Anda di halaman 1dari 16

METODA STATISTIKA II

Tentang

ANALISA KORELASI PARSIAL

Oleh :
Kelompok 5
NAMA :

KELAS :

1. FAZRIANI PASARIBU

(NIM : 4142111010)

2. FITRI RAMADHANI

(NIM : 4142111011)

3. JAMILAH

(NIM : 4142111017)

4. RINI MARDHIAH LESTARI

(NIM : 4141111039)

5. SITI MARIA GULTOM

(NIM : 4142111027)

6. SYARIPAH AINI

(NIM : 4142111028)

7. WANTRI MARBUN

(NIM : 414111105

DIK C MATEMATIKA 2014

JURUSAN MATEMATIKA
PROGRAM STUDI PENDIDIKAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
1

UNIMED 2015
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat TUHAN yang telah melimpahkan rahmat dan
karunia-Nya sehingga penulis dapat menyelesaikan makalah ini.
Maksud penulis membuat makalah ini adalah untuk memenuhi tugas mata kuliah
STATISTIKA II yang diamanatkan oleh dosen penulis. Penulis menyadari bahwa dalam penyusunan
makalah ini banyak sekali kekurangannya baik dalam cara penulisan maupun dalam isi.
Mudah-mudahan makalah ini dapat bermanfaat, khususnya bagi penulis yang membuat dan
umumnya bagi yang membaca makalah ini, untuk menambah pengetahuan statistik. Amin.

MEDAN, Desember 2015

Penulis

DAFTAR ISI
KATA PENGANTAR ............................................................................................. .......... ii
DAFTAR ISI ...................................................................................................................... iii
BAB I

PENDAHULUAN .......................................................................................... 1

1.1 Latar Belakang Masalah ................................................................................................. 1


1.2 Rumusan Masalah ......................................................................................................... 1
1.3 Tujuan Masalah ............................................................................................................. 1
BAB II

ISI....................................................................................................................... 2

BAB IV

KESIMPULAN .............................................................................................. 15

DAFTAR PUSTAKA ........................................................................................................ 16

BAB I
PENDAHULUAN

1.1.

Latar Belakang
Pada tempo dulu statistika hanya digunakan untuk menggambarkan keadaan dan

menyelesaikan problem-problem kenegaraan saja seperti perhitungan banyaknya penduduk,


pembayaran pajak, mencatat pegawai yang masuk dan keluar, membayar gaji pegawai, dll. Namun,
di era globalisasi ini hampir semua bidang menggunakan statistik bergantung pada masalah yang
dijelaskan oleh nama statistik itu sendiri. Statistika berfungsi sebagai sarana mengembangkan cara
berpikir

secara logis, lebih dari statistika mengembangkan berpikir secara ilmiah untuk

merencanakan (forcasting) penyelidikan, menyimpulkan dan membuat keputusan yang teliti dan
meyakinkan. Baik disadari atau tidak, statistika merupakan bagian esensial dari latihan profesional
dan menjadi landasan dari kegiatan-kegiatan penelitian.
Statistika ialah sebuah konsep dalam bereksperimen, menganalisa data yang bertujuan untuk
mengefensiesikan waktu, tenaga dan biaya dengan memperoleh hasil yang optimal. Berdasarkan
definisinya statistika merupakan ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data.
Adapun bagian dari statistika yaitu korelasi parsial (partial correlation) yang berarti suatu
nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih yang salah satu atau
variabel X konstan atau dikendalikan.
1.2.

Rumusan Masalah

1. Apakah yang dimaksud dengan korelasi parsial?


2. Bagaimana cara pemecahan kasus-kasus korelasi parsial?
1.3.

Tujuan Penulisan

1. Untuk mengetahui korelasi parsial.


2. Untuk mengetahui cara memecahkan kasus-kasus korelasi parsial.

BAB II
ISI
2.1 Pengertian Korelasi Parsial
Korelasi parsial adalah pengukuran hubungan antara dua variabel, dengan mengontrol atau
menyesuaikan efek dari satu atau lebih variabel lain. Singkatnya r1234 adalah korelasi antara 1 dan
2, dengan mengendalikan variabel 3 dan 4 dengan asumsi variabel 1 dan 2 berhubungan linier
terhadap variabel 3 dan 4. Korelasi parsial dapat digunakan pada banyak kasus, misalnya apakah
nilai penjualan suatu komoditi terkait kuat kepada pembelanjaan iklan ketika efek harga
dikendalikan. Jika korelasi parsialnya nol, maka dapat disimpulkan bahwa korelasi yang dihitung
sebelumnya adalah semu.
Disini akan dipelajari bagaimana mengukur keeratan hubungan antara Y dengan X 2
sedangkan X1 dikontrol, atau korelasi parsial. Pengaruh variable yang dikontrol, disini X 1,
dikeluarkan. Yaitu, hitung X2 = X2 (b2X1 + a2) dan Y = Y (b1X1 + a1), tetapi harga-harga a dan
b disini dicari melalui regresi linear. Setelah hasilnya diperoleh diperlukan regresi X2 dengan Y :

