakah data observasi sesuai dengan Hipotesis nol (Ho) atau Apakah hasil pengamatan (observasi) itu tidak berbeda dengan hasil yang diharapkan.
Sedangkan metode statistik yang dipakai untuk menguji masalah tsb diatas didasarkan pada 2 distribusition (distribusi kai kuadrat, 2). Satatistik 2 (kai kuadrat ) merupakan suatu ukuran ketidak cocokan / ketidak sesuaian anatara hasil pengamatan (observasi ) dengan hasil yang diharafkan (expected) dan dirumuskan:
2 =
( oij Eij ) 2
Eij
dimana : Oij = nilai observasi pada berisi kolom j. Eij = nilai yang diharapkan pada baris I, kolom j. Dalam pembahasan distribusi atau pengujian 2 ini hanya meliputi 1. Test of Inedepedence 2. Test of Good ness of Fit 1. Pengujian Independensi ( Analisis abel Kontigensi) Pengujian ini ddigunakan untuk mengetahui apakah 2 variabel memiliki hubungan atau tidak . Misalnya ingin diuji apakah ada hubungan atau tidak antara jenis kelamin dengan indeks prestasi (IP) mahasiswa . Untuk tujuan tersebut diambil sempel 120 mahasiswa dan 80 mahasiswa. Hasil pengamatan (observasinya) adalah sbb: Tabel 1. Indesk Prestasi Mahasiswa Menurut Jenis Kelamin. Bagus sekali Mahasiswa Mahasiswa Total 27 13 40 Indeks Prestasi Bagus Cukup 35 15 50 33 27 60 Kurang 25 25 50 Total 120 80 200
Dengan = 5 % ujilah hipotesis yang menyatakan bahwa Indeks Prestasi tidak berhubungan (independen) dengan jenis kelamin mahasiswa. Prosedur Pengujiannya 1). Menentukan Ho dan Hi Ho : Indeks Prestasi tidak berhubungan dengan jenis kelamin Hi : Indeks Prestasi berhubungan dengan jenis kelamin 2). Menentukan daerah penolakan Ho dengan menggunakan distribusi 2 atau 2 tabel df = (n 1)(k 1) Dimana : n = Jumlah baris k = Jumlah kolom
df = (2 1) ( 4 1 ) = 3 Pada Tabel distribusi 2 untuk = 0,05 dan df = 3 maka 2 = 7,815 3). Menghitung nilai statistik uji (mencari 2 hitung )
2 ( 0 E) =
Dimana : O = Frekuensi pengamatan (observasi) E = Frekuensi yang diharapkan Nilai E untuk setiap sel dapat dicari dengan rumus :