Anda di halaman 1dari 23

STATISTIKA

PERTEMUAN 6
ANALISIS KORELASI DAN
REGRESI LINIER SEDERHANA

Dosen Pengasuh :
NURYADI, M.Si

BAHASAN PERTEMUAN 6
ARTI ANALISA KORELASI
ARTI KOEFISIEN DETERMINASI
METODE Least Square UNTUK REGRESI
RAMALAN MENGGUNAKAN REGRESI DATA
BERKELOMPOK, RANK, DAN KUALITATIF

TUJUAN :
Menjelaskan pentingnya analisis hubungan
Menjelaskan dan Menghitung koefisien korelasi dan
regresi sederhana
Memahami dan menerapkan regresi dan korelasi
Menggunakan tehnik ramalan dari analisis regresi

(1) ARTI ANALISA KORELASI


Pada semua kejadian, baik ekonomi maupun lainnya, pasti ada
faktor yg menyebabkan terjadinya kejadian tsb (Misal : menurunnya
hasil penjualan tektil, mungkin disebabkan karena kalah bersaing
dengan tekstil impor; menurunnya produksi padi mungkin karena
pupuknya berkurang; dll).
Kejadian tsb dapat dinyatakan dengan perubahan nilai variabel
(Misal : jika X = variabel harga, maka naik-turunnya harga dapat
dinyatakan dengan perubahan nilai X. Jika Y = variabel hasil
penjualan, maka naik-turunnya hasil penjualan dapat dinyatakan
dengan perubahan nilai Y).
Jadi, hubungan antara dua kejadian dapat dinyatakan dengan
hubungan dua variabel.
Dalam pertemuan ini, hanya akan dibahas hubungan linier antara
dua variabel X dan Y. Hubungan linier dan nonlinier lebih dari dua
variabel akan dibahas pada pertemuan berikutnya.

ARTI ANALISA KORELASI (lanjutan)


Jika variabel X dan Y mempunyai hubungan, maka variabel X yang
sudah diketahui nilainya dapat digunakan untuk memperkirakan
atau menaksir Y.

Variabel Y yang nilainya akan diperkirakan disebut variabel tidak


bebas (dependent variable), sedangkan nilai X yang digunakan
untuk memperkirakan nilai Y disebut variabel bebas (independent
variable).
Jadi, analisis korelasi memungkinkan untuk menduga sesuatu,
baik secara kualitatif (Misal : akan turun hujan, akan lulus ujian,
harga beras akan naik, dll) maupun kuantitatif (Misal : produksi
padi akan mencapai 16 juta ton, penerimaan negara naik 15%, dll).
Salah satu cara untuk melakukan perkirakan dari dua variabel tsb
adalah dengan menggunakan garis regresi.

(2) KOEFISIEN KORELASI DAN KEGUNAANNYA


Hubungan dua variabel ada positif atau negatif. Hubungan X
dan Y dikatakan positif jika kenaikan / penurunan nilai X
umumnya diikuti oleh kenaikan / penurunan nilai Y. Sebaliknya,
dikatakan negatif jika kenaikan / penurunan nilai X diikuti oleh
penurunan / kenaikan nilai Y
Contoh Hubungan "Negatif"
Variabel X
Variabel Y
Jumlah Akseptor
Produksi
Harga Barang
Hasil Penjualan
Pendapatan
Kejahatan

12

12

10

10

NILAI Y

NILAI Y

Contoh Hubungan "Positif"


Variabel X
Variabel Y
Pupuk
Produksi
Biaya Iklan
Hasil Penjualan
Berat Badan
Tekanan Darah

6
4
2

6
4
2

0
0

10
NILAI X

15

10
NILAI X

15

KOEFISIEN KORELASI DAN KEGUNAANNYA


Apabila bentuk diagram pencar tidak teratur artinya kenaikan /
penurunan nilai X umumnya tidak diikuti oleh kenaikan /
penurunan nilai Y, maka dikatakan X dan Y TIDAK
BERKORELASI. Artinya, variabel X tidak mempengaruhi Y
dan dikatakan X dan Y bebas (independent).
7

