KORELASI DAN REGRESI

Tujuan : mengetahui hubungan dua variable nemerik

Syarat : - Kedua variable berjenis numeric
- Independen
Contoh : - ada hubungan tinggi badan dengan berat badan
-ada hubungan antara umur dengan tinggi badan
Apa beda korelasi dengan regresi
Korelasi digunakan untuk mengetahui besar (kuat atau tidak kuat) dari arah (+/-) hubungan dua
variable.
Regresi digunakan umtuk meramal/prediksi nilai suatu variable terhadap nilai variable lain melalui
persamaan garis regresi.
Korelasi tidak perlu ditentukan mana variable independen dan mana variable dependen, sebaliknya
regresi harus ditetapkan mana yang independen dan dependen (variable dependen merupakan variable
yang diramalkan / diprediksi oleh variable independen)
Korelasi
Tujuan : untuk mengetahui kekuatan/derajat dari arah hubungan dua variable secara sederhana
hubungan dua variable dapat diketahui dari diagram lebar (scatter plat)















Arah Hubungan :
a) Hubungan Linier Positif
Bila kenaikan satu variable diikuti kenaikan variable yang lain
b) Hubungan linier Negatif
Bila kenaikan satu variable diikuti kenaikan variable yang lain
y
x
y y
x x
Hubungan linier
positif
Hubungan linier
negatif
Tidak ada hubungan
linier
Kuat lemahnya hubungan bisa dilihat dari kerapatan tebaran pada scater plat/tebar, semakin rapat
tebaran semakin kuat hubungannya, sebaliknya semakin renggang, semakin lemah hubungannya,
contoh :
Y (kuat) y (lemah)



X x
Kekuatan atau derajat hubungan dapat diukur melalui koefisien korelasi pearsm product memont,
symbol = r
Atau



Nilai r artinya 0 sampai dengan 1 atau antara -1 s.d +1
r = 0 tidak ada hubungan linier
r = -1 ada hubungan negative sempurna
r = +1 ada hubungan positif sempurna
Menurut colton membagi nilai korelasi kedalam 4 area :
r = 0 0,25 hubungan lemah
r = 0,26 0,50 hubungan sedang
r = 0,56 0,75 hubungan kuat
r = 0,76 1 hubungan sangat kuat
contoh kasus
suatu penelitian ingin mengetahui hubungan umur dengan tekanan darah untuk itu diambil sampel
sebanyak 10 responden adapun hasil pengukurannya sebagai berikut :
Data
Umur/x TD/y x y xy
20
24
23
24
27
28
26
30
31
120
130
130
140
130
140
115
140
130
400
576
529
576
729
784
676
900
961
14400
16900
16900
19600
16900
19600
13225
19600
16900
2400
3120
2990
3360
3510
3920
2990
4200
4030
r = x y (x) (y)
n

[x- (x) ] [y- (y) ]
n n


r = n x y (x) (y)
n

[ (n.x - (x) . (n.y- (y) ]

35 150 1223 22500 5250
268 1325 7356 176.525 35.770

Pertanyaan :
Hitung koefisien korelasinya dan interpretasikan
Jawab :























Interpretasi :
Umur dengan tekanan darah mempunyai hubungan yang kuat (r = 0,636) dan berpola linier positif,
artinya semakin tua umurnya semakin tinggi tekanan darahnya.
Uji Hipotesis
H0 : P=0
Hn : P0
Uji = r n-2
1 - r
Df =n-z

Contoh :
Suatu penelitian ingin mengetahui hubungan berat badan dengan tekanan darah sistolik, data sebagai
berikut :
BB 50 55 57 60 70
TD 140 145 145 144 150
r = x y (x) (y)
n

[x- (x) ] [y- (y) ]
n n


r = 35770 (268) (1325)
10

[7356 - (268) ] [176525 - (1325) ]
10 10


r = 35770 35510



[7356 - 7182.4 ] [176525 - 176525.5 ]


r = 260

408.77

r = 0,636 (0,64)



Pertanyaan :
a) Hitung kekuatan hubungan antara BB dengan TD Sistolik dan interpretsikan
b) Ujilah secara statistic (hubungan dua variable tsb)

Jawab :

Table 2.11
xBB yTD x.y x y
50
55
57
60
70
140
145
145
144
156
7000 2100 19600
292 724 42380 17274 104886
X =58,4 y =144,8

r = (5).(42580) (292).(724)

[(5x17274 (292)) (5x104886 (724)]

r = 0,93
Kesimpulan :
Hubungan Bb dan TD merupakan hubungan yang sangat kuat (r=0,93) dan berpola positif, artinya
semakin bertambah BB nya semakin tinggi TD nya.

