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 ≤ ….

1. KORELASI PEARSON
Misal data berikut menggambarkan keuntungan usahatani (Y) pada
berbagai luas lahan (X) padi sawah :
No Petani

Luas Lahan (X)

Keuntungan (Y)

1

0,21

0,50

2

0,50

1,10

3

0,14

0,25

4

1,00

1,80

5

0,21

0,40

6

0,07

0,20

7

0,50

0,90

8

1,00

2,00

9

0,70

1,20

10

0,14

0,35

11

0,35

0,70

12

0,28

0,65

1. KORELASI PEARSON
No
1
2
3
4
5
6
7
8
9
10
11
12
Jumlah
Rata-rata
n

Luas (X)
0,21
0,50
0,14
1,00
0,21
0,07
0,50
1,00
0,70
0,14
0,35
0,28
5,10
0,43
12

Untung (Y)
0,50
1,10
0,25
1,80
0,40
0,20
0,90
2,00
1,20
0,35
0,70
0,65
10,05
0,84
-

X2
0,0441
0,2500
0,0196
1,0000
0,0441
0,0049
0,2500
1,0000
0,4900
0,0196
0,1225
0,0784
3,3232
-

Y2
0,2500
1,2100
0,0625
3,2400
0,1600
0,0400
0,8100
4,0000
1,4400
0,1225
0,4900
0,4225
12,2475
-

XY
0,1050
0,5500
0,0350
1,8000
0,0840
0,0140
0,4500
2,0000
0,8400
0,0490
0,2450
0,1820
6,3540
-

1. KORELASI PEARSON
∑ X = 5,10 ; ∑ Y = 10,05 ; ∑ X2 = 3,3232 ; ∑Y2 =12,2475 ;
∑ XY = 6,3540 ; n = 12

r =

r

=

r

=

n ∑ xy − (∑ x) (∑ y)
⎡n ∑ 2 −
x
⎢⎣

( )

2⎤

⎡n ∑ 2 −
∑x ⎥ ⎢
y
⎦ ⎣

(∑ y) ⎥⎦
2⎤

12(6,3540) − (5,10)(10,05)
⎡12(3,3232) −
⎢⎣

( )

⎤ ⎡
5,10 ⎥ ⎢12(12,2475) −
⎦ ⎣
2

(10,05) ⎤⎥⎦
2

76,2480 − 51,2550
⎡(39,8784) −
⎢⎣

(26,0100) ⎤⎥⎦

⎡(146,9700) −
⎢⎣

(101,0025) ⎤⎥⎦

1. KORELASI PEARSON

r

=

r

=

76,2480 − 51,2550
⎡(39,8784) −
⎢⎣

(26,0100) ⎤⎥⎦

⎡(146,9700) −
⎢⎣

(101,0025) ⎤⎥⎦

24 ,9930
(13 ,8684 ) ( 45 ,9675 )

24,9930
r =

= 0,9899 Æ r2 = 0,9798 = 97,98 %

25,2487
Nilai r2 = 97,98 % artinya sebesar 97,98 % variasi besarnya
keuntungan (nilai Y) diperngaruhi oleh variasi besarnya luas lahan
(nilai X).

1. KORELASI PEARSON
Pengujian Koefisien Korelasi Pearson :
1.
2.
3.
4.

H0 ≡ r = 0 lawan H1 ≡ r ≠ 0
Taraf Nyata α = 5 % = 0,05
Uji Statistik = Uji- t
Wilayah Kritik (Daerah Penolakan H0) :
t <–tα/2(n-2) atau t > tα/2(n-2)
t <–t0,025(10) atau t > t0,025(10)
t < –2,228 atau t > 2,228

5. Perhitungan :
t = r

n − 2
1 − r

2

1. KORELASI PEARSON
5. Perhitungan :
t = r

n − 2
1 − r

t = 0,9899

2

10
0,0202

t = 0,9899

12 − 2
1 − 0,9798

t = (0,9899)(22,2772)

t = 22,052
6. Kesimpulan :
Karena nilai ( t = 22,052) > ( t0,025(10) = 2,228)
maka disimpulkan untuk menolak H0, artinya terdapat
hubungan yang signifikan antara keuntungan usahatani
(Y) dengan luas lahan garapan (X)

1. KORELASI PEARSON
6. Kesimpulan :
Nilai t = 22,052 dan t0,025(10) = 2,228.

Tolak H0

Tolak H0
Terima H0
–2,228

2,228
22,052

2. KORELASI SPEARMAN
1. 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

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
5,5
7
8,5
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
1,5
3
4
5
6,5
6,5
8
9
10
11
12