Y
4
4
2
3
3
6
5
5

6
5
NILAI Y

X
1
3
2
1.5
2.5
2
2.5
1.5

4
3

2
1
0

2
NILAI X

KOEFISIEN KORELASI DAN KEGUNAANNYA


Kuat atau tidaknya hubungan antara X dan Y apabila dapat
dinyatakan dengan FUNGSI LINIER, diukur dengan suatu nilai
yang disebut KOEFISIEN KORELASI ( r ) dengan nilai paling
sedikit -1 dan paling besar +1.
Jadi : -1 r +1
Artinya :
r = +1, hubungan X dan Y sempurna dan positif (mendekati +1
menggambarkan hubungan sangat kuat dan positif).
r = -1, hubungan X dan Y sempurna dan negatif (mendekati -1
menggambarkan hubungan sangat kuat dan negatif).
r = 0, hubungan X dan Y lemah sekali (tidak ada hubungan).
Naik/turunnya nilai Y yang bervariasi tidak semata-mata
disebabkan oleh X dan Y, karena masih ada FAKTOR LAIN.
Misal : jika Y = hasil penjualan, X = biaya iklan, maka naik/turunnya
Y selain disebabkan oleh X, juga oleh faktor (variabel) lain seperti
pendapatan masyarakat, selera, harga, dll.

KOEFISIEN KORELASI DAN KEGUNAANNYA


Terkait dengan hal tsb, muncul pertanyaan BERAPA BESARNYA
KONTRBUSI VARIABEL X TERHADAP NAIK/TURUNYYA NILAI
Y.
Jawaban dari pertanyaan tsb, maka harus dihitung suatu koefisien
yang disebut KOEFISIEN PENENTUAN (coefficient of
determination yang biasa disimbolkan (KP) dengan rumus :

KP = r2
Contoh :
Jika r = 0.9 maka nilai KP = (0.9)2 = 0.81 (81%), yaitu besarnya
sumbangan variabel X terhadap naik/turunnya Y adalah 81%.
Sedangkan 19% merupakan sumbangan faktor (variabel) lain.

(3) RUMUS KOEFISIEN KORELASI ( r )


xi X i X ,

Jika :

xy

i i

Rumus 1 :

i 1

2
x
i

i 1

Rumus 2 : r

1 n
X Xi
n i 1

2
y
i

Yi

i 1

Yi Y ,

1 n
Y Yi
n i 1

i 1

i 1

i 1

n XiYi Xi Yi
n

n Xi ( Xi )
2

i 1

i 1

n Yi ( Yi )
2

i 1

i 1

Contoh Hitung Koefisien Korelasi ( r )


Halaman 163 :
X adalah persentase kenaikan biaya iklan dan Y adalah persentase
kenaikan hasi penjualan, nilai keduanya seperti pada tabel. Hitung
koefisien korelasi ( r ) ?
X
Y

1
2

2
4

4
5

5
7

7
8

9
10

10
12

12
14

Langkah menghitung, buatlah lembar kerja seperti tabel berikut


yang disusun berdasarkan rumus r
Untuk Rumus 1 :

Rata_2

1
2
4
5
7
9
10
12
6.25

2
4
5
7
8
10
12
14
7.75

X-Xr
(x)
-5.25
-4.25
-2.25
-1.25
0.75
2.75
3.75
5.75

Y-Yr
(y)
-5.75
-3.75
-2.75
-0.75
0.25
2.25
4.25
6.25

x2

y2

xy

27.5625
18.0625
5.0625
1.5625
0.5625
7.5625
14.0625
33.0625

33.0625
14.0625
7.5625
0.5625
0.0625
5.0625
18.0625
39.0625

30.1875
15.9375
6.1875
0.9375
0.1875
6.1875
15.9375
35.9375

107.5

117.5

111.5

Untuk Rumus 2 :

X
1
2
4
5
7
9
10
12
50

Y
2
4
5
7
8
10
12
14
62

X2
1
4
16
25
49
81
100
144
420

Y2
4
16
25
49
64
100
144
196
598

XY
2
8
20
35
56
90
120
168
499

Selanjutnya nilai-nilai tsb masukan dalam rumus :


n

xy

i i

Rumus 1 : r

x y
i

i 1

Rumus 2 : r

111 .5
r
0.99
107 .5 117 .5

i 1

i 1

i 1

i 1

i 1

n XiYi Xi Yi
n

i 1

i 1

i 1

i 1

n Xi 2 ( Xi ) 2 n Yi 2 ( Yi ) 2

8(499) (50)(62)
8(420) (50)

8(598) (62)

0.99

Nilai r = 0.99, hubungan antara X dan Y sangat kuat dan positif,


artinya kenaikan biaya iklan umumnya menaikkan hasil penjualan.
Selanjutnya, dari nilai r, dihitung nilai KP = r2 = (0.99)2 = 0.9821
0.98 = 98%. Artinya : kontribusi biaya iklim terhadap variasi hasil
penjualan adalah 98%, sedangkan sisanya 2% merupakan
kontribusi faktor lain, seperti daya beli masyarakat.

