STATISTIK DESKRIPTIF (I)

Analisis Korelasi Product Moment

MODUL 14

Oleh :
Ir.Sahibul Munir,SE.,MSi.

FAKULTAS EKONOMI PROGRAM KELAS KARYAWAN

UNIVERSITAS MERCU BUANA
2007/2008
 ANALISIS KORELASI
Analisis Korelasi : metode statistik yang digunakan untuk menentukan kuat
tidaknya (derajat) hubungan linier antara 2 variable atau lebih.
Analisa korelasi sederhana,meneliti hubungan dan bagaimana eratnya itu,tanpa
melihat bentuk hubungan. Jika kenaikan didalam suatu variable diikuti dengan
kenaikan variable yang lain,maka dapat dikatakan bahwa kedua variable tersebut
mempunyai “korelasi”yang positif.Tetapi jika kenaikan didalam suatu variable diikuti
penurunan variable yang lain maka kedua variable tersebut mempunyai korelasi
negatif.Jika tidak ada perubahan pada suatu variable ,meskipun variable yang lain
mengalami perubahan ,maka kedua variable tersebut,tidak mempunyai hubungan
(uncorrelated).
Pedoman Untuk Menginterpretasikan
Koefisien Korelasi (r)

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah
0.20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat

Hubungan – hubungan tersebut secara grafis adalah :

Y Y Y

X X X

Korelasi Korelasi Uncorrelated

Positip Negatif

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Ukuran yang digunakan untuk mengukur derajat hubungan (korelasi) linier disebut

koefisien korelasi (correlation coefisient) yang dinyatakan dengan notasi” r” yang

sering dikenal dengan nama “Koefisien Korelasi Pearson atau Product
Moment Coefficient of Correlation”, dan secara sederhana dapat dittulis sbb:

n  
r
n     n 2   
2 2 2

Nilai r selalu terletak antara – 1 dan + 1 (-1< r < 1)

Jika r =1, ini berarti ada korelasi positif sempurna antara X dan Y
r = -1 ini berarti ada korelasi negatif sempurna antara X dan Y.
r = 0, ini berarti tidak ada korelasi antara X dan Y

Berikut ini disajikan penerapan atau penggunaaan rumus untuk menetukan koefisien
korelasi anatara besarnya biaya iklan dan volume penjualan perusahaan A, dalam
Rp 1000,-.

Tabel . Prosedur penentuan koefisien korelasi pengeluaran biaya iklan dan volume
penjualan .
Biaya Iklan Volume Penjualan
Y2 XY
2
(X) (Y) X
1 2 3 4 5
5 40 25 1600 200
7 50 49 2.500 350
10 60 100 3.600 600
12 65 144 4.225 780
15 70 225 4.900 1.050
20 80 400 6.400 1.600
25 92 625 8.464 2.300
30 100 900 10.000 3.000
X = 124 Y = 557 2.468 41.689 9.880

N=8

8 9.880  124  557 

r
8 2..468  124 8 41.689    557 
2 2

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 9.972
r  0,989
4368 x 23.263

Pengujian Hipotesis Koefisien Korelasi

Untuk mengetahui signifikan tidaknya hubungan antara variabel yang sedang

diselediki perlu dilakukan uji hipotesis terhadap koefisien korelasi, dengan
langkah – langkah sbb :

1). Perumusan Hipotesis

Jika diduga bahwa suatu variabel mempunyai hubungan yang positif
dengan variabel lain, maka rumusan hipotesisnya adalah

Ho :  = 0 (tidak ada hubungan antara suatu variabel yang positif

dengan variabel lain)
Ha :  > 0 (terdapat hubungan yang positif dan signifikan anatara suatu
suatu variabel dengan variabel lainnya)

2). Menentukan taraf nyata (level of signifance ) α, misalnya 5%

3). Menetukan titik kritis (daerah penerimaan / penolakan Ho).

Titik kritis dicari dengan bantuan Tabel –t (t distribution) Nilai t-tabel
ditentukan berdasarkan tingkat signifikansi (α) yang digunnakan dan derajat
bebas atau degree of freedom (df), dimana df = n-2, yang besarnya
tergantung pada jumlah sampel (n).
Jika misalnya α = 0,05 dan n=8 atau df = 8 - 2 = 6, maka t – tabel –nya
adalah :
t – tabel = t α; df = t 0,05;6 = 1,943

4). Membandingkan nilai t – hitung dengan t-tabel.

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 Jika t-hitung < t-tabel, maka keputusannya adalah menerima hipotesis nol
(Ho) .
Sebaliknya jika t hitung > t – tabel , maka keputusannya adalah tolak Ho,
dan terima Ha.
Nilai t-hitung ditentukan dengan formula sbb:

r n2
t
1 r 2

Terima Ho Tolak Ho/Terima Ha

t =1,943

5). Kesimpulan
Kesimpulan di buat berdasarkan keputusan yang diambil.
Jika keputusan menerima Ho , kesimpulannya adalah “ tidak ada
korelasi (hubungan) antara variabel satu dengan variabel lainnya.
Sebaliknya jika tolak Ho dan terima Ha, maka kesimpulannya adalah ‘
terdapat korelasi (hubungan) positif yang signifikan antara variabel satu
dengan variabel lainnya.

