1.

Analisis Korelasi
Bertujuan mencari derajat hubungan linier antara dua variabel dan
menguji signifikansi derajat hubungan tersebut.
a. Koefisien korelasi
Koefisien korelasi adalah derajat hubungan linier dua variabel numerik
(interval/rasio vs interval/rasio, ordinal vs interval/rasio).

Koefisien korelasi antara variabel X dan variabel Y disimbolkan r xy

dihitung dengan rumus :

r xy =

n XY ( X )( Y )

[ n X ( X ) ][n Y ( Y ) ]
2

Kisaran nilai koefisien korelasi :

1 r xy 1

Uji signifikansi koefisien korelasi :

Hipotesis statistik :

Statistik hitung :

Titik kritis :

H0 :

t hit =

H1 :

r n2
1r 2

ttab = t(/2;n-2)
|t hit| t tab

Kriteria : Tolak H0 jika

Contoh1.

=0

Korelasi antara tinggi badan (X) dengan berat badan (Y)

X
16
0
16
6
16
2
17
0
17
2

Y
55
54

=0

H0 :

= 830

Y2

= 16759

= 289

XY

X2

= 137884

= 48034

5.48034830.289
[ 5.137884688900 ] [ 5.1675983521 ]

57

r xy =

60
63

300
=0,795
142480
t hit =

H1 :

0,795 3
=2,267
0,368

ttab = t(0,025;3) = 4,1756

Keputusan : H 0 diterima karena thit < ttab

Kesimpulan : hubungan tinggi badan dengan
berat badan tidak
signifikan

b. Koefisien kontingensi
Koefisien kontingensi adalah derajat hubungan dua variabel kategori
(nominal vs nominal, nominal vs ordinal, ordinal vs ordinal). Hasil
pengamatan disusun dalam tabel silang yang disebut tabel kontingensi,
lalu koefisien kontingensi dihitung dengan rumus :

K=

2
N + 2

, dimana

2=
i=1 j=1

(P ij H ij )
H ij

b: banyaknya kategori variabel-1, k: banyaknya kategori variabel-2, P ij: frekuensi

pengamatan pada sel ke-ij, Hij: frekuensi harapan sel ke-ij.

Uji signifikansi K diwakili oleh uji signifikansi

dengan statistik tabel

2( ; (b 1 ) (k1))
Contoh-1
Kinerja

Hubungan antara kinerja dengan tingkat pendidikan karyawan

pada suatu perusahaan farmasi, diperoleh data berikut :
Tingkat Pendidikan
Jumlah
SLTA
Diploma
Sarjana
48
64
41
153
98
120
50
268
30
33
16
79

Sangat
baik
Baik
Buruk
Jumlah
176
217
107
500
Hipotesis statistik :
H0 : tidak ada hubungan antara kinerja dengan tingkat pendidikan
karyawan
H1 : ada hubungan antara kinerja dengan tingkat pendidikan
karyawan
Statistik hitung :
Statistik tabel :

2=4,278= K =
2(0,05 ;4 )=9,49

4,278
= 0.092105
504,278

Keputusan : H0 diterima karena ................................

Kesimpulan : ...............................................................................................
..............

2. Regresi Linier Sederhana

Digunakan untuk mencari dan menguji signifikansi perubahan suatu
variabel (variabel terikat) akibat variabel lain (variabel bebas). Bila
perubahan tersebut signifikan maka model regresi yang bersangkutan
dapat digunakan memprediksi nilai variabel terikat untuk nilai variabel
bebas tertentu. Variabel bebas biasanya disimbolkan X dan variabel terikat
disimbolkan Y.
Model regresi linier sederhana :

Y = + X +

Berdasarkan data sampel, akan ditaksir nilai dan oleh a dan b

sehingga didapat model regresi dugaan :
Ilustrasi
:

Y^ =a+bX .

Survei tinggi badan (cm) dan umur (bulan) bayi di suatu daerah
tertentu menghasilkan regresi dugaan

^
TB=50,2+0,9
U

Dari persamaan tersebut dapat diperkirakan :

Tinggi badan seorang bayi jika umurnya diketahui. Misalnya
berumur 6 bulan, maka tingginya 50,2 + 0,9.6 = 50,2 + 5,4
= 55,6 cm
Tinggi badan saat lahir yaitu . . .
Perubahan tinggi badan setiap bulan yaitu . . .

Menentukan persamaan regresi dugaan :

Persamaan garis lurus yang melalui dua titik pasangan (X,Y)

Menggunakan rumus :

b=

Contoh-
1
X
4
5
5
7
8

Y
1
0
9
1
0
1
2
1
3

n XY x Y
2

n X 2 ( X)

a=Y b X

Persamaan garis melalui (4,10) dan (8,13) :

y 10 = (3/4)(x 4) => y = (3/4)X + 7 = 7 + 0,75X

X =29 X =5,8 Y =54 Y =10,8 XY =323

b=

5.32329.54 16151566 49
=
= =0,907
895841
54
5.179( 29)2

a=10,8( 0,907 )( 5,8 ) =10,85,263=5,539

Persamaan regresi dugaan :

Y^ =5,539+ 0,907 X