KORELASI
Tujuan :
Untuk melihat ada tidaknya hubungan antara
dua buah variabel (minimal berskala ordinal)
Melihat kuat lemahnya hubungan
Melihat jenis hubungan
Correlations
y
y
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
el
x
1
3
.721
.488
3
.721
.488
3
1
3
el
org
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
1
245
.286**
.000
245
org
.286**
.000
245
1
245
JENIS HUBUNGAN
Dilihat dari nilai koefieien korelasi r
Y
X
Hubungan Positif
r=+
X
Hubungan Negatif
r=-
ANALISA REGRESI
TUJUAN
Melihat ada/tidak hubungan Linier antara
sebuah variabel Dependent (kuantitative)
dengan beberapa variabel Independent
(kuantitative) bersifat sistem
Melihat kuat/lemahnya hubunga antar
variabel Dependent dengan variabel
Independent
Memprediksi besarnya nilai variabel
Dependent berdasarkan variabel Independent
PUSAT PENDIDIKAN DAN PENGABDIAN MASYARAKAT
UNIVERSITAS INDONESIA
n
n
2
2
min yi y min yi (b0 b1 x)
i 1
i 1
PEMBUTAN MODEL
Hal-hal yang perlu diperhatikan dalam
pembuatan model:
Penentuan Variabel dependent & independent
(berdasarkan hipotesis, mana yg lebih mudah
diukur)
Model harus didasarkan pada konsep
(menghindari hubungan semu)
MODEL
Yi 0 1 X 1i 2 X 2i .... p X pi i , i
Yi
Dependent Variabel
p Parameter
X p Independent Variabel
i
Error
NID(0, 2 )
( X ' X ) ( X ' Y )
Varian nilai koefisien
s 2 (b0 )
s 2 (b0 , b1 )
2
2
s
(
b
,
b
)
s
(b1 )
1
0
2
s (b)
2
s (b p , b0 )
s 2 (b0 , b p )
s 2 (b1 , b p )
KTGx ( X ' X )
s 2 (b p )
( ,n p )
2
bk
2
s (bk )
, Tolak Ho
Asumsi Error
Pengecekan terhadap Asumsi Error bertujuan untuk
membuktikan apakah model regresi yang terbentuk
memiliki sifat BLUE (Best Linier Unbias Estimation)
MULTIKOLOLINIERITAS #1
Arti : Korelasi yg terjadi antar var Independent
Penyebab :
Mengukur indikator var X yg sama (pendapatan &
Pengeluaran)
Jum var X > jum data
MULTIKOLOLINIERITAS #2
Deteksi multikol: Nilai VIF > 10
Mengatasinya :
Buang salah satu variabel yg berkorelasi
Menggabung variabel yg saling berkorelasi
Trasformasi variabel
Penambahan data
Teknik regresi lain seperti PCA, Ridge regresion dll
Heteroledastisitas/Homokedastisitas
Arti : Kesamaan variansi di setiap nilai prediksi
Penyebab :
Deteksi
Scarter plot
Pengujian : Part test, Glejser test, Spearman Correlation
test, Goldfeld-quandt, Breusch-pagan-godfrey , Whites
General Heteroskedastisiti
Autokorelasi
Arti : error saling berkorelasi
Penyebab :
Data diambil dari sequance system
Data time series
Manipulasi data. Data bulanan dibuat kuartal,
semester atau tahunan
KOEFISIEN DETERMINASI
Ukuran mengenai besarnya persentase
pengaruh variabel Independent terhadap
variabel Dependent
JKT
JKT
2
Kelemahan Regresi
REGRESI DUMMY
Ada kalanya yang menjadi prediktor (variabel
independent/X) merupakan katagori
Rubah variabel prediktor yang katagori
menjadi variabel dummy (variabel 0 & 1)
Cth : Laki2x = 0 (Katagori reference) Pengontrol
Perempuan = 1
Reference Catagory
Katagori dasar yang menjadi rujukan dalam
analisa.
Contoh apakah semakin tinggi pendidikan
akan semakin baik tingkat ekonomi
seseoarang?
Reference Catagori Pendidikan SD = 0
Dummy SMP
Dummy SMA
Dummy PT
SD
SMP
SMA
PT