 
Pengujian Kai Kuadrat  2
(The Chi – Square Test)

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
Sebaagaimana yang sering dijumpai, bahwa nilai observasi atau pengamatan yang diperoleh
dari suatu sempel tidak selalu persis sama dengan nilai yang diharapkan atau nilai teoritis
yang sesuai dengan azas probabilita
Dalam percobaan pelembaransebuah dadu sebanyak 60 kali, diharapkan atau secara teoritis
akan diperoleh mata dadu :
1. Sebanyak 1/6 x 60 kali = 10 kali
2. Sebanyak 1/6 x 60 kali = 10 kali
3. Sebanyak 1/6 x 60 kali = 10 kali
4. Sebanyak 1/6 x 60 kali = 10 kali
5. Sebanyak 1/6 x 60 kali = 10 kali
6. Sebanyak 1/6 x 60 kali = 10 kali
Namun demikian secara aktual atau kenyataannya tidak demikian, dan setelah diobservasi
hasilnya :
Mata dadu 1 Frekuensi munculnya = 8
Mata dadu 2 Frekuensi munculnya = 11
Mata dadu 3 Frekuensi munculnya = 11
Mata dadu 4 Frekuensi munculnya = 12
Mata dadu 5 Frekuensi munculnya = 9
Mata dadu 6 Frekuensi munculnya = 9
60
Berdasarkan hasil observasi dari percobaan – percobaan diatas dapat muncul pertanyaan
apakah mata dadu tersebut imbang (fair )? Dalam pengertian statistik mata dadu yang imbang
(fair) dapat menggambarkan “ distribusi probabilita “ yang selanjutnya dalam pembahasan ini
disebut sebagai Hipotesis nol (Ho)
Pertanyaan diatas dapat juga dinyatakan sebagai berikut :
“ Apakah data observasi sesuai dengan Hipotesis nol (Ho) “ atau “ Apakah hasil pengamatan
(observasi) itu tidak berbeda dengan hasil yang diharapkan.”

Sedangkan metode statistik yang dipakai untuk menguji masalah tsb diatas didasarkan pada 2
distribusition (distribusi kai kuadrat, 2).

Satatistik 2 (kai – kuadrat ) merupakan suatu ukuran ketidak cocokan / ketidak sesuaian
anatara hasil pengamatan (observasi ) dengan hasil yang diharafkan (expected) dan
dirumuskan:

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 2  
 oij  Eij  2
Eij

dimana :
Oij = nilai observasi pada berisi kolom j.
Eij = nilai yang diharapkan pada baris I, kolom j.

Dalam pembahasan distribusi atau pengujian 2 ini hanya meliputi

1. Test of Inedepedence
2. Test of Good ness of Fit
1. Pengujian Independensi ( Analisis abel Kontigensi)
Pengujian ini ddigunakan untuk mengetahui apakah 2 variabel memiliki hubungan atau
tidak .
Misalnya ingin diuji apakah ada hubungan atau tidak antara jenis kelamin dengan indeks
prestasi (IP) mahasiswa . Untuk tujuan tersebut diambil sempel 120 mahasiswa dan 80
mahasiswa. Hasil pengamatan (observasinya) adalah sbb:
Tabel 1. Indesk Prestasi Mahasiswa Menurut Jenis Kelamin.
Indeks Prestasi
Bagus sekali Bagus Cukup Kurang
Total
Mahasiswa 27 35 33 25 120
Mahasiswa 13 15 27 25 80
Total 40 50 60 50 200

Dengan  = 5 % ujilah hipotesis yang menyatakan bahwa Indeks Prestasi tidak berhubungan
(independen) dengan jenis kelamin mahasiswa.

Prosedur Pengujiannya
1). Menentukan Ho dan Hi
Ho : Indeks Prestasi tidak berhubungan dengan jenis kelamin
Hi : Indeks Prestasi berhubungan dengan jenis kelamin
2). Menentukan daerah penolakan Ho dengan menggunakan distribusi 2 atau 2
tabel
df = (n –1)(k – 1)
Dimana :
n = Jumlah baris
k = Jumlah kolom

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1
 df = (2 – 1) ( 4 – 1 ) = 3
Pada Tabel distribusi 2 untuk  = 0,05 dan df = 3 maka 2 = 7,815

3). Menghitung nilai statistik uji (mencari 2 hitung )

2  
0  E2
E
Dimana :
O = Frekuensi pengamatan (observasi)
E = Frekuensi yang diharapkan
Nilai E untuk setiap sel dapat dicari dengan rumus :

Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si
STATISTIKA 1