2. KORELASI SPEARMAN
No

X

Y

Rank-X

Rank-Y

di2

1

12

85

7

6,5

0,25

2

10

74

3

1,5

2,25

3

10

78

3

4

1,00

4

13

90

8,5

9

0,25

5

11

85

5,5

6,5

1,00

6

14

87

11

8

9,00

7

13

94

8,5

11

6,25

8

14

98

11

12

1,00

9

11

81

5,5

5

0,25

10

14

91

11

10

1,00

11

10

76

3

3

0,00

12

8

74

1

1,5

0,25

Jml

22,50

2. KORELASI SPEARMAN
∑ di2 = 22,50 n = 12
rs = 1 –

6 ∑ di2
n (n2 – 1)
6 (22,50)

rs = 1 –

12 (144 – 1)
135

rs = 1 –

= 1 – 0,0787 = 0,9213
1716

2. KORELASI SPEARMAN
Rank-X
3
5,5
8,5
11

t
3
2
2
3

Jml
∑ Tx = 5,0
∑ x2 =

Tx
2,0
0,5
0,5
2,0

Rank-Y
1,5
6,5

5,0

Jml

∑ Ty = 1,0 n = 12

123 – 12
– 5,0 = 138
12

∑ x2 =

123 – 12
– 1,0 = 142
12

t
2
2

Ty
0,5
0,5

1,0

2. KORELASI SPEARMAN
∑ di2 = 22,50
2

rs =

∑x

2

∑ x2 = 138
2

+ ∑y
2

− ∑d

∑ y2 = 142

2

2

∑x . ∑ y

138 + 142 − 22,5
rs = 2 (138) . (142)
257,5
rs = 279,971

r s = 0,9197

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

t = rs

n − 2
2

1 − rs

2. KORELASI SPEARMAN
5. Perhitungan :

t = rs

n − 2
2

1 − rs

t = 0,9197

10
0,1541

t = 0,9197

12 − 2
1 − 0,8459

t = (0,9197)(8,0560)

t = 7,409
6. Kesimpulan :
Karena nilai ( t = 7,409) > ( t0,025(10) = 2,228) maka
disimpulkan untuk menolak H0, artinya terdapat
hubungan yang signifikan antara pengalaman usahatani
(X) dengan penerapan teknologi (Y)

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

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.D – B.C | – 0,5 N ]2

(A+B)(C+D)(A+C)(B+D)

db-X2 = (b – 1)(k – 1)

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 ?

3. KORELASI PHI
Jawab :
Pupuk Tunggal Pupuk Majemuk

Jumlah

Tanam Awal

5

9

14

Keprasan

9

7

16

14

16

30

Jumlah

A.D – B.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

3. KORELASI PHI
Uji Koefisien Korelasi phi :
1. H0 ≡ r φ = 0 lawan H1 ≡ r φ ≠ 0
2. Taraf Nyata α = 5 % = 0,05
3. Uji Statistik = Uji- X2
4. Wilayah Kritik (Daerah Penolakan H0) :
X2 >X20,05(1) atau X2 > 3,841
5. Perhitungan :

Tanam Awal
Keprasan
Jumlah

Pupuk Tunggal
oi
ei
6,53
5
7,47
9
14

Pupuk Majemuk
ei
oi
9
7,47
7
8,53
16

Jumlah
14
16
30

3. KORELASI PHI

Tanam Awal
Keprasan
Jumlah
X2 = ∑

Pupuk Tunggal
oi
ei
6,53
5
7,47
9
14

Pupuk Majemuk
ei
oi
9
7,47
7
8,53
16

Jumlah
14
16
30

[ | oi – ei | – 0,5 ]2
ei

X2 =

[ |5 – 6,53| – 0,5 ]2

[|7 – 8,53| – 0,5]2
+…+

5,63

= 0,571
8.53

6. Kesimpulan
Karena nilai (X2 = 0,571) < (X20,05(1) = 6,635) maka H0
diterima artinya penggunaan jenis pupuk tidak tergantung
pada cara tanam.

3. 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.C| – 0,5 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

= 0,575
50176

4. KORELASI CRAMER
| A.D – B.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 = 0,2054

|35 – 81|
=

√ 50176

46
=
224

4. KORELASI KONTINGENSI
Koefisien kontingensi C merupakan ukuran korelasi antara dua variabel
kategori yang disusun dalam tabel kontingensi berukuran b x k.
Pengujian terhadap koefisien kontingensi C digunakan sebagai Uji
Kebebasan (Uji Independensi) antara dua variabel. Jadi apabila
hipotesis nol dinyatakan sebagai C = 0 diterima, berarti kedua variabel
tersebut bersifat bebas.