(4) RUMUS KOEFISIEN KORELASI ( r )


(DATA BERKELOMPOK)
r

n( uvf ) ( ufu )( vfv )

n( u 2 fu ) ( ufu ) 2 n( v 2 fv ) ( vfv ) 2

Contoh (halaman 168) :


100 mahasiswa AIS melaksanakan ujian statistik dan matematik.
Asumsi : jika kemampuan matematik (X) rendah, maka kemampuan
statistik (Y) juga rendah, dan sebaliknya. Hasil nilai ujian yang
diperoleh sebagai berikut :
Matematika

40-49

50-59

60-69

70-79

80-89

90-99

Jumlah

(2)

(3)

(4)

(6)
4
6
8
2

(7)
4
5
1

4
6
5
15

1
5
9
6
4
25

(5)
2
4
10
5
2

23

20

10

(8)
10
16
24
21
17
12
100

Statistika
(1)
90-99
80-89
70-79
60-69
50-59
40-49
Jumlah

1
3
3
7

Menghitung Koefisien Korelasi ( r )


(Data Berkelompok)
Dari tabel sebelumnya, menunjukkan hubungan nilai matematik
dan statistik merupakan dua tabel frekuensi berikut :
Kelas Nilai Nilai Tengah
Matematika
(X)
40-49
44.5
50-59
54.5
60-69
64.5
70-79
74.5
80-89
84.5
90-99
94.5

u
-2
-1
0
1
2
3

fu
7
15
25
23
20
10

Kelas Nilai
Statistika
90-99
80-89
70-79
60-69
50-59
40-49

Nilai Tengah
(X)
94.5
84.5
74.5
64.5
54.5
44.5

u
2
1
0
-1
-2
-3

fu
10
16
24
21
17
12

Tabel menunjukkan bahwa u dan v masing-masing adalah skala


baru dari X dan Y.
Kelas atau nilai tengah yang harus diberi nilai 0 untuk kelas
genap (seperti contoh), pilihlah kelas yang dekat dengan nilai
tengah, yaitu untuk X (64.5 atau 74.5) diberi nilai 0, jadi u = 0.
Demikian juga untuk Y.
f adalah frekuensi untuk tiap sel, jadi fu = frekuensi untuk X atau u,
dan fv = frekuensi untuk Y atau v.

Jika dua tabel frekuensi tersebut digabung, akan diperoleh tabel


berikut :
u

-2

-1

fv

(2)

(3)

(4)

(6)
4
6
8
2

(7)
4
5
1

4
6
5
15

1
5
9
6
4
25

(5)
2
4
10
5
2
23

20

10

(8)
10
16
24
21
17
12
100

v
(1)
2
1
0
-1
-2
-3
fu

1
3
3
7

Selenjutnya, untuk perhitungan r dibuat tabel korelasi seperti


berikut (perhatikan perubahan letak u, v, fu dan fv ) :

(VI)
(VII)
(VIII)
(IX)
(X)

u
fu
ufu
u2fu
uvf

1
3
3
-2
7
-14
28
32

4
6
5
-1
15
-15
15
31

1
5
9
6
4
0
25
0
0
0

2
4
10
5
2

4
6
8
2

4
5
1

1
23
23
23
-1

2
20
40
80
24

3
10
30
90
39

(I)
v
2
1
0
-1
-2
-3
100
64
236
125

(II)
fv
10
16
24
21
17
12
100

(III)
vfv
20
16
0
-21
-34
-36
-55

(IV)
v 2f v
40
16
0
21
68
108
253

(V)
uvf
44
31
0
-3
20
33
125

Keterangan :

Cara menghitung
nilai pada setiap
baris dan kolom,
dijelaskan pada
halaman :
169 - 171

Berdasarkan nilai jumlah () pada kolom dan baris tabel tersebut


diperoleh :
ufu = 64, u2fu = 236, vfv = -55, v2fv = 253, uvf = 125, dan n = 100

n( uvf ) ( ufu )( vfv )

n( u 2 fu ) ( ufu ) 2 n( v 2 fv ) ( vfv ) 2

100(125) (64)(55)
100(236) (64)

100(253) (55)

0.7686 0.77

Kesimpulan :
Hubungan nilai matematik dan statistik cukup kuat dan positif.
Artinya, nilai matematik yang diperoleh akan mempengaruhi nilai
statistik.
Pada umumnya, mahasiswa dengan nilai matematik yang rendah
akan memperoleh nilai statistik yang rendah; sebaliknya jika nilai
matematik tinggi, maka nilai statistik yang akan dicapai juga tinggi.