Y = b3X2 + a3
2.2 Menghitung Langsung Korelasi Parsial
Mengontrol suatu variable sangat berguna karena itu sebaiknya kita dapat
mengerjakannya dengan cepat. Rumus sederhana untuk menghitung korelasi parsial :

rX 2Y (rX 2 X 1 )( rYX 1 )
1 r 2 X 2 X 1 1 r 2YX 1
Korelasi parsial = rX2Y.X1 =

2.3 Fungsi Korelasi Parsial


Korelasi parsial digunakan untuk mencari arah dan kuat lemahnya hubungan antara 2 atau
lebih variable independen (X1,X2...Xn) terhadap variable dependen (Y) secara bersamaan ,
dengan mengendalikan salah satu variabel independenya.

2.4 Koefisien Determinasi

Koefisien korelasi, r, hanya menyediakan ukuran kekuatan dan arah hubungan linier antara
dua variabel. Akan tetapi tidak memberikan informasi mengenai berapa proporsi keragaman
(variasi) variabel dependen (Y) yang dapat diterangkan atau diakibatkan oleh hubungan linier
dengan nilai variabel independen (X). Koefisien Determinasi bisa didefinisikan sebagai nilai yang
menyatakan proporsi keragaman Y yang dapat diterangkan/dijelaskan oleh hubungan linier antara
variabel X dan Y. Untuk menentukan besar kecilnya sumbangan variabel X terhadap Y dapat
ditentukan dengan rumus koefisien determinan sebagai berikut :
KP = r2 x 100%
Dimana :
KP adalah besarnya koefisien penentu (diterminan)
r adalah koefisien korelasi

Cari Koefisien parsial, jika X1 tetap.

2.5 Analisis Korelasi Parsial


a. Jika X1 tetap maka :

x 1( 2 y )=

x
r x y r x y . r x
2

( 1r

2
x1 y

x2

)(1r 2x x )
1

Hepotesa :
Ha : Ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.
H0 : Tidak ada pengaruh yang signifikan antara X2 dan Y jika X1 tetap.
6

b. Jika X2 tetap maka :

x 2( 1 y )=

x
r 1 y r x y . r x x
2

( 1r

2
x2 y

2
x1 x2

) (1r )

Hepotesa :
Ha : Ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
H0 : Tidak ada pengaruh yang signifikan antara X1 dan Y jika X2 tetap
Untuk uji signifikansinya menggunakan rumus :
t hitung =

r par n3

1r

2
par

Keterangan:
thitung

= nilai yang akan dibandingkan dengan ttabel

rpar

= nilai koefisien parsial

= jumlah sample

Kriteria pengujian :
thitung ttabel ; maka tolak H0 (signifikan)
thitung < ttabel ; maka terima H0 (tidak signifikan)
db ttabel = n-1

2.6 Contoh Kasus Korelasi Parsial


Kasus 1.
Pada salah satu areal pembibitan di PT Tunas Agro telah diketahui bahwa pertumbuhan
bibit kelapa sawit di MN (main nursery) kurang maksimal. Untuk mengetahui kurang
maksimalnya pertumbuhan bibit kelapa sawit tersebut, maka perusahaan melakukan riset
untuk mengetahui kuat lemahnya pengaruh hubungan antara dosis pemupukan (X1) dengan
curah hujan (X2) terhadap pertumbuhan bibit kelapa sawit (Y).
Pada riset yang dilakukan kali ini akan menitik beratkan pengaruh curah hujan terhadap
pertumbuhan bibit kelapa sawit dengan dosis pemupukan yang dikendalikan (konstan). Untuk
itu perusahaan mengambil 12 sampel bibit kelapa sawit pada beberapa lokasi pembibitan di
Main Nursery secara acakdan diperoleh data sebagai berikut:
Tabel 1. Tabel Data
X1

X2

26

Y
1,20

97

1,24

47

1,30

10

88

1,33

10

97

1,42

10

75

1,50

20

88

1,57

20

75

1,61

20

20

1,74

40

88

1,81

40

53

1,89

40

75

1,96

X 1=225

X 2=829

Y =18,57

Keterangan :
X1 = Dosis Pupuk (gr)
8

X2 = Curah Hujan (mm)