Uji Hipotesis :
H0 = P = 0 ada hubungan antara BB dan TD
Hn = P0 ada hubugnan antara Bb dan TD

= 0,93 5-2
1- (0,93) 0,86


= 0,93 3
0,1351


= 0,93 22,205



= 0,93 . 4,7123

= 4,38 DF = n -2 = 5-2 = 3 cari P value di table
0,01 < P < 0,025
P < x H0 ditolak
Kesimpulan ada hubungan yang bermakna BB dengan TD














T
REGRESI

Tujuan : untuk meramalkan / prediksi variable dependen melalui variable independen
Misalnya besarnya TD seseorang dapat diperkirakan dari BB nya. Dari hubungan linier dua variable
sehingga dapat dilakukan analisis lebih lanjut bagaimana ketergantungan satu variable terhadap variable
yang lain. Sedangkan ketergantungan dapat digunakan untuk prediksi.
Prediksi dapat dilakukan melalui persamaan garis regresi, dari persamaan garis regresi dapat diketahui
bagaimana nilai satu variable tergantung dengan variable yang lain

Persamaan :
= x + x + e atau = 0 + 1 + e

e = error


= variable dependen (sebagai akibat)
x = variable independen (yang menyebabkan)
a = interceptor, biasanya nilai dari y bila variable x bernilai nol
b = slope, besarnya perubahan nilai variable y bila variable x berubah sebesar satu unit
satuannya.

Y = a + bx merupakan persamaan garis hasil dari metode kuadrat terkecil (least
square method)


y = a + bx


B

X = intercept













Contoh :
Suatu penelitian hubungan BB dengan TD sistolik menemukan hasil sebagai berikut :
BB 50 55 57 60 70
TD 140 145 145 144 150


= a + bx
b = xy - x . y
x - (x)

a = y bx
y = rata-rata variable y
x = rata-rata variable x








Peranyaan :
a). hitung persamaaan garis regresinya
b). Jelaskan arti nilai b yang didapat dari persamaan garis tersebut
c). Bila seseorang mempunyai BB : 65 kg, estimasikan/perkirakan nilai TD sistoliknya.
Jawab :
a). b = xy - x . y



= 42380 - 202 . 724 = (42281,6)
5
17274 - (7927) = 17052,8
5
= 98,4
221,2

= 0,44

a = 7 b5 y : 5 724 : 5 = 144,8
= 144,8 0,44.58,4
= 144,8 25,646
= 119,104

b). b= 0,44 artinya TD akan berubah (naik) sebesar 0,44 mmhg bila BB bertambah 1 kg
c). Bila seseorang BB : 65 kg berapa TD nya ?
TD = 119,104 + 0,44.(65)
= 147,704
Jadi untuk seseorang BB : 65 kg TD kira-kira sebesar 147,704 mmhg







x - (x)


KOEPESIEN DETERMINASI
Merupakan koepesien/ukuran yang menunjukan besrnya variable naik turunnya vaariabel dependen yang
dapat dijelaskan oleh pengaruh variable independen
Besarnya pengaruh variable independen terhadap variable dependen


Besarnya R = 0 s.d 1 atau 0 s.d 100%



Koepesien Determinasi = koepesien korelasi di kuadratkan
Contoh : -----BB-----TD ---Berapa koepesien determinasinya ?
Jawab :
Diketahui : r = 0,93------koepesien determinasi : R = (0,93) = 0,86
Artinya : variable TD dapat dijelaskan oleh variable BB sebesar 0,86atau 86 % atau variable BB
mempengaruhi TD sebesar 0,86 atau 86%

TEKNIK PENGAMBILAN SAMPEL
Dalam penelitian ----sampel;populasi
Sampel adalah bagian terkecil dari populasi
Keuntungan sampel dibandingkan mengambil populasi :
a. Hemat biaya, waktu dan tenaga
b. Mudah mengolah dan menganalisa
c. Lebih akurat/tepat datanya
d. Lebih tajam /dalam dlam mengambil data
e. Tidak merusak data

Sampel ada dua hal :
a. Teknik pengambilan sample
b. Jumlah sampel
Teknik pengambilan sampel
a. Random/pengambilan secara acak (probability sampling)
b. Bukan random ( non probability sampling)
Jenis-jenis sampel yang diambil secara random
1. Simpel Random Sampling (SRS) atau acak sederhana
Pengambilan sampel dengan cara merandom semua anggota populasi dan diambil sejumlah
sampel.
Koepesien determinasi R R square
R = r
Cara merandom :
- dengan melakukan undian----digunakan populasi sedikit
- dengan memakai table random--------digunakan populasi banyak
- dengan memakai computer
Contoh populasi ada sebanyak 500 orang akan diambil sampel 200 orang.
Table random

4126 7813 4731 8476 1345 4132
3214 4132 6781 0134 9371 3578
.. . .. . .
. . . ..
Kalau populasi tiga digit maka mengambil table tiga angka 413, 134, 013, 454, 132
2. Systematic Random Sampling
Pengambilan sampel dengan cara sistematis dengan interval tertentu
3. Stratified Random Sampling