C

=

X2 = ∑

χ
χ

2

2

+

(oi – ei)2
ei

n
db-X2 = (b – 1)(k – 1)

4. KORELASI KONTINGENSI
Contoh :
Ada anggapan bahwa pelayanan bank swasta terhadap para
nasabahnya lebih memuaskan dari pada bank pemerintah. 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

4. KORELASI KONTINGENSI
1. H0 ≡ C = 0 lawan H1 ≡ C ≠ 0
2. Taraf Nyata α = 5 % = 0,05
3. Uji Statistik = Uji- X2
4. Wilayah Kritik (Daerah Penolakan H0) :
X2 >X20,05(2) atau X2 > 5,991
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

4. 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
5,027 + 80

= 5,027
20

= √ 0,0591 = 0,243

4. KORELASI KONTINGENSI

6. Kesimpulan :
Karena nilai (X2 = 5,027) < (X20,05(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).

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. 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

5. 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

66,19

Rata-rata Y1 = 79,38 dan Y2 = 66,19. p = 21/145 = 0,14
q = 0,86 Sy = 9,26 dan u = 0,223

5. KORELASI BISERI

rb

=

(Y1


u

Y2)
SY

p.q

( 79,38 – 66,19 ) ( 0,14 )( 0,86 )
rb =

( 0,223 )( 9,26 )
( 13,19 ) ( 0,120 )

rb =

( 2,065 )
( 1,588 )

rb =

= 0,769
( 2,065 )

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

6. KORELASI LINEAR GANDA DAN PARSIAL
Tabel berikut menunjukkan skor tes kecerdasan (X1), 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 = 44.475

55

6

85

70

3

87

∑ X22 = 195

65

2

94

∑ X1X2 = 2.540

70

5

98

∑ Y = 1.011

55

4

81

70

3

91

∑ X1Y = 61.685

50

1

76

∑ X2Y = 3.581

55

4

74

6. KORELASI LINEAR GANDA DAN PARSIAL
Dari tabel tersebut hubungan fungsional yang dapat dibangun
yaitu : Y = b0 + b1 X1 + b2 X2. 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
Nilai b0 , b1 dan b2 dapat dihitung dari :
1. Persamaan Normal : (a) Substitusi, dan (b) Eliminasi
2. Matriks : (a) Determinan Matriks, dan (b) Invers Matriks
Melalui salah satu cara diatas diperoleh nilai
b0 = 27,254
b1 = 0,922
b2 = 0,284

6. KORELASI LINEAR GANDA DAN PARSIAL
∑ X1 = 725

∑ X2 = 43

∑ X12 = 44.475

∑ X22 = 195

∑ X1X2 = 2.540

∑ Y = 1.011

∑ X1Y = 61.685

∑ X2Y = 3.581

∑ Y2 = 85.905

b0 = 27,254

b1 =

0,922

b2 =

0,284

Analisis Ragam :
1. FK = (∑Y)2 / n = (1,011)2 / 12 = 85.176,75
2. JKT = ∑ Y2 – FK = 85.905 – 85,175,75 = 728,25
3. JKR = b1 [ (∑ X1Y – (∑X1)(∑Y)/n ] + b2 [ (∑ X2Y – (∑X2)(∑Y)/n ]
= 0,922 [ (61.685 – (725)(1.011)/12 ] +
0,284 [ (3.581 – (43)(1.011)/12 ]
= 556,463 – 11.867 = 544,596
4. JKG = JKT – JKR = 728,25 – 544,596 = 183,654

6. KORELASI LINEAR GANDA DAN PARSIAL
Analisis Ragam :
1. FK = 85.176,75
2. JKT = 728,25
3. JKR = 544,596
4. JKG = 183,654
No

Variasi

DB

1

Regresi

2

544,596 272,298 13,344

2

Galat

9

183,654

Total

11

728,250

r2 =

JKR

JK

544,596
=

JKG

728,250

KT

F

F5%
4,256

20,406

= 0,7478 Æ r = 0,8648

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-R
(1 – r2y/1,2 ) / db-G

db-R = Derajat Bebas Regresi
db-G = Derajat Bebas Galat

6. KORELASI LINEAR GANDA DAN PARSIAL
r2
F =

= 0,7478 ; r = 0,8648 ; db-R = 2 ; db-G = 9
r2y/1,2 / db-R
(1 – r2y/1,2 ) / db-G
(0,7478) / 2

F =

0,3739
=

(1 – 0,7478) / 9

= 13,343
0,0280

F0,05(2 ; 9) = 4,2565
Karena nilai ( F = 13,343) > ( F0,05(2 ; 9) = 4,2565) artinya
koefisien korelasi ganda tersebut bersifat nyata.