Y = Pertumbuhan (m)
Apakah terdapat pengaruh yang signifikan antara antara dosis pemupukan (X1) dengan curah
hujan (X2) terhadap pertumbuhan bibit kelapa sawit (Y).?
Penyelesaian :
a. Buat Ha dan H0 dalam bentuk kalimat.
Hipotesa :
Ha : Ada pengaruh yang signifikan antara curah hujan (X2) dan pertumbuhan bibit kelapa sawit (Y)
jika dosis pemupukan (X1) tetap.
H0 : Tidak ada pengaruh yang signifikan antara curah hujan (X2) dan pertumbuhan bibit kelapa sawit
(Y) jika dosis pemupukan (X1) tetap.
b. Buatlah Ha dan H0 dalam bentuk statistika:
Ha : r X1 (X2 Y) 0
H0 : r X1 (X2 Y) = 0
Ha : r X2 (X1 Y) 0
H0 : r X2 (X1 Y) = 0
Ha : r Y (X1 X2) 0
H0 : r Y (X1 X2) = 0

Tabel :
X1

X2

26

X1

X2

X1Y

X2Y

X1X2

1,20

25

676

1,44

31,2

130

97

1,24

25

9409

1,5376

6,2

120,28

485

47

1,30

25

2209

1.6

6,5

61,1

235

10

88

1,33

100

7744

1,7689

13,3

117,04

880

10

97

1,42

100

9409

2,0164

14,2

137,74

970

10

75

1,50

100

5625

2,25

15

112,5

750

20

88

1,57

400

7744

2,4649

31,4

138,16

1760

20

75

1,61

400

5625

2,5921

32,2

120,75

1500

20

20

1,74

400

400

3,0276

34,8

34,8

400

40

88

1,81

1600

7744

3,2761

72,4

159,28

3520

40

53

1,89

1600

2809

3,5721

75,6

100,17

2120

40

75

1,96

1600

5625

3,8416

78,4

147

3000

225 829 18,57 6375 65019 29,48 386 1280,02 15750

n. x1 y ( x1 )( y )

n. x
rx1y

( x1 ) 2 . n. y 2 ( y )

2
1

=
12.386 (225).(18,57)

12.6375 (225) . 12.29,48 (18,57)


2

=
= 0,94
n. x 2 y ( x 2 )( y )

rx2y

n. x

2
2

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

12.1280,02 (829).(18,57)

12.65019 (829) . 12.29,48 (18,57)


2

=
= -0,03

n. x1 x 2 ( x1 )( x 2 )

rx1x2

n. x

2
1

( x1 ) 2 . n. x 22 ( x 2 )

12.15750 (225).(829)

12.6375 (225) . 12.65019 (829)


2

=
= 0,05

10

Bila X1 tetap, rumus:

x 1( 2 y )=

x
r x y r x y . r x
2

( 1r

2
x1 y

x2

)(1r 2x x )
1

(0,03 ) ( 0,94 .0,05 )

(1( 0,94 )2 )(1( 0,05 )2 )

=0.082

( Hasil mencari rparsial)

= r2 . 100%

KP

= (-0,082)2 . 100% = 0,67 %


Kaidah pengujian :
Jika

t hitung

ttabel , maka signifikan.

Jika

t hitung

ttabel , maka tidak signifikan.

hitung=

r par n3

1r

2
par

0,082 123

1(0,082)2
0,25

Cari nilai ttabel menggunakan tabel t :

0,05
Taraf signifikansinya

, db=n 1<=>12 1 = 11

Nilai ttabel dengan signifikansi 5 % untuk uji 2 pihak nilainya adalah 1,796.
Kasus 2
Menurut kajian literatur permintaan suatu produk ditentukan oleh harga barang dan pendapatan seseorang.
Hasil pengamatan terhadap 12 sampel atas permintaan suatu barang dalam hal ini gula diperoleh data harga
minyak goreng dan pendapatan konsumen :

11

Responden

1
2
3
4
5
6
7
8
9
10
11
12

Permintaan
Minyak
(Kg/bulan)
3
4
5
6
6
7
8
9
10
10
3
4

Harga Minyak
(ribu rupiah/
liter)
8
7
7
7
6
6
6
6
5
5
9
8

Pendapatan (juta
rupiah)
10
10
8
5
4
3
2
2
1
1
10
9

Keterangan:
X1 = Harga minyak goreng
X2 = Pendapatan konsumen
Y = Permintaan minyak goreng
Penyelesaian :
a. Buat Ha dan H0 dalam bentuk kalimat.
Ha :
H0 :

b. Buatlah Ha dan H0 dalam bentuk statistika:


Ha : r X1 (X2 Y) 0
H0 : r X1 (X2 Y) = 0
Ha : r X2 (X1 Y) 0
H0 : r X2 (X1 Y) = 0
Ha : r Y (X1 X2) 0
H0 : r Y (X1 X2) = 0
Tabel:
Y