(5) PENGERTIAN KORELASI RANK

KORELASI
RANK

ANALISIS DATA
STATISTIK DITUJUKAN UNTUK

MENGETAHUI RANKING
SUATU DATA,
MINIMAL 2 DATA

RUMUS KOEFISEN RANK DINAMAKAN


RUMUS SPEARMAN
n

rrank 1

6 d i2
i 1
2

, dim ana

n( n 1)
d i selisih, pasanganrank
n banyak pasanganrank

Contoh Soal dan Bahasan (Halaman 174)


NO

NAMA ROKOK

Kansas

Jarum

555

10

Bentoel

(1)

Mascot

Salem

10

(3)

Gentong

(1)

Minakjinggo

(2)

Gudang Garam

10

Dunhill

Rank JONI

55

Rank TONO

55

d2

Koefisien Rank (Spearman) :


n

6 d i2

rrank

6 x 24
1
1
0,85
10.(100 1)
n(n 1)
i 1
2

24

(6) KORELASI DATA KUALITATIF


KORELASI
KUALITATIF

UNTUK MENGUKUR KUATNYA


HUBUNGAN BERSYARAT DATA
KUALITATIF (KOEFISIEN BERSYARAT)

UKURAN
STATISTIK

RUMUS
Besarnya C tergantung pada
banyaknya baris dan kolom (r), batas
atas C dapat dirumuskan :
RUMUS
Cc

r 1
r

Cc
p

n fij ni nj
i 1 j 1

eij

i 1

( f ij eij ) 2

i 1 j 1

ni .n j
n

eij

i 1

i 1

khikuadrat

frekuensiharapan

2 n
q

ij

banyaknyaobservasi

j 1

dimana :
fij = nij = frek.observasi
(baris i kolom j)
i = 1, 2, .., pi
j = 1, 2, ., qi

Contoh Soal dan Penyelesaian (Hal. 178-179)


Carilah Koefisien Bersyarat dari hasil penelitian hubungan antara
Tingkat pendidikan ibu rumah tangga dengan konsumsi susu dari
anggota keluarga?
Pendidikan

Kurang

Cukup

Tidak tamat SLA

82

65

12

159

Tamat SLTA

59

112

24

195

Pernah Masuk PT

37

94

42

173

178

271

78

527

PENDIDIKAN

K (f)

(f-e)^2

C (f)

Sangat Cukup

(f-e)^2

SC(f)

(f-e)^2

TIDAK TAMAT SD

82,0

53,7

14,9

65,0

81,8

3,4

12,0

23,5

5,7

159,0

TAMAT SLTA

59,0

65,9

0,7

112,0

100,3

1,4

24,0

28,9

0,8

195,0

PERNAH MASUK
PT

37,0

58,4

7,9

94,0

89,0

0,3

42,0

25,6

10,5

173,0

178,0

178,0

23,49

271,0

271,0

5,1

78,0

78,0

17,0

527,0

eij

ni .n j
n

frekuensiharapan

i 1 j 1

( f ij eij ) 2
eij

khikuadrat

Penyelesaian
p

2
i 1 j 1

( f ij eij ) 2
eij

Cc

45

2
n
2

45
0,28
45 527

f ij frekuensikategori
eij

ni .n j
n

frekuensiharapan

(7) TEKNIK RAMALAN DAN


ANALISIS REGRESI
Bentuk Umum Persamaan Regresi Linear

Bentuk Umum :

Y a bx

Keterangan :
Y = variabel terikat
X = Variabel Bebas;
a, dan b konstanta

n xy ( x).( y)
n x ( x)
2

a Y bx

Contoh Soal dan Penyelesaian


SUATU

PABRIK ROTI INGIN MENCARI KAITAN HUBUNGAN ANTARA


JUMLAH PRODUKSI ROTI (X) DAN JUMLAH JAM KERJA (Y).
DITANYA :
Hitung r, R, KOEFISIEN a, b, dan BERAPA JAM KERJA YANG DIBUTUHKAN
UNTUK MENGHASILKAN 75 PRODUK ?
NO

PRO (X)

JAKER (Y)

30

73

20

50

60

128

80

170

40

87

50

108

60

135

i 1

i 1

i 1

n X i .Yi X i . Yi

2
2
2
2
n
X

(
X
)
n
Y

(
Y
)

i
1
i
i

i 1
i 1
i 1
i 1

n xy ( x).( y )
n x 2 ( x ) 2

2,0

a Y b x 10

30

69

70

148

10

60

132

R=r2=0.992=0.98
= a + bX=10+2,0x(75)=160

0,99