6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
A. Korelasi X1 dengan Y jika X2 tetap :

ry1/2 =

ry1

(1 −

ry2 r1.2
2
2
)
(
1

ry2
r1.2)

B. Korelasi X2 dengan Y jika X1 tetap :

ry2/1 =
ry1
ry2
r12

ry2

(1 −

ry1 r1.2
2
2
)
(
1

ry1
r1.2)

= korelasi antara Y dengan X1
= korelasi antara Y dengan X2
= korelasi antara X1 dengan X2

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 ]

6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
ry1 = 0,862 ; ry12 = 0,743 ; ry2 = –0,242
rY22 = 0,059 ; r12 = –0,349 ; r122 = 0,122
A. Korelasi X1 dengan Y jika X2 tetap :

ry1/2 =
ry1/2 =

ry1

(1 −

ry2 r1.2
2
2
)
(
1

ry2
r1.2)

0,862 − (−0,242)(−0,349)
(1 − (0,059)) (1 − 0,122)

0,778
=
ry1/2 0,909

ry1/2

= 0,855

6. KORELASI LINEAR GANDA DAN PARSIAL
2. Koefisien Korelasi Parsial :
ry1 = 0,862 ; ry12 = 0,743 ; ry2 = –0,242
rY22 = 0,059 ; r12 = –0,349 ; r122 = 0,122
B. Korelasi X2 dengan Y jika X1 tetap :

ry2/1 =
ry1/2 =

ry2

(1 −

ry1 r1.2
2
2
)
(
1

ry1
r1.2)

− 0,242 − (0,862)(−0,349)
(1 − (0,941)) (1 − 0,122)

0,059
=
ry1/2 0,475

ry1/2

= 0,124

6. KORELASI LINEAR GANDA DAN PARSIAL
Pengujian Koefisien Korelasi Parsial :
ry1/22 = 0,731 ;
rY2/12 = 0,015

ry1/2 = 0,855 ;
ry2/1 = 0,124 ;

t =

ryi/ j

n−3
1 −

2
yi/ j

r

A. Korelasi X1 dengan Y jika X2 tetap (ry1/2) :

t = 0,855

9
1 − 0,731

t = 4,949

t0,025(9) = 2,262 Æ Korelasi Signifikan

6. KORELASI LINEAR GANDA DAN PARSIAL
Pengujian Koefisien Korelasi Parsial :
ry1/22 = 0,731 ;
rY2/12 = 0,015

ry1/2 = 0,855 ;
ry2/1 = 0,124 ;

t =

ryi/ j

n−3
1 −

2
yi/ j

r

B. Korelasi X2 dengan Y jika X1 tetap (ry2/1) :
9
t = 0,124
1 − 0,015

t = 0,374

t0,025(9) = 2,262 Æ Korelasi Tidak Signifikan

7. KORELASI DATA DIKELOMPOKKAN
n ∑ fi.XY – (∑ fx.X)(∑ fy.Y)
r =

√ [ n ∑ fx.X2 – (∑ fx.X)2 ] [ n ∑ fy.Y2 – (∑ fy.Y)2 ]

Atau :
n ∑ fi.Cx.Cy – (∑ fx.Cx )( ∑ fy.Cy)
r =

√ [ n ∑ fx.Cx2 – (∑ fx.Cx )2 ] [ n ∑ fy.Cy2 – (∑ fy.Cy)2 ]

7. 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. KORELASI DATA DIKELOMPOKKAN
X

10,5

30,5

50,5

70,5

90,5

Cy .Cx

–2

–1

0

1

2

10,5

–2

1

2

1

30,5

–1

4

3

2

50,5

0

1

5

7

70,5

1

2

90,5

2

Y

fy

fy.Cy

fy.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.Cx

–2

–7

0

14

18

23

fx.Cx2

4

7

0

14

36

61

fi Cx.Cy

4

8

0

5

22

39

fx

7. KORELASI DATA DIKELOMPOKKAN
Cara mencari fi Cx.Cy = 8 pada titik tengah (X) = 30,5 adalah :
8 = (2)(–2)(–1) + (4)(–1)(–1) + (1)(0)(–1)

n ∑ fi.Cx.Cy – (∑ fx.Cx )( ∑ fy.Cy)
r =

√ [ n ∑ fx.Cx2 – (∑ fx.Cx )2 ] [ n ∑ fy.Cy2 – (∑ fy.Cy)2 ]
43 (39) – (23) (5)

r =

√ [ 43 (61) – (23)2 ] [ 43 (61) – (5)2 ]

= 0,67

Sign up to vote on this title
UsefulNot useful