X1

X2

X1

X2

12

X1Y

X2Y

X1X2

10

64

100

24

30

80

10

49

100

16

28

40

70

49

64

25

35

40

56

49

25

36

42

30

35

36

16

36

36

24

24

36

49

42

21

18

36

64

48

16

12

36

81

54

18

12

10

25

100

50

10

10

25

100

50

10

10

81

100

27

30

90

64

81

16

32

36

72

7 5 8 0 65
c. Korelasi antara
r Y 1.2=

( 1r Y 22 )( 1r122 )
X2

( 1r Y 12 )( 1r 122 )
X1

dan

r 12(r Y 1 x r Y 2)

( 1r Y 12)( 1r Y 22 )

'

X2

dimana

( 1(0,963 )2 ) ( 10,9052 )
'

X1

dimana

rx1y

dianggap tetap :

( 1(0,922 )2) ( 10,9052 )

X2

dimana Y

'

=0,783

dianggap tetap :

0,905( (0,922 ) x0,963)

(1(0,922 )2 ) ( 10,9632 )

n. x1 y ( x1 )( y )
1

=0,444

0,963( (0,922 ) x0,963)

Dimana

n. x

dianggap tetap :

0,922( (0,963 ) x 0,905)

dan Y

r Y 2(r Y 1 x r 12)

e. Korelasi antara
r 12. Y =

dan Y

r Y 1(r Y 2 x r 12 )

d. Korelasi antara
r Y 2.1=

X1

5 5 0 505 541 46 8 305 479

( x1 ) 2 . n. y 2 ( y )

=
= -0,922

13

=0,157

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

rx2y

n. x

2
2

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

= -0,963
n. x1 x 2 ( x1 )( x 2 )

rx1x2

n. x

2
1

( x1 ) 2 . n. x 22 ( x 2 )

= 0,905

RY.12 =

( r Y 12 +r Y 22)( 2 x r Y 1 x r Y 2 x r 12)
=0,971
( 1r 122 )

Kaidah pengujian :
Jika

t hitung

ttabel , maka signifikan.

Jika

t hitung

ttabel , maka tidak signifikan.

hitung=

r par n3

1r

2
par

t
=

BAB III
PENUTUP
3.1 Kesimpulan

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan antara
dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat
tetap (sebagai variabel kontrol)

Analisis korelasi parsial (Partial Correlation) digunakan untuk mengetahui hubungan antara
dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat
tetap (sebagai variabel kontrol)

14

Nilai positif menunjukkan hubungan searah (X naik maka Y naik) dan nilai negatif
menunjukkan hubungan terbalik (X naik maka Y turun). Data yang digunakan biasanya
berskala interval atau rasio.
Rumus yang digunakan dalam korelasi parsial adalah:
rxy.z = [ rxy (rxz) (ryz) ] / [ 1 - r2xz 1 - r2yz ]
dimana:
rxy.z = korelasi parsial antara X dan Y, dengan mengendalikan Z

Korelasi parsial adalah pengukuran hubungan antara dua variabel, dengan mengontrol atau
menyesuaikan efek dari satu atau lebih variabel lain. Singkatnya r1234 adalah korelasi antara
1 dan 2, dengan mengendalikan variabel 3 dan 4 dengan asumsi variabel 1 dan 2
berhubungan linier terhadap variabel 3 dan 4. Korelasi parsial dapat digunakan pada banyak
kasus

Karena ttabel lebih besar dari padathitung(1,796>-0,25), maka Ha diterima (signifikan), dengan
nilai koefisien determinannya sebesar 0,67 %.

Saran:
Dari hasil riset yang telah dilakukan maka kami menyarankan agar tidak dilakukan
pemupukan dengan dosis yang tinggi pada saat curah hujan yang tinggi walaupun pengaruh yamg
telah diketahui hanya sedikit 0,67 % terhadap pertumbuhan bibit kelapa sawit di Main Nursery.
Menurut pendapat kelompok kami, pengaruh yang didapat sedikit ini dikarenakan data curah
hujan yang terakumulasi antara curah hujan yang tinggi dengan yang rendah, selain itu curah
hujan yang tinggi dapat menggakibatkan pencucian unsur hara (leaching).

DAFTAR PUSTAKA

http://ariyoso.wordpress.com/2009/11/12/korelasi-parsial/ Akses 7 Juni 2012


http://samianstats.wordpress.com/tag/korelasi-parsial/. Akses 7 Juni 2012
http://statutorial.blogspot.com/ Akses 7 Juni 2012
15

http://wahyupsy.blog.ugm.ac.id/tag/korelasi-parsial/. Akses 7 Juni 2012


http://widhiarso.staff.ugm.ac.id/wp/index.php/tag/korelasi-parsial/ Akses 7 Juni

16

2012